AI4BuildingESG
Dieses Projekt zielt darauf ab, KI-Lösungen für die folgenden Probleme bei der Bewertung von Umwelt-, Sozial- und Unternehmensführungsaspekten (ESG) im Bausektor bereitzustellen: das Kostenproblem, das Willkürproblem, das Problem fehlender Daten und das Problem der Undurchsichtigkeit. Da die Nachfrage nach ESG steigt, werden Investoren genauere und zeitnahe Antworten auf ESG-Themen verlangen. Aufgrund der mangelnden Vergleichbarkeit von ESG-Daten, -Metriken und -Ansätzen ist das ESG-Rating jedoch nach wie vor eine Blackbox, die zu einem erheblichen Engpass für die nachhaltige Entwicklung im Bausektor wird.
Um dieses Problem zu lösen, wird dieses Projekt die ESG-Bewertung verbessern, indem fehlende Daten ergänzt und das Gewichtungsschema optimiert werden. Methodisch werden im Rahmen dieses Projekts fortschrittliche Methoden des maschinellen Lernens angewandt, darunter Matrixvervollständigung und graphenbasiertes halbüberwachtes Lernen, um die Datenlücke zu schließen. Aus Sicht des maschinellen Lernens ist die Vorhersage der ESG-Bewertung ein Beispiel für ein Problem mit kleinen Datenmengen, bei dem die verfügbaren Trainingsdaten zu gering sind, um leistungsstarke Deep-Learning-Tools anzuwenden. Daher werden in diesem Projekt neue Algorithmen für kleine Datenmengen entwickelt, indem Konzepte aus der statistischen Lerntheorie verwendet werden. Schließlich wird dieses Projekt mit den vervollständigten Daten und dem verbesserten Gewichtungsschema auch die Literaturlücke bei der Bewertung der tatsächlichen Auswirkungen von ESG-KPIs auf die Immobilienbewertung und die Investitionsleistung füllen.
Dieses Projekt wird in enger Zusammenarbeit zwischen dem Lehrstuhl für Immobilienentwicklung (Prof. Bing Zhu) und dem Lehrstuhl für theoretische Grundlagen der künstlichen Intelligenz (Prof. Ghoshdastidar) durchgeführt. Während Prof. Ghoshdastidar und sein Forschungsteam das Fachwissen über maschinelles Lernen beisteuern, werden Prof. Zhu und ihr Forschungsteam ihr Fachwissen über Immobilien und insbesondere die ESG-Bewertung einbringen.
Ansprechpartner
Prof. Dr. rer. pol. habil. Bing Zhu
- Tel.:
- b.zhu@tum.de
M.Sc. Niklas Eisel
- Tel.:
- niklas.eisel@tum.de