KI in der Finanzkommunikation: Warum Manuelles Tagging Bald Geschichte ist
Zum Jahresende zeigt sich eines deutlich: Die Finanzkommunikation steht vor einem tiefgreifenden Wandel. Nach intensiver Arbeit mit Large Language Models (LLMs) in der Geschäftsberichterstattung zeigt sich, dass die Branche das Tempo dieser Entwicklung massiv unterschätzt hat.
Die Frage, die kaum jemand stellt: Übernimmt KI das Accounting?
Traditionell basiert Accounting auf klaren, deterministischen Regeln – etwa XBRL-Taxonomien und standardisierten Datenstrukturen. Im Gegensatz dazu arbeiten KI-Systeme probabilistisch, lernen aus statistischen Mustern und generieren Inhalte auf Basis von Wahrscheinlichkeiten.
Zwei vollkommen unterschiedliche Denkmodelle – und gerade deshalb ist die Antwort auf die Frage, ob KI deterministisches Accounting übernehmen kann, so überraschend.
Status Quo: Pattern Recognition funktioniert – besser als gedacht
Unsere Tests mit Geschäfts- und Nachhaltigkeitsberichten zeigen: LLMs erkennen typische Strukturen und Formulierungen präzise, verarbeiten Daten zuverlässig nach gelernten Mustern und können bereits heute 80–90 % der Standardaufgaben automatisieren.
Wo KI aktuell noch an Grenzen stößt
Die verbleibenden 10–20 % sind kritisch. Hier geht es um:
- Multi-Document Safety: Die Vermeidung von „Kontamination“ durch fremde Vorlagen.
- Kausale Schlussfolgerungen bei komplexen Themen.
- Kontextuelle Interpretation widersprüchlicher Daten.
- Prüfung logischer Konsistenz über verschiedene Berichtsteile hinweg.
Noch ist manuelle Kontrolle erforderlich – aber das wird sich bald ändern.
Kurzfristig: Inferenzfähige KI ist näher, als viele denken
Durch neue Architekturen, größere Modelle (200k+ Tokens Kontext), steigende Rechenleistung und verbesserte Trainingsmethoden (wie RLHF) entwickelt sich KI rasant weiter.
In den kommenden 12 bis 15 Monaten erwarten wir KI-Systeme, die deutlich mehr leisten: Sie werden Ursache-Wirkungs-Zusammenhänge in Geschäftsentwicklungen erkennen, automatisch Widersprüche zwischen Bilanz, GuV und Lagebericht identifizieren und die Relevanz von Informationen im jeweiligen Unternehmenskontext bewerten können. Diese Fähigkeiten sind kein Zukunftsszenario mehr – sie entstehen bereits in aktuellen Entwicklungszyklen.
Langfristig: Logische Inferenz auch in regulierten Märkten
In zwei bis drei Jahren wird KI nicht nur Muster erkennen, sondern auch logische Schlussfolgerungen ziehen. Sie analysiert Inhalte ohne explizites Training, bewertet die Relevanz von Geschäftsvorfällen selbstständig und überprüft die Konsistenz über alle Formate hinweg – von Finanzberichten über Investorenpräsentationen bis hin zu HV-Reden und Pressemeldungen.
Automatisierte Compliance-Prüfung wird Standard
Ein weiterer Meilenstein wird die automatisierte Prüfung gesetzlicher Anforderungen – als fester Bestandteil von Produktionsumgebungen. Aber: Die menschliche Verantwortung bleibt. Auch mit Inferenz-KI ist die finale Kontrolle durch gesetzliche Vertreter unabdingbar.
Die unbequeme Wahrheit über Accounting
Der zentrale Punkt ist schnell benannt: KI arbeitet probabilistisch – Accounting traditionell deterministisch. Doch die Realität zeigt, wahrscheinlichkeitsbasierte Verfahren sind längst Alltag. Risikobewertungen, Stichprobenprüfungen oder „reasonable assurance“ statt absoluter Sicherheit sind akzeptierte Praxis. Die entscheidende Frage lautet: Wann akzeptiert der Regulator 99 % KI-Genauigkeit?
Unsere Handlungsempfehlungen für Unternehmen
1. Jetzt mit KI-gestützten Prozessen starten
Die Lernkurve ist steil – wer heute beginnt, hat in zwei Jahren einen massiven Wettbewerbsvorteil.
2. IT-Investitionen überdenken
Langfristige Investitionen in manuelles Tagging können sich als Kostenfalle erweisen.
3. KI-Kompetenz im Team aufbauen
Die Frage ist nicht ob, sondern wer KI kompetent nutzt. Expertise entscheidet.
Die Silvester Group begleitet Unternehmen seit über 30 Jahren durch Wandel und Innovation in der Finanzkommunikation. Als Spezialist für digitale Reporting-Lösungen und KI-gestützte Prozesse unterstützen wir unsere Kund*innen dabei, regulatorische Anforderungen zu erfüllen und technologische Chancen strategisch zu nutzen – präzise, effizient und zukunftsorientiert.
