Autonomous Finance in der Unternehmenssteuerung

Der vom Analystenhaus Gartner geprägte Begriff „Autonomous Finance“ steht für die zunehmende Automatisierung von Finanzprozessen. Vollautomatisierte FinTech-Prozesse im Bankenwesen und Börsenhandel gehören längst zu unserem Alltag. Auch im Unternehmen können operative Geschäftsprozesse wie die Eingangsrechnungsprüfung oder Bestellanforderungen bis hin zur Verbuchung im ERP-System heute völlig autonom – d.h. ohne menschliche Eingriffe – ablaufen.

Aber wie ist der Stand bei komplexeren Finanzprozessen? Wie weit können entscheidungsunterstützende Prozesse in dispositiven CPM- und BI-Systemen automatisiert werden? 

Hoch standardisierte Prozesse im Financial Reporting, wie etwa das Management-Reporting oder Beteiligungscontrolling, sind inzwischen voll automatisierbar. Schwieriger war es dagegen bisher im Bereich der Vorhersagen und Planung. Prognosen, Predictive Analytics, Simulation und Szenarioplanung sind in den heutigen dynamischen Märkten erfolgsentscheidende Disziplinen der Unternehmenssteuerung. Künstliche Intelligenz und innovative Technologien im Finanzbereich wie KI- und ML-Algorithmen, Robotic Process Automation (RPA) und Natürliche Sprachverarbeitung (NLP) stehen für diese Aufgaben am Markt bereit und ermöglichen inzwischen präzise Vorhersagen in Echtzeit.

Automatisierungspotenzial im Datenmanagement

Der Blick in die Unternehmenspraxis zeigt allerdings, dass im Bereich des Datenmanagements meist noch die erforderlichen Grundlagen geschaffen werden müssen. So kämpfen Finanzexperten beispielsweise bei der treiberbasierten Planung, in der Finanzdaten mit operativen Größen oder Marktdaten verknüpft werden, noch immer mit Systembrüchen und Automatisierungslücken. Sie verwenden viel Zeit darauf, manuell Daten aus operativen Teilplänen oder externen Quellen zu erfassen und zu harmonisieren. Unterschiedliche Datenformate und Zeitpläne müssen vereinheitlicht werden, um Vergleichbarkeit zu schaffen – und je mehr heterogene Datenquellen ins Spiel kommen, desto aufwändiger wird die Bearbeitung.

In diesem typischen „Number Crunching“ liegt enormes Optimierungspotenzial. Unternehmen, die ihre Daten automatisiert integrieren, sparen Zeit, reduzieren die Fehleranfälligkeit und erhöhen die Datenqualität. Die EPM-Plattform Jedox bietet dafür leistungsstarke Integrationsfunktionen und nutzt zudem KI-Wizards, um Daten zu bereinigen und für die Treiberanalyse vorzubereiten.

In der integrierten Datenplattform können darüber hinaus Treiber mithilfe statistischer Verfahren wie Korrelations-, Regressions- oder Varianzanalysen identifiziert werden. Jedox stellt auch dafür KI-Wizards zur Verfügung, die Treiber erkennen, Muster, Trends und Anomalien aufzeigen oder die Forecasting-Genauigkeit auf Basis von Treiberanalysen erhöhen. Unternehmen können damit beliebig viele Planszenarien entwerfen, Veränderungen im Datenmodell simulieren und deren Auswirkungen auf das Geschäft sichtbar machen.

Henkell Freixenet: Jährlich über 175 Tage nicht wertschöpfender Arbeitsschritte eingespart

Je näher der Vorhersagezeitraum, desto genauere Prognosen lassen sich mit KI-Modulen erzielen. Henkell Freixenet, der weltweit führende Produzent von Schaumweinen, hat festgestellt, dass mit KI-generierten Forecasts eine Prognosegenauigkeit von bis zu 91 Prozent erreicht werden kann. 

Basis der KI-Applikation bei Henkell Freixenet ist die skalierbare Jedox-Plattform für Planung und Performance Management, die stetig mit dem erfolgreichen Unternehmen mitwächst. Ein wesentlicher Vorteil für die Controller ist dabei, dass sie ihre Applikation eigenständig nach Bedarf weiterentwickeln können.

Auch das Datenmanagement hat der Fachbereich selbst im Griff und schrittweise automatisiert. Das hat unter anderem die Arbeit im Beteiligungscontrolling deutlich erleichtert und dazu geführt, dass das zuständige Team sich an Meldetagen mehr mit der Analyse der Daten anstelle des Uploads beschäftigen kann. Und das mit besserer Datenqualität und weniger Abstimmschleifen: Die Gesellschaften können die Daten nicht nur im Self-Service einfacher bereitstellen, sondern auch vorab intern validieren und freigeben. Das erhöht das Prozess-Commitment und die Ownership der Gesellschaften für ihre Zahlen und spart jährlich über 175 Personentage nicht wertschöpfender Arbeitsschritte ein.

Auf dem Weg zur autonomen Finanzabteilung

Der moderne Finanzbereich muss effizient arbeiten und jederzeit auskunftsfähig sein, um die Unternehmensleitung in dynamischen Märkten zu unterstützen. Immer mehr Unternehmen greifen daher auf KI und Machine Learning zurück, um komplexe dispositive Finanzprozesse zu automatisieren, zu integrieren, zu analysieren und genauere Vorhersagen zu treffen. Einen weiteren Schub wird künftig der Einsatz von Natürlicher Sprachverarbeitung bringen. Wenn Abfragen an die Datenmodelle einfach formulierbar sind bzw. vom System in die entsprechenden Prompts übersetzt werden, können Fachbereiche ihre Prognosen zur Geschäftsentwicklung zunehmend selbst erstellen, ohne auf Expertenwissen von beispielsweise Data Scientists angewiesen zu sein.

Als einfach implementierbare und erschwingliche Cloud-Lösungen sind die neuen Technologien derzeit massiv auf dem Vormarsch. Unternehmen sollten sich auf jeden Fall mit der Entwicklung auseinandersetzen, um die Potenziale der autonomen Finanzabteilung zu nutzen.

Success Story von Henkell Freixenet lesen