Natural Language Processing und Large Language Models: Chancen und Herausforderungen für das Controlling

Zusammenfassung

• Der rasante technische Fortschritt im Bereich der Künstlichen Intelligenz, insbesondere bei Natural Language Processing (NLP) und Large Language Models (LLMs), eröffnet Unternehmen zahlreiche Möglichkeiten zur Prozessoptimierung und zur Schaffung von Wettbewerbsvorteilen.
• NLP und LLMs können in vielfältigen Anwendungsfällen im Controlling eingesetzt werden. So können durch Automatisierung von Textgenerierung und -verarbeitung die Effizienz gesteigert und durch die Bereitstellung qualitativer Informationen, wie Sentiment-Analysen, die Entscheidungsfindung unterstützt werden.

• Um NLP und LLMs erfolgreich im Controlling zu implementieren, sind sowohl technische Erfolgsfaktoren wie die Auswahl geeigneter Modelle und deren Integration in die IT-Landschaft als auch organisatorische Aspekte wie die Anpassung an neue Prozesse und die Berücksichtigung der Datenkultur und -strategie im Unternehmen entscheidend.

• Durch die frühzeitige Auseinandersetzung mit den technischen und organisatorischen Herausforderungen können Unternehmen das breite Spektrum der Anwendungsmöglichkeiten von NLP und LLMs optimal nutzen und so Effizienz und Effektivität in der Steuerung, Planung und Überwachung von Geschäftsprozessen nachhaltig verbessern.

  In diesem Artikel werden nach einer Einleitung zu NLP und LLMs die spezifischen Anwendungsbereiche im Controlling vorgestellt und sowohl technische als auch organisationsbedingte Erfolgsfaktoren diskutiert. Abschließend wird ein Fazit gezogen und ein Ausblick auf mögliche zukünftige Entwicklungen gegeben.

1 Die Entwicklung von NLP & LLM

Die natürliche Sprachverarbeitung (englisch: Natural Language Processing) ist ein Bereich der KI, der sich mit der Interaktion zwischen Computern und menschlichen Sprachen befasst. Das Hauptziel von NLP besteht darin, Maschinen dazu zu befähigen, menschliche Sprache zu verstehen, zu interpretieren und darauf zu reagieren. Ansätze zur natürlichen Sprachverarbeitung gibt es seit den 1950er Jahren, allerdings haben sich die Methoden über die Zeit stark gewandelt.

Regelbasierte Methoden (1950er-1990er Jahre): In den Anfangsjahren der NLP-Forschung, von den 1950er bis in die 1990er Jahre, lag der Schwerpunkt auf regelbasierten Algorithmen. Diese Algorithmen konnten nur einfache Aufgaben wie Wortzählungen, Stoppwortfilterung oder grundlegende Syntaxanalysen bewältigen. Die Modelle basierten auf manuell erstellten Regeln und waren in ihrer Leistungsfähigkeit eingeschränkt.

Statistische Methoden (1990er-2010er Jahre): Mit dem Aufkommen von Machine Learning in den 1990er Jahren begann die Ära der statistischen Methoden in der NLP-Forschung. Diese Methoden nutzten statistische Modelle und Algorithmen, um Muster in den Daten zu erkennen. Z. B. werden Wahrscheinlichkeiten für das Auftreten bestimmter Wortkombinationen in Texten berechnet, um die Struktur der menschlichen Sprache zu modellieren. Dadurch konnte einfache Textklassifikationen, wie z. B. Spam-Filter für Emails entwickelt werden.

Deep Learning Methoden und LLMs (2010er Jahre bis heute): Seit den 2010er Jahren hat sich der Fokus der NLP-Forschung auf Deep Learning Methoden und insbesondere auf LLMs wie GPT und BERT verlagert. Durch den rasanten Anstieg der Rechenleistung, die Verfügbarkeit riesiger Textdatenmengen aus dem Internet und die Entwicklung besserer Algorithmen haben sich NLP-Systeme zu sogenannten "end-to-end" Modellen entwickelt, die viele Aufgaben auf menschlichem Niveau beherrschen. LLMs sind darauf trainiert, enorme Mengen an Textdaten zu verarbeiten und daraus komplexe Muster und Zusammenhänge abzuleiten. Im Bereich des Controllings bieten sie neue Möglichkeiten, wie z. B. die automatische Generierung von Managementberichten oder die Analyse von unstrukturierten Datenquellen wie E-Mails und Geschäftsberichten.

Die wachsende Bedeutung von NLP und LLMs im Controlling ist auf mehrere Faktoren zurückzuführen. Dazu zählen die rasant wachsenden Datenmengen, die Fortschritte in der Datenanalyse und die zunehmende Verbreitung und Akzeptanz von Künstlicher Intelligenz (KI). Mit diesen Technologien können Unternehmen ihre Entscheidungsfindung verbessern, Prozesse optimieren und neue Geschäftsmöglichkeiten identifizieren.

2 Anwendungsbereiche von NLP und LLMs

In der heutigen schnelllebigen und volatilen Geschäftswelt sind Unternehmen ständig auf der Suche nach innovativen Technologien, die ihre Prozesse optimieren und somit die Wettbewerbsfähigkeit sicherstellen.

Bisher waren Prozesse, die das Verstehen natürlicher Sprache einbeziehen, meist nur eingeschränkt automatisierbar – eine manuelle Bearbeitung durch den Menschen war oft unerlässlich. Erst in den letzten Jahren wurde durch den Einsatz von LLMs^[1] die natürliche Sprachverarbeitung durch Algorithmen so weit verbessert, dass es mittlerweile in weiten Teilen des Controllings erfolgreich eingesetzt werden kann.

Es können hierbei einerseits bestehende Prozesse im klassischen Controlling automatisiert und bereichert werden (s. Kap. 2.1). Andererseits können aus Textdaten wie z. B. Social Media über NLP wichtige Informationen zur Entsche...