FH OberösterreichForschung & Entwicklung

Künstliche Intelligenz im Rechnungswesen

Künstliche Intelligenz ist eigentlich ein Kunstbegriff der beschreibt, dass eine Maschine die Intelligenz eines Menschen simuliert. Wenn ein Computer also in der Lage ist, Aufgaben zu erfüllen, die normalerweise menschlichen Verstand erfordern, spricht man von künstlicher Intelligenz.

Der künstlichen Intelligenz wird die größte Transformationsmacht in der Digitalisierung zugeschrieben. Durch die stetig steigenden verfügbaren Datenmengen sind neue Methoden nötig, um diese auswerten zu können. Daten werden häufiger und an vielen Stellen gesammelt (z.B. Maschinendaten, die mittels Sensoren gemessen werden). Auch deshalb rücken Begriffe wie maschinelles Lernen (machine-learning), Data Science und künstliche Intelligenz in den Mittelpunkt. Sie bieten eine Möglichkeit, große (un-)strukturierte Datenmengen zu analysieren und in Wissen zu verwandeln.

Künstlich intelligente Technologien basieren auf informationstechnischen Nachbildungen des menschlichen neuronalen Netzes. Sie zeichnen sich dadurch aus, dass durch Lernen (sog. machine-learning) bekannte Muster mit dem Ziel abgespeichert werden, in weiterer Folge auch „unbekannte“ Fälle zu lösen.  Machine-learning basiert auf Algorithmen, die wiederum mathematisch-statistische Modelle darstellen, die innerhalb un- als auch strukturierter Daten Muster erkennen können, um daraus abgeleitet Klassifikationen, Entscheidungen oder Vorhersagen zu treffen. 

So könnte z.B. das neuronale Netzwerk mit Anwendungsfällen aus der Bonitätsprüfung trainiert werden, um in weiterer Folge selbstständig die Bonitätsprüfung neuer Kunden durchzuführen.  Künstliche Intelligenz ermöglicht somit Entscheidungen auch in komplexen Situationen und könnte ein vollautonomes Rechnungswesen ermöglichen, in dem intelligente Technologien bislang vom Menschen getroffene Entscheidungen durchführen.  Wenngleich derartige Szenarien noch Zukunftsmusik darstellen, wären folgende Einsatzmöglichkeiten zumindest technisch realisierbar.

Einsatzmöglichkeiten

Smart RPA-Anwendungen

Künstliche Intelligenz  kann  einfache RPA-Anwendungen um zwei neue Fähigkeiten ergänzen: das selbständige Lernen und das Problemlösen. Diese smarten RPA-Anwendungen können damit in einem abgegrenztem Bereich zur Problemlösung eingesetzt werden undeine End to End-Automatisierung von Unternehmensprozessen auch bei nicht regelbasierten Prozessen ermöglichen.

RPA-Anwendungen, die mit „intelligenten“ Digitalisierungstechnologien ausgestattet werden, können auch kognitive Aufgaben ausführen und unstrukturierte Datenmengen (Big Data) systematisieren. Diese Anwendungen werden auch als Smart oder Intelligent Process Automation-Anwendungen (kurz: SPA oder IPA) bezeichnet.  Selbstlernende IPA-Anwendungen sind in der Lage durch Beobachtung und Erkennen von Mustern, weniger regelbasierte und komplexere Aufgaben auszuführen und auch Sonderfälle zu lösen. Sie könnten z.B. durch Beobachtung der Entscheidungen eines Mitarbeiters die Klassifizierung von Daten erlernen.

 

Chatbots

Mittels natural language processing (NLP) wären Softwareroboter in der Lage natürliche Sprache oder Text in digitale Form umzuwandeln und könnten mit Algorithmen aus dem Bereich machine-learning auch unstrukturierte Daten aus z.B. Verträgen oder Emails verarbeiten und nachgelagerte Prozessschritte, wie das Weiterleiten an zuständige Mitarbeiter, veranlassen.

So könnte mit Chatbots eine intelligente Schnittstelle zwischen Menschen und bestimmten Informationen oder Dienstleistungen geschaffen werden. Mitarbeiter*innen aber auch unternehmensexterne Personen wie Kund*innen, Lieferant*innen usw. könnten den Chatbots Anweisungen in natürlicher Sprache geben. 

Die Vorteile der Spracherkennung und -verarbeitung durch Chatbots können sehr rasch für einfache Frage- oder Aufgabenstellungen (z.B. Kontostandsabfragen) durch Verknüpfung von Schlüsselwörtern mit den dazugehörigen Datenbanken umgesetzt werden.

So können z.B. Reiseabrechnungen von den Mitarbeitern als Textnachricht in einer Messaging App erfasst werden, die Textnachricht wird als digitale Information gemeinsam mit einem Bild des Belegs an eine RPA-Anwendung weitergeleitet, die die entsprechenden Informationen ausliest und im System verbucht. Sowohl für den*die Mitarbeiter*in, der die Reisekostenabrechnung stellt, als auch in der  Buchhaltung wird der bislang entstandene Aufwand der Erfassung hinfällig. In Kombination mit der Blockchain-Technologie könnten wiederum auch notwendige Berechtigungen überprüft werden und Compliance konforme Rücküberweisungen getätigt werden. Die Dialogqualität von Chatbots ist zwar derzeit noch verbesserungswürdig, diese werden sich aber kontinuierlich selbst weiterentwickeln und auch in der Lage sein Emotionen, die ihren Niederschlag in der menschlichen Sprache finden, zu erkennen und einen automatisierten Dialog starten, der von menschlicher Interaktion nicht zu unterscheiden ist.

 

Bilderkennung

Denkbare wäre der Einsatz künstlicher Intelligenz auch bei der Durchführung der Inventur. Statt Mitarbeiter*innen können zur Bestandsaufnahme auf technische Geräte ins Lager geschickt werden. So können zum Beispiel Drohnen mit künstlicher Intelligenz und Bilderkennung ausgestattet, Mengen und Zustand des Vermögenswertes automatisch bewerten und an die smarte RPA-Anwendung weiterleiten, die die Werte im ERP-System erfassen. Vermögenswerte, die nicht von der künstlichen Intelligenz eindeutig beurteilt werden können, werden vom Menschen beurteilt. Aus den beobachteten Entscheidungen lernt die künstliche Intelligenz selbstständig dazu und kann bei ähnlich gelagerten Fällen in Zukunft selbstständig entscheiden.

 

Predictive Analytics und Controlling

KI-gestützten Controlling bedeutet eine schnelle und automatisierte Auswertung von großen Datenmengen aus verschiedenen Unternehmensbereichen.  Mit Hilfe von machine-learning Algorithmen können Muster in Echtzeit erkannt werden. Auf Basis von Trainingsdaten werden statistisch-mathematische Prognosemodelle erstellt, um Vorhersagen wie z.B. von Schadensaufwendungen zu treffen.  Damit kann künstliche Intelligenz Controller*innen bei Planungen unterstützen.

 

Grenzen des Einsatzes künstlicher Intelligenz…

Die Grenzen der Anwendung im Rechnungswesen vor allem im Bereich predictive analytics liegen darin, dass die von den Algorithmen abgeleiteten Entscheidungen nicht vollständig nachvollziehbar sind und die in der Rechnungslegung geforderte Transparenz nicht aufweisen. 

Die Mitarbeiter im Rechnungswesen müssten jedenfalls die Ergebnisse der künstlichen Intelligenz mit herkömmlichen Methoden vergleichen.

Außerdem würde der alleinige Einsatz intelligenter Technologien, um Lösungen zu finden aber auch Entscheidungen zu treffen- neben den technologischen Ressourcen - einen Wertewandel in den Unternehmen voraussetzen, der digitale Technologien als Entscheidungsträger zulässt oder gar bevorzugt.

 

Bedeutet fortgeschrittene Entwicklung in Robotics im Rechnungswesen den Verlust menschlicher Arbeitskraft? - Nein, es braucht auch zukünftig menschliches Expertenwissen

Künstliche Intelligenz hat ihre Grenzen – sie kann sich nur auf vergangenheitsbezogene Daten stützen, folgt keinen Zukunftsvisionen und es fehlt ihr an Intuition. Es braucht jemanden, der Entscheidungen im Gesamtzusammenhang trifft und der auch intuitiv entscheidet, was genau analysiert werden soll und warum.

FH Oberösterreich Logo