Was CFOs vor der Einführung von KI im großen Maßstab berücksichtigen müssen

Im April gab Praveen Neppalli Naga, Chief Technology Officer bei Uber, bekannt, dass das Unternehmen sein gesamtes KI-Budget für 2026 innerhalb von vier Monaten aufgebraucht hatte, was vor allem auf den Einsatz von KI-Programmierwerkzeugen durch die Entwickler zurückzuführen war. Bis Juni hatte Uber die Ausgaben auf 1.500 US-Dollar (1.100 Pfund) pro Mitarbeiter und Monat für jedes agentische Tool begrenzt, was über ein internes Dashboard nachverfolgt wurde.

Ubers Reaktion auf die Budgetüberschreitung ist aufschlussreicher als die Überschreitung selbst, da sie die Einführung nicht verlangsamte, sondern den Verbrauch sichtbar machte und eine Obergrenze festlegte. Im Wesentlichen gilt: Je intelligenter die KI wird, desto mehr Token verbrauchen die Mitarbeiter, und desto teurer kann der Einsatz in großem Maßstab werden.

Für CFOs stellt dies eine zentrale Annahme in Frage, nämlich dass KI-Technologie Kosten linear und vorhersehbar senkt. In der Realität können verschiedene Faktoren – darunter Inferenzkosten, Nutzungsspitzen und Nacharbeiten aufgrund schlechter Datenqualität – die erwarteten Einsparungen schnell zunichte machen.

Die Einschränkung liegt in der Überprüfbarkeit, nicht in der Leistungsfähigkeit

Herkömmliche Software automatisiert das, was man ihr vorgibt. Sie definieren den Arbeitsablauf, die Richtlinien, die Genehmigungsschwelle und das Ausnahmeverfahren, und das System befolgt diese Anweisungen. KI funktioniert anders. Sie automatisiert das, was Sie überprüfen können, und genau dieser Unterschied ist oft ausschlaggebend dafür, ob die Einführung im Finanzbereich ein Erfolg oder ein kostspieliges Experiment wird.

Theoretisch sollte der Finanzbereich gut davon profitieren können. Zahlungen werden abgeglichen, die Bücher stimmen, und jeder Buchungseintrag sollte nachvollziehbar sein. Nur wenige Unternehmensbereiche liefern Ergebnisse, die sich leichter überprüfen lassen. Doch dieser Vorteil besteht nur dort, wo die zugrunde liegenden Regeln explizit sind und die Daten verwertbar sind. In vielen Unternehmen trifft beides nicht zu.

Eine aktuelle Studie von Payhawk unter 1.520 Entscheidungsträgern aus den Bereichen Finanzen und Unternehmensführung hat diese Lücke deutlich gemacht. Von den 405 Befragten, die ihre Unternehmen als KI-reif bezeichneten, gaben 78 % an, über fundierte Kompetenzen und Werkzeuge zu verfügen, während 69 % entsprechende Budgets bereitgestellt hatten. Dennoch verfügten nur 61 % über KI-fähige Daten, und lediglich 55 % hatten auch nur minimale Regeln für deren Nutzung festgelegt. Nur 26 % schnitten in allen fünf Dimensionen gut ab.

Die Unternehmen, die glauben, einen Vorsprung zu haben, investieren viel schneller in die technischen Fähigkeiten, als sie die notwendigen Voraussetzungen für deren Kontrolle schaffen. Ihre finanziellen und technischen Vorkehrungen sind ihren Regeln um mehr als 20 % voraus.

Wie Finanzverantwortliche KI einsetzen können, ohne die Kontrolle zu verlieren

Die eigentliche Herausforderung besteht nicht darin, ob eine Aufgabe repetitiv ist, sondern ob es unabhängig vom Modell eine richtige Antwort gibt und ob sich diese Antwort schnell und kostengünstig überprüfen lässt.

Betrachten wir zwei routinemäßige Finanzprozesse. Ein Drei-Wege-Abgleich hat einen externen Bezugspunkt: Die Bestellung und der Wareneingang existieren unabhängig davon, ob das Modell läuft oder nicht. Das Ergebnis lässt sich in Sekundenschnelle überprüfen, und jede Abweichung ist nützlich, da sie eine konkrete Ausnahme aufzeigt.

Anders verhält es sich bei einer Periodenabschlussabgrenzung. Zum Zeitpunkt der Buchung liegt keine definitive Antwort vor. Die Schätzung kann erst später überprüft werden, wenn die Rechnung eintrifft – nachdem sie bereits Auswirkungen auf die Buchhaltung und das Management-Reporting hatte. Bei der ersten Aufgabe sorgt KI für kontrollierte Automatisierung. Bei der zweiten führt sie zu einer Ermessensentscheidung, die möglicherweise erst dann überprüft werden kann, wenn die Folgen bereits feststehen.

Für Wirtschaftsprüfungs- und Beratungsunternehmen ist diese Unterscheidung umso wichtiger, da die Nachweissicherung Teil des Lieferumfangs ist. Eine Schlussfolgerung ohne ihre zugrunde liegenden Quellen ist nicht annähernd vollständig. Jemand muss die Argumentation rekonstruieren, bevor sie geprüft oder unterzeichnet werden kann. Automatisierung ohne Herkunftsnachweis beseitigt keine Arbeit. Sie verlagert die Arbeit von der Erarbeitung der Antwort hin zur Rekonstruktion der Grundlage dafür, was oft mit höheren Kosten verbunden ist.

Beide Fälle hängen von der Qualität der zugrunde liegenden Referenzdaten ab. Automatisierung kann nur so zuverlässig sein wie die Datensätze, anhand derer sie überprüft wird. Wenn derselbe Lieferant unter vier verschiedenen Namen auftaucht, beseitigt das Modell die Mehrdeutigkeit nicht. Es verstärkt sie sogar. Und sobald eine Ausnahme einen Mitarbeiter erreicht, kann deren Behebung mehr kosten als die Routineaufgabe, die das System eigentlich ersetzen sollte.

Fünf Entscheidungen, denen sich CFOs nicht entziehen können – eine Checkliste

Innerhalb der nächsten 12 Monate müssen CFOs fünf wichtige Entscheidungen treffen, deren Auswirkungen sich leicht messen lassen.

1. Definition von „verifiziert“, in jedem Prozess: Halten Sie für jeden Prozess fest, wie ein korrektes Ergebnis aussieht und wer es bestätigt. Wenn eine Person immer noch jedes Ergebnis überprüft, haben Sie die Arbeit lediglich verlagert, nicht beseitigt – und diese Überprüfungszeit ist ein Kostenfaktor bei der Einführung.
2. Identifizierung von „Quick Wins“: Wählen Sie zwei bis drei wirkungsvolle und risikoarme KI-Anwendungsfälle für eine Pilotimplementierung aus, um den ROI zu demonstrieren und eine interne Dynamik aufzubauen.
3. Mindestregeln statt eines Governance-Rahmens: Welche Tools sind für welche Aufgaben bei welchen Schwellenwerten zugelassen, wie werden Ergebnisse protokolliert und was geschieht im Ausnahmefall? Umfassende Rahmenwerke können warten; Mindestregeln hingegen nicht, da Mitarbeiter bereits Verbraucher-KI für Unternehmensdokumente nutzen.
4. Strategische Technologiepartnerschaft: Entscheiden Sie sich zwischen Anbieterlösungen, Eigenentwicklung oder einem hybriden Ansatz, um die Zeit bis zur Wertschöpfung und die langfristigen Funktionen zu bestimmen.
5. Plan zur Belegschaftstransformation: Entwerfen Sie Weiterbildungsprogramme und definieren Sie Rollen für KI-gestützte Teams neu, um die Bereitschaft des Humankapitals für „AI-first“-Abläufe sicherzustellen.

Quantifizierung des KI-Werts und des ROI

Um die Kontrolle zu erlangen, ist es unter anderem wichtig, innerhalb spezifischer Rahmenbedingungen zu arbeiten, die die Finanzprozesse steuern. Die folgende Formel verdeutlicht, wie der KI-ROI gemessen werden könnte.

KI-ROI = (Jährlich geschaffener Wert – Jährliche KI-Investition) / Jährliche KI-Investition × 100

Zwei Anpassungen machen diese Formel anwendbar. Trennen Sie die Einrichtungskosten von den Betriebskosten: Die Implementierung ist eine einmalige Ausgabe, die Nutzung ist eine wiederkehrende Verbindlichkeit, die mit dem Erfolg wächst; daher sollte die Amortisation des Modells anhand der Gesamtbetriebskosten und nicht anhand der Lizenzgebühren berechnet werden.

Und berücksichtigen Sie Nachbearbeitungen in der Rechnungslegung. Wenn Ergebnisse von einer Person überprüft, korrigiert oder abgeglichen werden müssen, gehört diese Überprüfungszeit in die Kostenrechnung. Im Finanzwesen ist dies in der Regel der größte Posten, und diese Zahl zeigt, ob Sie einen überprüfbaren oder einen nicht überprüfbaren Prozess automatisiert haben.

Für Finanzverantwortliche lautet die eigentliche Frage nicht mehr, wo KI Effizienzsteigerungen erzielen könnte, sondern welche Arbeitsabläufe heute automatisiert werden können, ohne Genehmigungswege, Prüfpfade oder die Rechenschaftspflicht zu beeinträchtigen. So wird KI zu einem vorhersehbaren, messbaren Gewinn für das Unternehmen und nicht zu einem teuren Experiment.