Teil 2:
Mehr glaubwürdige Nachhaltigkeitsinformationen im Online-Handel integrieren und sichtbar machen
Technische Integration von Siegelinformationen im Online-Handel
Ein klarer Vorteil von Siegeln ist ihre Zertifizierung durch unabhängige Dritte. Jedoch sorgen Siegel aufgrund ihrer großen Anzahl bei Verbraucher:innen häufig für Verwirrung, da nicht klar zu erkennen ist, was sich hinter einzelnen Standards verbirgt. Daher stellt sich die Frage, wie Online-Händler an weitere relevante und glaubwürdige Nachhaltigkeitsinformationen über ihre Produkte gelangen und diese effizient in ihrem Webauftritt einbinden können.
Welche Informationen wünschen sich Verbraucher:innen?
Die Nachhaltigkeit eines Kleidungsstücks lässt sich anhand einer Vielzahl von unterschiedlichen Dimensionen bewerten, von den CO2-Emissionen und dem Wasserfußabdruck der Produktion über Gebäudesicherheit bis hin zur Entlohnung der Arbeiter*innen in der Wertschöpfungskette. Im Detail betrachtet wird die Frage nach der Nachhaltigkeit von Kleidung hochkomplex und damit letztlich für Verbraucher:innen bei der Kaufentscheidung kaum noch handhabbar. Nichtsdestotrotz wächst bei Verbraucher:innen der Wunsch, das Thema Nachhaltigkeit zu berücksichtigen. Daher haben wir uns die Frage gestellt, welche Nachhaltigkeitsthemen für Verbraucher:innen die größte Relevanz haben und wie diese am besten dargestellt werden können. Diese Frage erörtern wir in diesem Kapitel aus inhaltlicher Perspektive, Kapitel 3 baut darauf auf und setzt sich mit der Frage auseinander, wie Nachhaltigkeitsinformationen und -inhalte kommuniziert und dargestellt werden können, um einen nachhaltigen Konsum von Endverbraucher:innen zu ermöglichen und zu fördern.
Um zu erheben, welche Produkteigenschaften für die Kaufentscheidung von Verbraucher:innen besonders relevant sind und wie diese am besten dargestellt werden sollten, haben wir vom 30. Januar bis zum 6. Februar 2023 eine Umfrage mit 1873 Teilnehmenden durchgeführt. Die Umfrage ist repräsentativ für Alter, Geschlecht und Region in Deutschland. Insgesamt wurden zwölf soziale und acht ökologische Nachhaltigkeitskriterien sowie acht sonstige Produkteigenschaften abgefragt. Die Befragten haben die fünf wichtigsten Kriterien für ihre Kaufentscheidung ausgewählt und anschließend gerankt.
Die folgenden beiden Abbildungen zeigen, welche Eigenschaften die Befragten als am wichtigsten für ihre Kaufentscheidung einschätzen. Abbildung 1 zeigt das Gesamtergebnis der wichtigsten Eigenschaften, einschließlich nicht nachhaltigkeitsrelevanter Produkteigenschaften. Abbildung 2 zeigt nur die am wichtigsten bewerteten nachhaltigkeitsrelevanten Eigenschaften. Die Ergebnisse der Befragung zeigen, dass neben klassischen Produkteigenschaften wie Preis, Material und Schnitt vor allem Informationen über die sozialen Herstellungsbedingungen auf großes Interesse stoßen. Themen, die stark emotional aufgeladen sind, wie beispielsweise der Umgang mit Kinder- oder Zwangsarbeit, werden als besonders relevant eingeschätzt. Im ökologischen Bereich haben besonders diejenigen Eigenschaften eine hohe Kaufrelevanz, die Verbraucher:innen direkt betreffen, wie beispielsweise die Langlebigkeit eines Kleidungsstücks sowie die Verwendung von Chemikalien in der Produktion. Indikatoren, die zwar in der Umweltbewertung eine große Rolle spielen, aber keinen direkten Bezug zu Verbraucher:innen aufweisen, wie beispielsweise Treibhausgasemissionen oder der Wasserfußabdruck eines Kleidungsstücks, spielen laut Umfrage eine deutlich kleinere Rolle bei der Kaufentscheidung. Wenig überraschend bewerten Befragte mit stärkerem Umweltbewusstsein Nachhaltigkeitskriterien als signifikant relevanter für ihre Kaufentscheidung.
1 Alle Dimensionen bis auf die Langlebigkeit des Kleidungsstücks beziehen sich auf die Bedingungen in der Wertschöpfungskette. ‚Sichere Arbeitsbedingungen‘ umfasst schriftliche Arbeitsverträge, angemessene Unterkünfte und Verbot von Missbrauch und Belästigung am Arbeitsplatz.
Darüber hinaus gibt die Umfrage Hinweise auf die Relevanz von Informationen zu negativen Eigenschaften von Kleidungsstücken, wie beispielsweise ein besonders hoher Wasserverbrauch oder besonders schlechte Arbeitsbedingungen. In diesem Kontext gaben 66% der Befragten an, dass Informationen zu negativen Eigenschaften von Kleidungsstücken für ihre Kaufentscheidung wichtig sind (Abbildung 3).
Wie viel wollen Verbraucher:innen über Nachhaltigkeitsthemen wissen?
Um diese Frage zu adressieren, haben wir die Teilnehmenden der Umfrage zur Wirkung vier unterschiedlicher Informationstiefen befragt, sowohl im Kontext sozialer als auch ökologischer Themen. Die Informationstiefe beschreibt, in welchem Detailgrad Informationen zur sozialen oder ökologischen Nachhaltigkeit dargestellt werden. Tabelle 1 zeigt ein Beispiel, in dem es um Kinderarbeit geht und die Maßnahmen eines Herstellers mit mittlerem Nachhaltigkeitsniveau beschrieben werden.
Alle in der Umfrage vorgeschlagenen Texte wurden unabhängig von der Informationstiefe mehrheitlich als gut verständlich und hilfreich bewertet. Gewünscht wird eine Informationsmenge im mittleren Bereich, zwischen Informationstiefe 2 und 3 (siehe Tabelle 1). Das entspricht maximal 2-4 Sätzen pro Eigenschaft: 1-2 Sätze, um die Bewertung des Unternehmens zu beschreiben und gegebenenfalls 1-2 Sätze, die die bewertete Eigenschaft erklären. Dieses Ergebnis trifft auf alle abgefragten Beispielthemen zu (Kinderarbeit, existenzsichernde Löhne, Umgang mit Chemikalien und Wasserfußabdruck). Als Fazit gilt somit: gewünscht ist nicht zu viel, aber auch nicht zu wenig Information.
Spannend mit Blick auf die soziodemographischen Merkmale der Befragten ist die Tatsache, dass weder Einkommen, Bildungsniveau noch die persönlichen Umwelteinstellungen einen signifikanten Unterschied beim bevorzugten Informationsgrad verursachen. Für die Praxis bedeutet das, dass laut unserer Befragung die gleiche Menge an Informationen unabhängig von diesen Kundenmerkmalen in Bezug auf die vier Beispielthemen angemessen ist.
Welche technischen Möglichkeiten haben wir in ZuSiNa erprobt?
Neben der Frage, welche Informationen Verbraucher:innen sich wünschen, stellte sich für unser Projekt auch die Frage, wie diese von Seiten der Online-Shops, Vergleichsportale und Suchmaschinen technisch bereitgestellt werden können. Im Idealfall könnten diese relevante und glaubwürdige Nachhaltigkeitsinformationen zu Textilien, die bereits in nutzbarer Form aufbereitet wurden, automatisiert in ihre IT-Systeme und Webseiten einbinden. Es bietet sich an, dafür KI-basierte Methoden zu nutzen, weil es sich hier um große Datenmengen handelt. Eine KI-Anwendung könnte die Informationen aus unstrukturierten Textdokumenten extrahieren und analysieren. Ziel ist dabei ein effizienter Workflow für die Integration von Nachhaltigkeitsinformationen. Im Rahmen von ZuSiNa haben wir diese technische Möglichkeit erprobt und in Form eines Prototyps entwickelt.
Um ein KI-Modell zu trainieren, sind ausreichende Datenmengen von entscheidender Bedeutung. Der Fokus liegt explizit auf Informationen jenseits von Nachhaltigkeitssiegeln, nichtsdestotrotz sollten die verwendeten Daten ein hohes Maß an Glaubwürdigkeit beinhalten. Um diese zu gewährleisten, wurden als Datenbasis für das Training des KI-Tools folgende Daten ausgewählt:
- Berichte von fünf anerkannten NGOs aus dem Textilsektor (Clean Clothes Campaign, SOMO, Asia Floor Wage Alliance, Global Labour Justice und Labour Behind the Label)
- über 3000 Abstracts und über 750 Volltexte von wissenschaftlichen (peer-review) Veröffentlichungen.2
Im Bereich der natürlichen Sprachverarbeitung (NLP) existieren zahlreiche relevante Methoden, darunter Informationsextraktion, Textgenerierung und Klassifikation. Da das Thema Nachhaltigkeit eines ist, in dem Glaubwürdigkeit eine zentrale Bedeutung hat, ist es wichtig, dass das KI-Tool keine Falschinformationen generiert. Da Generierungsmethoden ein Risiko für die Erzeugung von „False Facts“ bergen, haben wir sie ausgeschlossen. Aufgrund der begrenzten Datenlage haben wir uns dafür entschieden, mithilfe des KI-Tools Markennamen in Texten zu identifizieren (Extraktion von Entitäten auf Markenebene) und Texte nach thematischen Kategorien klassifizieren zu lassen. Zur Auswertung der Texte haben wir Klassen definiert, beispielsweise nach Nachhaltigkeitsthemen (wie „Löhne und Gehälter“) oder nach Marken. Auf Grundlage dieser Arbeiten könnte in zukünftigen Projekten auch versucht werden, vorgefertigte Vorlagen als Klassen zu definieren und die Texte diesen Vorlagen zuzuordnen. Zum Beispiel könnte ein Abschnitt über den hohen CO2-Fußabdruck einer Marke der Klasse „Diese Marke zeigt wenig Engagement für die Reduzierung ihres CO2-Verbrauchs“ zugeordnet werden.
Um die Daten besser zu verstehen, wurden die extrahierten Texte analysiert. Die Wortwolke in Abbildung 4 zeigt die häufigsten Nominalphrasen im Text. Je größer die Wörter geschrieben sind, desto häufiger treten sie auf. Die Wortwolke zeigt, dass die extrahierten Texte für die Nachhaltigkeit in der Textilindustrie relevant sind, weil sie thematisch passende Schlagwörter, wie zum Beispiel “human rights”, “textile industry” oder “environmental impacts” enthalten.
2 Es ist wichtig zu beachten, dass eine Voreingenommenheit in den Daten für bekannte Marken besteht, was bedeutet, dass es nur wenige Textbeispiele für kleinere Marken gibt.
Als weitere Datenquellen haben Fachexpertinnen aus dem Projektteam zwei Schlagwortlisten erstellt. Die erste Liste enthält relevante Textilmarken. Das Balkendiagramm in Abbildung 5 zeigt die Häufigkeit der Top 30 Marken in den Texten.
Die zweite Liste enthält nachhaltigkeitsbezogene Themen und entsprechende Schlagwörter. Abbildung 6 zeigt alle Schlagwörter sortiert nach den entsprechenden Themenfeldern im Bereich Nachhaltigkeit von Textilien. Beide Listen wurden zur Unterstützung des KI-Algorithmus genutzt.
Algorithmus zur Extraktion und Kategorisierung von Nachhaltigkeitsinformationen
Kurz beschrieben funktioniert das KI-gestützte Tool wie folgt: Für ein bestimmtes Produkt wird in der Datenbank aus glaubwürdigen Quellen nach Nachhaltigkeitsinformationen zu der entsprechenden Marke gesucht. Das Tool gibt die Nachhaltigkeitsinformationen, die für die Marke gefunden wurden, zurück, so dass sie mit dem Produkt auf der Webseite angezeigt werden können. Im nächsten Schritt kann noch über eine geeignete Darstellung dieser Informationen nachgedacht werden (siehe Teil 3).
Abbildung 7 zeigt schematisch auf, wie ein textbasierter Algorithmus für die Extraktion von Nachhaltigkeitsinformationen funktioniert.
Ganz konkret wurde im Projekt basierend auf den Textdaten ein Prototyp des KI-Tools entwickelt, der Textpassagen den vordefinierten Klassen zuordnet und es ermöglicht, nach Marken oder anderen Schlagworten in den Texten zu suchen. Für die Textklassifikation wurden alle Texte in drei-Sätze-Fenster aufgeteilt. Ein Teil dieser Textpassagen wurde von Fachexpertinnen gelabelt. Als Label oder Klassen wurden die nachhaltigkeitsbezogenen Themenfelder der Schlagwortliste (siehe Abb.6) genutzt. Im Anschluss haben wir einen Textklassifikator auf den gelabelten Daten trainiert und auf alle Textpassagen angewandt. Dabei war es auch möglich, dass eine Textpassage keiner Klasse angehörte und nicht weiter berücksichtigt wurde. Für die Suche der Schlagworte wurde eine Volltextsuche realisiert, die nur Textpassagen zurückgibt, die den entsprechenden Suchtext, beispielsweise einen Markennamen, enthalten. Abbildungen 8 und 9 im nächsten Abschnitt zeigen das Interface des entwickelten Prototyps des KI-Tools.
Tool für die vereinfachte Darstellung der Klassifikation von Textpassagen
Im ersten Fenster des Tools (Abbildung 8) können die Nutzer:innen entscheiden, welche Daten berücksichtigt werden sollen. Im nächsten Fenster (Abbildung 9) wird dann das Ergebnis der Textklassifikation mit Bezug auf die gesuchte Marke als Tortendiagramm dargestellt. Wenn man auf ein Tortenstück klickt, werden nur Textpassagen angezeigt, die der entsprechenden Klasse angehören. Zusätzlich kann nach einem Schlagwort gesucht werden, woraufhin nur Textpassagen in der selektierten Klasse, die das Schlagwort enthalten, angezeigt werden.
Das Tool kann dafür genutzt werden, die Suche nach glaubwürdigen, unabhängigen Quellen für eine bestimmte Marke in einem bestimmten Themenfeld zu vereinfachen. So könnten Content Manager:innen der Online-Shops die Inhalte ihrer Webseiten füllen oder Kund:innen sich über die Nachhaltigkeit einer Marke informieren. Darüber hinaus können basierend auf den Textpassagen weitere KI-Methoden entwickelt werden, die zum Beispiel vorgefertigte Vorlagen prädiktieren oder generieren. Dafür werden allerdings mehr Daten benötigt.
Für Interessierte oder Entwickler:innen haben wir ein Tutorial erstellt, das im Detail erklärt, wie das Tool entwickelt wurde:
Welche aktuellen Herausforderungen
ergeben sich?
Die Arbeiten, die in diesem Kapitel beschrieben sind, sind experimenteller Natur. Das Ziel war nicht, eine finale Lösung zu erarbeiten, sondern eher – insbesondere mit Blick auf das KI-Tool – auszuprobieren, was derzeit möglich ist und wo aktuell noch die Grenzen der Machbarkeit liegen. In diesem Sinne sind wir selbstverständlich auch auf Herausforderungen gestoßen, die in zukünftigen Arbeiten rund um die hier beschriebenen Themen Berücksichtigung finden müssen.
Die ersten beiden Herausforderungen, die eng miteinander verknüpft sind, betreffen die Verfügbarkeit von Daten und deren Glaubwürdigkeit. In diesem Teil des Projekts ging es explizit darum, Nachhaltigkeitsinformationen jenseits von Siegeln durch eine Integration am online „point of sale“ sichtbarer zu machen. Durch die Nutzung von Quellen von, aus unserer Sicht, glaubwürdigen NGOs sowie begutachteten wissenschaftlichen Veröffentlichungen haben wir versucht, die Glaubwürdigkeit unserer Daten zu gewährleisten. Trotzdem ist es damit nicht möglich, die sehr hohen Standards zu erfüllen, die im Online-Handel eine Nachweisführung durch die Zertifizierung durch unabhängige Dritte voraussetzen. Diese Standards sollen hiermit nicht in Frage gestellt werden, sie sind gut begründet und nachvollziehbar. Jedoch ist es mit dieser Prämisse aktuell unmöglich, Informationen, die über die Zertifizierung durch Standardorganisationen hinausgehen, am „point of sale“ anzuzeigen. Für das KI-Tool bedeutet das, dass es aktuell in der Praxis nicht zur Anzeige von Nachhaltigkeitsinformationen durch Online-Shops, Vergleichsplattformen und Suchplattformen genutzt werden kann. Stattdessen wird im Projekt aktuell daran gearbeitet, das Tool so aufzubereiten, dass es eine hilfreiche Quelle für interessierte Verbraucher:innen darstellt, die jedoch nicht an einen konkreten Online-Shop gekoppelt ist.
Unabhängig davon, wer die anvisierten Nutzer:innen des KI-Tools sind, müssen die Informationen im Tool noch weiter aufbereitet werden. Dies ist die dritte Herausforderung: Aktuell ist es möglich, relevante Textpassagen zu bestimmten Nachhaltigkeitsthemen und Marken aus den Texten anzeigen zu lassen. Jedoch ist es noch nicht möglich, die Texte als Quelle für das automatisierte Ausfüllen von vorgefertigten Vorlagen zu nutzen, wofür noch deutlich mehr Trainingsdaten pro vorgefertigte Vorlage nötig wären. Außerdem müssten diese Vorlagen entwickelt werden und ausreichend viele Sätze gelabelt, also einer bestimmten Vorlage zugeordnet, werden.
Welche Handlungsempfehlungen für die Politik können abgeleitet werden?
Aus den hier beschriebenen Ergebnissen ergeben sich klare Handlungsempfehlungen, vor allem mit Blick auf die Politik. Soziale Nachhaltigkeitsthemen sind für Verbraucher:innen von hoher Bedeutung und sollten auch in politischen Aktivitäten stärker mitgedacht werden. Das bedeutet unter anderem, dass der geplante „Digital Product Passport“ neben Umwelt-bezogenen Nachhaltigkeitsinformationen auch Aussagen zu sozialen Nachhaltigkeitsthemen enthalten sollte. Auch mit Blick auf die neue EU Green Claims Richtlinie müssen soziale Aussagen mitberücksichtigt werden und nicht nur, wie aktuell geplant, ökologische Claims. Andernfalls droht vor dem Hintergrund der nun eingeschränkten Umweltaussagen ein vermehrtes „socialwashing“: Die irreführende Werbung eines Unternehmens mit Aussagen zu besonders sozialverträglichen Verhaltensweisen, denen in der Praxis die notwendige Grundlage fehlt.
Darüber hinaus darf die Verantwortung für nachhaltigen Konsum nicht auf Kund:innen abgewälzt werden, ihr Hebel für Veränderungen ist viel zu gering. Um die Nachhaltigkeit der Branche voranzutreiben, brauchen Unternehmen im Textilsektor branchenweite, einheitliche Lösungen mit Blick auf Nachhaltigkeitsanforderungen, damit eine Vergleichbarkeit zwischen Produkten und Anbietern hergestellt werden kann. Diese Lösungen müssen maßgeblich von der Politik herbeigeführt und unterstützt werden. Relevante Fragen für diesen Prozess beinhalten:
- Welche nachhaltigkeitsbezogenen Inhalte sollten zukünftig jeweils von Marken und Händlern verpflichtend kommuniziert werden?
- Welche Nachweisführung ist als Grundlage akzeptabel und wie kann diese, auch jenseits von Siegeln, besser ermöglicht werden?
- Wie kann die Verfügbarkeit von nachhaltigkeitsbezogenen Daten erhöht werden?
