Abschlussautomatisierung und die abgestimmte Datenbasis, die KI wirklich braucht

Eine Controllerin in einem PE-finanzierten Softwareunternehmen beschrieb mir ihren Abschluss einmal als „fünf Tage Abstimmen und zwei Tage herausfinden, dass die Abstimmung falsch war”. Diesen zweiten Teil schreibt niemand ins Organigramm. Die Zahlen stimmen überein, das Reporting-Paket geht raus, und dann fragt jemand aus dem FP&A, warum die Bookings nicht zum Umsatzplan passen – und schon sitzen Sie um 21 Uhr wieder in den Tabellen.

In den meisten Finanzteams ist der Abschluss nicht schneller geworden. Er ist voller geworden. Mehr Gesellschaften, mehr Systeme, mehr Nebenbücher, mehr Umsatzlogik, die in einem Tool steckt, das im Rechnungswesen niemand vollständig verantwortet. Die Idee des „Continuous Accounting” wird seit gut einem Jahrzehnt verfolgt, und das Versprechen ist real: die Arbeit über den Monat verteilen, statt sie am Ende aufzustauen. Doch Continuous Accounting funktioniert nur, wenn die zugrunde liegenden Daten kontinuierlich abgestimmt sind. Andernfalls haben Sie dasselbe Chaos lediglich früher in den Kalender verschoben.

Genau an dieser Stelle scheitern die meisten neuen KI-Werkzeuge, und es lohnt sich, deutlich zu benennen, warum.

Warum „KI für den Abschluss” meist „KI für die falsche Ebene” bedeutet

Ein großes Sprachmodell ist eine Mustererkennungsmaschine. Es ist wirklich gut darin, einen Abweichungskommentar zu lesen, ein Flux-Memo zu entwerfen oder eine Abstimmungsdifferenz zusammenzufassen. Es ist wirklich schlecht in Rechnungen, die exakt stimmen müssen, denn es rechnet nicht – es prognostiziert. Bitten Sie einen Chatbot, eine Summen- und Saldenliste aufzuaddieren, liefert er eine Zahl, die plausibel aussieht. „Sieht plausibel aus” ist jedoch kein Maßstab, den Ihr Wirtschaftsprüfer akzeptiert.

Die entscheidende Frage für jeden Controller, der KI bewertet, lautet daher nicht „Kann sie formulieren?”. Sie lautet: „Woher stammt die Zahl, und kann ich sie bis ins Hauptbuch zurückverfolgen?” Wenn die Antwort „Das Modell hat sie erzeugt” ist, haben Sie ein Problem, das Sie nicht abzeichnen können.

Die Lösung ist architektonischer Natur, kein Prompt-Engineering. Sie trennen die beiden Aufgaben. Die KI übernimmt Sprache und Absicht – was Sie fragen, was hervorgehoben werden soll, wie es erklärt wird. Eine deterministische Rechenmaschine übernimmt die Mathematik, jedes Mal auf dieselbe Weise, gegen ein Modell, das bereits mit Ihrem Hauptbuch übereinstimmt. Das Sprachmodell rührt die Zahlen nie an. Es ruft sie ab. Wir vertiefen diese Trennung in warum die Rechenmaschine deterministisch sein muss, nicht das Modell.

Auf dieser Unterscheidung beruht alles. Setzen Sie sie richtig um, wird KI zu einem echten Beschleuniger für den Abschluss. Setzen Sie sie falsch um, haben Sie eine sehr selbstbewusste Methode gebaut, um Ergebnisse falsch auszuweisen.

Die abgestimmte Datenbasis kommt zuerst

Bevor die ganze KI-Diskussion überhaupt relevant wird, gibt es ein unspektakuläreres Problem zu lösen: Ihre Finanzdaten liegen an zu vielen Stellen und stimmen nur zufällig mit sich selbst überein.

Ein typisches mittelständisches oder PE-finanziertes Unternehmen betreibt nicht ein einziges sauberes ERP. Es betreibt QuickBooks in einer zugekauften Gesellschaft, NetSuite in der Muttergesellschaft, vielleicht Xero in der ausländischen Tochter, ein Abrechnungssystem, das den Umsatz speist, einen Lohnabrechnungsdienstleister und ein Data Warehouse, das jemand aus der Analytics-Abteilung gebaut hat, um aus alldem schlau zu werden. Jedes davon ist für irgendetwas die Quelle der Wahrheit und für alles andere eine Quelle des Widerspruchs.

Die erste Aufgabe von Rexfin besteht darin, das zusammenzuführen. Wir binden Ihre Buchhaltungs- und Finanzdatenplattformen an – QuickBooks, Xero, NetSuite, Sage, SAP, Oracle und Warehouses – oder übernehmen hochgeladene Auswertungen, wenn ein System sich nicht direkt anbinden lässt, und bauen daraus ein einziges abgestimmtes Finanzmodell. Kein Dashboard, das auf dem Chaos thront. Ein einziges Modell, das mit dem Hauptbuch übereinstimmt, in dem Intercompany-Eliminierungen erledigt sind, in dem die Zuordnung zwischen den Kontenrahmen explizit ist und in dem jede Zahl eine Herkunft bis zur Quelle besitzt. Wie die Anbindungen in der Praxis funktionieren, erläutern die Integrationen, und die Konsolidierungslogik für Mehrgesellschafterstrukturen erhält ihre eigene Darstellung in wie das abgestimmte Modell die Konzernkonsolidierung mehrerer Gesellschaften abbildet.

Warum das speziell für den Abschluss zählt: Die meisten Verzögerungen im Abschluss sind keine Buchhaltungsprobleme. Es sind Datenprobleme im Buchhaltungskostüm. Die Buchung ist in Ordnung. Das Problem ist, dass zwei Systeme uneins darüber sind, wie hoch der Saldo war, und jemand muss den Dienstag damit verbringen herauszufinden, welchem System zu glauben ist. Wenn darunter ein einziges abgestimmtes Modell liegt, ist diese Frage bereits beantwortet, bevor die Abschlussperiode überhaupt beginnt.

Was „Abschlussautomatisierung” tatsächlich automatisieren sollte

Es gibt eine Variante der Abschlussautomatisierung, die bloß Aufgabenverwaltung ist – Checklisten, Freigabe-Workflows, ein Gantt-Diagramm, wer wem was schuldet. Nützlich, aber das rührt die eigentliche Arbeit nicht an. Es organisiert die Arbeit nur.

Die Arbeit selbst ist Abstimmung: Salden über Systeme hinweg in Einklang bringen, Differenzen erklären, die Buchungen markieren, die nicht ins Muster passen, und einen Kommentar erstellen, hinter dem ein Mensch stehen kann. Genau hier verdient sich das Zusammenspiel aus deterministischer Rechenmaschine und KI seinen Platz.

Diese Reihenfolge funktioniert:

• Kontinuierlich abstimmen. Weil die Datenbasis angebunden und über den Monat hinweg abgestimmt ist, treten Differenzen an dem Tag zutage, an dem sie entstehen – nicht an Tag drei des Abschlusses. Die Liste der Ausnahmen ist bereits kurz, wenn das Periodenende kommt.
• KI abrufen und erklären lassen, nicht rechnen. Wenn Sie fragen „Warum sind die Umsatzkosten diesen Monat um 8 % gestiegen?”, stammen die Zahlen aus der deterministischen Rechenmaschine, angewandt auf das abgestimmte Modell. Die Aufgabe der KI ist es, daraus eine lesbare Antwort zu formen und Sie auf die zugrunde liegenden Transaktionen zu verweisen.
• Jede Zahl nachvollziehbar halten. Das ist die nicht verhandelbare Bedingung. Eine Erkenntnis, die sich nicht bis zur Quelle zurückverfolgen lässt, ist eine Belastung, kein Aktivum. Wir behandeln Nachvollziehbarkeit als harte Vorgabe, die zugleich das Rückgrat der Prüfungssicherheit bildet – siehe den Abschluss prüfungssicher halten, wenn KI im Spiel ist.

Eines möchte ich an dieser Stelle einräumen. Nichts davon nimmt dem Rechnungswesen das fachliche Urteil ab. Eine Rückstellungsschätzung, eine Entscheidung zur Umsatzabgrenzung, die Beurteilung, ob etwas zu aktivieren oder als Aufwand zu erfassen ist – das bleibt bei Ihnen. Was das System abnimmt, ist die manuelle Abstimmungsmühsal und die Sorge, dass die Zahlen, auf denen Ihr Urteil fußt, falsch sein könnten. Das ist eine engere Behauptung als „KI erstellt Ihren Abschluss” – und die ehrliche.

Continuous Accounting, das den Schmerz nicht bloß nach vorn verlagert

Das Versprechen von Continuous Accounting war stets eine gleichmäßigere Verteilung des Aufwands. Der typische Fehlerfall war stets: Ohne abgestimmte Ebene stimmen Sie nun den ganzen Monat ab statt alles auf einmal. Mehr Frequenz, dieselbe Fragilität.

Ein abgestimmtes Datenmodell verändert die Ökonomie. Wenn das Modell durchgängig abgestimmt bleibt, sinken die Grenzkosten des „noch einmal Prüfens” gegen null, weil die Rechenmaschine deterministisch neu berechnet und die Differenzen bereits isoliert sind. Sie können am 15. einen vorläufigen Abschluss (Soft Close) fahren und ihm vertrauen, weil er auf demselben abgestimmten Fundament steht, das auch der endgültige Abschluss nutzen wird. Wie sich ein schnellerer Zyklus auf diesem Fundament umsetzen lässt, beschreibt einen kontinuierlichen Abschluss auf einem abgestimmten Modell betreiben.

Für einen PE-finanzierten Betreiber hat das einen konkreten Nutzen. Das Board will nicht auf den formalen Abschluss warten, um harte Fragen zu stellen – und tut es zunehmend auch nicht. Wenn Ihre Datenbasis abgestimmt und Ihre Zahlen nachvollziehbar sind, können Sie eine Frage mitten im Monat – „Wie hoch ist unsere Run-Rate-Bruttomarge?” – mit etwas beantworten, für das Sie mit Ihrem Namen einstehen würden – keine Schätzung, die als Dashboard verkleidet ist.

Was Sie verlangen sollten, bevor Sie irgendetwas davon vertrauen

Wenn Sie Werkzeuge dieser Kategorie bewerten, schneiden einige Fragen schnell durch den Lärm.

Fragen Sie, wo gerechnet wird. Wenn die Zahlen aus dem Sprachmodell kommen, gehen Sie weiter. Fragen Sie, ob sich jede Zahl bis zu einer Quelltransaktion zurückverfolgen lässt – und lassen Sie sich den Nachweis zeigen, nicht beschreiben. Fragen Sie, wie das Tool eine Konzernkonsolidierung mehrerer Gesellschaften mit Intercompany-Vorgängen handhabt, denn genau daran zerbrechen die Spielzeug-Demos. Und fragen Sie, was passiert, wenn zwei Quellsysteme uneins sind – wählt das Tool stillschweigend eines aus, oder legt es die Differenz für einen Menschen offen?

Rexfin ist darauf ausgelegt, diese Fragen zu bestehen, nicht ihnen auszuweichen: angebundene Quellen, ein einziges abgestimmtes Modell, das mit dem Hauptbuch übereinstimmt, eine deterministische Rechenmaschine, die die Mathematik erledigt, KI, die Abruf und Erklärung übernimmt, und eine Herkunft für jede Zahl. Das vollständige Bild sehen Sie in der Plattformübersicht oder Sie betrachten den abschlussspezifischen Workflow in einer Demo.

Die Quintessenz ist einfacher als die Architektur. Ein schnellerer Abschluss ist keine KI-Funktion – er ist die Folge davon, Daten zu haben, die bereits abgestimmt sind, und Mathematik, die Sie überprüfen können. Bauen Sie zuerst diese Ebene, und KI hört auf, ein zu beherrschendes Risiko zu sein, und wird zu dem, was Sie endlich dienstags aus den Tabellen befreit.