Trends in the digital accounts department

Mein Name ist Dan Rose Johansen und ich habe das Vergnügen, einen Gastbeitrag für Acubiz zum Thema künstliche Intelligenz zu verfassen. Ich bin Geschäftsführer und Gründer des Unternehmens TodAi. Ich habe TodAi gegründet, um künstliche Intelligenz praxisnah zu gestalten und sie möglichst vielen Unternehmen in Dänemark zugänglich zu machen. In diesem Artikel werde ich versuchen, das Konzept greifbar und anwendbar zu machen. Viel Spaß beim Lesen!

TL;DRKünstliche Intelligenz im Finanzwesen muss weder abstrakt noch einschüchternd sein. In diesem Gastbeitrag argumentiert Dan Rose Johansen, CEO von TodAi, dass Unternehmen KI falsch verstehen, indem sie sie mit Automatisierung gleichsetzen, und dass sorgfältig abgegrenzte KI-Projekte in Bereichen wie der digitalen Buchhaltung greifbaren Mehrwert schaffen können, ohne dass dafür große Expertenteams oder massive Investitionen erforderlich sind.

Künstliche Intelligenz – oder KI, wie ich sie nenne – ist für viele ein schwer fassbares Thema. Das muss aber nicht so sein. Es ist möglich, das Konzept sowohl greifbar als auch anwendbar zu machen und es auf diese Weise für Unternehmen und ihre Mitarbeiter wesentlich attraktiver zu gestalten.

Eine der größten Herausforderungen bei der Verbreitung der KI ist der natürliche Widerstand gegen Veränderungen. Wie man es auch dreht und wendet: Die KI ist in vielen Bereichen zahlreicher Branchen mit einem Paradigmenwechsel verbunden. Die Chancen, die die KI – und in diesem Zusammenhang auch die Robotik und das maschinelle Lernen – bieten, werden in Zukunft zu einer veränderten Arbeitswelt führen. Eine Arbeitswelt, die sich wandeln und anpassen wird. Die Mitarbeiter werden ihren Arbeitsplatz nicht verlieren, aber die Aufgabenbereiche und Tätigkeiten werden sich verändern.

Daher ist es wichtig, dass Unternehmen versuchen, die vielfältigen Chancen der KI zu nutzen, um auch in Zukunft wettbewerbsfähig zu bleiben – und sie ist keineswegs so gefährlich, wie viele Menschen glauben.

Wir sind uns nicht einig darüber, worum es bei KI eigentlich geht

Die größte Hürde, die ich bei dem oben erwähnten „Widerstand“ gegen KI sehe, ist, dass wir alle ein wenig verwirrt sind, wenn KI das Gesprächsthema ist. Wir haben noch keine gemeinsame Sprache. Der Nachrichtenfeed kann ein Teil dieser Hürde sein. Wenn wir uns die Nachrichten über KI genauer ansehen, drehen sich 12 % davon um Elon Musk und selbstfahrende Autos. Aber KI ist so viel mehr als das. Darauf werde ich gleich noch eingehen.

Wir haben noch keine gemeinsame Sprache oder ein gemeinsames Verständnis von KI. Daher geben viele Unternehmen an, KI zu nutzen, setzen in Wirklichkeit aber eine ganz andere Technologie ein. Viele Menschen gehen automatisch davon aus, dass KI im Spiel ist, wenn ein Prozess automatisiert wird. Das ist jedoch nicht immer der Fall. Tatsächlich nutzen nur 40 % der dänischen Start-ups KI. Ich bin überzeugt, dass dies auf ein Missverständnis des Konzepts zurückzuführen ist. Der Grund für dieses Missverständnis liegt meist darin, dass KI mit Robotik verwechselt wird. Ich verstehe diese Verwirrung, und daher ist es wichtig zu betonen, dass der große Unterschied zwischen den beiden Konzepten darin besteht, dass Robotik keine Aufgabe lösen kann, die sie zuvor noch nicht gesehen hat. KI hingegen schon! Mit anderen Worten: KI ist experimentell und ahmt im Grunde menschliche Handlungen nach. Robotik hingegen kann nur auf erhaltene Anweisungen hin handeln.

Der Kontrollverlust ist der letzte wichtige Faktor, wenn es um Vorbehalte gegenüber dem Einsatz von KI geht. Wenn sich ein Unternehmen für den Einsatz von KI entscheidet, entsteht zwangsläufig das Gefühl eines Kontrollverlusts, doch so extrem ist es nicht, wie es klingt. Darauf werde ich gleich noch näher eingehen.

Was ist das Schwierige an der Arbeit mit KI?

Als ich anfing, mich mit KI zu beschäftigen, dachte ich, das Einfachste sei es, ein Problem zu finden, das sich mit KI lösen lässt. Das stellte sich jedoch als die Schwierigkeit heraus. Tatsächlich haben sich die Dinge, die ich für schwierig hielt, als die einfachen Aspekte der KI erwiesen. Einfach ist es, KI-Modelle zu entwickeln, Prototypen zu erstellen und Ideen zu entwickeln, welche Probleme sich mit KI lösen lassen.

Das Schwierige daran ist, den Kern des Problems, das man lösen möchte, zu verstehen und es dann unter Verwendung aller erforderlichen Daten zu lösen. Denn die Datenerhebung ist in der Regel sowohl kostspielig als auch aufwendig, wenn eine KI-Aufgabe gelöst werden muss – selbst wenn die Aufgabe auf den ersten Blick einfach erscheint.

Keine Angst – das bedeutet nicht, dass KI so schwierig ist, dass man unmöglich damit anfangen kann. Anders als noch vor einigen Jahren ist es heute möglich, ein KI-Modell ohne jegliche Programmierarbeit zu erstellen. Und da immer mehr KI-Modelle entwickelt werden, um ein immer breiteres Spektrum an Problemen zu lösen, werden immer mehr dieser Modelle zu sogenannten Standardprodukten, die man einfach „aus der Hand nehmen“, kaufen und nutzen kann. Einfach und bequem – Plug-and-Play.

Wie wird die Zukunft mit KI aussehen?

Ich weiß, dass viele Menschen darüber diskutieren, wie die Zukunft mit einem ausgereifteren Markt für KI aussehen wird. Als KI eingeführt wurde, lag der Fokus darauf, ob Roboter unsere Arbeitsplätze übernehmen würden – das führte natürlich zu einem Teil des Widerstands, den ich eingangs angesprochen habe. Weder die Robotik noch die KI werden uns unsere Arbeitsplätze wegnehmen. Davon bin ich absolut überzeugt. Aber unsere Arbeitsplätze verändern sich.

Nehmen wir einmal ein Buchhaltungsabteilung als Beispiel. Wenn ein Mitarbeiter heute 80 % seiner Zeit damit verbringt, Einträge in einem ERP-System und nur 20 % auf Steuerung, wird sich das Verhältnis in Zukunft umkehren. Langfristig wird es möglich sein, KI dazu zu bringen, Aufgaben zu übernehmen, die Mitarbeiter heute noch manuell erledigen. Dies mag über ein Standardprodukt geschehen, doch selbst ein Standardprodukt muss im Laufe der Zeit weiterentwickelt werden, um optimal zu funktionieren. In dieser Hinsicht unterscheidet sich KI erheblich von der Robotik. KI trifft ihre Entscheidungen auf der Grundlage von Erfahrungen. Mit anderen Worten: Sie müssen Ihre KI „trainieren“, damit sie die Aufgaben lösen kann, die Sie ihr übertragen möchten.

Sie trainieren Ihre KI, indem Sie ihr Beispiele dafür zeigen, wie sich ein „echter“ Mitarbeiter in einer bestimmten Arbeitssituation verhalten würde. Die KI erfasst daraufhin alle Faktoren und Variablen, die in dem Beispiel eine Rolle gespielt haben, und lernt daraus.

Ein Mitarbeiter in einer Finanzabteilung kann beispielsweise eine KI trainieren, indem er ihr zeigt, wie eine Rechnung aussieht. Die KI nutzt dann ihr Vorwissen, um zu beurteilen, ob es sich um eine Rechnung handelt oder nicht. Bei Verwendung eines Standardprodukts ist das Verständnis bereits vordefiniert, und es ist möglich, dieses Verständnis durch das Training der KI weiterzuentwickeln. Der Mitarbeiter versucht somit, der KI Wissen zu vermitteln, das für die Lösung der jeweiligen Aufgabe oder des Problems relevant sein könnte.

Wenn der Mitarbeiter die KI trainiert, ist es wichtig, ihr Aufgaben mit unterschiedlichem Schwierigkeitsgrad zu geben. Das kann eine knifflige Quittung aus dem die Informationen ausgelesen werden sollen. Wenn die zum Einlesen des Belegs verwendete KI meldet, dass sie zu 90 % sicher ist, was auf dem Beleg steht, kann der Mitarbeiter versuchen, die KI weiter zu trainieren, indem er Daten eingibt, die der KI helfen, beim nächsten Einlesen eines Belegs noch sicherer zu sein. Wenn die KI nicht weiter trainiert werden kann, könnte dies eine der Aufgaben sein, die die KI an einen „echten“ Mitarbeiter weitergibt, der die erforderliche Kontrolle durchführen kann.

Erste Schritte mit KI

Wenn Sie KI zwar spannend finden, sich aber noch nicht ganz wohl dabei fühlen, Arbeitsaufgaben in Ihrem Unternehmen einer selbstständig denkenden Software zu überlassen, dann ist mein bester Rat, dass Sie mit einem E-Mail-Bot beginnen. Ein E-Mail-Bot ist eine KI, die lernen kann, E-Mails zu verstehen, zu sortieren, weiterzuleiten und zu beantworten. So können Sie die Technologie testen und herausfinden, ob sie in Ihrem Unternehmen funktioniert.

KI wird in Zukunft ein Wettbewerbsfaktor sein. Deshalb sollten Sie sich schon jetzt Gedanken darüber machen, welche Arbeitsaufgaben KI für Sie übernehmen kann. Und denken Sie daran: Es ist nicht schwer, Ideen zu finden, wie KI oder Robotik einige der „langweiligen“ Aufgaben übernehmen können – die Schwierigkeit liegt vielmehr darin, herauszufinden, worin diese langweiligen Aufgaben eigentlich bestehen. Eines ist sicher: Wenn Sie die Zeit investieren, die nötig ist, um KI in Ihr Unternehmen zu integrieren, werden Sie noch viele Jahre davon profitieren können.

Häufig gestellte Fragen

Was ist der Unterschied zwischen KI und Automatisierung bei Finanzprozessen?

Bei der Automatisierung wird eine vordefinierte, regelbasierte Aufgabe ohne menschliches Eingreifen ausgeführt. KI geht noch einen Schritt weiter, indem sie aus Daten lernt und Entscheidungen oder Vorhersagen trifft, die nicht explizit programmiert wurden. Viele Unternehmen glauben, sie würden KI einsetzen, obwohl sie in Wirklichkeit Automatisierung nutzen. Es ist wichtig, den Unterschied zu kennen, da sich die Datenanforderungen, der Implementierungsaufwand und die erwarteten Ergebnisse bei den beiden Ansätzen erheblich unterscheiden.

Wo wird KI heute in der Buchhaltung tatsächlich eingesetzt?

Zu den praktischen KI-Anwendungen im Finanzwesen zählen die Klassifizierung von Rechnungen, die Erkennung von Unregelmäßigkeiten im Zusammenhang mit Spesenbetrug, die automatisierte Kontierung auf der Grundlage historischer Muster sowie die Cashflow-Prognose. Diese Anwendungsfälle basieren auf strukturierten Finanzdaten, wodurch sie leichter zu handhaben sind als umfassendere KI-Projekte und den manuellen Bearbeitungsaufwand erheblich reduzieren können.

Brauchen wir ein eigenes Data-Science-Team, um KI in unserer Finanzabteilung einzuführen?

Nicht unbedingt. Viele moderne Finanzsoftware-Plattformen integrieren KI-Funktionen direkt in ihre Arbeitsabläufe, sodass Sie von maschinellem Lernen profitieren können, ohne ein Data-Science-Team aufbauen zu müssen. Wenn Sie jedoch eigene Modelle entwickeln möchten, benötigen Sie Fachwissen im Bereich Data Science – einer der gefragtesten Berufe dieses Jahrzehnts.

Was sind die größten Hindernisse für die Einführung von KI in dänischen Unternehmen?

Der Gastautor nennt das Fehlen einer gemeinsamen Sprache im Bereich der KI als Haupthindernis. Die Unternehmen sind sich nicht einig darüber, was KI eigentlich bedeutet, was produktive Gespräche über die Umsetzung erschwert. Zu den weiteren Hindernissen zählen die Datenqualität, die oft geringer ist als erwartet, sowie der kulturelle Widerstand gegen Veränderungen, der mit jedem Prozesswandel einhergeht.