KI im Reporting – Textgenerierung mit menschlicher Kontrolle
KI im Reporting heißt bei Durava: Wir setzen KI ein, um Inhalte zu extrahieren, Texte zu generieren und Qualität zu prüfen. Die fachliche Verantwortung, die finale Freigabe und die regulatorische Entscheidung bleiben immer beim Menschen – transparent, nachvollziehbar und mit vollständigem Audit-Trail.
Human-in-the-Loop ist nicht verhandelbar
Im regulatorischen Kontext gibt es keine vollautomatische Berichtserstellung. Die KI liefert Entwürfe, Vorschläge und Validierungen – der Fachexperte prüft, korrigiert und gibt frei. Jede KI-Ausgabe ist explizit als solche gekennzeichnet und durchläuft einen definierten Review-Prozess.
Wie Mensch und KI zusammenarbeiten
Drei Schritte, klare Verantwortlichkeiten – bei jeder KI-gestützten Aufgabe.
KI generiert
Erstellt Entwürfe, extrahiert Inhalte, schlägt Zuordnungen vor – auf Basis von Daten, Quellen und Templates.
MaschineFachexperte prüft
Bewertet, korrigiert, ergänzt – mit vollständigem Zugriff auf Quellen, Qualitätssignale und Begründungen.
MenschErgebnis steht
Geprüfter Inhalt mit dokumentiertem Audit-Trail – wer hat was geprüft, wann freigegeben.
Mensch + MaschineWo KI im Reporting konkret unterstützt
Sechs Einsatzbereiche – jeder mit klarer Abgrenzung zwischen KI-Vorschlag und menschlicher Entscheidung.
Quellenextraktion
Die KI durchsucht hochgeladene Dokumente und schlägt relevante Passagen für Berichtskapitel vor. Der Analyst bestätigt oder korrigiert jeden Vorschlag.
Textgenerierung
Basierend auf Schreibanleitungen, Daten und extrahierten Quellen erstellt die KI Textentwürfe für Berichtskapitel – als Ausgangspunkt, nicht als Endprodukt.
Qualitätsvalidierung
Automatische Prüfung generierter Inhalte gegen Checklisten: Sind alle Pflichtthemen abgedeckt? Stimmt die Terminologie? Sind Zahlen belegt?
Dokumentenvergleich
Vergleich verschiedener Dokumentversionen oder mehrerer Dokumente: Was hat sich geändert? Was fehlt? Wo gibt es Widersprüche?
Narrative Generation
Transformation von Tabellendaten in zusammenhängende Fließtexte – Trends beschreiben, Vergleiche formulieren, Entwicklungen einordnen.
Daten-Mapping
KI-gestützte Zuordnung von Excel-Spalten zu Kennzahlen-Definitionen: Semantische Analyse, Datentyp-Prüfung, Transformationsvorschläge.
Zusammengesetzte Qualitätssignale statt Pseudo-Konfidenz
Ein LLM kann nicht verlässlich einschätzen, wie korrekt seine eigene Ausgabe ist. Deshalb verlassen wir uns nicht auf einzelne Prozentwerte, sondern auf zusammengesetzte Indikatoren aus verschiedenen Systemkomponenten.
Drei Signale zusammen ergeben ein ehrliches Bild: Wurde eine passende Quelle gefunden? Wie gut passt sie zur Anforderung? Und wie vollständig wird die Anforderung abgedeckt?
Klare Grenzen, ehrliche Kommunikation
Was die KI kann – und wo die Verantwortung beim Menschen bleibt.
Entwürfe, Vorschläge, Validierung
Verantwortung, Urteil, Freigabe
Fünf Kontrollpunkte im Prozess
Die KI arbeitet nie allein. In jeder Phase des Berichtsprozesses gibt es definierte menschliche Kontrollpunkte.
Konfiguration
Prompts, Templates und Schreibanleitungen definieren
Quellenprüfung
Extrahierte Inhalte auf Korrektheit validieren
Review
Generierte Inhalte fachlich prüfen und korrigieren
Freigabe
Finale Genehmigung durch den Verantwortlichen
Eskalation
Bei Unsicherheiten die fachliche Entscheidung treffen
Das System lernt aus jedem Review
Wenn ein Reviewer einen KI-generierten Text korrigiert, fließt dieses Feedback zurück in das System. Nicht durch „Training" des Modells, sondern durch Anpassung der Prompts, Templates und Schreibanleitungen.
Das Ergebnis: Die Textqualität verbessert sich mit jedem Berichtszyklus – messbar über Qualitätsindikatoren wie die First-Pass-Rate.
KI generiert
Textentwurf auf Basis aktueller Prompts und Templates
Mensch korrigiert
Reviewer markiert Fehler: „Terminologie falsch", „Absatz zu ausführlich"
Feedback fließt ein
Prompt-Templates und Schreibanleitungen werden angepasst
Qualität steigt
Weniger Korrekturen nötig – messbar über First-Pass-Rate und Korrekturzyklen
Was wir nicht sagen – und warum
Ehrliche Kommunikation über KI-Fähigkeiten ist kein Nachteil, sondern Vertrauensgrundlage.
Wie wird KI im Reporting eingesetzt?
KI im Reporting bedeutet nicht, dass eine künstliche Intelligenz eigenständig Berichte erstellt. Vielmehr unterstützt KI den Fachexperten in drei Kernbereichen: bei der Extraktion relevanter Inhalte aus Quelldokumenten wie Richtlinien, Policies und Board-Beschlüssen (Schritt 3 des Reporting-Workflows: Dokumentenanalyse), bei der Generierung strukturierter Textentwürfe auf Basis von Schreibanleitungen und verifizierten Daten (Schritt 4: Berichtsgenerierung mit KI) und bei der Qualitätssicherung gegen definierte Checklisten und regulatorische Anforderungen.
Der entscheidende Unterschied zu generischen KI-Textgeneratoren: Im regulatorischen Kontext arbeitet die KI mit zusammengesetzten Qualitätssignalen statt mit unzuverlässigen Konfidenzwerten. Drei Signale zusammen ergeben ein ehrliches Bild – wurde eine passende Quelle gefunden (Retrieval-Score), wie gut passt sie zur Anforderung (Relevanz), und wie vollständig wird die Anforderung abgedeckt? In Verbindung mit der lückenlosen Nachverfolgbarkeit bleibt jede generierte Aussage auf ihren Quellbeleg rückführbar – Reviewer, externe Prüfer und Aufsicht greifen auf dieselbe Beleg-Kette zu.
Besonders narrativ geprägte Berichte profitieren von KI-gestützter Generierung. Im SFCR der Versicherungsbranche etwa erleichtert die KI das Verfassen der Kapitel A (Geschäftstätigkeit), B (Governance) und D (Bewertung) – dort, wo Schreibanleitungen, regulatorische Quellen und Fachdaten zusammengeführt werden müssen. Dieselbe Logik gilt für Pillar-3-Offenlegungsberichte im Bankensektor und für die ORSA-Narrative. In allen Fällen ist die KI nur Entwurfsverfasserin, nicht Verantwortliche – die fachliche Prüfung bleibt vollständig beim Menschen.
Der Human-in-the-Loop-Ansatz ist im regulatorischen Kontext nicht optional, sondern zwingend. An fünf definierten Kontrollpunkten greift der Mensch ein: Konfiguration (Prompts und Templates), Quellenprüfung, Review, Freigabe und Eskalation. Jede KI-Ausgabe ist explizit als solche gekennzeichnet, jede Änderung dokumentiert. Die regulatorische Berichterstattung bleibt damit auch mit KI-Beteiligung auditfähig – Findings aus der externen oder internen Prüfung lassen sich in der Audit-Plattform bis auf den ursprünglichen Quellbeleg rückverfolgen.
Häufige Fragen zur KI im Reporting
Wie kann KI bei regulatorischen Berichten helfen?
KI unterstützt die regulatorische Berichterstattung in sechs Bereichen: Quellenextraktion (relevante Passagen aus Richtlinien und Policies identifizieren), Textgenerierung (strukturierte Entwürfe auf Basis von Daten und Schreibanleitungen), Qualitätsvalidierung (automatische Prüfung gegen Checklisten), Dokumentenvergleich (Änderungen zwischen Versionen erkennen), Narrative Generation (Tabellendaten in Fließtext transformieren) und Daten-Mapping (Excel-Spalten semantisch Kennzahlen-Definitionen zuordnen). In jedem Bereich bleibt der Mensch als Prüfer und Entscheider im Prozess.
Ist KI-generierter Text im SFCR zulässig?
KI-generierter Text im SFCR ist zulässig, solange er denselben Qualitäts- und Prüfprozessen unterliegt wie manuell erstellte Texte. Entscheidend ist nicht, wie der Text entstanden ist, sondern dass er fachlich korrekt, vollständig und durch verifizierte Quellen belegt ist. Die KI erstellt einen Entwurf, der durch den Fachexperten geprüft, korrigiert und freigegeben wird – mit vollständigem Audit-Trail. Dieser Human-in-the-Loop-Ansatz stellt sicher, dass die regulatorische Verantwortung beim Menschen verbleibt.
Welche Rolle spielt KI bei der Compliance-Berichterstattung?
KI spielt bei der Compliance-Berichterstattung eine unterstützende Rolle: Sie extrahiert relevante Inhalte aus Quelldokumenten, generiert Textentwürfe auf Basis definierter Schreibanleitungen und validiert Inhalte gegen regulatorische Anforderungen. Dabei arbeitet die KI mit zusammengesetzten Qualitätssignalen (Retrieval-Score, Quellen-Relevanz, Abdeckungsanalyse) statt mit unzuverlässigen Konfidenzwerten. Der Compliance Officer nutzt diese Signale, um gezielt dort zu prüfen, wo Unsicherheiten bestehen.
Was bedeutet Human-in-the-Loop bei regulatorischen Berichten?
Human-in-the-Loop bedeutet, dass in jedem Schritt des KI-gestützten Berichtsprozesses ein menschlicher Kontrollpunkt existiert. Konkret umfasst das fünf Phasen: Konfiguration (Prompts und Templates definieren), Quellenprüfung (extrahierte Inhalte validieren), Review (generierte Texte fachlich prüfen), Freigabe (finale Genehmigung durch den Verantwortlichen) und Eskalation (bei Unsicherheiten die fachliche Entscheidung treffen). Die KI arbeitet nie autonom – jede Ausgabe ist als KI-generiert gekennzeichnet und durchläuft einen definierten Review-Prozess.
Wie transparent arbeitet die KI in Ihrem Prozess?
In einer Demo zeigen wir Quellenextraktion, Textgenerierung und Validierung live – mit Qualitätssignalen und Audit-Trail.
Demo vereinbaren