Künstliche Intelligenz ERP

Zukunft des Rechnungswesens – TEIL 2: „Wo sind den alle?“ – Wie künstliche Intelligenz unsere Arbeit erledigt und Unternehmen besser macht.

Wie in Teil 1 dieser Serie habe ich gezeigt, dass das ERP-System aus der Cloud nicht mehr aufzuhalten ist.

Im Gegenteil, es ebnet den Weg für eine noch viel spannenden Weiterentwicklung des Rechnungswesens: Die Verwaltung ohne Mitarbeiter, durch den Einsatz von Künstlicher Intelligenz (KI) oder auch Artificial Intelligence (AI).

KI und AI im Rechnungswesen - Die Ausgangslage

Zugegeben für viele von uns ist das noch ein Horror-Szenario. Die (berufliche) Existenz scheint durch „Maschinen“ bedroht.

Vielleicht verspürt man die üblichen Abwehrmechanismen, wenn man hierrüber nachdenkt. Beschwichtigung und Abstreiten, da Technologie nie in der Lage sein wird den doch so gut ausgebildeten Mitarbeiter (also man selbst) zu ersetzen. Das dies anders kommen kann zeigte die Studie aus LINK Teil I), Angst vor dem Neuen unbekannten, Wut, dass Algorithmen zukünftigen meine Arbeit machen, Frustration und Verzweiflung, bei der Erkenntnis, dass es kein Entrinnen gibt.

Man mag es mögen oder nicht, die Augen darf man vor dieser Entwicklung nicht verschließen. Im Gegenteil, sie birgt viele Chancen, die man als Unternehmen schnell ergreifen sollte.

Denn für die Schnelligkeit und Zuverlässigkeit von Prozessen sind gerade die standardisierten, immer wiederkehrenden Tätigkeiten der beste „Sandkasten“ zur Entwicklung einer künstlichen Intelligenz, die selbstlernend ist.

Und seinen wir ehrlich, was bietet sich hierfür besser an als die Buchhaltung oder die Steuererklärung mit den immer wiederkehrenden Sachverhalten, Konten und Textziffern der Steuererklärung?

Wie sieht der Status Quo auf dem Feld der Künstlichen Intelligenz im Rechnungswesen aus?

Wie weit ist das Feld der Künstlichen Intelligenz im Bereich von ERP- und Rechnungswesensystemen? Geworben und verkauft wird derzeit viel mit diesem Slogan KI oder AI, aber sind die Funktionalitäten wirklich schon „intelligent“?

Schauen wir uns diese gängigen Funktionen einmal an:

1. Die automatische Verbuchung von Eingangsrechnungen

Naheliegend und damit eines der ersten Felder, das von Software-Lösungen besetzt wurde, ist das automatische verbuchen von Eingangsrechnungen.

Mittels OCR-Software (Texterkennung) werden die wesentlichen Bestanteile einer Rechnung herausgelesen, etwa:

  • Rechnungsdatum
  • Leistungszeitraum
  • Kreditorenname
  • Kunden- und Rechnungsnummer
  • Betrag
  • Umsatzsteuer
  • Bankkonto

 

Da die Rechnungen in Deutschland nach §14 UstG bestimmte Mindestangaben enthalten, ist es für einen Algorithmus relativ leicht das Muster zu erkennen. Selbst der Aufbau einer Rechnung ähnelt sich auch International.

Hierbei muss die Software angelernt werden, um gleiche Belegarten entsprechend auf die richtigen Konten zu verbuchen und wenn möglich weitere Prozesse anzuschließen.

Zum Beispiel: die inhaltliche Rechnungsprüfung und -freigabe, Verknüpfung mit der Bestellung, Bankzahlung, Ansteuerung des richtigen Vorsteuerkontos, ect..  

Welche Sprache die Rechnung hat kann hierbei für den Algorithmus unerheblich sein, wenn er multilingual ist bzw. eine Schnittstelle zu schon heute freizugänglicher Übersetzungssoftware hat.

Die Ergebnisse die hiermit erzielt werden sind verblüffend, die Fehlerquote liegt nach einiger Zeit bei nahe 0-%. Typische menschliche Fehler, wie Tipp- und Flüchtigkeitsfehler, Zahlendreher, falsche Kontierungen, etc. werden verhindert und unter Umständen sogar selbst korrigert, falls der Fehler schon an der Quelle, nämlich der Rechnung gemacht wurde.

Einschreiten muss man nur dann, wenn schon im Rechnungseingang ein Fehler unterläuft. Die Rechnung zum Beispiel nicht lesbar ist.

2.Die automatische Verbuchung von Bankauszügen

Ebenso naheliegend ist das automatische Verbuchen von Bankbelegen. Diese liegen heutzutage eh in elektronischer Form vor und können entweder direkt von der Bank abgerufen (Standard) oder über Import-Dateien eingespielt werden.

Die Schwierigkeit besteht jedoch darin, dass diese statischen Daten eventuell falsche Angaben enthalten, z.B. wenn der Kunde bei der Zahlung einen Fehler gemacht hat, also den Zahlendreher in der Rechnungs- oder Kundennummer oder die Überweisung über einen fremden Kontoinhaber, der bislang nicht im Bestellprozess eingebunden war.

Diese Daten bedürfen des manuellen Eingriffes, um korrigiert zu werden.

Noch. Denn auch hier können Maschinen helfen, die richtige Lösung zu finden und somit zu einer erheblichen Zeiteinsparung bei der Bearbeitung von „Klärungsfällen“ führen.

Doch trotz aller Werbeslogans handelt es sich bei diesen beiden Beispielen auch um „Künstliche Intelligenz“?

Vielleicht, aber ein intelligenter?

Hierzu ein einfaches Beispiel aus der Praxis:

Ihr Unternehmen hat eine Firmenwagenflotte von einem Hersteller, sagen wir Volkswagen. Sie lesen die notwendigen Daten der Rechnung mit Hilfe Ihrer OCR-Texterkennung aus und hinterlegen ein Buchungskonto. Sagen wir „Miete KfZ-Leasing“. Nach ein oder ein paar Rechnungen mehr (z.B. weil es unterschiedliche Beträge sind), weiß Ihr Algorithmus auf welchen Konten er die entsprechende Rechnung verbuchen muss und schlägt Ihnen das Konto vor bzw. bucht es ggf. sogar schon automatisch dorthin. Das System hat also gelernt.

Aber schon bei kleinsten Abweichungen, z.B. einer Reparatur-Rechnung, statt Leasing stößt der Algorithmus an seine Grenzen und benötigt einen Eingriff bzw. eine Entscheidung wie die Rechnung weiterverarbeitet werden soll.

Erweitern wir das Beispiel.

Der Geschäftsführer bestellt sich als neuen Dienstwagen keinen VW sondern einen Tesla (Zur richtigen Versteuerung finden Sie die nötigen Antworten hier.). Der Algorithmus benötigt erneut einen Eingriff und muss für den neuen Lieferanten „Tesla“ erneut angelernt werden.

Echte KI hingegen wüsste, dass es sich um Tesla genauso um einen Automobilhersteller handelt, wie VW und könnte, trotz Abweichung vom festen Standard, weiterarbeiten. Das Eingreifen eines Menschen braucht es nicht mehr. Auch die Unterscheidung Leasing oder Reparatur könnte eine „echte“ KI genauso wie der menschliche Kollege aus der Rechnung herauslesen und entsprechend richtig weiterverarbeiten.

Der Algorithmus muss lernen

Der Schlüssel zu soviel Wissen ist allerdings, dass die Software die Verbindung zwischen Erfahrung und Lösung richtig herstellen kann (Stichworte: „neuronale Netze“, „machine learing“ oder „deep learning“). Hieran scheitert derzeit noch der „echte“ KI-Einsatz im Rechnungswesen.

Die bestehenden Lösungen sind daher wohl eher eine Vorstufe zur künstlichen Intelligenz. Der Brückenschlag mit der „Cloud“ (siehe Teil I), also der Verfügbarkeit sämtlicher menschlichen Eingriffe in den Algorithmus und die Verfügbarkeit großer Datenmengen wird jedoch das „Anlernen“ („deep learning“) erheblichen vereinfachen.

Die Entwicklung auf diesem Gebiet wird rasant weitergehen und in Zukunft die Abwicklung von Geschäftsvorfällen ohne menschlichen Eingriff ermöglichen.

Sogar noch mehr. Denn KI kann auch in die Zukunft schauen und über einen verfügbaren Datenpool von Vergangenheits- und Echtzeitdaten zuverlässige Vorhersagen treffen. Etwa für den

  • Absatzforecast
  • Bestellverhalten bei verscshiedenen Wetterlagen
  • Austausch von Ersatzteilen bei Maschinen

und vieles mehr.

Aufgrund er Vielzahl der Anwendungsfälle der „predictive analytics“ werde ich mich hierzu später in einen eigenen Artikel beschäftigen.

Probleme mit der künstlichen Intelligenz

Ist die KI erst einmal angelernt, so kann das Hauptproblem des Einsatzes von KI sein, die Entscheidungen, die ein System macht nachzuvollziehen. Ist die künstliche Intelligenz falsch angelernt, so wird sie falsche Entscheidungen treffen und zu ungewünschten Ergebnissen führen.

Hierzu zwei Beispiele:

Die Fehlersuche könnte dann unter Umständen sehr aufwendig sein und birgt auch Risiken. Ein Beispiel aus der Vergangenheit, die medial etwas Aufmerksamkeit bekam:

Fazit

Ungeachtet der beschriebenen Risiken und den Warnungen von Elon Musk, das Wettrennen auf dem Gebiet der Künstlichen Intelligenz wird weitergehen und Einzug erhalten im Finanz- und Rechnungswesen.

Die Möglichkeiten und Kosteneinsparungspotentiale sind enorm, auch wenn die derzeitigen Lösungen noch eher an der Oberfläche kratzen.

Alle Verantwortlichen in finanznahen Bereichen sollten die Entwicklung unbedingt im Auge behalten. Zum einen um die Möglihckeiten für das eigene Unternehmen zu nutzen, zum anderen um durch diese disruptive Technik nicht aus dem Markt gedrängt zu werden. Es heißt anpassen und nutzen, statt ignorieren. 

Vermutlich wird die KI sogar Hand-in-Hand mit einer nicht minder spannenden Technologie gehen. Der Blockchain.

Zukunft des Rechnungswesens – Teil 3: „Gesprengte Ketten“ – Wie die Blockchain die uns bekannte Wirtschaft sprengt.