Scope3Trace: Evidence-Based Identification and Extraction of Scope 3 GHG Emissions from Sustainability Reports
Het artikel introduceert Scope3Trace, een op bewijsvoering gebaseerd framework dat documentverwerking, door LLM ondersteunde lokalisatie en hybride regel-LLM extractie combineert om betrouwbaar en transparant Scope 3 broeikasgasemissies te identificeren en te extraheren uit heterogene duurzaamheidsrapportages, vergezeld van een nieuwe dual-level multimodale dataset.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een gigantische, wereldwijde puzzel probeert op te lossen: precies uitzoeken hoeveel koolstofvervuiling elk individueel bedrijf op aarde is verantwoordelijk voor. Dit gaat niet alleen over de rook die uit hun eigen schoorstenen komt; het gaat over de onzichtbare wolk van vervuiling die ontstaat door alles wat ze kopen, verkopen en verzenden. In de wereld van de klimaatwetenschap wordt deze enorme wolk "Scope 3"-emissies genoemd. Denk aan Scope 1 en 2 als de rook die je direct voor je kunt zien—zoals de eigen schoorsteen van een fabriek of de elektriciteitsrekening voor de verlichting. Maar Scope 3 is de "geest in de machine". Het is de vervuiling van het staal dat wordt gebruikt om de fabriek te bouwen, de vrachtwagens die de producten leveren, en zelfs het afval dat klanten weggooien.
Het probleem is dat, hoewel bedrijven steeds beter worden in het rapporteren van hun eigen rook, ze verschrikkelijk zijn in het rapporteren van deze spookachtige Scope 3-wolk. Hun rapporten zijn slordig, verspreid over duizenden verschillende PDF-documenten, geschreven in verwarrende taal en vaak verborgen in complexe tabellen. Het is alsof je een specifieke naald probeert te vinden in een hooiberg gemaakt van andere hooibergen, waarbij de naalden gemaakt zijn van onzichtbare inkt. Wetenschappers en toezichthouders geven hier diep om, omdat je een probleem niet kunt oplossen als je het niet nauwkeurig kunt meten. Als we deze verborgen emissies niet kunnen volgen, kunnen we niet weten of bedrijven echt helpen aan het klimaat of dat ze het alleen maar veinzen.
Maak kennis met Scope3Trace, een nieuw digitaal detective-team dat is ontworpen om deze verborgen cijfers op te sporen. De onderzoekers bouwden een slim systeem dat werkt als een superkrachtige bibliothecaris gecombineerd met een forensisch accountant. In plaats van een team mensen in te huren om miljoenen pagina's te lezen (wat een eeuwigheid zou duren en een fortuin zou kosten), creëerden ze een geautomatiseerde pijplijn die kunstmatige intelligentie (AI) gebruikt om het zware werk te doen. Maar hier is het slimme deel: ze lieten de AI niet zomaar gokken. Ze bouwden een "regelgebaseerd" vangnet. De AI leest het document, vindt de cijfers, en vervolgens controleert een reeks strikte regels de berekeningen en de context om er zeker van te zijn dat de AI niet in de war is geraakt.
Het systeem werkt in drie hoofdfasen, als een goed geoliede machine. Eerst pakt het de PDF-rapporten en zet ze om in leesbare tekst, zelfs als het om gescande afbeeldingen gaat. Ten tweede gebruikt het een slimme AI om de exacte pagina's en tabellen te vinden waar de emissies worden vermeld, waarbij de saaie franje wordt genegeerd. Derde reconstrueert het de rommelige tabellen en haalt het de specifieke cijfers voor Scope 1, 2 en 3 eruit. Cruciaal is dat voor elk geëxtraheerd cijfer het systeem een "bon" pakt: een klein fragment van de originele tekst die bewijst waar dat cijfer vandaan kwam. Dit betekent dat je een cijfer altijd terug kunt leiden naar de bron, net zoals het controleren van een bonnetje in een winkel.
De resultaten zijn indrukwekkend. Wanneer de onderzoekers hun systeem testten tegenover een "gouden standaard" set gegevens die mensen zorgvuldig hadden gecontroleerd, kreeg Scope3Trace bijna elke keer gelijk, met een bijna perfecte score van 0,99 uit 1,0 op nauwkeurigheid. Dit is aanzienlijk beter dan het gebruik van alleen een rauw AI-model of eenvoudige regelgebaseerde tools alleen. Het team heeft dit systeem ook gebruikt om een enorme nieuwe dataset op te bouwen genaamd Scope3Trace, die meer dan 54.000 records bevat van gebouwniveau-data en organisatie-niveau rapporten uit landen zoals Australië en verspreid over Europa. Ze ontdekten dat hoewel bedrijven hun totale emissies rapporteren, ze dit zelden uitsplitsen naar specifiek gebouw. Sterker nog, slechts ongeveer 3% van de gebouwniveau-data in hun nieuwe dataset werd direct gerapporteerd door de bedrijven; de rest moest zorgvuldig worden geschat met behulp van publieke energiegegevens en slimme wiskunde, maar het systeem hield bij welke cijfers "gerapporteerd" waren en welke "geschat", zodat niemand in de war raakt.
De paper testte ook of deze nieuwe data gebruikt kon worden om toekomstige emissies te voorspellen. Ze voedden de data in een model dat naar gebouwdetails en zelfs satellietfoto's van de gebouwen keek. Het model leerde dat het combineren van de tekstuele data met satellietbeelden de beste voorspellingen gaf, wat suggereert dat wat een gebouw vanuit de ruimte laat zien, aanwijzingen bevat over hoeveel vervuiling het produceert. De auteurs merken echter voorzichtig op dat dit geen toverstaf is. Het systeem werkt het beste waar publieke data beschikbaar is (zoals in Australië en delen van Europa) en worstelt waar data ontbreekt. Ze stellen expliciet dat hun schattingen geen vervanging zijn voor officiële, geauditeerde rapporten, maar een transparante manier om de gaten op te vullen zodat we het grotere plaatje kunnen zien.
Kortom, Scope3Trace lost het mysterie van bedrijfsvervuiling niet van de ene op de andere dag op, maar het biedt de beste kaart die we ooit hebben gehad om door de mist te navigeren. Het bewijst dat door slimme AI te combineren met strikte regels en duidelijk bewijs, we een chaotische berg PDF's kunnen veranderen in een heldere, betrouwbare dataset. Dit stelt onderzoekers, investeerders en beleidsmakers in staat om eindelijk de "geest" van Scope 3-emissies te zien, te begrijpen waar ze vandaan komen, en beslissingen te gaan nemen op basis van echt bewijs in plaats van giswerk.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.