Finance Agents brauchen klare Prozessgrenzen

Warum KI im Controlling mehr braucht als Erklärungen

Generative AI, Agentic AI und Agentic Orchestration rücken zunehmend in den Mittelpunkt der Unternehmenssteuerung. Die Idee ist nachvollziehbar: Ein Finance Agent erkennt Abweichungen, analysiert Ursachen, formuliert Erklärungen und stößt im Idealfall sogar Folgeprozesse an. Für CFOs, Controller und Entscheider klingt das attraktiv, weil viele Organisationen heute unter hoher Berichtslast, komplexen Datenstrukturen und knappen Ressourcen leiden.

Der entscheidende Punkt liegt jedoch nicht in der Frage, ob ein Finance Agent erklären kann. Entscheidend ist, ob er weiß, wann seine Erklärung enden muss. Ein Agent, der jede Abweichung scheinbar plausibel kommentiert, aber die Grenzen der Daten, Prozesse und Verantwortlichkeiten nicht kennt, schafft keine Steuerungssicherheit. Er produziert nur schneller eine Form von Scheinsicherheit, die im Management besonders kritisch ist.

Im Controlling ist eine gute Erklärung nie nur eine sprachliche Leistung. Sie hängt an der Qualität der Datenquelle, an der Aktualität des Buchungsstandes, an den Regeln der Kostenverteilung, an der Definition von Plan- und Ist-Werten und an der Frage, welche manuellen Eingriffe im Prozess erfolgt sind. Wenn diese Grundlagen unklar sind, kann künstliche Intelligenz zwar Muster erkennen und Texte erzeugen. Sie kann aber nicht automatisch beurteilen, ob die kaufmännische Grundlage belastbar ist.

Datenquellen und Prozessbrüche als Risikozonen

In der Beratungs- und Prüfungspraxis zeigt sich regelmäßig, dass bereits klassische Reports an unsauberen Übergängen hängen. Ein Kostenstellenbericht greift auf das ERP-System zu, wird aber vor der Managementpräsentation in Excel ergänzt. Ein Forecast basiert auf operativen Mengendaten, die aus einem Vorsystem kommen, während Preisannahmen in einer separaten Datei gepflegt werden. Eine Projektkostenübersicht enthält gebuchte Ist-Kosten, offene Bestellungen und manuell geschätzte Restaufwände, ohne dass diese Bestandteile für den Leser sauber getrennt sind.

Solche Strukturen sind nicht ungewöhnlich. Sie entstehen über Jahre, oft aus pragmatischen Gründen. Ein Bereich benötigt eine zusätzliche Sicht, ein Tool bildet eine Besonderheit nicht ab, eine Gesellschaft wird integriert, ein Managementreport wird kurzfristig erweitert. Daraus entstehen Prozessbrüche, die im Alltag beherrschbar wirken, solange erfahrene Mitarbeitende wissen, wo sie nachfragen müssen.

Genau diese stillen Wissensbestände sind für Finance Agents eine Herausforderung. Der Agent sieht Daten, aber nicht automatisch deren Entstehungsgeschichte. Er erkennt eine Abweichung, kennt aber nicht zwingend die Ursache einer manuellen Korrektur. Er kann einen Trend ausweisen, ohne zu wissen, dass eine Kostenart im laufenden Jahr anders bebucht wurde als im Vorjahr. Er kann eine Abweichung zwischen Plan und Ist erklären, obwohl der Plan auf einer veralteten Struktur beruht.

Je autonomer solche Auswertungen werden, desto wichtiger wird deshalb die Prozessökonomie hinter dem Reporting. Es reicht nicht, Berichte schneller zu erstellen. Es muss klar sein, welche Daten aus welchem System stammen, welche Transformationen sie durchlaufen, welche Korrekturen zulässig sind und an welchen Punkten menschliche Freigabe erforderlich ist.

Eskalation ist kein Bremsklotz

In vielen Digitalisierungsprojekten wird Eskalation zunächst als Hemmnis verstanden. Automatisierung soll Durchlaufzeiten verkürzen, manuelle Prüfungen reduzieren und Entscheidungen beschleunigen. Das ist richtig, solange die Kontrollpunkte sinnvoll gesetzt sind. Im Finance ist Eskalation aber nicht das Gegenteil von Effizienz. Sie ist ein Teil der Kontrollarchitektur.

Ein Finance Agent sollte deshalb nicht nur Aufgaben ausführen, sondern auch Abbruch- und Übergaberegeln kennen. Bei bestimmten Abweichungshöhen kann eine automatische Kommentierung ausreichend sein. Bei anderen Sachverhalten muss der Agent nachfragen, weil die Datenlage nicht eindeutig ist. Bei wiederkehrenden Differenzen zwischen Vorsystem und Hauptbuch sollte er nicht weiter analysieren, sondern den Prozessverantwortlichen einbinden. Bei ungewöhnlichen Effekten im Monatsabschluss kann eine Erklärung erst dann belastbar sein, wenn Buchungsstatus, Periodenabgrenzung und Konsolidierungseffekte geprüft wurden.

Diese Regeln müssen fachlich definiert werden. Technisch lassen sich Workflows, Schwellenwerte und Freigaben abbilden. Die eigentliche Arbeit liegt jedoch vorher: Welche Abweichung ist kritisch? Welche Datenquelle ist führend? Welche Prozessgrenze darf ein Agent nicht überschreiten? Wann ist eine Interpretation zulässig und wann handelt es sich nur um eine Hypothese? Wer trägt die Verantwortung, wenn der Agent eine Empfehlung ausspricht?

Gerade im CFO-Bereich sind diese Fragen zentral. Unternehmenssteuerung verlangt nicht nur Geschwindigkeit, sondern Nachvollziehbarkeit. Eine automatisierte Analyse, die später nicht mehr rekonstruiert werden kann, hilft im Managementdialog wenig. Belastbare Steuerung braucht einen klaren Pfad von der Datenquelle über die Berechnungslogik bis zur Entscheidung.

Was CFOs vor der Toolauswahl klären sollten

Wer über KI im Controlling nachdenkt, sollte deshalb nicht mit der Toolauswahl beginnen. Die erste Frage lautet nicht, welcher Agent die beste Benutzeroberfläche bietet oder die überzeugendsten Texte formuliert. Die erste Frage lautet, ob die eigene Steuerungslogik ausreichend beschrieben ist.

Dazu gehört zunächst die Klärung der Datenhoheit. In vielen Unternehmen existieren mehrere Wahrheiten nebeneinander: ERP, Data Warehouse, Planungstool, Konsolidierungssystem, BI-Frontend und lokale Dateien. Für Menschen ist das oft unbequem, aber mit Erfahrung erklärbar. Für Agentic AI ist es riskant, wenn nicht eindeutig geregelt ist, welche Quelle für welchen Steuerungszweck gilt.

Ebenso wichtig ist die Prozessgrenze. Ein Agent im Kostencontrolling darf möglicherweise Abweichungen analysieren, aber keine Budgets umschichten. Ein Agent im Working Capital kann Zahlungsziele, Forderungsalter und Bestandsreichweiten auswerten, sollte aber keine Maßnahmen ohne Freigabe anstoßen. Ein Agent im IT Financial Management kann Lizenz- und Servicekosten transparent machen, muss aber erkennen, wann Verrechnungspreise, Servicekataloge oder Konzernumlagen betroffen sind und damit zusätzliche Governance erforderlich wird.

Schließlich braucht es eine saubere Rollenlogik. Der Agent unterstützt Controller, Finance Business Partner und CFO. Er ersetzt nicht die fachliche Verantwortung. Diese Abgrenzung ist besonders wichtig, weil gute KI-Ausgaben sprachlich überzeugend wirken können. Je plausibler die Formulierung, desto größer ist die Gefahr, dass ungeprüfte Annahmen als Tatsachen gelesen werden.

Von schneller Analyse zu belastbarer Steuerung

Agentic AI kann im Finance einen erheblichen Beitrag leisten, wenn sie in eine saubere Steuerungsarchitektur eingebettet wird. Sie kann Standardanalysen beschleunigen, Auffälligkeiten früher sichtbar machen, wiederkehrende Kommentierungen vorbereiten und Controller von repetitiven Tätigkeiten entlasten. Der Nutzen entsteht aber nicht allein durch Autonomie. Er entsteht durch kontrollierte Autonomie.

Ein guter Finance Agent muss daher drei Dinge beherrschen: analysieren, erklären und stoppen. Das Stoppen ist dabei kein technisches Detail, sondern ein kaufmännisches Qualitätsmerkmal. Es schützt vor falscher Sicherheit, macht Verantwortlichkeiten sichtbar und zwingt die Organisation, ihre eigenen Prozessgrenzen zu definieren.

Für CFOs bedeutet das: KI im Controlling ist kein isoliertes IT-Projekt. Sie ist ein Steuerungsthema. Wer belastbare Ergebnisse erwartet, muss Datenquellen, Prozesslogik, Kontrollpunkte und Eskalationsregeln vorab klären. Erst dann wird aus einem intelligenten Werkzeug ein verlässlicher Bestandteil der Unternehmenssteuerung.