Wie Automatisierung und Machine Learning die Finanzfunktion revolutionieren – Teil 1
Diese von Steve Dunne verfasste Fallstudie wurde erstmals auf Englisch im Workday-Blog veröffentlicht. Unsere lokalen Leser finden im Folgenden eine deutsche Version des Beitrags.
Hier erfahren Sie, wie fortschrittliche Automatisierungsmethoden wie Machine Learning CFOs dabei helfen können, als strategische Berater im Unternehmen zu agieren und die Finanzfunktion zu transformieren.
Laut einer aktuellen McKinsey-Studie unter CFOs und anderen leitenden Führungskräften setzen nur 13 Prozent der Finanzorganisationen Automatisierungstechnologien wie robotergesteuerte Prozessautomatisierung (RPA) und Machine Learning (ML) ein. Darüber hinaus berichteten nur 5 Prozent der Befragten, dass ihre Finanzorganisation in den letzten 12 Monaten eine hohe Rendite aus Digitalisierung und Automatisierung erzielt habe. Häufiger wurde laut Studie eine „geringfügige“ oder „minimale“ Rendite erwirtschaftet.
Dieses Ergebnis mag noch mager erscheinen, doch Automatisierung wird unweigerlich Einzug in die Finanzwelt halten und eine zentrale Rolle bei der Stärkung der Position des Finanzvorstands als Mitglied der Führungsetage spielen. Studien deuten darauf hin, dass Finanzabteilungen ca. 80 Prozent ihrer Zeit mit der manuellen Erfassung, Verifizierung und Konsolidierung von Daten verbringen. Damit bleiben nur 20 Prozent für komplexere Aufgaben wie Analyse und Entscheidungsfindung.
In ihrer reinsten Form kann robotergesteuerte Prozessautomatisierung eine neue Revolution im Corporate Finance-Bereich auslösen. Statt Software darauf zu programmieren, bestimmte Aufgaben automatisch zu erledigen, kommen hierbei Software-Bots zum Einsatz, die Transaktionen verarbeiten, die Einhaltung geltender Bestimmungen überwachen und Prozesse automatisch protokollieren. Dadurch lässt sich die Anzahl manueller Aufgaben massiv reduzieren. Außerdem kann die Fehlerrate von Finanzprozessen gesenkt und ihre Effizienz gesteigert werden. Dadurch bleibt dem CFO wiederum mehr Zeit für strategischere Aufgaben.
Was Automatisierung für die tägliche Arbeit im Finanzwesen bedeutet
Laut der Studie „Companies Using AI Will Add More Jobs Than They Cut“ beobachten Unternehmen, die mindestens 70 Prozent ihrer Geschäftsprozesse automatisiert haben, dass der Umsatz mit zunehmender Automatisierung steigt – ein Effekt, der bei Firmen mit einem Automatisierungsanteil von weniger als 30 Prozent fehlt. So ist die Wahrscheinlichkeit für ein Umsatzwachstum von 15 Prozent oder mehr im Jahresvergleich bei der Gruppe mit hohem Automatisierungsgrad um das Sechsfache größer.
Bei richtiger Anwendung gibt die Kombination aus Automatisierung und Machine Learning CFOs ein starkes Werkzeug an die Hand, um einschneidende Neuerungen in der Finanzfunktion durchzusetzen. Doch der Erfolg stellt sich nur ein, wenn die richtigen Aufgaben automatisiert werden. Zuallererst sollten repetitive und transaktionsbezogene Aufgaben automatisiert werden, die den Großteil der Zeit des Finanzteams in Anspruch nehmen. Dies entlastet die Mitarbeiter, sodass sie verstärkt als strategische Berater im Unternehmen agieren können. In einer Adaptive Insights-Umfrage stuften über 40 Prozent der Finanzführungskräfte die Forderung anderer Führungskräfte und operativer Stakeholder nach schnelleren, hochwertigeren Einblicken als wichtigsten Impulsgeber für Automatisierungsinitiativen im Finanzwesen ein.
Andrew Woolf, Global Talent & Organization Lead for Financial Services bei Accenture, beschreibt die Herausforderung für Unternehmen folgendermaßen: Sie müssen „ihrer Belegschaft den Weg in eine völlig neue Welt weisen, in der durch menschlichen Einfallsreichtum und intelligente Technologie neue Wachstumsquellen entstehen“.
Bereiche, in denen Automatisierung und Machine Learning die Transformation des Finanzwesens vorantreiben können
Transaktionsverarbeitung ist eine der größten Hürden, die der Finanzabteilung auf dem Weg zu einer erfolgreichen Transformation und besseren Partnerschaften im Unternehmen im Weg stehen. Daher überrascht es nicht, dass CFOs, die die Automatisierung vorantreiben möchten, diesen Punkt als Erstes in Angriff nehmen.
„Gekoppelt mit Machine Learning bietet robotergesteuerte Prozessautomatisierung Führungskräften im Finanzwesen eine großartige Möglichkeit, das Management ihrer Buchhaltungsprozesse zu optimieren. Dieser Bereich bereitet dem Finanzwesen schon seit Langem Schwierigkeiten und kann mitunter direkten Einfluss auf den Cashflow des Unternehmens ausüben“, so Tim Wakeford, Vice President Financials Product Strategy für EMEA bei Workday. „Die Finanzabteilung verbringt sehr viel Zeit mit der Prüfung von Rechnungen und anderen Unterlagen, um Fehler im Hauptbuch manuell zu korrigieren. Durch Machine Learning kann dieser Aufgabenbereich automatisiert werden, sodass Zahlungen auf intelligente Weise mit Rechnungsdaten abgeglichen werden.“
Durch Machine Learning lässt sich auch das finanzielle Risiko mindern, indem verdächtige Zahlungen in Echtzeit gemeldet werden. Durch interne und externe Betrugsfälle entstehen Unternehmen jedes Jahr Kosten in Milliardenhöhe. Zur Minderung dieses Risikos ist es derzeit üblich, Rechnungen stichprobenartig manuell zu prüfen. Diese Methode der Betrugs- und Fehlerprävention deckt jedoch nur einen Bruchteil aller Zahlungen ab – und gleicht somit der sprichwörtlichen Suche nach der Nadel im Heuhaufen. Mit Machine Learning ist es möglich, eine wesentlich höhere Anzahl von Rechnungen zu überprüfen und auf doppelte oder verdächtige Zahlungen zu analysieren.
„Gerade angesichts der zunehmendem Verschärfung der Gesetze zur Bekämpfung von Geldwäsche und Finanzierung terroristischer Aktivitäten ist die Einhaltung gesetzlicher Bestimmungen für Finanzinstitute von essenzieller Bedeutung“, erklärt David Axson, CFO Strategies Global Lead bei Accenture Strategy. „Ein globaler Bankenkonzern stellte bis zu 10.000 Mitarbeiter dafür ab, verdächtige Transaktionen und Konten zu ermitteln, die mögliche Hinweise auf solche illegalen Aktivitäten lieferten. Um ihnen die Arbeit zu erleichtern, wurde eine KI-Lösung eingeführt, die Transaktionen und Konten mithilfe von Machine-Learning-Algorithmen segmentiert. Außerdem legt sie optimale Grenzwerte für Warnmeldungen fest, die Mitarbeiter auf potenzielle Fälle mit Handlungsbedarf hinweisen.“
Lesen Sie den zweiten Teil des Blog-Beitrags „Wie Automatisierung und Machine Learning die Finanzfunktion revolutionieren“, der sich eingehend mit der Frage befasst, wie Automatisierung und Machine Learning den Wandel vorantreiben können.