KI-generiertAI-generatedDie unsichtbaren AktionäreWarum AI Visibility zum neuen Erfolgsfaktor der Finanzkommunikation wird
Erschienen in der GoingPublic Ausgabe Oktober 2026
Was sagen ChatGPT, Claude oder Gemini über Ihr Unternehmen? Und vor allem: Woher stammen diese Informationen? Für Investor Relations und Finanzkommunikation entsteht gerade eine neue Realität. Nicht nur Menschen lesen Geschäftsberichte, sondern zunehmend auch KI-Systeme. Damit verändert sich die Frage, wie Unternehmensinformationen veröffentlicht werden müssen.
Von vielen Unternehmen wird der Geschäftsbericht noch immer primär als Publikation verstanden. Die eigentliche Herausforderung liegt jedoch längst auf einer anderen Ebene. Der Geschäftsbericht entwickelt sich vom Dokument zum Informationssystem. Seine Aufgabe besteht aus mehr als regulatorische Anforderungen zu erfüllen und Investoren zu informieren. Er wird zunehmend zur Datenquelle für Suchmaschinen, KI-Plattformen, Finanzportale und digitale Research-Prozesse.
Wenn Algorithmen die ersten Leser sind
Während klassische Investor-Relations-Arbeit lange davon ausging, dass Analysten, Investoren oder Journalisten Unternehmensinformationen direkt konsumieren, verändert künstliche Intelligenz diese Logik grundlegend. Immer mehr Marktteilnehmer nutzen KI-Systeme, um Informationen zu recherchieren, zu strukturieren und auszuwerten. Im Rahmen eines Webinars zur AI Visibility wurden Studien vorgestellt, die einen deutlichen Trend zeigen: KI wird zunehmend Bestandteil professioneller Research- und Investmentprozesse.
Damit entsteht eine neue Fragestellung: Können KI-Systeme die publizierten Informationen eines Unternehmens überhaupt finden, interpretieren und korrekt wiedergeben? Oder greifen sie auf externe Plattformen, Drittquellen oder veraltete Informationen zurück?
Genau diese Fragestellung stand im Mittelpunkt einer Untersuchung von 50 börsenkotierten Unternehmen in der deutschsprachigen DACH-Region. Analysiert wurden insgesamt 3.000 KI-Abfragen zu zentralen Finanz- und ESG-Kennzahlen wie Umsatz, EBITDA, Dividende, Mitarbeiterzahl und Scope-1-Emissionen.
Die Erkenntnis: KI bevorzugt HTML
Die Ergebnisse zeigen ein klares Muster. KI-Systeme bevorzugen strukturierte HTML-Inhalte deutlich gegenüber klassischen PDF-Dokumenten. In 78 Prozent der analysierten Fälle wurden HTML-Quellen bevorzugt, während PDFs lediglich in 22 Prozent der Fälle als primäre Informationsquelle dienten. In der Schweiz lag der HTML-Anteil sogar bei 81 Prozent.
Noch bemerkenswerter ist die Frage nach der Datenhoheit. Dort, wo Unternehmen moderne HTML-basierte Reporting-Lösungen einsetzen, greifen KI-Systeme deutlich häufiger auf die Originalquellen der Unternehmen zurück. Werden hingegen überwiegend PDFs publiziert, steigt die Wahrscheinlichkeit, dass KI-Plattformen Informationen von Drittanbietern verwenden und damit möglicherweise fehlerhafte Informationen verarbeiten.
Für IR-Verantwortliche bedeutet dies einen Paradigmenwechsel. Die zentrale Herausforderung besteht weiterhin darin, Informationen zu veröffentlichen, jedoch wird ergänzend entscheidend, ob die eigenen Informationen tatsächlich als Referenzquelle für die KI dienen.
Quellen-PrioritätWie geht die KI vor?
Warum PDFs zum Risiko werden können
Die Untersuchung zeigte zudem, dass Künstliche Intelligenz mit PDF-basierten Berichten deutlich häufiger Fehler produziert. Besonders problematisch sind komplexe Tabellenstrukturen, Fussnoten, Währungsumrechnungen oder Kennzahlen mit unternehmensspezifischen Definitionen wie versetzte Geschäfts- und Kalenderjahre.
Die gemessene Genauigkeit über alle untersuchten Unternehmen lag bei lediglich rund zwei Dritteln der Antworten. Bei komplexen Kennzahlen wie EBITDA oder Scope-1-Emissionen sanken die Trefferquoten teilweise deutlich.
Die Ursachen dafür sind vielfältig. So verwechseln KI-Systeme beispielsweise Tochtergesellschaften mit dem Konzern, interpretieren Geschäftsjahre falsch oder greifen auf externe Finanzportale zurück, wenn sie auf der Unternehmenswebsite keine eindeutigen Informationen finden. Beispiele aus der Analyse zeigten Fehlinterpretationen bei Unternehmen wie ABB, Sonova, UBS oder Zurich Insurance.
Besonders kritisch wird dies, wenn KI-Systeme scheinbar plausible, aber faktisch falsche Antworten liefern. Für börsenkotierte Unternehmen kann daraus ein erhebliches Reputations- und Vertrauensrisiko entstehen.
«Wenn KI-Systeme Finanzdaten falsch interpretieren oder Drittquellen bevorzugen, ist das selten ein reines Modellproblem – es ist ein Strukturproblem der Publikation. Wer die Hoheit über seine Unternehmenskennzahlen behalten will, muss KI-Systeme ab Tag eins als primäre Zielgruppe der Finanzkommunikation mitdenken.
AI Visibility ist mehr als ein Technologiethema
Die Diskussion wird häufig auf die Frage «HTML oder PDF?» reduziert. Tatsächlich greift diese Sichtweise zu kurz. Ein HTML-Bericht ist nicht automatisch KI-tauglich. Genau so entscheidend sind Struktur, Semantik und Eindeutigkeit der publizierten Informationen.
Für eine hohe AI Visibility müssen vier Ebenen zusammenspielen:
- technische Zugänglichkeit der Inhalte
- klare semantische Struktur
- standardisierte finanzielle Semantik bis hin zu XBRL
- redaktionelle Eindeutigkeit bei Begriffen und Kennzahlen
Erst das Zusammenspiel dieser Faktoren ermöglicht es KI-Systemen, Informationen korrekt zu interpretieren und zu referenzieren.
«Wer Daten, Narrative und regulatorische Informationen getrennt entwickelt und verwaltet, produziert Widersprüche. Die Zukunft gehört einer gemeinsamen Informationsbasis (single source of truth), aus der alle Kanäle und Formate entstehen.
Der Geschäftsbericht wird zum Informationssystem
Gleichzeitig zeigt sich, dass der vermeintliche Gegensatz zwischen Menschen und Maschinen nicht existiert. Finanzkommunikation muss künftig beide Zielgruppen gleichzeitig bedienen. Einerseits benötigen Investoren, Analysten und andere Stakeholder verständliche, visuell attraktive und überzeugende Inhalte. Andererseits benötigen KI-Systeme strukturierte, maschinenlesbare und eindeutig interpretierbare Informationen.
Die zukunftsfähige Lösung besteht deshalb nicht in separaten Berichten für Mensch und Maschine, sondern in einem Single-Source-Publishing-Modell. Aus einer zentralen Daten- und Contentbasis entstehen unterschiedliche Ausgabekanäle: interaktive HTML-Berichte für Menschen und Maschinen, barrierefreie PDFs für Archivierung und Download sowie XBRL-Daten für regulatorische und maschinelle Nutzung.
«KI kann Kennzahlen lesen. Aber nur gute Unternehmenskommunikation erklärt, warum diese Kennzahlen entstanden sind und was sie für die Zukunft bedeuten.
Was Unternehmen jetzt tun sollten
Für CFOs, Investor-Relations-Teams und Corporate-Communications-Verantwortliche ergibt sich daraus eine klare Handlungsempfehlung. AI Visibility sollte künftig ein Bestandteil der Governance und Qualitätssicherung von Unternehmensberichten werden. Dazu gehört insbesondere:
- zentrale Informationen nicht ausschliesslich in PDFs bereitzustellen,
- HTML-Formate konsequent mitzudenken,
- eine konsistente Terminologie zu verwenden,
- strukturierte Daten und XBRL als Bestandteil der Informationsarchitektur einzuplanen,
- typische Analystenfragen regelmässig mit KI-Systemen zu testen.
Fazit
Die nächste Entwicklungsstufe der Finanzkommunikation lautet nicht nur Digitalisierung, sondern Sichtbarkeit. Unternehmen konkurrieren künftig nicht mehr ausschliesslich um die Aufmerksamkeit von Investoren, sondern auch um die Aufmerksamkeit der Systeme, die Informationen für diese Investoren aufbereiten. Der Geschäftsbericht wird damit zur zentralen Informationsquelle einer KI-gestützten Kapitalmarktkommunikation. Wer seine Daten strukturiert, maschinenlesbar und eindeutig veröffentlicht, erhöht nicht nur die regulatorische Sicherheit, sondern sichert sich einen strategischen Vorteil bei Sichtbarkeit, Datenhoheit und Vertrauen.
Der Geschäftsbericht der Zukunft entwickelt sich vom Dokument zum Informationssystem.
Die optimale Lösung lautet nicht: «schönes PDF für Menschen» oder «nüchterner Datensatz für Menschen».
Sie lautet:
Eine geprüfte und strukturierte Quelle, aus der sowohl eine ausgezeichnete menschliche Leseerfahrung als auch eine verlässliche maschinelle Interpretation entsteht.
Praxis-Check: Wie steht es um die AI Visibility Ihres Unternehmens?
Wie genau bewerten Modelle wie GPT-4o, Claude oder Gemini die Kennzahlen Ihres Unternehmens? Auf der Plattform ir-monitor.ai können IR-Verantwortliche die eigene KI-Sichtbarkeit prüfen lassen:
- AI Quick Check: Eine kompakte Ersteinschätzung zur Genauigkeit und Quellen-Souveränität Ihrer wichtigsten Finanz- und ESG-Kennzahlen.
- AI Audit: Eine detaillierte Analyse der KI-Antworten (Soll-Ist-Abgleich, Quellennachweise, Konsistenz- und Genauigkeits-Scores) inklusive konkreter Optimierungsempfehlungen für Ihre Berichtsinfrastruktur.
Unterlagen zum Webinar «AI Visibility in der Finanzkommunikation Was sagen ChatGPT & Co. über Ihr Unternehmen – und stimmt es?» können unter marketing@mmssolutions.io bestellt werden.
