In ihrer aktuellen Forschungsarbeit haben Dr. Mahan Tahvildari, MBA und Nicolas Hilberg untersucht, wie ein LLM-gestützter „ESG Risk Advisor“ Mitarbeitende im Bankenumfeld beim Aufbau von ESG-Kompetenz im Arbeitsprozess unterstützen kann. Im Fokus steht ein Prototyp für kontextbezogenes ESG-Microlearning für Ribeca, die ESG-Risikomanagement-Plattform der risiq GmbH. ESG-Wissen muss genau dann verfügbar sein, wenn Entscheidungen in Kreditprozessen, Risikoanalysen, Governance-Aufgaben oder Policy Reviews erforderlich sind.
Klassische Schulungsformate bleiben jedoch häufig vom Arbeitsalltag entkoppelt. Dadurch entsteht eine Lücke zwischen Wissen und Anwendung. Der „ESG Risk Advisor“ zeigt, wie KI perspektivisch dabei helfen kann, Microlearning zum Thema ESG-Risikomanagement in Arbeitsabläufe zu integrieren. Der Prototyp liefert rollenbezogene Hinweise und verständliche Antworten auf ESG-bezogene Fragen direkt im Nutzungskontext der Software. Dadurch wird das Lernen dort verankert, wo Bewertung, Dokumentation und Entscheidung stattfinden. So kann aus punktueller Schulung kontinuierliche, kontextsensitive Lernunterstützung werden.
Für die risiq GmbH ist diese Forschung Teil eines wissenschaftlich getriebenen Ansatzes in der Modell- und Produktentwicklung. Forschung ist für uns die Grundlage für robuste, nachvollziehbare und praxisrelevante Lösungen im Finanzbereich. Durch Publikationen, akademischen Austausch und die Diskussion mit Expertinnen und Experten schlagen wir eine Brücke zwischen wissenschaftlicher Evidenz und konkreter Anwendung in Finanzinstituten.
Die Ergebnisse wurden am 10. Mai 2026 auf der von ISTES organisierten International Conference on Research in Education and Science (ICRES) vorgestellt und diskutiert. Die Resonanz war positiv. Besonders wertvoll waren Rückfragen zur Nutzung der Technologie im Arbeitsalltag sowie zur Übertragbarkeit auf weitere Geschäftsmodelle im Finanzbereich. Dieses Feedback werden wir nutzen, um unsere Forschungsrichtung zu schärfen und Einsatzfelder für kontextsensitives ESG-Microlearning zu bewerten.
Die Ergebnisse deuten darauf hin, dass Large Language Models und Natural Language Processing künftig dazu beitragen können, die Entwicklung von ESG-Kompetenzen stärker in operative Risikomanagement-Prozesse einzubetten. Damit wird ESG-Lernen nicht als isolierte Compliance-Maßnahme verstanden, sondern als Fähigkeit, die Mitarbeitende im richtigen Kontext begleitet.
Genau an dieser Schnittstelle arbeitet risiq. Wir verbinden wissenschaftliche Methodik, domänenspezifisches Risikowissen und Anforderungen aus dem Finanzsektor, um neue Wege für das ESG-Risikomanagement, das nachhaltige Banking und die digitale Entscheidungsunterstützung zu erforschen. Die Publikation liegt derzeit als Working Paper vor und erscheint Ende des Jahres.