Eine neue gemeinsame Studie von Cybernews und nexos.ai zeigt, dass der Datenschutz für Amerikaner die zweitgrößte Sorge in Bezug auf KI ist. Dieses Ergebnis verdeutlicht ein kostspieliges Paradoxon für Unternehmen: Da Unternehmen mehr Aufwand in den Schutz ihrer Daten investieren, ist es immer wahrscheinlicher, dass Mitarbeiter Sicherheitsmaßnahmen ganz umgehen.

Die Studie analysierte fünf Kategorien von Bedenken rund um KI von Januar bis Oktober 2025. Die Ergebnisse zeigten, dass die Kategorie „Daten und Datenschutz“ ein durchschnittliches Interesse von 26 verzeichnete und damit nur einen Punkt unter der führenden Kategorie „Kontrolle und Regulierung“ lag. In diesem Zeitraum zeigten beide Kategorien ähnliche Traits im öffentlichen Interesse, wobei die Bedenken hinsichtlich des Datenschutzes in der zweiten Hälfte des Jahres 2025 dramatisch zunahmen.

Žilvinas Girėnas, Produktleiter bei nexos.aieine All-in-One-KI-Plattform für Unternehmen, erklärt, warum Datenschutzrichtlinien in der Praxis oft nach hinten losgehen.

„Dies ist im Grunde ein Implementierungsproblem. Unternehmen erstellen Datenschutzrichtlinien auf der Grundlage von Worst-Case-Szenarien und nicht auf der Grundlage tatsächlicher Arbeitsabläufe. Wenn die genehmigten Instruments für die tägliche Arbeit zu restriktiv werden, hören Mitarbeiter nicht auf, KI zu verwenden. Sie wechseln einfach zu persönlichen Konten und Verbrauchertools, die alle Sicherheitsmaßnahmen umgehen“, sagt er.

Bei der Datenschutzsteuer handelt es sich um die versteckten Kosten, die Unternehmen zahlen, wenn übermäßig restriktive Datenschutz- oder Sicherheitsrichtlinien die Produktivität so weit verlangsamen, dass Mitarbeiter offizielle Kanäle vollständig umgehen und so noch größere Risiken entstehen, als die Richtlinien verhindern sollten.

Im Gegensatz zu herkömmlichen Definitionen, die sich auf den Verlust der Privatsphäre des Einzelnen oder mögliche staatliche Abgaben auf die Datenerfassung konzentrieren, äußert sich die Datenschutzsteuer für Unternehmen in Produktivitätsverlusten, verzögerten Innovationen und ironischerweise in einem erhöhten Sicherheitsrisiko.

Wenn Unternehmen KI-Richtlinien implementieren, die auf Datenschutzszenarien im schlimmsten Fall und nicht auf tatsächliche Arbeitsabläufe ausgerichtet sind, entsteht eine dreiteilige Steuer:

• Zeitsteuer. Es gehen Stunden verloren, sich durch Genehmigungsprozesse für grundlegende KI-Instruments zu navigieren.
• Innovationssteuer. KI-Initiativen geraten ins Stocken oder verlassen die Pilotphase nie, weil die Governance zu langsam oder risikoscheu ist.
• Schattensteuer. Wenn Richtlinien zu restriktiv sind, werden sie von Mitarbeitern umgangen (z. B. durch den Einsatz nicht autorisierter KI), was ein echtes Sicherheitsrisiko darstellen kann.

„Jahrelang bestand die Regel darin, so viele Daten wie möglich zu sammeln und sie als kostenloses Intestine zu behandeln. Diese Denkweise stellt heute eine erhebliche Belastung dar. Jedes von Ihren Systemen erfasste Datenelement bringt eine versteckte Datenschutzsteuer mit sich, Kosten, die durch den Verlust des Vertrauens der Benutzer, steigende Compliance-Risiken und die wachsende Gefahr direkter Regulierungsabgaben auf die Datenerfassung entstehen“, sagte Girėnas.

„Die einzige Möglichkeit, diese Steuer zu senken, besteht darin, intelligentere Geschäftsmodelle zu entwickeln, die die Datenaufnahme von Anfang an minimieren“, sagte er. „Produktführer müssen jetzt Datenschutzrisiken in ihre ROI-Berechnungen einbeziehen und den Benutzern gegenüber clear über den Wertaustausch sein. Wenn Sie nicht begründen können, warum Sie die Daten benötigen, sollten Sie sie wahrscheinlich nicht sammeln“, fügt er hinzu.

Der Aufstieg der Schatten-KI ist vor allem auf strenge Datenschutzbestimmungen zurückzuführen. Anstatt die Dinge sicherer zu machen, schaffen diese Regeln oft mehr Risiken. Forschung von Cybernews zeigt, dass 59 % der Mitarbeiter zugeben, bei der Arbeit nicht autorisierte KI-Instruments zu verwenden, und besorgniserregend ist, dass 75 % dieser Benutzer vertrauliche Informationen mit ihnen geteilt haben.

„Das ist Datenleck durch die Hintertür“, sagt Girėnas. „Groups laden Vertragsdetails, Mitarbeiter- oder Kundendaten und interne Dokumente ohne Unternehmensaufsicht in Chatbots wie ChatGPT oder Claude hoch. Diese Artwork des heimlichen Teilens führt zu einer unsichtbaren Risikoakkumulation: Ihre IT- und Sicherheitsteams haben keinen Einblick darin, was geteilt wird, wohin es geht oder wie es verwendet wird.“

Unterdessen nehmen die Bedenken hinsichtlich der KI weiter zu. Laut a Bericht Laut McKinsey geben 88 Prozent der Unternehmen an, KI einzusetzen, doch viele bleiben im Pilotmodus. Faktoren wie Governance, Datenbeschränkungen und Talentmangel wirken sich auf die Fähigkeit aus, KI-Initiativen effektiv zu skalieren.

„Strenge Datenschutz- und Sicherheitsregeln können Produktivität und Innovation beeinträchtigen. Wenn diese Regeln nicht mit den tatsächlichen Arbeitsabläufen übereinstimmen, werden Mitarbeiter Wege finden, sie zu umgehen. Dies erhöht den Einsatz von Schatten-KI, was die Risiken für Vorschriften und Compliance erhöht, anstatt sie zu verringern“, sagt Girėnas.

Praktische Schritte

Um diesem Kreislauf aus Einschränkungen und Risiken entgegenzuwirken, bietet Girėnas vier praktische Schritte für Führungskräfte an, um ihre KI-Governance zu transformieren:

1. Bieten Sie eine bessere Various. Stellen Sie den Mitarbeitern sichere Instruments der Enterprise-Klasse zur Verfügung, die dem Komfort und der Leistungsfähigkeit von Verbraucher-Apps entsprechen.
2. Konzentrieren Sie sich auf Sichtbarkeit, nicht auf Einschränkung. Verlagern Sie den Fokus darauf, einen klaren Einblick in die tatsächliche Nutzung von KI im gesamten Unternehmen zu erhalten.
3. Implementieren Sie abgestufte Datenrichtlinien. Ein einheitlicher Lockdown ist ineffizient und kontraproduktiv. Klassifizieren Sie Daten in verschiedene Ebenen und wenden Sie Sicherheitskontrollen an, die der Sensibilität der Informationen entsprechen.
4. Schaffen Sie Vertrauen durch Transparenz. Vermitteln Sie den Mitarbeitern klar und deutlich, welche Sicherheitsrichtlinien es gibt, warum es sie gibt und wie das Unternehmen daran arbeitet, ihnen sichere und leistungsstarke Instruments zur Verfügung zu stellen.

Stellen Sie sich einen Radiologen vor, der eine Röntgenaufnahme eines neuen Patienten untersucht. Sie bemerkt, dass die Patientin im Gewebe eine Schwellung hat, aber kein vergrößertes Herz hat. Um die Diagnose zu beschleunigen, kann sie ein maschinelles Lernmodell verwenden, um nach Berichten ähnlicher Patienten zu suchen.

Wenn das Modell jedoch fälschlicherweise Berichte mit beiden Bedingungen identifiziert, könnte die wahrscheinlichste Diagnose sehr unterschiedlich sein: Wenn ein Affected person eine Gewebeschwellung und ein vergrößertes Herz aufweist, ist die Erkrankung sehr wahrscheinlich mit Herz, aber ohne vergrößertes Herz kann es mehrere Ursachen geben.

In einer neuen Studie haben MIT-Forscher herausgefunden, dass Visionsprachenmodelle in realen Situationen sehr wahrscheinlich einen solchen Fehler machen, weil sie die Negation nicht verstehen-Wörter wie „Nein“ und „nicht“, die angeben, was falsch oder fehlend ist.

„Diese Negationswörter können einen sehr bedeutenden Einfluss haben, und wenn wir diese Modelle nur blind verwenden, können wir auf katastrophale Folgen stoßen“ Diese Studie.

Die Forscher testeten die Fähigkeit von Visionsprachmodellen, die Negation in Bildunterschriften zu identifizieren. Die Modelle wurden oft so intestine wie eine zufällige Vermutung durchgeführt. Aufbauend auf diesen Erkenntnissen erstellte das Group einen Datensatz mit Bildern mit entsprechenden Bildunterschriften, die Negationswörter enthalten, die fehlende Objekte beschreiben.

Sie zeigen, dass das Umschulung eines Visionsprachmodells mit diesem Datensatz zu Leistungsverbesserungen führt, wenn ein Modell aufgefordert wird, Bilder abzurufen, die bestimmte Objekte nicht enthalten. Es steigert auch die Genauigkeit bei A number of -Alternative -Fragen, die mit negierten Bildunterschriften beantwortet werden.

Die Forscher warnen jedoch davor, dass mehr Arbeit erforderlich ist, um die Grundursachen dieses Issues anzugehen. Sie hoffen, dass ihre Forschung potenzielle Benutzer auf ein bisher unbemerktes Mangel aufmerksam macht, das schwerwiegende Auswirkungen auf hohe Einstellungen haben kann, in denen diese Modelle derzeit verwendet werden, indem sie feststellen, welche Patienten bestimmte Behandlungen erhalten, um Produktdefekte in Produktionsanlagen zu identifizieren.

“It is a technical paper, however there are larger points to think about. If one thing as basic as negation is damaged, we should not be utilizing giant imaginative and prescient/language fashions in lots of the methods we’re utilizing them now — with out intensive analysis,” says senior writer Marzyeh Ghassemi, an affiliate professor within the Division of Electrical Engineering and Pc Science (EECS) and a member of the Institute of Medical Engineering Sciences and the Laboratory for Info and Choice Programs.

Ghassemi und Alhamoud werden auf dem Papier von Shaden Alshammari, einem MIT -Doktorand, begleitet. Yonglong Tian von Openai; Guohao Li, ein ehemaliger Postdoc an der Oxford College; Philip HS Torr, Professor in Oxford; und Yoon Kim, Assistenzprofessor für EECs und Mitglied des Labors für Informatik und künstliche Intelligenz (CSAIL) am MIT. Die Forschung wird auf der Konferenz über Pc Imaginative and prescient und Mustererkennung vorgestellt.

Vernachlässigung der Negation

Imaginative and prescient-Sprachmodelle (VLM) werden unter Verwendung großer Sammlungen von Bildern und entsprechenden Bildunterschriften geschult, die sie lernen, als Zahlensätze, die als Vektordarstellungen bezeichnet werden, zu codieren. Die Modelle unterscheiden diese Vektoren, um zwischen verschiedenen Bildern zu unterscheiden.

Ein VLM verwendet zwei separate Encoder, eine für Textual content und eine für Bilder, und die Encoder lernen, ähnliche Vektoren für ein Bild und seine entsprechende Textunterschrift auszugeben.

„Die Bildunterschriften drücken aus, was in den Bildern ist – sie sind ein positives Etikett. Und das ist eigentlich das ganze Downside. Niemand sieht sich ein Bild eines Hundes an, der über einen Zaun springt und ihn über einen Hund springt, indem ein Hund über einen Zaun ohne Hubschrauber springt“, sagt Ghassemi.

Da die Bildkapitionsdatensätze keine Beispiele für Negation enthalten, lernen VLMs nie, sie zu identifizieren.

Um dieses Downside tiefer zu vertiefen, entwarfen die Forscher zwei Benchmark -Aufgaben, die die Fähigkeit von VLMs testen, die Negation zu verstehen.

Zum ersten Mal verwendeten sie ein großes Sprachmodell (LLM), um Bilder in einem vorhandenen Datensatz neu zu captionieren, indem sie das LLM bitten, über verwandte Objekte nachzudenken, die nicht in einem Bild sind, und sie in die Bildunterschrift schreiben. Dann testeten sie Modelle, indem sie sie mit Negationswörtern aufforderten, um Bilder abzurufen, die bestimmte Objekte enthalten, aber nicht andere.

Für die zweite Aufgabe haben sie A number of -Alternative -Fragen entwickelt, die ein VLM gestellt haben, um die am besten geeignete Bildunterschrift aus einer Liste eng verwandter Optionen auszuwählen. Diese Bildunterschriften unterscheiden sich nur durch Hinzufügen einer Referenz zu einem Objekt, das nicht im Bild angezeigt wird oder ein Objekt negiert, das im Bild angezeigt wird.

Die Modelle scheiterten bei beiden Aufgaben oft, wobei die Bildabnahmeleistung bei negierten Bildunterschriften um quick 25 Prozent sank. Bei der Beantwortung von A number of -Alternative -Fragen erreichten die besten Modelle nur eine Genauigkeit von rund 39 Prozent, wobei mehrere Modelle bei oder sogar unter zufälliger Zufall unterzogen wurden.

Ein Grund für dieses Versagen ist eine Abkürzung, die die Forscher Bestätigungsverzerrung bezeichnen – VLMs ignorieren Negationswörter und konzentrieren sich stattdessen auf Objekte in den Bildern.

„Das geschieht nicht einfach für Worte wie“ Nein „und“ nicht „. Unabhängig davon, wie Sie Negation oder Ausschluss ausdrücken, werden die Modelle es einfach ignorieren “, sagt Alhamoud.

Dies struggle in allen von ihnen getesteten VLM konsistent.

„Ein lösbares Downside“

Da VLMs in Bildunterschriften mit Negation normalerweise nicht trainiert werden, entwickelten die Forscher Datensätze mit Negationswörtern als erster Schritt zur Lösung des Issues.

Unter Verwendung eines Datensatzes mit 10 Millionen Bild-Textual content-Bildunterschriftenpaaren forderten sie ein LLM auf, verwandte Bildunterschriften vorzuschlagen, die angeben, was aus den Bildern ausgeschlossen ist, und ergaben neue Bildunterschriften mit Negationswörtern.

Sie mussten besonders vorsichtig sein, dass diese synthetischen Bildunterschriften immer noch auf natürliche Weise lesen, oder es könnte dazu führen, dass ein VLM in der realen Welt scheitert, wenn sie mit komplexeren Bildunterschriften konfrontiert werden, die von Menschen geschrieben wurden.

Sie stellten fest, dass die Finetuning -VLMs mit ihrem Datensatz zu Leistungsgewinnen auf der ganzen Linie führte. Es verbesserte die Picture-Abruffunktionen der Modelle um etwa 10 Prozent und steigern gleichzeitig die Leistung in der A number of-Alternative-Frage-Antwortaufgabe um etwa 30 Prozent.

„Aber unsere Lösung ist nicht perfekt. Wir rekaptionieren nur Datensätze, eine Type der Datenvergrößerung. Wir haben noch nicht einmal berührt, wie diese Modelle funktionieren, aber wir hoffen, dass dies ein Sign dafür ist, dass dies ein lösbares Downside ist und andere unsere Lösung nehmen und sie verbessern können“, sagt Alhamoud.

Gleichzeitig hofft er, dass ihre Arbeit mehr Benutzer dazu ermutigt, über das Downside nachzudenken, das sie mit einem VLM verwenden möchten, um einige Beispiele zu lösen und zu entwerfen, um es vor der Bereitstellung zu testen.

In Zukunft könnten die Forscher diese Arbeit erweitern, indem sie VLMs unterrichten, um Textual content und Bilder separat zu verarbeiten, was ihre Fähigkeit verbessern kann, die Negation zu verstehen. Darüber hinaus können sie zusätzliche Datensätze entwickeln, die Bildkapitionenpaare für bestimmte Anwendungen wie die Gesundheitsversorgung enthalten.

Mit globalen Temperaturen auferstanden Das Klima auf der Erde ist seit der vorindustriellen Zeit um ca. 1,3°C gestiegen und unterliegt erheblichen Veränderungen. Die Folgen – wie Hitzewellen, Überschwemmungen und Waldbrände – treffen nun die Weltbevölkerung. Während diese Naturkatastrophen den Alltag von Millionen von Menschen stören, verursachen sie auch wirtschaftliche Verluste in Milliardenhöhe gemeldet von der Weltorganisation für Meteorologie (WMO). Im Jahr 2024 wurde Kasachstan von verheerenden Überschwemmungen heimgesucht, die 224 Siedlungen in Mitleidenschaft gezogen und über 17.000 Wohnhäuser beschädigt haben. Der Schaden wird geschätzt erreichen ca. 444 Millionen US-Greenback – mehr als die gesamten wirtschaftlichen Verluste durch Wasserkatastrophen in den letzten 30 Jahren. Um zu verstehen, wie ein Bauunternehmen mit solchen Herausforderungen umgeht, haben wir uns an Aigerim Tleshova gewandt, MBA und Leiterin der Investmentabteilung bei BI-Group, einer führenden Bauholding in Zentralasien.

Aigerim, was ist Ihrer Meinung nach das größte Investitionsrisiko, das der Klimawandel für den Bausektor mit sich bringt?

Meiner Ansicht nach besteht das größte Investitionsrisiko, das der Klimawandel für den Bausektor darstellt, in erhöhten Kosten und Verzögerungen aufgrund extremer Wetterbedingungen und regulatorischer Änderungen.

Excessive Wetterbedingungen wie Überschwemmungen, Stürme und Hitzewellen können Standorte beschädigen, Lieferketten unterbrechen und Projekte verzögern, was zu höheren Kosten für Reparaturen, Arbeitskräfte und Schutzmaßnahmen führt. Auch in Gebieten mit instabilem Wetter können die Versicherungsprämien steigen.

Darüber hinaus erfordern strengere Klimavorschriften Investitionen in umweltfreundlichere Technologien, nachhaltige Praktiken und umweltfreundliche Materialien, was zu höheren Kosten führt. Die Nichteinhaltung kann zu Strafen oder Projektabbrüchen führen.

Schließlich könnten Gebäude in klimagefährdeten Gebieten oder solche, die künftige Nachhaltigkeitsstandards nicht erfüllen, an Wert verlieren und eine langfristige Wertminderung ihrer Vermögenswerte riskieren.

Sie verwalten ein bemerkenswertes Anlageportfolio und haben das Ziel, die Investitionsmöglichkeiten des Unternehmens um 15 % zu steigern. Wie können Sie diesen Risiken einen Schritt voraus bleiben und gleichzeitig die Rentabilität aufrechterhalten?

Um eine Steigerung der Investitionsmöglichkeiten um 15 % bei gleichzeitiger Risikobewältigung zu erreichen, ist eine umfassende Strategie unerlässlich. Dabei sollte der Schwerpunkt auf Diversifizierung, Nachhaltigkeit, Innovation, Risikomanagement und Stakeholder-Einbindung liegen, um eine langfristige Rentabilität sicherzustellen.

Diversifizierung ist von entscheidender Bedeutung – ich stelle sicher, dass das Portfolio verschiedene Sektoren abdeckt, wobei ich Projekte mit schnellen Renditen und solche, die längerfristige Stabilität bieten, in Einklang bringe. Ich beziehe auch ESG-Faktoren in meine Entscheidungen ein, da Unternehmen, die sich an diesen Grundsätzen orientieren, oft widerstandsfähiger gegenüber regulatorischen Änderungen und Marktveränderungen sind.

Die Risikobewertung ist noch nicht abgeschlossen. Ich bewerte das Portfolio regelmäßig und passe es an aufkommende Risiken oder neue Chancen an. Auch Innovation spielt eine große Rolle – Investitionen in Technologie, wie KI im Bauwesen, ermöglichen es mir, Effizienz und Nachhaltigkeit zu steigern. Ebenso wichtig ist es, mit Interessenvertretern und politischen Entscheidungsträgern in Kontakt zu bleiben; Es hilft mir, über regulatorische Änderungen und Marktanforderungen auf dem Laufenden zu bleiben und sicherzustellen, dass meine Strategien sowohl flexibel als auch zukunftsorientiert sind.

Indem ich mich aktiv an der Überwachung der Leistung und der regelmäßigen Überprüfung der Marktbedingungen beteilige, kann ich Strategien schnell als Reaktion auf aufkommende Risiken oder Chancen anpassen. Diese Agilität ermöglicht es mir, Risiken effektiv zu managen und gleichzeitig neue Wachstumspfade zu entdecken. Insgesamt geht es darum, flexibel und jederzeit anpassungsfähig zu bleiben und gleichzeitig den Fokus auf den langfristigen Erfolg zu legen.

Die BI-Group legt Wert auf Umwelt-, Sozial- und Governance-Prinzipien (ESG). Angesichts Ihres Erfolgs bei der Leitung eines Groups zur Steigerung des Gewinnwachstums, insbesondere durch strategisches Cashflow-Administration, wie sehen Sie, dass ESG-Investitionen die Rentabilität steigern und gleichzeitig den Klimaherausforderungen begegnen?

ESG-fokussierte Investitionen können erheblich zur Rentabilität beitragen und gleichzeitig den Klimaherausforderungen auf verschiedene Weise begegnen. Erstens verzeichnen Unternehmen, die nachhaltige Praktiken priorisieren, oft geringere Betriebskosten durch Energieeffizienz und Abfallreduzierung, was zu einer Steigerung der Gesamtgewinnspanne führt. Zweitens kann die BI-Group durch Investitionen in umweltfreundliche Technologien und Praktiken die wachsende Marktnachfrage nach nachhaltigen Produkten nutzen, umweltbewusste Verbraucher anziehen und unseren Kundenstamm erweitern.

Darüber hinaus kann eine starke ESG-Leistung Risiken im Zusammenhang mit der Einhaltung gesetzlicher Vorschriften und Reputationsschäden mindern und letztendlich zu stabileren finanziellen Erträgen führen. Das Engagement in ESG-Initiativen steht im Einklang mit unseren Unternehmenswerten und positioniert die BI-Group als Vorreiter im Bereich Nachhaltigkeit, was die Markentreue stärken und die langfristige Rentabilität steigern kann.

Im Jahr 2023 haben Sie die McKinsey 5-Block-Methodik an das Anlageportfolio der BI-Group angepasst und so strategische Entscheidungen erleichtert. Hatte dies Auswirkungen auf die Initiative des Unternehmens, während der jüngsten Überschwemmungen über 500 Millionen Tenge als Hilfsgüter bereitzustellen? Was motiviert Sie an dieser Arbeit am meisten?

Durch die Anwendung der McKinsey 5-Block-Methodik für das Anlageportfolio konnten wir Anlagen identifizieren, bei denen der Wert aus der Veräußerung die potenziellen zukünftigen Renditen überstieg. Diese Analyse ermöglichte es uns, die Rentabilität innerhalb des Anlageportfolios zu steigern, was sich positiv auf die konsolidierte Gewinn- und Verlustrechnung des Unternehmens auswirkte und zur Gesamtrentabilität beitrug. Aufgrund dieser verbesserten finanziellen Ergebnisse konnte das Prime-Administration die Entscheidung treffen, während der jüngsten Überschwemmungen erhebliche finanzielle Unterstützung bereitzustellen.

Was mich dabei am meisten motiviert, ist die Fähigkeit, strukturierte, strategische Rahmenbedingungen nicht nur für finanziellen Gewinn, sondern auch für sinnvolle, reale Auswirkungen zu nutzen. Die Fähigkeit, Gemeinschaften in Krisenzeiten zu unterstützen und gleichzeitig eine starke Geschäftsbasis aufrechtzuerhalten, ist ein eindrucksvolles Beispiel dafür, wie Unternehmensstrategie mit sozialer Verantwortung in Einklang gebracht werden kann. Die Unterstützung des Unternehmens bei diesen wichtigen Entscheidungen wie der Unterstützung von Wohltätigkeitsprojekten in Juldyzay, Überschwemmungsproblemen, einem Heizungszusammenbruch in Ekibastuz oder der Bereitstellung von Atemschutzgeräten während Covid-19 motiviert mich, weiterhin nach innovativen Wegen zu suchen, um Rentabilität mit Zweck zu verbinden.

Welche politischen Veränderungen würden Sie sich als Führungskraft, die die Investitionsstrategie überwacht, von den Regierungen wünschen, um Immobilienentwicklern dabei zu helfen, die Herausforderungen des Klimawandels besser zu bewältigen?

Ich glaube, dass Regierungen mehrere wichtige politische Änderungen umsetzen sollten, um dem Immobiliensektor dabei zu helfen, die Herausforderungen des Klimawandels effektiv zu bewältigen. Erstens würde die Bereitstellung von Anreizen für nachhaltige Praktiken, wie etwa Steuergutschriften oder Subventionen für Unternehmen, die in umweltfreundliche Bauweisen investieren, mehr Entwickler dazu ermutigen, der Nachhaltigkeit Priorität einzuräumen.

Die Einführung strengerer Bauvorschriften, die Energieeffizienz und nachhaltige Designprinzipien vorschreiben, würde auch sicherstellen, dass neue Entwicklungen höhere Umweltstandards erfüllen. Es ist auch wichtig, die Integration erneuerbarer Energiequellen in Bauprojekte zu unterstützen, möglicherweise durch Zuschüsse oder zinsgünstige Darlehen, was sowohl den CO2-Fußabdruck als auch die Betriebskosten erheblich reduzieren könnte.

Darüber hinaus können verstärkte Investitionen in grüne Infrastruktur, wie öffentliche Verkehrssysteme, Netze für erneuerbare Energien und nachhaltiges Wassermanagement, Entwickler in die Lage versetzen, widerstandsfähige, schonende Gemeinden zu schaffen.

Ich denke, dass solche politischen Veränderungen dazu beitragen würden, dass der Entwicklungssektor die Herausforderungen des Klimawandels effektiver angehen und Möglichkeiten für Innovation und Wachstum schaffen würde.

Sie haben automatisierte Berechnungsmodelle implementiert und den Entscheidungsprozess innerhalb von Anlageausschüssen optimiert. Wie hilft dies bei der Reaktion auf große Herausforderungen wie schwere Überschwemmungen?

Ich denke, dass die Implementierung automatisierter Berechnungsmodelle und die Optimierung der Entscheidungsfindung in Investitionsausschüssen die Fähigkeit verbessern, auf große Risiken wie schwere Überschwemmungen zu reagieren. Automatisierte Modelle ermöglichen eine schnelle Risikobewertung und ermöglichen eine Echtzeitbewertung der Auswirkungen von Überschwemmungen auf Investitionen, um zeitnahe Entscheidungen zu treffen. Optimierte Prozesse ermöglichen eine effiziente Szenarioplanung und bereiten das Unternehmen auf verschiedene hochwasserbedingte Risiken vor.

Mit klareren Erkenntnissen können Ressourcen effizient auf Bereiche mit hohem Risiko verteilt werden, und der schnelle Zugriff auf genaue Daten unterstützt die zeitnahe Kommunikation mit den Stakeholdern und sorgt so für Transparenz. Diese Fortschritte stärken die Hochwasservorsorge und bekräftigen das Engagement des Unternehmens für verantwortungsvolles Investieren und Nachhaltigkeit.

Welche Empfehlungen würden Sie als renommierter Experte für Investmentmanagement anderen Unternehmen in der Baubranche geben, die mit den zunehmenden Klimabedrohungen konfrontiert sind?

Es gibt einige Schlüsselstrategien, die ich Unternehmen in der Baubranche empfehlen würde, die mit der wachsenden Bedrohung durch den Klimawandel zu kämpfen haben.

Erstens ist es wichtig, ESG-Prinzipien in jeden Aspekt der Entscheidungsfindung zu integrieren. Dieser Ansatz stärkt die Status eines Unternehmens und hilft, potenzielle Risiken und Chancen im Zusammenhang mit dem Klimawandel zu erkennen. Als nächstes ist es entscheidend, die Technologie zu nutzen. Durch den Einsatz fortschrittlicher Instruments wie Datenanalyse, Modellierungssoftware und KI können Unternehmen die Risikobewertung und Projektplanung verbessern. Mithilfe dieser Instruments können sie Klimaauswirkungen vorhersagen und die Ressourcenallokation optimieren.
Zusammenarbeit ist ein weiterer Schlüsselfaktor. Die Partnerschaft mit Regierungen und anderen Interessengruppen kann zu gemeinsamen Lösungen für Klimaanpassung und Nachhaltigkeit führen. Diese Partnerschaften können auch Türen zu Finanzierung und Ressourcen für progressive Projekte öffnen.

Auch die Investition in die Aus- und Weiterbildung Ihrer Groups ist von entscheidender Bedeutung. Wenn Mitarbeiter Klimarisiken und nachhaltige Praktiken verstehen, können sie bessere Entscheidungen treffen und Innovationen vorantreiben, um diese Herausforderungen anzugehen. Erwägen Sie eine Diversifizierung der Investitionen in Sektoren, die weniger anfällig für Klimarisiken sind, wie etwa erneuerbare Energien oder grüne Technologien. Dies kann dazu beitragen, das Gesamtrisiko des Portfolios zu reduzieren. Schließlich ist es wichtig, Strategien als Reaktion auf sich entwickelnde Klimabedrohungen regelmäßig zu überprüfen und anzupassen. Proaktives statt reaktives Handeln wird die langfristige Nachhaltigkeit und Widerstandsfähigkeit verbessern.

Mit diesen Ansätzen können Bauunternehmen die Risiken des Klimawandels effektiv bewältigen und sich gleichzeitig als Vorreiter in Sachen Nachhaltigkeit positionieren.

---

Hervorgehobener Bildnachweis: Emre Çıtak/Ideogramm KI