KI als Unterstützung für belastbarere Unternehmensentscheidungen

KI als Werkzeug für robustere Unternehmensentscheidungen

Künstliche Intelligenz wird das Risikomanagement von Unternehmen in den kommenden Jahren deutlich verändern und dabei als leistungsfähige Ergänzung zu Fachwissen, Erfahrung und spezialisierten Methoden dienen.

Der im Mai 2026 veröffentlichte Aufsatz „The Core Ideas of Enterprise Risk Management in the Age of Artificial Intelligence“ von Prof. Dr. Werner Gleißner formuliert zehn zentrale Thesen eines modernen, entscheidungsorientierten Risikomanagements und erläutert die zukünftige Rolle von KI in diesem Kontext.

Erweitertes Verständnis von Risikomanagement

Im Mittelpunkt steht ein erweitertes Verständnis des Risikomanagements. Dessen Aufgabe ist es, Gefahren zu identifizieren, Schäden zu begrenzen und Unternehmen zugleich bei besseren Entscheidungen unter Unsicherheit zu unterstützen. Risiken werden dabei als mögliche positive oder negative Abweichungen von der Unternehmensplanung verstanden, also sowohl als Chancen als auch als Bedrohungen. Daraus ergibt sich die Notwendigkeit, Risikomanagement als Querschnittsfunktion zu begreifen, die eng mit Strategie, Controlling, Unternehmensplanung, Finanzierung und wertorientierter Unternehmensführung verknüpft ist.

KI bei Analyse, Prognosen und Szenarien

An vielen Stellen kann Künstliche Intelligenz diesen Ansatz unterstützen. Besonders großes Potenzial besteht bei der Auswertung umfangreicher Daten- und Textbestände. Interne Berichte, Schadensmeldungen, Richtlinien, Marktinformationen oder Lageeinschätzungen lassen sich mithilfe von KI schneller analysieren, um Hinweise auf Risiken, Ursachen von Planabweichungen oder wiederkehrende Muster zu erkennen.

Darüber hinaus kann KI bei Prognosen, der Entwicklung von Szenarien, Stresstests sowie bei der Dokumentation und Kommunikation von Risiken erhebliche Vorteile bieten.

Risiken quantifizieren und laufend aktualisieren

Ein weiteres zentrales Einsatzfeld ist die Quantifizierung von Risiken. Moderne Risikomanagementsysteme benötigen mehr als die bloße Erfassung einzelner Risiken in Listen. Erforderlich sind belastbare Einschätzungen zu Eintrittswahrscheinlichkeiten, möglichen Schadenshöhen und den Bandbreiten zukünftiger Entwicklungen.

KI kann hierbei historische Daten auswerten, externe Informationen berücksichtigen und die Vorbereitung von Wahrscheinlichkeitsverteilungen oder Szenarien unterstützen. In Kombination mit bayesianischen Verfahren können Risikobewertungen fortlaufend angepasst werden, sobald neue Informationen verfügbar sind.

Risikoaggregation bleibt zentrale Fachaufgabe

Der Autor macht zugleich deutlich, dass KI kein vollständiges Risikomanagement ersetzen kann. Wesentliche Methoden wie die Risikoaggregation, beispielsweise mithilfe von Monte-Carlo-Simulationen, bleiben spezialisierten Softwarelösungen sowie fachkundigen Anwenderinnen und Anwendern vorbehalten.

Die Risikoaggregation ist von zentraler Bedeutung, da Unternehmenskrisen in der Regel durch das Zusammenwirken mehrerer Risiken entstehen. Erst auf dieser Grundlage können Gesamtrisikoumfang, Eigenkapitalbedarf, Insolvenzgefährdung und risikogerechte Kapitalkosten bestimmt werden.

Grenzen von KI im Risikomanagement

Der Beitrag thematisiert zudem die Grenzen Künstlicher Intelligenz. KI-Systeme können fehlerhafte oder unvollständige Ergebnisse erzeugen, halluzinieren, Rechenfehler machen oder bereits bei geringfügigen Änderungen der Eingaben unterschiedliche Antworten liefern.

Zudem stellen sich Fragen der Datensicherheit, insbesondere dann, wenn vertrauliche Unternehmensinformationen verarbeitet werden. Deshalb plädiert der Autor für hybride Lösungen: KI übernimmt Aufgaben der Datenaufbereitung, Analyseunterstützung und Kommunikation, spezialisierte Algorithmen dienen Simulation und Bewertung, während menschliche Expertinnen und Experten für Interpretation, Qualitätssicherung und Entscheidungen verantwortlich bleiben.

KI als Baustein moderner Unternehmensführung

Die zentrale Aussage des Aufsatzes lautet, dass KI das Risikomanagement stärken, beschleunigen und enger mit unternehmerischen Entscheidungen verknüpfen kann. Eine methodisch fundierte Grundlage des modernen Enterprise Risk Managements kann sie jedoch nicht ersetzen.

Unternehmen, die KI gezielt einsetzen möchten, sollten daher zunächst festlegen, welche Risiken erfasst werden, wie diese quantifiziert werden und auf welche Weise Risikoinformationen in strategische Entscheidungen einfließen. Erst dann kann KI vom unterstützenden Werkzeug zu einem Baustein robuster Unternehmensführung werden.


Quelle/Fundstelle

Prof. Dr. Werner Gleißner, „The Core Ideas of Enterprise Risk Management in the Age of Artificial Intelligence“, veröffentlicht im Mai 2026, verfügbar unter: https://www.mdpi.com/1911-8074/19/5/338