Gamechanger KI? Potenziale von Künstlicher Intelligenz und Predictive Analytics im Finance-Bereich

„Implementierung von Predictive Analytics im Controlling“

Dass für viele Unternehmen großes Potenzial durch Predictive Analytics besteht, zeigen Prof. Dr. Robert Knappe, Professor für BWL der öffentlichen Verwaltung an der HWR Berlin, und Prof. Dr. Thomas Winter, Professor für Mathematik an der BHT Berlin, in ihrem Vortrag über ein Implementierungsprojekt bei zwei Nahverkehrsunternehmen. In Kooperation mit dem ICV implementierten sie bei der Berliner Verkehrsgesellschaft (BVG) und der Stuttgarter Straßenbahnen AG (SSB) ein Predictive Analytics Software-Tool zur Berechnung von Erlösprognosen. Dabei kann das mit statistischen Methoden und künstlicher Intelligenz entwickelte Modell das Wert- und Mengengerüst der Erlöse unter Berücksichtigung von internen und externen Einflussfaktoren prognostizieren.

Externe Faktoren müssen integriert werden

Dazu ist der Einbezug von externen Daten, neben der historischen internen Geschäftsentwicklung, entscheidend. Um realistische Vorhersagen zu erhalten, müssen Unternehmen externe Faktoren, die sich auf ihr Geschäft auswirken, identifizieren und verstehen. Im Fall des öffentlichen Nahverkehrs gehören zu diesen Faktoren Bevölkerungswachstum, Wetterdaten, Kalendereffekte wie Feiertage oder Schulferien, Tourismus, die Anzahl an Pendlern, Studenten und Schülern, Beschäftigung und Arbeitslosigkeit, Kraftstoffpreise und Schocks wie beispielweise die Effekte der Covid Krise oder Streiks.

Die Prognose kann anschließend auf Basis der externen Treiber, der internen Produktdaten oder beidem erstellt werden. Da Predictive Analytics Modelle die Vergangenheit fortschreiben, reagieren sie nicht oder schlecht auf neue Einflüsse wie beispielweise den Effekt des Lockdowns im Zuge der Covid Pandemie. Im Fall des vorgestellten Projekts musste das programmierte Modell dahingehend angepasst werden, was erfolgreich gelungen ist. Zu diesem Zweck musste den Einflussgrad der einzelnen Treiber auf den Mengen- und Wertbestandteil des Erlöses identifiziert werden.

Erfolgsfaktor Nr. 1 ist das richtige Change Management

Zusätzlich berichteten Prof. Dr. Knappe und Prof. Dr. Winter von ihren Lessons Learned für die Implementierung von Predictive Analytics im Controlling. Als ersten Punkt von sehr großer Bedeutung nannten sie dabei das Change Management und betonten, dass die Einführung nicht nur ein technologisches Thema ist, sondern das „Auftauen“, Verändern und Stabilisieren auf Mitarbeiterebene erfordert. Sie sprechen sich für eine ganzheitliche Steuerung auf Ebenen der Technologie, Strategie, Organisation und Kultur als Erfolgsfaktor aus. Des Weiteren berichten sie, dass 60% der Zeit während der Projektimplementierung in die Datenaufbereitung fließt und sie Unternehmen zunehmend einen Ablaufplan für das Vorgehen bei der Predictive Analytics Implementierung wünschen. Controller wird es weiterhin zur Interpretation und Umsetzung der aus eines Predictive Tools erhalten Erkenntnisse brauchen. Jedoch werden Basiskenntnisse in Data Science für Controller immer wichtiger. Außerdem wird in diesem Zuge von Controllern erwartet, dass sie Prognoseergebnisse erklären und reproduzieren können, weshalb es notwendig ist, dass sie Berechnungen des angewandten Tools verstehen.

„Künstliche Intelligenz in Planung und Analyse – naht ein Quantensprung?“

Im Zuge seines Vortrags zu KI in Planung und Analyse führte Prof. Dr. Karsten Oehler, Chief Solution Advisor bei SAP, in Anwendungsfälle ein, die eine neuen Arbeitsaufteilung zwischen Mensch und Maschine anstoßen werden. Im Bereich Analyse umfassen diese Anwendungsfälle

• die automatisierte Erstellung von Dashboards und Reports,
• die daraus entstehende Möglichkeit zum Self-Service,
• die Kommentierung und Zusammenfassung von Analysen und Geschäftszahlen und
• die Erstellung von Erklärungen zum Kontext einer Kennzahl und deren Abweichung.

In der Planung nennt Prof. Dr. Oehler Predicitve Analytics und in diesem Zuge Modellgenerierung, Simulation und die automatisierte Auswahl von relevanten Treibern. Dahingehend kann der Einsatz von KI dazu beitragen, dass die Subjektivität in der Planung „rausgefiltert“ wird.

„Mit Künstlicher Intelligenz zu „Autonomous Finance“?“

Dr. Carsten Bange, Geschäftsführer von BARC, wies einführend darauf hin, dass generative KI Systeme häufig „halluzinieren“ und Schwächen in der Datenanalyse aufweisen. Vor diesem Hintergrund wird generative KI im Finance Bereich vorrangig Unterstützung in den Bereichen Data Management, der Analyse textueller Daten und Reporterstellung leisten. Das führt zur Verringerung der Standardaufgaben, erhöhter Effizienz und verringerten Bedarf an Personalressourcen.

Daneben präsentierte Dr. Bange die Ergebnisse einer kürzliche erfolgten BARC Umfrage zu den Hindernissen in der Umsetzung der KI-Strategie. Dabei waren

• mangelndes Fachwissen,
• technische Integration und
• Budgetrestriktionen

unter den meistgenannten Gründen. Er schloss seinen Vortrag mit der Prognose „2024 wird das Jahr der generativen KI.“

Die Veranstaltung

Der Congress der Controller ist die größte Fachveranstaltung für die Controller Community in Zentraleuropa und wird vom Internationalen Controller Verein ausgerichtet. An der 48. Ausgabe nahmen rund 550 Controllerinnen und Controller teil. Die Veranstaltung 2025 findet am 28./29. April 2025 statt.

Das könnte Sie auch interessieren:

Bosch für Digitalisierung des EU-Taxonomie-Reportings mit Controlling Excellence Award ausgezeichnet

Datengetriebene Unternehmenssteuerung durch den gezielten Einsatz von KI