Et klimaregnskab er kun lige så godt som metoden bag. Her er hvordan vores ser ud.
ESG handler ikke om at være pæn og poleret. Det handler om at være ærlig og agere på baggrund af tingenes faktiske tilstand. Derfor er hele qlim8 bygget omkring transparens: hvor data kommer fra, hvordan den kategoriseres, hvilke emissionsfaktorer der bruges, og hvordan beregningen kommer frem til sit endelige tal. Du kan altid klikke fra et samlet CO2e-tal ned til den enkelte faktura, den enkelte måling, den enkelte beslutning.
"Virksomheder skal bære deres fejl som en rustning, ærligheden er deres skjold." - Mads Lund-Nielsen, CEO @ qlim8
1
qlim8 henter aktivitetsdata fra tre kilder: dit regnskabssystem, dit elforbrug og evt. manuelle indtastning.
Fra dit regnskabssystem, Dinero, e-conomic eller Billy, hentes alle posteringer via natlige API-kørsler. Hver postering gemmes, så vi kan tilgå alle detaljer (leverandør, beløb, dato, kontoplan, fritekst) når kategoriseringen senere skal vælges.
Fra Eloverblik, hvor vi er officiel tredjepart hos Energinet, hentes både dit elforbrug fra elnettet og din egenproduktion fra solceller, hvis du har solceller installeret. Kørslen er ugentlig på grund af begrænsninger hos Energinet, men du kan altid hente nyeste data manuelt med ét tryk i platformen. På den måde får du løbende data ind, og du har mulighed for at opdatere med nyeste data når du skal lave en rapport.
Manuelt kan du indtaste data i alle kategorier — forretningsrejser, brændstof, materialeforbrug, hvad det end måtte være. Du skriver fritekst om hvad varelinjen er, og du kan enten selv kategorisere eller lade AI'en foreslå. Uanset valget fremgår det af audit trail, hvilke beslutninger der er truffet og hvor godt den valgte kategori rent faktisk passer til den data der indtastes.
2
Hver post i klimaregnskabet skal placeres i den rigtige kategori, før den kan beregnes korrekt. qlim8 bruger en tre-niveau-struktur: hovedkategori → underkategori → specifik kategori. Vi forsøger altid at ramme det mest specifikke niveau, og falder ellers tilbage på det næstbedste. Alle valg er synlige i audit trail og gives en score der afhænger af hvor godt kategorien faktisk matcher.
Eksempel: en stiksav lander i den specifikke kategori "elektrisk håndværktøj", der ligger under "håndværktøj", der igen ligger under hovedkategorien "værktøj". Hvis vi kan vælge "elektrisk håndværktøj", bruger vi den faktor. Hvis ikke, bruger vi en gennemsnitsfaktor for "håndværktøj". Det bedste tilgængelige niveau vælges altid og det fremgår af beregningen, hvilket niveau der er brugt.
AI'en foreslår kategorisering baseret på al tilgængelig data: leverandørnavn, fakturatekst, kontoplan, beløb, dato. Hvert forslag har en indbygget score, der følger med ind i audit trail. Du kan altid overskrive forslaget - hvis du gør, registreres det også.
85% confidence grænse
Hvis AI'en ikke kan finde en kategori med en score over 85% confidence, vælges højest mulige niveau som draft, og posten dukker op under Udledninger på fanen "Til gennemgang". Her kan du frisøge i alle kategorier og placere posten manuelt.
Anti-snyd: Manuelt valg af en kategori med under 5% confidence trækkes fra i din samlede datakvalitetsscore. Det skal ikke kunne betale sig at flytte poster til kategorier der ikke matcher, for at pynte på regnskabet.
3
qlim8 har omkring 50.000 validerede emissionsfaktorer fra en kombination af danske og internationale kilder. Vi multiplicerer dem ikke kreativt med regioner eller år for at få større tal, vi tæller dem som de er, og vi vælger den rigtige til hver enkelt post.
Rangordenen følger to principper. For det første: danske kilder har forrang frem for internationale, så beregningerne afspejler en dansk kontekst før vi falder tilbage på europæiske gennemsnit. For det andet: vi følger GHG Protokollens datakvalitetshierarki — specifikke målinger og LCA-data har forrang frem for branchespecifikke gennemsnit, som har forrang frem for spend-baserede estimater. Du vil under Udledninger kunne se at alle baregninger har en farvekode, der placerer dem på denne randorden.
Inflation - tilbagediskontering af indkøb når EXIOBASE anvendes
EXIOBASE's nyeste validerede udgivelse er typisk ældre end de regnskabsposteringer der skal beregnes på. Vi løser det ved at tilbagediskontere det monetære input til EXIOBASE-udgivelsens basisår — så inflation ikke kunstigt oppuster udledningen. Vi bruger kun EXIOBASE's seneste validerede public release, aldrig betaer.
4
Selve beregningen er simpel: aktivitetsdata gange emissionsfaktor giver CO2e. Det interessante er hvilke valg vi træffer undervejs.
Vi foretrækker fysiske enheder frem for spend-baserede beregninger, hvor det er muligt. En faktura på 5.000 kr for 385 liter diesel beregnes ikke ud fra beløbet, den beregnes ud fra det antal liter der står i fakturaen, ganget med en validiteret diesel-faktor. Først når vi ikke har fysiske enheder, falder vi tilbage på spend-baserede estimater fra EXIOBASE.
Hver beregning gemmer både input, valgte faktor, kilde, kategori-niveau og resultat så du altid kan klikke fra det samlede CO2e-tal ned til den enkelte beregning og se præcis hvor tallet kommer fra.
5
Vores audit trail kan ikke slettes eller forkortes. Det er en designbeslutning. Når en kategorisering ændres, en faktor opdateres, eller en bruger retter et input, tilføjes ændringen til audit trail — den oprindelige post forbliver. Du kan altid se hvem der lavede hvad, hvornår, og ved visse valg også med hvilken begrundelse. Ved kategoriændringer efter en beregning er lavet, beder qlim8 brugeren om at indtaste en begrundelse, så ændringen ikke bare står som "rettet".
Hver audit trail får en unik hash, et langt serienummer, det er den, du ser i beregningsdetaljer-popup'en under Udledninger. Hash'en er navnet på det individuelle audit trail, ikke beregningen i sig selv. Det betyder at to identiske beregninger ikke deler hash, fordi de stammer fra forskellige posteringer med forskellig historik.
Rapporter er også immutable (uforanderlige). Når du genererer en VSME-rapport eller en PDF, fryser qlim8 et komplet snapshot af alt der indgår; input, faktorer, audit trail, datakvalitetsberegning. På den måde kan du om fem år trække rapporten frem og reproducere den 1:1. Det er det grundlæggende krav fra en revisor: kan du vise mig hvordan du nåede frem til det her tal, præcis som det stod på rapporten?
Hvad audit trail indeholder:
To formater til revisor
Audit trail kan eksporteres som komplet CSV-oversigt over alle posteringer. Når du genererer en PDF-rapport (ikke VSME, der er Excel-formatet det officielle), ligger audit trail som et pænere bilag bagest i rapporten, inklusive nøgletal på bilagets integritet og en oversigt over poster der stikker ud fra normalen. Det letter revisorens opgave markant.
"Det er det grundlæggende krav fra en revisor: kan du vise mig hvordan du nåede frem til det her tal."
6
Vi viser en datakvalitetsscore øverst på dit dashboard og på forsiden af hver PDF-rapport. Den er ikke et marketingstunt. Den er en konkret, vægtet beregning af hvor god din underliggende data er. Forhåbentligt forbedrer den sig over tid.
Hver emissionspost får point baseret på hvilken type data der ligger bag:
Den samlede datakvalitetsscore er et vægtet gennemsnit baseret på din virksomheds samlede udledning. En post på 100 ton CO2e med 3 point vejer mere end en post på 1 ton CO2e med 5 point. Det betyder, at scoren afspejler dataens kvalitet der hvor det betyder noget.
Du ser scoren direkte på dashboardet, og du ser den på forsiden af enhver custom PDF-rapport. Vi skjuler den ikke. Den er en del af det at være ærlig, og over tid er det den der peger din virksomhed mod bedre datapraksis, fordi du kan se hvor du kan blive bedre.
7
qlim8's metodologi er bygget oven på de internationale standarder for drivhusgasrapportering:
Hvad vi ikke har - endnu
qlim8's metodologi er ikke formelt tredjepartscertificeret. Hvis det er et must-have for din organisation, kontakt os - vi er på vej.
8
Emissionsfaktorer ændrer sig. El-mixet bliver grønnere, nye EPD'er udgives, Klimakompasset opdateres årligt med revision af faktorer. qlim8 følger disse opdateringer og bruger altid den nyeste validerede version af hver kilde.
Vi genberegner ikke historiske beregninger bagudrettet, når en faktor opdateres. Det er et bevidst valg: en ny faktor afspejler at den virkelige verden har ændret sig, ikke at den gamle beregning var forkert. Hvis vi rettede historikken hver gang en faktor blev opdateret, ville du aldrig have et sammenligneligt baseline-år, og dine reduktionsmål ville flytte sig under fødderne på dig.
Hver beregning gemmer derfor versionsnummeret på den faktor der blev brugt, sådan at du om to år stadig kan se præcis hvilken Klimakompas-version din 2024-baseline byggede på.
9
Det er lige så vigtigt at fortælle hvad vi ikke gør, som hvad vi gør. Vi vil ikke have at du ender med et klimaregnskab du tror er noget andet, end det er.
Hvis du eller din revisor har konkrete spørgsmål til hvordan en beregning kommer i stand, er vi tilgængelige. Ærlig dialog om metoden er en del af det at have en sporbar platform.