Können Sie jede Zahl nachvollziehen, die Ihre KI ausweist? Audit-Trails für KI im Finanzbereich aufbauen

Erst die lückenlose Nachvollziehbarkeit von der Zelle bis zur Quelle macht KI-Ergebnisse prüfungssicher. Was ein echter Audit-Trail für KI-erzeugte Zahlen erfordert – und warum den meisten Tools genau das fehlt.

Nehmen Sie eine beliebige Zahl, die Ihnen ein KI-Tool in diesem Quartal geliefert hat, und versuchen Sie, sie zu verteidigen. Nicht in allgemeinen Worten zu erläutern. Sondern so zu verteidigen, wie Sie eine Zahl gegenüber einem Prüfer verteidigen würden: Hier ist der Quellbeleg, hier ist genau die Operation, die sie erzeugt hat, hier ist das zeitgestempelte Protokoll, das belegt, dass sie nachträglich nicht verändert wurde. Bei den meisten KI-generierten Finanzkennzahlen endet diese Übung nach etwa vier Sekunden, irgendwo bei „nun ja, das hat sie aus den Daten gezogen“.

Das ist kein Audit-Trail. Das ist ein Bauchgefühl. Und ein CFO kann unter ein Bauchgefühl nicht seine Unterschrift setzen.

Der Maßstab, den Sie an Ihre eigene Buchhaltung längst anlegen

Das Finanzwesen lebt seit jeher von der Nachvollziehbarkeit. Eine ausgewiesene Zahl soll der Endpunkt einer Kette sein, die Sie rückwärts abschreiten können: von der Position der Gewinn- und Verlustrechnung zum Hauptbuchkonto, von dort zum Buchungssatz, von dort zur ursprünglichen Rechnung oder Banktransaktion. Prüfer testen diese Kette. Kreditgeber verlassen sich darauf. Aufsichtsbehörden verlangen sie, wenn eine Zahl belegt werden soll.

Für KI gibt es davon keine Ausnahme. Im Gegenteil, sie braucht diesen Maßstab umso dringender, denn sie erzeugt Zahlen in einem Tempo, das kein Mensch manuell prüfen kann. Die Frage ist nicht, ob KI beeindruckend ist. Die Frage ist, ob Sie jede ausgewiesene Zahl anklicken und sofort drei Dinge sehen können: den Quellbeleg, den Berechnungsweg und einen unveränderbaren Nachweis darüber, wie und wann die Zahl entstanden ist. Wenn Sie das nicht können, ist die Zahl nicht prüfungssicher – egal, wie geschliffen der umgebende Absatz klingt.

Warum sich die meisten KI-Antworten nicht nachvollziehen lassen

Ein Sprachmodell schreibt Zahlen auf dieselbe Weise, wie es Adjektive schreibt: indem es vorhersagt, was als Nächstes kommen sollte. Wenn es „die Bruttomarge lag bei 41 %“ ausgibt, erzeugt es plausiblen Text – es liest keinen Wert aus einem abgestimmten Hauptbuch ab. Selbst wenn ein Retrieval-Mechanismus angeflanscht ist, läuft das übliche Muster so ab, dass das Modell einen Textausschnitt aus der Quelle abruft, ihn interpretiert und die Zahl anschließend in eigenen Worten neu formuliert. Genau dieser Schritt der Neuformulierung kappt klammheimlich die Verbindung zwischen dem, was angezeigt wird, und dem, was tatsächlich erfasst ist. Der Quellennachweis verweist, falls überhaupt vorhanden, auf ein Dokument – nicht auf die konkrete Zelle, die die konkrete Zahl rechtfertigt.

Und dann ist da noch die Arithmetik. Bitten Sie ein LLM, eine Kennzahl zu berechnen, zwei Konten zu saldieren oder Währungen umzurechnen, und es liefert eine Antwort mit absoluter Zuversicht und ohne reproduzierbaren Rechenweg. Manchmal stimmt sie. Wenn sie falsch ist, gibt es nichts zu prüfen, denn die „Berechnung“ fand innerhalb eines Textvorhersageprozesses statt, nicht in einem Rechner. Dieses Versagen haben wir ausführlich behandelt in Ein Leitfaden für CFOs zum Halluzinationsrisiko im Jahr 2026 und die Folgen in Die 15-Millionen-Dollar-Lektion. Das Muster ist immer dasselbe: Das Modell agiert zugleich als Rechner und als Erzähler, und so bleibt am Ende nichts übrig, was sich prüfen ließe.

Die drei Schichten eines echten KI-Audit-Trails

Ein belastbarer Audit-Trail besteht aus drei Teilen, und alle drei müssen gleichzeitig tragen.

1. Quellenverknüpfung, die auf die Zelle zeigt, nicht auf das Dokument

„Das stammt aus Ihren Buchhaltungsdaten“ ist wertlos. „Das stammt aus den Konten 4000 bis 4090 für die Periode zum 31. März, Stand des am 4. April gesperrten Abschlusses“ ist ein Nachweis. Die Herkunft muss bis auf die konkreten Quellzeilen aufgelöst werden, die die konkrete Zahl rechtfertigen, und an eine bekannte Datenversion gebunden sein. Ein Quellennachweis, der nur eine Datei benennt, ist keine Herkunft. Er ist eine Fußnote, die Sie nach wie vor von Hand verifizieren müssen.

2. Ein Berechnungsweg, den Sie lesen können

Jede Zahl, die kein Rohwert ist, ist das Ergebnis einer Operation. Prüfungssicherheit bedeutet, dass diese Operation explizit und reproduzierbar ist: eine Summe dieser Konten, ein Verhältnis dieser beiden Zahlen, eine Periodenveränderung auf dieser Basis. Entscheidend ist, dass die Berechnung bei jeder Abfrage auf exakt dieselbe Weise abläuft. Deterministische Rechnung ist der Unterschied zwischen einer Zahl, die Sie erneut herleiten können, und einer Zahl, die Sie auf gut Glauben hinnehmen müssen.

3. Ein Protokoll, das Sie nicht klammheimlich ändern können

Wenn sich der Nachweis darüber, wie eine Zahl entstanden ist, im Nachhinein verändern lässt, ist er kein Beweis. Unveränderbarkeit bedeutet, dass jede Antwort an eine feste Datenversion und eine feste Berechnung gekoppelt ist, mit einem Zeitstempel und einer Abfragehistorie, die dauerhaft bestehen bleiben. Wenn jemand fragt, was Sie im März einem Kreditgeber gemeldet haben und auf welcher Grundlage, rekonstruieren Sie es exakt. Die Erwartungen an erklärbare KI und die entstehenden Governance-Regeln laufen auf dieselbe Forderung hinaus, die das Finanzwesen schon immer gestellt hat: Legen Sie Ihren Rechenweg offen – und lassen Sie nicht zu, dass sich das Arbeitsblatt nach Prüfungsbeginn noch ändert.

Wie Rexfin dafür sorgt, dass Zahlen sich selbst nachvollziehbar machen

Der ehrliche Grund, weshalb die meisten KI-Tools an diesem Test scheitern, liegt in der Architektur. Sie lassen das Sprachmodell an die Zahlen heran. Rexfin tut das nicht.

Die Plattform bindet Ihre Buchhaltungs- und Finanzdatenquellen an – QuickBooks, Xero, NetSuite, Sage, ein Data Warehouse oder hochgeladene Abschlüsse – und baut daraus ein einziges, abgestimmtes Finanzmodell, das mit dem Hauptbuch übereinstimmt. Dieses Modell ist die zentrale Quelle der Wahrheit. Wenn Sie eine Frage stellen, erfindet die KI die Zahl nicht. Sie ruft sie aus dem Modell ab oder berechnet sie über eine deterministische Engine, die bei jedem Aufruf dieselbe Operation auf dieselbe Weise ausführt. Die Rolle des Sprachmodells ist bewusst eng gefasst: die Frage verstehen, die Antwort erläutern. Es verfasst die Zahl niemals selbst.

Weil sich die Zahl nie von ihrer Quelle löst, ergibt sich der Audit-Trail von selbst. Klicken Sie eine Zahl an, und Sie sehen die Konten, aus denen sie stammt, die Periode, die deterministische Berechnung, die sie erzeugt hat, und das protokollierte Abfrageprotokoll. Das ist kein Feature, das nachträglich angeflanscht wurde. Es ist die zwangsläufige Folge der Entscheidung, ein LLM keine Arithmetik betreiben zu lassen. Mehr zu dieser Grenzziehung lesen Sie im gesamten Themenbereich Halluzinationen.

Wo dies weiterhin etwas von Ihnen verlangt

Die Nachvollziehbarkeit der KI-Schicht behebt keine fehlerhaften Quelldaten. Wenn Ihr Hauptbuch falsch kontierte Buchungen oder einen nicht abgestimmten Bankabgleich enthält, führt ein perfekter Audit-Trail Ihre Zahl getreulich auf einen mangelhaften Datensatz zurück. Das ist tatsächlich der Sinn der Sache – er bringt das Problem ans Licht, statt es durch selbstsichere Prosa reinzuwaschen – aber es bedeutet, dass der vorgelagerte Abschluss weiterhin zählt. Ein Audit-Trail macht Fehler sichtbar und zuordenbar. Er lässt sie nicht verschwinden.

Das Fazit

Eine Zahl, die Sie nicht nachvollziehen können, ist eine Zahl, die Sie nicht verteidigen können – und KI erhöht den Einsatz, indem sie nicht nachvollziehbare Zahlen schneller produziert, als irgendjemand sie prüfen kann. Die Lösung ist struktureller, nicht stilistischer Natur: Zahlen, die aus einem abgestimmten Modell abgerufen werden, Berechnungen, die deterministisch ablaufen, und Protokolle, die sich nicht umschreiben lassen. Bringen Sie diese drei Dinge in Ordnung, und Ihre KI-Ergebnisse werden zu etwas, das Sie ohne Zögern in eine Board-Präsentation, eine Covenant-Berechnung oder eine Fußnote setzen können.

Wenn Sie mit eigenen Augen sehen möchten, wie sich eine Zahl bis zum Hauptbuch zurückverfolgt, vereinbaren Sie eine Demo und bringen Sie genau die Zahl mit, bei der Sie sich am wenigsten irren dürfen.