KI im Finanzbereich: Der Einsatz von generativer KI

Obwohl viele Führungskräfte die Einführung von GenAI in ihren Verantwortungsbereichen vorantreiben, sind gerade die CFOs eher zurückhaltend in Bezug auf die Integration dieser Tools in ihre Strategie. Zugleich erhoffen sie sich von dem KI-Einsatz in erster Linie eine Kostenreduzierung.

In diesem Sinne soll der vorliegende Beitrag die Potenziale, aber auch mögliche Risiken für den Einsatz von GenAI im Finanzbereich aufzeigen.

Was ist GenAI und wie funktionieren die zugehörigen Werkzeuge?

Künstliche Intelligenz (KI) ist alles andere als neu. Sie beschreibt alle Computersysteme, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern, wie z.B. Lernen, logisches Denken, Lösen von Problemen und Treffen von Entscheidungen.

Generative KI ist eine Gruppe von KI-Technologien, mit deren Hilfe originäre Inhalte in verschiedenen Formen, wie z.B. Text, Bilder, Audio, Code, Sprache oder Video, maschinell so erstellt werden, wie es zuvor nur mit menschlichem Geschick und Fachwissen möglich war. Generative KI bezieht sich somit auf eine Klasse von Modellen der künstlichen Intelligenz, die in der Lage sind, neue Daten zu erstellen, die den vorhandenen Daten, auf denen sie trainiert wurden, ähnlich sind. Diese Modelle werden mit fortgeschrittenen Techniken wie Deep Learning und neuronalen Netzen erstellt.

Die generative KI wird von grossen Sprachmodellen (Large Language Models – LLM) wie OpenAIs GPT-4, Googles Bard und anderen geprägt, die mittels riesiger Datenmengen und Berechnungen trainiert werden, um eine breite Palette von nachgelagerten Aufgaben übernehmen zu können. So gelingt es ihnen, aus vorhandenen Artefakten zu lernen, um neue, realistische Artefakte zu erzeugen, die die Merkmale der Trainingsdaten widerspiegeln, diese aber nicht wiederholen.

Einsatz von GenAI in Finance

Generative KI birgt ein immenses Potenzial für die Umgestaltung verschiedener Aspekte der Finanzfunktion innerhalb eines Unternehmens, was zu einer verbesserten Effizienz und Produktivität führt.

Bisher werden generative KI-Tools hauptsächlich zur Verarbeitung und Generierung von Texten und Bildern eingesetzt. Ihre Fähigkeit, numerische Analysen mit der im Finanzwesen erforderlichen Genauigkeit zu erstellen, ist noch in der Entwicklung begriffen. Die Werkzeuge können einen ersten Durchgang bei der Analyse begrenzter Datensätze durchführen, aber die Zuverlässigkeit der Ergebnisse muss sich verbessern, bevor menschliches Eingreifen nicht mehr erforderlich ist. Im Gegensatz dazu können die traditionellen Anwendungen der KI im Finanzbereich numerische Daten für Prognosen und Risikobewertungen sowie andere Anwendungsfälle zuverlässig analysieren (BCG, 2023).

Zu den aktuellen und in naher Zukunft zu erwartenden Anwendungen in der gesamten Finanzwertschöpfungskette gehören die folgenden (BCG, 2023):

• Finanzoperationen: Erstellung von Vorentwürfen für textlastige Aufgaben oder Aufgaben, die nur eine minimale Analyse erfordern, wie z.B. die Erstellung von Verträgen und die Ergänzung von Kreditprüfungen.
• Buchhaltung und Finanzberichterstattung: Bereitstellung erster Einblicke in aufeinanderfolgende Herstellungsschritte von Finanzberichten bei Monatsabschlüssen oder auch die Unterstützung bei Prüfpfaden für Reklassifizierung/Umgliederung.
• Finanzplanung und Leistungsmanagement: Durchführung von Ad-hoc-Abweichungsanalysen der strukturierten oder unstrukturierten Datensätze des Unternehmens (z.B. Vergleich von Ist- und Planzahlen) und Erstellung von Berichten für Geschäftspartner zur Erläuterung der finanziellen Leistung ihres Bereichs.
• Investor Relations: Unterstützung der vierteljährlichen Ergebnismitteilungen an die Investoren.

Nach Ansicht von Jedox, einem Software-Anbieter, können vor allem Planungsaufgaben deutlich effizienter erfolgen, indem z.B. ChatGPT zur verbesserten Prognose von Umsatz, Nachfrage oder Cashflow eingesetzt wird. Gerade im Finanzbereich bietet ChatGPT darüber hinaus die Möglichkeit, hilfreiche Zusammenhänge und Kommentierungen zu den Zahlen im Management-Reporting zu generieren, Trends und Ausreisser zu interpretieren und empfohlene Massnahmen zu untersuchen. Im Hinblick auf die nichtfinanzielle ESG-Berichterstattung unterstützt der Einsatz von ChatGPT z.B., Nachhaltigkeitsdaten zur Ermittlung nachhaltiger Anlagemöglichkeiten zu interpretieren, und bietet darüber hinaus eine Unterstützung bei der Einhaltung sich ändernder Standards und Vorgaben (Jedox, 2023).

Darüber erweisen sich die folgenden Anwendungsfelder innerhalb der Finanzfunktion als besonders geeignet für Anwendungen von generativer KI:

Automatisierung und Prozesseffizienz

Generative KI kann sich wiederholende und zeitaufwendige Aufgaben wie Dateneingabe, Berichterstellung und Datenanalyse automatisieren. Durch diese Automatisierung werden wertvolle Personalressourcen freigesetzt, die sich auf strategischere, hochwertigere Aktivitäten konzentrieren können, was letztlich die betriebliche Effizienz erhöht.

Datengenerierung und -erweiterung

Generative KI kann synthetische Finanzdaten generieren, die bestehende Datensätze ergänzen und eine genauere Vorhersagemodellierung ermöglichen. Dies ist besonders vorteilhaft, wenn reale Daten knapp sind oder wenn verschiedene Szenarien für Risikobewertungen und Stresstests erstellt werden.

Risikobewertung und -management

Generative KI-Modelle können verschiedene Szenarien und damit verbundene Marktbedingungen simulieren, um so zu einer umfassenden Risikobewertung und Risikofrüherkennung beizutragen. Diese wiederum erlaubt es den Entscheidern, fundiertere Investitionsentscheidungen zu fällen und widerstandsfähigere Finanzstrategien zu entwickeln.

Betrugsaufdeckung und Sicherheit

Durch die Analyse historischer Transaktionsdaten kann generative KI in diesen Anomalien und Muster erkennen, die mit betrügerischen Aktivitäten in Verbindung stehen, womit die Betrugserkennung und interne Kontrollaktivitäten innerhalb der Finanzfunktion verbessert werden können.