Der Beleg-Test für KI-geschriebene Finanzkommentare

Nehmen Sie einen beliebigen KI-generierten Abweichungsabsatz aus Ihrem Board-Deck. Suchen Sie darin eine Zahl – einen Prozentsatz, einen Euro-Betrag, eine Bewegung in Basispunkten. Klicken Sie darauf. Passiert etwas?

Bei den meisten KI-Kommentar-Tools auf dem Markt lautet die Antwort: nein. Es gibt nichts zum Klicken. Die Zahl ist einfach Text, entstanden auf dieselbe Weise wie der Satz drumherum: als statistisch wahrscheinlichste Abfolge von Tokens, nicht als Wert, der aus einem Hauptbuch abgerufen wurde. Diese Lücke fällt leicht zu übersehen, weil Fließtext seine eigene Unsicherheit nicht anzeigt, so wie es eine Tabellenzelle tut. Ein rotes Dreieck in der Ecke einer Zelle sagt: „Hier stimmt etwas nicht.” Ein flüssig formulierter Satz sagt gar nichts dergleichen – egal, ob die Zahl darin richtig oder frei erfunden ist.

Warum sich eine falsche Zahl im Fließtext am leichtesten versteckt

Eine Tabelle erzwingt Prüfung. Zeilen und Spalten laden das Auge ein, eine Summe nachzurechnen, eine Lücke zu entdecken, eine Zahl zu bemerken, die nicht zu der zwei Zeilen darüber passt. Fließtext tut das Gegenteil. Ein gut formulierter Satz liest sich als eine einzige Bedeutungseinheit, und Leser schenken dem ganzen Satz Vertrauen danach, wie gut er geschrieben ist – nicht danach, wie jede darin enthaltene Angabe zustande kam. „Die Bruttomarge sank um 180 Basispunkte, vor allem getrieben durch eine Verschiebung hin zu margenschwächeren Enterprise-Deals” klingt wie die Schlussfolgerung eines Analysten. Ob die 180 real sind oder eine plausibel klingende Schätzung, spielt für den Tonfall keine Rolle – er bleibt in beiden Fällen gleich autoritativ.

Das ist ein bekanntes Fehlerbild speziell bei Sprachmodellen. Ein Modell, das gebeten wird, „die Abweichung” aus einer Budgetdatei zu „erklären”, ruft keine Zahl ab – es sagt die wahrscheinlichste Wortfolge voraus, ausgehend vom Muster ähnlicher Sätze in seinen Trainingsdaten. Meistens kommt dabei etwas nahe Richtiges heraus, weil Finanzkommentare erkennbaren Mustern folgen und das Modell davon viele gesehen hat. Aber „meistens” ist kein Standard, den irgendjemand von einer Formel in einer Tabelle akzeptieren würde – und es gibt keinen sachlichen Grund, ihn stattdessen von einem Satz zu akzeptieren, nur weil sich der Satz flüssig liest.

Der eine Käufertest, der die Lücke offenlegt

Sie brauchen dafür keinen Benchmark und kein Versprechen eines Anbieters. Sie brauchen dreißig Sekunden mit dem Produkt, das Sie gerade prüfen.

1. Lassen Sie im Tool einen Absatz mit KI-Abweichungs- oder Board-Kommentar erzeugen.
2. Suchen Sie sich eine beliebige Zahl im Fließtext.
3. Versuchen Sie, sie anzuklicken, oder bitten Sie das Tool, die Quelle zu zeigen.
4. Schauen Sie, was passiert.

Es gibt drei mögliche Ergebnisse, und sie sortieren Anbieter sauber voneinander:

Ergebnis	Was es bedeutet
Die Zahl verlinkt auf eine konkrete Hauptbuchzeile, ein Konto oder eine eingereichte Abschlussposition	Die Angabe wurde abgerufen oder berechnet und dann in den drumherum geschriebenen Text eingesetzt
Das Tool zeigt einen allgemeinen Hinweis wie „Quelle: Ihr ERP” ohne Bezug auf eine konkrete Zeile	Herkunftsnachweis existiert auf Systemebene, aber nicht auf Zahlenebene – Sie können diese Angabe nicht belegen
Nichts passiert; die Zahl ist einfach Text	Die Angabe hat keinen nachvollziehbaren Ursprung. Sie kann richtig sein. Sie haben keine Möglichkeit, das festzustellen, ohne sie von Hand neu herzuleiten

Das dritte Ergebnis kommt häufiger vor, als Käufer erwarten, weil Kommentargenerierung oft als Komfortfunktion an eine Chat- oder Analytics-Schicht angeflanscht wird: Das zugrunde liegende Modell bekommt einen groben Datensatz und den Auftrag, „Kommentar zu schreiben” – keine Belegpflicht. Die Dokumentation des Anbieters bestätigt diese Lücke mitunter sogar indirekt, indem sie die „fachliche Prüfung auf Richtigkeit” als Schutzmechanismus rahmt: Ein Mensch soll Fehler abfangen, bevor sie ausgeliefert werden. Das ist nicht nichts, aber es verschiebt die gesamte Prüflast still zurück auf genau die Person, der das Tool eigentlich Zeit sparen sollte – und es hängt davon ab, dass diese Person einen plausibel wirkenden Fehler in einem Absatz bemerkt, den sie nicht selbst geschrieben hat und für den sie keine Zeit hat, ihn von Grund auf neu herzuleiten.

Warum „die Fachabteilung prüft es” kein Ersatz für Belege ist

Menschliche Prüfung ist eine echte Kontrolle, aber sie ist ein schwacher Ersatz für strukturelle Belege – aus einem einfachen Grund: Prüfaufwand skaliert mit Misstrauen, und flüssiger Fließtext löst kein Misstrauen aus. Eine Person, die einen Absatz auf Fehler durchsucht, hält nach etwas Ausschau, das sich falsch anfühlt – eine unplausible Zahl, eine Aussage, die dem widerspricht, woran sie sich erinnert. Eine Zahl, die nur geringfügig danebenliegt und in ansonsten korrektem Text zu einer Abweichung steht, die die prüfende Person ohnehin halb erwartet hat, ist genau die Art Fehler, an der ein selbstsicher formulierter Satz um 23 Uhr vor einer Board-Sitzung an einem müden Leser vorbeigleiten soll.

Vergleichen Sie das damit, wie eine Tabelle Prüfung erzwingt: Eine Formel verweist entweder auf eine Zelle, oder sie ist fest codiert, und wer die Tabelle prüft, kann den Bezug in Sekunden nachvollziehen. Kommentare ohne eingebettete Belege nehmen diese strukturelle Kontrolle weg und ersetzen sie durch „das sollte jemandem auffallen”. Das ist eine Herabstufung des Prüfstandards, verkleidet als Schreibfunktion, und man sollte sie beim Namen nennen statt anzunehmen, sie sei ohnehin offensichtlich – denn von außen sehen ein sauber formatiertes KI-Kommentarfeld und ein ordentlich belegtes bis zum Klick identisch aus.

Was Kommentare mit Beleg pro Zeile tatsächlich voraussetzen

Das zu beheben ist kein Prompting-Trick. Es erfordert, umzubauen, was das Modell tun darf – nicht nur, was man ihm aufträgt.

Die Zahlen in einem Abweichungsnarrativ (die Prozentbewegung, das Euro-Delta, der Periodenvergleich) müssen von einer deterministischen Engine berechnet werden, bevor ein Sprachmodell sie überhaupt sieht – aus einem Modell, das bereits ans Hauptbuch angebunden ist. Die belastbare Modellierungsschicht unter rexfin.ai existiert genau deshalb, damit Abweichungsrechnung, Vorjahresvergleiche und Schwellenwert-Flags Arithmetik über abgestimmten Daten sind, nicht Sprachgenerierung. Erst sobald dieser Belegblock steht, darf ein Modell den verbindenden Fließtext schreiben („vor allem getrieben durch”, „teilweise ausgeglichen durch”) – aber ausschließlich aus den bereits berechneten Zahlen, ohne je eigene zu erfinden. Eine Prüfung auf Beleg-Wahrhaftigkeit verwirft anschließend jeden Entwurf, der eine Zahl einführt, die im Belegblock nicht vorkommt – dieselbe Disziplin, die auch Rexfins Produkttour zu belegten KI-Narrativen und die Pinpoint-Seitenbelege bestimmt, mit denen sich jede Zahl bis zur Quellseite in einem Abschluss zurückverfolgen lässt.

Das ist dieselbe Trennung, die automatisierten Abweichungskommentar tatsächlich nützlich statt tatsächlich riskant macht: Das Modell schreibt, die Engine rechnet, und die beiden Rollen tauschen nie die Plätze. Ein Anbieter, dessen Kommentarfunktion diese Trennung nicht beschreiben kann und der als Schutz nur auf eine nachgelagerte menschliche Prüfung verweisen kann, hat Belege nicht in den Generierungsprozess eingebaut. Er hat einen Absatz gebaut und gehofft, dass jemand den Fehler findet.

Was Sie vor dem Kauf fragen sollten

Wenn die Kommentarfunktion eines Anbieters für Ihre Bewertung zentral ist, trennen vier Fragen strukturelle Belege von einem hoffnungsbasierten Sicherheitsnetz:

• Kann ich jede Zahl in einem generierten Absatz anklicken und die genaue Quellzeile oder die eingereichte Abschlussposition sehen, aus der sie stammt? Nicht „das System” – die Zeile.
• Was passiert, wenn das Modell für eine Aussage, die es treffen will, keine belegbare Zahl findet? Die ehrliche Antwort ist: Es verweigert die Aussage oder weicht auf eine Vorlage aus – nicht, dass es den Satz trotzdem mit der besten verfügbaren Schätzung schreibt.
• Läuft dieselbe Belegprüfung auch, wenn Kommentare in ein Deck exportiert werden, oder nur in der Live-Anwendung? Eine Zahl, die auf dem Bildschirm anklickbar, im PDF-Board-Pack aber unbelegt ist, hat nur die halbe Aufgabe gelöst.
• Ist eine Plan- oder Budgetzahl im Kommentar anders gekennzeichnet als ein geprüfter Ist-Wert? Ungeprüfte Eingaben, die in ein Narrativ einfließen, sollten sich anders lesen als eingereichte Werte – nicht im selben selbstsicheren Satz verschwimmen.

Wenn eine Demo diese Fragen nicht live, an Ihren eigenen Zahlen, beantworten kann, leistet der Satz „fachliche Prüfung auf Richtigkeit” in der Dokumentation mehr Arbeit, als er sollte.

Das Fazit

Flüssiger Text ist kein Beleg für eine belegte Zahl – er ist ein Beleg für ein flüssiges Modell. Der Test dafür, ob KI-geschriebener Kommentar vertrauenswürdig ist, ist nicht, wie gut er sich liest; es ist, ob die Zahlen darin einen Klick überstehen. Narrativgenerierung braucht dieselbe Belegdisziplin wie ein Abschluss, keine leichtere Version davon, denn das Risiko besteht nicht darin, dass der Text unüberzeugend ist. Es besteht darin, dass er überzeugt – unabhängig davon, ob er stimmt.