Eine kritische Analyse der Vereinbarkeit zwischen Nachhaltigkeit und KI in Unternehmen = A Critical Analysis of the Alignment Between Sustainability and AI in Companies

Die zunehmende Bedeutung Künstlicher Intelligenz (KI) für die Umsetzung unternehmerischer Nachhaltigkeitsstrategien wird in Forschung und Praxis verstärkt betont. Gleichwohl kann KI die Nachhaltigkeitsziele sowohl fördern als auch behindern. Auf Basis einer systematischen Analyse peer-reviewter Fachliteratur untersucht die vorliegende Studie diese Ambivalenz, analysiert die Wirkmechanismen von KI auf die ESG (Environmental, Social, Governance)- Leistung und identifiziert Bedingungen für Zielkonflikte sowie Rebound-Effekte. Zu den identifizierten Wirkpfaden zählen Effizienz- und Substitutionsgewinne ebenso wie datengetriebene Transparenz und automatisierte Compliance. Ihnen stehen kontrastierende Pfade gegenüber, etwa Energie- und Hardwareintensität, Bias- und Datenschutzrisiken sowie organisatorische Verdrängung. Während in innovationsintensiven Sektoren tendenziell positive Effekte überwiegen, treten in daten- und modellintensiven Anwendungen erhöhte Risiken auf. Der Beitrag konsolidiert die Evidenz zu Nettoeffekten entlang von Faktoren wie Regulierung, Datenqualität sowie organisationaler Reife und entwickelt daraus das PACT-Governance-Framework mit den Dimensionen Performance, Accountability, Carbon und Transparency. Dieses bietet messbare Leitplanken für die strategische Steuerung, beispielsweise zur Emissionszuordnung, zu BiasAudits und zur Datensparsamkeit. Insgesamt zeigt die Studie, dass KI zugleich Beschleuniger und Störfaktor der nachhaltigen Transformation ist, abhängig von sektoralen und Governancebezogenen Kontexten. | The growing relevance of artificial intelligence (AI) in implementing corporate sustainability strategies is increasingly emphasised in both research and practice. However, AI can simultaneously advance and hinder sustainability objectives. Based on a systematic review of peerreviewed literature, this study examines this ambivalence by analyzing the mechanisms through which AI affects firm-level ESG (Environmental, Social, Governance) performance and by identifying conditions for goal conflicts and rebound effects. The analysis shows recurring causal pathways. These include efficiency and substitution gains as well as data-driven transparency and automated compliance, contrasted with countervailing pathways such as energy and hardware intensity, bias and data protection risks, as well as organizational displacement. While innovation-intensive sectors tend to experience predominantly positive effects, data- and model-intensive applications entail higher risks. The paper consolidates the evidence on net effects along key contextual factors such as regulation, data quality and organizational maturity and develops the PACT-Governance-Framework, consisting of the dimensions Performance, Accountability, Carbon, and Transparency. This framework provides measurable guardrails for strategic steering, for example, in assigning emissions responsibility, conducting regular bias audits and ensuring data minimisation. Overall, the study demonstrates that AI serves as both an accelerator and a disruptor of sustainable transformation, with its net impact largely determined by sectoral and governance-related contexts.