KI im Finanzwesen der GCC: Ein vertrauenswürdiger Zahlen-Layer

Ein Finanzleiter in Riad erzählte mir, sein Team habe drei KI-Werkzeuge freigegeben, budgetiert und im Einsatz. Keines davon lieferte eine Zahl, die er seinem Aufsichtsgremium vorlegen würde. Er nutzte sie, um E-Mails zu entwerfen.

Das beschreibt die eigentümliche Lage, in der sich das Finanzwesen am Golf derzeit befindet. Kaum eine Region der Welt investiert schneller in KI. McKinsey beziffert die KI-Adoption in GCC-Unternehmen für 2025 auf rund 84 %, nach etwa 62 % zwei Jahre zuvor. Staatliche Programme in Saudi-Arabien und den VAE behandeln KI als nationale Infrastruktur, nicht als einen IT-Posten. Der Anspruch ist real, und er ist finanziert.

Und dennoch zeigt sich der Mehrwert in der Finanzfunktion nicht. Quer durch die C-Level-Befragungen in der GCC wiederholt sich dasselbe Muster: Die meisten Organisationen haben generative KI pilotiert, eine kleine Minderheit kann auf einen messbaren finanziellen Effekt verweisen. Der Engpass entpuppt sich fast nie als das Modell. Es sind die Daten, auf denen das Modell steht, und die Frage, ob jemand die erzeugte Zahl belegen kann.

Für einen CFO in Dubai oder Dschidda ist genau dieser letzte Punkt keine akademische Frage. Sie agieren innerhalb der ZATCA-Freigabe, der elektronischen Rechnungsstellung der VAE, der Erwartungen von SAMA und CBUAE sowie der Datenvorgaben des PDPL. Eine selbstbewusst vorgetragene, aber falsche Kennzahl ist nicht bloß peinlich. Sie ist ein Compliance-Risiko.

Warum das Finanzwesen am Golf KI schnell einführte und ihr nur langsam vertraut

Es klafft eine Lücke zwischen zwei Dingen, die eigentlich Hand in Hand gehen sollten: wie beeindruckend KI in einer Demo wirkt und wie verlässlich sie auf Ihrem tatsächlichen Hauptbuch arbeitet.

Die Demo ist wirklich gut. Bitten Sie ein Modell, eine Aufsichtsratsvorlage zusammenzufassen, und es liest sich, als hätte ein scharfsinniger Analyst sie verfasst. Die Schwierigkeiten beginnen, sobald Sie es rechnen lassen. Große Sprachmodelle rechnen nicht. Sie sagen das nächste Token voraus. Zahlen werden in Fragmente zerlegt, und das Modell hangelt sich per Mustererkennung zu etwas, das wie eine Antwort aussieht. Bei sauberer, isolierter Arithmetik funktioniert das oft. Bei einer realen Konsolidierung – über Gesellschaften, Währungen und einen unterjährig geänderten Kontenrahmen hinweg – erzeugt es eine Zahl, die autoritativ klingt und sich gegen nichts abstimmen lässt.

Wir haben das in Warum KI bei Finanzberechnungen falsch liegt auseinandergenommen. Kurz gesagt: Das Versagen ist strukturell und kein Fehler, den ein größeres Modell behebt.

Legen Sie nun die Datenrealität der meisten Golf-Gruppen darüber. Mehrere Gesellschaften. QuickBooks in der einen Tochter, ein lokalisiertes ERP in der anderen, Tabellenkalkulationen für all das, was niemand migriert hat. Arabisch und Englisch nebeneinander. Östliche und westliche Ziffern. Solange diese Quellen sich nicht auf eine einzige abgestimmte Zahl einigen, fasst auch das leistungsfähigste Modell der Welt nur Uneinigkeit zusammen – eloquent zwar, aber Uneinigkeit.

Compliance macht den Nachweis der Herleitung unverzichtbar

Außerhalb der Region ist eine falsche KI-Zahl ein Managementproblem. In der GCC liegt die regulatorische Messlatte höher, und sie steigt rasch.

Nehmen Sie Saudi-Arabien. Die Fatoorah-Plattform der ZATCA verarbeitete 2025 Milliarden elektronischer Rechnungen, ein deutlicher Sprung gegenüber dem Vorjahr, und die Integrationswellen der Phase 2 ziehen weiterhin nach Umsatzklassen immer mehr Unternehmen hinein, mit Fristen bis 2026. Rechnungsdaten müssen innerhalb des Königreichs gespeichert werden. In den VAE machen das Rahmenwerk zur elektronischen Rechnungsstellung und Strafvorschriften auf Kabinettsebene korrekte, quellennachvollziehbare Aufzeichnungen zu einer gesetzlichen Pflicht, nicht zu einer bloßen Empfehlung.

Hinzu kommt, wie die Aufsichtsbehörden das Verhalten der KI selbst erwarten. Die Vorgaben von SAMA und CBUAE stellen Erklärbarkeit, menschliche Aufsicht und Prüfrechte über KI-gestützte Entscheidungen stark in den Vordergrund. Die KI-Vorgaben der CBUAE gehen so weit, von Instituten zu erwarten, dass sie die Fähigkeit behalten, ein System zu übersteuern und abzuschalten.

Zusammengenommen ist die Anforderung einfach formuliert und schwer vorzutäuschen: Wenn eine KI eine Zahl ausweist, müssen Sie sie bis zur Quelle zurückverfolgen, die Berechnung offenlegen und nachweisen können, dass sie nicht unbemerkt verändert wurde. Eine Blackbox, die eine Kennzahl ohne Herkunftsnachweis ausgibt, scheitert an diesem Test, noch bevor das Gespräch über die Genauigkeit überhaupt beginnt. Wir gehen darauf in Prüfpfade für KI im Finanzwesen aufbauen ausführlicher ein.

Das fehlende Stück ist ein abgestimmter Zahlen-Layer

Die meisten Teams greifen zu einem besseren Chatbot. Die eigentliche Lücke liegt eine Ebene tiefer.

Rexfin baut genau diese Ebene. Es verbindet sich mit Ihren Buchhaltungs- und Finanzdatenquellen – QuickBooks, Xero, NetSuite, Sage, Ihrem Data Warehouse oder hochgeladenen Abschlüssen – und stimmt sie zu einem einzigen Finanzmodell ab, das sich gegen das Hauptbuch abstimmen lässt. Eine einzige verlässliche Datenbasis, keine zweite Kopie, die mit der Zeit auseinanderdriftet. Sie können sehen, wie das abgestimmte Modell aufgebaut wird und welche Systeme es anbindet.

Was das Vertrauen der CFOs gewinnt, ist die Trennung von Abruf und Berechnung:

• Die KI ruft Werte aus dem abgestimmten Modell ab, statt sie zu erraten.
• Berechnungen laufen über eine deterministische Engine, nicht über das Sprachmodell. Dieselbe Frage liefert jedes Mal dieselbe Antwort.
• Was-wäre-wenn-Szenarien laufen gegen die verifizierte Basislinie, sodass eine Prognose reproduzierbar ist und nicht eine einmalige Erzeugung.
• Jedes Ergebnis lässt sich bis zur Quelle zurückverfolgen – bereit für ZATCA, SAMA, CBUAE oder Ihren externen Abschlussprüfer.

Das Sprachmodell tut das, worin es tatsächlich gut ist: die Frage verstehen, die Antwort einordnen. Die Zahl erfinden darf es nie. Diese Arbeitsteilung ist der ganze Sinn eines vertrauenswürdigen Modellierungs-Layers.

Warum ist das am Golf wichtiger als fast irgendwo sonst? Wegen der Struktur der dortigen Finanzteams. Familienkonglomerate, Freizonengesellschaften und im Eiltempo zugekaufte Töchter führen dazu, dass ein einzelner CFO oft über einem Dutzend Büchern sitzt, die nie für eine saubere Konsolidierung ausgelegt waren. Allein die Intercompany-Eliminierungen können einen Controller Tage kosten. Wenn ein KI-Werkzeug eine konzernweite Frage beantwortet, ohne diese Bücher zuvor abzustimmen, irrt es sich nicht um einen Rundungsfehler. Es liegt falsch, weil es die echte Zahl nie zu Gesicht bekommen hat. Abstimmung ist kein nettes Extra zur KI obendrauf. Sie ist die Voraussetzung dafür, dass es sich überhaupt lohnt, die KI einzuschalten.

Ich will bei den Grenzen ehrlich sein. Das macht die KI nicht allwissend, und es rettet keine Quelldaten, die schon vor ihrer Ankunft falsch sind. Es verlagert das Vertrauensproblem dorthin, wo Sie es tatsächlich steuern können: zu Abstimmung und Herkunftsnachweis, statt bei einer Blackbox die Daumen zu drücken.

Wie sich das über den Golf hinweg darstellt

Das Verlässlichkeitsproblem ist regionsweit dasselbe. Die Ausprägung nicht.

Compliance hat in jedem Markt eine eigene Form: Freigabemodelle, Fristen zur elektronischen Rechnungsstellung, Aufbewahrungsregeln und die Pflicht zur Speicherung innerhalb des Königreichs schlagen in Riad anders zu Buche als in Abu Dhabi. Die Einzelheiten arbeiten wir in ZATCA, elektronische Rechnungsstellung und prüfungssichere Modelle heraus.

Sprache ist ein eigenes technisches Problem. Arabisch-first-Modelle wie Jais, Falcon und ALLAM haben beim arabischen Finanz-Reasoning aufgeholt, doch gemischte Ziffernsysteme und der Code-Wechsel zwischen IFRS und AAOIFI bringen sie nach wie vor ins Straucheln. Auch ein leistungsfähiges arabisches Modell braucht darunter eine deterministische Ebene für die eigentliche Rechenarbeit – das ist die Argumentation in Arabisch-first-Finanz-KI.

Und die Datenresidenz ist zu einer Frage auf Vorstandsebene geworden. Mit HUMAIN, Katars nationaler KI-Initiative, der PDPL-Lokalisierung und ausdrücklichen Prüfrechten in den CBUAE-Vorgaben ist der Ort, an dem Ihre abgestimmten Finanzdaten liegen, heute eine Governance-Entscheidung und kein Infrastrukturdetail. Wie Sie Zahlen innerhalb des Golfs halten, behandeln wir in Souveräne KI, souveräne Zahlen. Ausgangspunkt für all das ist das Vertrauensproblem selbst: Warum CFOs in der GCC ihren Zahlen mit KI nicht trauen.

Die Reihenfolge, die wirklich funktioniert

Der Reflex in der gesamten Region lautet, zuerst zu automatisieren und später zu vertrauen, in der Wette, das nächste Modell-Release schließe die Lücke. Tut es nicht. Eine schnellere Maschine mit schlechtem Treibstoff erreicht die falsche Zahl nur früher, und in Maschinengeschwindigkeit ist das schlimmer, nicht besser.

Vertrauen zuerst. Bauen Sie ein einziges abgestimmtes Modell, gegen das sich Ihre Zahlen abstimmen lassen. Machen Sie jede Kennzahl bis zur Quelle nachvollziehbar und jede Berechnung deterministisch. Lassen Sie dann die KI dagegen abrufen und rechnen. Gehen Sie in dieser Reihenfolge vor, und die KI hört auf, das Werkzeug zum Entwerfen von E-Mails zu sein, und wird zu dem, das Sie Ihrem Aufsichtsgremium vorlegen.

Wenn Sie ein CFO am Golf sind, der KI auf seinen Zahlen will, ohne seine Prüfung auf eine Blackbox zu setzen, vereinbaren Sie eine Demo, und wir stimmen einen Ausschnitt Ihrer echten Daten ab, damit Sie eine nachverfolgte Zahl von Anfang bis Ende sehen können.