Künstliche Intelligenz (KI) hat in den letzten Jahren an Bedeutung gewonnen und findet immer mehr den Weg von der Forschung in konkrete Anwendungen. Bereits seit 2018 ist künstliche Intelligenz eines der Fokusthemen der Strategie «Digitale Schweiz» des Bundesrates. Anwendungen von künstlicher Intelligenz finden sich im Finanzsektor, der Medizintechnik, bei produzierenden Unternehmen – und vermehrt auch in der Finanzbuchhaltung.
Was in der Produktion bereits zum Standard geworden ist, macht sich vermehrt in der Administration breit. Die Digitalisierung und Automatisierung von repetitiven Prozessen. In einem Produktionsbetrieb werden fehlende Komponenten mit IoT-basiertem Frühwarnsystem längst automatisch bestellt. Im Gegensatz dazu, gibt es nur wenig Frühwarnsysteme für Rechnungen, die in der Administration zu lange nicht erfasst und verarbeitet werden. Genau wie in der Produktion lassen sich repetitive Prozesse mittels KI auch in der Buchhaltung automatisieren.
Was ist künstliche Intelligenz?
Künstliche Intelligenz ist kein neues Phänomen. Bereits im Jahr 1956 war «Artificial Intelligence» ein Begriff – doch erst mit verbesserter Rechenleistung und der Möglichkeit hohe Datenmengen zu verarbeiten, wurde künstliche Intelligenz (KI) relevant. Ziel von künstlicher Intelligenz ist die Imitation menschlicher Denkleistung, was einem System ermöglicht, Muster zu erkennen und diese entsprechend zu verarbeiten. In den frühen Jahren von ca. 1950 – 1970 standen neuronale Netze im Fokus der Forschung. In den 1980er bis 2010er gewann Maschinelles Lernen an Bedeutung, was sich heute schon in vielen Anwendungsgebieten findet. Heute steht mit «Deep Learning» eine Weiterentwicklung bzw. ein Teilgebiet des Machine Learning im Zentrum.
Künstliche Intelligenzen keine menschenähnlichen Roboter mit einem eigenen Willen wie sie in Filmen vorkommen – zumindest noch nicht. Vielmehr kommen heute lernende Systeme zum Einsatz, die basierend auf einer grossen Menge an Informationen erkennen, wie fehlende Informationen und Zusammenhänge abgeleitet werden können. Wobei sich die KI aufgrund neuer Informationen weiterentwickelt. Mit steigender Anzahl an verarbeiteten Daten verbessert sich die Genauigkeit und die Fehlerquote sinkt, das System lernt dazu.
Maschinelles Lernen
Maschinelles Lernen ist eine Kategorie von KI. Im Kern geht es bei Maschinellem Lernen immer darum, dass ein System Daten analysiert, Muster erkennt und diese Erkenntnisse nutzt, um eine bestimmte Aufgabe zu erfüllen. So kann mittels maschinellen Lernens fast jede Aufgabe, die bestimmten Regeln, bzw. Datenpunkte folgt, automatisiert werden. Initial muss ein Algorithmus mehrere korrekte bzw. vollständige Testdatensätze verarbeiten, um danach selbstständig arbeiten zu können. Um einen Algorithmus weiter zu optimieren, kann dieser mehr oder weniger stark manuell angepasst werden. Unterschieden werden vier Kategorien: überwachtes Lernen, unüberwachtes Lernen, halbüberwachtes Lernen und das verstärkende Lernen.
Deep Learning
Deep Learning ist eine Weiterentwicklung des maschinellen Lernens. Beim maschinellen Lernen werden die Ergebnisse, die ein Algorithmus erzielt, manuell überprüft und basierend darauf angepasst. Ein Deep-Learning-Algorithmus hingegen prüft die Korrektheit der Ergebnisse mittels mehrschichtiger neuronaler Netzwerke selbstständig. Somit lernt der Algorithmus mit der Zeit autonom dazu. Das führt dazu, dass Deep Learning ohne menschlichen Eingriff verbessert wird und neue Fähigkeiten erlernt. Zudem werden bei Deep Learning die Daten-Inputs von Schicht zu Schicht durch das neuronale Netzwerk weitergegeben und immer wieder neu beurteilt bis schliesslich der Daten-Output erfolgt. Der Name «deep» (Deutsch «tief» ) weist genau auf diese Schichten hin, wobei nur der Input-Layer und der Output-Layer sichtbar sind und sich die weiteren Schichten in der «Tiefe» befinden.
Anwendungen von KI in diversen Branchen
- Industrie: Durch die visuelle Prüfung von Grössen, Formen, Lage, Position und Beschaffenheit von Oberflächen kann die Qualitätssicherung in Produktionsbetrieben mittels KI erfolgen.
- Medizin: Krankheitserkennung mittels Bildauswertung. Röntgenbilder oder CT-Aufnahmen lassen durch Deep-Learning-Algorithmen analysieren. Durch die Mustererkennung kann das System Krankheitsmuster identifizieren und Diagnosen erstellen.
- Landwirtschaft: Kombiniert mit Drohnenaufnahmen von landwirtschaftlichen Flächen kann Deep Learning dazu dienen, Pestizide und Herbizide selektiv einzusetzen. Auch hier kommt die Bilderkennung zum Einsatz, um zwischen Kulturpflanzen und Unkraut zu differenzieren.
Künstliche Intelligenz in der Buchhaltung
Mit künstlicher Intelligenz lassen sich auch Prozesse in der Buchhaltung automatisieren. Insbesondere repetitive Arbeiten bieten sich dafür an. Auch fehlende Informationen können durch den Einsatz von künstlicher Intelligenz angereichert werden. Denn fehlende Informationen, beispielsweise auf Rechnungen, kosten Mitarbeitende in der Buchhaltung viel Zeit für die manuelle Ergänzung.
Der Kostendruck in der Verwaltung von KMU wächst – und die Auslagerung ins Ausland von buchhalterischen Aufgaben hat sich für manch ein KMU als wenig gangbare Methode herausgestellt. Mittels KI in der Buchhaltung ist es möglich die Kosten zu senken und die Kontrolle über die eigenen Daten zu behalten.
Beispielsweise kommt bei der Verarbeitung von gescannten Spesenbelegen KI zum Einsatz. Spesenbelege, die keiner einheitlichen Struktur folgen, lassen sich mittels Smartphones scannen. Durch KI werden die unstrukturierten und allenfalls unvollständigen Daten strukturiert und mit Informationen angereichert, wodurch der Spesenbeleg im Buchhaltungsprozess automatisiert verarbeitet werden kann. Das zeitaufwändige manuelle scannen, erfassen, verarbeiten und freigeben von Spesenbelegen fällt somit weg.
Die Verarbeitung von Spesenbelegen ist nur eines von vielen Beispielen. Autonomes Live Accounting (A.L.A.) hat zum Ziel, die Buchhaltung in Echtzeit und vollautomatisch zu gestalten. Voraussetzung für die automatische Buchhaltung sind Transaktionsstandards der Finanzinstitute. Mit dem «Open Banking» strebt die Schweizer Bankenvereinigung das Ziel an, den Austausch von Daten zwischen Banken und Dritten zu standardisieren. Dies öffnet auch die Türen für vollautomatische Finanztransaktionen.
Abacus DEEP und KI
Abacus DEEP, die 5. Generation der Abacus Software vereint klassische Buchhaltungssoftware und automatisierte Prozesse gestützt auf KI. Mittels Integration verschiedener Produkte der Deepcloud AG, lassen sich diverse Buchhaltungsprozesse automatisieren. Erfahren Sie mehr über Abacus DEEP und über die einzelnen Lösungen der Deepcloud AG.
Die zu verrechnenden Vorsteuer- und Umsatzsteuerbeträge werden von der Abacus Business Software nach der Prüfung entsprechend der hinterlegten Kontendefinition umgebucht, ebenso eine Differenz zwischen gebuchter und berechneter Mehrwertsteuer. Die abschliessend der Steuerverwaltung einzureichenden Daten können mit wenigen Klicks online übermittelt werden.
Die MWST-Abrechnung als Prozess ist im Umfang der Finanzbuchhaltung enthalten und kann ab Version 2021 über das Programm «MWST Abrechnung erstellen» aufgerufen werden. Die bisherigen MWST-Programme stehen weiterhin zur Verfügung.
Quellen
- bakom.admin.ch: Neue Leitlinien für die digitale Schweiz
- industrie.de: Smarte Buchhaltung der Zukunft
- www.ey.com: Wie KI das Rechnungswesen revolutioniert
- www.sas.com: Künstliche Intelligenz – Was ist das und warum sie immer mehr an Bedeutung gewinnt
- www.kdnuggets.com: MathWorks Deep learning workflow
- www.elunic.com: Automatisierte Qualitätsicherung durch Künstliche Intelligenz für die Produktion
- www.swissbanking.ch: Open Banking und Open Finance