Nach der Geburt ihres Sohnes im Jahr 2018 suchte Julia Collins nach einem Geschäftsvorhaben, das die Welt zu einem besseren Ort machen würde. Essen schien für sie der naheliegendste Ausgangspunkt zu sein.
„Ich bin mit dem Glauben aufgewachsen, dass die schönsten Momente im Leben – die Momente, in denen sich Menschen am verbundensten und offensten fühlen – die sind, in denen sie gemeinsam essen“, sagt sie. „Es erschien mir einfach sinnvoll, zu sehen, wie ich mich an der Gestaltung der Zukunft beteiligen könnte.“
Als Entwicklerin eines robotergestützten Pizza-Unternehmens – eine Rolle, die sie zur ersten schwarzen Frau machte, die ein Einhorn-Unternehmen mitbegründete – wusste sie, dass die Lebensmittel- und Getränkeindustrie dringend Hilfe im Kampf gegen den Klimawandel benötigte.
Das liegt daran, dass die Emissionen entlang der Lieferkette, die sogenannten Scope-3-Emissionen, bis zu 95 % der Gesamtemissionen großer Konsumgüterhersteller, Gastronomiebetriebe und Restaurantketten ausmachen. Nach Interviews mit fast 100 Branchenführern weltweit erfuhr Collins, dass die meisten Unternehmen zwar bestrebt waren, ihren Beitrag zur Erreichung der im Pariser Abkommen zur Begrenzung der globalen Erwärmung festgelegten Netto-Null-Ziele für 2050 zu leisten, viele jedoch Schwierigkeiten hatten, ihre Lieferketten zu dekarbonisieren. Ihnen fehlten die Instrumente, um Scope-3-Emissionen zu identifizieren, geschweige denn sie zu reduzieren.
Ein Jahr später gründete sie daher Planet FWD, ein Unternehmen, das sich zum Ziel gesetzt hat, Hersteller von Lebensmitteln, Getränken und anderen Konsumgütern zu befähigen, die Welt durch nachhaltige Praktiken zu verändern. Planet FWD ist vor Kurzem dem Start Path In Solidarity- Programm von Mastercard beigetreten, einem Förderprogramm für wachstumsstarke Startups , die an der Spitze der Technologie im Handel stehen und nach neuen Wegen suchen, um Fintech-Innovationen zu erschließen.
Die CO2-Bilanzierung in diesem Umfang ist eine gewaltige Aufgabe. Einer der Kunden von Planet FWD hat beispielsweise mehr als 350.000 Einzelprodukte im Sortiment, von denen jedes seinen eigenen Lebenszyklus hat. Dadurch verlängert sich die Liste der zu berücksichtigenden Faktoren, einschließlich Rohstoffe, Verarbeitungsmethoden und Verpackung, um ein Vielfaches. Ein Mensch bräuchte Monate, um all diese einzelnen Produktdaten zu analysieren – falls sie ihm überhaupt zur Verfügung stünden.
Planet FWD nutzt maschinelles Lernen, damit Unternehmen all ihre Daten nutzen können, um genaue Informationen über Emissionen zu erhalten und praktikable Lösungen zu entwickeln.
Und dazu sind sehr spezifische Daten erforderlich. Ein Unternehmen, das beispielsweise Müsliriegel herstellt, benötigt Informationen über jedes einzelne Haferkorn, jeden Samen, jede Nuss und jeden Tropfen Honig, der in jeden Riegel gelangt. Sie müssen auch die Herkunft der einzelnen Hafersorten kennen, da Hafer aus dem Westen der Vereinigten Staaten eine ganz andere CO2-Bilanz aufweist als Hafer aus Australien. Und jede dieser Rohstoffe wird unterschiedlich verarbeitet, verpackt und transportiert, je nachdem, woher sie kommen und wohin sie gehen. In der Vergangenheit mussten Unternehmen auf globale Durchschnittswerte für Kohlenstoffemissionen zurückgreifen, die bei weitem nicht so präzise auf die jeweiligen Bedürfnisse zugeschnitten sind.
Planet FWD bietet Technologie, um Kunden Kohlenstoffprofile der exakt verwendeten Inhaltsstoffe bereitzustellen. Ein Team aus Klima- und Datenwissenschaftlern hat eine umfangreiche Datenbank aufgebaut, Daten gekennzeichnet und trainiert sowie Algorithmen entwickelt, um Produkte einem echten, individuellen CO2-Fußabdruck zuzuordnen. Anschließend nutzen sie diese Plattform, um die Quellen von Treibhausgasen im gesamten Unternehmen zu identifizieren – sei es der Bauernhof, auf dem der Hafer angebaut wurde, oder der Kai, von dem aus er von Australien nach Europa verschifft wurde.
Sobald ein Kunde die größten Emissionsquellen identifiziert hat, bieten die Klimaforscher von Planet FWD quantifizierte und priorisierte Vorschläge zur Emissionsreduzierung an.
