9 Minuten Lesezeit 23 Januar 2020
Präsentation von KI-Daten während eines Meetings

Sechs Beispiele dafür, wie CFOs heute künstliche Intelligenz in Finanzabteilungen einsetzen können

Autoren

Nigel Duffy

EY Global Artificial Intelligence Leader

Passionate about artificial intelligence and machine learning. PhD in machine learning theory. Start-up founder. Patent holder. AI transformation of the enterprise. Irish immigrant.

Karsten Füser

EY Global and EY EMEIA Financial Accounting Advisory Services and Climate Change and Sustainability Services Markets Leader

Outcome-driven leader. Client-focused advisor. Supporting businesses with innovative solutions for a complex and changing world. Enjoys outdoor pursuits and the countryside. Family man.

9 Minuten Lesezeit 23 Januar 2020

Weitere Materialien

Zukunftsorientierte CFOs überlegen, wie sich künstliche Intelligenz in der Finanzbranche einsetzen lässt. Welche Vorteile bringt sie? Wo sollte man beginnen?

KI entwickelt sich rasch; die Technologie ist der Experimentierphase entwachsen und kann kommerziell eingesetzt werden. Der Einsatz von KI ist in vielen Unternehmen bereits fest verankert – um Vorhersagen darüber zu treffen, wie Wettbewerber reagieren werden, wann Maschinen repariert werden müssen und sogar um vorherzusagen, wer sich in fünf Jahren als wertvollster Kunde herausstellen wird.

CFOs befinden sich in einer einzigartigen Position: Sie sind diejenigen, die KI in ihrem Unternehmen etablieren können.
Bei ihnen laufen die wichtigsten Daten des Unternehmens auf – von Produktionskosten über Außenstände von Kunden bis hin zur Profitabilität einzelner Abteilungen. Diese Daten bilden das digitale Fundament von KI.

Viele CFOs haben auch die Funktion des Chief Compliance Officer inne. Oft tragen sie persönlich Verantwortung für die Einhaltung von Finanz- und Regulierungsvorschriften. Die Aufgaben von Finanzabteilungen umfassen eine Menge wiederkehrender Tätigkeiten – Aufgaben, die sich bestens für den Einsatz von KI eignen. Nicht zuletzt werden strategisch agierende CFOs zunehmend eine Rolle spielen, wenn es um das Wachstum und den Ausbau der Umsätze von Unternehmen geht.

Die Erwartungen und Anforderungen von Shareholdern, Aufsichtsbehörden und Rechnungsprüfern sind gestiegen, insbesondere in den Bereichen Transparenz, nichtfinanzielle Berichterstattung und Governance. All diese Bereiche können von KI profitieren.

EY unterstützt CFOs vieler weltweit führender Unternehmen darin, eine für ihren Aufgabenbereich passende KI zu entwickeln und zu implementieren. Hier einige Praxisbeispiele, die wir als Vorreiter für Finanzabteilungen und verwandte Bereiche sehen. Alle Beispiele fallen in den Zuständigkeitsbereich der Finanzabteilung und in allen werden Daten genutzt, auf die CFOs im Regelfall Zugriff haben

CFOs befinden sich in einer einzigartigen Position: Sie sind diejenigen, die KI in ihrem Unternehmen etablieren können.

Kundendaten und Predictive Pricing

In vielen Firmen trägt der CFO die Verantwortung für die Datenebene, die aus den Bereichen mit Kundenkontakt gespeist wird. Darin finden sich beispielsweise Forderungen, die die Vertriebsabteilung weiterreicht, oder Preiskalkulationen der Ladengeschäfte. In der Welt des E-Commerce hat der CFO dadurch eine Schlüsselstellung inne, die datenbasierte Vorhersagen mit Kundenverhalten verknüpfen kann.

Ein Team des CFO untersucht gemeinsam mit Datenanalysten, wie Preisverhalten und Forderungen miteinander korrespondieren. Es ergänzt die Erkenntnisse mit Daten aus Transaktionen, dazu gehören beispielsweise Produkttyp, Zahlungsmethode und demografische Angaben über den Kunden. Aus reiner Experimentierfreude fließen zudem Daten zu äußeren Faktoren wie Wetter und Lage des Verkaufsstandortes mit ein.

Das Ergebnis: Das Unternehmen kann den optimalen Preis für eine 18- bis 24-jährige Kundin kalkulieren, die bei schlechtem Wetter auf Kreditkarte Weihnachtsgeschenke einkauft.  

  • Beispiel: der „War Room“ für Weihnachten

    Eine amerikanische Handelskette verknüpfte Daten ihrer Ladengeschäfte und Warenlager mit Preiskalkulationen, um für das Weihnachtsgeschäft einen „War Room“ aufzubauen. Mithilfe von KI-Analysen entwickelten Finanzabteilung und Ladengeschäfte gemeinsam Preise, die minutengenau angepasst werden konnten, um eine optimale Balance von Umsatz und Absatz zu erzielen.

Schon seit langem werden solche Systeme genutzt, um uns Filme oder Videos zu empfehlen, basierend auf dem Inhalt, den wir in der Vergangenheit angeschaut haben.

Denselben Ansatz können CFOs nutzen, um Lagerbestände zu optimieren und so Abschreibungen und Kapitalverlust zu vermeiden.

Präziser als der Buchwert 

Eine der größten Herausforderungen für CFOs ist die Bewertung von Assets. Ob es um die Übernahme von Firmen mit einem großen Bestand an Assets geht oder um die Berechnung der Steuerlast für bestehende Assets: Unsicherheiten können für das Firmenkonto ein Plus oder ein Minus in Millionenhöhe bedeuten.

Die effizienteste Methode, um Werte zu ermitteln, ist, eine große Zahl ähnlicher Transaktionen zu vergleichen. Dabei kann KI helfen.

CFOs und Wertermittlungsexperten aus dem Immobilienbereich können KI nutzen, um mit Tausenden von Variablen Vorhersagemodelle für die Bewertung von Gebäuden zu entwickeln, beispielsweise Miethöhe, Quadratmeter oder auch Arbeitslosenquote und Qualität der Schulen in der Umgebung. Die so ermittelten Zahlen helfen bei Käufen und Verkäufen. Sie nutzen nicht nur Immobilienfirmen, sondern auch Käufern, Verkäufern und Vermietern.  

  • Beispiel: Sofortbewertung von Immobilien

    Ein Start-up aus den Niederlanden nutzt ein „Automated Valution Model“ (AVM), das durch KI-basierte Algorithmen in der Lage ist, augenblicklich den Wert eines Gebäudes zu kalkulieren – ein Prozess, der sich sonst über mehrere Wochen hinziehen kann. Für CFOs sind solche AVMs ein Instrument, um marktübliche Preise für Assets zu ermitteln und dadurch die Finanzkraft der Unternehmen zu berechnen, für die sie tätig sind.

Forderungsausfälle vorhersagen und managen

Nach Angaben der US-Steuerbehörden1 verzeichnen US-Firmen im Schnitt Forderungsausfälle in Höhe von 0,5 % ihres Umsatzes. 2018 summierte sich dies auf 100 Milliarden US-Dollar; das wiederum senkte die Gewinnmargen um bis zu 5 %.2

Künstliche Intelligenz befähigt CFOs zu prognostizieren, ob Kunden pünktlich, verspätet oder überhaupt nicht zahlen werden. Durch die Analyse unterschiedlicher B2B-Daten der Kunden lässt sich prognostizieren, wie wahrscheinlich es ist, ob ein Unternehmen seine Rechnungen bezahlen wird – und ob ihm ein Kredit gewährt werden sollte. Dazu gehören beispielsweise Branchenzugehörigkeit, Bonität, erworbene Produkte und Angaben zu den Vertriebsmitarbeitern. Gleichzeitig hilft das Identifizieren potenzieller Nichtzahler bei der Qualifizierung von Kunden und der Genehmigung von Kreditwünschen.

  • Beispiel: kriminelle Vertriebsmitarbeiter

    Ein Finanzdienstleister wurde mit Hypothekenausfallraten konfrontiert, die über den üblichen Werten lagen. Der Vertriebsleiter und sein Team glichen verschiedene Faktoren miteinander ab, um Muster zu erkennen, unter anderem den Gebäudetyp, die Anzahlungshöhe und die Kreditwürdigkeit – ohne Ergebnis. Letztendlich entwickelte ein Mitglied des Finanzteams ein Vorhersagemodell, das auch die Provisionszahlungen an Vertriebsmitarbeiter berücksichtigte. Tatsächlich gab es eine Gemeinsamkeit: Die Kredite waren von einem bestimmten Mitarbeiter bewilligt worden.

    Es wurde ein Algorithmus entwickelt, der durch maschinelles Lernen Verknüpfungen zwischen Provisionsregelungen und Forderungsausfällen herstellen konnte. Damit war es möglich, langfristig die Wahrscheinlichkeit von Zahlungsausfällen unter verschiedenen Szenarien zu prognostizieren.

Forderungsausfälle

100 Milliarden USD

So viel kosteten Forderungsausfälle amerikanische Firmen im Jahr 2018.

Unterschlagung und Ausgabenbetrug

Interne Betrugsfälle sind extrem schwer aufzudecken, vorherzusagen und zu handhaben. Sie treten nur episodisch auf – und hinterlassen keine eindeutigen Spuren in den Büchern. Oft werden nur kleine Beträge abgezweigt, deren Fehlen nicht auffällt. Und manchmal manipulieren die Täter sogar Dokumente, um nicht entdeckt zu werden.

Ausgabenbetrug allein schädigt US-Unternehmen jedes Jahr um geschätzte 1,8 Milliarden US-Dollar.3 Weil solche Fälle erhebliche juristische, steuerliche und finanzielle Auswirkungen haben können, müssen sich CFOs mit diesem Thema beschäftigen und werden dadurch von strategischen Aufgaben abgehalten.

Dies ist ein perfektes Einsatzgebiet für KI. Sie erkennt verdächtige Ausgabeposten. Sie untersucht Ausgaben und Verhalten der Mitarbeiter unter verschiedenen Szenarien. Darüber hinaus lassen sich durch maschinelles Lernen Verhaltensmuster von Mitarbeitern, die falsche oder zu hohe Beträge abrechnen, erkennen und prognostizieren. So können CFOs mögliche Betrugsfälle prognostizieren und verhindern.

  • Beispiel: Regeln für Ausgaben

    Ein CFO-Team konnte auf Daten aus aufgedeckten Ausgabebetrugsfällen zugreifen. Dazu gehörten beispielsweise die Angaben zu den Ausgaben und den Ausstellern der Rechnungen, beispielsweise Hotels oder Fluggesellschaften. Statt die Mitarbeiter direkt zu konfrontieren, starteten die Finanzverantwortlichen ein aggressives Aufklärungsprogramm und ließen gleichzeitig gefährdete Bereiche beobachten. Das Finanzteam konnte sich aufgrund der KI-Erkenntnisse gezielt auf die Bereiche konzentrieren, in denen Missbrauchsfälle am wahrscheinlichsten auftreten würden. Dadurch gelang es ihnen, künftige Betrugsfälle zu verhindern.

Ausgabenbetrug

1,8 Milliarden USD

Geschätzter jährlicher Schaden für US-Unternehmen durch Ausgabenbetrug

Wie künstliche Intelligenz Geldwäsche aufdeckt

Geldwäsche ist ein schweres Vergehen, das harte Sanktionen von Aufsichtsbehörden zur Folge haben kann. Daher haben viele Banken Alarmmeldesysteme installiert, die auf bekannten Missbrauchsmustern basieren. Viele davon sind gesetzlich vorgeschrieben. Doch oft lösen sie eine Flut von Alarmmeldungen aus, die ganze CFO-Teams mit Arbeit eindecken.

Künstliche Intelligenz kann Computern beibringen, verdächtiges Verhalten zu erkennen und Alarmmeldungen in hohe, mittlere und niedrige Risiken zu kategorisieren. So lassen sich viele Alarmmeldungen automatisch klären. Das lässt den Teammitgliedern Zeit, sich auf die wenigen Fälle zu konzentrieren, bei denen höchstwahrscheinlich tatsächlich kriminelles Verhalten vorliegt.

  • Beispiel: Alarmmeldungen kategorisieren

    Immer wieder lösten die Systeme einer europäischen Bank Alarmmeldungen aus, weil sie Anzeichen möglicher Geldwäschevorgänge erkannt hatten, die sie sich jedoch meist als unbegründet herausstellten. Das Finanzteam besorgte sich von den Justizbehörden Daten nachgewiesener Geldwäschefälle und entwickelte darauf basierend ein Vorhersagemodell.

    Es setzte einen Algorithmus ein, der die Sicherheitsmeldungen in eine Skala von 1 bis 10 einordnete; ein Wert von 8 oder mehr löste automatisch eine Untersuchung und das Einfrieren der Konten aus. Aufsichtsbehörden empfahlen dieses Modell anderen Banken als Standard im Kampf gegen Geldwäsche.

Weniger monotone Tätigkeiten

In kaum einem Bereich gibt es so viele wiederkehrende Routineaufgaben wie in Finanzabteilungen: Rechnungen ausstellen, Außenstände einfordern, Zahlungsanweisungen protokollieren. All diese Tätigkeiten sind kostenintensiv, wenig profitabel für das Unternehmen und wenig attraktiv für die Mitarbeiter.

Künstliche Intelligenz und robotergestützte Automatisation können die traditionellen Arbeitsabläufe von Finanzabteilungen von Grund auf verändern. Roboter können Transaktionen beschleunigen, während künstliche Intelligenz Daten für die Entscheider aufspürt: Wie können wir Forderungen schneller abwickeln? In welche Bereiche sollten wir investieren? Welche Auswirkungen brächte eine Preisreduzierung?

CFOs nutzen zunehmend künstliche Intelligenz, um Änderungen von regulatorischen Vorschriften umzusetzen. So sparen beispielsweise viele Konzerne beim Prüfen von Leasingverträgen eine bedeutsame Menge an Arbeitsstunden ein, indem sie dafür maschinelle Sprachverarbeitung einsetzen. Ohne diese Technologie wäre dies eine extrem zeitaufwendige Aufgabe.

  • Beispiel: Kostensenkung und Weiterqualifizierung von Mitarbeitern

    Ein milliardenschweres Bekleidungsunternehmen errechnete, dass die Kosten seiner Finanzabteilung 3 % seiner Ausgaben ausmachten. Durch robotergesteuerte Prozessautomatisierung für Forderungen und Verbindlichkeiten konnte es diese Kosten um 15 % reduzieren und gleichzeitig Daten über Fördergelder generieren. Es gab keine Entlassungen. Die Mitarbeiter wurden stattdessen mit anspruchsvolleren Aufgaben betraut: Sie wurden weiter qualifiziert, um die Analyse der generierten Daten zu dirigieren. Das sparte Kosten ein und verkürzte Prozesse.

CFOs und die Macht der Vorhersage

Traditionell bestand die Aufgabe von Finanzabteilungen darin, die Vergangenheit zu bewerten. Sie verbuchten Umsätze, prüften Kosten oder überwachten das Einhalten von Compliance-Vorschriften. Künstliche Intelligenz ändert das. Künftig besteht die Aufgabe von CFOs darin, mithilfe von Daten Vorhersagen über die Zukunft zu treffen. Jetzt sind Finanzabteilungen in der Lage vorherzusagen, wie Mitbewerber oder Kunden reagieren und an welchen Stellen Risiken entstehen werden.

Die neue Rolle im Unternehmen geht weit über die eines digitalen Wahrsagers heraus: CFOs und ihre Teams haben künftig eine strategische Schlüsselstellung inne. CFOs, die die Chancen nutzen, die künstliche Intelligenz und maschinelles Lernen bieten, verändern nicht nur das Unternehmen, sondern auch den Aufgabenbereich, die Verantwortlichkeiten und den Einfluss ihrer Position.  

Eine gekürzte Version dieses Artikels wurde bereits im CFO Magazine veröffentlicht.

  • Artikelreferenzen anzeigen # Artikelreferenzen ausblenden

    1. US Corporate Income Tax Returns, Internal Revenue Service, 2008
    2. Margins by Sector, NY Stern School of Business, 2019
    3. Ausgabenbetrug verursacht jedes Jahr einen geschätzten Schaden von 1,8 Milliarden US-Dollar, National Society of Accounts for Cooperatives, 2018

Fazit

Künstliche Intelligenz ist für CFOs einer von vielen Aspekten auf ihrem Weg in Richtung „Finance 4.0“. In Kombination mit anderen Technologien wie intelligenter Automatisierung oder Blockchains ermöglicht sie es Finanzabteilungen, fundiertere Entscheidungen zu treffen als jemals zuvor.

Über diesen Artikel

Autoren

Nigel Duffy

EY Global Artificial Intelligence Leader

Passionate about artificial intelligence and machine learning. PhD in machine learning theory. Start-up founder. Patent holder. AI transformation of the enterprise. Irish immigrant.

Karsten Füser

EY Global and EY EMEIA Financial Accounting Advisory Services and Climate Change and Sustainability Services Markets Leader

Outcome-driven leader. Client-focused advisor. Supporting businesses with innovative solutions for a complex and changing world. Enjoys outdoor pursuits and the countryside. Family man.