Carbon Costs berechnen ist kein Nachhaltigkeitsprojekt – es ist ein Datenproblem
Dieser Blogbeitrag wurde von Robin Spickers, Mitgründer und Geschäftsführer von carbmee, für JAGGAER verfasst und erschien ursprünglich auf JAGGAER.com.
Wenn ich mit Procurement-Teams aus der Fertigungsindustrie spreche, höre ich oft denselben Satz: „Wir arbeiten gerade an unserer CBAM-Strategie.“ Gut. Aber wenn ich dann frage, auf welcher Datenbasis diese Strategie aufbaut, wird es meistens still.
Denn das eigentliche Problem ist nicht das Verständnis von CBAM oder ETS. Das eigentliche Problem ist, dass die meisten Unternehmen schlicht nicht wissen, was sie kaufen – auf dem Niveau, das nötig wäre, um Carbon Costs zuverlässig zu berechnen.
Das ist kein Vorwurf. Es ist eine strukturelle Realität in der industriellen Lieferkette. Und es ist der Grund, warum carbmee existiert.
Warum Carbon ein schweres Datenproblem ist
Stellt euch ein typisches Fertigungsunternehmen vor: 500.000 bis 700.000 individuelle Teilenummern im direkten Einkauf. 10.000 bis 30.000 Lieferanten. Hunderte von Standorten weltweit. Tausende von Endproduktkonfigurationen.
Für jedes dieser Teile müsst ihr wissen: Welches Material steckt darin? Wie viel davon? Woher kommt der Lieferant? Welcher Emissionsfaktor gilt für dieses Material in dieser Region? Und wie verhält sich das unter dem aktuellen ETS-Preis?
Niemand managt das in Excel. Und niemand sollte es versuchen.
Das Problem ist nicht fehlendes Interesse – es ist fehlende Datentiefe. Die meisten Unternehmen haben Einkaufsdaten in ihrem ERP, Stücklisten im PLM, Lieferanteninformationen irgendwo dazwischen. Aber diese Daten sind selten so miteinander verknüpft, dass man daraus auf Teilenummernebene eine CO2-Berechnung ableiten kann.
Genau diese Verknüpfung ist unsere Kernaufgabe.
Wie AI das Problem lösbar macht
Der erste Schritt ist immer derselbe: Wir verbinden uns mit euren Kernsystemen – JAGGAER, SAP, PLM, Catena X, Snowflake, was auch immer ihr habt. Keine monatelange Implementierung. Ein Tag.
Was dann folgt, ist die eigentliche Arbeit – und hier kommt AI ins Spiel.
Ein konkretes Beispiel: Viele Unternehmen können Gewichte aus ihren Stücklisten nicht mit ihren Einkaufsdaten verknüpfen. Ohne Gewicht kein aktivitätsbasierter CO2-Wert. Also haben wir einen KI-Workflow gebaut, der Gewichte aus natürlichsprachlichen Artikelbeschreibungen schätzt. Das klingt auf den ersten Blick simpel – aber es ermöglicht, von Anfang an aktivitätsbasiert zu rechnen, statt mit groben Spend-Hochrechnungen zu arbeiten.
Das Resultat: Für jedes Teil in eurer Lieferkette entsteht ein Datenmodell. Mit einem Emissionsfaktor. Mit einer CO2-Kostenschätzung. Und auf dieser Basis können Entscheidungen getroffen werden – sofort, ohne auf perfekte Datenlage zu warten.
Vom Datenpunkt zur Entscheidung
Daten alleine helfen nicht. Was zählt, ist was ihr daraus macht.
Deshalb haben wir carbmee nicht als Reporting-Tool gebaut, sondern als Entscheidungssystem. Das bedeutet konkret:
Sourcing-Entscheidungen mit Carbon-Dimension. Für jede Ausschreibung, jeden RFQ kann Procurement direkt sehen: Welchen CO2-Fußabdruck bringt Lieferant A mit – verglichen mit Lieferant B? Carbon wird damit zu einem echten Bewertungskriterium, nicht zu einem Pflichtfeld im ESG-Fragebogen.
CO2 im Cost Breakdown. Wer Total Value of Ownership ernstnimmt, muss Carbon Costs einrechnen. Wir speisen die Daten direkt in den JAGGAER Cost Breakdown – so fließt CO2 in die Kalkulation, nicht ins Nachhaltigkeitsreporting.
Forecasting statt Rückblick. Wir können auf Basis eurer tatsächlichen Einkaufsdaten eine Hochrechnung erstellen – was kosten euch eure aktuellen Lieferantenentscheidungen unter den ETS-Preisen von 2027? Nicht als Szenario, sondern als konkrete Zahl pro Kategorie, pro Lieferant, pro Endprodukt.
Was Tier-n Visibility mit CBAM zu tun hat
Viele Unternehmen kennen ihre Tier-1-Lieferanten gut. Tier 2 wird schon schwieriger. Tier 3 ist für die meisten ein weißer Fleck.
Das war bisher ein theoretisches Problem. Mit CBAM wird es ein regulatorisches.
Denn CBAM verlangt nicht, dass ihr euren direkten Lieferanten kennt – es verlangt, dass ihr den CO2-Gehalt des importierten Produkts kennt. Der entsteht aber oft mehrere Stufen früher in der Wertschöpfungskette: beim Stahlproduzenten, beim Aluminiumgießer, beim Vorlieferanten eures Vorlieferanten.
Catena X und ähnliche Standards gehen in die richtige Richtung. Aber solange diese Daten nicht flächendeckend verfügbar sind, braucht es KI-gestützte Schätzmodelle, die aus vorhandenen Daten – Materialzusammensetzung, Herkunftsland, Produktkategorie – verlässliche Emissionswerte ableiten.
Das ist kein Kompromiss. Das ist der pragmatische Weg, heute handlungsfähig zu sein.
Was ich Procurement-Teams mitgeben möchte
Ihr müsst nicht auf perfekte Daten warten. Perfekte Daten gibt es in einer industriellen Lieferkette nie.
Was ihr braucht, ist eine belastbare Datenbasis, die gut genug ist, um Prioritäten zu setzen: Wo ist meine größte Exposure? Welche Kategorien, welche Lieferanten, welche Regionen? Und was kann ich konkret tun – Lieferant wechseln, Herkunftsland ändern, Material substituieren?
Diese Fragen lassen sich heute beantworten. Nicht mit Excel. Nicht mit einem ESG-Fragebogen. Sondern mit einem Datenmodell, das eure echten Einkaufsdaten mit CO2-Intelligenz verknüpft.
Die Unternehmen, die das jetzt angehen, werden 2027 deutlich entspannter in die Gespräche mit ihrem CFO gehen.
Robin Spickers ist Co-Founder von carbmee, einer Plattform für Carbon-Intelligence in industriellen Lieferketten. carbmee arbeitet eng mit JAGGAER zusammen, um CO2-Daten direkt in Procurement-Entscheidungen zu integrieren.
