Die Finanzfunktion automatisieren: RPA, KI und die Zukunft von FP&A

2017 hat JPMorgan Chase still und leise 360.000 Stunden juristischer Prüfarbeit pro Jahr abgeschafft. Ursache war kein Stellenabbau, sondern COIN, die Contract-Intelligence-Plattform der Bank, die gewerbliche Kreditverträge in Sekunden liest statt in den Wochen, die Junior Associates dafür brauchten. Bis 2026 verarbeiten die Nachfolger von COIN nicht nur Verträge, sondern auch ISDA-Rahmenverträge, KYC-Unterlagen und Verrechnungspreisdokumentation zwischen Konzerngesellschaften in mehr als 60 Jurisdiktionen, die von OECD Pillar TwoOECD Pillar TwoVon der OECD getragene Regeln, die für große multinationale Konzerne einen effektiven Mindeststeuersatz von 15% pro Land vorschreiben.Vollständige Definition ansehen → betroffen sind. Die Lehre für CFOs ist nicht, dass Maschinen den Buchhaltern an den Kragen gehen. Sie lautet: Die Finanzfunktion, jenes Cost Center, das jeder CEO seit dreißig Jahren zu verkleinern versucht und daran scheitert, ist endlich verkleinerbar. Der Benchmark von McKinsey aus 2024 schätzt, dass 42 % der Finanzaktivitäten mit bestehender Technologie vollständig automatisierbar sind, weitere 19 % lassen sich deutlich unterstützen. Unternehmen, die gut umsetzen, berichten von 25-50 % Kostensenkung in der transaktionalen Finanzarbeit und, wichtiger noch, von 30-40 % schnelleren Abschlusszyklen.

In dieser Lektion geht es darum, wie man diesen Wert tatsächlich realisiert, nicht um die Foliensatz-Version.

Der Automatisierungs-Stack: was tatsächlich wo sitzt

Die meisten CFOs übernehmen ein verwirrtes Vokabular von ihren Beratern. „KI“, „RPA“ und „intelligent automation“ werden in Board-Präsentationen synonym verwendet, und genau so landet man bei 20-Millionen-Dollar-Piloten, die den falschen Prozess automatisieren. Seien Sie präzise.

Layer 1: Robotic Process Automation (RPA)

RPA ist regelbasiertes Screen Scraping. UiPath, Automation Anyway und Microsoft Power Automate dominieren dieses Feld. Ein Bot meldet sich in SAP an, kopiert eine Lieferantenrechnung, validiert sie gegen eine Bestellung in Coupa und bucht sie. 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 → „denkt“ nicht. Mit Ausnahmen geht er schlecht um. Der wirtschaftliche Fall ist einfach: Ein typischer RPA-Bot kostet 5.000 bis 15.000 Dollar pro Jahr vollkostenbasiert und ersetzt etwa 2-3 FTEs repetitiver Arbeit in der Kreditorenbuchhaltung, bei Intercompany-Abstimmungen oder in der Verarbeitung von Bankauszügen.

Siemens hat zwischen 2018 und 2024 über 4.000 Bots in seinen Shared Service Centern ausgerollt und damit nach eigenen Angaben 2 Millionen Stunden pro Jahr automatisiert. Die CFO-Organisation, damals unter Ralf Thomas, behandelte RPA als Infrastruktur, nicht als Transformation. Diese Einordnung ist wichtig. RPA ist nicht strategisch, es ist ein Produktivitätsfundament.

Layer 2: Machine Learning und intelligente Dokumentenverarbeitung

Hier beginnt Finance wirklich anders auszusehen. ML-Modelle klassifizieren Transaktionen, prognostizieren Zahlungseingänge, erkennen Anomalien in Spesenabrechnungen und extrahieren strukturierte Daten aus unstrukturierten Dokumenten, also aus den Verträgen, Rechnungen und E-Mails, an denen reines RPA scheitert.

Aladdin von BlackRock ist das kanonische Beispiel im großen MaMaEinsatz von Software, um wiederkehrende Marketingaufgaben und Kampagnen zu automatisieren und Personalisierung in großem Maßstab über Kanäle wie E-Mail, Web und Social zu ermöglichen.Vollständige Definition ansehen →ßstab. Ursprünglich in den 1990ern als Risikosystem gebaut, verarbeitet Aladdin heute (Stand 2025) rund 21,6 Billionen Dollar an verwalteten oder administrierten Vermögenswerten und rechnet täglich Zehntausende Monte-Carlo-Simulationen auf Portfolios, die nahezu 10 % der weltweiten Aktien, Anleihen und Kredite umfassen. Was Aladdin für Corporate-CFOs lehrreich macht, ist nicht der Asset-Management-Use-Case, sondern die Architektur. Aladdin ist eine einzige Quelle der Wahrheit, auf die Front, Middle und Back Office gleichermaßen zugreifen. Es gibt keine Abstimmung zwischen „dem Handelsbuch“ und „dem Buchhaltungsbuch“, weil es nur ein Buch gibt. Die meisten Unternehmen betreiben 8-15 Finanzsysteme, die zum Monatsende alle voneinander abweichen. Die Lehre aus Aladdin: Das Automatisierungsproblem ist im Kern ein Datenarchitekturproblem.

Layer 3: generative KI und agentic finance

Bis 2026 hat sich die Front erneut verschoben. Microsoft Copilot for Finance, Illuminate von Workday und die Fusion AI AgentsAI AgentsAgentic AI bezeichnet KI-Systeme, die Ziele autonom verfolgen: Sie planen, handeln über Tools und passen sich anhand der Ergebnisse an, ohne dass ein Mensch jeden Schritt vorgibt.Vollständige Definition ansehen → von Oracle sitzen heute auf dem ERPERPEine integrierte Kernsoftware für zentrale Abläufe: Finanzen, Einkauf, Supply Chain, HR und Produktion auf gemeinsamer Datenbasis.Vollständige Definition ansehen →, verfassen Abweichungskommentare, bauen erste Forecast-Entwürfe und erzeugen board-fähige Narrative aus rohen GL-Daten. Das FP&AFP&ADie Finanzfunktion, die Budgets, Prognosen und Analysen erstellt, um Entscheidungen zu steuern und Strategie mit Zahlen zu verbinden.Vollständige Definition ansehen →-Team von Unilever unter CFO Fernando Fernandez hat Anfang 2025 öffentlich gemacht, dass generative KI die Vorbereitung des monatlichen Management-Reportings von 9 Tagen auf 3 verkürzt hat.

Der Übergang von Copiloten zu *Agenten*, also autonomen Systemen, die mehrstufige Aktionen ausführen, ist die Geschichte von 2026. Ein Agent entwirft keinen Buchungssatz zur Prüfung, er bucht ihn, meldet sich nur, wenn die Konfidenz unter einen Schwellenwert fällt, und lernt aus Ihrer Korrektur. Die Implikationen für das interne Kontrollsystem sind nicht trivial, dazu später.

Case Study: wie Siemens und Microsoft FP&A unterschiedlich angegangen sind

Der Kontrast zwischen zwei gut dokumentierten Transformationen sagt alles darüber, *wie* man das sequenziert.

Siemens: bottom-up, Prozess zuerst

Siemens begann mit klar abgegrenzten Prozessen mit hohem Volumen: Kreditorenbuchhaltung, Reisekostenprüfung, Intercompany-Netting. Bis 2023 berichtete das Unternehmen über 100 Mio. € annualisierte Run-Rate-Einsparungen allein aus der Finanzautomatisierung, mit Payback-Perioden unter 12 Monaten bei den meisten Bot-Deployments. Die Disziplin bestand in konsequentem Process Mining mit Celonis (einem Münchner Unternehmen, das Siemens sowohl nutzt als auch teilweise besitzt), um die tatsächlichen, nicht die theoretischen Wege zu identifizieren, die Transaktionen durch SAP nehmen.

Die entscheidende Erkenntnis: Siemens automatisierte *nachdem* die Prozessvarianz bereinigt war. Rund 60 % der Arbeit in den frühen Projekten bestand darin, unnötige Prozessschritte zu eliminieren, bevor überhaupt ein Bot ausgerollt wurde. Wer kaputte Prozesse automatisiert, bekommt kaputte Ergebnisse nur schneller.

Microsoft: top-down, Forecast zuerst

Die Finanzorganisation von Microsoft unter CFO Amy Hood ging einen anderen Weg. Ab etwa 2019 baute Microsoft seine Forecasting-Fähigkeit rund um ML-Modelle neu auf, die über 160 externe Datensignale einlesen: Lieferzeiten für Halbleiter, CapexCapexCapital Expenditure (CapEx) sind Ausgaben für den Erwerb, die Modernisierung oder die Erweiterung langlebiger Vermögenswerte wie Anlagen, Immobilien oder Software, die über mehrere Jahre Nutzen bringen.Vollständige Definition ansehen →-Ankündigungen von Hyperscalern, Regulierung für Sovereign Cloud, sogar Satellitenbilder von Rechenzentren der Partner. Das Ergebnis, mehrfach auf Investorenveranstaltungen öffentlich diskutiert: Die Umsatzprognose von Microsoft ist auf Segmentebene auf 90-Tage-Basis auf 1,5 % genau, deutlich besser als der Analystenkonsens.

Die Lehre ist, dass Microsoft nicht mit Kostensenkung angefangen hat. Der Start lag bei der Forecast-Genauigkeit, weil dort Finance strategischen Hebel schafft. Die Kosteneinsparungen folgten, waren aber ein Nebenprodukt des Aufbaus einer Dateninfrastruktur mit Entscheidungsqualität.

Die meisten CFOs sollten *beides* tun: Aufräumen nach Siemens-Art bei transaktionalen Prozessen finanziert die Investition nach Microsoft-Art in Forecasting und Szenariointelligenz. Der Fehler ist, das eine ohne das andere zu machen.

Die Zukunft von FP&A: von Berichterstattern zu Allokatoren

Hier die unangenehme Wahrheit, die die meisten VPs of FP&A noch nicht verinnerlicht haben: Etwa 60-70 % dessen, was ihre Teams heute tun, Daten ziehen, Abweichungsberichte formatieren, Cubes abstimmen, Decks bauen, wird innerhalb von 36 Monaten von Software erledigt. Die Rollen, die überleben und gedeihen, verlagern sich von der Produktion zur Interpretation.

Der continuous close

Der „Monatsabschluss“ ist ein Artefakt des 19. Jahrhunderts, gebaut um den Zeitpunkt, an dem Hauptbücher physisch abgestimmt werden konnten. Bis 2026 betreiben Vorreiter wie BlackRock, Stripe und Shopify etwas, das einem continuous close nahekommt: Die Finanzlage ist innerhalb von Stunden bekannt, nicht von Wochen. Shopify-CFO Jeff Hoffmeister hat über die „live P&L“-Fähigkeit des Unternehmens gesprochen, mit der sich die Ökonomie der Merchants täglich neu modellieren lässt, wenn sich Payment-Processing-Raten und Ad-CACCACCustomer Acquisition Cost (CAC) sind die gesamten Sales- und Marketingausgaben geteilt durch die Zahl der in einem Zeitraum gewonnenen Neukunden. Die Kennzahl zeigt, wie effizient Sie wachsen.Vollständige Definition ansehen → verändern.

Die Montagmorgenfrage des CFO: *Was wäre nötig, um die wirtschaftliche Lage meines Unternehmens jeden Dienstag zu kennen, statt am 8. Arbeitstag nach Monatsende?* Die Antwort umfasst fast immer drei Dinge: den Kontenplan verdichten, Intercompany-Eliminierungen automatisieren und Abgrenzungen aus Vertragsmetadaten vorbefüllen statt manuell zu rechnen.

Treiberbasierte, szenarionative Planung

Klassische Budgetierung allokiert Geld. **KI-gestütztes FP&A allokiert *Reaktionskapazität***. Das ausgereifte Muster: Statt eines einzigen Jahresbudgets mit quartalsweisen Reforecasts pflegen führende Finanzorganisationen heute ein rollierendes 18-Monats-Modell mit 50-200 Treibervariablen, gegen das sie laufend Szenariosimulationen rechnen.

Das ist 2026 besonders relevant, weil drei Druckfaktoren zusammenlaufen: OECD Pillar Two hat die Modellierung der effektiven Steuerquote in vielen Konzernen zur quartalsweisen Feuerübung gemacht; das CSRD-Reporting in der EU verlangt heute vorausschauende Finanzzahlen zu Transitionsplänen mit quantifizierten Klimaszenarien; und IFRS-16-Leasingänderungen, getrieben von Flächenanpassungen im hybriden Arbeiten, erzeugen weiterhin Bilanzvolatilität. Kein menschliches Team modelliert das alles manuell schnell genug. Die Unternehmen, die in Szenario-Engines investiert haben, Anaplan, Pigment und Oracle EPM mit eingebetteter KI, sind einfach schneller in ihren Entscheidungen.

Das Kontrollproblem

Jeder CFO, der das liest, sollte bei einem Risiko innehalten. Wenn eine agentische KI Buchungssätze bucht, wer ist dann der „preparer“ im Sinne von SOX? Wenn ein generatives Modell die MD&A entwirft, wer bestätigt, dass es nicht eine nicht existierende Akquisition halluziniert? Die PCAOB-Leitlinien von 2025 und die SEC-Änderungen zu den Angaben nach Item 408 verlangen inzwischen ansatzweise die explizite Offenlegung wesentlicher KI-Nutzung in Finanzberichtsprozessen.

Praktisch heißt das: drei Kontrollen, auf denen jeder CFO vor jedem produktiven KI-Einsatz in Finance bestehen sollte:

1. Deterministisches Logging, jede Modellentscheidung ist aus einem gespeicherten Input und einer Modellversion reproduzierbar.
2. Konfidenzschwellen mit Human Routing, Aktionen unter X % Konfidenz gehen an einen menschlichen Prüfer, mit nach Materialität kalibrierten Schwellen.
3. Drift Monitoring, die Modellleistung wird gegen ein Holdout getrackt, und Verschlechterung löst ein Retraining aus, kein stilles Versagen.

Wenn Ihr CIO nicht erklären kann, wie Ihre Finanz-KI diese drei Dinge macht, sind Sie nicht bereit für den Rollout im Maßstab.

Die Action-Checkliste des CFO

Montagmorgen, das hier tun Sie:

1. Beauftragen Sie innerhalb von 30 Tagen eine Process-Mining-Diagnose für Ihre Top-5-Transaktionsprozesse. Nutzen Sie Celonis, Microsoft Process Mining oder UiPath Process Mining. Sie werden feststellen, dass Ihr AP-Prozess 47 Varianten hat, nicht die 3, die Ihr Team beschrieben hat. Varianz ist der Feind der Automatisierung. Reparieren Sie den Prozess, bevor Sie Bots ausrollen.

1. Legen Sie fest, dass jede Beschaffungsentscheidung für ein Finanzsystem einen „Single Source of Truth“-Test bestehen muss. Wenn ein neues Tool eine neue Abstimmung erfordert, sollte es abgelehnt werden, es sei denn, der strategische Wert übersteigt die Integrationssteuer klar. Die Aladdin-Lehre heißt architektonische Disziplin.

1. Bringen Sie Ihr FP&A-Team innerhalb von zwei Quartalen von der monatlichen auf eine rollierende Forecast-Kadenz, auch wenn das Tooling darunter noch nicht perfekt ist. Die Verhaltensänderung, mehr über die Zukunft als über die Vergangenheit zu sprechen, zählt mehr als der Technologie-Stack. Die Technologie kann nachkommen.

1. Etablieren Sie in den nächsten 60 Tagen ein AI Use Inventory und ein gestuftes Governance-Modell. Tier 1 (nur informativ, z. B. Kommentarentwürfe): leichte Prüfung. Tier 2 (entscheidungsunterstützend, z. B. Forecast-Inputs): dokumentierte Validierung. Tier 3 (handelnd, z. B. automatisches Buchen von Belegen): formale Kontrolle mit SOX-fähigem Nachweis. Genau danach fragen Ihre Prüfer 2027; bauen Sie es jetzt.

1. Qualifizieren Sie Ihre besten FP&A-Talente um, statt sie zu ersetzen: Prompt Engineering, Datenmodellierung, Szenariodesign. Die Halbwertszeit eines Excel-Modellierers schrumpft. Die Halbwertszeit einer Finanzfachkraft, die die Annahmen einer KI hinterfragen und Modellergebnisse in eine Entscheidungsempfehlung für den CEO übersetzen kann, wächst. Budgetieren Sie dafür 5.000 bis 10.000 Dollar pro Kopf und Jahr. Es ist die Position mit dem höchsten ROI in Ihrer Funktion.

Die Finanzfunktion, die aus diesem Jahrzehnt hervorgeht, wird kleiner, schneller und deutlich strategischer sein, oder sie wird geschrumpft und ausgelagert. Die CFOs, die entscheiden, in welche Richtung ihre Organisation geht, tun das gerade jetzt, in den Budgets, die sie für FY2026 freigeben. Entscheiden Sie entsprechend.