Risikomanagement transformiert: Nutzung von künstlicher Intelligenz für Innovation und zukünftige Trends

Kai Rumphorst ()
Additional contact information
Kai Rumphorst: Horváth & Partner GmbH

Chapter 8 in Performance Intelligence, 2025, pp 103-116 from Springer

Abstract: Zusammenfassung In diesem Kapitel wird auf die Auswirkungen von Künstlicher Intelligenz (KI) auf das Risikomanagement eingegangen und ihr Potenzial aufgezeigt, traditionelle Herangehensweisen zu revolutionieren und Governance-Funktionen zu verbessern. Die Integration von KI-Technologien, wie in der Verarbeitung natürlicher Sprache, prädiktiven Analysen und kollaborativen Systemen, bietet erhebliche Fortschritte beim Verständnis regulatorischer Sprache, der Vorwegnahme von Änderungen und der Verbesserung von Entscheidungsprozessen. KI-gesteuerte Tools ermöglichen eine frühzeitige und effiziente Bewertung von Risiken durch intuitive, kollaborative und sichere Systeme. Die Automatisierung von Kontrollaktivitäten innerhalb interner Kontrollsysteme (IKS) sorgt für regelkonforme und nachvollziehbare Änderungen und verbessert sowohl die Prozessgeschwindigkeit als auch die Prüfbarkeit. Im Richtlinienmanagement unterstützt KI die Erstellung, Verbreitung und Durchsetzung von Unternehmensrichtlinien, indem sie kontinuierlich Änderungen analysiert, Aktualisierungen vorschlägt und die Einhaltung überwacht. Trotz der Vorteile müssen Herausforderungen wie Datenqualität, Modellkomplexität und gesetzliche Vorschriften berücksichtigt werden, um das Potenzial der KI voll auszuschöpfen. Zukünftige Trends deuten darauf hin, dass fortschrittliche Algorithmen und die Integration von IoT-Daten die Vorhersagefähigkeiten der KI weiter verbessern und ein dynamischeres Risikomanagement ermöglichen werden.

Date: 2025
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-49638-8_8

Ordering information: This item can be ordered from
http://www.springer.com/9783658496388

DOI: 10.1007/978-3-658-49638-8_8

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().