KI-Automatisierung für Controlling und Finance

Modul 1: KI-Grundlagen, RAG und LLM-Anwendungen (2 Tage, Live-Online)

• Einführung in Large Language Models (LLMs) – mit Fokus auf echte Praxisfälle aus Finance, Controlling und Risikomanagement.
• Von den Basics bis zur Anwendung:
  • Was ist ein Prompt?
  • Wie funktioniert Prompt Engineering?
  • Wie entstehen daraus steuerbare KI-Workflows?
• Schritt-für-Schritt-Umsetzung moderner RAG-Workflows (Retrieval Augmented Generation) für den Finanzbereich:
  • Dokumenten-Upload,
  • automatisiertes Chunking,
  • Embedding,
  • Vektorsuche und semantische Suche in eigenen Daten.
• Praktische Anwendung mit Rechnungs-PDFs, Verträgen oder anderen Finanzdokumenten.
• Einführung und Nutzung von No-Code-Tools wie LangFlow für schnelle, visuelle Prozessautomatisierung.
• Visualisierung und Vergleich: No-Code-Flows vs. Python-Code – für jeden verständlich und praxisnah eingeordnet.
• Verständnis, wie man KI-gestützte Dokumentenanalyse und Q&A-Systeme auf eigene Daten anwendet.
• Gruppen- und Einzelübungen: Von der ersten Idee bis zur funktionierenden KI-Lösung im eigenen Kontext.
• Workshop: Anwendungs- und Übungsphase mit realistischen Beispielen aus Finance/Controlling und eigenen Fragestellungen.
• Direkter Transfer: Nach dem Modul erkennst du geeignete Prozesse und entwickelst erste konkrete KI-Use-Cases.

Ziel: Du verstehst nicht nur die Technik, sondern baust eigene KI-gestützte Workflows und entwickelst erste umsetzbare Anwendungen für deinen Arbeitskontext.

Modul 2: KI-Automatisierung & No-Code/Python-Integration (1 Tag, Präsenz)

• Hands-on mit KI-Tools für Finance, Controlling & Buchhaltung:
  • Entwicklung eigener Reporting- und Buchhaltungs-Assistenten (z. B. für doppelte Buchführung, automatisierte Auswertungen).
  • Reporting-Workflows mit SQL-Agenten, Charting-Agenten und Writing-Agenten (z. B. automatisch generierte Berichte mit Grafiken).
  • Automatisierung typischer Analyse- und Auswertungsprozesse im Finanzbereich – visuell mit LangFlow sowie durch Integration vorbereiteter Python-Komponenten.
• Kombination von No-Code und Python: Auch Nicht-Programmierende können mitarbeiten – technische Komponenten werden schrittweise und unterstützt integriert.
• Live-Demo: Integration von Python-Knoten in LangFlow für erweiterte Logik.
• Anwendung im Unternehmensalltag: Typische Finance-Automationsprojekte und deren strukturierte Umsetzung.
• Automatisierungs-Framework (Vertiefung & Anwendung):
  • Vertiefende Übungen: Auswahl und Skizzierung konkreter Automatisierungsprojekte, die mit KI-Workflows umgesetzt werden können.
  • „Von der Idee zum Proof-of-Concept” – Entwicklung eines eigenen Fahrplans zur Umsetzung im Unternehmenskontext.

Ziel: Du entwickelst eigene Automatisierungen, kombinierst No-Code- und unterstützte Code-Bausteine und bist in der Lage, Prozesse im Finanzbereich strukturiert KI-gestützt zu optimieren.

Modul 3: KI-Systeme & Integration im Finance-Kontext (1 Tag, Präsenz)

• Einordnung: Was sind KI-Agenten und wie werden sie in Finance- und Controlling-Prozessen sinnvoll eingesetzt?
• Vom einzelnen Workflow zum System: Wie mehrere Komponenten (z. B. Daten, Modelle und KI-Logik) zu einem durchgängigen KI-gestützten Prozess verbunden werden.
• Praxis: Erweiterung bestehender KI-Workflows zu integrierten Anwendungen.
• Einführung in grundlegende Architekturkonzepte mit LangGraph und Python: Wie KI-Workflows strukturiert aufgebaut und gesteuert werden können.
• Anwendung: Einbindung externer Datenquellen (API), Datenbanken und einfacher Benutzeroberflächen (z. B. Streamlit).
• Unterstützte Arbeit mit Code: Du arbeitest mit vorbereiteten Templates und lernst, diese mithilfe von KI gezielt anzupassen und zu erweitern.
• Use Cases aus der MediTech-AG-Story, z. B.:
  • Entwicklung eines integrierten KI-Systems mit Benutzeroberfläche (Streamlit), KI-Logik und Datenbankanbindung.
  • Aufbau hybrider KI-Workflows mit lokalen Modellen (z. B. Ollama) und Cloud-Lösungen.
  • Entwicklung eines KI-gestützten Benchmarking-Ansatzes zur Unterstützung von Managemententscheidungen.

Die Use Cases bauen teilweise aufeinander auf und zeigen, wie aus einzelnen Anwendungen schrittweise ein integriertes System entsteht.

• Automatisierungs-Framework (Transfer): Strukturierte Planung eines eigenen KI-Systems im Unternehmen.

Ziel: Du verstehst, wie aus einzelnen KI-Anwendungen integrierte Systeme entstehen, und kannst einfache Lösungen strukturiert konzipieren und weiterentwickeln.

Modul 4: Praxistransfer & Automatisierungs-Framework (Selbstlernphase)

• Direkter Transfer in die Unternehmensrealität:
  • Analyse und Auswahl von Automatisierungspotenzialen im eigenen Unternehmen mithilfe eines strukturierten KI-Automatisierungs-Frameworks.
  • Schritt-für-Schritt: Identifikation, Evaluation, Priorisierung und Konzeption deines eigenen KI-Automatisierungsprojekts.
  • Entwicklung eines individuellen KI-Use-Cases inkl. Business-Nutzen, Ressourcenabschätzung und Umsetzungsskizze (fachlich & technisch).
  • Anwendung des Frameworks zur konkreten Planung der technischen Umsetzung, inkl. Schnittstellen, Datenvorbereitung, Integration von LLMs, Machine Learning und Automatisierungstools.

Ziel: Du entwickelst ein umsetzbares Automatisierungskonzept, das unmittelbar Wert in deinem Unternehmen schaffen kann.

Modul 5: Präsentation & Optimierung der eigenen KI-Projekte (1 Tag, Live-Online)

• Präsentation deiner individuellen Use-Cases:
  • Vorstellung deines Projekts, inkl. Kosten-Nutzen-Analyse, Workflow, technische und organisatorische Umsetzung.
  • Peer- und Trainer-Feedback: Diskussion und Feinschliff mit der Gruppe.
  • Gemeinsames Schärfen der Praxisprojekte für maximalen Unternehmensnutzen.
  • Implementierungsempfehlungen und nächste Schritte für die Umsetzung im Arbeitsalltag.

Ziel: Du bekommst wertvolles Feedback, stärkst deine Umsetzungskompetenz und schließt das Programm mit einem nachhaltigen Automatisierungsprojekt ab, das echten Mehrwert für dein Unternehmen liefert.