Branche: Herstellung von elektrischen Meß-, Kontroll-, Navigations- u. ä. Instrumenten und Vorrichtungen
Linienfunktion: Finanzen (CFO)
Thema: Künstliche Intelligenz
Umsatz: 20 - 40 Mio. Euro
Mitarbeiter: 20 - 50
Ausgangslage:
Nach einem Management-Buy-out habe ich bei einem Produktions- und Serviceunternehmen aus der Sicherheitstechnik die Stabilisierung der Organisation und den Aufbau der Finanzfunktion übernommen. Eigentümer war eine Beteiligungsgesellschaft, Berichtslinie der Geschäftsführer. Der Auftrag umfasste Finance, Controlling, Reporting und Planung, die Vorbereitung der Bankenfinanzierung und die Bereinigung der Daten im Buchhaltungs- und Warenwirtschaftssystem.
Eine Aufgabe aus diesem Mandat zeigt, was Werkzeuge mit Künstlicher Intelligenz im Finanzbereich leisten und wo das Finanzurteil bleibt. Im September 2025 hatte ein Auktionsdienstleister rund 240 Lose aus dem übernommenen Anlagevermögen versteigert. Auf Seiten des Dienstleisters gab es gravierende Unstimmigkeiten zwischen tatsächlich abgeholten und angeblich abgeholten Losen. Dazu kamen Lieferungen ins Ausland ohne vollständige Dokumentation der Gelangensbestätigung. Auch war eine Überleitung der Versteigerungslose in das übernommene Anlagevermögen nur begrenzt möglich.
Die Datenbasis ließ keine Auswertung zu, da die Datenbasis in unterschiedlichen System keine gemeinsame Kennung enthielten. Ein Weg von der Losliste ins Anlagevermögen existierte nicht. Der Belegbestand der Versteigerung umfasste 228 Dateien mit insgesamt 598 PDF-Seiten, darunter Käuferrechnungen in einer Sammelmappe und Rechnungen in bis zu drei Fassungen aus Storno, Gutschrift und Neuausstellung. Zahlungsvermerke standen nur in Dateinamen. Auf das Zahlungskonto des Dienstleisters gab es keinen Lesezugriff, jeder Geldfluss musste aus Belegen rekonstruiert werden.
Eine solche Lage ist kein Einzelfall. Deloitte hat im Frühjahr 2026 120 Finanzvorstände aus dem deutschen Mittelstand befragt: 87 % nennen Datenqualität und die Anbindung von Systemen als zentrale Hürde für den Einsatz von Künstlicher Intelligenz, nur 26 % sehen bei isolierten Anwendungen im Finanzbereich einen nachhaltigen Nutzen. Eine europäische Befragung von Pleo aus dem Sommer 2026 ergänzt: Bei der Hälfte der Finanzteams bleibt die Arbeit manuell geprägt, 47 % sehen eine Überinvestition in verschiedene Werkzeuge.
Aufgabe:
Die Versteigerung war abzurechnen und zu verbuchen, mit einer vollständigen Belegkette, in der jede Zahl auf ihren Beleg zurückführt. Die Unstimmigkeiten mit dem Dienstleister waren aufzulösen, einschließlich der Entscheidung, welche Beträge gefordert und welche zurückbehalten werden. Im Anschluss musste die Umsatzsteuer korrigiert werden, auch für die Lieferungen ins Ausland. Das Ergebnis sollte so dokumentiert sein, dass ein fachkundiger Dritter im Finanzbereich jede Zahl der Schlussabrechnung nachvollziehen kann, ohne eine Person zu fragen, die den Vorgang im Kopf hat.
Diese Aufgabe konnte, unter Anwendung von Künstlicher Intelligenz, als erste Anwendung im Finanzbereich des Unternehmens und unter Regeln, die Urteil und Verantwortung beim Menschen lassen, gelöst werden. Unternehmensdaten gehören auf eine DSGVO-konforme Plattform mit Auftragsverarbeitungsvertrag, geklärtem Ort der Datenverarbeitung und vertraglichem Ausschluss der Nutzung für das Training der Modelle. Diese Voraussetzung stand vor dem ersten Arbeitsschritt.
Lösung:
Die Künstliche Intelligenz war das Werkzeug, mit dem die Datenbasis entstand. Die Regeln, nach denen sie arbeitete, wurden von fachkundigen Menschen gesetzt: welche Belegfassung gilt, wie Storno und Gutschrift zu lesen sind, wann ein Los als zugeordnet zählt. Die Maschine hat die rund 600 Seiten gelesen und jedes der Lose mit seiner vollständigen Rechnungskette in ein Register gestellt, mit Abrechnungsstufe, Beleggruppe und Verbleib laut Abrechnung. Das Register hat 4.153 Formeln und 513 Verweise auf Belege. Das Dokumentenverzeichnis führt 275 Dateien mit Prüfsumme. Jede Zahl ist mit einem Klick per Hyperlink auf den Beleg zurückführbar.
Aus dem Register entstanden zwei Dokumente. Die Sachverhaltsklärung für die Gegenseite hatte 27 Klärungspunkte. Das interne Wissensdokument hat 21 Kapitel mit einer Chronologie aller dokumentierten Fallstricken. Das Archiv umfasst 271 Dateien mit 374 Querverweisen. Jeder Querverweis lässt sich prüfen, keiner läuft ins Leere. Die Trennung in ein Außendokument und ein Innendokument, der Verhandlungsweg, der Klärungstermin und die Vorgabe an die Gegenseite waren Finanzurteil. Dieses Urteil setzt Kenntnisse in Bilanzierung und umfassender steuerlicher Sachverhalte voraus.
Vor der Abgabe wurde die Arbeit zweifach geprüft. Ein Mensch hat das Ergebnis stichprobenartig kontrolliert. Ein zweites, vollständig getrenntes KI-System hat den gesamten Vorgang ohne Kenntnis des Arbeitswegs nachvollzogen. Das KI-System ist kein Prüfer und ersetzt keinen. Aber es kann Sachverhalte finden, die der eigene Blick nicht mehr sieht. Genau das trat ein: Das erste System hatte Anlagenabgänge vorgeschlagen, die rechnerisch schlüssig erschienen. Das zweite System fand beim Nachrechnen einen Zirkelschluss, eine ergebnisneutrale Rückrechnung, die sich selbst bestätigte. Ein Fehler dieser Art würde auch einem geübten Buchhalter in einem unübersichtlichen Belegumfeld leicht durchgehen. Der Finanzverantwortliche konnte den Einwand nachvollziehen und hat ihn bestätigt; der Vorgang wurde korrigiert.
Dass abweichende Empfehlungen der Maschine neue Fehler begünstigen können, belegt auch eine Studie im Journal of Accounting Research vom April 2026. Choi und Xie haben eine Buchhaltungsplattform mit Künstlicher Intelligenz bei 79 kleinen und mittleren Unternehmen mit über 200.000 Transaktionen untersucht. Der Buchungsverzug sank um rund 7,5 Tage, die Genauigkeit der Kontierung stieg im Experiment um 18 Prozentpunkte, zugleich entstanden neue Fehler dort, wo die Empfehlung der Maschine abwich. Deshalb galt in diesem Mandat eine feste Regel: Nichts ist entschieden, bevor eine zweite, unabhängige Instanz es geprüft hat und ein Mensch beide Ergebnisse gelesen und freigegeben hat.
Ergebnis:
Aus einem komplizierten und belegreichen Konvolut, das einige Zeit offen geblieben war, wurde ein ein abgerechneter, verbuchter und mit der Gegenseite einvernehmlich abgeschlossener Sachverhalt. Jede Zahl steht mit ihrem Beleg. Aus einem scheinbar unentwirrbaren Datenkonvolut wurde ein durchgängiges, prüfbares Beleg- und Datenpaket, das nachvollzogen werden kann. Bei manueller Durcharbeitung hätte derselbe Vorgang Wochen an Arbeitszeit gebunden.
Der Nutzen war die unmittelbare Freisetzung von menschlicher Kapazität. Statt wochenlanger, manueller Tätigkeit Kontrolle und Überwachung über einen kurzen Zeitraum.
Der Ort, an dem Künstliche Intelligenz zuerst Nutzen bringt, ist deshalb jeder manuelle Schritt in Buchhaltung und Controlling: Belege abtippen, Werte von einem System ins nächste übertragen, Listen und Stammdaten abgleichen. Diese Schritte sitzen fast immer an Systembrüchen, zwischen Bank und Buchhaltung, zwischen Warenwirtschaft und Tabellenkalkulation, zwischen Buchhaltung und dem Bericht an den Gesellschafter. Welche Brüche ein Unternehmen hat, wissen die Verantwortlichen meist nur ungefähr. Werkzeuge für Process Mining lesen die Zeitstempel aus den Systemen und zeigen den tatsächlichen Weg einer Rechnung; Werkzeuge für Task Mining zeichnen wiederkehrende Übertragungen zwischen Programmen auf. Beides liefert die Liste der Stellen, an denen Künstliche Intelligenz zuerst Kapazität freisetzt.
Vier Voraussetzungen sind unabdingbar:
(1) Der rechtmäßige Einsatz von KI und Tools jedweger Art nach Datenschutz-Grundverordnung und Verordnung über Künstliche Intelligenz,
(2) die Zustimmung von Geschäftsführung und Betriebsrat
(3) der Rückhalt der Belegschaft und
(4) die Prüfung jedes Ergebnisses der Maschine durch einen Menschen, bevor daraus eine Entscheidung wird.
Vier Fragen zeigen einer Geschäftsleitung, wo sie steht:
(1) Stimmen FiBu und Reporting ohne manuelle Überleitung überein?
(2) Wer gibt die Zahlen frei, bevor sie an Gesellschafter oder Beirat gehen?
(3) Wie viele Zwischenschritte in der Tabellenkalkulation braucht dieser Bericht?
(4) Geht der Großteil der Eingangsrechnungen beim ersten Durchlauf durch?
Wer bei einer dieser Fragen ins Stolpern kommt, hat seinen ersten Systembruch gefunden. Deshalb gilt: Erst die manuellen Schritte sichtbar machen, dann mit Künstlicher Intelligenz an diesen Stellen die Datenbasis herstellen, mit zweiter Instanz und einem Menschen, der entscheidet, dann automatisieren. Wer mit dem Werkzeug anfängt, landet bei den 47 % Überinvestition aus der Pleo-Befragung.
PROFIL VON RUBEN FAUST BEI UNITEDINTERIM – AUF DAS PROFESSIONELLE INTERIM MANAGEMENT SPEZIALISIERTE PLATTFORM FÜR DIE DACH-REGION
https://www.faustsolutions.de/
Weiterführend: Was Künstliche Intelligenz im Finanzbereich leistet und was nicht und die Leistungsbeschreibung zur Automatisierung im Finanzbereich
Quellen: Deloitte, CFO Survey Frühjahr 2026, Mittelstandsauswertung vom 20. Juli 2026. Pleo, Befragung von Finanzteams in fünf europäischen Ländern, veröffentlicht am 3. September 2026. Choi und Xie, Human + AI in Accounting, Journal of Accounting Research, Band 64, Heft 3, online seit 16. April 2026. Verordnung (EU) 2024/1689, Artikel 4, anwendbar seit 2. Februar 2025.