#automation
Automatisierungstechniken und -tools für Finanzdatenverarbeitungs-Workflows
Nur Qwen3.5-9B übersteht 80% der 132-Monats-CFO-Läufe von EnterpriseArena, während GPT-5.4 und DeepSeek-V3.1 0% erreichen. Übersprungener Ledger-Abgleich verursacht die Fehler.
WildToolBench findet kein LLM über 15 % Sitzungsgenauigkeit bei 1.024 Echtnutzer-Aufgaben, verborgene Intention und Instruktionswechsel sind die schärfsten Fehlermodi.
JSONSchemaBench findet, dass die Abdeckung von 86% bei einfachen Schemas auf 3% bei komplexen fällt, daher kann strukturierte LLM-Ausgabe still nicht-konformes JSON liefern.
FinMCP-Bench bewertet das beste von sechs LLMs mit nur 3,08 % Exact Match bei 613 echten MCP-Finanzaufgaben, ein 20-facher Einbruch von Single-Tool zu Multi-Turn.
FinTrace zeigt: Frontier-LLMs wählen die richtigen Finanztools (F1 ~0,9), erreichen aber nur 3,23/5 bei deren Nutzung – der Schritt, der Write-Back-Agenten scheitern lässt.
FinToolBench findet Intent-Mismatch über 50% bei jedem getesteten LLM, aggressives Tool-Calling bedeutet also nicht bessere Antworten bei Finanzaufgaben.
OmniEval bewertet die besten RAG-Systeme mit 36% numerischer Genauigkeit über 5 Finanzaufgaben, daher brauchen Ledger-Agenten Validierung vor dem Buchen.
Das Subtrahieren von Positions-Bias aus LLM-Attention-Gewichten gewinnt bis zu 15 Punkte RAG-Genauigkeit, wenn Belege mitten im Kontext liegen.
ReDAct wechselt vom kleinen zum großen Modell nur, wenn Perplexität Unsicherheit signalisiert – 64% Kostenersparnis bei gleicher Genauigkeit für Agenten-Workflows.
OpenHands' CodeAct-Agent erreicht 26% im SWE-Bench Lite und zeigt, was KI-Agenten heute zuverlässig leisten. Finanzautomatisierung sollte eng begrenzt starten, nicht autonom.
TableMaster erreicht 78,13 % bei WikiTQ mit GPT-4o-mini, 13 Punkte über Chain-of-Table, mittels Table-of-Focus plus adaptivem Reasoning für Agenten über Beancount-Hauptbüchern.
GPT-4 erreicht 74,1 mittleren AUROC bei ODDS Zero-Shot, nahe der ECOD-Baseline von 75,5, versagt aber bei Daten mit hoher Varianz. Ledger-Prüfung ist noch nicht gelöst.
