KI für die Quartalsberichterstattung: Der vollständige Leitfaden

Jedes Quartal das gleiche Bild in IR-Abteilungen deutscher, österreichischer und Schweizer Unternehmen. Der CFO braucht ein Skript. Der CEO will Gesprächsleitfäden. Analysten haben 30 Fragen eingereicht, und das IR-Team hat drei Wochen Zeit, alles aus verstreuten Datenquellen, früheren Transkripten und halbfertigen Präsentationen zusammenzustellen.

Ein typisches börsennotiertes Unternehmen im DACH-Raum investiert 150 bis 250 Personenstunden pro Quartal in die Vorbereitung der Berichterstattung. CFO, CEO, IR-Leitung und zwei bis drei Mitarbeitende arbeiten an Material, das zu 70 Prozent von Quartal zu Quartal gleich aufgebaut ist.

KI ersetzt dieses Team nicht. KI übernimmt die repetitiven 70 Prozent, damit das Team sich auf die 30 Prozent konzentrieren kann, die tatsächlich Erfahrung und Urteilsvermögen erfordern: strategisches Messaging, Risikodarstellung und die Antizipation von Analystenfragen.

1. Die tatsächlichen Kosten manueller Berichtsvorbereitung

Die Rechnung beginnt bei den Personalkosten. Ein börsennotiertes MDAX-Unternehmen zahlt dem CFO zwischen EUR 350.000 und EUR 700.000 pro Jahr. Die IR-Leitung liegt bei EUR 130.000 bis EUR 220.000. Wenn diese Personen zwei bis drei Wochen pro Quartal in die Berichtsvorbereitung investieren, summieren sich die belasteten Kosten erheblich.

Die direkten Kosten lassen sich einfach berechnen: Stundensatz jedes Beteiligten mal investierte Stunden. Bei einem mittelgroßen DACH-Unternehmen ergibt das typischerweise EUR 45.000 bis EUR 90.000 pro Quartal allein an Führungskräftezeit.

Die indirekten Kosten wiegen schwerer. Jede Stunde, die der CFO am Skript feilt, ist eine Stunde weniger für Kapitalallokation, M&A-Bewertung oder operative Entscheidungen. Jede Stunde, die der CEO für Q&A-Proben verwendet, fehlt bei der strategischen Unternehmensführung.

Wohin die Zeit tatsächlich fließt

• Datenerhebung und Konsolidierung (25%): Finanzdaten aus ERP-Systemen ziehen, mit der Guidance abgleichen, Segmentaufschlüsselungen abstimmen. Bei IFRS-Berichterstattern kommt die Überleitung zwischen HGB und IFRS hinzu.
• Skripterstellung (20%): Vorbereitete Reden für CEO und CFO verfassen. Mehrere Entwürfe, rechtliche Prüfung, Compliance-Checks. In Deutschland zusätzlich die Abstimmung zwischen deutschem und englischem Text.
• Q&A-Vorbereitung (30%): Analystenfragen antizipieren, Antworten vorbereiten, Probesitzungen durchführen. Hier fällt der Großteil der Führungskräftezeit an.
• Präsentation und Folien (15%): Diagramme, Grafiken, ergänzende Materialien für das Investorendeck.
• Koordination und Freigabe (10%): Funktionsübergreifende Abstimmung, Aufsichtsratsbericht, Schlussproben.

KI kann vier dieser fünf Bereiche messbar beschleunigen. Koordination erfordert weiterhin menschliches Urteil. Aber auch hier kann KI Inkonsistenzen zwischen Skript und Foliendeck oder zwischen aktueller Kommunikation und früheren Quartalszusagen erkennen.

2. Fünf Wege, wie KI die Berichterstattung transformiert

3. Executive Voice Profiling: Warum es entscheidend ist

Das ist der Aspekt, den die meisten IR-Teams unterschätzen. Ein Analyst, der Ihr Unternehmen seit fünf Jahren verfolgt, erkennt in zwei Sätzen, ob das Skript vom CFO stammt oder von einem IR-Mitarbeiter geschrieben wurde. Die Formulierungen, der Rhythmus, der Detailgrad, sogar die Art, wie Zahlen präsentiert werden. Diese Muster sind konsistent und erkennbar.

KI-basiertes Voice Profiling funktioniert durch die Analyse von 8 bis 12 Quartalen an Earnings-Call-Transkripten. Dabei werden extrahiert:

• Vokabularmuster: Sagt der CFO „circa" oder „ungefähr"? „Prognose" oder „Ausblick"? „Sequenzielle Verbesserung" oder „Quartal-über-Quartal-Wachstum"? Verwendet er deutsche Fachbegriffe oder englische IR-Terminologie?
• Strukturgewohnheiten: Beginnt der CEO mit der Strategie oder den Finanzzahlen? Wie viel Detail fließt in jedes Segment? Was bekommt einen ganzen Absatz, was nur eine Zeile?
• Zahlenformatierung: Präzise Prozentsätze oder gerundete Werte. Umsatz in Millionen oder Milliarden. Wachstumsraten als absolute Zahlen oder prozentuale Veränderung.
• Tonalitätsmarker: Grad des Optimismus. Wie Herausforderungen eingerahmt werden. Ob schlechte Nachrichten vor oder nach guten kommen. Die Balance zwischen Rückblick und Ausblick.

Das Ergebnis ist ein Stimmprofil, das als Styleguide für jeden Entwurf dient. Wenn die KI ein CFO-Skript generiert, verwendet sie den Wortschatz, die Struktur und den Ton dieses CFOs. Der erste Entwurf liest sich wie etwas, das die Führungskraft selbst geschrieben hätte. Nicht wie etwas, das komplett umgeschrieben werden muss.

4. Analystenfragen vorhersagen, bevor sie gestellt werden

Die Q&A-Vorbereitung ist der zeitintensivste Teil der Berichtsvorbereitung und der Bereich, in dem KI den deutlichsten Vorteil hat. So funktioniert die Prognose in der Praxis.

Datenquellen für die Prognose

1. Historische Q&A-Transkripte (8-12 Quartale): Was jeder Analyst in früheren Quartalen gefragt hat. Welche Themen er oder sie dauerhaft verfolgt. Was bei Wettbewerbern gefragt wurde.
2. Aktuelle Quartalsdaten: Jede Kennzahl, die vom Konsens oder der Guidance abweicht, wird zum wahrscheinlichen Fragethema. Margenrückgang, Segmentschwäche, Cashflow-Veränderungen.
3. Aktuelle Analystenberichte: Veröffentlichte Research Notes signalisieren häufig vor dem Call, welche Themen die Analysten beschäftigen.
4. Branchen- und Makrotrends: Zinsänderungen, regulatorische Verschiebungen, Lieferkettenprobleme. Alles, was die Branche betrifft, generiert Fragen. Im DACH-Raum aktuell: Energiekosten, China-Exposition, Fachkräftemangel.
5. Earnings Calls von Wettbewerbern: Wurde ein Peer-Unternehmen zu Preisdruck befragt, kommen dieselben Fragen bei Ihrem Call.

Prognosegenauigkeit

Basierend auf Backtesting gegen tatsächliche Q&A-Sessions stimmen KI-generierte Prognoselisten typischerweise mit 8 bis 9 der tatsächlich gestellten Top-10-Fragen überein. Die verbleibenden 1 bis 2 Fragen sind in der Regel hochspezifisch, oft basierend auf einem aktuellen Nachrichtenereignis oder einem unveröffentlichten Datenpunkt.

Der Wert liegt nicht nur in der Vorhersage der Frage, sondern in der vorbereiteten Antwort. Für jede prognostizierte Frage generiert die KI:

• Den wahrscheinlichsten Analysten (basierend auf historischen Mustern)
• Einen vorgeschlagenen Antwortrahmen, kalibriert auf die Stimme der Führungskraft
• Zentrale Datenpunkte zur Referenz
• Mögliche Nachfragen und wie sie zu handhaben sind

5. KI-gestützt vs. traditionell: Direktvergleich

Dimension	Traditioneller Prozess	KI-gestützter Prozess
Erstentwurf Skript	IR-Team schreibt von Grund auf, 3-5 Tage	KI generiert aus Voice Profil + Daten, 2-4 Stunden
Überarbeitungsrunden	3-4 Runden über 1-2 Wochen	1-2 Runden über 2-3 Tage
Q&A-Vorbereitung	Team sammelt Fragen, 40-60 Stunden	KI prognostiziert Fragen + Antwortvorschläge, 10-15 Std. Review
Wettbewerbsmonitoring	Manuelles Transkriptlesen, 1-2 Tage pro Wettbewerber	Automatische Extraktion, 2 Stunden pro Wettbewerber
Konsistenzprüfung	Rechtliche Prüfung nur des aktuellen Skripts	KI gleicht 8+ Quartale Kommunikation ab
Gesamte Führungskräftezeit	60-80 Stunden pro Quartal (CEO + CFO)	20-30 Stunden pro Quartal
Gesamte IR-Team-Zeit	150-200 Stunden pro Quartal	60-80 Stunden pro Quartal

6. Implementierungsfahrplan für IR-Teams

Phase 1: Stimmbaseline (Woche 1-2)

Transkripte der letzten 8 bis 12 Quartalsergebnisse sammeln. Voice Profile für CEO und CFO erstellen. Zentrales Vokabular, Strukturmuster und Tonalitätsmarker identifizieren. Das ist die Grundlage, auf der alles Weitere aufbaut.

Phase 2: Q&A-Prognose-Pilotprojekt (Quartal N)

Für den nächsten Earnings Call die KI-Prognose parallel zum bestehenden Prozess laufen lassen. Prognostizierte Fragen mit tatsächlich gestellten vergleichen. Treffergenauigkeit messen. Ergebnisse zur Modellverfeinerung nutzen.

Phase 3: Skriptgenerierung (Quartal N+1)

Mit validierten Voice Profilen und einer bewährten Prognose beginnen, KI-generierte Erstentwürfe für vorbereitete Reden zu nutzen. Das IR-Team wechselt vom Schreiben zum Lektorieren. Führungskräfte überarbeiten einen Entwurf, der bereits nach ihnen klingt, anstatt etwas komplett umzuschreiben.

Phase 4: Vollständige Integration (Quartal N+2)

Wettbewerbsintelligenz, automatisierte Konsistenzprüfungen und historische Q&A-Analyse in ein einziges Pre-Call-Briefingpaket integrieren. Das IR-Team erhält innerhalb von 48 Stunden nach Quartalsabschluss einen vollständigen Erstentwurf aller Berichtsmaterialien.

7. DACH-spezifische Anforderungen

Börsennotierte Unternehmen in Deutschland, Österreich und der Schweiz stehen vor zusätzlicher Komplexität, die KI-gestützte Vorbereitung besonders wertvoll macht.

Zweisprachige Berichterstattung

Die Mehrheit der DACH-Unternehmen berichtet auf Englisch, kommuniziert intern aber auf Deutsch. Der Earnings Call ist auf Englisch, die Vorstandsmaterialien und der Geschäftsbericht auf Deutsch. Die Pressemitteilung erscheint in beiden Sprachen gleichzeitig. KI stellt sicher, dass beide Versionen inhaltlich und stilistisch konsistent sind. Keine Abweichungen zwischen der deutschen Ad-hoc-Meldung und der englischen Earnings-Präsentation.

IFRS, HGB und Schweizer Besonderheiten

Deutsche Konzerne berichten konsolidiert nach IFRS, erstellen aber Einzelabschlüsse nach HGB. Schweizer Unternehmen nutzen teilweise Swiss GAAP FER. KI, die auf DACH-Unternehmen trainiert wurde, versteht diese Nuancen. Begriffe wie „sonstige Betriebserträge," IFRS 16-Leasing-Anpassungen und die Segmentberichterstattung nach IFRS 8 erfordern spezifische Behandlung, die generische US-trainierte Modelle nicht liefern.

BaFin, FMA und FINMA

Die EU-Marktmissbrauchsverordnung (MAR) und die jeweiligen nationalen Aufsichtsbehörden (BaFin in Deutschland, FMA in Österreich, FINMA in der Schweiz) stellen strenge Anforderungen an die Offenlegung kursrelevanter Informationen. Ad-hoc-Meldepflichten, Insiderlisten und die WpHG-Compliance erfordern sorgfältige Prüfung jedes Entwurfs. KI kann potenzielle Compliance-Risiken vor der rechtlichen Prüfung erkennen und so Abstimmungsschleifen verkürzen.

Analystenlandschaft im DACH-Raum

MDAX- und SDAX-Unternehmen haben typischerweise 6 bis 15 abdeckende Analysten. Darunter spezialisierte DACH-Häuser wie Berenberg, Baader Bank, Hauck Aufhäuser Lampe, Kepler Cheuvreux und die Schweizer Privatbanken (Vontobel, ZKB). Weniger Analysten bedeuten besser vorhersagbare Fragemuster. KI kann für jeden Analysten tiefere Profile aufbauen und dessen Themenschwerpunkte über Jahre hinweg verfolgen.

Hauptversammlungsvorbereitung

Im Unterschied zu US-Unternehmen haben DACH-Gesellschaften eine jährliche Hauptversammlung mit rechtsverbindlichen Beschlüssen. Die dort gestellten Aktionärsfragen überschneiden sich oft mit Analystenfragen, erfordern aber eine andere Tonalität. KI kann Q&A-Material für beide Formate aus denselben Basisdaten ableiten und dabei den Formalitätsgrad entsprechend anpassen.

Quartalsberichtsformate

Die Deutsche Börse unterscheidet zwischen Prime Standard (volle Quartalsmitteilungen) und General Standard (Halbjahresberichte). Schweizer Unternehmen an der SIX folgen den SIX Exchange Regulation-Vorgaben. KI berücksichtigt diese unterschiedlichen Berichtspflichten und generiert Entwürfe im jeweils erforderlichen Format und Umfang.

8. Risiken und Grenzen

KI-gestützte Berichtsvorbereitung ist nicht ohne Risiken. Ehrlichkeit über die Grenzen ist die Voraussetzung für gute Implementierungsentscheidungen.

• Halluzinationsrisiko: KI kann plausibel klingende Finanzaussagen generieren, die Fehler enthalten. Jede Zahl in einem KI-generierten Entwurf muss gegen Quelldaten geprüft werden. Das ist nicht verhandelbar.
• Veraltete Daten: Wenn das KI-Modell auf Daten bis Q3 trainiert wurde, kennt es keine Q4-Akquisition, sofern diese nicht explizit bereitgestellt wird. Aktuelle Quartalsdaten müssen immer eingespeist werden.
• Regulatorische Compliance: KI-generierte Skripte erfordern weiterhin eine rechtliche Prüfung. Die KI kann potenzielle Probleme erkennen, aber keine Compliance-Entscheidungen treffen. Im DACH-Raum gilt das besonders für Ad-hoc-Meldepflichten und MAR-Konformität.
• Übervertrauen: Das Ziel ist, das IR-Team vom Verfassen zum Überprüfen zu bewegen. Wenn das Team aufhört, KI-Output kritisch zu bewerten, sinkt die Qualität. Menschliches Urteilsvermögen bleibt unverzichtbar, besonders bei strategischem Framing und Risikokommunikation.
• Vertraulichkeit: Quartalsdaten sind hochsensible, kursrelevante Informationen. Jedes KI-System für diesen Zweck muss strenge Datensicherheit gewährleisten. On-Premise-Deployment oder SOC 2-zertifizierte Cloud-Lösungen sind der Mindeststandard. Für DACH-Unternehmen kommen EU-Datenschutzanforderungen (DSGVO) und branchenspezifische Regularien hinzu.
• Sprachqualität: Englische Earnings Calls von deutschen Muttersprachlern haben spezifische Muster (z.B. Satzbau, Germanismen). KI muss diese Eigenheiten bewahren, nicht korrigieren, damit der Call authentisch klingt.