Die FP&A-KI-Checkliste für den Einkauf: 12 Fragen, mit denen Sie eine Black-Box-Prognose vermeiden

Eine Beschaffungs-Checkliste für Skeptiker zu KI-Werkzeugen im FP&A: Nachvollziehbarkeit, deterministische Berechnung, Abstimmung mit dem Hauptbuch, reproduzierbare Szenarien und Prüfpfade, die einer Frage des Aufsichtsrats standhalten.

Eine Demo ist der denkbar schlechteste Ort, um ein FP&A-Werkzeug zu beurteilen. Die Daten sind sauber, die Szenarien einstudiert, und die Zahl auf dem Bildschirm stimmt immer, weil jemand dafür gesorgt hat. Die eigentliche Bewährungsprobe kommt fünf Monate später, in einer Aufsichtsratssitzung, wenn ein Mitglied auf die revidierte Prognose deutet und fragt: „Warum liegt das dritte Quartal elf Prozent unter dem, was Sie uns im März gezeigt haben, und woher stammt diese Annahme zur Bruttomarge?“ Wenn Ihr Werkzeug das vor versammelter Runde beantworten kann, haben Sie das richtige gekauft. Wenn nicht, haben Sie einen souveränen Erzähler gekauft.

Die meisten KI-Pitches im FP&A sind darauf ausgelegt, die Demo zu gewinnen, nicht die Frage des Aufsichtsrats. Die Aufgabe im Einkauf besteht also darin, das zweite Szenario zu durchleuchten, solange Sie noch Verhandlungsmacht haben. Im Folgenden finden Sie zwölf Fragen, gruppiert nach den vier Schwachstellen, an denen solche Werkzeuge tatsächlich scheitern: nicht nachvollziehbare Zahlen, Rechnungen, die das Modell erfindet, Datengrundlagen, die sich nicht abstimmen lassen, und Szenarien, die Sie nicht reproduzieren können. Stellen Sie sie in einer Reihenfolge, die das schwächste Glied zuerst freilegt.

Nachvollziehbarkeit: Lässt sich jede Zahl bis zur Quelle zurückverfolgen?

Eine Prognosezahl ist nur so gut wie Ihre Fähigkeit, sie zu rekonstruieren. Wenn das Werkzeug eine Zahl liefert und die ehrliche Antwort auf „Woher stammt das?“ eine Vektorsuche und die beste Vermutung eines Sprachmodells ist, haben Sie eine Black Box mit guten Manieren gekauft.

1. Klicken Sie auf eine beliebige Zahl in der Prognose. Kann das Werkzeug die exakten Quellzeilen, den Formelpfad und die Eingangsgrößen anzeigen, die sie erzeugt haben? Kein Verweis auf ein Dokument. Die tatsächliche Herleitung: Buchungszeilen, der Treiber, die Berechnung. „Es gibt die Quelle an“ ist eine niedrigere Hürde, als die meisten denken. Ein Verweis sagt, wo eine Zahl erwähnt wurde; die Herleitung sagt, wie sie zustande kam.

2. Wenn die KI eine Erläuterung liefert („der Umsatz ist saisonbedingt gestiegen“), ist diese Aussage mit Zahlen verknüpft, die tatsächlich im Modell existieren, oder aus dem Prompt generiert? Das ist der Unterschied zwischen einem Kommentar, der in den Daten verankert ist, und einem Kommentar, der nur verankert klingt. Lassen Sie sich dieselbe Erklärung zweimal neu erzeugen. Wenn die belegenden Zahlen abweichen, war der Kommentar nie an etwas gebunden.

3. Kann jemand ohne Modellierungskenntnisse (Ihr Wirtschaftsprüfer, ein Aufsichtsratsmitglied, eine neue Analystin) die Herleitung nachvollziehen, ohne dass Sie daneben sitzen? Nachvollziehbarkeit, die nur der Ersteller lesen kann, ist kein Prüfpfad. Das ist ein Tagebuch.

Deterministische Berechnung: Wer rechnet eigentlich?

Das ist die Frage, die seriöse Werkzeuge von beeindruckenden trennt. Sprachmodelle sind Muster-Maschinen, keine Rechenmaschinen. Sie sind brillant darin, Zahlen zu produzieren, die richtig aussehen und falsch sind, und der Fehler bleibt unsichtbar, weil die Ausgabe grammatikalisch makellos ist. Untersuchungen zu KI-generierten Finanzzahlen haben genau das dokumentiert: Eine Quartalszahl, die als Jahreswert gelesen wird, bläht eine Kennzahl um 400 Prozent auf, und das Modell behauptet es mit völliger Selbstsicherheit. Die Lösung ist kein besseres Modell. Die Lösung besteht darin, dem Modell das Rechnen vollständig zu entziehen.

4. Wenn eine Zahl berechnet wird: Rechnet ein LLM sie aus, oder rechnet eine deterministische Engine, und das LLM beschreibt das Ergebnis nur? Eine akzeptable Zwischenantwort gibt es hier nicht. Wenn das Modell rechnet, trägt jede Zahl ein Halluzinationsrisiko, das kein Konfidenzwert einpreisen kann.

5. Führen Sie dieselbe Abfrage zweimal mit identischen Eingaben aus. Erhalten Sie eine bis auf die letzte Stelle identische Zahl? Eine deterministische Engine liefert jedes Mal dieselbe Antwort. Ein Modell, das sich seine Antwort zusammensampelt, tut das nicht. Das ist ein Test von dreißig Sekunden und brutal aussagekräftig. Lassen Sie ihn live durchführen.

6. Wie behandelt das Werkzeug die Berechnungen, über die im Finanzbereich tatsächlich gestritten wird: bereinigtes EBITDA, ARR-Brücken, konzerninterne Eliminierungen, Währungsumrechnung? Allgemeine Arithmetik ist einfach. An den Berechnungen, die vor einem Wirtschaftsprüfer Bestand haben müssen, fallen Black Boxes auseinander, denn diese Definitionen sind wertend und müssen Periode für Periode auf dieselbe Weise angewandt werden.

Der Unterschied ist wichtig genug, dass wir einen eigenen Beitrag dazu geschrieben haben, warum die treiberbasierte Prognose die Berechnung deterministisch halten sollte, während die KI sich um die Stellhebel und die Sprache kümmert.

Abstimmung mit der Quelle: Stimmt die Grundlage mit dem Hauptbuch überein?

Eine Prognose, die auf einer Grundlage steht, die sich nicht abstimmen lässt, ist eine Vermutung im Gewand eines Modells. Bevor Sie irgendeine Raffinesse in der Prognose beurteilen, prüfen Sie, worauf diese Raffinesse aufsetzt.

7. Erzeugt das Werkzeug, nachdem Sie Ihr Buchhaltungssystem angebunden oder Abschlüsse hochgeladen haben, ein abgestimmtes Modell, das mit dem Hauptbuch übereinstimmt, und zeigt es Ihnen diese Abstimmung? „Es verbindet sich mit QuickBooks“ heißt, dass es Daten lesen kann. Es sagt nichts darüber aus, ob die daraus entstehenden Zahlen mit Ihren Büchern übereinstimmen. Verlangen Sie den Abstimmungsbericht, nicht das Logo des Konnektors.

8. Wenn dieselbe Kennzahl in zwei Systemen vorliegt (etwa der Umsatz im CRM und der Umsatz im ERP), welcher gewinnt, und ist diese Regel ausdrücklich festgelegt oder wird sie je Abfrage improvisiert? Wenn das Werkzeug stillschweigend wählt, erhalten Sie je nach Frage und Zeitpunkt eine andere Zahl. Eine einzige Wahrheitsquelle ist eine bewusste Entscheidung, die das Werkzeug durchsetzen sollte, kein Zufallsprodukt der Abfragereihenfolge.

9. Was passiert, wenn das zugrunde liegende Hauptbuch nachträglich korrigiert wird oder eine frühere Periode anders abschließt? Die Prognose muss wissen, dass sie nun auf verändertem Boden steht. Werkzeuge, die einmal eine Momentaufnahme machen und sie dann vergessen, sind bis zum nächsten Abschluss klammheimlich veraltet.

Reproduzierbarkeit von Szenarien und Prüfpfad: Können Sie es in sechs Monaten verteidigen?

Bei der Frage des Aufsichtsrats zu Beginn dieses Artikels geht es im Kern um Zeit. Zahlen verändern sich, und Sie müssen erklären, warum. Das setzt voraus, dass sich das Werkzeug erinnert.

10. Rufen Sie eine Prognoseversion aus dem letzten Quartal auf. Können Sie genau sehen, welche Eingaben, Treiber und Annahmen sie erzeugt haben, und sie gegen die aktuelle Version abgleichen? Ohne versionierte, reproduzierbare Szenarien gibt es auf „Warum hat sich das geändert?“ keine ehrliche Antwort. Sie rekonstruieren aus dem Gedächtnis, und genau so erodiert Glaubwürdigkeit.

11. Gibt es ein unveränderliches Protokoll darüber, wer welche Annahme wann geändert hat und wie die Zahl davor und danach lautete? Das ist die Mindestvoraussetzung für alles, was die Zahlen berührt, die Sie berichten. Und es ist zunehmend eine Compliance-Anforderung, kein nettes Extra. Ein Werkzeug ohne echten Prüfpfad wird Sie früher oder später vor einem Wirtschaftsprüfer oder einer Aufsichtsbehörde teuer zu stehen kommen.

12. Können Sie ein vergangenes Szenario heute erneut ausführen und exakt die Zahl reproduzieren, die Sie dem Aufsichtsrat damals gezeigt haben? Nicht ungefähr. Exakt. Wenn Sie es nicht erneut abspielen können, können Sie es nicht verteidigen, und eine Prognose, die Sie nicht verteidigen können, ist ein Risiko mit angeschlossenem Dashboard.

So führen Sie die Bewertung tatsächlich durch

Akzeptieren Sie nicht die Daten des Anbieters. Bringen Sie einen unaufgeräumten Auszug aus Ihren eigenen Zahlen mit: einen echten Monat, mit den konzerninternen Eigenheiten und dem einen Konto, das alle falsch zuordnen. Verlangen Sie den Test auf deterministische Wiederholung (Frage 5) und den Test „vom Klick zur Quelle“ (Frage 1) live, mit Ihren Daten, im Termin. Die meisten Werkzeuge, die scheitern, tun das hier ganz leise, und das Scheitern ist offensichtlich, sobald Sie sie bitten, dasselbe zweimal zu tun.

Ein nützliches Denkmodell: Die KI sollte die Analystin sein, die die Zahlen erklärt, niemals die Buchhalterin, die sie berechnet. In dem Moment, in dem diese Rollen verschwimmen, erbt jede Zahl auf dem Bildschirm die Unsicherheit des Modells. Der ganze Sinn einer verteidigungsfähigen Prognose besteht darin, dass die Zahlen aus einer deterministischen Engine stammen, die an Ihr Hauptbuch gekoppelt ist, und dass die Aufgabe der KI im Abruf, in der Rahmung der Szenarien und in der klar verständlichen Erläuterung liegt, die sich bis zur Quelle zurückverfolgen lässt.

Wenn Sie sehen möchten, wie es in der Praxis aussieht, alle zwölf Fragen zu bestehen (abgestimmte Grundlage, deterministische Berechnung, erneut abspielbare Szenarien, vollständige Herleitung), dann ist genau das, was Rexfin demonstrieren soll. Vereinbaren Sie eine Demo und bringen Sie Ihren schwierigsten Datensatz mit. Die Frage des Aufsichtsrats ist der einzige Test, der zählt; alles andere ist Generalprobe.

Für das größere Bild, wie das in einen Prognoseprozess passt, hinter dem Sie stehen können, beginnen Sie mit dem Pillar-Beitrag zur KI-gestützten FP&A-Automatisierung, die Sie im Aufsichtsrat verteidigen können, oder lesen Sie, wie Teams zur kontinuierlichen Prognose übergehen, ohne die Kontrolle zu verlieren.