Wie KI das Finanzwesen verändert

1. Finanzprognose und -planung

KI verändert den Finanzprognose- und -planungsprozess durch prädiktive Analysen. Die prädiktive Analyse ist eine Art der Datenanalyse, die in Unternehmen eingesetzt wird, um Trends, Korrelationen und Kausalitäten zu ermitteln. Sie nutzt Daten, statistische Algorithmen und maschinelles Lernen, um zukünftige Ergebnisse auf der Grundlage der Analyse historischer Daten und bestehender Trends vorherzusagen.

Mithilfe der prädiktiven Analyse können Finanzteams künftige Cashflows anhand historischer Unternehmensdaten sowie von Daten aus der gesamten Branche prognostizieren. Während herkömmliche Finanzprognosen manuell angepasst werden müssen, wenn sich die Umstände ändern, können KI-gesteuerte Prognosen auf der Grundlage neuer Daten neu kalibriert werden. Dadurch bleiben Prognosen sowie Pläne relevant und genau. GenAI kann sogar automatisch kontextbezogene Kommentare erstellen, um die von Vorhersagemodellen erstellten Prognosen zu erläutern und die Schlüsselfaktoren für die Vorhersage hervorzuheben.

2. Einhaltung von Vorschriften

Mit der zunehmenden Komplexität der Einhaltung von Vorschriften auf der ganzen Welt sind die Kosten und der Ressourcenaufwand für das Reporting in den letzten Jahren sprunghaft angestiegen. Unternehmen investieren viel Zeit und Ressourcen in die Erfüllung dieser Anforderungen. KI kann einen Teil des Arbeitsaufwands übernehmen, indem sie die Überwachung der Einhaltung von Vorschriften, die Verwaltung von Prüfprotokollen und die Erstellung von Berichten über gesetzliche Vorschriften automatisiert.

Eine besonders wertvolle Technologie für die Einhaltung von Vorschriften ist Natural Language Processing (NLP). NLP ist ein Bereich der KI, der es Computern ermöglicht, menschliche Sprache zu verstehen und zu erzeugen. NLP ist in der Lage, große Mengen von Textdaten schnell zu analysieren und Rohtext bzw. Sprache in aussagekräftige Erkenntnisse umzuwandeln. Es kann umfangreiche Dokumente, Verträge, Richtlinien und andere Textquellen analysieren, um wichtige Informationen, relevante Änderungen und potenzielle Compliance-Risiken zu ermitteln. Darüber hinaus kann NLP auch die Dokumentenverwaltung erleichtern, indem es Dokumente automatisch nach vorher festgelegten Kriterien klassifiziert.

3. Cashflow-Optimierung

Ein effektives Cashflow-Management steht immer ganz oben auf der Prioritätenliste von CFOs und ihren Teams, und KI erweist sich als wertvolles Instrument zur Cashflow-Optimierung. Aufgrund der großen Datenmengen, die erforderlich sind, benötigen die meisten Finanzexperten mehr als einen Tag, um sich einen konsolidierten Überblick über ihre Barmittel und Liquidität zu verschaffen. Und selbst dann können die Prognosen Fehler enthalten und schnell überholt sein.

Mithilfe von prädiktiven Analysen und maschinellem Lernen können Unternehmen automatisch Daten aus allen relevanten Quellen – historischen und aktuellen – zusammentragen, um kontinuierlich zukünftige Cashflows vorherzusagen. Darüber hinaus können Unternehmen durch schnellere und genauere Cashflow-Prognosen proaktiv handeln und somit ein gesundes Liquiditätsniveau aufrechterhalten. Wenn beispielsweise überschüssige Barmittel vorhanden sind, können sie Rabatte für vorzeitige Zahlungen bei Lieferanten nutzen oder Bereiche identifizieren, in die das Unternehmen reinvestieren soll. Und bei Liquiditätsengpässen können sie die Kreditpositionen neu bewerten oder Devisentransfers zwischen Tochtergesellschaften veranlassen. Außerdem könnten Finanzteams KI zur Optimierung des Betriebskapitals einsetzen, indem sie die richtigen Anreize für frühzeitige Zahlungen an ausgewählte Lieferanten auf der Grundlage von Marktbedingungen, Zahlungsverhalten und anderen Faktoren setzen.

4. Spesenmanagement

Das Spesenmanagement kann schnell zu einer Quelle der Frustration werden. Für die Mitarbeiter ist die Einhaltung der Spesenrichtlinien durch manuelles Erfassen von Belegen, Ausfüllen von Formularen und Einreichen von Spesenabrechnungen mühsam und fehleranfällig. Außerdem können die Finanzteams nicht jede Ausgabe manuell überprüfen, um sicherzustellen, dass alle Ausgaben den Vorschriften entsprechen. KI ist ein wirksames Mittel, um das Spesenmanagement zu beschleunigen und einen Teil der Komplexität zu beseitigen. So kann beispielsweise die optische Zeichenerkennung (OCR) – eine Form der KI, die handgeschriebenen, gedruckten oder abgebildeten Text scannen, die relevanten Informationen extrahieren und digitalisieren kann – bei der Verarbeitung von Belegen und der Spesenerfassung helfen. OCR scannt hochgeladene Belege und Rechnungen, um die Felder der Spesenabrechnung automatisch auszufüllen, z. B. den Namen des Händlers, das Datum und den Gesamtbetrag.

Die Rolle der künstlichen Intelligenz im Spesenmanagement ist damit jedoch noch nicht beendet. Unternehmen können KI auch nutzen, um Genehmigungsworkflows zu automatisieren und nur die Ausgaben zu markieren, die vom Finanzteam auf der Grundlage vorher festgelegter Regeln geprüft werden müssen, und so eine Kultur der „Verwaltung nach Ausnahmeregeln“ fördern. KI-gestützte Assistenten werden ebenfalls immer häufiger für die Spesenabrechnung eingesetzt. Sie helfen den Mitarbeitern, indem sie die Ausgaben automatisch kategorisieren, die erforderlichen Dokumente für jede Ausgabe ausfüllen bzw. einreichen und bei der Einhaltung der Unternehmensrichtlinien unterstützen.

5. Aufgabenautomatisierung

Eine der am weitesten verbreiteten und wohl auch wirkungsvollsten Funktionen der KI ist die Automatisierung von Aufgaben. KI kann dabei helfen, zahlreiche manuelle, zeitaufwendige Finanzprozesse zu automatisieren, die früher das Finanzteam überlasteten, einschließlich der folgenden:

• Dateneingabe: Extrahieren und Eingeben relevanter Informationen aus Auszügen, Rechnungen, Belegen und anderen Finanzdokumenten in das System eines Unternehmens.
• Erfassung und Verarbeitung von Rechnungen: Scannt, liest und digitalisiert Papierrechnungen.
• Abgleich und Überprüfung: Automatischer Vergleich und Abgleich von Rechnungen mit entsprechenden Bestellungen und Lieferscheinen.
• Ausführung von Zahlungen: Erleichtert den Zahlungsprozess, einschließlich der Planung von Zahlungen zur Optimierung des Cashflows, der Auswahl der bevorzugten Zahlungsmethode und der automatischen oder mit minimalen menschlichen Eingriffen erfolgenden Ausführung der Zahlung.
• Abstimmung: Führt einen automatisierten Abstimmungsprozess durch, der Zahlungstransaktionen mit Bankauszügen abgleicht, um zu überprüfen, ob Beträge und Empfänger übereinstimmen.
• Standardvorgabe für Kontencodekombinationen: Sagt Segmentwerte der Kontencodekombination für Kreditorenrechnungspositionen ohne Bestellung vorher und gibt sie automatisch vor.
• Finanzabschlussprozesse: Intelligente Prozessautomatisierung (IPA) automatisiert die komplexe Orchestrierung des Finanzabschlusses und überwacht den Aufgabenstatus über mehrere Systeme hinweg. Sie empfiehlt neue Regeln, die die fortlaufende Automatisierung leiten, startet automatisch Abschlussprozesse, sobald abhängige Aufgaben abgeschlossen sind, und aktualisiert den Abschlusskalender.

Die erweiterte Automatisierung von umfangreichen, sich wiederholenden und banalen manuellen Aufgaben bietet zahlreiche Vorteile, darunter Zeit- und Kosteneinsparungen, weniger Fehler und eine höhere Mitarbeiterzufriedenheit, da sich das Finanzpersonal auf strategischere, wertschöpfende Aufgaben konzentrieren kann.

6. Finanzreporting und -analyse

KI kann dazu beitragen, verschiedene Aspekte des Finanzreportings und des Analyseprozesses zu automatisieren und zu verbessern. In der Anfangsphase kann sie relevante Finanzinformationen aus verschiedenen Datenquellen extrahieren. Anschließend kann sie Finanzdaten bereinigen und verarbeiten, indem sie Fehler, Inkonsistenzen oder fehlende Werte identifiziert und das Finanzpersonal über die Bereiche informiert, die Aufmerksamkeit erfordern.

Daraufhin kann die KI die Daten zur Erstellung von Finanzberichten wie Gewinn-und-Verlust-Rechnungen, Bilanzen und Kapitalflussrechnungen verwenden und die Daten in Berichte umwandeln, die KPIs, Trends und Beobachtungen hervorheben. Darüber hinaus kann sie auch bei der Erstellung von Berichten helfen. GenAI kann die erforderlichen Formulare mit den vom Finanzteam bereitgestellten Daten ausfüllen, die dann von den Mitarbeitern überprüft und bestätigt werden.

Auch zum Erstellen von narrativen Berichten, die durch die Kombination von Finanzberichten und Daten mit einer Erläuterung zu den jeweiligen Zahlen einen Kontext liefern, kann GenAI verwendet werden. Die Technologie unterstützt sogar bei der Erstellung der ersten Entwürfe von 10-Qs und 10-Ks, einschließlich der Fußnoten und der Management Discussion and Analysis (MD&A).

1. Steigerung von Effizienz und Produktivität

Die Liste der Möglichkeiten, wie KI zur Steigerung von Effizienz und Produktivität in der Finanzabteilung beitragen kann, ist bereits lang – und das ist erst der Anfang. Die Automatisierung zahlreicher Finanzprozesse (wie Datenerfassung, -konsolidierung und -eingabe) ist ein bemerkenswerter Fortschritt. Sie trägt dazu bei, die Rolle des Finanzwesens vom Reporting über die Vergangenheit auf die Zukunft zu verlagern, und zwar durch Analysen und Prognosen, die dem Unternehmen dienen.

Das ist jedoch nur der Anfang der Möglichkeiten, wie das Finanzwesen KI zur Steigerung von Effizienz und Produktivität einsetzen kann. So setzen beispielsweise auch Finanzteams GenAI ein, um Informationen leichter zu finden, Wissenslücken zu schließen und die Arbeit zu erledigen. Zu den Anwendungsfällen gehören Schreibhilfen, Zusammenfassungen, Analysen und Chats. Laut einer Studie der Boston Consulting Group und des MIT Sloan aus dem Jahr 2023 verbesserte GenAI die Performance eines äußerst qualifizierten Arbeiters um bis zu 40 % im Vergleich zu Arbeitnehmern, die diese Technologie nicht nutzten. Ein PwC-Bericht aus dem Jahr 2024 ergab, dass 60 % der CEOs Effizienzvorteile durch GenAI erwarten. Und eine NVIDIA-Umfrage aus dem Jahr 2024 unter 400 globalen Finanzdienstleistern ergab, dass „die Schaffung betrieblicher Effizienz“ mit 43 % der von den Befragten am häufigsten genannte KI-Vorteil war.

2. Bessere Customer Experience und Kundenbindung

KI trägt dazu bei, die Customer Experience und die Kundenbindung zu verbessern, indem Unternehmen personalisierte, proaktive und integrierte Interaktionen über verschiedene Berührungspunkte hinweg anbieten können. Die Personalisierung ist ein gutes Beispiel. In einem Bericht von Forrester aus dem Jahr 2024 nannten 42 % der befragten Führungskräfte die Hyperpersonalisierung der Customer Experience als einen der wichtigsten Anwendungsfälle für KI.

KI kann bei der Personalisierung helfen, indem sie Kundendaten, Vorlieben und Verhalten analysiert, um die richtigen Produktempfehlungen, Inhaltsvorschläge und Angebote zu liefern. Unternehmen können mit der KI-gesteuerten Kundensegmentierung noch einen Schritt weiter gehen, um Marketingkampagnen und Werbeaktionen gezielter zu gestalten. KI kann sogar dabei helfen, die Preisgestaltung zu personalisieren, indem sie in Echtzeit Erkenntnisse über individuelle Kundenpräferenzen, Marktveränderungen und Aktivitäten der Konkurrenz nutzt, um Tarife und Rabatte zu optimieren.

KI wird zu einem integralen Bestandteil der Kundenbindung, da prädiktive Analysen das zukünftige Kundenverhalten, den Lebenszeitwert und sogar die Abwanderungswahrscheinlichkeit prognostizieren.

Und schließlich stärken KI-gesteuerte Chatbots und digitale Assistenten die Beziehung zu den Kunden, indem sie Fragen auf Abruf beantworten und einen schnellen Service rund um die Uhr bieten.

3. Weniger Fehler

KI kann im Finanzwesen dazu beitragen, Fehler zu reduzieren, insbesondere in Bereichen, in denen der Mensch zu Fehlern neigt. Sich in großem Umfang wiederholende Aufgaben führen oft zu menschlichen Fehlern, was bei Computern nicht der Fall ist. Durch die Nutzung der fortschrittlichen Algorithmen, Datenanalysen und Automatisierungsfunktionen von KI können Fehler erkannt und korrigiert werden, die in Bereichen wie Dateneingabe, Finanzreporting, Buchhaltung und Rechnungsverarbeitung auftreten.

4. Geringere Kosten

KI zeigt bereits, dass sie zur Kostensenkung beitragen kann. In der NVIDIA-Umfrage gaben mehr als 80 % der Befragten an, dass sie durch den Einsatz von KI-gestützten Anwendungen ihren Umsatz steigern und ihre jährlichen Kosten senken konnten. Darüber hinaus könnte die KI-Implementierung die Kosten von S&P 500-Unternehmen in den nächsten fünf Jahren um etwa 65 Milliarden US-Dollar senken, so ein Bericht der Bank of America vom Oktober 2023.

KI kann also in vielerlei Hinsicht zur Kostensenkung beitragen. Die Automatisierung von Aufgaben ist eine offensichtliche Kostensenkungstaktik, die es Unternehmen ermöglicht, ihre Arbeitskosten zu senken, Personallücken zu schließen, die Produktivität und Effizienz zu verbessern und die Mitarbeiter auf strategische, wertschöpfende Tätigkeiten zu konzentrieren. Unternehmen sagen auch, dass bessere Einblicke und eine bessere Entscheidungsfindung, die durch KI ermöglicht werden, der Schlüssel zu Kostensenkungen sind. Unternehmen, die KI einsetzen, sind möglicherweise besser in der Lage, Lagerbestände und Lieferketten zu optimieren, Betrug aufzudecken, Möglichkeiten zur Kosteneinsparung zu erkennen und Ressourcen effizienter zuzuweisen.

5. Bessere Entscheidungsfindung

Eine Studie von Oracle und dem New-York-Times-Bestsellerautor Seth Stephens-Davidowitz aus dem Jahr 2023 beleuchtet das Dilemma, mit dem Führungskräfte bei der Entscheidungsfindung konfrontiert sind – und die Ergebnisse sind ernüchternd.

Von den befragten Führungskräften ...

• sind 74 % der Meinung, dass sich die Zahl der Entscheidungen, die sie täglich treffen müssen, in den letzten drei Jahren verzehnfacht hat.
• wünschten sich 97 % eine Unterstützung durch Daten bei der Entscheidungsfindung.
• waren 93 % der Meinung, dass die richtige Entscheidungsintelligenz über Erfolg oder Misserfolg eines Unternehmens entscheiden kann.
• gaben 72 % zu, dass die schiere Menge an Daten sie davon abhält, überhaupt eine Entscheidung zu treffen.
• sind 89 % der Meinung, dass die wachsende Zahl von Datenquellen den Erfolg ihrer Unternehmen einschränkt.
• waren 94 % der Meinung, dass die richtigen Daten und Erkenntnisse der Finanzabteilung helfen könnten, bessere Entscheidungen zu treffen.

Die Fähigkeiten von KI in den Bereichen Datenerfassung, -analyse und -kontextualisierung – um nur einige zu nennen – helfen dabei, viele der von Führungskräften genannten Entscheidungsblockaden zu beseitigen.

6. Besseres Risikomanagement

KI spielt bei der Betrugserkennung eine bedeutende Rolle. Trainierte ML-Modelle verarbeiten sowohl aktuelle als auch historische Transaktionsdaten, um Geldwäsche oder andere unlautere Handlungen durch den Abgleich von Transaktions- und Verhaltensmustern aufzudecken.

KI-basierte Modelle zur Erkennung von Anomalien können auch trainiert werden, um Transaktionen zu identifizieren, die auf Betrug hindeuten könnten. In diesem Fall lernen KI-Systeme kontinuierlich und können im Laufe der Zeit die Zahl der Fehlalarme verringern, da der Algorithmus verfeinert wird, indem er lernt, welche Anomalien betrügerische Transaktionen sind und welche nicht.

Die Fähigkeit von KI, große Datenmengen in sehr kurzer Zeit zu analysieren, ist für das Finanzteam von Vorteil. Ob es um die Analyse von Lieferketten, Abläufen oder Finanzmärkten geht, KI kann dabei helfen, potenzielle Risiken schnell zu erkennen und mithilfe von Prognose-Modellierungstechniken die Wahrscheinlichkeit und die Auswirkungen möglicher Ergebnisse zu bewerten.

7. Skalierbarkeit

Ein wichtiger Grund dafür, dass KI jetzt durchstartet und für eine so breite Basis von Unternehmen zugänglich ist, sind die heutigen cloudbasierten KI-Plattformen. KI-Systeme, insbesondere generative KI, benötigen eine Menge Rechenleistung. Außerdem werden auch die Modelle häufig aktualisiert. Diese beiden Faktoren machen es sehr schwierig, „KI zu kaufen“ und sie im unternehmenseigenen Data Center zu betreiben. Cloud-Computing-Plattformen bieten eine skalierbare Infrastruktur und Ressourcen für die Bereitstellung und den Betrieb von KI-Anwendungen, sodass Unternehmen nur für die benötigten Funktionen zahlen und von Aktualisierungen profitieren, ohne dass Patches und Software-Updates erforderlich sind. Für Unternehmen, die cloudbasierte ERP-Systeme verwenden, ist der Anreiz, KI-Technologie aus derselben Cloud zu nutzen, erheblich. Das Verschieben und Aufbereiten von Daten für die KI ist weitaus weniger problematisch, wenn sich die Ursprungssysteme in derselben Cloud-Infrastruktur befinden.