KI-Automatisierung im FP&A: Prognosen, die vor dem Aufsichtsrat Bestand haben

Ein Aufsichtsratsmitglied fragt, woher die Umsatzzahl für das dritte Quartal stammt. Sie haben elf Sekunden, bevor das Schweigen unangenehm wird. Wenn Ihre Antwort lautet „das sagt das Modell” und dieses Modell ein Sprachmodell ist, das eine nur halb verstandene Tabelle zusammengefasst hat, dann steuern Sie auf eine unschöne Sitzung zu.

Genau diese Lücke ist derzeit das eigentliche Problem von KI in der Finanzplanung. Die Demos sind beeindruckend. Eine Frage eingeben, eine Prognose erhalten, zusehen, wie sich das Diagramm wie von selbst aufbaut. Dann stellt jemand mit treuhänderischer Verantwortung die einzige Frage, auf die es ankommt: Können Sie für diese Zahl geradestehen? Und die meisten KI-Tools verstummen, denn sie haben die Zahl erzeugt, statt sie berechnet.

In diesem Hub geht es darum, diese Lücke zu schließen. Nicht, indem wir der Maschine weniger vertrauen, sondern indem wir ändern, was die Maschine überhaupt tun darf. Die These ist einfach, und wir werden sie auf der gesamten Strecke verteidigen: Die KI soll Ihr Finanzmodell ausführen. Erfinden soll sie es niemals.

Warum der naheliegende Ansatz scheitert

Der erste Impuls ist, ein leistungsfähiges Sprachmodell auf die eigenen Zahlen anzusetzen und prognostizieren zu lassen. Es wirkt wie Zauberei und zerbricht wie Glas.

Dieses Fehlerbild hat in der Forschungsliteratur einen Namen. Modelle konfabulieren. Sie produzieren flüssige, selbstbewusste, plausible Zahlen, die keinerlei rechnerische Grundlage haben. Eine Prognose, die um 4 % danebenliegt, weil eine Wachstumsannahme zu ambitioniert war, ist eine ganz normale Prognose, über die man streiten kann. Eine Prognose, die um 4 % danebenliegt, weil das Modell stillschweigend zwei Kohorten vertauscht und anschließend gemittelt hat, ist überhaupt keine Prognose. Sie ist eine Halluzination im Finanzkostüm.

Es gibt ein zweites, leiseres Versagen. Selbst wenn das Sprachmodell die Rechnung annähernd richtig hinbekommt, kann es seinen Rechenweg nicht so offenlegen, dass er einer Prüfung standhält. Bitten Sie es, die Kalkulation zu reproduzieren, erhalten Sie womöglich einen anderen Weg zu einem anderen Ergebnis. Für eine Finanzleitung ist mangelnde Reproduzierbarkeit ein Ausschlusskriterium. Der gesamte Wert eines Modells liegt darin, dass es jedes Mal identisch aufgeht, sodass das Gespräch um die Annahmen kreisen kann statt um die Arithmetik.

Die Frage lautet also nicht „ist die KI klug genug”. Die führenden Modelle sind reichlich klug. Die Frage lautet „welchen Teil der Arbeit soll die KI tatsächlich übernehmen”. Beantworten Sie das falsch, haben Sie genau den Teil automatisiert, den Sie am dringendsten unter Kontrolle behalten mussten.

Die Trennung, die KI belastbar macht

Hier ist die Arbeitsteilung, die unserer Überzeugung nach dem Druck auf Vorstandsebene standhält.

Überlassen Sie der KI Sprache und Urteilsvermögen. Sie liest Ihre Frage, ermittelt, welche Kennzahlen und Treiber relevant sind, entscheidet, welches Szenario zu rechnen ist, und verfasst die Erläuterung, die ein Mensch lesen kann. Genau darin sind diese Modelle wirklich gut, und das ist anspruchsvolle, wertvolle Arbeit.

Überlassen Sie der KI nicht die Arithmetik. Jede Zahl, die vor Ihrem Aufsichtsrat landet, sollte aus einer deterministischen Finanz-Engine stammen, nicht aus einem Token-Prädiktor. Gleiche Eingaben, gleiche Ergebnisse, jedes Mal, rückverfolgbar bis zur Quellzeile im Hauptbuch. Das Modell orchestriert. Die Engine rechnet. Wenn jemand fragt, woher die Zahl für das dritte Quartal kommt, können Sie die Kette rückwärts durch die Berechnung bis zu den abgestimmten Salden verfolgen, von denen sie ausging.

Das ist der Unterschied zwischen einem Tool, das in der Demo beeindruckt, und einem Tool, für das Sie mit Ihrem Namen einstehen können. Mehr zu dieser Grenze haben wir unter warum die KI nicht rechnen sollte geschrieben, und sie ist der tragende Gedanke unter allem Weiteren hier.

Alles ruht auf einem einzigen abgestimmten Modell

Auf einem Chaos lässt sich nicht sauber prognostizieren. Das ist der Teil, den die meisten KI-Finanzpitches überspringen, weil er der unspektakuläre ist.

Bevor eine Prognose es wert ist, verteidigt zu werden, brauchen Sie ein einziges Finanzmodell, das zum Hauptbuch aufgeht. Eine abgestimmte Single Source of Truth, zusammengeführt aus all den Orten, an denen Ihre Zahlen tatsächlich liegen: QuickBooks, Xero, NetSuite, Sage, die SAP- oder Oracle-Instanz der Muttergesellschaft, das Data Warehouse Ihres Analytics-Teams oder die Abschlüsse, die Sie hochladen, wenn ein System keine saubere API bietet. Rexfin bindet diese Quellen an, stimmt sie ab und baut dieses eine Modell, sodass die Zahlen, die die KI abruft, mit den Zahlen übereinstimmen, die Ihre Wirtschaftsprüfer vorfinden würden.

Überspringen Sie diesen Schritt, prognostiziert die klügste Forecasting-Ebene der Welt auf Sand. Die Abweichung, die Sie markieren, ist Rauschen aus zwei Systemen, die sich widersprechen. Das Szenario, das Sie modellieren, geht von einer Umsatzzahl aus, die nicht zum Hauptbuch passt. Abstimmung ist keine Aufräumarbeit, die Sie vor der eigentlichen Arbeit erledigen. Sie ist das, was die eigentliche Arbeit erst wahr macht. Wie der Schritt der Anbindung und Abstimmung abläuft, sehen Sie auf der Seite So funktioniert es, und welche Systeme sich anschließen lassen, unter Integrationen.

Wie Automatisierung aussieht, sobald das Fundament trägt

Mit einem abgestimmten Modell als Basis und einer deterministischen Engine, die rechnet, wird die FP&A-Arbeit, die früher Ihre Woche verschlang, zur Routine.

Treiberbasierte Planung ist nicht länger ein fragiles Geflecht verketteter Zellen. Sie definieren die Treiber einmal, verankern sie in Ist-Zahlen, und die KI schlägt Annahmen vor, die Sie übernehmen, anpassen oder ablehnen können. Die Engine rechnet das Modell neu durch. Sie streiten über die Treiber, und genau dort gehört das Urteilsvermögen hin, statt um 23 Uhr einen kaputten Zellbezug zu debuggen.

Rollierende Forecasts werden kontinuierlich, statt quartalsweise zum Feuerwehreinsatz zu geraten. Treffen Ist-Zahlen ein, aktualisiert sich das abgestimmte Modell, und die Vorschau projiziert auf derselben deterministischen Grundlage neu. Kontinuierliche Planung ist seit einem Jahrzehnt ein erklärtes Ziel. Dass sie sich selten durchgesetzt hat, lag daran, dass das manuelle Neuverknüpfen brutal war. Nehmen Sie das heraus, und der rollierende Forecast rollt einfach weiter.

Abweichungsanalyse verwandelt sich von Archäologie in eine Frage, die Sie in klarer Sprache stellen. Warum ist die Bruttomarge gegenüber dem Plan abgerutscht? Die KI identifiziert die bewegten Teile, die Engine quantifiziert jedes davon gegen die abgestimmten Ist-Zahlen, und Sie erhalten eine Zerlegung, die bis zur Quelle zurückverfolgt. Die Erzählung schreibt sich von selbst, doch die Zahlen darin sind berechnet, nicht geraten. Mehr dazu unter Szenarioplanung, die bis zur Quelle zurückverfolgt.

Szenarioplanung ist der Bereich, in dem sich die Trennung am stärksten auszahlt. „Was passiert mit der Liquiditätsreichweite, wenn wir die Einstellungen zwei Quartale lang drosseln und die Abwanderung um 1,5 Punkte steigt?” Die KI bildet diesen Satz auf die richtigen Treiber ab. Die Engine rechnet ihn deterministisch durch. Sie vergleichen Szenarien nebeneinander, in dem Wissen, dass jede Zelle reproduzierbar und jede Annahme sichtbar ist.

Zur Prognosegenauigkeit ein offenes Wort

Wir werden Ihnen nicht versprechen, dass die KI Ihre Prognosen wie von Zauberhand treffsicher macht. Das schafft kein Tool, und wer etwas anderes behauptet, will Ihnen etwas verkaufen.

Genauigkeit entsteht aus guten Annahmen, sauberen Eingaben und einer engen Rückkopplung zwischen Forecast und Ist. Was Ihnen diese Architektur einbringt, ist enger gefasst als „bessere Vorhersagen” und nützlicher, als es klingt: Sie beseitigt den Fehler, den Sie nie hätten haben dürfen. Keine Übertragungsfehler, keine stillschweigende rechnerische Drift, keine Zahl, die dem Hauptbuch widerspricht, keine Zahl, die Sie nicht reproduzieren können. Sie macht aus einer falschen Annahme keine richtige. Sie sorgt aber dafür, dass eine verfehlte Prognose aus einem Grund verfehlt wurde, den Sie finden und aus dem Sie lernen können, statt aus einem Fehler, den Sie nie zurückverfolgen werden. Für eine Planungsfunktion ist genau diese sich aufsummierende Rückkopplungsschleife ohnehin der Großteil des langfristigen Genauigkeitsgewinns.

Das Eingeständnis ist der eigentliche Punkt. Einem Tool, das zugibt, was es nicht kann, vertraut man bei dem, was es kann, leichter.

Das Fazit

Die Frage des Aufsichtsrats ändert sich nie. Woher kommt diese Zahl, und können Sie sie verteidigen. Jede Entscheidung über KI-gestützte Prognosen sollte daran gemessen werden, ob Sie diese Frage laut beantworten können.

Führen Sie das Modell mit KI aus. Bauen Sie es mit einer deterministischen Engine auf einem abgestimmten Fundament. Halten Sie die Arithmetik aus den Händen des Sprachmodells heraus und die Erläuterungen darin. Tun Sie das, und „das sagt das Modell” wird zu einem vollständigen Satz, weil Sie ihn mit der Berechnung und der Quelle zu Ende führen können.

Wenn Sie sehen möchten, wie eine Prognose von der Frage auf Vorstandsebene bis zurück zu einem abgestimmten Hauptbuchposten verfolgt wird, buchen Sie eine Demo und bringen Sie Ihre schwierigste Abweichung mit.