Betrugserkennung und neue Regulatorik: Wie Unternehmen mit Datenkompetenz widerstandsfähiger werden
In einer Zeit strengerer Regulierung, zunehmender Cyber-Kriminalität und geopolitischer Risiken wird die Resilienz von Geschäftsmodellen zum entscheidenden Erfolgsfaktor. Datenkompetenz ist dabei entscheidend.
Das wirtschaftliche Umfeld stellt Unternehmen vor enorme Herausforderungen. Geopolitische Spannungen, die fortschreitende Digitalisierung und zunehmende Cyberkriminalität beeinträchtigen globale Lieferketten und zwingen Unternehmen, ihre operativen Prozesse und Geschäftsmodelle anzupassen. Diese Faktoren führen zu einer erhöhten Unsicherheit und erfordern von Unternehmen eine kontinuierliche Anpassung und Flexibilität, um wettbewerbsfähig zu bleiben und Risiken zu minimieren.
Ob es um Online-Betrug, Geldwäsche, Terrorfinanzierung oder die Umgehung von Sanktionsmaßnehmen geht – Unternehmen sind zunehmend gefordert. Sie müssen sich mit der Bekämpfung dieser Risiken auseinandersetzen und entsprechende Maßnahmen zur Verhinderung oder zumindest zur Reduktion ergreifen. Zugleich wird der regulatorische Rahmen immer enger.
Neben umfangreichen Regelwerken beispielsweise zur Bekämpfung von Geldwäsche und Terrorismusfinanzierung treten neue regulatorische Maßnahmen für Nachhaltigkeit und Klimaschutz in den Vordergrund. Ein Beispiel sind gesetzliche Vorschriften zu Sorgfaltspflichten in Lieferketten. Diese verpflichten Unternehmen dazu, ein angemessenes Risikomanagement zu etablieren, um den neuen Anforderungen gerecht zu werden. Beispielhaft sei hier das deutsche Lieferkettensorgfaltspflichtengesetz (LkSG) sowie das europäische Lieferkettengesetz (CSDDD) genannt.
Sollten Unternehmen die regulatorischen Vorgaben nicht einhalten können, führt dies zu hohen Strafen. Reputationsverlust und entsprechende finanzielle Einbußen sind die Folge.
Intelligente Datennutzung und Datenkompetenz
Deshalb ist es entscheidend, dass Unternehmen diesen Herausforderungen möglichst widerstandsfähig begegnen. Erforderlich ist es daher zunächst sämtliche Risiken zu identifizieren. Darauf basierend ist die Fähigkeit gefragt, sich schnell anzupassen, Risiken zu verhindern und zu minimieren, um gestärkt aus Krisen hervorzugehen. Eine Grundvoraussetzung dafür ist die intelligente Nutzung von Daten, die dabei helfen kann, bessere Entscheidungen zu treffen, effizienter zu werden und auf unvorhergesehene Ereignisse zu reagieren.
Die Einkaufsabteilung kann beispielsweise durch die Analyse von Finanzkennzahlen und „weichen” Daten wie das Alter des Unternehmens, Mitarbeiteranzahl, Muttergesellschaft und deren Standort et cetera frühzeitig Risiken in der Lieferkette identifizieren und angemessen darauf reagieren. Auch Länder- und Versanddaten sowie Daten zur Nachhaltigkeitsleistung der Lieferanten sind hilfreich. Es reicht jedoch nicht, nur Daten zu sammeln; die Datenqualität ist entscheidend. Die Daten sollten immer vollständig, konsistent, aktuell, zuverlässig und eindeutig sein sowie strukturiert vorliegen, um eine automatisierte Verarbeitung zu ermöglichen.
Die Analyse, Aufbereitung und regelmäßige Aktualisierung dieser Daten erfordert erheblichen Aufwand. Laut einer aktuellen Umfrage von Dun & Bradstreet (D&B) geben 56 Prozent der befragten Compliance-Entscheidungsträger in europäischen Unternehmen an, dass sie für diese Datenarbeit erheblich mehr Zeit in ihrem Arbeitsalltag aufwenden müssen.
Notwendige Automatisierung
Liegen solche aufbereiteten Daten vor, kann die Compliance-Abteilung, die für die Einhaltung gesetzlicher Vorschriften und effektive Risikomanagementstrategien zuständig ist, ein genaues Bild eines Geschäftspartners erhalten. Ein System, das auf Knopfdruck alle nötigen Informationen zusammenstellt und dessen Algorithmen entsprechende Warnleuchten aktivieren, ist optimal. Künstliche Intelligenz (KI) spielt dabei eine zunehmend wichtige Rolle, da sie Daten verknüpft, Korrelationen erkennt und so eine optimale und effiziente Datennutzung ermöglicht. Laut der D&B-Umfrage investieren 62 Prozent der Unternehmen in KI-Lösungen, um Compliance-Prozesse zu rationalisieren und die Risikobewertung zu verbessern.
Der Schlüsselfaktor bleibt jedoch die Datenkompetenz. Diese bildet immer die zwingend erforderliche Basis. Ohne abgesicherte Datenanalysen stochern Unternehmen im Nebel und treffen womöglich falsche oder schlechte Entscheidungen. Das Consulting-Unternehmen Gartner prognostizierte bereits 2020, dass 85 Prozent der KI-Projekte aufgrund verzerrter Daten falsche Ergebnisse liefern. Die besten Verarbeitungstools und Analysefähigkeiten laufen also ins Leere, wenn die Basis nicht stimmt. Datenkompetenz muss sich zwingend auf Datenqualität fokussieren. Und diese kann nur durch einen strategisch aufgesetzten und operativ konsequent umgesetzten Validierungs- und Aktualisierungsprozess erreicht werden.
Das Ergebnis: Unternehmen werden resilienter, steigern die betriebliche Effizienz und verbessern ihre Entscheidungsfindung. Datenkompetenz wird so im Wettbewerb zu einem immer wichtigeren Erfolgsfaktor.
