Künstliche Intelligenz eröffnet erhebliche Potenziale für Produktivität, Innovation und Wertschöpfung in Deutschland und Europa. Zugleich muss sich ihr Einsatz an den Grundsätzen guter Unternehmens­führung orientieren. Vor diesem Hintergrund stellte der 80. Deutsche Betriebswirtschafter-Tag als Leitveranstaltung der Schmalenbach-Ge­sellschaft für Betriebswirtschaft e.V. Accounting, Auditing und Gover­nance im Zeitalter Künstlicher Intelligenz in den Mittelpunkt seiner De­batten.

Als Stimme der Betriebswirtschaft im wissenschaftlichen, wirtschaftlichen und gesellschaftlichen Diskurs verbindet die Schmalenbach-Gesellschaft wissenschaftliche Exzellenz mit praktischer Expertise. Die vorliegenden zehn betriebswirtschaftlichen Leitlinien wurden durch Arbeitskreise der Schmalenbach-Gesellschaft erarbeitet, auf dem 80. Deutschen Betriebswirtschafter-Tag diskutiert, weiterentwickelt und einvernehmlich verabschiedet.

Aus betriebswirtschaftlicher Sicht kommt es darauf an, die Poten­ziale von KI zu erschließen und zugleich die Bedingungen verlässli­cher Un­ternehmensführung zu sichern. Die zehn Leitlinien zielen daher auf einen Ordnungsrahmen, der Innovation und Wertschöpfung ermög­licht, Informationsqualität sichert, wirksame Kontrolle gewährleistet und unternehmerische Verantwortung klar zuordnet. Für die Regulie­rung folgt daraus ein konkreter Maßstab: Ihr Zweck muss eindeutig be­stimmt, ihr Nutzen gegenüber den Kosten gerechtfertigt und ihre Um­setzung praktikabel sein. Die technologieoffene Nutzungsfreiheit bildet den Ausgangspunkt; Eingriffe bedürfen einer Begründung. Dabei muss mit der Regelungskompetenz auch die Verantwortung für die Umset­zung einhergehen.

KI-Regulierung muss Risiken angemessen adressieren, zugleich aber den Blick darauf richten, welche Entwicklungen ermöglicht werden sollen. Der Zweck der Regulierung muss grundsätzlich eindeutig definiert und ihr Nutzen gegenüber den Kosten (einschließlich möglicher Nachteile bei der Umsetzungsgeschwindigkeit) gerechtfertigt werden. Europäische und nationale Gesetzgeber sind gefordert, technologie­offen zu regulieren. KI-, Daten-, Cyber-, Haftungs- und Branchen­regulierung müssen widerspruchsfrei, kohärent und praktikabel ausgestaltet sein. Technologiespezifische Anforderungen sind nur dort gerechtfertigt, wo besondere technische Eigenschaften Risiken erzeugen, die durch all­gemeine Qualitäts-, Haftungs- und Governance-Prinzipien nicht hin­reichend erfasst werden.

Unternehmen müssen die Möglichkeit haben, neue KI-Anwendungen unter Aufsicht und mit sachlich sowie zeitlich begrenzten regulatori­schen Spielräumen zu erproben. Die dabei gewonnenen Erkenntnisse über Risiken, Wirkungen und geeignete Governance-Mechanismen müssen systematisch ausgewertet und – soweit verallgemeinerbar – in die Weiterentwicklung der Regulierung einbezogen werden.

Der Einsatz von KI setzt verlässliche digitale und physische Infra­strukturen voraus. Wirtschafts-, Wettbewerbs-, Digital- und Industrie­politik müssen Wechselmöglichkeiten, Interoperabilität und resiliente Strukturen bei digitalen Infrastrukturen fördern. Problematisch sind nicht Größe oder Spezialisierung an sich, sondern Lock-in, fehlende Substitutionsmöglichkeiten und strategische Abhängigkeiten bei ge­schäftskritischen KI-Anwendungen.

Eine verantwortungsvolle Datennutzung setzt angemessene und ver­bindliche Anforderungen an Datenqualität, Datenherkunft und die Nachvollziehbarkeit der Datenverarbeitung sowie einen angemesse­nen Schutz sensibler Daten und verlässliche Dateninfrastrukturen voraus. Gleichzeitig muss die Regulierung so ausgestaltet sein, dass sie die rechtssichere und praxistaugliche Nutzung vorhandener Daten nicht durch unverhältnismäßige Anforderungen erschwert.

KI kann die Unternehmenstransparenz verbessern und zugleich die Erstellungs- und Verarbeitungskosten senken. Dazu muss von einer dokumentenbasierten zu einer digitalen Informationsbereitstellung übergegangen werden. Zugleich muss die regulatorische Infrastruktur der Unternehmensberichterstattung für KI-gestützte Erstellung, Prü­fung und Nutzung ausgelegt werden. Darüber hinaus müssen Rech­nungslegungs- und Prüfungsstandards, Taxonomien, Auslegungs­hinweise sowie andere regulatorische Vorgaben und Informationen maschinenlesbar, semantisch eindeutig, versioniert und dauerhaft re­ferenzierbar bereitgestellt werden. Fallrecht und implizites Auslegungswissen müssen strukturiert erschlossen und mit Standards, Beispielen und Taxonomien verknüpft werden.

KI darf nicht dazu führen, immer mehr Informationen regulatorisch einzufordern, nur weil ihre technische Erstellung leichter wird. Regulierung muss ex ante die Möglichkeit einschließen, auf neue Vorgaben zu verzichten. Jede neue Pflicht muss mit einer verbindlich geplanten und evidenzbasierten Wirksamkeitskontrolle verbunden werden, die die Zielerreichung, Befolgungs- und Komplexitätskosten sowie organisatorische bzw. regulatorische Folgewirkungen erfasst und bei negativem Befund zur Anpassung oder Aufhebung der Regel führt.

Qualifizierung darf sich nicht auf die Bedienung von KI-Systemen be­schränken. Vermittelt werden müssen Daten- und Modellverständnis, Kenntnisse über Einsatzmöglichkeiten, Grenzen und Bias von KI sowie die Fähigkeit, Ergebnisse im jeweiligen Kontext zu bewerten, Ziel­konflikte zu erkennen und begründete Entscheidungen zu treffen. Gleichzeitig müssen neue Lern- und Entwicklungspfade zum Aufbau von Erfahrungswissen und professioneller Urteilsfähigkeit geschaffen werden, wenn KI klassische Einstiegs-, Assistenz- und Routinetätig­keiten übernimmt.

Ein formaler "Human-in-the-Loop" reicht zur Sicherung KI-gestützter Pro­zesse nicht aus, wenn Menschen Ergebnisse faktisch nicht mehr beurtei­len oder in die Prozesse eingreifen können. Ist KI dem Men­schen in einzel­nen Aufgaben systematisch überlegen, kann eine obli­gatorische mensch­liche Letztentscheidung die Ergebnisqualität sogar verschlechtern. Kon­trolle durch Menschen muss sich dann stärker vom einzelnen KI-Output auf das System verlagern: auf Daten und Modelle, Einsatzbereiche und Zu­griffsrechte, Änderungen und Sicherungs­mechanismen sowie die laufende Leistungsfähigkeit.

KI-Governance muss sich am Geschäftsmodell, Risikoprofil, Anwen­dungs­zweck und an der Wirkungsreichweite des jeweiligen KI-Einsat­zes orien­tieren. Unternehmensleitungen müssen begründen können, mit welchem Ziel KI eingesetzt wird, welche Risiken damit verbunden sind und akzep­tiert werden, wie diese kontrolliert werden und wer bei Fehlentwicklungen eingreift.

Entscheidungsbefugnis und Verantwortung müssen miteinander ver­bun­den bleiben. KI kann Entscheidungs-, Informations- und Kontroll­prozesse unterstützen, aber keine Verantwortung übernehmen. Auch bei weit­reichender Automatisierung in der Vorbereitung von Reporting, Planung und Entscheidungsvorlagen verbleiben die Zielsetzung, die Festlegung zu­lässiger Autonomie, die Kontrolle und die Verantwor­tungszurechnung bei Vorstand, Aufsichtsrat oder den jeweils zuständi­gen Verantwortungs­trägern.

Der 80. Deutsche Betriebswirtschafter-Tag fand am 6. und 7. Oktober 2026 in Düsseldorf statt.

Besonderer Dank gilt den Schmalenbach-Arbeitskreisen Digital Reporting, Externe und Interne Überwachung der Unternehmung, Externe Unternehmensberichterstattung, Finanzierung, Integra­ted Reporting und Sustainable Management, Internes Rechnungs­wesen und Con­trol­ling, Steuern, Verrechnungspreise sowie Wirtschaftsethik für ihre fachlichen Im­pulse und Stellungnahmen.