EY India untersucht KI-Agenten für Liquiditätsprognosen

EY India beschreibt in dem Bericht „An Agentic AI Adoption Playbook for CFOs and Treasurers“ den Einsatz agentischer künstlicher Intelligenz im Treasury. Treasury-Teams verwalten unter anderem Liquidität, Zahlungen, Investitionen und Währungsrisiken. Nach dem Bericht verwenden sie derzeit 60 bis 70 Prozent ihrer Arbeitszeit für manuelle und aufwendig zu bearbeitende Aufgaben.

Tabellenkalkulationen sind dem Bericht zufolge weiterhin weit verbreitet. Ein ausgereiftes Treasury-Team kann für Aufgaben wie die Überwachung von Liquidität, Währungsrisiken, Investitionen und regulatorischer Berichterstattung 50 bis 100 miteinander verknüpfte Tabellen einsetzen. In Unternehmen mit starker Tabellenabhängigkeit kann die Abweichung zwischen prognostizierter und tatsächlicher Liquiditätsposition mehr als 20 Prozent betragen. Mehr als die Hälfte der Unternehmen weltweit nutzt laut EY India weiterhin manuelle Abstimmungsverfahren.

EY India untersucht, wie agentische KI die Liquiditätsprognose, Abstimmungen sowie Prüfungen im Zusammenhang mit Kundenidentität und Geldwäschevorgaben unterstützen kann. Den größten potenziellen Geschäftsnutzen sieht der Bericht bei der Liquiditätsprognose. Die KI-Agenten sollen dabei 30-, 60- und 90-Tage-Prognosen erstellen beziehungsweise deren Genauigkeit verbessern.

Für Prüfungen zu Kundenidentität und Geldwäsche nennt EY India außerdem einen möglichen Einsatz bei Routinefällen. Agenten könnten nach dem Bericht 70 bis 80 Prozent dieser Routinefälle bearbeiten und dabei eine Prüfspur hinterlassen.

EY India empfiehlt Unternehmen, vor einer Skalierung der KI-Nutzung verlässliche und kontrollierte Datensysteme aufzubauen. Als Ansatz nennt der Bericht einen Treasury Data Lake, der Daten aus ERP-Systemen, Bankplattformen, Verträgen, E-Mails und Marktinformationen zusammenführt. Zusätzlich empfiehlt EY India ein Treasury Centre of Excellence zur Steuerung der Daten- und Workflow-Systeme.

Der Ansatz basiert auf agentischer KI, die in definierte Treasury-Workflows eingebunden wird. Der Bericht stellt dabei nicht nur das KI-Modell, sondern auch Datenqualität, Governance und klar festgelegte Abläufe als Voraussetzungen heraus. Hemal Shah, Partner im Bereich Risk Consulting bei EY India, bezeichnet verlässliche Datengrundlagen, robuste Governance und klar definierte Workflows als erforderlich, um das Potenzial agentischer KI zu nutzen.

Die Analyse verweist zudem auf Workflow-Automatisierung und digitale Abstimmungsverfahren. Unternehmen, die solche Verfahren eingeführt haben, erreichen laut EY-India-Analyse automatische Abgleichquoten von 80 bis 90 Prozent. Eine fehlende verlässliche und kontrollierte Datenarchitektur nennt der Bericht als häufigen Grund dafür, dass KI-Projekte im Treasury nicht skaliert werden.

Der Einsatz ist damit als Zusammenspiel aus Datenintegration, automatisierten Arbeitsabläufen und agentischer Verarbeitung beschrieben. EY India grenzt den Ansatz zugleich von einer rein technischen Einführung ab: Die Prozesse und ihre Kontrolle müssen vor der Skalierung festgelegt sein.

EY India gibt an, dass Unternehmen die Genauigkeit ihrer Liquiditätsprognosen durch agentische KI auf bis zu 90 Prozent steigern können. Diese Angabe bezieht sich auf 30-, 60- und 90-Tage-Prognosen. Der Bericht nennt außerdem eine automatische Abgleichquote von 80 bis 90 Prozent bei Unternehmen mit Workflow-Automatisierung und digitalen Abstimmungsverfahren.

Die genannten Werte sind Angaben aus dem EY-India-Bericht. Die Quellen-Auszüge dokumentieren keine konkrete Einführung bei einem namentlich genannten Anwenderunternehmen und keinen gemessenen Produktivitätseffekt aus einem einzelnen Implementierungsprojekt.

Der beschriebene Anwendungsfall zielt auf eine Funktion, die bislang stark von manuellen Tätigkeiten und Tabellenstrukturen geprägt ist. EY India stellt der möglichen Verbesserung der Prognosegenauigkeit deshalb Anforderungen an Daten, Governance und Prozesskontrolle gegenüber.

Die Quellen nennen außerdem Risiken beim Einsatz von KI-Agenten allgemein: Eine EMA-Studie ergab, dass 65 Prozent der untersuchten Unternehmen bereits Vorfälle erlebt hatten, bei denen ein Agent außerhalb seines vorgesehenen Zwecks agierte. Nur etwa 32,2 Prozent konnten fehlerhafte Aktionen innerhalb von Minuten stoppen. Diese Angaben beziehen sich nicht spezifisch auf EY India oder auf Liquiditätsprognosen, sondern ordnen die Governance-Anforderungen für agentische Systeme ein.