Skepsis: 68 Prozent der befragten Finanzverantwortlichen in Deutschland wollen keine Künstliche Intelligenz einsetzen, die zwar zu 99 Prozent verlässliche Ergebnisse liefert, deren Entscheidungen sich jedoch nicht nachvollziehen lassen. Mangelnde Transparenz stellt für diese Befragten ein größeres Risiko dar als eine geringfügig niedrigere Genauigkeit. Ebenso viele Anwender wollen laut Studie die Autonomie von KI-Systemen einschränken, wenn diese keine Einblicke in ihre Entscheidungslogik oder einen belastbaren Audit-Trail bieten. Ausschlaggebend dafür sind vor allem regulatorische Audit- und Compliance-Anforderungen. Darüber hinaus möchten Unternehmen das Vertrauen in KI bei kritischen Entscheidungen stärken und deren Ergebnisse gegenüber der Geschäftsleitung sowie weiteren Stakeholdern nachvollziehbar begründen können.
Die zitierten Ergebnisse stammen aus der IDC-Studie ‚The Emerging Economics of AI in Finance‘. Die Marktforscher hatten dafür im Februar dieses Jahres 2.275 leitende Finanzentscheider aus Unternehmen mit 20 bis 1.999 Mitarbeitern telefonisch befragt. 63 Prozent der Teilnehmer kommen aus Nordamerika, 37 Prozent aus Europa. Aus Deutschland kommen 205 Befragte.
KI im Finanzwesen: Diese Einsatzbereiche dominieren
Als Folge der oben geschilderten Skepsis kommt KI im Finanzwesen aktuell nur sehr eingeschränkt zum Einsatz. Ein Drittel der Befragten in Deutschland (33 Prozent) beschreibt die eigenen Finanzprozesse nach wie vor als primär manuell geprägt, 30 Prozent bezeichnen sie als regelbasiert. „KI-gestützte Prozesse haben sich bei rund 17 Prozent der Unternehmen etabliert, wobei 15 Prozent ihre Finanzabläufe als teilautonom einstufen. Lediglich 4 Prozent der Befragten geben an, dass ihre Abläufe bereits weitgehend autonom sind.
Bislang setzen Finanzabteilungen KI derzeit primär als analytischen Beschleuniger in. Sie nutzen die Technologie vor allem, um die administrative Arbeit effizienter zu gestalten. Fünf Bereiche stechen dabei heraus:
- Datenvergleich und Abgleich: Unterstützung bei Abgleich und Konsolidierung
- Anomalieerkennung: Identifizieren von Ausnahmen, Fehlern oder Betrugsmustern
- Berichterstellung: Vorbereitung von Berichten und Analysen.
- Richtlinienprüfung: Automatisierte Überprüfung von Compliance- und Policy-Vorgaben.
- Operative Beschleunigung: Reduzierung des administrativen Aufwands bei Transaktionen.
