Finanz- und Rechnungswesen / Controlling Archive

Wie Künstliche Intelligenz Recherche und Analyse in der Steuerberatung optimiert

10. Oktober 20227. Oktober 2020 von Akademie3

“Größeres Potential als die Dampfmaschine” titelte McKinsey & Company bereits 2018. Hintergrund waren die möglichen Auswirkungen Künstlicher Intelligenz (KI) auf die Weltwirtschaftsleistung. Dies klingt verheißungsvoll, stößt aber in eher konservativ ausgerichteten Branchen, wie etwa auch der Steuerberatung, teilweise immer noch auf starke Vorbehalte. Die Bedenken bewegen sich zwischen folgenden Polen:

Wie soll eine Software jemals so komplexe kognitive Vorgänge, wie sie in der Steuerberatung notwendig sind, abbilden?
Wird uns Künstliche Intelligenz in naher Zukunft womöglich unsere Jobs kosten?

Was kann künstlich intelligente Tax Technology in der Steuerberatung leisten? Wie wird sie das Berufsfeld verändern? Darauf möchte das Aachener Technologie-Startup Taxy.io mit seinem jüngst publizierten Whitepaper eine erste Antwort liefern.

Künstliche Intelligenz: Lösungen in der Praxis

Informations-Lieferkette in der Steuerberatung

Zunächst wollen wir den Unterschied zwischen strukturierten und unstrukturierten Daten verstehen. Dies ist wichtig, um die am Markt vorhandenen künstlich intelligenten Steuertechnologie-Lösungen betrachten zu können.

Bei strukturierten Daten handelt es sich um klar organisierte Informationen. Sie können leicht in einer Datenbank aufbereitet, analysiert und durchsuchbar gemacht werden, vergleichbar mit einer Excel-Tabelle. Häufig, aber nicht ausschließlich, handelt es sich um quantitative Daten. Beispiele sind Datumsangaben, Angaben zur Geolokalisierung, Bankdaten, Bestandsinformationen, Umsätze, Kosten, Adressen und Namen.

Mehr über Digitalisierung und Künstliche Intelligenz erfahren Sie bei unseren Tagungen zu den Themen

Unstrukturierte Daten hingegen lassen sich nicht in einfach abgrenzbare Datentypen unterteilen bzw. zerlegen und durchsuchbar machen. Häufig handelt es sich um qualitative Daten. Beispiele sind Texte, Fotos, Videos oder Musikdateien.

Bisher wird Künstliche Intelligenz in der Steuerfunktion überwiegend zur Analyse strukturierter Daten verwendet. Dabei geht es meist um die Bearbeitung von Routineaufgaben, die zahlreich und in einer klar organisierten, sich wiederholenden Struktur erscheinen. Künstliche Intelligenz kommt beispielsweise bei der Transferpreis-Kalkulation zum Einsatz. Oder bei der Erkennung von Anomalien in Buchungsvorgängen im Vergleich mit historischen Daten.

Das Feld der unstrukturierten Daten wurde durch existierende TaxTech-Lösungen hingegen bisher kaum erschlossen. Gerade in der Steuerfunktion bilden unstrukturierte qualitative Daten allerdings die tägliche Arbeitsgrundlage. Etwa in Form von Gesetzestexten, Rechtsprechung, Kommentaren und kanzleiinternen oder abteilungsinternen Schriftstücken. Schätzungen zufolge wenden Steuerberater in Deutschland mehr als 100 Millionen Arbeitsstunden jährlich für Recherchetätigkeiten auf. Technische Unterstützung bei Recherche- und Analyseprozessen birgt somit ein erhebliches Wertschöpfungspotenzial.

Analyse strukturierter vs. unstrukturierter Daten

Betrachten wir den Prozess der Steuerberatung aus informationslogistischer Perspektive. Diesen kann man als Abgleich zwischen zwei Datensilos beschreiben:

Im Datensilo “Steuerrechtliche Literatur” finden sich umfangreiche unstrukturierte qualitative Daten. Diese werden von Gesetzgeber und Verlagen bereitgestellt sowie den Kanzleien in Form ihrer eigenen Dokumente.
Daneben bildet das Informationssilo “Mandant” sowohl unstrukturierte als auch strukturierte ab bzw. sowohl quantitative als auch qualitative Daten. Dabei handelt es sich häufig um Informationen mit hoher Komplexität. Die Datenmenge nimmt auf beiden Seiten kontinuierlich zu bzw. unterliegt regelmäßigen Änderungen.

Bei einer idealen Beratung werden fortlaufend und lückenlos sowohl aktuelle als auch historische Daten beider Informationssilos abgeglichen. In der Praxis wird dies immer aufwendiger. An diesem Punkt setzen daher die Software-Lösungen TaxFeed und TaxKit des Aachener Startups Taxy.io an. Beide Lösungen werden in der Folge kurz vorgestellt.

Unterstützung bei Recherche- und Analyseprozessen durch Künstliche Intelligenz

Der TaxFeed befindet sich derzeit in der finalen Entwicklungsphase. Er screent fortlaufend das Informationssilo “Steuerrechtliche Literatur”. Dieses besteht aus Gesetzen, Richtlinien, Erlässen, Rechtsprechung und Kommentaren. Bei Bedarf können auch unternehmensintern erstellte Dokumente mit fachlichem Bezug integriert werden. Parallel dazu wird das zweite Informationssilo, die Mandantendaten, durch ein “Fingerprinting” ebenfalls fortlaufend analysiert. Das Silo der Mandantendaten besteht aus Stamm- und Bewegungsdaten, Schriftverkehr und Vertragsunterlagen. Die Daten verlassen zu keinem Zeitpunkt die Kanzlei bzw. das Unternehmen. Die Nutzer werden automatisiert darauf hingewiesen, wenn sich für spezifische Mandanten Beratungsanlässe ergeben. Dies kann aufgrund von Änderungen in einem der beiden Informationssilos resultieren. Dadurch können Steuerberater ihre Mandanten deutlich proaktiver und ganzheitlicher beraten.

Das TaxKit unterstützt die Kommunikation zwischen Steuerberatern und Mandanten. Dies geschieht in Form eines Outlook Add-in oder Word Add-in. Das Produkt analysiert schriftlich ausformulierte steuerrechtliche Sachverhalte. Danach schlägt es den Anwendenden thematisch passende steuerrechtliche Literatur sowie kanzleieigene Schriftstücke vor. Im Zuge der kanzleiweiten Bereitstellung interner Dokumente werden personenbezogene Daten automatisch anonymisiert. Daher können die relevanten steuerlichen Informationen unter Wahrung des Datenschutzes allen Mitarbeitern zugänglich gemacht werden. So kann vermieden werden, dass zu ähnlichen Fällen unternehmensintern mehrfach recherchiert wird. Letzteres ist unnötig, wenn die Expertise und entsprechende Argumentationsvorlagen bereits vorhanden sind. Zudem werden die relevanten Passagen der Fachliteratur während des Verfassens in Word oder Outlook in einer Sidebar angezeigt. Sie können mit einem Klick auszugsweise in das eigene Schriftstück übernommen werden. Durch den Einsatz des TaxKit ist somit eine deutliche Zeitersparnis möglich.

Feldexperiment: Einsatz Künstlicher Intelligenz in einem Fachverlag

Versuchsaufbau

In welchem Ausmaß lässt sich durch den Einsatz künstlicher Intelligenz bei der Recherche steuerrechtlicher Sachverhalte Zeit gewinnen? Zu dieser Frage hat Taxy.io ein Feldexperiment aufgesetzt. Hierfür wurde die dem TaxKit zugrunde liegende Technologie bei einem deutschsprachigen Fachverlag eingesetzt. Zugleich wurde die Zeitersparnis durch Einsatz der Taxy.io-Lösung erfasst.

Der Verlag bietet Steuerberatern an, Fachfragen einzureichen, zu denen sie eine Gutachtermeinung einholen möchten. Diese werden durch den Verlag an passende Steuerrechtler vermittelt. Diese prüfen und bearbeiten die Anfrage. Dabei wird auch die Zeit der Beantwortung erfasst.

Seit dem 10.02.2020 wird die TaxKit-Technologie eingesetzt, um die Arbeit der Gutachter zu unterstützen. Jedes neue Ticket wird hinsichtlich seines steuerrechtlichen Sachverhaltes analysiert. Es wird mit bereits über die Plattform bearbeiteten Sachverhalten abgeglichen. Die Gutachter sehen nicht nur die ursprünglich ausformulierte Anfrage, sondern automatisch auch relevante Antwortvorschläge aus bisherigen Fällen. Durch die Taxy.io Anonymization Engine werden personenbezogene Hinweise vollautomatisch entfernt.

Es wurden die Bearbeitungszeiten vor der Implementierung des TaxKits mit den Bearbeitungszeiten danach verglichen. Konkret wurden die Zeiträume 10.02.2019 – 26.05.2019 und 10.02.2020 – 26.05.2020 verglichen. Durch den Vergleich identischer Zeiträume aus unterschiedlichen Jahren sollen saisonale Einflussfaktoren berücksichtigt werden.

Ergebnisse

Durch den Einsatz künstlicher Intelligenz konnte im Rahmen des vorliegenden Feldversuchs 20% Zeitersparnis erzielt und gemessen werden. In diesem Ausmaß sank die durchschnittliche Antwortzeit nach der Einführung der künstlich intelligenten Software TaxKit. Diese höhere Effizienz führt zu einer Kostensenkung. Das Ergebnis ist bemerkenswert. Schließlich liegt das Kosteneinsparungspotenzial für vergleichbare KI-Anwendungen laut einer aktuellen McKinsey Studie nur bei durchschnittlich 10%. Letzteres gilt selbst für Unternehmen, die sehr erfolgreich KI-Lösungen einsetzen.

Die deutlich überlegene Einsparung resultiert u.a. daraus, dass das TaxKit bei mindestens jedem zweiten Ticket eine passgenaue Antwort auf Basis des vorliegenden Fundus bereits beantworteter Anfragen liefert. Durch jede neu beantwortete Anfrage vergrößert sich dieser Korpus folglich. Dies vergrößert somit den nutzbaren Datenschatz für weitere Tickets.

Fazit

Eingangs wurden hinsichtlich künstlicher Intelligenz in der Steuerberatung Vorbehalte geäußert. Diesbezüglich lässt sich Folgendes festhalten. Bis eine digitale Steuerintelligenz die Steuerberaterprüfung besteht und wir von Robo-Advisors beraten werden, liegt noch ein langer Weg vor uns. Und doch sind die ersten Schritte bereits längst getan.

Durch den Einsatz Künstlicher Intelligenz wird der Berufsalltag in der Steuerberatung allerdings mittelfristig menschlicher. Die in Recherche- und Analysetätigkeiten investierte Zeit wird sich deutlich reduzieren. Dadurch werden Freiräume für individuelle, kreative Beratung der Mandanten geschaffen. Mithilfe von künstlich-intelligenten Software-Lösungen können Beratungsanlässe deutlich früher erkannt werden. Mandanten können deutlich proaktiver angesprochen werden. Durch die Unterstützung durch Steuertechnologie wird zudem eine ganzheitlichere Beratung möglich.

Wer noch tiefer in das Thema Künstliche Intelligenz in der Steuerberatung einsteigen möchte, findet im Whitepaper zum Taxy.io-Feldexperiment weiterführende Informationen.

Dieser Beitrag hat Ihnen gefallen? Informieren Sie sich auch über unsere Tagungen zu den folgenden Themen:

Digitaler Reifegrad: Sind Sie bereit für die Roadmap zur Digitalisierung?

3. April 202125. Juli 2020 von Akademie3

Der Anteil der Unternehmen mit einer Digitalisierungsstrategie steigt stetig. Dennoch geben nur 33 % an, eine ganzheitliche, zentral definierte Strategie zu haben, die mehr als nur Einzelbereiche abgedeckt. Darüber hinaus empfindet fast die Hälfte der Organisationen, dass ihnen branchengleiche Wettbewerber voraus sind, die früher auf Digitalisierung gesetzt haben. Gleichzeitig investiert nur jedes vierte Unternehmen in digitale Geschäftsmodelle (Quelle: Bitkom Research, 2019).

Online-Tagung: Silicon Valley-Vortragende berichten über die Digitalisierung >>

Im IT-Management gilt Digitalisierung längst als Daueraufgabe. Neue Technologien schnellen auf die Märkte und verändern stetig Wirtschaft und Gesellschaft. In Zeiten der digitalen Transformation, und ganz besonders in Zeiten der Corona-Pandemie, wird im privaten sowie geschäftlichen Umfeld immer deutlicher, wie digital wir aufgestellt sind oder eher wie wir es sein sollten. Eine zukunfts- und konkurrenzfähige Positionierung im Markt ist für sämtliche Branchen essenziell. Eine solche kann nur gelingen, wenn sich Organisationen der Chancen ihrer eigenen Digitalisierung bewusst sind.

Ganzheitlicher Blick auf das Unternehmen

Gibt es in Ihrem Unternehmen eine strategische Vision? Schöpfen Ihre Innovationsprozesse Automatisierungsmöglichkeiten aus? Haben Sie KPIs zur Kontrolle und Steuerung der Digitalisierung auf Abteilungsebene definiert? Für eine erfolgreiche digitale Transformation bedarf es eines ganzheitlichen Ansatzes. Denn nicht nur die IT-Abteilung eines Unternehmens unterliegt den Veränderungsprozessen, welche die Digitalisierung auslöst, sondern das ganze Unternehmen. Neue Anforderungen sind zu analysieren und klare Konzepte und Strategien zu entwickeln. Im Idealfall gelingt das, indem Sie die Kompetenzen aus allen Abteilungen zentral bündeln sowie interne und externe Entwicklungen betrachten. Ein weiterer essenzieller Faktor ist der analytisch-methodische Umgang mit der Digitalisierung. Dabei gilt es zunächst, die möglichen Auswirkungen sowie die daraus resultierenden Handlungsanforderungen zu berücksichtigen.

Mehr über Digitalisierung und Künstliche Intelligenz erfahren Sie bei unseren Tagungen zu den Themen

So entwickeln Sie Ihre Digitalisierungsstrategie

Bei einer ambitionierten Digitalisierungsstrategie spielen vor allem die eigene Innovationsfähigkeit und Bereitschaft, bewusst und aktiv ins gestalterische Risiko zu gehen, eine tragende Rolle. Wer wissen will, wohin er möchte, muss zunächst herausfinden, wo er steht. Diese Herangehensweise klingt trivial, ist jedoch essenziell für jede tragfähige Digitalisierungsstrategie. Die darauf aufbauende Roadmap ist die Streckenkarte für die schrittweise digitale Transformation der eigenen Ressourcen, Prozesse und Geschäftsmodelle. Der erste Schritt einer Digitalisierungsstrategie sollte zunächst die Ermittlung des eigenen digitalen Reifegrades sein, um zu erkennen, wie die Organisation aufgestellt ist: In welchen Bereichen steht sie gut da und wo gibt es Raum für Verbesserung? Welche Prozesse sind geschäftskritisch, welche eher niedriger priorisiert zu betrachten? Auf dem Weg zur Erstellung einer Digitalisierungsstrategie sind eine Reihe von Schritten zu berücksichtigen:

1) Wo stehen Sie? – Erfassung des digitalen Status Quo

Der digitale Reifegrad beschreibt den „IST-Zustand“. Dieser ist anhand vordefinierter Kriterien festzustellen. Das ist etwa hilfreich, um die digitalen Stärken und Potenziale von Unternehmensprozessen zu erkennen.

2) Wo wollen Sie hin? – Zielbildentwicklung und Definition Ihrer Digitalisierungsvision

Der Status Quo bildet eine solide Grundlage, um das Zielbild, also den „SOLL-Zustand“, zu entwickeln. Hierbei müssen Sie klar festlegen, wie sich Ihr Unternehmen in Bezug auf die Digitalisierung in Zukunft aufstellen möchte.

3) Wie wollen Sie zum Ziel? – Ausarbeitung einer digitalen Streckenkarte – Ihrer Digitalisierungsroadmap

Sie definieren, wie Sie Ihre Digitalisierungsvision erreichen. Dafür setzen Sie Meilensteine und bereichsspezifische Ziele.

Ad 1) Erfassung Ihres individuellen digitalen Reifegrades – Das Reifegrad-Modell

Bevor Sie eine umfassende Digitalisierungsstrategie ausarbeiten können, muss Klarheit über die aktuelle Situation herrschen. Dabei ist die Systematik der Analyse entscheidend. Es gilt, alle Entwicklungsfelder eines Unternehmens einzubeziehen. Dazu lassen sich die folgenden fünf Dimensionen identifizieren:

Strategie

Zur effizienten Bewältigung der Herausforderungen durch Digitalisierung bedarf es in Unternehmen einer individuellen Digitalisierungsstrategie. Die Digitalisierungsstrategie sollte klar definierte Ziele formulieren, die dokumentiert, spezifisch und messbar sind. Diese sollte man proaktiv in allen Organisationsentscheidungen vorantreiben.

Mitarbeiter & Produktivität

Weiche Faktoren wie Mitarbeiter und Kultur geben Auskunft über Flexibilität, Motivation und Wandlungswillen. Diese sind essenziell und daher in einer adäquaten Tiefe zu erfassen.

Prozesse & Effizienz

Als zentrale Drehscheibe für die Funktionalität und auch den Digitalisierungsfortschritt erfasst jede Abteilung ihre Prozesse unabhängig. Gerade hier können grobe Abweichungen und Differenzen großen Aufschluss über Handlungsbedarfe bezüglich der Digitalisierung geben.

Geschäftsmodelle

Produkte und Dienstleistungen sollte man auf einem branchenunspezifischen Level messen. Das gibt Aufschluss über ihre Innovationskraft in diesem Bereich. Auf dieser Ebene können gut Vergleiche und essenzielle Anknüpfungspunkte eruiert werden.

Kunden, Partner & Außenwirkung

Die Dimension Kunde, Partner & Außenwirkung dient nicht etwa zum Erfassen der Vertriebsprozesse. Vielmehr ist der Fokus auf die externe Wahrnehmung und Interaktion mit dem Kunden gerichtet. Unternehmensexterne sollten die Digitalisierung erfahren können. Die Digitalisierung sollte idealerweise auch die Interaktion vereinfachen.

Diese fünf Kategorien ermöglichen mit ihren Subdimensionen (siehe Abbildung 1) eine granulare und differenzierte Erfassung des digitalen Reifegrades in unterschiedlichen Unternehmenskontexten. Daraus kann man Handlungsbedarfe ableiten.

Wie erfolgt die Reifegrad-Messung in der Praxis?

Eine strukturierte Erfassung nach dem vorstehenden Modell kann durch die Beantwortung spezifischer Fragebögen geschehen. Diese Fragenkataloge erfassen den digitalen Status-Quo. Sie sollen als Basis für das Aufstellen einer Streckenkarte zur Digitalisierung fungieren. Um ein möglichst genaues Bild der Lage zu erhalten, sollten die zuständigen Fachabteilungen und Entscheider den Fragenkatalog beantworten. Gerade auch das Einholen der Meinungen mehrerer im Fachbereich tätiger Mitarbeiter ist wichtig. Daraus ergeben sich aufschlussreiche Einblicke in individuelles Empfinden und somit wertvolle Anknüpfungspunkte für Optimierungspotenziale. Digitale Kollaborationstools können dabei unterstützen und so die Zusammenarbeit vereinfachen – ganz im Sinne der digitalen Transformation.

Durch die quantitative Auswertung der Antworten erhalten Sie für jede Subdimension einen Einzel- sowie einen Gesamtscore. Diese kann man in einem Reifegradcockpit übersichtlich anzeigen (siehe Abbildung 2). Daraus ergibt sich Ihr Abschneiden auf der Digitalisierungsskala. Identifizieren Sie dann auf Basis der Ergebnisse Handlungsfelder! Betrachten Sie deren Umsetzung nach Aufwand und Wirkung differenziert!

Haben Sie Ihren Reifegrad ermittelt, so ist es wichtig zu bedenken, dass die digitale Transformation nicht durch kurzfristigen Aktionismus, sondern durch langfristige Planung und Umsetzung geprägt ist. Nach der Analyse der Digitalisierungsscores gilt es, diese im Rahmen Ihrer Digitalisierungsvision zu betrachten und darauf aufbauend eine Streckenkarte zur Umsetzung zu definieren. Hierbei ist zu berücksichtigen, dass die strategischen Ziele auch realistisch sind und das Zielbild für die nächsten Jahre konkret messbar und erreichbar ist.

Ad 2) Zielbildentwicklung

Nach der Analyse des Ist-Zustandes, gilt es Handlungsfelder und Lösungsansätze auszuarbeiten. Dabei sollten identifizierte Potenziale realisiert und Ihre digitalen Stärken ausgebaut werden können. Dieses Vorgehen lässt sich allerdings nur erfolgreich umsetzen, wenn Sie das Zielbild vorher genau ausformuliert haben. Letztendlich müssen die Handlungsoptionen nämlich der Zielerreichung dienen. Damit man die Lösungsansätze grob bewerten kann, erstellt man für jeden Ansatz einen Steckbrief. Dadurch erhält man eine möglichst aussagekräftige Einordnung der Ideen. Im Anschluss bewertet man sie nach ihren Vorteilen und dem damit verbundenen Aufwand. So lassen sich Quick-Wins und langfristige Umsetzungspakete identifizieren. Diese Optionen lassen sich anhand ihres voraussichtlichen Einflusses auf die Wettbewerbsfähigkeit des Unternehmens zuordnen.

Basierend auf den vorangegangenen zwei Schritten bietet die Realisierungsmatrix eine Übersicht über die identifizierten Maßnahmen. Sie ermöglicht es, einzelne Lösungsansätze anhand der zwei Kriterien „erwartete Vorteile“ und „erwarteter Aufwand“ einzuordnen. Auf dieser Grundlage können Sie dann den Maßnahmenkatalog sinnvoll strukturieren. Nach der gezielten Zuordnung und Betrachtung, kann man ein klares Zielbild definieren. Wie wollen Sie sich kurzfristig verbessern und langfristig aufstellen? Welche Potenziale bieten nur einen geringen Mehrwert oder erfordern eine zu hohe Investition in Ressourcen? Die Frage nach dem „Wo wollen wir hin?“ wird in Ihrer Vision festgehalten.

Ad 3) Ausarbeitung einer digitalen Streckenkarte – Ihrer Digitalisierungsroadmap

Haben Sie ihre Handlungsfelder identifiziert und bewertet, beginnt im dritten Schritt die Planung der Implementierung der ermittelten Quick-Wins und der langfristigen Lösungen. Bringen Sie hierzu die Maßnahmen in eine sinnvolle zeitliche Reihenfolge und halten Sie diese in einer individuellen Roadmap fest!

Für Quick-Win-Projekte, die in den nächsten Monaten umgesetzt werden sollen, wird die Ablaufplanung zuerst durchgeführt. Für langfristigere Projekte werden Maßnahmen und Auswirkungen genauer betrachtet. Hier kann es hilfreich sein, individuelle Business Cases zu erstellen. Dabei sollte man Effizienzsteigerung, Kostenreduktion, und Innovation berücksichtigen. Die längerfristigen Vorhaben sollten sich im Fahrplan für die nächsten drei bis fünf Jahre befinden.

Die Entwicklung einer Roadmap ist nach einmaliger Erstellung jedoch nicht abgeschlossen. Es gilt diese kontinuierlich nach Zielerreichung zu überprüfen. Außerdem sind Verantwortlichkeiten, Ziele und Zeitpläne für die Einzelmaßnahmen zu vereinbaren. Dabei sollte man realistische Zeitziele und feste Meilensteine definieren.

Vergessen Sie bei der Aufstellung der Streckenkarte nicht auf die Unternehmensorganisation und -kultur! Neue Technologien, Anforderungen und eine neue Strategie führen dazu, dass sich auch die gesamte Organisation des Unternehmens anpassen muss. Mitarbeiter sollten demgegenüber nicht verschlossen sein und müssen abgeholt werden. Die Unternehmenskultur beeinflusst maßgeblich das Gelingen einer Digitalisierungsstrategie.

Fazit

Eine ganzheitliche Digitalisierungsstrategie, die sämtliche relevanten Unternehmensbereiche abdeckt und alle involvierten Mitarbeiter berücksichtigt, ist heute essenziell. Die gründliche Entwicklung bedarf personeller und zeitlicher Ressourcen. Diese Investition zahlt sich aus. Eine ausgeklügelte Digitalisierungsstrategie mit Transformationsroadmap bietet ein klares Gerüst, um Handlungsschwerpunkte systematisch zu erschließen, Aktivitäten zentral zu koordinieren und eine Vision unternehmensweit auszurollen und zu verankern. Eine eindeutige Kommunikation bevorstehender Veränderungen hilft dabei, dass sich Mitarbeiter und Führungskräfte abgeholt fühlen und mit dem Unternehmen identifizieren.

Dieser Beitrag hat Ihnen gefallen? Informieren Sie sich auch über unsere Tagungen zu den folgenden Themen:

Ist Ihr Unternehmen reif für Künstliche Intelligenz im Controlling?

3. April 20213. Juni 2020 von Akademie3

Welchen grundsätzlichen Reifegrad und welche inhaltliche Ausrichtung weisen Ihr Controlling auf?

Künstliche Intelligenz im Controlling benötigt zunächst die objektive und nüchterne Sicht auf den grundsätzlichen Reifegrad des Controllings und dessen vorherrschende inhaltliche Ausrichtung. Nicht jedes Controlling eignet sich gleichermaßen für die Einführung von Künstlicher Intelligenz. KI im Controlling erfordert bestimmte Voraussetzungen. Erst dann ist es sinnvoll nutzbar. Der grundsätzliche Reifegrad des Controllings bestimmt die Bandbreite der KI-Einsatzfelder und Einsatzmöglichkeiten.

Beschäftigt sich das Controlling vorrangig mit dem Sammeln von Daten, so kann es KI dazu nutzen, repetitive Tätigkeiten zu reduzieren. Es steigert so die eigene Effizienz und optimiert den eigenen Ressourceneinsatz. Dominiert im Controlling das unternehmerisch ausgerichtete Entscheiden, so dient das Instrument KI dazu, um Qualität und Aussagekraft der Entscheidungsunterstützung zu stärken. Zwischen beiden Extremen gibt es eine große Bandbreite an Einsatzmöglichkeiten, bei denen KI hilfreich ist.

Sind die KI-Ziele des Controllings eindeutig und klar festgelegt?

Ein effektiver und effizienter Einsatz von KI im Controlling erfordert klare Ziele. Diese können unterschiedlicher Natur sein und ein heterogenes Feld abdecken. Ein mögliches Ziel besteht darin, Controllingprozesse zu beschleunigen oder die Fehlerwahrscheinlichkeit bisher manueller Datenerhebungen und Datenanalysen zu reduzieren. Ein anderes Ziel kann es sein, die benötigten Controllingkapazitäten und damit die Kosten der Controllingabteilung zu reduzieren oder diese effizienter einzusetzen. Auch im Verbessern der Analytik und damit der Aussagefähigkeit des Controllings besteht ein mögliches Ziel.

Mehr über Digitalisierung und Künstliche Intelligenz erfahren Sie bei unseren Tagungen zu den Themen

Diese klaren Zielsetzungen gehören an den Beginn jeglicher KI-Überlegung für das Controlling. Erst mit den formulierten Zielen beantwortet sich die Frage eindeutig: „Was will ich mit KI im Controlling erreichen?“ Keine Controllingorganisation sollte also einfach „mit KI loslegen“, weil es ein aktuelles Thema ist. Je klarer die Zielsetzung, desto besser das Ergebnis.

Sind die Controllingprozesse ausreichend definiert und auf KI optimiert?

Sind die Ziele definiert, so stellt sich die Frage, wo und in welchem Umfang die Einführung erfolgt. Hierfür bestehen für ein KI-Projekt zwei grundsätzliche und sehr gegensätzliche Optionen: Der „große Wurf“ in seiner Gesamtheit oder die schrittweise Einführung von KI in definierten Teilschritten. Eine schrittweise Einführung hat den Vorteil, frühzeitig Nutzen entstehen zu lassen. Das Management und das Controlling müssen bei diesem Vorgehen nicht auf das Ende eines umfassenden Gesamtprojekts warten.

Als Ansatzpunkt einer schrittweisen Einführung dienen die Teilprozesse im Controlling. Sie besitzen unterscheidliche KI-Affinität und erschließen damit mehr oder minder große Potenziale im Sinne der Ziele. Ein erster Schritt der Einführung ist das Zerlegen des komplexen Gesamtprozesses in seine relevanten Teilprozesse. Diese Teilprozesse gilt es im Folgeschritt dahingehend zu bewerten, ob und in welchem Umfang sie sich besonders für KI eignen. Diesem Schritt folgt eine Priorisierung, die aufzeigt, in welcher Reihenfolge die Teilprozesse in KI abzubilden sind.

Einhergehend mit allen Schritten sind die Controllingprozesse vor der KI-Einführung zu optimieren. So wird verhindert, dass sich die Ineffizienzen historisch gewachsener Controllingprozesse später in den KI-basierten Prozessen wiederfinden. Erst wenn diese Prozessoptimierung stattgefunden hat, zeigt sich das Controlling ausreichend für die KI-Einführung gerüstet.

Verspricht KI ausreichenden und nachvollziehbaren Nutzen für die relevanten Stakeholder des Controllings?

Die Akzeptanz von KI hängt vom gestifteten und kommunizierten Nutzen ab. Die Sichtweisen des Stakeholders Controlling als „Informationsproduzent“ und des Stakeholders Management als „Informationsnutzer“ unterscheiden sich dabei durchaus. In manchen Punkten konkurrieren ihre Interessen sogar. Generiert das Management mittels KI beispielsweise relevante Analysen und Erkenntnisse selbst („Self Reporting“), fallen bisherige Aufgaben des Controllings weg. Dieser „Bedeutungsverlust“ infolge der Informationsemanzipation des Managements stößt im Controlling vielleicht nur auf begrenzte Begeisterung. Schmälert er doch die Position des Controllings im Organisationsgefüge eines Unternehmens. Hier muss klar sein, dass das Controlling von KI trotz oder gerade wegen der Veränderung der Aufgaben Nutzen zieht. Dies ist beispielsweise der Fall, wenn sich Aufgabeninhalte des Controllings auf anspruchsvollere Schwerpunkte fokussieren können, anstatt auf das repetitive Sammeln und zeitintensive Verifizieren von Basisdaten. Gemeinsam sollten beide Stakeholder das Ziel haben, mittels KI einen unternehmerisch deutlich höheren Nutzen als ohne KI zu stiften. Je klarer und messbarer dieser Nutzen beim jeweiligen Stakeholder ausfällt, desto höher ist die Akzeptanz und desto schneller wird sich KI im Controlling des Unternehmens durchsetzen.

Sind Ihre Organisation und Ihre Controller auf KI vorbereitet?

Für eine KI-Einführung ist es nicht damit getan, Softwaretools für das Controlling zu beschaffen und zu implementieren. Die (Controlling)Organisation muss sich vielmehr systematisch und frühzeitig auf KI vorbereiten. Neben der Kommunikation der Ziele und des Nutzens bedarf es vor allem einschlägigen Know Hows. Betroffen von diesen Know How-Anforderungen sind sowohl der Prozess der erstmaligen Einführung als auch die laufende Aufgabe der Betreuung des KI-Systems. Das Einführen und das Nutzen von KI verändern das Anforderungsprofil an den Controller als Person. Dieser Veränderung gilt es Rechnung zu tragen. Der Controller muss sich dafür rechtzeitig weiterentwickeln. Ist dies nicht möglich, so erfordert das Nutzen von KI die Beschaffung externen Know Hows im Rahmen eines gezielten Recruiting.

Fazit

Ein Unternehmen, das KI im Controlling nutzen will, sollte sich im Vorfeld umfassend mit dem Thema auseinandersetzen. Es gilt zunächst, eine Vielzahl von Fragen zu beantworten. Erst dann sollte man zur Tat und zur Einführung schreiten. Nur wenn für alle zuvor aufgeworfenen Fragen ein eindeutiges „ja“ vorliegt, ist das Controlling des Unternehmens reif für KI.

Dieser Beitrag hat Ihnen gefallen? Informieren Sie sich auch über unsere Tagungen zu den folgenden Themen:

Künstliche Intelligenz in der Rechnungsverarbeitung

3. April 202130. Mai 2020 von Akademie3

Künstliche Intelligenz (KI) bzw. Artificial Intelligence (AI) ist eine Schlüsseltechnologie für das intelligente Automatisieren von Prozessen in Unternehmen. Mit Künstlicher Intelligenz ist es möglich, halb- oder gänzlich unstrukturierte Daten auf Papier oder als PDF in ein strukturiertes Format umzuwandeln und danach weiterzuverarbeiten. Es erfordert jedoch ein klares Verständnis zum Einsatz und Nutzen dieser Technologie, um zeitraubende Routinetätigkeiten bei Rechnungen, Lieferscheinen, Bestellungen etc. im Unternehmen zu automatisieren.

Künstliche Intelligenz im Rechnungseingang

Unternehmen haben für Dokumente verschiedene Eingangskanäle. Derzeit laufen Prozesse für Rechnungen, Lieferscheine oder Bestellungen in der Praxis wie folgt ab: Dokumente treffen auf Papier, per EDI oder im PDF-Format ein. Papierdokumente werden in der Poststelle nach Unternehmen und Abteilungen manuell sortiert. Anschließend klebt ein Mitarbeiter einen Barcode auf oder nutzt Trennblätter und scannt die Belege ein. Zuerst die Rechnungen für das eine Unternehmen, dann die Bestellungen für das andere Unternehmen und so weiter.

Künstliche Intelligenz automatisiert weitgehend zeitraubende Routinetätigkeiten im Posteingang: Die selbstlernende Software erkennt die erste und letzte Seite einer Rechnung ohne Trennblätter oder Barcodes. Wird der vollständige Posteingang eines Unternehmens eingescannt, klassifiziert eine selbstlernende Software die Belege und ordnet sie den jeweiligen Belegtypen zu. Die Rechnungen zu den Eingangsrechnungen, die Bestellungen in den Bestelleingang und so weiter. Werden Belege von mehreren Unternehmen eingescannt, verschiebt die Künstliche Intelligenz die Belege in das betreffende Unternehmen.

Mehr über Digitalisierung und Künstliche Intelligenz erfahren Sie bei unseren Tagungen zu den Themen

Beim Entwickeln einer entsprechenden Künstlichen Intelligenz durch die Firma Abacus haben die Data Scientists im Jahr 2017 begonnen, Millionen zufällig ausgewählter Belege von mehreren tausend Unternehmen, einem neuronalen Netz vorzulegen. Die Lernphase für die Software dauerte mehrere Tage. Anschließend wurden mehr als 100.000 neue Belege analysiert. Das neuronale Netz sollte die erste und letzte Seite eines Beleges sowie die Belegtypen erkennen. Schon damals lag die Trefferquote über 90%. Durch die Künstliche Intelligenz für Seitenerkennung, Dokumentenklassifizierung und Unternehmenszuordnung wird der Zeit- und Arbeitsaufwand der Mitarbeiter im Posteingang um mehr als 50% reduziert.

Künstliche Intelligenz in der Rechnungsverarbeitung

Nachdem jeder Beleg einem Unternehmen und Belegtypen zugeordnet ist, extrahiert die Künstliche Intelligenz weitere Informationen aus dem Beleg. Die relevanten Felder je Belegtypen sind aus der Vergangenheit bekannt und liegen strukturiert vor. Durch Automatisiertes Maschinelles Lernen (Automated Machine Learning, AutoML) entwickelt die selbstlernende Software einen skalierbaren Algorithmus, um wiederkehrende Belege vollständig automatisiert zu erkennen und zu verarbeiten.

Jedes Unternehmen verfügt beim Verarbeiten von Rechnungen über spezifische Geschäftsfälle. Um diese zu erlernen, repliziert die Software die historischen Daten aus dem Buchhaltungssystem des Unternehmens. Die Klassifikation des Geschäftsfalls je Beleg erfolgt in Konten und Gegenkonten sowie durch Textinformationen am Beleg. Neue Geschäftsfälle können basierend auf dem erlernten Wissen automatisiert abgewickelt werden.

Nach der Datenextraktion fügt die Künstliche Intelligenz dem Beleg weitere Informationen hinzu, um die Folgeprozesse im Unternehmen zu initiieren. So können Belegen Kostenstellen zugeordnet oder Benutzer für die Belegkontrolle und -freigabe bestimmt werden. Liegt zum Beispiel keine Bestellung vor, so wird die Rechnung klassifiziert und durch die Künstliche Intelligenz kontiert.

Künstliche Intelligenz bei der Rechnungsprüfung

Die Rechnungsprüfung umfasst die inhaltliche und formelle Prüfung: Letztere stellt das Einhalten von Vorschriften und Gesetzen, insbesondere des Umsatzsteuergesetzes, sicher. Insbesondere müssen die Rechnungsmerkmale gemäß Umsatzsteuergesetz auf der Rechnung ersichtlich sein. Die formelle Rechnungsprüfung wird nun automatisiert: Die Rechnungsmerkmale der eingehenden Rechnungen werden vollständig durch die Künstliche Intelligenz untersucht und geprüft.

Werden erforderliche Rechnungsmerkmale nicht erkannt, so wird entweder der Beleg einem Buchhalter zur Kontrolle zugewiesen oder der Lieferant benachrichtigt. Nach der formellen Rechnungsprüfung ist die Rechnung geprüft, die Rechnungsmerkmale sind vollständig und die Rechnung wurde einer Bestellung zugeordnet. Das reicht aber nicht aus, um zu kontrollieren, ob es sich um einen Betrugsversuch handelt oder der Lieferant die Preise erhöht hat.

Die Merkmale von Rechnungen sind Messwerte und es gibt erwartete Ergebnisse. Stimmt das Ergebnis nicht mit den Erwartungen überein, und ist der tatsächliche Wert über dem Streuungsbereich, so muss der Benutzer den Beleg kontrollieren und freigeben. Die Modelle und Erwartungswerte zur Erkennung von Anomalien werden von Künstlicher Intelligenz selbständig gelernt und durch unternehmensspezifische Regeln erweitert.

Bei Anomalien oder Auslösen der Regel wird die Rechnung automatisch eskaliert und einem Mitarbeiter zur manuellen Prüfung vorgelegt. Werden keine Anomalien gefunden und alle Rechnungsmerkmale sind erfüllt, wird die Rechnung bestätigt. Durch jeden verarbeiteten Beleg lernen die Modelle hinzu. Nach zwei oder drei gleichartigen Transaktion steigt die Konfidenz des Modells und es kann automatisch (blind) gebucht werden. Unternehmen, die Künstliche Intelligenz in der Rechnungsverarbeitung einsetzen, streben eine Blindbuchungsquote bei bestellbezogen Rechnungen von >70% an.

Dieser Beitrag hat Ihnen gefallen? Informieren Sie sich auch über unsere Tagungen zu den folgenden Themen:

Effiziente Berichterstattung – Potenziale im Reporting

3. April 202130. April 2020 von Akademie3

Ein Praxisbeitrag über die Umsetzung der IASB Disclosure Initiative und von integriertem Reporting

Zusätzliche Anhang-Angaben, weitere Datenanlieferungen, eine Vielzahl an internen sowie externen Berichten mit harten Fristen. Viele Unternehmen stehen diesbezüglich vor immer größer werdenden Herausforderungen. Wie lassen sich diese bewältigen?

Entsprechende Initiativen wurden von den Standardsetzern bereits ergriffen. Die Disclosure Initiative des International Accounting Standard Board (IASB), die daraus resultierenden Ergänzungen des IAS 1 und IAS 8, aber auch das neue European Single Electronic Format (ESEF) verfolgen dieses Ziel. Nämlich, das externe Reporting effizienter, einfacher und transparenter zu gestalten.

Mehr über Digitalisierung und Künstliche Intelligenz erfahren Sie bei unseren Tagungen zu den Themen

Hier sind einige Praxistipps, die die Initiativen würdigen und den Unternehmen helfen, eine effiziente Berichterstattung aufzubauen.

Entrümpeln des Geschäftsberichts

Der Geschäftsbericht ist das zentrale Dokument für die externe Berichterstattung von Unternehmen und gleichzeitig auch ein Aushängeschild. Deshalb ist es wichtig diesen so kurz, prägnant und transparent wie möglich darzustellen.

1. Inhalte nach Wesentlichkeitsgesichtspunkten sortieren

Die Frage lautet: „Sind die Inhalte für meine Investoren relevant?“ Daraus lässt sich eine Grundstruktur ableiten. Geschäftsberichte beginnen mit den wesentlichsten Inhalten.

2. Kapitel zusammenfassen

Anhangangaben werden klassischerweise gereiht nach dem GuV- und Bilanzschema. Das führt jedoch nicht zu einem effizienten Berichtswesen. Erstellen Sie Kapitel nach Themen (z.B. Kapitel Steuern, Finanzinstrumente oder Rückstellungen), unabhängig davon, ob die Angabe zur Bilanz oder zur GuV gehört. Dadurch können Sie Redundanzen und Unplausibilitäten reduzieren bis weitgehend eliminieren.

3. Berichtsübergreifende Verweise verwenden

Nicht alle berichtsübergreifenden Verweise sind verboten. Um Redundanzen und Unplausibilitäten weiter zu reduzieren, sollte man das Maximum an gesetzlich erlaubten Verweisen einsetzen. Als Beispiel kann die AFRAC-Stellungnahme 9 Lageberichterstattung herangezogen werden. Demnach können Sie die geforderte Angabe zu den Geschäftssegmenten im Konzernlagebericht durch einen Verweis auf den IFRS Abschluss ersetzen. Somit ist es möglich, an einer zentralen Stelle über die Geschäftssegmente zu berichten. Diese Art der Umstellung stellt eine gravierende Änderung des gesamten Geschäftsberichts dar. Aus der Erfahrung gesprochen, ist eine intensive und regelmäßige Abstimmung mit sämtlichen Abteilungen für eine erfolgreiche Umstellung notwendig.

4. Tabellen anstelle von Prosa

Verbale Erläuterungen werden von Personen geschrieben und von Berichtsperiode zu Berichtsperiode aktualisiert. Das ist ein Nachteil. Insbesondere wenn Namensänderungen durchgeführt werden, sich das Vorzeichen von einer auf die andere Periode verändert, oder Attribute verwendet werden, die im aktuellen Jahr nicht mehr gültig sind. Viele Zusatzangaben werden verbal in ein bis zwei Sätzen erläutert. Ein praktikablerer Weg ist es, so viele Angaben wie möglich in Tabellen zu integrieren. Dabei müssen Sie nicht zwingend neue Tabellen erschaffen. Es genügt oft, eine vorhandene Tabelle zu erweitern. Dadurch lassen sich manuelle Prozesse leicht automatisieren. Schließlich erstellen Systeme die Tabellen automatisiert.

5. Qualitativer Wesentlichkeitscheck

Bevor ein Geschäftsbericht veröffentlicht wird, empfiehlt es sich, einen Wesentlichkeitscheck durchzuführen. Insbesondere ist auch auf die Aggregationsebene von Tabellen zu achten. Trennen Sie die Zeilen in zu stark zusammengefassten Bilanz-, GuV-, und Notes-Tabellen, in mehrere Posten auf. Fassen Sie Zeilen, die sehr geringe Werte oder gar Rundungsdifferenzen ausweisen, mit anderen Zeilen zusammen. Damit ermöglichen Sie den Blick auf das Wesentliche.

Auch wenn eine Zusatzangabe gesetzlich gefordert ist, stellen Sie sich die Frage, ob diese Angabe aus Sicht Ihres Unternehmens tatsächlich wesentlich ist. Andernfalls veröffentlichen Sie diese nicht. Ist der Geschäftsbericht nach Wesentlichkeitsgesichtspunkten sortiert, sind Angaben wesentlicher, je weiter das Kapitel nach vorne gereiht wurde. Unternehmen dürfen an dieser Stelle mutiger sein!

Verschränken von internem & externem Reporting

Ein großes Unternehmen generiert eine Vielzahl an Berichten. Die internen Berichte enthalten meist die gleichen Informationen, die ohnehin bereits im externen Geschäftsbericht veröffentlicht wurden. Der Unterschied zwischen den einzelnen Reports liegt meist bei der Aggregationsebene der Zahlen sowie beim Layout. Gelingt es, die verschiedenen Berichte und Reportingstrukturen miteinander zu verschränken, können Effizienzen gehoben werden. Auch sich widersprechende Berichte werden dadurch verhindert. Ein durchaus ambitioniertes Ziel in diesem Bereich kann sein: „Sobald ein neuer Geschäftsbericht im Disclosure Management System finalisiert wurde, sind automatisch sämtliche zusätzliche Berichte finalisiert“.

1. Datenanforderungen zentral sammeln und Datenbeschaffung zentralisieren

Eine geeignete Stelle ist die Konsolidierung. Über Reporting Packages lassen sich Datenanforderungen auf Konzernebene zentralisieren. Diese Berichtspakete dienen dabei als zentrale Datenbeschaffung. Jedes Tochterunternehmen liefert dabei an das Mutterunternehmen. Dabei ist das Berichtspaket nicht auf einen Bericht speziell zugeschnitten. Vielmehr ist es in der Lage, möglichst alle Datenanforderungen abzudecken, um sämtliche internen & externen Berichte zu generieren. Noch effizienter wäre es, anstelle von Reporting Packages, Tochterunternehmen an die Systeme der Muttergesellschaft direkt anzubinden. Dabei definiert die Muttergesellschaft eine für alle Unternehmen des Konzerns gültige Datenbank.

2. Disclosure Management Tool ausreizen

Ein Disclosure Management Tool ist für ein effizientes Berichtswesen unumgänglich. Erstellen Sie innerhalb des Tools die Berichtselemente, legen Sie einen Prozess mit Verantwortlichen fest, u.v.m.

In so einem Tool können Sie zusätzlich zum Geschäftsbericht auch andere Berichte integrieren. Sie können somit Textpassagen einmal schreiben und in mehreren Berichten gleichzeitig verwenden. Wenn Tabellen granular genug definiert wurden, lässt sich

für einen Geschäftsbericht die Tabelle anzeigen,
für einen internen Bericht die gleiche Tabelle in detaillierterer Form darstellen,
für einen Aufsichtsratsbericht die gleiche Tabelle mit den 2-3 größten Effekten zeigen und
für einen Vorstandsbericht eine Budgetspalte in gleicher Struktur einblenden.

Das geschieht dann automatisch und ohne zusätzlichen personellen Aufwand.

3. European Single Electronic Format (ESEF)

Das einheitliche Geschäftsberichtsformat leitet den nächsten Schritt der Digitalisierung des Rechnungswesens ein. Als Vorbild dient das SEC Filing, welches durch die U.S. Securities and Exchange Commission (SEC) vorgegeben wird.

Ziel ist es, einen Geschäftsbericht sowohl für Menschen als auch für Maschinen lesbar zu veröffentlichen. Nachdem die Geschäftsberichte an keine Form gebunden sind, versucht die ESEF-Taxonomie, zu standardisieren. Die ESMA (European Securities and Markets Authority) veröffentlicht diese. Der nächste Schritt ist, die durch das Tagging bereits zugeordneten Teile des Geschäftsberichts für sämtliche Berichte zu verwenden. Ein weiterer Vorteil ergibt sich, wenn man Daten anderer Unternehmen eingespielt. Das erleichtert ein Benchmarking innerhalb der Branche deutlich.

Hinweise für den Zwischenabschluss

Auch bei Zwischenabschlüssen gemäß IAS 34 kann man gleich vorgehen. Diese aktualisieren den zuletzt veröffentlichten Jahresabschluss. In den meisten Fällen findet sich auch der Hinweis: „…dieser Abschluss ist nur in Verbindung mit dem zuletzt veröffentlichten Jahresabschluss zu lesen“. IAS 34 zählt die geforderten Angaben auf. Bereits im Jahresabschluss veröffentlichte Inhalte sind somit nicht zu wiederholen. So sind etwa Bilanzierungs- und Bewertungsmethoden, die seit dem letzten Jahresabschluss nicht geändert wurden, für den Zwischenabschluss zu löschen. Auch im Halbjahreslagebericht kann reduziert werden: Die AFRAC-Stellungnahme 9 Lageberichterstattung beinhaltet für diesen eine deutlich reduzierte Struktur. Wenn Sie konsequent vorgehen, reduzieren Sie dadurch auch den Zwischenbericht sowie den Aufwand an das Reporting.

Bereichsübergreifende Organisation

Um dem Ziel einer effizienten Berichterstattung näher zu kommen, ist insbesondere der passende organisatorische Aufbau relevant. Spätestens bei der Einführung von IFRS 9 „Finanzinstrumente“ wurde klar, dass die International Financial Reporting Standards kein pures Rechnungswesen-Thema sind. Controlling, Risikomanagement, Investor Relations, Marketing, Recht, HR-Management, der Vertrieb etc. sind ebenso beim Erstellen der Berichte involviert. Um sämtliche interne und externe Berichte einheitlich erstellen zu können, ist eine bereichsübergreifende Organisation sicherzustellen.

1. Erstellen eines Jahresabschlussplans und eines Zwischenabschlussplans

Die Zuständigkeiten und Termine müssen für alle involvierten Bereiche klar sein. Daher ist es notwendig, jeden einzelnen Schritt des Jahresabschlusses detailliert zu planen. Sämtliche Arbeitspakete mit den jeweiligen Verantwortlichkeiten, Abgabeterminen und Abhängigkeiten werden definiert. Für die Planung der Abschlüsse bieten sich die klassischen Tools für Projektmanagement an. Nur so ist es überhaupt möglich, einen Überblick zu behalten und auf neue Anforderungen reagieren zu können. Zudem können auftretende Probleme während des Jahresabschlusses gezielt gesteuert werden. Das wiederum reduziert die operativen Risiken enorm.

2. Definition eines Gremiums

Die Bereiche müssen sich regelmäßig untereinander abstimmen. Nicht nur direkt während des Abschlussprozesses, sondern während des gesamten Jahres. Dafür ist es notwendig, ein Gremium zu definieren. Die Zusammensetzung der Personen soll so breit wie möglich sein, damit alle relevanten Unternehmensbereiche abgedeckt werden. Die abgestimmte Struktur, der Text und das Layout der Berichte, tragen damit zu einer in sich stimmigen Geschichte des gesamten Unternehmens bei.

Fazit

Der Prozess der Berichterstattung lässt sich durchaus effizienter darstellen und bietet darüber hinaus deutliches Potenzial für eine erhöhte Qualität. Um zukunftsfit zu bleiben müssen die Unternehmen ihre Reportingprozesse strukturiert und schlank gestalten.

Erstellen Sie eine zentrale Datenanforderung, um damit alle internen und externen Berichte zu generieren. Bauen Sie die Kapitel themenbezogen auf und nicht nach der Bilanz- und GuV-Struktur. Entrümpeln Sie den Geschäftsbericht. Mut zur Lücke ist erforderlich: Lassen Sie wesentliche Inhalte weg. Verwenden Sie Tabellen anstelle von Text. Wenn Sie ein Disclosure Management System verwenden, dann bauen Sie die Tabellen granular auf. Damit kann das System sämtliche Berichte durch Ein- und Ausblenden der Zeilen und Spalten liefern. Legen Sie ein bereichsübergreifendes Gremium fest. Dadurch können Sie diese und weitere Änderungen herbeiführen und eine in sich schlüssige Berichterstattung gewährleisten.

Dieser Beitrag hat Ihnen gefallen? Informieren Sie sich auch über unsere Tagungen zu den folgenden Themen:

Künstliche Intelligenz – der Schlüssel zur autonomen Unternehmenssteuerung

3. April 202119. März 2020 von Akademie3

Was hat es mit der autonomen Unternehmenssteuerung auf sich? Wie lässt sie sich umsetzen und wie können Sie davon profitieren? In diesem Beitrag verraten wir Ihnen spannende Details.

Stellen Sie sich vor: Sie kommen morgens ins Büro, klappen Ihren Laptop auf und sehen auf den ersten Blick, wie es Ihrem Unternehmen gerade geht. Möglich wird das durch Künstliche Intelligenz. Sämtliche KPIs liegen auf Basis von strukturierten und unstrukturierten Daten und miteinander kommunizierenden und harmonisierten Modellen vor.

Mehr über Digitalisierung und Künstliche Intelligenz erfahren Sie bei unseren Tagungen zu den Themen

Risiken werden permanent neu kalkuliert, Liquiditäts-, Refinanzierungs- und Ertragsplanung laufen selbständig unter Einbezug von Nachrichten, makroökonomischen Daten sowie vielen Kundendaten – das können demographische Daten sein, bisheriges Einkaufsverhalten sowie Klickzahlen auf bestimmten Bereichen in einem Web-Shop. Operativ-taktische Steuerungsmaßnahmen wie etwa notwendige Refinanzierungsgeschäfte werden selbständig generiert und ausgeführt. Kurzum: Das Unternehmen der Zukunft steuert sich selbst.

Wie realistisch ist der Traum von der autonomen Unternehmenssteuerung?

Die Vision einer autonomen Unternehmenssteuerung mag von heute aus betrachtet unerreichbar erscheinen – insbesondere, wenn Prozesse wie Rechnungseingang und -verarbeitung noch teilweise oder gar komplett analog und vorrangig manuell ablaufen. Doch ein Blick auf die Entwicklung des autonomen Fahrzeugs zeigt, wie es gehen kann: In einer mehrstufigen Entwicklung werden über mehrere Jahre sukzessive immer mehr Tätigkeiten an Maschinen übergeben.

Der Anfang ist bereits mit der Automatisierung von kleinen Teilaufgaben wie beispielsweise im Reporting gemacht. Auf diesem Weg spielen neue Technologien und Daten eine entscheidende Rolle. Dafür nötig ist der konsequente Abbau von fragmentierten „legacy“-IT-Landschaften und der Auf- und Ausbau eines zentralen und sophistizierten Managements interner und externer Daten (Abb 1).

Abbildung 1: Vision der autonomen Unternehmenssteuerung (in Anlehnung an das Konzept Next Level Bank Management)

Diese neue, wichtige Rolle spielen Ihre Mitarbeiter

Die Rolle der Mitarbeiter wird sich stark verändern – von mitunter stark repetitiven, manuellen Tätigkeiten hin zu strategischeren, beratenden Tätigkeiten. Der Controller wird zum Sparringspartner für den CFO, sein Team kann innerhalb von kürzester Zeit neue Simulationen anstoßen und auswerten und auf diese Weise wertvolle strategische Impulse setzen.

Darüber hinaus sind die Mitarbeiter dafür zuständig, Systeme und Modelle zu überwachen, zu kalibrieren und zu validieren. Dafür ist es notwendig, die Mitarbeiter auf den Pfad der digitalen Transformation mitzunehmen, damit sie die notwendigen Fähigkeiten erlernen und den Prozess zur autonomen Steuerung mitgestalten können.

Welche Werkzeuge kommen in der autonomen Unternehmenssteuerung zum Einsatz?

Auf diesem Pfad kommen neben klassischen Werkzeugen aus der IT auch Instrumente aus dem innovativen Werkzeugkasten der künstlichen Intelligenz zum Einsatz. So können etwa mittels maschineller Lernverfahren trainierte Modelle Kundenverhalten und Nachfragetrends akkurater vorhersagen.

Die gewonnenen Erkenntnisse geben Ihnen zum Beispiel die Möglichkeit, frühzeitig auf Änderungen in der Produktnachfrage zu reagieren und somit Ergebnisse, Liquidität und Refinanzierung besser zu planen. Natürlich ist hinsichtlich der autonomen Unternehmenssteuerung prüfen, welche Prozesse sich für die intelligente Automatisierung eignen und wie Sie künstliche Intelligenz und andere innovative Methoden sinnvoll in den Steuerungskreislauf einbinden können – damit die Vision vom autonomen Controlling beziehungsweise dem sich selbst steuernden Unternehmen Realität wird.

Dieser Beitrag hat Ihnen gefallen? Informieren Sie sich auch über unsere Tagungen zu den folgenden Themen:

Ein Rückblick auf den Mai-Termin 2019 der Tagung Künstliche Intelligenz im Finanz- und Rechnungswesen sowie im Controlling

6. Februar 20218. Juli 2019 von Akademie3

Von 22. Mai bis 24. Mai fand der diesjährige Akademie3 Kongress zum Thema Künstliche Intelligenz im Finanz- und Rechnungswesen sowie im Controlling statt. Drei Tage lang wurden die derzeitigen Entwicklungen in diesem Bereich erörtert. Auch einen Ausblick auf künftige Veränderungen hat es gegeben. Renommierte Experten zeigten anhand einiger Beispiele, welche Fortschritte die Künstliche Intelligenz in ihrer Branche mit sich bringt. Wir waren auch vor Ort und wollen diesen kurz zusammenfassen:

Ein spannender Tag beginnt

Pünktlich um 9:00 Uhr beginnt der dritte Kongresstag mit einem Vortrag zur Künstlichen Intelligenz in der Praxis. Die Anwendungsfelder der KI werden darin vorgestellt. Etwa das Erkennen von Anomalien im Zahlungsverkehr oder das Auslesen und Bewerten von Verträgen. Auch die Vorstellung von Robotic Process Automation mit der Übernahme von Routineaufgaben durch KI ist Thema. Vortragender ist Bernhard Niedermayer von Catalyst, Leiter des Geschäftssegment Emerging Technologies. Auch für Entwicklungen in den Bereichen Künstliche Intelligenz, Machine Learning, Big Data Analytics, Augmented Reality, Internet der Dinge und Blockchain ist er zuständig.

Mehr über Digitalisierung und Künstliche Intelligenz erfahren Sie bei unseren Tagungen zu den Themen

Nach einer halbstündigen Pause – mit Brötchen und Mehlspeisen – geht es mit dem zweiten Vortrag los. Marina Kern, B.Sc. und Mag. Reinhard Taucher von SAP stellen dabei das neue Programm S/4HANA vor. Sie erläutern, wie Unternehmen maschinelles Lernen in die Unternehmensabläufe integrieren und nutzen können. Ein Beispielvideo zeigt zudem, wie das Programm die Abläufe vereinfacht und welche Vorteile der Anwender durch das Programm erhält.

Networking inklusive

Im Anschluss an den Vortrag findet die Mittagspause statt. Im Speisesaal des Bürogebäudes kann man zwischen verschiedenen Speisen wählen. Die Mittagspause stellt auch eine gute Gelegenheit dar, um sich mit anderen Teilnehmern des Kongresses auszutauschen.

Den nächsten Programmpunkt hält Dominique Ray von Grant Thornton ab. Er ist Wirtschaftsprüfer von Banken und Finanzintermediär. Sein Fokus liegt auf der Digitalisierung des Audits und der internen Revision. Der Vortrag zeigt auf, wie in Echtzeit Prüfstandards automatisiert und für die interne Revision relevante Parameter überwacht werden können. Auch, wie ein digitales Konzept die Bereiche Finanz, Audit und Internat Audit verbessern kann und wo die Grenzen der digitalen Anwendung liegen, wird erläutert. Anhand von verständlichen, praktischen Beispielen wird ein komplexer Bereich für alle Teilnehmer sehr gut erklärt.

Um die immer größer werdenden Datenmengen, die es zu untersuchen gilt, geht es im Vortrag von Dr. Christian Kurz und DI Alexander Schneider, B.Sc. Beide Speaker sind bei PwC tätig. Dr. Kurz ist Senior Manager im Bereich Forensic Services. Zudem ist er auf Computer Forensics, Electronic Discovery, Cyber Forensics und Data Analytics spezialisiert. DI Schneider, B.Sc. ist Senior Associate im Bereich Forensic Services. Seine Spezialgebiete liegen bei den Themen Digitale Forensik, eDiscovery und Security Awareness. Ihr Vortrag dreht sich um die spannende Frage, wie man mit Hilfe von Künstlicher Intelligenz unstrukturierte Datenmengen untersuchen kann. Da die manuelle Bearbeitung dieser großen Datenmengen nicht mehr möglich ist, stellen sie die Software „Brainspace“ vor. Diese ermöglicht es, unstrukturierte Daten (z.B. E-Mails, Office Dokumente oder Inhalte von Smartphones) effizient zu filtern und zu untersuchen.

Zahlreiche renommierte Speaker teilen ihr Expertenwissen

Den Abschluss bildet ein Vortrag zur Betrugserkennung anhand von Advanced Analytics. Er soll die strategische Zielsetzung und den analytischen Ansatz von Betrugserkennung (Fraud Detection) vermitteln. Dieser findet unter anderem auch beim österreichischen Bundesministerium für Finanzen Anwendung. Das Ziel besteht darin, Daten durch innovative Methoden (u.a. Predictive Analytics) zu analysieren. In weiterer Folge soll über deren Muster bzw. Datencharakteristik auf Unregelmäßigkeiten und mögliche Betrugsfälle geschlossen werden. Martin Setnicka, Ph.D. ist ehemaliger Leiter des Predictive Analytics Competence Center des österreichischen Bundesministeriums für Finanzen und Vortragender dieses Programmpunktes.

Ein sehr interessanter Kongresstag geht zu Ende. Anschließend lässt man mit anderen Teilnehmern den Tag Revue passieren und tauscht sich über das neu Gelernte aus.

Sie hat unser Bericht „Künstliche Intelligenz im Finanz- und Rechnungswesen sowie im Controlling“ angesprochen? Dann könnte unsere jährliche Wiener Tagung zur Internationalen Rechnungslegung auch interessieren. Wenn Sie noch mehr zum Thema Künstliche Intelligenz und Wirtschaft erfahren wollen, melden Sie sich doch für unseren Newsletter an. So bleiben Sie über unser aktuelles Veranstaltungsangebot immer top informiert.

Dieser Beitrag hat Ihnen gefallen? Informieren Sie sich auch über unsere Tagungen zu den folgenden Themen:

Künstliche Intelligenz: Lösungen in der Praxis

Informations-Lieferkette in der Steuerberatung

Analyse strukturierter vs. unstrukturierter Daten

Unterstützung bei Recherche- und Analyseprozessen durch Künstliche Intelligenz

Feldexperiment: Einsatz Künstlicher Intelligenz in einem Fachverlag

Versuchsaufbau

Ergebnisse

Fazit

Sven Peper

Ganzheitlicher Blick auf das Unternehmen

So entwickeln Sie Ihre Digitalisierungsstrategie

Ad 1) Erfassung Ihres individuellen digitalen Reifegrades – Das Reifegrad-Modell

Wie erfolgt die Reifegrad-Messung in der Praxis?

Ad 2) Zielbildentwicklung

Ad 3) Ausarbeitung einer digitalen Streckenkarte – Ihrer Digitalisierungsroadmap

Fazit

Stefan Uebe

Welchen grundsätzlichen Reifegrad und welche inhaltliche Ausrichtung weisen Ihr Controlling auf?

Sind die KI-Ziele des Controllings eindeutig und klar festgelegt?

Sind die Controllingprozesse ausreichend definiert und auf KI optimiert?

Verspricht KI ausreichenden und nachvollziehbaren Nutzen für die relevanten Stakeholder des Controllings?

Sind Ihre Organisation und Ihre Controller auf KI vorbereitet?

Fazit

Günther Lubos

Ulrich Tröller

Entrümpeln des Geschäftsberichts

1. Inhalte nach Wesentlichkeitsgesichtspunkten sortieren

2. Kapitel zusammenfassen

Verschränken von internem & externem Reporting

Hinweise für den Zwischenabschluss

Bereichsübergreifende Organisation

Fazit

Wie realistisch ist der Traum von der autonomen Unternehmenssteuerung?

Diese neue, wichtige Rolle spielen Ihre Mitarbeiter

Welche Werkzeuge kommen in der autonomen Unternehmenssteuerung zum Einsatz?

Andreas Scheuermann

Ein spannender Tag beginnt

Networking inklusive

Zahlreiche renommierte Speaker teilen ihr Expertenwissen

Besuchen Sie uns auch auf

Kontakt

Offenlegung

Mehr als Seminare