Wo KI in der Finanzfunktion Wert schafft

Die 200-Millionen-Dollar-Frage, die niemand gestellt hat

2023 hat das Finanzteam von Unilever einen KI-Forecasting-Piloten still und leise beerdigt, dessen Aufbau fast ein Jahr gekostet hatte. Das Modell war technisch hervorragend, es schlug die menschliche Baseline in Backtests. Es scheiterte aus einem Grund, der nichts mit Data Science zu tun hat: Die Demand Planner vertrauten keiner Zahl, die sie nicht hinterfragen konnten, und das Modell konnte nicht erklären, warum es ihnen widersprach. Der Forecast war genauer und wurde weniger genutzt.

Das ist die Falle, die auf jeden CFO wartet, der gerade einen Investment Case für KI schreibt. Das Vendor-Deck zeigt Accuracy Lift. Das Board will eine Schlagzeile über „AI Transformation“. Und irgendwo zwischen diesen beiden Zwängen fließt Kapital in Use Cases, die sich großartig demonstrieren lassen und nichts liefern, während die wirklich wertvollen Anwendungen ohne Budget bleiben, weil sie unglamourös sind.

Ihre Aufgabe ist nicht, KI einzuführen. Ihre Aufgabe ist, knappes Kapital und knappe organisatorische Aufmerksamkeit auf die Finance-Use-Cases zu lenken, bei denen die Ökonomie von KI tatsächlich funktioniert. Dafür braucht es ein Framework, das schärfer ist als „wo kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen wir KI einsetzen“, es braucht das Wissen, wo die spezifischen Failure Modes von KI überlebbar sind und wo sie tödlich sind.

Der Werttest: vier Fragen, bevor Sie etwas finanzieren

Jeder vorgeschlagene KI-Use-Case in Finance sollte vier Filter durchlaufen. Lassen Sie einen davon aus, kaufen Sie eine Demo, kein Asset.

1. Ist die Aufgabe Prediction oder Judgment? KI ist eine Prediction-Maschine. Sie glänzt, wo die Antwort ein aus der Historie extrapoliertes Muster ist, und versagt, wo die Antwort das Verständnis einer Situation erfordert, die es nie gab. Cash-Flow-Forecasting ist Prediction. Die Entscheidung, ob man einen Covenant bricht, um eine strategische Beziehung zu erhalten, ist Judgment. Sobald eine Aufgabe das Abwägen von Konsequenzen verlangt, die die Daten nie gesehen haben, bricht der Vorteil von KI zusammen.

2. Was kostet ein Fehler, und wer fängt ihn ab? Das ist die Frage, die tragfähige Use Cases von Risiken trennt. KI-Fehler sind nicht zufällig, sie sind selbstsicher. Ein Modell produziert eine falsche Zahl mit derselben Flüssigkeit wie eine richtige. Die eigentliche Frage lautet also: Gibt es eine menschliche Review-Ebene, die den Fehler abfängt, bevor ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → Schaden anrichtet? Anomaly Detection ist sicher, weil ein False Positive einen Analysten zehn Minuten kostet. Ein autonomer Agent zur Zahlungsfreigabe ist gefährlich, weil ein False Negative echtes Geld bewegt, ohne natürlichen Checkpoint.

3. Ist der zugrunde liegende Zusammenhang stabil? KI unterstellt, dass morgen den Trainingsdaten ähnelt. In Finance gilt das für hochfrequente, strukturell stabile Prozesse (Rechnungsabgleich, Transaktionskategorisierung) und bricht genau dann, wenn es am meisten zählt: bei Regimewechseln, Marktverwerfungen oder einmaligen strategischen Ereignissen. Der Nachfrageschock 2020 hat Forecasting-Modelle zerstört, die auf Vor-Pandemie-Mustern trainiert waren. Fragen Sie: Wie oft verschiebt sich hier die Ground Truth strukturell?

4. Können Sie sich das Erklärbarkeitsproblem leisten? In der regulierten Finanzwelt ist „das Modell hat es gesagt“ kein Audit Trail. Wenn ein Use Case statutarische Berichterstattung, Steuerpositionen oder irgendetwas berührt, das ein Wirtschaftsprüfer oder Regulator infrage stellen wird, brauchen Sie Explainability, nicht nur Accuracy. Diese eine Restriktion eliminiert einen großen Teil der Black-Box-Anwendungen aus genau den Bereichen von Finance, die für Ihre Unterschrift am wichtigsten sind.

Schicken Sie einen beliebigen Use Case durch diese vier Filter, und ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → sortiert sich selbst in eine von drei Stufen ein.

Die drei Stufen: wo das Geld tatsächlich liegt

Stufe 1, hoher Wert, jetzt ausrollen

Sie teilen ein Profil: hohes Volumen, musterreich, geringe Fehlerkosten und ein natürlicher menschlicher Checkpoint.

Anomaly Detection ist der stärkste Use Case in der gesamten Finanzfunktion, und ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → ist gerade deshalb unterschätzt, weil ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → nicht sexy ist. Fraud Detection, Doppelzahlungen, Verstöße gegen Spesenrichtlinien, AusreißererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → bei Buchungssätzen, Abstimmungsdifferenzen: Das sind Aufgaben, bei denen das Modell nicht richtig liegen muss, es muss nur *flaggen*. Ein Mensch bestätigt. Die Ökonomie ist asymmetrisch zu Ihren Gunsten: False Positives sind billig, und jeder erkannte True Positive ist gespartes Geld oder vermiedenes Risiko. Die Transaction-Monitoring-Systeme von JPMorgan entscheiden nichts; sie verdichten Millionen von Transaktionen auf eine überprüfbare Menge. Das ist die richtige Architektur.

Transaktionsverarbeitung und Matching, Rechnung-zu-Bestellung-Abgleich, Cash Application, Intercompany-Abstimmung, gehört in Stufe 1, weil die Zusammenhänge stabil sind und das Volumen den Aufbau rechtfertigt. Hier komprimieren Automatisierung und Machine Learning tatsächlich die Kosten pro Transaktion. Der Haken: Messen Sie den Wert in *Durchlaufzeit und Fehlerreduktion*, nicht in Headcount. Teams, die solche Projekte als „drei FTE ersetzen“ gerahmt haben, haben fast immer zu viel versprochen und bei den schwierigeren verbleibenden Aufgaben zu wenig geliefert.

Forecasting, mit einer wichtigen Einschränkung. KI verbessert Forecasting dort, wo Sie hochfrequente Daten und stabile Treiber haben: kurzfristiges Cash-Forecasting, granulare Nachfrage auf SKU-Ebene, Timing von Zahlungseingängen. Der Wert ist real, aber begrenzt, erwarten Sie Genauigkeitsverbesserungen in einer operativ relevanten Größenordnung, keine Wunder. Das Unilever-Scheitern ist die Lektion: Ein Forecast, dem nicht vertraut wird, wird nicht genutzt, und Vertrauen verlangt, dass das Modell *seine Begründung offenlegt* und Planern erlaubt, es zu übersteuern. Das gewinnende Design ist Human-in-the-Loop: KI erzeugt eine Baseline, und das Finance-Team passt sie mit dokumentierter Begründung an. Vollautonomes Forecasting fällt durch Filter 4.

Stufe 2, realer Wert, Rollout mit Guardrails

Narrative Reporting ist der Use Case, der sich mit generativer KI am stärksten verändert hat, und bei dem jetzt das schärfste CFO-Urteil gefragt ist. LLMs kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen MD&A-Kommentare, Board-Deck-Narrative, Abweichungserklärungen und IR-Talking-Points aus strukturierten Finanzdaten entwerfen. Der Produktivitätsgewinn ist echt, die Entwurfszeit sinkt drastisch. Aber genau hier beißt Filter 2 am härtesten: Ein generatives Modell *erfindet eine plausible Erklärung* für eine Abweichung, die es nicht versteht. Es wird einen Margenrückgang selbstbewusst „FX-Gegenwind“ zuschreiben, obwohl die wahre Ursache ein Preisfehler war.

Der richtige Rollout: KI entwirft, Finance verifiziert jede Aussage gegen die Quelldaten, und kein generiertes Narrativ erreicht ein externes Publikum ohne menschliches Sign-off. Nutzen Sie es, um das leere Blatt zu eliminieren, nicht den Analysten. Der Wert liegt in der Geschwindigkeit bis zum ersten Entwurf, nicht in autonomer Autorenschaft.

Szenario- und treiberbasierte Modellierung gehört ebenfalls hierher. KI kann Szenarien schnell erzeugen und Stresstests fahren, aber die *Auswahl*, welche Szenarien zählen, und die Interpretation der Ergebnisse bleiben Judgment. Behandeln Sie KI als Weg, den Möglichkeitsraum schneller zu erkunden, nicht als Instanz, die Ihnen sagt, für welche Zukunft Sie planen sollen.

Stufe 3, wo KI in Finance (noch) keinen Wert schafft

Seien Sie bei der Nein-Liste genauso diszipliniert wie bei der Ja-Liste. Hier wird CFO-Glaubwürdigkeit gewonnen oder verloren.

Strategische Kapitalallokation, M&A-Urteile und einmalige Entscheidungen. Diese fallen vollständig durch Filter 1 und 3. Es sind Urteile unter echter Unsicherheit, gestützt auf Beziehungen, Wettbewerbsdynamik und Konsequenzen, die kein Datensatz enthält. Eine KI kann die Analyse zusammenstellen; die Entscheidung treffen kann sie nicht. CFOs, die hier den Output eines Modells an die Stelle ihres eigenen Urteils treten lassen, geben den Kern ihrer Rolle auf.

Alles, was Verantwortung erfordert, die Sie nicht delegieren können. Statutarische Sign-offs, Steuerpositionen, Going-Concern-Einschätzungen: Die Fehlerkosten sind katastrophal und das Erklärbarkeitsproblem unerbittlich. KI kann die Vorbereitung unterstützen; die Schlussfolgerung kann sie nicht verantworten.

Langfristiges Forecasting über Regimewechsel hinweg. Je länger der Horizont und je wahrscheinlicher ein Strukturbruch, desto schlechter schneidet KI gegenüber informiertem menschlichem Urteil ab. Modelle sind gefährlich selbstsicher, bis zu dem Moment, in dem sich die Welt ändert.

Das Muster über Stufe 3 hinweg ist konsistent: hohe Fehlerkosten, instabile Zusammenhänge und Verantwortung, die Regulierung oder Treuepflicht einem Menschen zuweist. Keine noch so hohe Modellgenauigkeit überwindet diese Restriktionen.

Vom Framework zum Montagmorgen

Die Stufen zu kennen ist Analyse. Kapital danach zu allokieren ist die Arbeit. Hier die operative Disziplin.

Priorisieren Sie nach „Wertdichte“, nicht nach Sichtbarkeit. Ranken Sie Kandidaten-Use-Cases nach erwartetem Jahreswert geteilt durch Implementierungskosten und Risiko. Anomaly Detection und Transaction Matching aus Stufe 1 stehen fast immer oben, weil der Wert laufend abgeschöpft wird und das Risiko eingegrenzt ist. Widerstehen Sie dem Sog des Boards hin zum glänzenden generativen Use Case als *erstem* Projekt, verdienen Sie sich Glaubwürdigkeit mit einem langweiligen, hoch rentablen Anomaly-Detection-Rollout, bevor Sie etwas anfassen, das nach außen sichtbar ist.

Entwerfen Sie den menschlichen Checkpoint, bevor Sie das Modell entwerfen. Beantworten Sie für jeden Use Case explizit: Wer prüft den Output, was kostet ein abgefangener Fehler, und was kostet ein *übersehener* Fehler? Wenn Sie den Prüfer und den Checkpoint nicht benennen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen, ist der Use Case nicht reif, unabhängig von der Modellgenauigkeit. Diese eine Praxis hätte die meisten gescheiterten KI-in-Finance-Projekte der letzten drei Jahre markiert, bevor ein Dollar ausgegeben wurde.

Messen Sie gegen die richtige Baseline. Der Vergleich lautet nie „KI vs. perfekt“. ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → lautet „KI plus Mensch vs. heutiger Prozess“. Ein Forecasting-Modell, das 8 % genauer ist, das Planer aber in die Ungenauigkeit übersteuern, liefert null. Messen Sie Adoption und Vertrauen, nicht nur Backtest-Accuracy. Wenn die Nutzung niedrig ist, ist das Projekt gescheitert, auch wenn das Modell exzellent ist, genau der Unilever-Failure-Mode.

Bauen Sie Daten- und Governance-Fundament als das eigentliche Projekt. In den meisten Finanzfunktionen ist die bindende Restriktion für KI-Wert nicht das Modell, sondern fragmentierte, schlecht gesteuerte Daten. Die unbequeme Wahrheit: Das „KI-Projekt“ ist zu 70 % ein Datenqualitäts- und Governance-Projekt. CFOs, die das Modell finanzieren, ohne das Fundament zu finanzieren, kaufen eine teure Enttäuschung. Hier muss sich auch Ihr Kontrollumfeld erstrecken: Model Governance, Versionskontrolle und Audit Trails für KI-Outputs sind heute Teil Ihres internen Kontrollsystems, kein IT-Nachgedanke.

Strukturieren Sie das Vendor-Gespräch um Ihre Failure Modes, nicht um deren Features. Wenn ein Anbieter Accuracy demonstriert, fragen Sie: Zeigen Sie mir die False-Positive- und False-Negative-Raten. Zeigen Sie mir, wie ein Nutzer einen konkreten Output hinterfragt. Zeigen Sie mir den Audit Trail. Zeigen Sie mir die Performance während der letzten Marktverwerfung in Ihrem Trainingsfenster. Die Demo beantwortet nichts davon; die Due Diligence muss es.

Die CFOs, die in den nächsten drei Jahren Wert aus KI schaffen, werden nicht die sein, die am meisten ausgerollt haben, sondern die, die die *richtigen* Use Cases ausgerollt haben, mit der Disziplin, zum Rest Nein zu sagen. Die Technologie wird sich weiter verbessern. Das Framework für die Beurteilung, wo sie hingehört, wird sich nicht ändern: Prediction versus Judgment, Fehlerkosten, Stabilität der Zusammenhänge und die Erklärung, die Sie verteidigen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen.

Key Takeaways

1. Sortieren Sie jeden KI-Use-Case durch vier Filter, bevor Sie ihn finanzieren: Prediction vs. Judgment, Fehlerkosten und wer sie abfängt, Stabilität des zugrunde liegenden Zusammenhangs und ob Sie sich das Erklärbarkeitsproblem leisten kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen. Fällt ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → durch einen einzigen Filter, ist der Case ein Risiko, kein Asset.

2. Starten Sie mit Anomaly Detection und Transaction Matching, nicht mit generativem Reporting. Sie haben die beste Wertdichte, asymmetrische Payoffs, eingegrenztes Risiko, natürliche menschliche Checkpoints, und sie schaffen die Glaubwürdigkeit, um später schwierigere Projekte zu finanzieren.

3. Setzen Sie generatives Narrative Reporting als Entwurfswerkzeug mit verpflichtender menschlicher Verifikation ein. Der Wert liegt in der Geschwindigkeit bis zum ersten Entwurf; die Gefahr ist flüssig formulierte Erfindung. Kein KI-generiertes Narrativ erreicht ein externes Publikum, ohne dass ein Mensch jede Aussage gegen die Quelldaten validiert hat.

4. Entwerfen Sie den menschlichen Checkpoint vor dem Modell und messen Sie KI plus Mensch gegen Ihren heutigen Prozess, nie gegen Perfektion. Ein genauerer Forecast, dem niemand vertraut und den niemand nutzt, liefert null Wert.

5. Finanzieren Sie das Daten- und Governance-Fundament als das eigentliche Projekt. Die bindende Restriktion ist selten das Modell; es sind Datenqualität und Kontrolle. Weiten Sie Ihr internes Kontrollsystem auf Model Governance und KI-Audit-Trails aus.