Klimarisikoanalyse

Um Klimarisiken systematisch zu erfassen, hat sich ein Set an Methoden etabliert, das von qualitativen Bewertungen bis zu datengetriebenen, KI-gestützten Analysen reicht. In diesem Kapitel werden gängige Vorgehensweisen vorgestellt und erläutert, wie Künstliche Intelligenz (KI) die Klimarisikoanalyse unterstützen kann, um Risiken, Trends und potenzielle Auswirkungen frühzeitig sichtbar zu machen.

Der Prozess einer betrieblichen Klimarisikoanalyse lässt sich in mehrere Schritte gliedern: von der Identifizierung relevanter Klimarisiken, über die Bewertung ihrer Eintrittswahrscheinlichkeit und potenziellen Auswirkungen, bis zur Entwicklung von Strategien zur Risikominderung und Anpassung. Dieser Prozess ähnelt klassischen Risk-Management-Ansätzen, wird jedoch durch die besonderen Unsicherheiten des Klimawandels und sehr lange Zeithorizonte (bis 2050, 2100) geprägt.

• Kontextanalyse und Zielfestlegung: Zunächst wird festgelegt, welche Teile des Unternehmens betrachtet werden (z.B. Standorte, Lieferkette, Facility-Management-Bereich) und welche Klimarisiken überhaupt relevant sein könnten. Dazu gehört ein Verständnis der Standortfaktoren (Küstenlage? Flussnähe? Anlagen im Freien?) und der Exposee gegenüber Klimaextremen. Ebenso werden Ziele definiert – etwa Schutz der Produktionskontinuität oder Vermeidung von Schäden über 1 Mio. € pro Ereignis.

• Datenaufnahme (Klimadaten & Unternehmensdaten): Im nächsten Schritt werden Klimadaten gesammelt, sowohl historische (z.B. Extremwetter-Ereignisse der letzten Jahrzehnte am Standort) als auch projizierte (Klimamodelle, Szenarien für Temperatur- und Meeresspiegelanstieg, etc.). Gleichzeitig müssen unternehmensbezogene Daten erhoben werden: Welche Anlagen sind vorhanden? Wie alt und robust sind Gebäude? Gibt es kritische Infrastrukturen (IT, Versorgungsleitungen), die ausfallen könnten? Nur mit diesem Datenfundament lässt sich abschätzen, wo Verwundbarkeiten liegen.

• Identifizierung von Risiken: Basierend auf den Daten werden konkrete Klimagefahren identifiziert, die für das Unternehmen relevant sind.

• Akute physische Risiken: z.B. Hochwasser, Starkregen, Stürme, Hitzewellen, Waldbrände (falls z.B. Liegenschaften in Waldnähe).

• Chronische physische Risiken: z.B. schleichende Veränderungen wie Temperaturanstieg, Meeresspiegelanstieg, veränderte Niederschlagsmuster, die z.B. Wasserknappheit oder Gebäudeschäden über Zeit verursachen können.

• Regulatorisch: neue Gesetze (Gebäudeeffizienzvorgaben, CO₂-Bepreisung, Meldepflichten).

• Technologisch: z.B. überholte fossile Heiztechnik muss ersetzt werden.

• Markt/Reputation: Kunden fordern klimafreundliche Lieferketten, Investoren meiden klimarisikobehaftete Anlagen, etc.

Die Identifizierung erfolgt meist mittels Workshops, Expertenbefragungen und Analyse von Szenarien (z.B. IPCC-Szenarien für unterschiedliche Erwärmungsniveaus).

• Bewertung und Priorisierung: Anschließend werden die identifizierten Risiken bewertet. Dies kann semiquantitativ (Score-Verfahren) oder quantitativ (Schadenserwartungswerte) geschehen. Wichtig ist, finanzielle und betriebliche Auswirkungen abzuschätzen: Welche Schäden in Euro könnten auftreten? Wie lange wäre ein Betriebsausfall? Kritische Risiken – z.B. solche mit hoher Wahrscheinlichkeit und hoher Schadenshöhe – werden priorisiert. Ein Klima-Stresstest über verschiedene Szenarien ist empfehlenswert, um auch Worst-Case-Entwicklungen zu berücksichtigen (z.B. Szenario +2°C vs. +4°C Erwärmung). Methoden wie die Szenario-Analyse nach TCFD-Empfehlungen helfen, die Robustheit des Geschäftsmodells gegenüber unterschiedlichen Klimaverläufen zu prüfen. Beispielsweise sollten mindestens zwei Szenarien analysiert werden: eines im Einklang mit <2°C (Paris-Ziel) und eines mit deutlich stärkerer Erwärmung. Dadurch gewinnt man Einblick in potenzielle Bandbreiten von Risiken.

• Entwicklung von Maßnahmen (Adaptation & Mitigation): Für jedes priorisierte Risiko werden Gegenmaßnahmen erarbeitet. Physische Risiken kann man durch Klimaanpassungsmaßnahmen mindern (z.B. bauliche Schutzmaßnahmen gegen Hochwasser, Hitzeschutz durch Dämmung und Grünflächen, Notfallpläne). Übergangsrisiken begegnet man durch Klimaschutzmaßnahmen (Emissionsreduktion, Technologiewechsel) oder strategische Anpassungen (neue Geschäftsmodelle). Wichtig ist, die Maßnahmen in die Unternehmensplanung zu integrieren – bspw. Investitionsplanung für bauliche Anpassungen – und Verantwortlichkeiten festzulegen (Governance).

• Monitoring und Reporting: Klimarisiken verändern sich über die Zeit, daher ist ein kontinuierliches Monitoring nötig. Kennzahlen (z.B. Anzahl Hitzetage, Pegelstände, CO₂-Preis) sollten regelmäßig verfolgt werden. Die Ergebnisse der Analyse sowie Fortschritte bei Maßnahmen müssen zudem transparent berichtet werden, intern an die Geschäftsführung und – im Rahmen der Nachhaltigkeitsberichterstattung – auch extern an Stakeholder (siehe Kapitel 5).

Der gesamte Prozess ist iterativ angelegt: Unternehmen sollten regelmäßig (etwa alle 1–3 Jahre) ihre Klimarisikoanalyse aktualisieren, mit verbesserten Daten und neuen Erkenntnissen. So wird Schritt für Schritt die methodische Kompetenz im Umgang mit Klimarisiken aufgebaut – ein wesentliches Ziel, um flexibel auf neue Herausforderungen reagieren zu können.

Angesichts der Datenfülle und Komplexität von Klimarisiken greifen immer mehr Unternehmen auf KI-gestützte Methoden zurück. KI kann helfen, Muster und Trends in großen Datenmengen zu erkennen, Prognosen zu erstellen und komplexe Zusammenhänge verständlich zu machen.

• Klimadaten-Analyse und Vorhersage: KI-Modelle (z.B. Machine Learning, Deep Learning) können historische Klimadaten auswerten und mit Klimamodelldaten kombinieren, um Lokalprognosen für Extremereignisse zu erstellen. Beispielsweise lassen sich mittels KI Wahrscheinlichkeiten von Starkregen oder Stürmen für einen spezifischen Standort besser abschätzen, indem globale Klimamodelle statistisch downscaled werden. Generative KI wird in Projekten genutzt, um aus Textdaten (z.B. Klimaberichten) relevante Risiko-Informationen zu extrahieren. So hat z.B. das BIS-Projekt „Gaia“ untersucht, wie generative KI Klimarisiken im Finanzsystem durch Analyse von Unternehmensberichten sichtbar machen kann.

• Asset- und Schwachstellenanalyse: In großen Liegenschaftsportfolios (z.B. vieler Gebäude) kann KI dabei helfen, verwundbare Objekte zu identifizieren. Durch die Verknüpfung von Standortdaten (Geodaten, Nähe zu Gewässern, Höhe über Meeresspiegel etc.), Gebäudedaten (Baujahr, Baumaterial) und Klimadaten erkennt ein KI-System z.B., welche Gebäude besonders hochwassergefährdet sind oder welche Anlagen bei Hitze überdurchschnittlich Störungen hatten. Muster, die ein Mensch evtl. übersieht, können so erkannt werden.

• Szenario-Modellierung und Simulation: KI-gestützte Simulationsmodelle (z.B. Agentenmodelle oder System Dynamics) ermöglichen es, komplexe Kettenreaktionen durchzuspielen. Etwa kann man simulieren, wie sich eine Kombination von Ereignissen (z.B. Hitze + Stromausfall) auf ein Unternehmen auswirkt. KI kann dabei aus früheren Simulationen lernen, realistischere Störungsbilder zu erzeugen. Auch in der Lieferkettenanalyse wird KI genutzt, um indirekte Klimarisiken (z.B. Zulieferer in Risikogebieten) zu modellieren.

• Entscheidungsunterstützung: Moderne Entscheidungsunterstützungssysteme integrieren Klimarisikodaten in betriebliche Abläufe – hier spielt KI eine Rolle, indem sie Handlungsempfehlungen gibt. Beispielsweise könnte ein KI-System vorschlagen, Wartungszyklen für Klimaanlagen aufgrund häufiger Hitzeperioden zu verkürzen, oder es priorisiert Investitionen in Standorte nach deren Risikolevel. KI kann auch Echtzeit-Überwachung ermöglichen: Etwa indem Sensordaten (Pegelmesser, Temperatursensoren) ausgewertet und Alarme generiert werden, sobald kritische Schwellen erreicht werden.

• Natürliche Sprachverarbeitung für Berichte: KI (NLP-Tools) kann helfen, aus Fließtexten (internen Berichten, wissenschaftlichen Studien) relevante Inhalte für die eigene Klimarisikobewertung herauszufiltern. So lässt sich viel schneller neues Wissen integrieren – was wichtig ist, da der Erkenntnisstand zu Klimawirkungen ständig wächst.

All diese Anwendungsfälle zeigen: KI erhöht die Effizienz und Tiefe der Klimarisikoanalyse. Unternehmen in Deutschland erkennen das Potenzial – in einer aktuellen Umfrage gaben 84 % der befragten Unternehmen an, dass KI Klimarisiken besser vorhersagen kann. Zudem sehen knapp 80 % KI generell als Chance im Kampf gegen den Klimawandel. Natürlich hat KI auch Grenzen (z.B. hoher Energieverbrauch der Rechenzentren, der die Klima-Bilanz von KI belastet). Dennoch: Mit grünerer IT-Infrastruktur und gezieltem Einsatz kann KI zum Game Changer werden, um Risiken frühzeitig zu erkennen. KI-Modelle können rund um die Uhr Datenströme auswerten und ermöglichen so eine frühzeitige Warnung vor emergenten Risiken, noch bevor menschliche Analysten sie auf dem Schirm haben. Unternehmen, die KI-gestützte Analysen einsetzen, können dadurch proaktiv Maßnahmen ergreifen, anstatt nur reaktiv auf Schäden zu reagieren. KPMG betont in diesem Zusammenhang, dass künstliche Intelligenz und Datenanalytik die Fähigkeit verbessern, lokale Klimaexpositionen zu bewerten und zukünftige Störungen zu simulieren. Diese Instrumente – ergänzt um traditionelle Methoden – ermöglichen es, Klimarisiken in Beschaffung, Betrieb und Planung integriert zu berücksichtigen.

Die Entwicklung und Anwendung der genannten Methoden erfordern erhebliche Methodenkompetenz. Für eine Habilitation im Facility Management bedeutet dies, dass die Forschenden neue oder verbesserte methodische Ansätze liefern sollten – etwa Anpassungen bestehender Risikomodelle an die spezifischen Anforderungen des Facility Managements oder Integration von KI-Modulen in herkömmliche Risikoanalysetools.

• Methodenvergleich und -bewertung: Systematische Vergleiche verschiedener Klimarisiko-Analysetechniken im Facility Management (z.B. wie unterscheiden sich Ergebnisse einer qualitativen Experteneinschätzung von denen einer quantitativen KI-Analyse?). Hieraus ließe sich Erkenntnis über Zuverlässigkeit und Anwendbarkeit der Methoden gewinnen.

• Modellentwicklung: Entwicklung eines eigenen Klimarisikomodells für Liegenschaften, das z.B. Gebäudetechnik, Nutzungsprofile und Klimadaten koppelt. Ein solcher Ansatz könnte wissenschaftliches Neuland betreten, indem er die Wechselwirkungen zwischen Gebäude und Klima detaillierter beschreibt als bestehende Modelle.

• KI-gestützte Tools für FM: Ein praxisnaher Beitrag wäre die Konzeption eines KI-Werkzeugs speziell für Facility Manager, das einfache Eingaben (Standort, Gebäudetyp etc.) nutzt, um eine erste Klimarisiko-Bewertung zu liefern. Hier könnte man Methoden des Transfer Learning nutzen, um KI-Modelle, die etwa in der Versicherungswirtschaft etabliert sind, auf Facility-spezifische Fragestellungen anzupassen.

In Summe zielt die methodische Arbeit darauf ab, den Erkenntnisgewinn zu fördern: Unternehmen sollen Klimarisiken besser verstehen und handhabbar machen können. Jede neue Methode wird an ihrem Beitrag zu diesem Erkenntnisgewinn gemessen. So ist eine Habilitation in diesem Gebiet nicht nur eine Anwendung bekannter Verfahren, sondern strebt an, Innovationen in der Klimarisikoanalyse zu schaffen oder bestehende Lücken zu schließen. Zum Beispiel ist die Verknüpfung von Klimarisikoanalyse mit dem Facility Management selbst noch ein relativ junges Forschungsfeld – typischerweise waren Klimarisiken bisher Domäne der Finanzwirtschaft oder des strategischen Risikomanagements. Hier wissenschaftlich fundierte Methoden für die praktische Umsetzung im FM bereitzustellen, ist ein klarer Mehrwert.

Schäden bewerten: Quantifizierung finanzieller Verluste und betrieblicher Auswirkungen

Ein zentrales Element der Klimarisikoanalyse ist die Bewertung potenzieller Schäden. Erst wenn Risiken in quantitative Größen – etwa Euro-Beträge oder Ausfallzeiten – übersetzt werden, werden sie für Entscheider wirklich greifbar. Dieses Kapitel behandelt, wie Unternehmen Schäden und Auswirkungen von Klimarisiken quantifizieren können, und welche Methoden und Herausforderungen dabei bestehen.

Physische Klimarisiken wie Sturm, Hochwasser oder Hitzeereignisse können direkt zu Sachschäden an Gebäuden und Anlagen führen.

• Schadenshistorie & statistische Analyse: Ein erster Anhaltspunkt sind historische Schadensereignisse. Unternehmen sollten vergangene Vorfälle (z.B. Überschwemmung am Standort X im Jahr Y) und deren Kosten dokumentieren. Daraus lassen sich Durchschnittsschäden und Schadensspannen ableiten. Statistische Methoden (Extreme-Value-Analysen) können die Verteilung extremer Schadenshöhen modellieren.

• Eintrittswahrscheinlichkeiten: Parallel dazu müssen Wahrscheinlichkeiten abgeschätzt werden, mit der bestimmte Ereignisse eintreten (z.B. „100-jährliches Hochwasser“ = 1% pro Jahr). Klimawandel erfordert hier Anpassungen: Ein Ereignis, das historisch 1% pro Jahr war, könnte in Zukunft z.B. 2% pro Jahr betragen. Klimamodelle und regionale Klimaprojektionen liefern hierzu input.

• Erwartungswert und Szenarien: Mit Wahrscheinlichkeit (p) und Schadenshöhe (L) kann man einen Erwartungswert E = p × L berechnen – dieser gibt den durchschnittlich zu erwartenden jährlichen Schaden an (analog zur Versicherungsprämie). Wichtiger für Risikomanager sind jedoch Szenarien: Was wäre der Schaden bei einem „Worst Case“? Z.B. ein Hochwasser, das alle Keller zerstört, könnte 10 Mio. € kosten. Ein moderates Szenario vielleicht 1 Mio. €. Durch Szenario-Analysen (wie von der TCFD empfohlen) können Unternehmen verschiedene Temperaturpfade (z.B. 1,5°C vs. 3°C Welt) mit unterschiedlichen Extremwetterhäufigkeiten durchspielen und so die Bandbreite der möglichen Schäden quantifizieren.

• Monetarisierung weicher Faktoren: Neben direkten Sachschäden müssen auch betriebliche Auswirkungen in die Kalkulation einbezogen werden: z.B. Umsatzausfall durch Produktionsstillstand, Vertragsstrafen wegen verzögerter Lieferungen oder Wertminderung von Anlagegütern. Diese lassen sich oft nur näherungsweise schätzen (etwa Umsatz pro ausgefallenem Tag). Dennoch sollten sie nicht vernachlässigt werden, da Folgeschäden öfters höher sein können als der primäre Sachschaden.

• Risk Tolerance & Value-at-Risk: Ein Konzept aus dem Finanzbereich hält Einzug: der Value-at-Risk (VaR) für Klimarisiken. Dieser Kennwert sagt z.B.: „Mit 95% Wahrscheinlichkeit übersteigt der jährliche Klimaschaden nicht Betrag X“. Unternehmen können so ihre Risikotoleranz definieren – liegt X über dem verkraftbaren Betrag, müssen Gegenmaßnahmen verstärkt werden. Die Berechnung von Klima-VaR erfordert stochastische Modelle, die KI-unterstützt sein können (z.B. Monte-Carlo-Simulation vieler Klimajahr-Verläufe).

Beispielhafte Schadensquantifizierung: Tabelle 2 zeigt hypothetische Beispiele, wie man für verschiedene Klimarisiken eine grobe Quantifizierung vornehmen könnte.

Hinweis: Diese Zahlen sind fiktiv und dienen der Illustration. In der Realität sind genaue Schätzungen unsicher und werden daher oft als Bandbreiten angegeben.

Die Tabelle macht deutlich, wie unterschiedlich Klimarisiken wirken: Akute Ereignisse wie Hochwasser verursachen selten, aber dann massiv Schaden; schleichende bzw. chronische Risiken oder Transitionsrisiken führen eher zu Kostenanstiegen oder Mindererträgen über die Zeit. Unternehmen müssen beide Kategorien im Blick haben. Auch Versicherungen spielen eine Rolle bei der Bewertung: Versicherer wie Munich Re entwickeln Modelle (z.B. Climate Financial Impact Tools), um vorherzusagen, welche finanziellen Verluste drohen, und um angemessene Prämien zu setzen. Allerdings warnen Studien, dass gängige Bewertungsverfahren Klima-Schäden systematisch unterschätzen – insbesondere niedrigere Wahrscheinlichkeit, aber extreme Höhe wird oft nicht ausreichend berücksichtigt. Daher gilt es, lieber konservativ zu kalkulieren und Puffer einzuplanen.

Die finanzielle Bewertung von Übergangsrisiken ist in mancher Hinsicht anspruchsvoller, da es um zukünftige politische oder marktgetriebene Entwicklungen geht.

• Szenarien für Regulierung: Unternehmen können Wahrscheinlichkeiten annehmen, mit der bestimmte politische Szenarien eintreten (z.B. „strenger Klimaschutzpfad vs. weiter wie bisher“). Für jedes Szenario lassen sich dann Kostenabschätzungen machen: Etwa wie hoch würde ein CO₂-Preis X die Ausgaben belasten? Oder welche Investitionen erfordert ein Gesetz zum klimaneutralen Bauen? Banken und Finanzaufsichten nutzen ähnliche Ansätze, z.B. für Übergangs-Stresstests, um Verluste bei plötzlichen politischen Änderungen zu quantifizieren.

• Marktanalysen: Übergangsrisiken umfassen auch Änderungen in Angebot/Nachfrage. Hier kann man z.B. Nachfrageeinbußen modellieren: Wie viel Umsatz verlieren wir, wenn unser Produkt nicht klimafreundlich ist und 20% der Kunden abspringen? oder Kosten durch Technologieverlust: Was kostet es uns, wenn eine bestehende Anlage vorzeitig abgeschrieben werden muss (stranded asset), weil sie regulatorisch nicht mehr betrieben werden darf?. Diese Werte fließen in Szenario-Bilanzen ein.

• Diskontierung und Zeitachsen: Übergangsrisiken spielen oft in mittlerer bis langer Frist (5–15 Jahre). Finanzielle Auswirkungen sollte man daher auf den Barwert diskontieren, um sie mit heutigen Entscheidungen abwägen zu können. Gleichzeitig muss man Unsicherheit betrachten – eine Probabilistische Bewertung (z.B. Monte Carlo Simulation mit unterschiedlichen Annahmen über CO₂-Preispfade) kann eine Verteilung möglicher Kosten liefern.

Die Quantifizierung ist hier noch im Fluss; viele Unternehmen arbeiten zunächst mit qualitativen Bewertungen („hoch, mittel, niedrig“ Risiko). Doch die Regulatorik strebt an, dass auch finanzielle Auswirkungen von Übergangsrisiken transparent gemacht werden. ESRS E1 z.B. verlangt explizit die Angabe der erwarteten finanziellen Effekte wesentlicher Übergangsrisiken. Daher wächst der Druck, Euro-Beträge zu nennen, auch wenn sie unscharf sind. Im Sinne der Vergleichbarkeit ist es sinnvoll, Annahmen offenzulegen – etwa: “Wir gehen von einem CO₂-Preis von 100 €/Tonne bis 2030 aus, daraus ergeben sich Mehrkosten von Z Mio. € pro Jahr.” Diese Transparenz erlaubt es externen Stakeholdern (Investoren, Analysten) abzuschätzen, wie robust ein Unternehmen gegenüber verschiedenen Zukunftsszenarien ist.

• Risikomanagement-System: Klimarisiken gehören formal ins Risikomanagement des Unternehmens integriert. Viele Firmen haben ein Risk Register; hier sollten Klimarisiken mit ihren Kennzahlen (z.B. Erwarteter Schaden pro Jahr, Maximalschaden, Risk Level) aufgenommen werden, gleichberechtigt zu traditionellen Risiken (Marktrisiken, IT-Risiken etc.).

• Finanzplanung und Controlling: Größere erwartete Schäden oder Kosten durch Klimarisiken müssen in der Finanzplanung berücksichtigt werden (z.B. als zusätzliche Kosten in Plan-Budgets oder als Rückstellungen). Einige Unternehmen entwickeln bereits interne CO₂-Preise in ihrer Investitionsrechnung, d.h. sie rechnen Investitionsprojekte mit einem Aufschlag für zukünftige CO₂-Kosten, um Übergangsrisiken abzubilden.

• Versicherungsstrategie: Die Quantifizierung zeigt, welche Schäden selbst getragen werden können und wo Versicherungslösungen sinnvoll sind. Anhand der Exceedance Probability-Kurven (Wahrscheinlichkeit, dass Schaden einen Betrag übersteigt) kann man Versicherungsprämien vs. Selbstbehalt optimieren.

• ROI von Anpassungsmaßnahmen: Wenn man potenzielle Schäden in € beziffern kann, lässt sich der Return on Investment (ROI) von Adaptionsmaßnahmen berechnen. Beispiel: Kostet ein Hochwasserschutz Damm 1 Mio. €, verhindert aber statistisch alle 10 Jahre einen Schaden von 5 Mio. €, ist dies wirtschaftlich sehr sinnvoll. Solche Berechnungen untermauern die Geschäftslogik von Klimaanpassung.

Durch all diese Schritte lernt das Unternehmen, Schäden zu bewerten und vor allem: das Bewusstsein dafür wird geschärft, welche Risiken teuer werden können. Diese Lernkurve ist Teil des Erkenntnisgewinns im Umgang mit Klimarisiken. Führungskräfte beginnen, Klimarisiken als finanzielle Kenngröße zu sehen – ähnlich wie Zinsrisiken oder Rohstoffpreise. Dies ist ein wichtiger kultureller Wandel, den die Klimarisikoanalyse befördert.

Klimarisiken transparent machen: Integration in die Unternehmensberichterstattung

Transparenz über Klimarisiken ist heute gefordert – von Gesetzgebern, Investoren und der Öffentlichkeit. Dieses Kapitel erläutert, wie die Ergebnisse der Klimarisikoanalyse in die Unternehmensberichterstattung eingebettet werden können. Dabei wird auf bestehende Rahmenwerke wie TCFD, ESRS E1 und Best Practices eingegangen.

Nach Abschluss einer Klimarisikoanalyse stellt sich die Frage: Wie berichten wir die Erkenntnisse verständlich und regelkonform?

• Internes Reporting: An Vorstand/Geschäftsführung fließen die Ergebnisse in Management-Reports ein. Hier stehen Entscheidungsinformationen im Vordergrund: z.B. welche Top-Risiken wurden identifiziert, welche Maßnahmen sind geplant, wo gibt es Lücken? Kennzahlen wie „Klima-Value-at-Risk“ oder „Kosten einer 2°C- bzw. 4°C-Welt bis 2030“ können strategische Diskussionen untermauern.

• Jahres- und Nachhaltigkeitsbericht: Extern werden Klimarisiken meist im Lagebericht (Teil des Jahresabschlusses) oder einem separaten Nachhaltigkeitsbericht offengelegt. Die Task Force on Climate-related Financial Disclosures (TCFD) hat hierfür bereits 2017 Empfehlungen gegeben, die sich international durchgesetzt haben. Viele Unternehmen strukturieren ihren Klimarisikobericht entlang der TCFD-Säulen: Governance, Strategie, Risikomanagement, Kennzahlen & Ziele. Genau diese Struktur findet sich nun in den ESRS-Standards wieder. So soll der Bericht darlegen, wie das Board das Thema steuert (Governance), welche Risiken und Chancen das Management sieht (Strategie), wie Klimarisiken im Risiko-Management verankert sind, und welche Kennzahlen/Ziele verwendet werden, etwa zur Emissionsreduktion oder Risikobegrenzung. Ein wichtiger Bestandteil ist auch die Beschreibung der Szenarioanalyse, die durchgeführt wurde – inklusive der Annahmen (z.B. IPCC-Szenarien genutzt, Zeiträume bis 2050, etc.).

• Spezialberichte und Benchmarking: Manche Branchen oder Initiativen fordern zusätzliche Berichte. Z.B. fordert die Science Based Targets initiative (SBTi) Unternehmen auf, Übergangspläne zur Emissionssenkung offenzulegen, was indirekt auch Klimachancen und Risiken berührt. Rating-Agenturen (wie CDP oder Nachhaltigkeitsratings) fragen ebenfalls spezifische Informationen ab, z.B. „Hat das Unternehmen eine Klimarisikoanalyse durchgeführt und welche Hauptrisiken wurden identifiziert?“. Ein einheitlicher Berichtsstandard wie ESRS E1 hilft, diese Anfragen konsistent zu bedienen.

Entscheidend ist, dass die veröffentlichten Informationen ein Urteil erlauben, wie robust das Unternehmen gegenüber künftigen Entwicklungen (z.B. Übergang zu <2°C-Wirtschaft) aufgestellt ist. Investoren sollen erkennen können, ob ein Unternehmen wissenschaftsbasierte Szenarien genutzt hat und welche Annahmen zugrunde liegen. So wird Vergleichbarkeit geschaffen – ein zentrales Anliegen der neuen Regulierung. Beispielsweise können zwei Unternehmen in derselben Branche nun verglichen werden: Hat Unternehmen A höhere potenzielle Klimaschäden als B? Hat A bessere Pläne, um in einem strengen Regulierungsszenario profitabel zu bleiben?

Nicht jedes Klimarisiko ist „berichtspflichtig“. Der Grundsatz der Wesentlichkeit (Materiality) bestimmt, was ins Reporting einfließt.

• Impact-Materialität: betrifft die Auswirkungen des Unternehmens auf Klima/Umwelt – z.B. hohe Emissionen, welche Klima schädigen (hier eher Minderungsstrategien relevant).

• Financial Materiality: betrifft die finanziellen Auswirkungen des Klimawandels auf das Unternehmen – hier liegt der Fokus der Klimarisikoanalyse.

Ein Risiko gilt als wesentlich, wenn es entweder aus Impact- oder Finanzsicht relevant ist. Praktisch bedeutet das: Selbst wenn ein Unternehmen vermeintlich wenig vom Klimawandel betroffen ist, muss es dennoch berichten, falls es hohe Emissionen hat (Impact). Umgekehrt muss auch ein emissionsarmes Unternehmen berichten, wenn es stark vom Klimawandel betroffen sein könnte (Financial). In der Wesentlichkeitsanalyse müssen also physische Risiken, Transitionsrisiken und Chancen bewertet werden. ESRS E1 nimmt an, dass Klimathemen für nahezu alle Unternehmen materiell sind – was angesichts der Allgegenwärtigkeit des Themas plausibel ist. Für Facility Manager heißt das: Die Ergebnisse ihrer Analysen werden höchstwahrscheinlich in den Bericht einfließen, da Gebäude und Liegenschaften oft im Zentrum klimabedingter Auswirkungen stehen.

• Risikomatrix-Grafik: Darstellung der Top-5-Klimarisiken in einer Matrix (Achsen: Eintrittswahrscheinlichkeit vs. finanzieller Impact). Dies visualisiert auf einen Blick, wo die größten Bedrohungen liegen.

• Klimarisiko-Kennzahlen: Etwa „Annual Expected Loss (AEL) durch Klimarisiken in % vom EBIT“ oder „1-in-100-Year Climate Loss“. Einige Unternehmen berichten bereits analog zu Finanzrisiken solche Kennzahlen.

• Stress-Test-Ergebnisse: Tabelle, die zeigt: Im Szenario XY (z.B. +3°C, schwache Politik) würde unser EBITDA im Jahr 2030 um Z % niedriger ausfallen aufgrund Klimafolgen. Solche Angaben entsprechen dem, was Banken im Klimastresstest tun, und könnten auch für Industrieunternehmen Standard werden.

• Maßnahmen- und Zieltabellen: Hier wird aufgelistet, welche Anpassungsmaßnahmen laufen, wie ihr Fortschritt ist und welche Ziele (z.B. Schutzziel = „Standort A hält HQ100-Hochwasser ohne Schaden stand“) definiert wurden.

Wichtig ist stets die Erläuterung der Unsicherheiten. Klimarisikoangaben sind keine exakten Prognosen, sondern Bandbreiten. Gute Berichte nennen daher z.B.: „Die Schadensschätzung beruht auf dem heutigen Stand der Klimamodelle. Eine hohe Unsicherheit besteht insbesondere über 2040 hinaus.“ Dieses Transparenzniveau erhöht die Glaubwürdigkeit.

Klimarisiken betrieblich analysieren – im Spannungsfeld zwischen Wissenschaft, Regulierung und praktischer Umsetzung – ist zu einer Kernaufgabe des modernen Facility Managements geworden. Diese Habilitationsschrift hat gezeigt, wie umfangreich das Thema ist: Von gesetzlichen Vorgaben (EU-Taxonomie, CSRD/ESRS) über methodische Ansätze (klassische Risikoanalyse bis KI-Unterstützung) bis hin zur Quantifizierung und Berichterstattung.

Ein zentrales Ergebnis ist, dass Klimarisikomanagement integraler Bestandteil der strategischen Unternehmensführung werden muss. Die Regulierungen geben den äußeren Rahmen: Unternehmen sind verpflichtet, Klimarisiken transparent zu machen und aktiv zu steuern – „Offenlegung und Handeln [werden] verpflichtend“. Doch jenseits der Compliance ist es auch eine ökonomische Notwendigkeit: Nichtstun kann hohe Folgekosten verursachen, während proaktives Handeln Risiken mindert und sogar neue Chancen eröffnen kann.

Aus wissenschaftlicher Sicht wurde der Erkenntnisgewinn deutlich: Interdisziplinäre Methoden, die Klima- und Ingenieurwissenschaften mit Datenanalyse und betriebswirtschaftlichem Risikomanagement verbinden, ermöglichen ein immer genaueres Verständnis der Risiken. Die Arbeit leistet hier einen Beitrag, indem sie speziell für das Facility Management relevante Modelle und Verfahren diskutiert. Die methodische Kompetenz zeigt sich u.a. darin, komplexe KI-Modelle auf reale Problemstellungen (z.B. Gebäudesicherheit in Extremsituationen) zu übertragen und valide Ergebnisse zu erzielen.

• Frühzeitige Integration: Klimarisikoanalyse nicht als einmaliges Projekt sehen, sondern als kontinuierlichen Prozess verankern (Teil des Enterprise Risk Management).

• Daten und KI nutzen: Verfügbare Klimadaten ausschöpfen und mit KI-Tools arbeiten, wo sinnvoll, um Prognosen und Monitoring zu verbessern. Dabei aber auf Datenqualität und Interpretierbarkeit der KI achten.

• Quantifizieren und priorisieren: Finanzielle Größenordnungen der Risiken ermitteln, um fundierte Entscheidungen zu ermöglichen. Fokussierung auf die größten Risikotreiber („know your top risks“).

• Maßnahmen planen und umsetzen: Auf Basis der Analyse Anpassungs- und Minderungsmaßnahmen umsetzen und deren Fortschritt messen. Resilienz kostet, aber kein Klimaschutz ist am teuersten – diese Botschaft muss intern vermittelt werden.

• Transparent berichten: Intern wie extern offen über Risiken und Umgang damit kommunizieren. Das schafft Vertrauen bei Stakeholdern und erhöht intern den Druck, Versprechen auch einzulösen.