Datenanalyse und Finance Reporting mit KI

Tag 1: Direkte Anwendung – Fallstudienbasierter Einstieg mit LLMs

Setze LLMs direkt im Finanzmanagement ein

• Einführung in ChatGPT Plus & Claude Pro für Finanzanwender:innen.
• Best Practices im Prompt Engineering für Tabellen, Zeitreihen und Texte.
• Unterschiede und Synergien beider Tools im Rechnungswesen.

Praxisorientierte Mikro-Fallstudien mit realen Finanzdaten

• Zeitreihenanalyse (Monatsumsätze, Kostenentwicklung).
• Tabellen-Extraktion aus Geschäftsberichten (PDF).
• Forecast-Erstellung mit Szenarienlogik.
• Sentiment-Analyse in Texten (Lagebericht, Analystenkommentar).

Theorie im Kontext der Fallstudien

• Aufbau, Trainingslogik und Grenzen von LLMs.
• Qualitätssicherung: Wie erkennst du fehlerhafte Ergebnisse durch Plausibilitätscheck?
• Datenschutz, Governance und ethische Aspekte beim LLM-Einsatz.

Tag 2: Trainings-Projekt  „Vom Rohdatensatz zum Dashboard mit LLMs“

Ziel:
Du erstellst ein strategisches Management Dashboard, das automatisiert durch LLMs mit folgenden Inhalten befüllt wird:

• Schlüsselkennzahlen (Umsatz, Marge, EBIT, Cashflow etc.).
• Forecast-Daten für 3, 6, 12 Monate.
• Kommentierte Entwicklungen und Ausreißer.
• Zusammenfassende Bewertung und Handlungsempfehlungen.
• Visuelle Gliederung für Stakeholder (Textstruktur durch LLM).

Ablauf:

• Datengrundlage bereitstellen (Excel & Berichtsdatei).
• Extraktion und Interpretation mit Claude & ChatGPT.
• Forecast-Simulationen durchführen und integrieren.
• Automatische Textbausteine für die Management-Kommunikation generieren.
• Output zu einem lesbaren, präsentierbaren Format zusammenstellen (Word, PDF oder Slides).

Zusätzlich:

• Reflexion: Welche Aufgaben kann ein LLM im Dashboard-Prozess übernehmen?
• Diskussion: Wie viel Automatisierung ist strategisch sinnvoll?
• Transferplan: Wie du ein KI-Dashboard in deinem Unternehmen einführen kannst.