Schreib uns eine Nachricht
KI wurde das erste Mal 1956 auf einer Konferenz am Dartmouth College erwähnt. Während sich die Erwartungshaltung in den darauffolgenden Jahren in Grenzen hielt und viele Forschungsprojekte im Rahmen sogenannter KI-Winter sogar ganz eingestellt wurden, hat das Thema in der jüngeren Vergangenheit enorm an Dynamik gewonnen und ist zum Megatrend geworden. Viele Anwendungen spielen bereits seit einiger Zeit eine wichtige Rolle im Leben vieler Menschen. So basieren beispielsweise Suchmaschinen, Social Media Feeds und Spamfilter in E-Mail-Diensten auf KI. Auch die aktive Nutzung ist relativ einfach geworden und eine dezidierte Ausbildung ist in vielen Fällen nicht nötig, um brauchbare Ergebnisse erzielen zu können. Stichwort: ChatGPT. Bereits heute kann KI Geschäftsprozesse verbessern und beschleunigen. Zahlreiche Unternehmen setzen entsprechend auf die Technologie. Der Anteil dieser Firmen liegt laut einer Studie des ifo Instituts in Deutschland derzeit bei 13,3 Prozent.
Während die für die Wirkungsweise der KI zugrunde liegenden Verfahren nicht neu sind, gibt es einige Entwicklungen, welche die Fortschritte der letzten Jahre geebnet haben. Zum einen stehen Unternehmen heutzutage große Datenmengen (Big Data) zur Verfügung. Zum anderen gibt es optimierte KI-Algorithmen, mit der diese Daten besser genutzt werden können. Darüber hinaus hat sich die Rechenleistung und -kapazität von Computern in den letzten Jahren stark gesteigert. Konform mit dem Moore’s Law hat sich die Anzahl der verbauten Transistoren auf einem Chip seit 1965 in etwa alle zwei Jahre verdoppelt.
Doch was ist KI eigentlich? Der Begriff beschreibt selbstlernende Computersysteme, welche durch Nutzung von großen Datenmengen und Algorithmen menschenähnliche Intelligenzleistungen wie Problemlösen oder Lernen erbringen, den Menschen bei der Entscheidungsfindung unterstützen und ihn schlussendlich auch ersetzen können. Dabei gibt es unterschiedliche Entwicklungsgrade, von Algorithmen, die repetitive Aufgaben übernehmen, bis hin zu Big-Data-Analysen und selbstlernenden Systemen.
Auch die rein mathematische Verarbeitung von Datensätzen mit Grundrechenarten wird in einigen Definitionen als KI gewertet. Derlei Methoden sind allerdings eher im Bereich der Datenanalyse und Statistik als in der KI anzusiedeln und fallen weniger unter den spezifischen Rahmen der KI-Funktionalitäten.
Die Arbeitsweise einer KI lässt sich in folgenden Schritten beschreiben. 1. die Erfassung von strukturierten und unstrukturierten Informationen und Daten, die dem Prozess der menschlichen Sinneswahrnehmung ähneln, 2. die Analyse und sinnvolle Verarbeitung der erfassten Informationen und Daten sowie 3. die Umsetzung von Handlungen basierend auf den erfassten Informationen. Ein weiterer, 4ter Schritt ist das eigenständige Lernen durch Training und Rückmeldung basierend auf den vorab gesammelten Daten. Vor allem der letzte Schritt ist wichtig für das Vorliegen einer KI und unterscheidet sie von anderen, teils bereits komplexen Anwendungen.
Die wesentlichen Anwendungsgebiete von KI in Unternehmen, die bereits heute relevant sind, lassen sich in unterschiedliche Kategorien einteilen.
Zum einen gibt es die Mensch-zu-Maschine-Dialogprozesse. Diese bieten die Möglichkeit, in natürlicher Sprache mit der Maschine beziehungsweise mit dem Computer zu kommunizieren, um komplexe Bildschirm- oder Tastaturinteraktionen zu vermeiden. Dies kann in verbaler oder schriftlicher Form geschehen. Ein Beispiel für entsprechende Dialogprozesse ist die Sprachsteuerung von Navigationssystemen oder von virtuellen Sprachassistenten wie Amazon Alexa.
Zum anderen gibt es Maschine-zu-Maschine-Prozesse, deren Grundlage die Vernetzung technischer Geräte untereinander und mit einer zentralen Logik ist. Der hierdurch ermöglichte Datenaustausch ist beispielsweise für Anwendungen im Internet of Things (IoT) essentiell. Ein konkreter Anwendungsbereich ist die Vorhersage von anstehenden Wartungsarbeiten mittels Machine-Learning-Verfahren, die auf Sensordaten zurückgreifen. Dies kann beispielweise bei Klimaanlagen im Rahmen der Gebäudesteuerung geschehen.
Intelligente Automatisierung (IA) beschreibt die Kombination von Prozessoptimierung mit KI. Sie hilft Unternehmen, ihre internen Prozesse zu verbessern. Eines der vielen Einsatzgebiete ist die Automobilindustrie. Hier kann mit IA die Produktion effektiver vorhergesagt und angepasst werden, um besser auf Angebot und Nachfrage reagieren zu können. Des Weiteren können Roboter und automatisierte Systeme Aufgaben wie Montage, Schweißen, Lackieren und Qualitätskontrolle übernehmen und so Verletzungen von Mitarbeitenden minimieren und qualitativ hochwertigere Produkte zu geringeren Kosten bereitstellen.
Die letzte Kategorie, die intelligente Entscheidungsunterstützung, beschreibt die Analyse von Daten mit KI-Algorithmen, um effektiver Entscheidungen treffen zu können. Anwendungsfelder sind beispielsweise Assistenzsysteme in der Medizin, wo KI-basierte Diagnostik die Menschen unterstützen kann. Damit KI bei der Entscheidungsfindung der menschlichen Anwender*innen wirkungsvoll unterstützen kann, bedarf es Daten in hoher Qualität.
Der Einsatz von KI im Controlling kann unterschiedliche Ausprägungsformen haben, wobei nicht alle davon schon heute eine gelebte Realität in Unternehmen sind. Die Ausprägungsformen lassen sich in die vier untenstehenden Stufen einteilen.
Die erste Stufe ist die semi-intelligente Datenanalyse, welche in vielen Unternehmen genutzt wird, um die menschliche Intelligenz zu ergänzen. Konkrete KI-Techniken, die in dieser Stufe des KI-Einsatzes genutzt werden, sind automatisierte Datenbereinigung und -vorbereitung, Mustererkennung und Prognosen sowie automatisierte Finanzberichterstattung und -analyse.
Die nächsthöhere Ausprägungsform umfasst die proaktive Unterstützung durch KI auf Basis einer noch umfassenderen Datengrundlage. Eine entsprechende intelligente Assistenzfunktion kann Controller in unterschiedlichen Arbeitssituationen bei der Wahrnehmung ihrer Aufgaben unterstützen. Dies kann beispielsweise im Rahmen der Interpretation von komplexen Finanzdaten, der Generierung von Echtzeit-Reportings oder der Assistenz bei der Budgeterstellung geschehen.
Der inhaltlich gestärkte KI-Einsatz stellt die dritte Stufe der Ausprägungsformen von der KI-Nutzung im Controlling dar. Hier kann KI nicht nur Daten interpretieren, sondern auch kontextbezogene Empfehlungen für Maßnahmen im Controlling geben, basierend auf unternehmensspezifischen Zielen und Vorgaben. Die KI hat in dieser Ausprägungsform eine erweiterte Entscheidungsautonomie und kann bestimmte repetitive Aufgaben selbstständig durchführen oder kleinere Entscheidungen treffen, die auf wiederkehrenden Mustern in den Daten basieren.
Die vierte Stufe umfasst den umfassenden strategischen KI-Einsatz. Die KI ist hier in der Lage, Daten autonom zu analysieren und auf Basis der Ergebnisse strategisch zu handeln oder eigenständig strategische Maßnahmen vorzuschlagen. Sämtliche Ansätze der vorigen Stufen werden hier kombiniert. Die wichtigste Lernquelle für die KI in dieser Stufe sind Verhaltensmuster von Controllern, welche durch das KI-System beobachtet werden. Es kann so alle relevanten Ursache-Wirkungs-Zusammenhänge im Controlling-Kontext des jeweiligen Unternehmens beobachten und aus ihnen lernen.
Anwendungsfälle aus den ersten beiden Stufen lassen sich schon heute in Unternehmen finden. Die KI ist derzeit allerdings noch nicht so weit, dass sie Optimierungsmöglichkeiten selbstständig erkennt und den effizientesten Ansatz benennen kann. Somit ist die Technologie aktuell noch weit von der vierten genannten Ausprägungsstufe entfernt.
Auf den ersten beiden der zuvor genannten Stufen bieten sich für KI im Controlling verschiedene Anwendungsfelder mit unterschiedlicher Nutzenintensität für die Stakeholder.
Eines dieser Anwendungsgebiete findet sich im Forecasting. Über die Auswertung vergangener Daten, beispielsweise zu Angebot, Nachfrage, Verkaufszahlen oder Herstellungskosten können KI-Tools verschiedene historische Datenströme integrieren. Werden diese Daten zeitlich nach vorne gerichtet modelliert, lassen sich zuverlässige Prognosen für zahlreiche Unternehmensbereiche erstellen.
Neben dem Forecasting lässt sich auch der Planungsprozess mit KI-Systemen deutlich effizienter gestalten. Durch ihren Einsatz können Muster und Abnormitäten in Transaktionen, Finanzdaten und Geschäftsberichten gefunden werden und sich Treiber, beispielsweise für die Umsatzplanung, identifizieren lassen. Gerade im Planungsprozess bietet es sich an, auch externe Daten wie Wirtschaftsindikatoren zu nutzen, um zum Beispiel Entwicklungen im Markt, im Wettbewerb oder von Risiken besser bewerten zu können.
Des Weiteren kann KI im Risikomanagement im Controlling helfen. Durch die Verarbeitung von Daten aus verschiedenen Quellen und das Erkennen von Mustern können KI-Algorithmen Risiken frühzeitig identifizieren. Moderne Tools sind zum Beispiel in der Lage, Verträge zu überprüfen und dafür zu sorgen, dass geltende Vorschriften eingehalten werden.
Auch bei der Datenauswertung kann KI unterstützen. Diese kann dank ihr weitgehend automatisiert geschehen, ohne dass große Personalkapazitäten für die Bereitstellung von Informationen benötigt werden. So können Daten aus verschiedenen Funktionsbereichen wie dem Vertrieb, der Produktion oder der Logistik mithilfe von KI schnell ausgewertet und unmittelbar grafisch aufbereitet werden.
Damit die Einbettung von KI in einer Controllingabteilung gelingt, müssen gewisse Grundlagen im Unternehmen erfüllt sein. Hat das Unternehmen Probleme mit dem Generieren, Aufbereiten und Vervollständigen von Daten oder kämpft es mit dem Aufsetzen einer nahtlos digitalen Toollandschaft, so kann die Einführung von KI nur schwer gelingen. Eine Implementierung sollte deshalb nur dann in Betracht gezogen werden, wenn eine umfassende Datenbasis und relevante Tools vorhanden sind und die Prozesse im Unternehmen auf die Veränderung vorbereitet sind. Erst wenn beispielsweise mit der Nutzung eines ERP-Systems einheitliche Prozesse und eine vollständige Datengrundlage als Basis geschaffen wurden, ergibt die Nutzung eines KI-basierten Systems im Controlling Sinn.
Zu beachten ist außerdem, dass es bei der Arbeit mit KI eine menschliche Komponente gibt, die Datenmodelle formuliert und Algorithmen wählt. Denn zumindest beim heutigen Entwicklungsstand ist der Input durch einen Menschen notwendig, damit sich die Datenanfragen logisch aus dem Geschäftsalltag ergeben und Korrelationen nicht fälschlicherweise als Kausalitäten interpretiert werden. Gleichzeitig kann der Mensch sicherstellen, dass Vergleichbarkeit und Konsistenz der Daten vorhanden sind. Das symbiotische Zusammenwirken von KI und Mensch bietet derzeit also die größten Chancen, um die Effektivität im Unternehmen zu steigern und Wettbewerbsvorteile zu erzielen.
Vor der Nutzung von KI im Controlling sollte zudem eine klare Zielstellung definiert werden. Nur wenn präzise formuliert wurde, was der KI-Einsatz im Controlling bringen soll, lässt sich die Technologie in den verschiedenen Wertschöpfungsstufen erfolgreich einbinden. Mögliche Ziele können die Verringerung der Fehlerwahrscheinlichkeit, die Verbesserung der Qualität von Entscheidungen oder die schnellere Bereitstellung von Informationen sein.
Um derartige Ziele zu erreichen, sollte darüber hinaus eine Roadmap erstellt werden. Fragen, die Controllingverantwortliche sich stellen sollten, sind: Wie kann ich meine Daten gut auf die Arbeit mit KI vorbereiten? Wie kann ich aus den Daten Informationen extrahieren? Wie kann ich aus den Daten Rückschlüsse ableiten? Und wie kann ich mit diesen Rückschlüssen und externen Daten Modelle erstellen?
Der Einsatz von KI verändert die Prozesse in Unternehmen nachhaltig. Das gilt auch für das Controlling. KI bietet zahlreiche mögliche Anwendungsmöglichkeiten für den Bereich, die teils schon heute genutzt werden. Sie erleichtert nicht nur die tägliche Arbeit, sondern liefert auch neue Einblicke. Dafür ist in vielen Fällen weder ein Data Scientist, noch ein*e KI-Spezialist*in nötig. Die Frage nach der Nutzung von KI ist für die meisten Controllingabteilungen konsequenterweise nicht eine des Ob, sondern des Wann. Führungskräfte sollten dementsprechend frühzeitig beginnen, sich mit der Technologie zu beschäftigen, nützliche Anwendungsgebiete in ihrem Unternehmen zu identifizieren und relevante Kompetenzen im Team aufzubauen.
Der umfassende Einfluss von KI wird sich auch auf das Anforderungsprofil an Mitarbeitende im Controlling auswirken. Qualitfikationsmerkmale wie eine hohe Affinität zu Zahlen, Erfahrungen mit Tabellenkalkulationen in Excel und Branchenwissen werden zukünftig weniger relevant sein, während Know-how für den Umgang mit BI-Tools und ein Verständnis für IT-Systeme immer wichtiger werden.
Trotz der großen Umwälzung, die KI mit sich bringt, wird sie Controller in absehbarer Zukunft nicht überflüssig machen. Diese erhalten vielmehr Freiräume für Tätigkeiten, die kritisch für die Wertschöpfung im Unternehmen sind, da sie sich weniger mit der Erhebung und Verarbeitung von Daten beschäftigen müssen. Zudem werden sie durch KI befähigt, tiefgreifendere Datenanalysen als bisher zu erstellen. Dadurch entwickeln sich neue Aufgabenfelder und es wird zu einer Verschiebung der Arbeitsbereiche von Controller und Maschine kommen.
