Früher saß ich nachts allein mit dem Anhang, Textmarker in der Hand, Kaffee daneben. Going-Concern-Hinweise waren kleine Sätze in großen Berichten, und unser Erfolg hing oft davon ab, ob wir sie rechtzeitig fanden. Heute schreibe ich euch diesen Brief, weil ich spüre, dass sich diese Arbeit verändern wird – nicht durch Magie, sondern durch eine ruhig gebaute KI, die Textsignale sichtbarer macht, ohne euch die Entscheidung abzunehmen. Ich stelle mir vor, wie ihr in ein paar Jahren auf unsere aktuellen Workflows zurückblickt. Vielleicht wirkt es dann seltsam, dass jede Analystin ihre eigenen Markierungen pflegte, dass wir Screenshots in Memos klebten, statt strukturierte Daten zu teilen. Genau hier sehe ich die Brücke, die wir gerade bauen: von der Einzelmeinung im PDF hin zu einer gemeinsamen Sicht auf Offenlegungen zur Unternehmensfortführung. Dieser Brief ist meine Einladung, diese Brücke bewusst zu betreten. Ich möchte mit euch teilen, wie ich KI in der Going-Concern-Analyse sehe: als Scheinwerfer, der Fußnoten ausleuchtet, als Sortierhilfe, die Kategorien vorschlägt, und als Gedächtnis, das unsere Einschätzungen dokumentiert. Ergebnisse können variieren, und sie werden es – aber wir können entscheiden, wie gut wir diesen Weg nachvollziehbar machen.
Wenn ich an eure Arbeit denke, sehe ich keine blinkenden Dashboards, sondern klare Routinen. Ein neuer Geschäftsbericht kommt herein. Die Pipeline liest ihn, markiert potenzielle Going-Concern-Hinweise, ordnet sie nach Kategorien wie Unsicherheitsgrad, Auslösergruppe und Tonalität. Ihr öffnet euer Tool und seht nicht nur Text, sondern Pfade: vom Satz im Anhang zur internen Ampel, vom Modellvorschlag zu eurer eigenen Einschätzung. Ich wünsche mir, dass ihr diese Technik nicht als Orakel erlebt, sondern als Kollegin mit gutem Gedächtnis. Sie erinnert euch an ähnliche Formulierungen aus früheren Jahren, zeigt, wie sich Sprache und Signale verändert haben, und macht transparent, wo ihr dem Modell widersprecht. In den Kommentarfeldern entsteht so eine zweite Spur: nicht nur, was im Bericht steht, sondern wie ihr es im Team deutet. Damit das gelingt, braucht es mehr als ein Modell. Es braucht ein gemeinsames Vokabular. Wenn wir von erhöhter Unsicherheit sprechen, sollten wir dasselbe meinen. Wenn eine Passage eskalationswürdig ist, sollte klar sein, wer sie sieht und wie sie dokumentiert wird. Ich hoffe, dass ihr unsere heutigen Versuche, ein solches Raster zu bauen, als hilfreichen Anfang erlebt – nicht als starres Korsett, sondern als Geländer, an dem man sich in unruhigen Zeiten festhalten kann.
Ich weiß, dass mit jeder neuen Technik auch neue Sorgen kommen. Wird KI mich ersetzen. Wird ein Modell meine Einschätzung infrage stellen. Wird eine Ampel wichtiger genommen als mein Memo. Wenn ich ehrlich bin, habe ich mir diese Fragen selbst gestellt, bevor ich die ersten Prototypen für Going-Concern-Analyse in unseren Workflow gelassen habe. Meine Antwort heute fällt nüchterner aus, als jede Hochglanzpräsentation es je könnte. KI nimmt euch keine Verantwortung ab, sie macht sie sichtbarer. Wenn das System eine Passage als kritisch markiert und ihr sie nach sorgfältiger Lektüre anders einordnet, dann ist genau diese Differenz wertvoll. Sie zeigt, wo Erfahrung, Kontext und menschliche Skepsis etwas sehen, das im Trainingsmaterial des Modells so nicht vorkam. Ich wünsche mir, dass ihr diesen Widerspruch nicht als Störung, sondern als Ressource betrachtet. Deshalb bauen wir Governance so, dass Abweichungen nicht unter den Tisch fallen, sondern ihren Platz bekommen: in Logs, in Diskussionen, in Entscheidungen. Past performance doesn't guarantee future results – und kein Modell hat das letzte Wort. Es liefert Vorschläge, ihr trefft Entscheidungen, und gemeinsam dokumentieren wir, wie wir dorthin gekommen sind.
Vielleicht fragt ihr euch, wie all das im Alltag aussehen soll, wenn die Märkte laut sind, Termine drängen und Berichte im Stapel kommen. Ich sehe euch nicht in stillen Laboren, sondern in vollen Kalendern. Gerade deshalb möchte ich, dass unsere KI-gestützte Going-Concern-Analyse nicht als zusätzliches Projekt daherkommt, sondern als Teil eurer täglichen Werkbank. In meiner Vorstellung öffnet ihr morgens euer Research-Tool und seht eine kurze Übersicht: Welche Unternehmen haben neue Offenlegungen zur Unternehmensfortführung. Wo hat das System stärkere Signale erkannt. Welche Fälle wurden seit dem letzten Check im Team diskutiert. Von dort aus könnt ihr tiefer gehen, Passagen lesen, Kennzahlen daneben legen, Kommentare ergänzen. Das Entscheidende: Ihr startet nicht mehr bei null. Die Sucharbeit ist vorstrukturiert, die relevanten Stellen sind verlinkt, die Historie ist greifbar. Was bleibt, ist der Teil, den keine Maschine euch abnehmen kann: das Abwägen, das Einordnen, das Formulieren von Konsequenzen für Kredit- und Equity-Entscheidungen. Genau hier, im Spannungsfeld zwischen Textsignal und Marktbild, liegt eure Stärke – heute und in der Zukunft, zu der ich euch diesen Brief schreibe.
Zum Schluss möchte ich euch noch etwas mitgeben, das zwischen allen Modellen, Kategorien und Pipelines leicht verloren geht. Going-Concern-Analyse ist kein Zahlenspiel, sondern eine Auseinandersetzung mit der Frage, ob ein Geschäftsmodell tragfähig bleibt. Hinter jedem Hinweis, jeder Formulierung, jedem zögerlichen Satz im Anhang stehen Menschen, Entscheidungen, Hoffnungen und manchmal auch Sorgen. KI kann diese menschliche Dimension nicht fühlen, aber sie kann helfen, sie nicht zu übersehen. Indem sie kleine Signale sichtbar macht, indem sie Sprache über Jahre vergleichbar hält, indem sie dokumentiert, wie wir unsere Einschätzungen begründen. Sie ist damit weniger ein Automat und mehr ein Archiv unserer eigenen Sorgfalt. Wenn ihr diesen Brief irgendwann in einem internen Wiki findet, hoffe ich, dass ihr zwei Dinge daraus mitnehmt. Erstens: Nutzt KI mutig, aber mit klarem Kopf. Zweitens: Verlasst euch nicht darauf, dass vergangene Muster euch die Zukunft abnehmen. Past performance doesn't guarantee future results – und genau deshalb braucht es euch, euren Blick und euren gemeinsamen Diskurs. Die Technik kann das Licht anmachen, aber ihr entscheidet, worauf ihr schaut.
P.S. P.S.: Wenn ihr diese Zeilen lest, haben wir hoffentlich schon ein Stück des Weges geschafft – mit einer Pipeline, die Berichte zuverlässig erfasst, mit Modellen, die Going-Concern-Hinweise sinnvoll vorsortieren, und mit einer Governance, die Widerspruch nicht nur erlaubt, sondern erwartet. Wenn euch beim Arbeiten etwas auffällt, das nicht passt, haltet es fest und sprecht es an. Ergebnisse können variieren, und genau dort, wo sie es tun, lernen wir am meisten über unsere Modelle, unsere Prozesse und unsere eigenen blinden Flecken.