{"id":112248,"date":"2024-05-07T08:56:19","date_gmt":"2024-05-07T08:56:19","guid":{"rendered":"https:\/\/www.board.com\/blog\/wie-ki-ml-fpa-veraendern-wird"},"modified":"2025-12-15T15:27:37","modified_gmt":"2025-12-15T15:27:37","slug":"wie-ki-ml-fpa-veraendern-wird","status":"publish","type":"blogs","link":"https:\/\/wwwstg.board.com\/de\/blog\/wie-ki-ml-fpa-veraendern-wird","title":{"rendered":"Wie KI\/ML FP&A ver\u00e4ndern wird"},"content":{"rendered":"\n

K\u00fcnstliche Intelligenz (KI) und Maschinelles Lernen (ML) ziehen zunehmend in unseren Alltag ein. So wie Mobiltelefone, das Internet und Apps die Kommunikations- und Einkaufsgewohnheiten ver\u00e4ndert haben, so ver\u00e4ndern KI und ML die Art und Weise, wie Unternehmen arbeiten. Es hat Einfluss auf jeden Gesch\u00e4ftsprozess. Dieser Wandel betrifft auch Finanzplanung & Analyse (FP&A) und die Rolle, die diese bei der Unterst\u00fctzung des Managements spielt.<\/p>\n\n\n\n

KI\/ML unterscheiden sich von herk\u00f6mmlichen Analyseverfahren durch die Verwendung von Algorithmen, die sich im Laufe der Zeit mit zunehmender Datenexposition anpassen und ihre Performance verbessern \u2013 daher der Begriff Maschinelles Lernen (ML). Algorithmen k\u00f6nnen gro\u00dfe Datenmengen verarbeiten, die weit \u00fcber die M\u00f6glichkeiten von Tabellenkalkulationen hinausgehen. Das verbessert das Erkennen von Trends und Zusammenh\u00e4ngen erheblich. Diese Erkenntnisse flie\u00dfen dann automatisch in nachfolgende Analysen ein, die Prognosen und Empfehlungen f\u00fcr den Entscheidungsprozess liefern.<\/p>\n\n\n\n

Unsere j\u00fcngste FP&A-Trends-Umfrage hat ergeben, dass zwar nur 7 % der Unternehmen derzeit KI\/ML-Technologien einsetzen, aber 54 % planen, dies in den n\u00e4chsten Jahren zu tun. Die erheblichen Vorteile von KI\/ML liegen in besseren und schnelleren Forecasts (61 % der KI-Nutzer bewerten ihre Forecasts als „sehr gut“ oder „gut“ im Vergleich zu 38 % der Nicht-KI-Nutzer), sowie in der Zeitersparnis bei FP&A-Aktivit\u00e4ten. Die gewonnene Zeit kann genutzt werden, um sich auf h\u00f6herwertige Aktivit\u00e4ten zu konzentrieren.<\/p>\n\n\n\n

Wir sind jedoch davon \u00fcberzeugt, dass dies nur der Beginn einer grundlegenderen Revolution ist, die die Rolle der F&A neu definieren wird.<\/p>\n\n\n\n

\"Figure
Abbildung 1: FP&A-Funktionen, auf die sich KI auf auswirkt<\/figcaption><\/figure>\n\n\n\n

FP&A-Funktionen, auf die sich KI auf auswirkt<\/h2>\n\n\n\n

Abbildung 1: FP&A-Funktionen, auf die sich KI auf auswirkt<\/p>\n\n\n\n

Wir sollten immer daran denken, dass Technologie im Allgemeinen dazu beitr\u00e4gt, FP&A erheblich zu verbessern, indem sie manuelle und geringwertige Aufgaben wie das Sammeln und Validieren von Daten sowie das Erstellen und Verteilen von Berichten automatisiert. Die Einf\u00fchrung generativer KI und der Einsatz maschineller Lernverfahren ver\u00e4ndern FP&A jedoch grundlegend. Sie kommt vor allem in den folgenden Bereichen zum Tragen:<\/p>\n\n\n\n

    \n
  1. Intelligente Assistenten<\/strong><\/li>\n<\/ol>\n\n\n\n

    Wir alle kennen KI-gesteuerte „Chatbots“, die Text- und Sprachanfragen interpretieren und beantworten. Sie sind zum Standard f\u00fcr die meisten kundenorientierten Aktivit\u00e4ten geworden, z. B. im Kundendialog. In \u00e4hnlicher Weise wird die generative KI durch die Verwendung nat\u00fcrlicher Sprache die Art und Weise revolutionieren, wie FP&A mit Informationen und Systemen interagiert.<\/p>\n\n\n\n

    Auf Anfrage oder als Reaktion auf eine unerwartete Abweichung sammelt die KI beispielsweise selbst\u00e4ndig Daten, erstellt Analysen, spielt Szenarien durch und pr\u00e4sentiert dem Nutzer die Ergebnisse mit Vorschl\u00e4gen f\u00fcr umsetzbare Ma\u00dfnahmen. Auch Reaktionen wie die Anpassung von Budgets oder die Umverteilung von Ressourcen k\u00f6nnten bei Bedarf automatisiert werden. Die traditionelle Rolle von FP&A, auf Anfragen zu reagieren und den Planungsprozess zu steuern, wird damit obsolet.<\/p>\n\n\n\n

      \n
    1. Pr\u00e4diktive Planung und Forecasting<\/strong><\/li>\n<\/ol>\n\n\n\n

      Die meisten Unternehmen, mit denen wir gesprochen haben, setzen KI\/ML ein, um ihr Forecasting zu verbessern. Durch die Analyse historischer Daten kann KI\/ML ausgefeiltere Forecasts erstellen. Sie kann dies f\u00fcr jedes einzelne Produkt oder jede einzelne Dienstleistung tun, das detaillierte Verhalten von M\u00e4rkten und Kunden nach Regionen modellieren und alles zu einer Prognose auf Unternehmensebene zusammenfassen. Zun\u00e4chst werden nur ein oder zwei Posten der Gewinn- und Verlustrechnung (GuV) f\u00fcr eine bestimmte Region prognostiziert, aber wenn sich die Technologie bew\u00e4hrt, kann der Anwendungsbereich auf alle wichtigen GuV-Kategorien f\u00fcr das gesamte Unternehmen ausgeweitet werden.<\/p>\n\n\n\n

      Wenn die Ergebnisse automatisch in treiberbasierte Modelle \u00fcbertragen werden, kann erheblich Zeit eingespart werden. Scott Campbell, Head of Digital COE – Finance \/ FP&A bei Philips, berichtet, dass sein Team mit diesem Ansatz innerhalb von drei Stunden nach Erhalt eines neuen Satzes von Verkaufszahlen einen neuen Forecast erstellen und 80 % der gesamten GuV automatisch generieren kann. Fr\u00fcher h\u00e4tte dies mehrere Tage gedauert und 200 Mitarbeiter besch\u00e4ftigt. Insgesamt hat das Unternehmen festgestellt, dass Forecasts, die mithilfe von Maschinellem Lernen erstellt werden, um 1,6 % genauer sind als fr\u00fchere Forecasts.<\/p>\n\n\n\n

        \n
      1. Identifikation der Performance-Treiber<\/strong><\/li>\n<\/ol>\n\n\n\n

        Eng verbunden mit verbessertem Forecasting ist die F\u00e4higkeit von KI\/ML, Treiber zu identifizieren, die sich direkt auf die Performance auswirken. Dabei kann es sich sowohl um interne Treiber wie Produktionskapazit\u00e4ten handeln, als auch um externe Treiber wie Rohstoffpreise oder Preispolitik der Wettbewerber. Die Identifizierung dieser Zusammenh\u00e4nge mit herk\u00f6mmlichen Werkzeugen ist oft schwierig und kann aufgrund des Umfangs und der Komplexit\u00e4t der betroffenen Daten viel Zeit in Anspruch nehmen.<\/p>\n\n\n\n

        Innerhalb der KI\/ML gibt es verschiedene Kategorien von Algorithmen, die zur Erkennung von Mustern und Zusammenh\u00e4ngen in einer Vielzahl von Daten verwendet werden k\u00f6nnen. Diese k\u00f6nnen dann von pr\u00e4diktiven Algorithmen genutzt werden, um zuk\u00fcnftige Treiberwerte zu prognostizieren.<\/p>\n\n\n\n

        Durch den Einsatz verschiedener Algorithmen k\u00f6nnen Unternehmen aufkommende Trends und deren potenzielle Auswirkungen auf die zuk\u00fcnftige Performance schnell erkennen.<\/p>\n\n\n\n

        Herausforderungen und L\u00f6sungen<\/h2>\n\n\n\n

        Unternehmen stehen bei der Einf\u00fchrung von KI\/ML vor zahlreichen Herausforderungen. Dazu geh\u00f6ren:<\/p>\n\n\n\n