Finance 2030: Künstliche Intelligenz und der neue Activity Split Mensch-Maschine

Drei Evolutionsstufen der KI-Nutzung im CFO-Bereich bieten einen klaren Entwicklungsrahmen hin zu höherer Effizienz, Prognosequalität und Automatisierung. Das markiert einen tiefgreifenden Wandel, der über die Implementierung neuer Technologien hinausgeht. KI verändert das Target Operating Model des Finanzbereiches grundlegend, insbesondere die Rollen im Finanzbereich.

---

Drei Evolutionsstufen von KI im CFO-Bereich

Im CFO-Bereich unterscheiden wir drei Evolutionsstufen des KI-Einsatzes: von der individuellen Nutzung allgemeiner KI-Tools („Everyone AI“) über unternehmensspezifische Knowledge Twins bis hin zu autonomen KI-Agenten:

• Kurzfristig lassen sich Effizienz- und Produktivitätsgewinne vor allem durch die individuelle Nutzung von KI-Tools realisieren.
• Mittelfristig liegt das Potenzial in der systematischen Verknüpfung unternehmensspezifischen Wissens.
• Langfristig werden KI-Agenten die Arbeitsweise des Controllings grundlegend verändern.

Stufe 1: „Everyone AI“ – Produktivität steigern

Zu Beginn steht der Einsatz allgemein verfügbarer KI-Modelle im Arbeitsalltag. Controller nutzen KI für Analysen, Präsentationen, Recherchen und die Strukturierung großer Informationsmengen. Promptbasiertes Vorgehen beschleunigt Ursachenanalysen und vertiefen das Verständnis von Zusammenhängen. Diese Stufe steigert Geschwindigkeit, Qualität und Konsistenz der täglichen Arbeit, ohne Prozesse oder Systemlandschaften grundlegend zu verändern.

Stufe 2: Knowledge Twins – Unternehmenswissen mit KI verknüpfen

Die zweite Stufe verbindet KI mit unternehmensspezifischem Wissen und gibt Zugriff auf Regelwerke, Datenstrukturen, Steuerungsmodelle und Erfahrungswissen. Knowledge Twins integrieren Informationen aus Unternehmensbereichen und ermöglichen fundiertere Analysen und Entscheidungen. KI kann Markt-, Wettbewerbs- oder CRM-Daten auswerten, Chancen und Risiken identifizieren, Planungsannahmen validieren oder Produktions- und Supply-Chain-Szenarien simulieren. Zugleich wird implizites Wissen dokumentiert und skalierbar gemacht – eine wesentliche Voraussetzung für den nächsten Entwicklungsschritt.

Stufe 3: KI-Agenten und Prozessautomatisierung

In der dritten Stufe entwickelt sich KI vom Assistenzsystem zum autonom handelnden Akteur. KI-Agenten übernehmen definierte Aufgaben, bedienen Systeme, orchestrieren Prozesse und interagieren mit Anwendungen. Sie aggregieren Kennzahlen aus unterschiedlichen Systemen, interpretieren Ergebnisse und generieren Handlungsempfehlungen. Ergänzend erstellen sie Kommentare und Warnmeldungen bei relevanten oder ungewöhnlichen Mustern. Dabei nutzen sie strukturierte Daten aus ERP- und CPM-Systemen ebenso wie Protokolle, lokale Datenquellen, unstrukturierte Dokumente und externe Informationen. Im Forecasting überwachen autonome Agenten Datenströme, aktualisieren Modelle und speisen frühe Warnsignale in Planungs- und Reportingprozesse ein. Diese Stufe ermöglicht neue Effizienz- und Automatisierungsgrade sowie adaptive, sich selbst optimierende Prozessketten. KI wird damit integraler Bestandteil der Unternehmenssteuerung und prägt deren Struktur, Geschwindigkeit und Entscheidungslogik.

Der neue Activity Split zwischen Mensch und Maschine

Mit zunehmender KI-Reife verändert sich das Target Operating Model des CFO-Bereichs grundlegend, insbesondere beim Blick auf Rollen und Verantwortlichkeiten. Bereits in den letzten Jahren wurden Business Services durch klassische Digitalisierung automatisiert, etwa Dunkelbuchungen oder automatische Berichtserstellung. Dieser Trend verstärkt sich durch KI. Gleichzeitig rücken auch Business Partnering und Governance stärker in den Automatisierungsfokus – Rollen, die bislang vor allem als menschengeprägt galten. Damit lässt sich die Rollenverteilung im Controlling grundlegend neu denken.

Die Rolle Governance bleibt weiterhin bedeutend, da Prozesse, Methoden, Inhalte und Leitlinien zu definieren und durch deren Umsetzung Standardisierung, Harmonisierung und Transparenz sicherzustellen sind. Doch auch hier wird KI in Zukunft unterstützen bzw. ersetzen, z.B. die automatisierte Prüfung von Stammdaten oder die Validierung von Mappings. Weiter gedacht unterstützt KI in Zukunft auch beim Erstellen, lokalen Adaptieren und Kommunizieren von Governance-Prinzipien, z.B. der Vorschlag von unternehmensinternen Kontierungsrichtlinien auf Basis neuer Rechnungslegungsvorschriften.

Parallel entwickelt sich das Business Partnering weiter: „Standard-Business-Partnering“ erfolgt zunehmend durch KI, Controller müssen einen Mehrwert darüber hinaus bei Ergebnisinterpretation, Ableitung betriebswirtschaftlicher Konsequenzen und Managementberatung schaffen. Sie müssen folgende Anforderungen erfüllen:

• Auf KI-Ergebnissen aufbauen – diese hinterfragen, verbessern und auf ein höheres Niveau bringen.
• Unternehmen, Wettbewerber und Branche tiefgreifend verstehen – Kunden, Erfolgstreiber und Zusammenhänge.
• In der Lage sein, mit den Fachbereichen und dem Management strategische Ziele, Pläne und Maßnahmen zu besprechen.

Zugleich steigt der Bedarf an daten- und modellbezogenen Fähigkeiten. Data-Science-Kompetenzen prägen künftig alle Rollenprofile im Controlling: das Verständnis von Datenstrukturen, die Einordnung von Modelllogiken, die fachliche Bewertung von Prognosen und die Zusammenarbeit mit IT- und Analysebereichen.

---

---

Immer auf dem aktuellen Stand: Sie möchten kein Update mehr verpassen? Folgen Sie uns auf LinkedIn und bleiben Sie immer auf dem aktuellen Stand was News aus den Bereichen Controlling, Finance & Management angeht.