Anforderungen der unternehmerischen Sorgfaltspflicht in Supply Chains:Welchen Beitrag können Blockchain-Anwendungen leisten?
Notice bibliographique
Résumé
Die kürzlich von der Europäischen Union (EU) entworfene Richtlinie der unternehmerischen Sorgfaltspflicht wird, sofern verabschiedet, in der EU tätige Unternehmen für die Einhaltung von Sozial- und Umweltstandards in ihren Supply Chain Netzwerken verantwortlich machen. Aufbauend auf den Anforderungen an die unternehmerische Sorgfaltspflicht für soziale und ökologische Auswirkungen entlang der Supply Chain bietet der Gesetzesentwurf eine Rechtsgrundlage für Klagen wegen Fehlverhaltens, auch in vorgelagerten Produktionsschritten in Drittländern. Die Richtlinie verpflichtet große Unternehmen über festgestellte Risiken der Beschaffungs- und Produktionsbedingungen sowie damit verbundene negative externe Effekte zu berichten und Maßnahmen zur Risikominimierung zu treffen. Kleine und mittlere Unternehmen (KMU) tragen etwa ein Drittel des Gesamtumsatzes in der EU bei und bilden einen wesentlichen Teil der Unternehmenslandschaft. Aufgrund ihrer relativen Größe müssen sich KMU häufig an Berichterstattungssysteme halten, die von ihren „größeren“ Supply Chain Partner*innen verlangt werden. Dies erweist sich als besonders schwierig, wenn Unternehmen an mehreren Supply Chains beteiligt sind. Der Beitrag untersucht ob die verfügbaren Standardisierungen von technologischen Lösungen ausreichend sind. In diesem Zusammenhang wird die Blockchain Technologie beleuchtet, die durch Transparenz, dezentralen Datenaustausch und Nachvollziehbarkeit aller vorherigen Einträge, Informationen über die gesamte Wertschöpfungskette sammelt. Vorteile der Technologie beinhalten außerdem die Tokenisierung, die neue Wege des Wertaustauschs und Incentivierung für Verhaltensänderung ermöglicht. Dadurch kann die Technologie einen wertvollen Beitrag zur Nachweiserfüllung der unternehmerischen Sorgfaltspflicht leisten.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».