Cybersecurity: En-premise vs. Cloud Computing
10/06/2024
HOOP – Firmengründungen und -Änderungen komplett digital und rechtskonform
20/08/2024Künstliche Intelligenz im Treuhandsektor
Beitrag von TREUHAND|SUISSE, Sektion Zürich
Trex, Ausgabe 3/2024
Das Thema künstliche Intelligenz (KI) ist in allen Branchen omnipräsent. Immer mehr beschäftigen sich auch Schweizer Treuhandunternehmen mit den Möglichkeiten, welche KI heute bietet. Im folgenden Artikel wird aufgezeigt, wie Treuhänderinnen insbesondere von ChatGPT profitieren können.
Überall wird diskutiert, wie man künstliche Intelligenz im beruflichen Alltag integrieren kann, um von Mitbewerbern nicht abgehängt zu werden oder einen Wettbewerbsvorteil zu erhalten. Schon 38 Prozent der KMU in der Schweiz benutzen bereits heute künstliche Intelligenz bei der Bewältigung des Arbeitsalltags, wie eine Umfrage des «Swiss AI Report 2023» zeigt. Laut dem Report sehen die Führungskräfte von KMU die Chancen bei der Effizienzsteigerung und Automatisierung von Prozessen sowie der Schaffung von Wettbewerbsvorteilen.
Der «Swiss AI Report» zeigt auch, dass Schweizer KMU auch skeptisch gegenüber der neuen Technologie sind. Die Zurückhaltung von kleinen und mittelgrossen Unternehmen gegenüber KI ist oft auf eine Kombination verschiedener Faktoren zurückzuführen. Hier sind die wichtigsten davon:
• Kosten und ROI: Die Angst vor hohen initialen Investitionskosten und der unsicheren Rentabilität hält viele kleine und mittlere Betriebe davon ab, KI-Projekte zu starten.
• Mangel an Fachwissen: Viele KMU verfügen intern nicht über das nötige technische Knowhow und sehen sich mit der Herausforderung konfrontiert, wie sie KI-Technologien effektiv implementieren und nutzen können.
• Datenschutz und Sicherheit: Die Sorge um den Schutz sensibler Daten und potenzielle Sicherheitsrisiken sind signifikante Bedenken.
• Fehlende Daten: Die für KI-Systeme benötigte Datenqualität und -menge ist oft eine Hürde für KMU.
• Marktunsicherheit und Anpassungsfähigkeit: Die schnelle Entwicklung der KI-Technologie und die Schwierigkeit, massgeschneiderte Lösungen zu finden, verunsichern kleine und mittelgrosse Unternehmen zusätzlich.
Obwohl diese Herausforderungen real und vielfältig sind, bieten KI-Technologien auch für KMU erhebliche Chancen, die Effizienz zu steigern, neue Märkte zu erschliessen und Wettbewerbsvorteile zu erlangen. Als Treuhänderin spielen Sie eine entscheidende Rolle dabei, KMU auf ihrem Weg zur digitalen Transformation zu begleiten
und zu unterstützen. Das Prüfungs- und Beratungsunternehmen PwC Schweiz liess Ende vergangenen Jahres verlauten, dass es in den kommenden drei Jahren bis zu 50 Millionen Franken in den Ausbau seiner KI-Fähigkeiten investieren wird.
Diese Investition wird vor allem in die Weiterbildung der Mitarbeitenden von PwC fliessen. Dies, damit das internationale Unternehmen gut gerüstet ist, um seine Kundschaft in der Anwendung von KI zu beraten und neue Lösungen in verschiedenen Bereichen zu entwickeln. Natürlich ist klar, dass den meisten KMU kein 50-Millionen-Franken-Budget für die Schulung zu künstlicher Intelligenz zur Verfügung steht. Das Institut Treuhand 4.0 von TREUHAND|SUISSE bietet eine Plattform von Umsetzungspartnern,
mit welchen auch mittelständische Unternehmen das Thema künstliche Intelligenz angehen und somit ihre eigene KI-Strategie für ihren Betrieb entwickeln können.
Künstliche Intelligenz wurde bereits 1950 in den Vereinigten Staaten von Amerika als Forschungsgebiet mit der Vision vorgeschlagen, dass Maschinen eines Tages sprechen, abstrakte Konzepte bilden, Probleme lösen und sich selbständig optimieren können. In ihrer einfachsten Form ist künstliche Intelligenz ein Feld, das Informatik und leistungsfähige Datensätze kombiniert, um Probleme zu lösen, wie es bisher nur Menschen gelang. Es umfasst auch Teilbereiche des maschinellen Lernens (Machine Learning) und des Deep Learning, die häufig im Zusammenhang mit künstlicher Intelligenz genannt werden. Schon 1950 stellte sich der britische Mathematiker Alan Turing4 in einer wissenschaftlichen Publikation die Frage: «Können Maschinen denken?» und eröffnete damit schon vor 74 Jahren die Diskussion zum Thema künstliche Intelligenz. Die Anwendungen dieser Technologie nehmen täglich zu, und wir fangen erst gerade damit an, alle Möglichkeiten, welche KI bietet, zu erkunden.
Machine und Deep Learning
Im Grunde kann der Begriff künstliche Intelligenz in zwei Themenfelder unterteilt werden: in das Machine Learning und in das Deep Learning.
In Abbildung 1 sehen Sie, wie sich die Teilgebiete voneinander unterscheiden. Machine Learning ist die historisch ältere und einfachere der beiden Technologien. Sie arbeitet mit einem Algorithmus, den das System selbst anpasst, nachdem es durch einen Menschen Feedback erhalten hat. Voraussetzung für den Einsatz der Technologie ist das Vorliegen von strukturierten Daten. Das System wird zunächst mit strukturierten und genau kategorisierten Daten gefüttert. Auf diese Weise versteht das Netzwerk danach, wie weitere neue Daten dann einzuordnen sind. Je nach Definition führt das System anschliessend zuvor programmierte Aktivitäten aus. Es erkennt zum Beispiel, ob ein Hund oder eine Katze auf einem Foto zu sehen ist, und verschiebt Dateien jeweils ganz autonom in unterschiedliche Ordner. Nach einer ersten Anwendungsphase erfolgt die Optimierung des Algorithmus durch menschliches Feedback, indem das System über falsche und korrekte Zuordnungen und Kategorisierung informiert wird.
Beim Deep Learning sind keine strukturierten Daten notwendig. Das System arbeitet mit mehrschichtigen neuronalen Netzen. Neuronale Netze
sind Algorithmen, die dem menschlichen Gehirn nachempfunden sind. Dadurch kann das System mit der Zeit auch unstrukturierte Daten bearbeiten.
Der Ansatz des «tiefen Lernens» ist vor allem für komplexe Aufgaben geeignet. Dies beispielsweise, wenn im Vorfeld nicht alle Aspekte von
Objekten kategorisiert werden können. Beim Deep Learning findet das System selbst geeignete Unterscheidungsmerkmale. In jeder Lernphase wird der Input auf ein weiteres Merkmal untersucht und das Netzwerk entscheidet am Ende, wie der Input einzuordnen ist.
Das System findet beim Deep Learning selbst geeignete Unterscheidungsmerkmale in den Daten, ohne dass eine Kategorisierung von aussen vorgegeben werden muss. Ein Training durch einen Entwickler ist somit nicht notwendig. Die künstliche Intelligenz prüft selbst, ob sich aufgrund eines neuen Inputs etwas verändert hat und ob das System deswegen beispielsweise eine neue Kategorie erstellen muss. Während Machine Learning bereits mit einer überschaubaren Datenbasis funktioniert, benötigt Deep Learning wesentlich mehr Daten. Über 100 Millionen Datenpunkte sollte ein DeepLearning-Netzwerk zur Verfügung haben, wenn es verlässliche Ergebnisse liefern soll.
Der Hype um künstliche Intelligenz
Der Hype um die künstliche Intelligenz, insbesondere um Generative AI (mehr dazu gleich), ist so gross wie noch nie. Durch ein immenses Medieninteresse hat KI innert kurzer Zeit den Triumph der Hype-Kurve erreicht. Dies zeigt die Hype-Cycle-Methodik des Marktforschungsspezialisten Gartner aus dem Jahr 2023 sehr gut auf. Weil in den vergangenen Monaten viel Geld in die Technologie, Entwicklung und Optimierung von Algorithmen und Rechenleistung für die Verwendung und den Betrieb von KI investiert
wurde, haben wir zum Glück die ersten Enttäuschungen bei der Verwendung von KI bereits hinter uns gelassen. Wie es Gartner bezeichnet, befinden wir uns im Moment schon eher auf dem «Pfad der Erleuchtung». KI-Modelle wie ChatGPT wurden bereits überarbeitet, sodass uns nun bereits die dritte Generation von ChatGPT (das Programm heisst «ChatGPT 4») zur Verfügung steht. Es gibt immer mehr Anwendungsbeispiele für die Nutzer: innen und viele Unternehmen (darunter auch KMUs) starten Pilotprojekte in diesem Bereich.
Generative Künstliche Intelligenz (englisch “Generative AI” oder “GenAI”) ist eine Art von Künstlicher Intelligenz, die neue Inhalte aus vorhandenen Informationen und Benutzervorgaben erzeugen kann. Die Inhalte, welche die GenAI zu erstellen vermag, umfassen unter anderem Texte, Bilder, Videos, Audioinhalte, Programmcodes, 3D-Modelle, molekulare Strukturen und mehr. Manche der erzeugten Inhalte sind sehr ähnlich zu denen, die Menschen machen und sind daher von diesen kaum noch unterscheidbar. Generative Künstliche Intelligenz basiert auf ebenfalls künstlichen neuronalen Netzwerken, die mit grossen Datenmengen trainiert werden.
Generative KI-Modelle nutzen Daten in Form von Bildern, Multimediainhalten oder Texten, die aus verschiedenen Quellen wie beispielsweise Wikipedia-Artikeln, Nachrichtenwebseiten, Internetforen, sozialen Medien-, Buch-, Bild- oder Videodatenbanken stammen. Das Training mit diesen Daten erfolgt meist ohne oder nur mit wenig menschlicher Anleitung.
Bezüglich der Implementierung von GenAI herrscht aktuell ein starker Optimismus. Laut der European Financial Services AI Survey des Beratungs- und Wirtschaftsprüfungsunternehmens EY sehen 63% der Befragten des europäischen Finanzsektors gute Chance für ihr Unternehmen durch die Beschleunigung von Systemen, Anwendungen und Modellen. Die Studie von EY wurde im vergangenen Jahr vorgestellt.
Auch erfordert die Anwendung von GenAI einen grossen Schulungsbedarf: Konkret erwarten 68% der Befragten, dass KI-Schulungen in ihrem Unternehmen in Zukunft für bis zu einem Viertel aller Stellen erforderlich werden.
Auch die Ethik und Governance darf beim Einsatz von KI nicht vernachlässigt werden. Bedenken, dass die generative Künstliche Intelligenz gefährliche Konsequenzen haben könnte, hat einige Firmen dazu veranlasst, einen KI-Ethikrahmen einzuführen.
KI im Treuhand
Künstliche Intelligenz hat in den letzten Jahren erhebliche Fortschritte gemacht und angefangen, viele Branchen zu revolutionieren. Auch in der Treuhandbrache findet zurzeit eine Revolution statt. Gefühlt alle Buchhaltungsprogramme werben momentan mit Funktionen und Unterstützung durch die Künstliche Intelligenz. Sei es mittels Verbuchungsregeln, Buchungsvorschläge oder Texterkennung bei der Verarbeitung von Lieferantenrechnungen. Diese Funktionen unterstützen die Treuhänder: innen bei ihren täglichen Arbeiten. Durch die Automatisierung routinemässiger Aufgaben und die Bereitstellung tiefer Einblicke in Daten kann KI dabei unterstützen, effizienter zu arbeiten und bessere Entscheidungen zu treffen. Auch die Generative Künstliche Intelligenz macht sich auf den Alltag eines Treuhänders einfacher zu gestalten. Das GenAI-Programm ChatGPT der US Firma OpenAI kann unter Berücksichtigung der Datenschutzbestimmungen Treuhänder: innen in einer Vielzahl von Bereichen unterstützen, insbesondere bei der Verwaltung, Organisation und Analyse von Informationen.
- Erstellung von Standarddokumenten wie Verträge, Vereinbarungen und Berichte durch vordefinierte Vorlagen.
- Unterstützung bei der Erstellung von professionellen E-Mails, Briefen und anderen Kommunikationsmitteln.
- Unterstützung bei der Übersetzung von Dokumenten oder Kommunikation in mehrere Sprachen.
- Hilfe bei der Erstellung und Überwachung von Budgets, Finanzplänen und Prognosen.
- Unterstützung bei der Suche nach relevanten Gesetzen, Vorschriften und Rechtsprechungen.
- Organisation und Bereitstellung von Informationen und Ressourcen für die interne Weiterbildung.
Die Eingabeaufforderungen an ChatGPT und andere Tools bestimmen jeweils, wie gut KI-Unterstützungen tatsächlich funktionieren. Dennoch kann ChatGPT nur Prozesse erleichtern und erfordert vor allem in heiklen und schwierigen Fällen immer noch menschliche Kontrolle.
Hier wird Ihnen geholfen
Immer wieder wird Generative KI falsch oder nicht so effizient eingesetzt. Wenn auch Sie in Ihrem Unternehmen ChatGPT bereits verwenden, teile ich im Folgenden nun gerne ein paar Tipps und Tricks mit Ihnen. Dies, damit Sie auch wirklich die volle Power dieses Tools einsetzen können. Wenn eine zu generelle Eingabe bei ChatGPT verwendet wird, wie zum Beispiel: «Schreibe mir einen Blogartikel über Steuern 2024», erhalten Sie nur eine äusserst allgemeine und zudem eher langweilige Antwort.
Sie haben bei Ihren ersten KI-Schritten wahrscheinlich auch schon einmal eine solche Erfahrung gemacht. Viele Leute erkennen an dieser Stelle nicht, dass es nur darauf ankommt, wie man die KI füttert oder auf Englisch eben «promptet» (dazu gleich mehr). Viele User: innen kommen dann fälschlicherweise zum Schluss, dass sie diese Antwort von ChatGPT auch gleich selber hätten geben können. «ChatGPT bringt es überhaupt nicht», höre ich immer wieder und «ChatGPT werde ich nie mehr verwenden». Das Problem hier aber ist nicht ChatGPT und auch nicht die KI. Das Problem ist der Benutzer bzw. die Benutzerin des Tools.
Denken Sie daran, dass KI immer ein Werkzeug ist, das mit den unterschiedlichsten Fähigkeiten eingesetzt werden kann. Und so kommt es, dass einige Leute ChatGPT viel besser als andere nutzen. Die Fähigkeit, die es zur effizienten Einsetzung des Tools tatsächlich braucht, ist in erster Linie die richtige Kommunikation. Im Fachjargon nennen wir das «Prompt Engineering».
Doch was sind Prompts?
Prompts sind Aufforderungen oder Anweisungen, die einem System gegeben werden, um eine bestimmte Antwort oder Aktion zu initiieren. Im Kontext von künstlicher Intelligenz und maschinellem Lernen, wie bei ChatGPT, bezieht sich ein Prompt auf die Eingabe, welche die Benutzer: innen machen, um eine adäquate Antwort oder Ausführung einer bestimmten Aufgabe zu erhalten. Prompts können in Form von Fragen, Befehlen, Aussagen oder sogar Bildern gemacht werden, je nachdem, welches System oder welche Anwendung verwendet wird.
In der Programmierung und Softwareentwicklung kann ein Prompt auch eine Zeile oder ein Fenster sein, das den Benutzer auffordert, Informationen einzugeben oder eine Auswahl zu treffen.
Prompts spielen eine zentrale Rolle in der Interaktion zwischen Menschen und Computern. Dies, indem sie eine Schnittstelle bieten, durch welche User: innen nach der Fütterung mit dem System kommunizieren können.
So sprechen Sie KI-isch
Zum Glück müssen Sie nun nicht das Programmieren von Grund auf neu erlernen. Selbst wenn Sie also denken, dass Sie nicht gut mit Computern umgehen können, spielt das keine Rolle. Das Einzige, was Sie brauchen, ist eine gute Kommunikationsfähigkeit. Wenn Sie über WhatsApp mit Ihren Freundinnen und Freunden sprechen können, wird es auch kein Problem für Sie sein, mit einer KI zu sprechen. Machen Sie sich also keine Sorgen: Wenn Sie in einer E-Mail klare Anweisungen geben können, wird es für Sie ein Kinderspiel sein einer KI klare Anweisungen zu geben.
Es geht nicht darum, einen Code zu schreiben. Es geht auch nicht um Mathematik, was es braucht, ist eine klare menschliche Sprache. Was hierbei unterstützen kann ist das RISEN-Framework. Die fünf Buchstaben der Eselsleiter RISEN schauen wir uns im Folgenden nun etwas genauer an.
Role – Rolle
Das «R» am Anfang steht für «Role» oder auf Deutsch «Rolle». Wählen Sie am Anfang also die richtige «Rolle». Anstatt eine zu simple Anweisung zu geben, beginnen Sie immer mit der von Ihnen gewählten Rolle.
Wenn Sie beispielsweise einen Blog-Artikel über das Thema Steuern 2024 erhalten möchten, sollten Sie bei Ihrer KI die folgende Rolle definieren: «Verhalte dich als professioneller Texter» oder «fungiere als SEO-Experte» um einen Suchmaschinenoptimierten Blogartikel zu verfassen.
Instructions – Anweisungen
An zweiter Stelle im RISEN-Framework steht das «I» für «Instructions», was als «Anweisungen» übersetzt werden kann.
Direkt nach der Rolle müssen Sie genau sagen, was das die KI tun soll.
«Verhalte dich als professioneller Texter und schreib mir einen Blogartikel zum Thema ‘Steuern 2024 in der Schweiz’»
Steps – Schritte
In diesem Teil müssen wir die genauen «Schritte» vorgeben, welche man zum Erfüllen der geforderten Aufgabe gehen sollte. Vermitteln Sie ChatGPT also die weiteren Infos, die das Tool für eine gute Lösung braucht. Am besten Sie verhalten sich so, als ob Sie einem menschlichen Angestellten oder einem Freelancer wichtige Anweisungen zum Schreiben dieses Blogartikels geben würden.
Wir sagen also nicht einfach: «Schreibe mir einen Blogartikel über Steuern.»
Wir würden sagen: «Verhalte dich als professioneller Texter und schreib mir einen Blogartikel zum Thema ‘Steuern 2024 in der Schweiz’. Beginne mit einem interessanten Aufhänger, um die Aufmerksamkeit der Leserschaft zu erregen. Erkläre drei Änderungen für das Jahr 2024 und schliesse den Text mit einem starken Aufruf zum Handeln ab, der die Leute dazu bringt, einen Newsletter zu abonnieren oder uns zu kontaktieren.» Indem wir also mehrere Schritte vorgeben, gelingt es ChatGPT, viel präzisere Daten zu liefern.
End-Goal – Endziel
Als nächstes sollte man das «Endziel» definieren. Sie müssen ChatGPT also sagen, was Sie vom Tool am Schluss erwarten. Die KI ist zwar sehr schlau, aber sie kann unsere Gedanken (noch) nicht lesen.
Es ist also wichtig, genau zu kommunizieren, wohin der Weg führen soll. Als Beispiel sollten Sie dem Chat als Endziel beispielsweise mitteilen, dass sich Ihr gewünschter Blog-Artikel an natürliche Personen und Privathaushalte in der Schweiz richtet, welche eine Steuerberatung in Betracht ziehen könnten.
Narrowing – Einschränken
Im letzten Schritt geben Sie noch gewisse «Einschränkungen» vor, zum Beispiel dass der Blogartikel zwischen 500 und 750 Wörter lang sein soll und welche Sprachform verwendet werden sollte.
Unser kompletter prompt lautet somit wie folgt:
«Verhalte dich als professioneller Texter und schreib mir einen Blogartikel zum Thema ‘Steuern 2024 in der Schweiz’. Beginne mit einem interessanten Aufhänger, um die Aufmerksamkeit der Leserschaft zu erregen. Erkläre drei Änderungen für das Jahr 2024 und schliesse den Text mit einem starken Aufruf zum Handeln ab, der die Leute dazu bringt, einen Newsletter zu abonnieren oder uns zu kontaktieren. Der Artikel richtet sich an natürliche Personen und Privathaushalte in der Schweiz, welche eine Steuerberatung in Betracht ziehen könnten. Achte auf eine formelle Sprache.»
Natürlich müssen die Angaben, welche ChatGPT hier liefert, hinterfragt, überprüft und verifiziert werden. Das Tool liefert jedoch bereits einen gut gegliederten Artikel, mit welchem Sie weiterarbeiten können.
Custom GPTs
Zusätzlich zum bekannten Chatbot ChatGPT bietet OpenAI mit der kostenpflichten Plus Version auch die Option der Custom GPTs an. Custom GPTs ermöglichen es unter Berücksichtigung von Datenschutzmassnahmen «angepasste» GPT-Modelle zu gestalten.
Custom GPTs können auf die spezifischen Bedürfnisse und Anforderungen einer Branche oder eines Unternehmens zugeschnitten werden. Dies bedeutet, dass das Modell mit branchenspezifischen Daten trainiert wird, was zu präziseren und relevanteren Antworten führt.
Durch die Verwendung von Custom GPTs können Unternehmen ihre eigenen Datenschutz- und Sicherheitsrichtlinien direkt in das Modell integrieren. Dies ist besonders wichtig für Branchen, die mit sensiblen Informationen arbeiten, wie dem Finanzsektor, dem Gesundheitswesen und dem Rechtsbereich.
Custom GPT-Modelle können dazu beitragen, spezifische Aufgaben effizienter zu erledigen, indem sie Arbeitsabläufe automatisieren und die Bearbeitungszeit für komplexe Anfragen reduzieren. Dies steigert die Produktivität der Mitarbeiter: innen. KI ermöglicht es dem Personal so, sich auf höherwertige Aufgaben zu konzentrieren.
Indem KI-Tools speziell auf die Einhaltung lokaler Gesetze und Vorschriften trainiert werden, können beispielsweise Compliance-Risiken minimiert werden.
Custom GPTs können für spezifische Sprachen, Dialekte oder sogar unternehmensspezifische Terminologien optimiert werden, was die Kommunikation und das Verständnis verbessern.
Unternehmen, die in Custom GPTs investieren, profitieren von exklusiven Funktionen und Fähigkeiten, die nicht allgemein verfügbar sind, was ihren Dienstleistungen einen einzigartigen Wert verleihen kann.
Fazit
KI-Anwendungen sind spannende und nützliche Technologien, die viele Bereiche unseres Lebens und unserer Arbeit beeinflussen können. Mit dem RISEN Framework können wir das Potential von Generativer Künstlicher Intelligenz optimal nutzen und hochwertige Texte erstellen, die Ihren gewünschten Anforderungen entsprechen. Gleichzeitig sollten wir uns bewusst sein, dass KI-Anwendungen nicht perfekt sind und noch viele Herausforderungen bestehen, die in der Zukunft gelöst werden müssen. Die Schweizer KMUs sollten sich aber nicht von der Künstlichen Intelligenz abschrecken lassen, sondern sich im Gegenteil aktiv informieren und schulen lassen. Dies, um die Vorteile dieser innovativen Technologie erkennen und nutzen zu können.
Autor: Roman Wey ist Mitglied des Instituts Treuhand 4.0 von TREUHAND|SUISSE
Roman Wey ist als Head of IT bei Aeberli Treuhand AG tätig und absolviert gerade den Master of Advanced Studies HWZ in Digital Business – Major in Artificial Intelligence
Wollen Sie mehr zu unserem Umsetzungspartner, seinen Dienstleistungen und Lösungen erfahren? Sie finden unseren Umsetzungspartner hier oder Fragen Sie direkt uns oder unseren Umsetzungspartner an.
