Was ich beim Aufbau einer KI-nativen Finanzfunktion gelernt habe

Der Finanzbereich arbeitet inzwischen in Echtzeit. Für mich ist die Chance viel größer, als nur den Abschluss schneller zu erstellen oder eine Prognose häufiger zu aktualisieren. Es geht darum, Veränderungen im Unternehmen unmittelbar zu erkennen, Führungskräften früheres Handeln zu ermöglichen und Finanzteams mehr Zeit zu geben, die nächsten Entwicklungen mitzugestalten.

Als ich vor zwei Jahren zu OpenAI kam, unterstützte nur ein kleines Finanzteam ein Unternehmen, das außergewöhnlich schnell wuchs. Wir mussten die Funktion von Grund auf aufbauen und KI zu einem wesentlichen Bestandteil unserer Arbeit, unserer Entscheidungen und unserer Unterstützung für das Unternehmen machen.

Zugleich erkannte ich eine vertraute Ausgangslage. Der Abschluss und die Aktualisierung von Prognosen erforderten weiterhin wiederkehrende manuelle Arbeit: Informationen finden, Änderungen erklären und die Grundlagen für eine Entscheidung zusammenstellen. Wir hatten Zugang zu den fortschrittlichsten KI-Werkzeugen der Welt und lernten dennoch erst, den Finanzbereich auf ihrer Grundlage neu zu gestalten.

Deshalb setzten wir uns zwei ehrgeizige Ziele: einen Abschluss ohne Vorlaufzeit und automatisierte, kontinuierlich aktualisierte Prognosen.

Ein Abschluss ohne Vorlaufzeit soll Führungskräften in Echtzeit eine abgestimmte und nachvollziehbare Sicht auf die Finanzlage des Unternehmens geben. Kontinuierliche Prognosen bauen auf dieser Grundlage auf. Sie zeigen, wie sich das Unternehmen entwickelt, was als Nächstes geschehen könnte und welche Entscheidungen das Ergebnis verändern könnten.

An beiden Zielen arbeiten wir noch. Die Arbeit hat die Arbeitsweise unseres Teams bereits verändert. Sie hat uns über die Grenzen statischer Tabellen, manueller Suchen nach Belegen und Präsentationen hinausgeführt, hin zu dynamischen Werkzeugen, die auf dem vollständigen Kontext und den Daten des Unternehmens basieren. Zudem können Fachkräfte im Finanzbereich nun selbst die benötigten Werkzeuge entwickeln und ihr Fachwissen umfassender einsetzen.

Darin liegt für mich das eigentliche Potenzial einer KI-nativen Finanzfunktion: Das Team versteht aktuelle Entwicklungen in Echtzeit, zeigt Führungskräften die bevorstehenden Optionen auf und gibt dem Unternehmen mehr Zeit zum Handeln, solange das Ergebnis noch beeinflusst werden kann.

Dafür reicht es nicht, neue Technologie einzuführen. Die Arbeit muss auf die wichtigen Entscheidungen ausgerichtet werden. Menschen brauchen Raum zum Experimentieren, jeder Arbeitsablauf klare Verantwortlichkeiten und die verlässlich von KI erledigte Arbeit muss gemessen werden, um den ROI nachvollziehbar zu machen.

Aus unserer Erfahrung lassen sich fünf praktische Erkenntnisse ableiten, die alle CFOs anwenden können.

Der erste Schritt war ein breiter Zugang. Menschen brauchen die Freiheit, KI im Kontext ihrer eigenen Arbeit zu erkunden. Den größten Wert schafft der Zugang in Verbindung mit strukturierten Experimenten zu realen Problemen.

Wir holten Vertriebsingenieur:innen zu einem Finanz-Hackathon und baten das Team, Aufgaben mitzubringen, die es grundlegend verändern wollte. Ein Ergebnis war IR-GPT, ein individueller GPT, der auf den genehmigten Unterlagen basiert, mit denen unser Investor-Relations-Team Due-Diligence-Fragen beantwortet. Außerdem begannen wir, individuelle GPTs unter anderem für Beschaffung und Steuern zu entwickeln.

Durch den Hackathon wurde KI von einer abstrakten Fähigkeit zu einem praxistauglichen Werkzeug. An nur einem Tag konnten die Beteiligten eine wiederkehrende Aufgabe identifizieren, eine Lösung entwickeln, sie mit Teammitgliedern testen und verbessern. Die Anwendungsfälle kamen von den Menschen, die mit der Arbeit am besten vertraut waren. Technische Fachleute halfen ihnen, schneller voranzukommen.

Für CFOs ist die Erkenntnis einfach: Experimente von unten und eine Strategie von oben sind gleichermaßen nötig. Gib den Menschen sichere, leistungsfähige KI an die Hand und lass diejenigen, die der Arbeit am nächsten sind, bessere Vorgehensweisen finden. Richte gleichzeitig die Aufmerksamkeit und Ressourcen der Führung auf die Veränderungen, die für das Unternehmen am wichtigsten sind. Die eigentliche Chance entsteht, wenn beides zusammenkommt: praxisnahe Ideen aus dem Arbeitsalltag, angewandt auf deine wichtigsten Prioritäten.

Finanzteams wenden enorm viel Energie auf, um die Grundlagen für eine Entscheidung zusammenzustellen. Für eine Prognoseprüfung müssen Menschen unter Umständen die neuesten Daten finden, Tabellen abstimmen, Abweichungen erklären, Diagramme erstellen, Dokumente vorbereiten und daraus Präsentationsfolien erstellen. Die Analyse erreicht schließlich die entscheidende Person, doch bis dahin hat das Team bereits viel Zeit für ihre Zusammenstellung aufgewendet.

KI verändert die Arbeitseinheit. Führungskräfte im Finanzbereich können den gesamten Weg von den Quelldaten bis zur Entscheidung neu gestalten.

Betrachten wir den Abschluss. CFOs kennen den monatlichen Prozess: Istwerte in einem System, Bestellungen in einem anderen, Rückstellungen in einer Tabelle und die Erklärung einer Abweichung tief in einem Nachrichtenverlauf verborgen.

Wir arbeiten auf ein anderes Betriebsmodell hin. Das Ziel eines Abschlusses ohne Vorlaufzeit besteht darin, genehmigte Ausgabenpläne, Istwerte aus dem Hauptbuch, Bestellungen, Rückstellungen und Transaktionsdetails in einer kontinuierlich abgestimmten Ansicht zu verbinden. Jede Abweichung lässt sich auf die zugrunde liegende Aktivität zurückführen. KI kann eine erste Erklärung vorbereiten und auf Ausnahmen hinweisen, die geprüft werden müssen. Das Finanzteam validiert die Zahlen, nimmt eine fundierte Beurteilung vor und verantwortet die endgültige Freigabe.

Der Abschluss verschwindet nicht. Allmählich verschwindet jedoch die Hektik, nach Ende des Berichtszeitraums die Geschäftsentwicklung zu rekonstruieren.

Diese abgestimmte Grundlage kann eine kontinuierlich aktualisierte Prognose ermöglichen. Unser Team entwickelt Arbeitsabläufe, die statistische Modelle, Verkaufsgespräche, Belege auf Kontoebene, operative Daten und die Beurteilung des Finanzteams zusammenführen.

Wir überwinden die Grenzen von Tabellenkalkulationen und setzen auf interaktivere Werkzeuge, die statistische Prognosen, stützende Belege und Szenarien in einer dynamischen Ansicht zusammenführen. Führungskräfte können sehen, was und warum es sich geändert hat und welche Entscheidungen das Ergebnis beeinflussen könnten. Fehlt eine neue Zusage eines Unternehmenskunden in der Ausgangsbasis, kann das System die stützenden Belege anzeigen und zeigen, wie sich eine Anpassung auf das Quartal oder Jahr auswirken würde. Das Finanzteam kann die Annahmen prüfen, Szenarien vergleichen und entscheiden, ob die genehmigte Prognose aktualisiert werden soll.

Dieselbe Ansicht kann Führungskräften helfen, bessere Entscheidungen zur Kapitalallokation zu treffen. Ein Finanzteam kann erkennen, wo Marketingausgaben Erträge erzielen, wo die Wirkung nachlässt und was eine Umschichtung des nächsten investierten Betrags bewirken könnte.

Das Ziel ist eine automatisierte Prognose. Eine kontinuierlich aktualisierte Ansicht, schnellere Szenarioanalysen und eine klare Verantwortung des Finanzteams führen uns dorthin.

Die übergeordnete Erkenntnis lautet: Beginne mit einer folgenreichen Entscheidung und arbeite dich von dort rückwärts vor. Erfasse die Daten, Werkzeuge, Genehmigungen und Übergaben, die dafür erforderlich sind. Bestimme dann, welche Teile die KI analysieren, koordinieren oder erledigen kann. Das verbessert Tempo und Qualität des gesamten Entscheidungszyklus.

Die größere Veränderung besteht darin, dass Fachkräfte im Finanzbereich nun selbst die Werkzeuge entwickeln können, die sie für ihre Arbeit benötigen.

Aktuelle Forschung von OpenAI zeigt, dass 40 % der spezialisierten KI-Nutzung durch Fachkräfte im Finanzbereich auf Tätigkeiten außerhalb des traditionellen Finanzwesens entfallen und 22 % auf technische Aufgaben.

Alle in meinem Team entwickeln mit ChatGPT Work und Codex individuelle KI-Dashboards und Werkzeuge. Die Arbeit verlagert sich von statischen Excel-Modellen und PowerPoint-Präsentationen hin zu dynamischen Dashboards, die den vollständigen Kontext und die Daten des Unternehmens nutzen. Diese Werkzeuge können eine Analyse weiterführen, Folgefragen beantworten und bei Änderungen der zugrunde liegenden Informationen Aktualisierungen vornehmen.

Ein Teammitglied, das unser Werbegeschäft unterstützt, hatte noch nie programmiert. Mit Codex entwickelte er ein Werkzeug, das unsere monatliche Werbeprognose in Wochen- und Tagespläne überführt. Es berücksichtigt Werk- und Feiertage, vergleicht Prognosen und verknüpft jede Zahl mit dem genehmigten Modell. Marketingverantwortliche können schnell erkennen, was sich geändert hat, wo investiert werden sollte und welchen Ertrag zusätzliche Ausgaben bringen könnten.

Die Menschen, die das Problem verstehen, können nun die Lösung gestalten. Die Entwicklung dieser Werkzeuge regt sie außerdem dazu an, die bisherige Arbeitsweise zu überdenken. Eine Fachkraft im Finanzbereich kann die benötigte Entscheidungsinfrastruktur entwickeln, sie mit Teammitgliedern testen und parallel zur Weiterentwicklung der Arbeit verbessern.

Finanzteams werden dadurch nicht weniger spezialisiert. Sie können ihr Fachwissen vielmehr umfassender einsetzen.

IR-GPT hat uns eine wichtige Lektion über Kontrolle vermittelt. Bei Due-Diligence-Fragen von Investierenden müssen Fachkräfte unter Umständen frühere Unterlagen durchsuchen, eine Antwort entwerfen, deren Konsistenz prüfen und die Prüfung koordinieren. Mit einem individuellen GPT, das auf genehmigten Quellen basiert, kann eine Arbeit, die früher Stunden dauerte und manchmal über Nacht fortgesetzt wurde, nun in Sekunden einen fundierten ersten Entwurf liefern.

Die Rolle des Menschen bleibt zentral. Unser Investor-Relations-Team liest den Entwurf, ergänzt Beurteilungen und Kontext und prüft, ob unsere Antworten gegenüber allen Investierenden konsistent bleiben. KI beschleunigt die Arbeit. Menschen tragen die Verantwortung für das Ergebnis.

Das ist das richtige Modell für den Finanzbereich. CFOs sollten gemeinsam mit IT- und Governance-Teams festlegen, auf welche Daten ein KI-System zugreifen darf, welche Aktionen es ausführen kann, wann eine Genehmigung erforderlich ist und wann ein Problem eskaliert werden sollte. Jedes Ergebnis sollte mit einer verlässlichen Quelle verknüpft sein. Jede Prognose sollte eine klare Erläuterung enthalten. Jede Änderung einer genehmigten Ausgangsbasis sollte die Zustimmung des Finanzteams erfordern.

Der kurze Hype um das „Tokenmaxxing“ ist vorbei. Nutzungslimits, Budgetkontrollen, rollenbasierte Zugriffsrechte, Regeln für die Modellweiterleitung und Genehmigungsschwellen lassen sich inzwischen unkompliziert festlegen. CFOs können die KI-Nutzung mit derselben Disziplin steuern wie alle anderen variablen Ausgaben und den Teams zugleich Raum zum Entwickeln und Experimentieren geben.

Klare Verantwortlichkeiten schaffen das nötige Vertrauen, um schneller handeln zu können. Wenn Zusammenführung, Abstimmung und Vorbereitung schneller werden, haben Fachkräfte im Finanzbereich mehr Zeit, Annahmen zu hinterfragen, das Unternehmen zu beraten und fundierte Beurteilungen vorzunehmen.

CFOs brauchen eine auf der operativen Leistung basierende Kennzahlenübersicht für KI. Mehr Lizenzen zu kaufen oder mehr Tokens zu nutzen, sagt wenig aus. Entscheidend ist, ob die Arbeit gut erledigt wird und was sie tatsächlich kostet.

Stelle für jeden Arbeitsablauf vier Fragen:

• Hat die KI relevante Arbeit erledigt?
• Was hat sie einschließlich Arbeitszeit, Prüfung und Nacharbeit gekostet?
• War das Ergebnis gut genug, um es zu verwenden?
• Hat es uns geholfen, schneller zu agieren oder eine bessere Entscheidung zu treffen?

Für ein Finanzteam kann nützliche Arbeit bedeuten, eine Prognose zu aktualisieren, eine Abweichung zu erklären, eine Prüfungsanfrage zu bearbeiten oder eine Frage des Aufsichtsrats zu beantworten. Für den Abschluss könnte die Kennzahlenübersicht die Durchlaufzeit, den Anteil automatisch abgestimmter Transaktionen, die Zahl der prüfpflichtigen Ausnahmen und den Zeitaufwand für die Erklärung einer Abweichung umfassen. Bei Prognosen könnte sie die Prognosegenauigkeit, die Aktualisierungshäufigkeit, den Zeitaufwand für ein neues Szenario und die Qualität der Entscheidungen umfassen, die auf der Prognose beruhen.

Das günstigste Modell ist nicht immer das wirtschaftlichste. Wenn ein besseres Modell mit weniger Versuchen und Prüfaufwand eine verlässliche Antwort liefert, kann es insgesamt weniger kosten.

Der Finanzbereich steht im Zentrum von Strategie, Kapital, Daten, Risiken und Leistung. Dadurch haben CFOs einen einzigartigen Einblick in die Arbeitsweise des Unternehmens und ein starkes Mandat, seine KI-Transformation zu leiten.

Eine KI-native Finanzfunktion zeichnet sich durch schnellere Zyklen, stärkere Kontrollen, bessere Entscheidungen und mehr Zeit für fundierte Beurteilungen aus. Der Weg beginnt mit einem relevanten Arbeitsablauf und wird anhand von Belegen erweitert: Gib den Menschen die Werkzeuge, hilf ihnen, die Arbeit neu zu gestalten, sorge für klare Verantwortlichkeiten und miss das Ergebnis.

Der Abschluss ohne Vorlaufzeit und die kontinuierliche Prognose stehen für ein umfassenderes Ziel: ein Finanzteam, das aktuelle Entwicklungen in Echtzeit versteht, Führungskräften mögliche nächste Entwicklungen aufzeigt und dem Unternehmen hilft, früher bessere Entscheidungen zu treffen.

Das Ergebnis sind ein leistungsfähigeres Finanzteam und ein klarerer Blick des CFO auf das Unternehmen. Zugleich entsteht ein praxistaugliches Modell dafür, wie das gesamte Unternehmen Intelligenz in dauerhaften Wert verwandeln kann. Wie ich immer sage: Du kann nicht werden, was du nicht siehst. Wenn unsere Finanzteams die Möglichkeiten der KI nutzen sollen, müssen wir ihnen zeigen, wie das in der Praxis aussieht. Als CFOs müssen wir bei uns selbst anfangen.

Mein Finanzteam hat gezeigt, wie das in der Praxis aussieht. Du kannst dir hier die Aufzeichnung ansehen⁠(wird in einem neuen Fenster geöffnet).