Künstliche Intelligenz mitten in nächster Innovationswelle – und avvaneo ist nicht zu überholen

KI-Entwickler seit Jahren

Für avvaneo ist KI schon lange ein Thema. Wir sahen früh verschiedene Möglichkeiten, KI in Finanzprozesse zu integrieren. Es fing mit der Arbeit an Chatbots und intelligenter Sprachsteuerung an. Bereits ab Anfang 2019 investierten wir systematisch in die Entwicklung einer KI-Lösung mit spürbarem Kundennutzen und dem Ziel, die Automatisierungen auf ein höheres Level zu heben.

Das Resultat war avvaneo Expedite. Seit 2020 implementieren wir die Lösung bei unseren Kunden. Sie registrieren deutliche Effizienzgewinne direkt nach der Einführung, die sich zudem mit jeder Trainingseinheit erhöhen.

Und ein weiteres Resultat ist: Heute arbeitet unsere gesamte Produktentwicklung an KI. avvaneo ist heute auch ein KI-Dienstleister rund um unseren eigenen Softwareprodukte sowie die automatisierte Dokumentenerfassung und -prozessierung im SAP-Bereich.

Die zentrale Schwierigkeit einer KI-Entwicklung besteht oft in Qualität und Menge der Daten. In Buchhaltungen gibt es zwar genug historische Daten. Sie sind aber oft sehr heterogen strukturiert. Aus zwei Gründen konnte avvaneo trotzdem relativ schnell zum Ziel kommen: Zum Ersten sind wir seit über 20 Jahren intime Kenner der modernen Accountingsysteme, aller ihrer Dokumentenbezüge und Prozessschritte. Zum Zweiten war für uns der Umgang mit heterogen formatierten Dokumenten und proprietär strukturierten Angaben nichts Neues. Wir wussten daher sofort, an welchen Punkten wir ansetzen konnten und wo ein Machine-Learning-Modul mehr leisten wird als eine manuelle Programmierung.

Mit welchen Daten trainieren und testen wir unsere Modelle?

Künstliche Intelligenz entdeckt wiederkehrende Muster und sucht deshalb in möglichst großen Mengen von strukturierten, semistrukturierten und unstrukturierten Daten nach signifikanter Ähnlichkeit. Unsere Trainings dienen dazu, Muster auch in heterogenen, fehlerhaften oder „regelwidrigen“ Dokumenten zu entdecken. Für diesen Lernprozess sind historische Daten ideal, also reale Dokumente wie Bestellungen, Lieferscheine und Rechnungen, zu denen die gültigen Lösungen bekannt sind.

Die gelernte Mustererkennung wird dann mit unbekannten Daten getestet, die idealerweise aus dem Unternehmen stammen, in dem die Modelle arbeiten sollen. So werden unternehmenstypische Vorschriften, vertragliche Abmachungen oder interne Regeln gleich hinzugelernt.

Sich Neues selbst beibringen – die allmähliche Selbstverbesserung ist der größte Vorzug des Machine Learnings gegenüber jeder manuellen Programmierung. Wir optimieren daher unsere KI-Systeme in regelmäßigen Abständen anhand neuer Datenbestände. Das Schöne daran: Das Lernen erfolgt im Hintergrund, während die KI im Vordergrund unverdrossen weiter automatisch ihre Arbeit tut.

2023: Welche Prozesspunkte kann avvaneo Expedite heute verbessern?

Die Finanzprozesse rund um den Rechnungseingang addieren sich in vielen mittleren und großen Unternehmen zu einem heftigen Workload. Jedes Detail, das nicht automatisiert durchläuft, kann sich daher zu einem signifikanten Kostenfaktor addieren. avvaneo Expedite kann heute u. a. bei diesen Aufgaben die Automatisierung signifikant steigern:

• 1. Die Kontierung von Dokumenten bestimmen und verifizieren

• 2. Bearbeitungszeiten prognostizieren, um Skonto zu optimieren und Zahlungsfristen einzuhalten

• 3. Korrekte Workflows zur Prüfung und Genehmigung versenden

• 4. Dubletten-Verdacht anzeigen, um doppeltes Bezahlen zu verhindern

• 5. Anomalien erkennen, um Fehler zu vermeiden, Revisionsvorgänge zu steuern und verbessern oder Betrug aufzudecken

• 6. Zuordnen von Positionen, die sich auf Rechnungs- und Bestellungen finden

• 7. Ermitteln von Steuerkennzeichen, Partnerbanktypen, Landeszentralbankindikatoren etc.

Automatisches Kontieren und korrektes Bestimmen der Bearbeiter waren die ersten wichtigen Features, bei denen wir mit unserem KI-Modul ein neues Automatisierungslevel erreicht haben. Inzwischen ist schon einiges hinzugekommen, zum Beispiel die automatische Positionszuordnung zwischen unterschiedlichen Dokumenten wie Bestellung und Rechnung oder das korrekte Erkennen der Steuerkennzeichen.

Was springt für Sie heraus?

Eine deutlich erhöhte Produktivität und Effizienz. Die Künstliche Intelligenz verringert messbar die Anzahl der manuell zu verarbeitenden Belege. So erzielt avvaneo Expedite fast aus dem Stand Automatisationsquoten von 40 bis 70 %.

Und nicht nur das: Die analytische Kompetenz von avvaneo Expedite kann auch den glatten Durchlauf von fragwürdigen Belegen stoppen (Anomalie- und Duplikat-Erkennung) und Mitarbeitern auf die fragwürdigen Stellen aufmerksam machen.

Das Implementieren haben wir noch nicht automatisiert, aber fast

In manchen Fällen ist die Implementierung innerhalb eines Monats abgeschlossen, in anderen dauert es bis zu drei Monate (wobei die reine Projektzeit deutlich geringer ist). Dabei haben wir eine eigene Systematik entwickelt, sodass die KI-Einführung in den Unternehmen viel schneller, günstiger und wesentlich risikoloser abläuft, als dies bei einer Eigenentwicklung der Fall wäre. Eine Implementierung erfolgt in vier Schritten:

• 1. Pilotprojekt anhand von Echtdaten aus dem Unternehmen: Es dient der Analyse des Optimierungspotenzials und wird im bestehenden System angelegt. Wichtigster Vorteil des Piloten ist, dass bereits sehr früh konkrete Ergebnisse sowie ein optimaler Ansatz absehbar sind.

• 2. Umsetzungsprojekt mit den Ergebnissen aus dem Piloten: Dank der Erkenntnisse aus dem Piloten sowie unserer tiefen Kenntnis der SAP-Systeme ist die Einbindung unserer Lösung in den meisten Fällen super schnell und konfliktfrei umzusetzen.

• 3. Launch: Wenn avvaneo Expedite produktiv ist, finden sich die Mitarbeiter schnell mit den neuen Möglichkeiten zurecht, weil die Verbesserungen eben hauptsächlich unbemerkt im Hintergrund ablaufen und die sich an der Bearbeitungsoberfläche nicht viel geändert hat.

• 4. Kontinuierliche Optimierungen: KI zu implementieren bedeutet, einen kontinuierlichen Optimierungsprozess zu starten. Dazu werden die implementierten Modelle in regelmäßigen Abständen nachtrainiert, wozu der laufende Betrieb nicht unterbrochen werden muss. Sukzessiv erfasst das Modul die typischen Rechnungsmuster des Unternehmens immer besser, bis die Modelle am aktuell erreichbaren Optimum arbeiten.

Ziel ist das voll automatisierte Rechnungswesen

Die GPT-Disruption hat schlagartig deutlich gemacht, dass die Möglichkeiten von Künstlicher Intelligenz noch längst nicht am Limit sind. Das gilt auch für unsere KI-Entwicklung. Wir haben bereits heute das Ziel eines voll automatisierten Rechnungswesens vor Augen. Unsere KI-Lösungen können dann nicht mehr nur einzelne Prozessteile bearbeiten, sondern wickeln die komplette Verbuchung eingehender Rechnungen ab. Dazu könnte sogar auch die automatisierte Textkommunikation mit den Rechnungsstellern oder mit Personen im eigenen Unternehmen gehören.

Sie können sich die Entwicklung so ähnlich vorstellen wie bei den Autos. Erst werden immer mehr Funktionen durch Assistenzsysteme unterstützt und dann übernommen, bis schließlich das voll autonome Fahren Realität ist. Ähnlich sind auch wir auf dem Weg zu immer mehr semiautonomen Zwischenstufen, bis schließlich das voll autonome Rechnungswesen möglich ist.

Wir freuen uns auf die nächsten Schritte mit Ihnen. Dass sie kommen, ist keine Frage mehr.