KI IM FINANZBEREICH · GRUNDLAGEN · UMSETZUNGSFAHRPLAN

KI im Controlling einführen: vom Anwendungsfall zum 100-Tage-Pilot

Ein realistischer Fahrplan für Finanzleitung und Controlling: Auswahl, Daten, Testfälle, Qualitätsgates, Rollen und Entscheidung über den Betrieb.

Illustration analytischer Arbeit mit Notizen und Berichtsgrafiken
Illustrative Darstellung · KI-generiert
Die kurze Antwort

Starten Sie mit einer klaren Managemententscheidung, einem begrenzten Arbeitsergebnis und einem Test gegen den bestehenden Prozess. Skalierung ist eine eigene Freigabe.

Für Finanzleitung, Controlling und Verantwortliche für Finanzprozesse. Quellen sind an den jeweiligen Aussagen und am Ende des Beitrags verlinkt. Die Arbeitsmodelle stammen von Praxishebel; Rechenbeispiele sind fiktiv.

Was bedeutet „KI im Controlling“ konkret?

Unter demselben Etikett laufen einfache Regeln, statistische Prognosen, generative Textassistenten und Systeme, die selbst Aktionen auslösen. Für das Controlling unterscheiden sich Datenbedarf, Fehlerfolge und Kontrolle erheblich. Ein regelbasierter Abgleich von Perioden ist etwas anderes als ein generierter Kommentar; ein Agent mit Schreibrechten erfordert wieder andere Grenzen. Das Praxishebel-Buchprojekt ordnet diese Formen in Kapitel 1.2 und 4.7 nach Aufgabe und Autonomie ein.

ICV und IGC sehen Controller und Management gemeinsam in der Verantwortung für zielorientierte Steuerung [1]. KI sollte daher eine Entscheidung unterstützen, deren Empfänger und Nutzen benannt werden können. NISTs AI RMF strukturiert Risiken durch Governance, Kontext, Messung und Management [2]. Das ist eine Orientierung, keine pauschale Freigabe für einen konkreten Fall.

Vier passende Einstiegsfragen

  1. Welche regelmäßig wiederkehrende Aufgabe hat ein prüfbares Ergebnis?
  2. Welche Daten und Regeln sind für den Versuch bereits vorhanden?
  3. Wer kann eine falsche Ausgabe erkennen und vor Wirkung stoppen?
  4. Welche Verbesserung würde der Empfänger tatsächlich nutzen?

Beispiele sind ein Entwurf für Abweichungskommentare, eine Priorisierung von Rückfragen oder ein Vergleich von Forecast-Annahmen. Ein Tool darf nicht die Frage ersetzen, welches Problem gelöst wird. Die ACCA-/CA-ANZ-Studie zu AI-enabled finance beschreibt Qualifikations- und Datenlücken im Finanzbereich; globale Befragungsdaten sind ein Kontextsignal, aber kein Wirksamkeitsbeweis für Ihren Pilot [3].

Ein 100-Tage-Fahrplan mit vier Entscheidungspunkten

ZeitraumErgebnisGate
Tag 1–15Use-Case-Karte, Ziel, Baseline, RollenFall relevant und begrenzt?
Tag 16–35Daten- und Outputvertrag, Kontrollen, ReferenzfälleTest fachlich sicher möglich?
Tag 36–70Prototyp im Schattenbetrieb, FehlerprotokollQualität und Aufwand im Rahmen?
Tag 71–100Begrenzte Nutzung, Übergabe, EntscheidungFortführen, ändern oder stoppen?

Die Zeitfenster sind ein Planungsbeispiel aus der Praxishebel-Redaktion, keine empirisch belegte Regel. Je nach Datenzugang, Risiko und Unternehmensgröße dauert eine Phase länger oder entfällt in dieser Form. Entscheidend sind die dokumentierten Ergebnisse und Stoppsignale.

Referenzfälle und Qualitätsgrenzen vor dem Bau

Schreiben Sie typische, schwierige und bewusst fehlerhafte Fälle auf: korrekte Standarddaten, fehlende Quelle, widersprüchliche Summe, unzulässiger Zugriff und Ausnahme mit hoher Fehlerfolge. Für jeden Fall steht vorher fest, ob die Anwendung antworten, kennzeichnen, eskalieren oder stoppen soll. NISTs GenAI Profile empfiehlt spezifische Evaluierung generativer Systeme; reine Sprachqualität genügt nicht [4].

Definieren Sie Kennzahlen: Anteil fachlich korrekter und belegter Ausgaben, kritische Fehler, Bearbeitungszeit einschließlich Kontrolle, Nacharbeit und rechtzeitige Verfügbarkeit. Ein produktiver Test ohne Rückfallweg ist keine kontrollierte Erprobung.

Zugriff und Verantwortung vor Autonomie

Beginnen Sie möglichst lesend und assistierend. Prüfen Sie Datenberechtigungen bis zur Ausgabe, nicht nur beim Quellsystem. Ein Bericht für Werk A darf nicht die vertraulichen Werte von Werk B über einen textuellen Umweg preisgeben. Die fachliche Freigabe und ein protokollierter Änderungsweg bleiben erforderlich. Je mehr eine Anwendung selbst ausführen darf, desto höher werden die Anforderungen an Tests, Freigabe und Überwachung.

Die hier verwendete Risiko- und Kontrollkarte ist ein Praxishebel-Arbeitsmodell. Formale Pflichten hängen vom tatsächlichen Anwendungsfall und den einschlägigen Vorschriften ab; diese Seite ersetzt keine individuelle rechtliche Prüfung.

Wer in den vier Phasen beteiligt sein sollte

In den ersten Tagen benennt die Finanzleitung die Entscheidung und das fachliche Ergebnis. Controllerinnen und Controller liefern echte Fallbeispiele und Baseline. IT und Datenschutz klären Datenzugang und erlaubte Werkzeuge, bevor sensible Dokumente verwendet werden. Eine zweite fachliche Person beurteilt ausgewählte Ausgaben unabhängig; sonst kann der Pilot seine eigenen Fehler übersehen. Bei der Übergabe müssen auch Betrieb und Vertretung benannt sein.

Arbeiten Sie mit einem kleinen, vollständig betrachteten Fall, statt alle Beteiligten erst kurz vor dem Go-live einzubinden. Das Erstellen einer Use-Case-Karte in der ersten Phase macht Annahmen sichtbar: „Was gilt als brauchbarer Kommentar?“, „Wie wird ein Fehlbeleg erkannt?“, „Welche Handlung ist ausgeschlossen?“ Wenn diese Fragen ungeklärt bleiben, erzeugt das Modell möglicherweise schnell ein Ergebnis, das niemand guten Gewissens freigeben kann. Der Zeitplan dient der gemeinsamen Entscheidung, nicht als Versprechen einer Einführung in exakt 100 Tagen.

Am Ende eine dokumentierte Entscheidung treffen

Vergleichen Sie den Pilot mit derselben Qualität und demselben Umfang des bisherigen Ablaufs. Eine Verbesserung kann in Kapazität, Fehlerreduktion, früherem Signal oder besserer Entscheidung liegen; diese Effekte sind getrennt nachzuweisen. Der Leitfaden zur Pilotmessung zeigt eine Beispielrechnung. Anschließend entscheiden Sie ausdrücklich: stoppen, nacharbeiten, begrenzt einsetzen oder für einen erweiterten Fall neu prüfen.

Nutzen Sie den Prüf- und Pilotbogen, um Ergebnisvertrag, Testfälle und Entscheidung in einer Akte festzuhalten. Für die gemeinsame Besprechung eignet sich ein kurzer Review mit Finance, IT und den Personen, die den Ablauf im Alltag nutzen.

Quellen und Einordnung

Die Quellen stützen die fachlichen Grundsätze an den gekennzeichneten Stellen. Die konkreten Prüffragen, Abläufe und fiktiven Berechnungen sind redaktionelle Praxishebel-Arbeitshilfen.

  1. ICV / IGC, Perspective zum Controlling (2024)
  2. NIST, AI Risk Management Framework 1.0 (2023)
  3. ACCA / CA ANZ, Enabling finance insight: Bridging skills and data gaps (2026; internationaler Bericht)
  4. NIST, Generative AI Profile (2024)