- Generative KI im Controlling: was bleibt nach dem Hype?
- Generative KI in der Wertschöpfungskette: Chancen für Finance und Controlling
- Praktische Anwendung generativer KI in Unternehmen
Generative KI kann in vielen Bereichen entlang der Wertschöpfungskette von Unternehmen umfassend eingesetzt werden. Sie kann die Interpretation und das Verständnis vorhandener Inhalte erleichtern und automatisch neue Inhalte erstellen. In Controlling und Finance werden bereits zahlreiche Anwendungsfälle diskutiert.
Einsatzmöglichkeiten von generativer KI in der Wertschöpfungskette
Generative KI kann in vielen Bereichen entlang der Wertschöpfungskette von Unternehmen umfassend eingesetzt werden (vgl. Abb. 2). Sie kann die Interpretation und das Verständnis vorhandener Inhalte erleichtern und automatisch neue Inhalte erstellen. Einige der grundsätzlichen Fähigkeiten und der daraus resultierenden Vorteile der Nutzung generativer KI sind:
- Automatisierung des manuellen Prozesses der Inhaltserstellung,
- Verringerung des Aufwands für die Beantwortung von E-Mails,
- Verbesserung der Antwort auf spezifische fachliche Anfragen,
- Zusammenfassen komplexer Informationen,
- Vereinfachung des Prozesses der Erstellung von Inhalten in einem bestimmten Stil
Forschung & | IT | Produktion & Logistik | Sales & Marketing |
Generierung von Molekülen auf der Grundlage der Charakterisierung von Eigenschaften (wissenschaftlich) | Generierung von Codefragmenten oder Codeempfehlungen (Code) | Generierung von realen Simulationsdaten und digitalen Zwillingen für die Prozessoptimierung (3D) | Erstellung personalisierter und ansprechender Nachrichten (Text) |
Vorhersage struktureller Eigenschaften von Proteinen und anderen Biomolekülen (wissenschaftlich) | Generierung von Software-Testfällen (Code) oder Erstellung von Software-Testdaten (Code, Text, Tabellen, etc.) | Erfassen, Klassifizieren und Zusammenfassen von technischen Fehler-meldungen (Bild, Text) | Analyse von Kundeninteraktionen und Feedback, um wichtige Erkenntnisse zu gewinnen (Text) |
Erstellen von chemischen Formeln (wissenschaftlich) | Komplexe Codestrukturen erläutern und hervorheben (Code, Text) | Optimierung von Teilen des Designs für strukturelle Eigenschaften (3D) | Erstellung überzeugender Medien (Bild, Video) |
Generierung von wissenschaftlichen, technischen und raum-bezogenen Simulationsdaten (Sensor-, 3D-, raumbezogene Daten usw.) | Generierung von Low-Code-Apps und Automatisierungs-routinen (Code) | Zusammenfassen von Sensordaten und Erkennen/Erklären von Abweichungen (Sensor) | Zusammenfassen, Ändern und Zusammenführen von Medien (Video, Bild, Text) |
Visualisierung von Produktverwendungs-szenarien/virtuelle Inszenierung (Bild, Video) | Generierung von KI-Trainings- und/oder Testdaten (Text, Tabellen, Bilder usw.) | Analyse von Nachrichten, Dokumenten und sozialen Medien, um Wettbewerbs-einsichten und Marktforschungs-ergebnisse zu erhalten (Text) | |
Finden, Zusammenfassen und Erstellen von fortgeschrittenen wissenschaftlichen Inhalten in Wissensdatenbanken (Text, Bild) | Erstellung von Prototypen für das Design der Benutzeroberfläche (Code, Bild) | ||
Service | Finanzen, Risikomgt. | Human Resources | Allg. Arbeitsweisen & Zusammenarbeit im Team |
Bereitstellung verbesserter "virtual agents" für den Kundensupport (Text) | Identifikation, Zusammenfassen und Erstellen von rechtlichen und regulatorischen Dokumenten (Text) | Hilfestellung bei der Erstellung von Interviewfragen leisten, die auf bestimmte Bereiche ausgerichtet sind (Text) | Erstellen oder Kommentieren von allgemeiner Textdokumentation (Text) |
Bereitstellung einer Wissensbasis für den Kundensupport aus Textdokumenten und Experteninteraktionen (Text) | Identifizierung und Bewertung von Risikoindikatoren in der Textdokumentation (Text) | Zusammenfassung und Hervorhebung der wichtigsten Bewerbungsinformationen für die erste Bewerberprüfung (Text) | Bereitstellung von Textzusammenfassungen und Bildbeschreibungen (Text, Bild) |
Visualisierung von remote Supportanweisungen, z.B. zur Produktnutzung (Bild, Video) | Identifizierung und Bewertung von Betrugsindikatoren in Textdokumenten (Text) | Bereitstellung verbesserter virtueller Assistenz für self-service im Bereich des Personalmanagements (Text) | Unterstützung bei der allgemeinen Inhaltssuche und Beantwortung von Fragen (Bild, Text) |
Extrahieren und Zusammenfassen von Inhalten diverser Formulare (inkl. Rechnungen, Versand-dokumente, etc.) (Text) | Übersetzungen in andere Sprachen (Text) | ||
Bereitstellung von Text-zu-Sprache- und Sprache-zu-Text-Transkriptionen (Text, Stimme) |
Tab. 1: Anwendungsfälle von generativer KI entlang der Wertschöpfungskette (Quelle: IBM Consulting, 2023)
Entscheidend wird es darüber hinaus für die Unternehmen sein, über die neuesten Entwicklungen in diesem sich äußerst dynamisch entwickelnden Gebiet kontinuierlich auf dem Laufenden zu bleiben und verantwortungsvolle KI-Praktiken im Unternehmen einzuführen, um generative KI effektiv einsetzen zu können.
Chancen generativer KI für Controlling und Finance
Generative KI hat ein transformatives Potenzial für Controlling- und Finanzbereiche in Unternehmen. Zu den Anwendungen gehören Conversational Finance*, Finanzanalyse und -prognose, Betrugserkennung, Dokumentenanalyse und die Erstellung von Finanzberichten. Unternehmen müssen jedoch den Datenschutz, die Einhaltung gesetzlicher Vorschriften und sich ändernde rechtliche Rahmenbedingungen im Auge behalten.
Für Controlling- und Finanzbereiche wurden bereits folgende konkrete Anwendungsfälle diskutiert:
- Identifizierung und Bewertung von Risiken
Generative KI-Modelle können große Mengen an Textinformationen verarbeiten und in Bezug auf unterschiedliche Risikokategorien analysieren und bewerten. anbieten, Fragen beantworten und personalisierte Empfehlungen geben. Diese Technologie ermöglicht es Finanzexperten, einen besseren Kundenservice anzubieten und die Kommunikation zu optimieren. - Finanzanalyse und -prognose
Generative KI-Modelle eignen sich hervorragend für die Analyse von finanzbezogenen Daten wie Jahresabschlüssen, Bilanzen und Gewinn- und Verlustrechnungen. Sie sind in der Lage, Trends zu erkennen, Ergebnisse vorherzusagen oder detaillierte Finanzanalysen zu erstellen. - Betrugserkennung
Durch die Analyse historischer Transaktionsdaten können generative KI-Modelle Muster erkennen und potenzielle Anomalien aufzeigen, die auf betrügerische Aktivitäten hindeuten. Durch den Einsatz von KI-gestützter Betrugserkennung können Unternehmen ihre Sicherheitsmaßnahmen verbessern und ihre Vermögenswerte schützen. - Extraktion von Daten aus Finanzdokumenten
Generative KI kann die Extraktion spezifischer Daten aus verschiedenen Finanzdokumenten wie Rechnungen, Verträge und behördliche Anmeldungen automatisieren. Diese Automatisierung reduziert den manuellen Aufwand, verbessert die Genauigkeit und beschleunigt die Prozesse, was letztlich die Effizienz in den Controlling- bzw. Finanzbereichen steigert. - Erstellung von Finanzberichten
Generative KI-Modelle können die Erstellung von Finanzberichten automatisieren und so Zeit und Aufwand für das Controlling sparen. Durch die Verwendung natürlicher Sprachfunktionen können diese Modelle auch kommentierte Berichte erstellen, die eine bessere Entscheidungsfindung ermöglichen.
Grenzen und Risiken von generativer KI in der Wertschöpfung und im Controlling
Obwohl die generative KI aufregende und vielseitige Möglichkeiten bietet, gibt es auch Grenzen und Risiken. Von Bedeutung sind hier insbesondere der Datenschutz als auch künftige regulatorische Vorgaben in Bezug auf die Nutzung von KI.
- Datenschutz
Die Gewährleistung des Datenschutzes ist im Zeitalter von Vorschriften wie der Datenschutz-Grundverordnung (DSGVO) von entscheidender Bedeutung. Unternehmen müssen verantwortungsvoll mit Kundendaten umgehen und Datenschutzbestimmungen einhalten, um rechtliche Konsequenzen zu vermeiden. - Künftige regulatorische Landschaft
Auf europäischer Ebene befinden sich derzeit neue Vorschriften rund um das Thema KI in Abstimmung. So zielt beispielsweise der Artificial Intelligence (AI) Act der Europäischen Union darauf ab, die mit dem Einsatz von KI verbundenen Risiken zu reduzieren, indem Entwickler verpflichtet werden, ihre Systeme zu testen, den Einsatz zu dokumentieren und Sicherheitsmaßnahmen zu ergreifen. Die Auswirkungen dieser Gesetzgebungsinitiativen sind noch nicht abschließend bewertbar – sicher ist, dass es zu Einschränkungen in der Benutzbarkeit von außereuropäischen Lösungen kommen wird, wenn sich diese nicht den dann geltenden regulatorischen Anforderungen gerecht werden.