Automatisierung von Produkt-CO₂-Fußabdruck, Ökobilanz (LCA) und Digitalem Produktpass

Kunden, Aufsichtsbehörden und die EU fragen inzwischen nach dem CO₂-Fußabdruck einzelner Produkte, nicht mehr nur nach dem des Unternehmens. Von Hand bedeutet das: Tausende Stücklistenpositionen Emissionsfaktoren zuordnen und Lieferanten um Daten bitten. KI ordnet Materialien und Einkäufe LCA-Datensätzen zu, füllt Datenlücken bei Lieferanten mit dokumentierten Schätzwerten, berechnet Cradle-to-Gate-Fußabdrücke je Produkt und bereitet die Ergebnisse für Kundenanfragen, die CBAM-Berichterstattung und Digitale Produktpässe (DPP) auf. Typischer Nutzen: ein Fußabdruck je SKU in Tagen statt eines Beratungsprojekts mit externen Fachleuten je Produkt.

Problem & Nutzen

• Heute: Mitarbeitende aus Nachhaltigkeit oder Qualität, oder externe Berater, bauen je Produktfamilie ein LCA-Modell in Tabellenkalkulationen oder LCA-Werkzeugen (SimaPro, openLCA, GaBi/Sphera). Jede Stücklistenposition wird von Hand einem Datensatz zugeordnet; lieferantenspezifische Daten sind selten; die Ergebnisse veralten nach der nächsten Konstruktions- oder Lieferantenänderung. Große Kunden (Automobil, Konsumgüter, Handel) schicken ihren Lieferanten PCF-Anfragen in vielen verschiedenen Formaten.
• Nutzen durch KI: (1) automatisierte, nachvollziehbare Zuordnung von Stücklistenpositionen zu Faktoren (mehrsprachige Beschreibungen, Teilenummern, HS-/CN-Codes); (2) Lückenfüllung mit ausgabenbasierten oder Proxy-Faktoren, klar gekennzeichnet mit einer Datenqualitätsbewertung; (3) Skalierung von wenigen Pilotprodukten auf das gesamte Portfolio; (4) Neuberechnung bei jeder Änderung von Stückliste oder Lieferant; (5) ein Datenmodell für PCF-Austausch, CBAM und DPP.
• Warum jetzt: Die ESPR (Verordnung (EU) 2024/1781) schafft den Rahmen für den Digitalen Produktpass; die Batterieverordnung (EU) 2023/1542 verlangt für betroffene Batterien einen Batteriepass und Erklärungen zum CO₂-Fußabdruck (erste DPP-Frist: Februar 2027 für Batterien von Elektrofahrzeugen, leichten Transportmitteln und Industriebatterien über 2 kWh); CBAM ist am 1. Januar 2026 in die endgültige Phase eingetreten und verlangt die gebundenen Emissionen importierter Waren [1][2][3]. Delegierte Rechtsakte für weitere Produktgruppen waren 2026 noch in Vorbereitung; die Termine unterscheiden sich je nach Quelle, prüfen Sie sie daher auf der Website der Kommission [1].
• Abgrenzung zu DATA-012: Jener Anwendungsfall berichtet auf Unternehmensebene (CSRD); hier ist das Produkt die Analyseeinheit, die Daten sind Stücklisten und LCA-Datenbanken, und die Methode ist die Zuordnung von Emissionsfaktoren.

Varianten

• Fertigung / Automobil-Lieferkette: PCF-Austausch mit OEMs über den PACT-Standard oder Catena-X; Übernahme von Lieferanten-PCFs in das Stücklistenmodell [4][5].
• Batterien: Erklärung zum CO₂-Fußabdruck und Daten für den Batteriepass (zu Zustandsdaten im Pass siehe PRED-026).
• CBAM-Importeure und -Exporteure (Stahl, Aluminium, Zement, Düngemittel, Wasserstoff, Strom): gebundene Emissionen je Sendung, Anlagendaten der Lieferanten, Standardwerte, wo tatsächliche Daten fehlen.
• KMU-Lieferant: Ein kleiner Lieferant beantwortet eine Kundenanfrage mit einem vereinfachten, vorlagenbasierten PCF, unter Verwendung von Branchendurchschnittsfaktoren und eines geführten Assistenten.
• Lebensmittel und Handel: rezeptur- und zutatenbasierte Fußabdrücke aus landwirtschaftlichen LCA-Daten (z. B. Agribalyse), Tausende Eigenmarken-SKUs, Kennzeichnung und Kommunikation am Regal (Carbon Maps ist ein französisches Beispiel).

So funktioniert es

1. BOM / purchase / process data (PLM, ERP, MES, supplier portals)
2. normalisation (units, languages, part-number
3. material/process description)
4. matching (embedding retrieval over LCA/emission-factor catalogues
5. reranker/LLM picks and justifies)
6. gap filling (supplier PCF if available
7. proxy dataset
8. spend-based factor; each flagged)
9. calculation engine (deterministic LCA maths: cradle-to-gate, allocation, energy mix, transport)
10. data-quality rating + uncertainty
11. human review of low-confidence/high-impact lines (hotspot-first)
12. verification-ready report; export to PACT/Catena-X, CBAM, DPP data carrier

• Die Berechnung ist deterministisch. Das LLM oder Embedding-Modell schlägt nur Zuordnungen vor, extrahiert Daten aus Lieferantendokumenten und entwirft Erläuterungen. Es darf niemals Emissionsfaktoren oder Zahlen erfinden; Faktoren stammen aus lizenzierten oder offenen Datenbanken mit versionierten IDs.
• Zuordnung: Hybride Suche (Text + Codeklassen wie HS/CN, ECLASS, ETIM, siehe DATA-010) über einen Vektorindex der Datensatzbeschreibungen; ein LLM oder Cross-Encoder wählt aus und hält seine Begründung fest.
• Mensch-in-der-Schleife (Human-in-the-Loop): Eine LCA-Fachkraft genehmigt Zuordnungen oberhalb einer Wirkungsschwelle und gibt das Modell frei; externe Verifizierung für Aussagen, CBAM- und Batterieerklärungen.

Datenaufbereitung

Die Kerndaten sind Stücklisten (PLM oder ERP), Einkaufsdaten, Lieferantenstammdaten, Energie- und Transportzahlen je Standort sowie PCF-Fragebögen der Lieferanten. In einem KMU liegen diese im ERP, in Excel-Stücklisten, in E-Mail-Anhängen und in PDFs der Lieferanten. Typische Lücken: Stücklisten ohne Material oder Gewicht, Freitext-Teilebeschreibungen in mehreren Sprachen, doppelte Teilenummern, fehlende Energiedaten je Produkt und Lieferantenerklärungen nur als Scan.

Schritte der Aufbereitung: (1) Stücklisten und Einkaufsdaten aus dem ERP exportieren (PREP-005); (2) Excel-Stücklisten in saubere Tabellen mit Einheiten und Gewichten überführen (PREP-011); (3) Lieferantenerklärungen per OCR erfassen (PREP-006, DOC-014); (4) Teilebeschreibungen bereinigen und Glossar- und Synonymlisten ergänzen (PREP-015); (5) HS-/CN- oder ECLASS-Codes für die Zuordnung vergeben (DATA-010); (6) je Standort eine verantwortliche Person für die Energiedaten benennen (PREP-004). Werkzeuge: Excel/Power Query oder OpenRefine zur Bereinigung, Paperless-ngx oder Azure Document Intelligence für Scans, der ERP-Export für den Rest.

Planen Sie für diese Arbeit einen großen Teil des Projekts ein, etwa 50-60 Prozent des Aufwands: Die Berechnung ist schnell, aber schwache Stücklisten- und Lieferantendaten bestimmen die Qualität und die Datenqualitätsbewertung. Beginnen Sie mit den Produkten mit dem größten Volumen und Umsatz (Hotspots zuerst), nicht mit dem gesamten Portfolio. Siehe auch GUIDE-003 und DATA-003.

Umsetzungswege

Welcher Weg für wen

• KMU (A): Ausgereifte EU-Plattformen für PCF (Makersite, Plan A, One Click LCA) gibt es zu KMU-tauglichen Preisen, und Kunden-PCF-Anfragen folgen einem Standardformat; ein kleines Unternehmen hat kein LCA-Team, um eine eigene Lösung zu bauen.
• Großunternehmen (B): Große Produktportfolios und die eigene Integration von PLM/ERP/Catena-X rechtfertigen eine Pipeline auf Cloud-APIs rund um lizenzierte LCA-Datenbanken, wobei der deterministische Berechnungskern im eigenen Haus bleibt.
• Entwickler (C): Offene Emissionsfaktordaten und Open-Weight-Embedding-Modelle laufen auf HW2 und erlauben es, Zuordnung und PACT-Export ohne Herstellerbindung zu bauen.

Weg A — Kaufen (empfohlen für KMU)

• Plattformen zur Automatisierung von PCF/LCA: Makersite (DE/UK), Carbon Maps (FR), Sphera, One Click LCA (FI), Ecochain (NL), Climatiq (DE, API für Emissionsfaktoren), Plan A und Sweep (EU), SAP Sustainability Footprint Management, Siemens SiGREEN sowie Catena-X-fähige PCF-Dienste. Viele bieten auch DPP-Module an.
• Prüfen: Abdeckung Ihres Produkttyps, Konformität mit ISO 14067 und PACT/Catena-X, nachvollziehbare Zuordnungen, Datenbanklizenzen, Hosting in der EU, Unterstützung bei der Verifizierung, CBAM-Modul.
• Wählen Sie A, wenn: Sie innerhalb weniger Monate Ergebnisse für Kundenanfragen brauchen und kein LCA-Team haben.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: ein in der EU gehostetes Frontier-LLM oder multimodale API (Mistral oder Claude/Gemini/GPT in EU-Regionen) mit strukturierten Ausgaben für Klassifikation, Dokumentextraktion und Begründung; ein Embedding-Modell für die Suche.
• Daten: Climatiq-API oder lizenzierte Datenbanken ecoinvent/EXIOBASE/Agribalyse; die Berechnungsengine bleibt Ihr eigener deterministischer Code oder openLCA (über die IPC-/Python-API).
• Orchestrierung: n8n / Python-Pipeline, PLM- und ERP-Konnektoren, PACT-kompatible API-Endpunkte.
• Wählen Sie B, wenn: Sie ungewöhnliche Produkte haben oder das Modell selbst besitzen wollen und über Data Engineer und LCA-Fachleute verfügen.

Weg C — Selbst betreiben (Open Source)

• LCA-Engines: openLCA, Brightway, Activity Browser; offene Daten wie Agribalyse, ProBas und offene Teile von EXIOBASE.
• PACT: offene Referenzimplementierung sowie die Spezifikation des PACT-Datenmodells und der API für den Austausch [4]; Eclipse Tractus-X für Catena-X-Konnektoren [5].
• KI: Open-Weight-Embedding-Modell (z. B. BGE-M3, multilingual-e5) plus ein offenes LLM (Qwen3, Mistral, Llama-Klasse) über vLLM oder Ollama; Vektorspeicher pgvector/Qdrant.
• Hardware: HW2 genügt für Zuordnung und Extraktion; kommerzielle Datensätze wie ecoinvent erfordern auch beim Selbstbetrieb eine Lizenz.

Weg D — Eigenes Training

Lohnt sich nur bei einem großen Katalog mit konsistenter Historie: ein Embedding- oder Klassifikationsmodell auf den eigenen genehmigten Zuordnungen von Stückliste zu Datensatz feintunen (Tausende geprüfte Paare) oder ein Ersatzmodell (Surrogatmodell) trainieren, das den Fußabdruck neuer Varianten aus parametrischen Konstruktionsdaten vorhersagt. Setzen Sie es als Beschleuniger hinter der menschlichen Freigabe ein.

Stand der Technik (2026)

• Methoden: ISO 14067, ISO 14040/14044, GHG Protocol Product Standard, EU-PEF-Regeln [6].
• Standardisierter Datenaustausch: Das PACT-Pathfinder-Datenmodell/-API (WBCSD) und das Catena-X-PCF-Regelwerk ermöglichen maschinenlesbare PCFs von Lieferanten; Automobil und Chemie sind am weitesten [4][5].
• Digitaler Produktpass: Das EU-Register und der Ansatz mit Datenträger (QR-Code, eindeutige Kennung) werden gerade umgesetzt; produktspezifische Datenanforderungen kommen in delegierten Rechtsakten, die Schemata werden sich daher ändern [1][7].
• Grenzen und Fehlerbilder: falsche Datensatzzuordnung (ein ähnlich klingendes Material mit stark abweichendem Fußabdruck), Abweichungen bei Geografie und Strommix, Doppelzählung über mehrere Lieferstufen, ausgabenbasierte Faktoren, die Verbesserungen im Design verdecken, veraltete Versionen der LCA-Datenbank und halluzinierte Faktoren, wenn das LLM Zahlen erzeugen darf. Sekundärdaten können über- oder unterschätzen; lieferantenspezifische Primärdaten bleiben der größte Hebel für die Genauigkeit.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (embedding-text + vector-db + llm-general): DATA-010 Anreicherung von Produktdaten (ECLASS/ETIM), DATA-015 Klassifikation von Ausgaben (ausgabenbasierter Rückfall), DATA-003 Stammdatenmanagement, DATA-007 Katalog-Metadaten.
• Vor- und nachgelagert: DATA-012 fasst Produktergebnisse in der Berichterstattung auf Unternehmensebene zusammen (CSRD, Scope 3 Kategorie 1/11); DATA-020 für Muster der regulatorischen Berichterstattung; PRED-026 Zustandsdaten der Batterie im Batteriepass; VIS-049 für entwaldungsfreie Lieferketten; DATA-016 für Energie- und Prozessdaten der Industrie.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen für die ersten Produkte, Quartale für das Portfolio; Lizenzen je Produkt oder je Nutzer plus Gebühren für LCA-Datenbanken.
• Weg B: 3-6 Monate für eine produktive Pipeline; Kostentreiber sind Datenbereinigung, Datenbanklizenzen, Expertenprüfung und Verifizierung.
• Kennzahlen: Anteil der Stücklistenmasse/-wirkung, der durch lieferantenspezifische Daten abgedeckt ist, Anteil der Positionen, die ohne Korrektur zugeordnet wurden, Prüfzeit je Produkt, Anzahl Produkte mit gültigem PCF, Zeit bis zur Beantwortung einer Kunden-PCF-Anfrage, Datenqualitätsbewertung, Befunde der Verifizierung, Vollständigkeit der DPP-Daten.

Menschen & Veränderung

Beziehen Sie zuerst die Geschäftsleitung ein: für das Budget und die Entscheidung, welche Anforderungen von Kunden oder Behörden (CBAM, DPP, Kunden-PCF-Anfragen) den Umfang bestimmen. Die Abteilungsleitung (Nachhaltigkeit, Qualität oder Produktion) verantwortet den Prozess; die Datenverantwortlichen für ERP-, PLM- und Energiedaten müssen Exporte frühzeitig freigeben. Die IT stellt Schnittstellen bereit; Lieferanten und Kunden werden über Fragebögen und den PCF-Austausch eingebunden, kündigen Sie Datenanfragen daher rechtzeitig an. Recht/Compliance prüft Aussagen sowie Pflichten zu CBAM und Verifizierung.

Betriebsrat: In der Regel nicht erforderlich, da das System Produkt- und Lieferantendaten verarbeitet, kein Mitarbeiterverhalten (§ 87 Abs. 1 Nr. 6 BetrVG). Informieren Sie ihn dennoch nach § 90 Abs. 1 Nr. 3, wenn sich Arbeitsabläufe merklich ändern. Personenbezogene Daten sind nicht zu erwarten; eine Prüfung durch die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten ist nur nötig, wenn Kontaktdaten von Lieferanten verarbeitet werden.

KI-Kompetenz: Unterstützen Sie die Mitarbeitenden mit einer kurzen Schulung (GUIDE-006) dazu, was das LLM tun darf (Zuordnungen vorschlagen) und was nicht (Faktoren erfinden). Starten Sie mit einer Produktlinie und zwei bis drei Fachkräften als Pilot, vergleichen Sie mit einer manuellen Berechnung und veröffentlichen Sie die Prüfregeln. Typische Sorge: „Die Zahl ist eine Blackbox.“ Begegnen Sie ihr mit nachvollziehbaren Zuordnungen, versionierten Faktoren und menschlicher Freigabe oberhalb einer Wirkungsschwelle. Siehe GUIDE-009 und GUIDE-008.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko; keine Anwendung nach Anhang III. Pflicht zur KI-Kompetenz (Art. 4). Kein Problem nach Art. 5.
• Greenwashing: Die Richtlinie zur Stärkung der Verbraucher (EU) 2024/825 schränkt allgemeine Umweltaussagen und auf Kompensation beruhende Aussagen ein; die Vorschläge zu Green Claims waren 2026 unsicher. Jede öffentliche Aussage braucht einen Beleg und, wo gefordert, eine Verifizierung durch Dritte.
• Regulatorische Daten: Erklärungen nach CBAM und Batterieverordnung haben rechtliche Folgen und unterliegen Verifizierungspflichten; durch KI geschätzte Werte dürfen nur verwendet werden, soweit die Regeln es zulassen (Standardwerte, dokumentierte Methoden).
• DSGVO: meist keine personenbezogenen Daten; Ausnahmen sind Namen von Ansprechpersonen bei Lieferanten und Mitarbeiterdaten in Fragebögen.
• Gegenmaßnahmen: deterministische Berechnung, versionierte Faktoren, Prüfpfad der KI-Vorschläge im Vergleich zu den genehmigten Zuordnungen, Prüfung durch Menschen an den Hotspots, unabhängige Verifizierung.

Erste Schritte

1. Wählen Sie 5-10 repräsentative Produkte und die Anfrage von Kunden oder Behörden, die die Arbeit auslöst (Kunden-PCF-Anfrage, CBAM, Batteriepass).
2. Bereinigen Sie die Stücklisten- und Einkaufsdaten; legen Sie Einheiten, Systemgrenze (Cradle-to-Gate) und Standard (ISO 14067 / PACT) fest.
3. Führen Sie einen Pilot mit einem Werkzeug nach Weg A und parallel einem manuellen Expertenmodell durch; vergleichen Sie Zuordnungen und Summen.
4. Legen Sie Prüfschwellen fest (Wirkungsanteil, Konfidenz) und fordern Sie bei den wichtigsten Lieferanten Primärdaten an.
5. Bereiten Sie den Export vor (PACT/Catena-X, CBAM, DPP) und verfolgen Sie die delegierten Rechtsakte zum DPP für Ihre Produktgruppe.

Quellen

1. Regulation (EU) 2024/1781 (ESPR, Digital Product Passport framework) — https://eur-lex.europa.eu/eli/reg/2024/1781/oj
2. Regulation (EU) 2023/1542 (Battery Regulation) — https://eur-lex.europa.eu/eli/reg/2023/1542/oj
3. European Commission, Carbon Border Adjustment Mechanism — https://taxation-customs.ec.europa.eu/carbon-border-adjustment-mechanism_en
4. WBCSD PACT, Pathfinder Framework and data exchange specification — https://www.carbon-transparency.org
5. Catena-X Automotive Network / Eclipse Tractus-X — https://catena-x.net and https://eclipse-tractusx.github.io
6. EU Product Environmental Footprint method — https://green-business.ec.europa.eu/environmental-footprint-methods_en
7. Council of the EU working document on DPP rollout (WK 14231/2025) — https://data.consilium.europa.eu/doc/document/WK-14231-2025-INIT/en/pdf
8. openLCA — https://www.openlca.org
9. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj