KI bei der Datenerschließung aus Geschäftsdokumenten

Jahresabschlüsse, Verträge, Pitch-Decks und Transkripte von Analysten Calls liegen selten als saubere Tabelle vor. In der Due-Diligence beginnt die Arbeit deshalb häufig damit, unstrukturierten Text in eine Form zu bringen, in der sich einzelne Posten, Klauseln und Laufzeiten vergleichen lassen. An dieser Stelle kommen KI-gestützte Verfahren zum Einsatz.

Was Extraktionspipelines leisten

Sprachmodelle und darauf aufbauende Extraktionspipelines können Dokumente in Felder zerlegen: Bilanzposten wie Umsatz, Materialaufwand und Eigenkapital, Vertragsklauseln wie Laufzeit, Kündigungsfrist und Haftungsbeschränkung, oder Strukturmerkmale wie die Anzahl der Tochtergesellschaften in einem Konzernabschluss. Das Ergebnis ist eine Tabelle, die sich sortieren, filtern und mit anderen Quellen abgleichen lässt.

Der Vorteil liegt in der Geschwindigkeit. Ein Modell, das für einige hundert Dokumente trainiert oder mit Beispielen versehen wurde, sichtet einen Konvoi von mehreren hundert Unterlagen in einem Bruchteil der Zeit, die eine Einzelperson benötigt. Für die Due-Diligence bedeutet das, dass mehr Quellen in die Prüfung einbezogen werden können, als es früher handwerklich möglich war.

Wo die Verfahren an Grenzen stoßen

Extraktion ist nicht frei von Fehlern. Ein Modell kann einen Posten der falschen Periode zuordnen, eine Währung verwechseln oder eine Klausel übersehen, weil sie ungewöhnlich formuliert ist. Die Fehlerquote hängt davon ab, wie gut die Beispiele die vorliegenden Dokumente abdecken und wie eindeutig die Begriffe sind. Jahresabschlüsse nach HGB unterscheiden sich in der Sprache von IFRS-Abschlüssen; Verträge aus unterschiedlichen Rechtsräumen verwenden unterschiedliche Standardformulierungen.

Deshalb gilt in der redaktionellen Arbeit: Jeder maschinell extrahierte Wert, der in einen Artikel übernommen wird, ist gegen die Quelle zurückzuprüfen. Das Modell liefert den Hinweis, die Quelle liefert den Beleg. Fehlt der Beleg, wird der Wert nicht veröffentlicht.

Was das für die Leserschaft bedeutet

Wer die Berichte dieser Redaktion liest, kann davon ausgehen, dass hinter jeder Zahl ein Zitat aus einer benannten Quelle steht. Wir beschreiben das Verfahren, mit dem ein Wert ermittelt wurde, und nennen die Quelle. Eine Bewertung, ob eine Zahl „gut" oder „schlecht" ist, nehmen wir nicht vor – das ist eine Frage der Anlagestrategie und damit Sache einer regulierten Beratung, nicht einer Redaktion.

Quellen und weiterführende Hinweise

• Standardformulare für Jahresabschlüsse nach HGB und IFRS, veröffentlicht durch die zuständigen Standardsetzungsgremien.
• Öffentliche Stellungnahmen der Prüfungsverbände zum Einsatz von KI in der Abschlussprüfung.
• Fachliteratur zum Information Extraction, etwa Übersichtsarbeiten zu benannten Entitäten und Relationsextraktion.

Die hier genannten Quellengattungen werden in den jeweiligen Artikeln im Einzelnen benannt, sobald ein konkreter Beleg zitiert wird.