« Szenarien mit Data2Space simulieren | Home

Entscheidungsqualität von Unternehmen messbar machen

Von Dr. Oliver Everling | 24.August 2026

Die Integration künstlicher Intelligenz in die Unternehmenssteuerung verändert zunehmend die Frage, wie gute Entscheidungen in Unternehmen entstehen und wie ihre Qualität nach außen nachgewiesen werden kann. Besonders interessant ist dabei das Konzept eines KI-Beirats: Mehrere spezialisierte KI-Perspektiven analysieren eine strategische Fragestellung unabhängig voneinander, hinterfragen die Argumente der jeweils anderen und verdichten die Ergebnisse zu einer strukturierten Entscheidungsgrundlage. Der von Data2Space beschriebene Ansatz des immersiven Umgangs mit Daten eröffnet hierfür eine zusätzliche Dimension. Daten werden nicht mehr nur in Dashboards dargestellt, sondern können in einem gemeinsamen digitalen Raum kontextualisiert, visualisiert und mit unterschiedlichen Perspektiven interpretiert werden. Für RATING EVIDENCE GmbH stellt sich damit eine zentrale Frage: Welche Bedeutung kann ein solcher KI-gestützter Entscheidungsprozess künftig für die Beurteilung der Kreditwürdigkeit eines Unternehmens haben?

Ein KI-Beirat ist dabei zunächst nicht als Ersatz für Managemententscheidungen oder als automatisierte Ratinginstanz zu verstehen. Sein Wert liegt vielmehr darin, Entscheidungsprozesse systematischer, nachvollziehbarer und kritischer zu gestalten. Der Ausgangspunkt des im zugrunde liegenden Artikel beschriebenen Konzepts ist genau diese Funktion: Der KI-Beirat soll nicht einfach eine Mehrheitsentscheidung produzieren, sondern unterschiedliche Denkweisen zusammenbringen und sichtbar machen, welches Argument trägt und unter welchen Bedingungen es seine Gültigkeit verliert. Der beschriebene Ablauf reicht vom Briefing über die Trennung von Fakten und Annahmen und die Auswahl geeigneter Beiratsmitglieder bis zu unabhängigen Erstvoten, Kreuzkritik, einer möglichen Gegenrunde und einer abschließenden Synthese.

Für die Kreditwürdigkeitsanalyse ist dieser Ansatz deshalb interessant, weil Credit Rating nicht ausschließlich eine Frage vergangenheitsbezogener Finanzkennzahlen ist. Die Fähigkeit eines Unternehmens, Risiken frühzeitig zu erkennen, unterschiedliche Szenarien zu analysieren, Kapital sinnvoll einzusetzen und auf Veränderungen zu reagieren, kann für seine zukünftige finanzielle Stabilität von erheblicher Bedeutung sein. Ein Unternehmen kann heute solide Bilanzkennzahlen aufweisen und dennoch erhebliche Risiken eingehen, wenn strategische Entscheidungen ohne ausreichende Gegenprüfung getroffen werden. Umgekehrt kann ein Unternehmen seine Widerstandsfähigkeit erhöhen, wenn es systematisch unterschiedliche Perspektiven in seine Entscheidungsprozesse integriert und dadurch Fehlentscheidungen frühzeitig erkennt.

Genau an dieser Stelle entsteht eine Verbindung zwischen dem KI-Beirat und dem von Data2Space beschriebenen immersiven Datenraum. Data2Space kann als Umgebung verstanden werden, in der komplexe Unternehmens- und Finanzinformationen nicht isoliert betrachtet werden, sondern in ihren Zusammenhängen sichtbar werden. Ein KI-Beirat könnte auf diesem gemeinsamen Informationsraum aufsetzen und unterschiedliche Perspektiven auf dieselben Daten anwenden. Ein Risiko-Agent könnte beispielsweise Liquiditätsrisiken und Konzentrationen untersuchen, ein strategischer Agent die langfristigen Auswirkungen einer Investition bewerten, ein regulatorischer Agent mögliche Compliance- und Governance-Risiken analysieren und ein bewusst konträr angelegter Agent die zentralen Annahmen der Unternehmensstrategie infrage stellen.

Damit verändert sich auch die Rolle der Daten. Sie sind nicht mehr lediglich Grundlage eines Reports, sondern werden zum Ausgangspunkt eines strukturierten Dialogs zwischen verschiedenen analytischen Perspektiven. Eine solche Architektur könnte insbesondere bei komplexen Finanzierungs-, Investitions- oder Transformationsentscheidungen einen Mehrwert schaffen. Entscheidend ist dabei, dass alle relevanten KI-Perspektiven zunächst auf einer vergleichbaren Informationsbasis arbeiten. Auch im beschriebenen KI-Beiratsmodell erhalten die Mitglieder dasselbe Sitzungspaket und geben zunächst unabhängig voneinander ihr Urteil ab, bevor die Kreuzkritik beginnt.

Aus Sicht von RATING EVIDENCE ist dabei weniger interessant, ob ein Unternehmen fünf, zehn oder zwölf KI-Agenten einsetzt. Entscheidend ist vielmehr, welche Qualität der daraus entstehende Entscheidungsprozess besitzt. Die bloße Existenz eines KI-Beirats sollte daher kein positiver Ratingfaktor sein. Erst wenn nachweisbar ist, dass ein solcher Beirat tatsächlich zu einer besseren Identifikation von Risiken, einer fundierteren Kapitalallokation, einer höheren Transparenz von Entscheidungsprozessen oder einer verbesserten Widerstandsfähigkeit des Unternehmens beiträgt, entsteht daraus relevante Evidenz für die Beurteilung der Unternehmensqualität.

Besonders interessant ist in diesem Zusammenhang der Umgang mit Dissens. Ein leistungsfähiger KI-Beirat sollte nicht darauf ausgerichtet sein, möglichst schnell Konsens herzustellen. Im Gegenteil: Der zugrunde liegende Ansatz sieht ausdrücklich eine Kreuzkritik und bei zu großer Einigkeit eine erzwungene Gegenrunde vor. Für die Beurteilung eines Unternehmens kann genau diese dokumentierte Auseinandersetzung wertvoll sein. Wenn beispielsweise ein Unternehmen eine große Akquisition plant, könnte der KI-Beirat nicht nur die erwarteten Synergien analysieren, sondern gleichzeitig Verschuldungsrisiken, Liquiditätsbelastungen, Integrationsrisiken, regulatorische Risiken und alternative Verwendungsmöglichkeiten des Kapitals untersuchen. Besonders relevant wäre dann nicht nur die abschließende Empfehlung, sondern auch die Frage, welche Risiken von einzelnen Perspektiven identifiziert wurden und unter welchen Bedingungen die ursprüngliche Entscheidung revidiert werden müsste.

Das führt zu einem möglichen neuen Verständnis von Evidenz. Traditionell stehen finanzielle Kennzahlen, Geschäftsmodell, Marktposition, Verschuldung, Liquidität und andere quantitatize und qualitative Faktoren im Mittelpunkt. Mit zunehmender Verbreitung von KI könnte eine zusätzliche Evidenzebene entstehen: die Qualität der unternehmerischen Entscheidungsarchitektur. Ein dokumentierter KI-Beiratsprozess könnte beispielsweise zeigen, welche Informationen zum Zeitpunkt einer Entscheidung vorlagen, welche Annahmen getroffen wurden, welche Gegenargumente bestanden, welche Risiken als wesentlich erkannt wurden und welche Bedingungen zu einer späteren Neubewertung führen würden.

Der im Data2Space-Kontext beschriebene immersive Ansatz könnte diese Evidenz zusätzlich visualisieren und kontextualisieren. Statt lediglich eine Entscheidungsvorlage zu archivieren, könnte nachvollziehbar werden, auf welche Datenpunkte, Zusammenhänge und Szenarien sich die einzelnen KI-Perspektiven bezogen haben. Damit ließe sich eine Art digitaler Entscheidungsraum schaffen, in dem nicht nur das Ergebnis, sondern auch der Weg zu diesem Ergebnis nachvollziehbar bleibt. Für eine evidenzbasierte Beurteilung von Management- und Governance-Qualität könnte dies langfristig interessant werden.

Allerdings entsteht daraus nicht automatisch bessere Governance. Ein KI-Beirat kann ebenso neue Risiken erzeugen. Wenn unterschiedliche Agenten auf denselben fehlerhaften Daten beruhen, kann scheinbarer Dissens nur eine Variation desselben Fehlers sein. Wenn alle Agenten auf demselben Grundmodell basieren, ist ihre Unabhängigkeit möglicherweise nur scheinbar gegeben. Und wenn KI-Systeme ungeprüfte Annahmen oder fehlerhafte Informationen übernehmen, kann ein formal komplexer Beratungsprozess sogar eine trügerische Sicherheit erzeugen. Der Ausgangstext weist selbst auf diese Problematik hin: Ein großer gemeinsamer Prompt kann dazu führen, dass sich die Personas gegenseitig beeinflussen, während ein Multi-Agenten-System eine stärkere Trennung der einzelnen Stimmen ermöglicht.

Aus Sicht von RATING EVIDENCE wäre deshalb nicht die Anzahl der KI-Agenten entscheidend, sondern deren Governance. Ein relevanter Bewertungsrahmen müsste beispielsweise untersuchen, wie unabhängig die Perspektiven tatsächlich sind, auf welche Daten sie zugreifen, wie Quellen und Annahmen dokumentiert werden, ob Ergebnisse reproduzierbar sind, wie mit widersprüchlichen Einschätzungen umgegangen wird und ob das Management weiterhin eindeutig für die Entscheidung verantwortlich bleibt. Auch die Fähigkeit des Systems, seine Einschätzung bei neuen Informationen zu revidieren, wäre relevant. Das zugrunde liegende KI-Beiratsmodell sieht hierfür ausdrücklich Revisionsregeln vor und verlangt, dass eine Mehrheitsmeinung allein kein Grund für einen Positionswechsel sein soll.

Damit könnte sich langfristig ein neues Feld zwischen Corporate Governance, Artificial Intelligence und Credit Rating entwickeln. Nicht die Frage, ob ein Unternehmen KI einsetzt, wäre entscheidend, sondern wie es KI in seine Governance integriert und ob daraus nachweisbar bessere Entscheidungen entstehen. Ein Unternehmen, das KI lediglich zur Automatisierung einzelner Prozesse nutzt, ist anders zu beurteilen als ein Unternehmen, das KI systematisch in seine Risiko- und Entscheidungsarchitektur integriert, die Ergebnisse dokumentiert, Gegenpositionen zulässt und die Qualität seiner KI-Systeme kontinuierlich überprüft.

Der Multi-Agenten-Ansatz bietet hierfür eine besonders interessante Grundlage. Der im Ausgangstext beschriebene Orchestrator übernimmt die zentrale Steuerung, während die einzelnen Persona-Agenten unabhängig voneinander arbeiten. Der Vorsitz sammelt die Ergebnisse, organisiert die Kreuzkritik und verdichtet sie zu einer Beschlussvorlage. Übertragen auf Unternehmen könnte daraus eine digitale Governance-Schicht entstehen, die wesentliche strategische Entscheidungen strukturiert begleitet und gleichzeitig eine nachvollziehbare Dokumentation des Entscheidungsprozesses erzeugt.

Für RATING EVIDENCE liegt darin eine mögliche neue Form von Evidence. Die entscheidende Frage wäre nicht, ob die KI eine Entscheidung getroffen hat, sondern ob das Unternehmen in der Lage ist, seine Entscheidungsqualität anhand nachvollziehbarer Informationen zu belegen. Ein solcher Nachweis könnte insbesondere bei strategischen Entscheidungen mit erheblichen Auswirkungen auf Verschuldung, Liquidität, Cashflow oder Geschäftsmodell relevant werden.

Die Verbindung von Data2Space und KI-Beiräten eröffnet dabei eine besonders interessante Perspektive. Data2Space kann den gemeinsamen digitalen Informationsraum bereitstellen, in dem Unternehmensdaten, Szenarien und Abhängigkeiten sichtbar und explorierbar werden. Der KI-Beirat kann diese Informationen aus unterschiedlichen Perspektiven analysieren, Gegenargumente formulieren und Unsicherheiten sichtbar machen. RATING EVIDENCE kann wiederum die Frage stellen, welche dieser Informationen und Entscheidungsprozesse als belastbare Evidenz für die Beurteilung von Unternehmens- und Managementqualität geeignet sind.

Damit entsteht eine mögliche Kette von Daten zu Evidenz: Unternehmensdaten werden in einem immersiven Raum kontextualisiert, durch unterschiedliche KI-Perspektiven analysiert, in einem strukturierten Entscheidungsprozess kritisch hinterfragt und anschließend als nachvollziehbare Entscheidungsgrundlage dokumentiert. Erst diese Kombination könnte aus der Nutzung von KI einen für das Credit Rating relevanten Mehrwert schaffen.

Dabei sollte jedoch eine klare Grenze gezogen werden. Ein KI-Beirat ersetzt weder ein Credit Rating noch die professionelle Analyse eines Ratinganalysten. Ebenso wenig kann ein gut dokumentierter KI-Prozess allein eine höhere Kreditwürdigkeit begründen. Kreditqualität zeigt sich letztlich in der Fähigkeit eines Unternehmens, seine finanziellen Verpflichtungen auch unter belastenden Bedingungen zu erfüllen. Der KI-Beirat kann hierzu lediglich zusätzliche Evidenz über die Qualität der Entscheidungs-, Risiko- und Governance-Prozesse liefern.

Aus Sicht von RATING EVIDENCE könnte genau darin die langfristige Bedeutung liegen. In einer zunehmend von künstlicher Intelligenz geprägten Wirtschaft wird es für Investoren, Kreditgeber und Ratingagenturen zunehmend relevant sein, nicht nur die Ergebnisse unternehmerischer Entscheidungen zu betrachten, sondern auch deren Entstehungsprozess. Die Qualität der Entscheidungsarchitektur könnte damit zu einem zusätzlichen Indikator für die Widerstandsfähigkeit eines Unternehmens werden.

Die Verbindung von Data2Space und dem Konzept des KI-Beirats weist somit über eine reine Technologieanwendung hinaus. Sie eröffnet die Perspektive auf einen digitalen Entscheidungsraum, in dem Daten, Szenarien, unterschiedliche KI-Perspektiven und menschliche Verantwortung zusammengeführt werden. Für RATING EVIDENCE entsteht daraus die Möglichkeit, eine neue Dimension von Evidenz zu untersuchen: nicht „Wie viel KI nutzt ein Unternehmen?“, sondern „Wie gut nutzt und governt ein Unternehmen KI, um bessere, nachvollziehbarere und resilientere Entscheidungen zu treffen?“

Genau diese Unterscheidung dürfte entscheidend sein. KI-Adoption allein ist noch kein Zeichen für bessere Kreditqualität. Nachweisbar bessere Entscheidungsprozesse, wirksame Risikosteuerung, transparente Governance und eine belastbare Evidenzbasis könnten dagegen zunehmend zu Faktoren werden, die für die Einschätzung der zukünftigen Widerstandsfähigkeit eines Unternehmens relevant sind. Der nächste sinnvolle Schritt wäre daher, aus diesen Überlegungen ein konkretes Bewertungsmodell für „AI Governance & Decision Quality“ als mögliche neue Evidence-Dimension im Credit Rating zu entwickeln.

Themen: Aktienrating, Anleiherating, Kapitalmarktrating, Mittelstandsrating, Ratings, Unternehmensrating | Kommentare deaktiviert für Entscheidungsqualität von Unternehmen messbar machen

Kommentare geschlossen.