Innerhalb der Rexfin-Plattform: Wie die Vertrauensmaschinerie funktioniert

Die meisten Evaluierungen einer KI-Finanzlösung stellen zuerst die falsche Frage. Sie fragen, ob die KI klug ist. Die Frage, die tatsächlich entscheidet, ob Sie sich auf das System verlassen können, ist unspektakulärer – und wichtiger: Was passiert zwischen dem Moment, in dem Ihre Daten eintreffen, und dem Moment, in dem eine Zahl auf dem Bildschirm erscheint? Wer hat sie berührt, was wurde geprüft, wo liegt sie, und was tun Sie an dem Tag, an dem etwas ausfällt oder jemand das Unternehmen verlässt?

Genau diese Maschinerie behandelt dieser Themenschwerpunkt. Der Beitrag zur Verlässlichkeitsschicht erklärt, warum man einem Sprachmodell keine Arithmetik anvertrauen sollte und wie eine deterministische Engine das löst. Dieser Beitrag hier ist die operative Hälfte desselben Arguments: die Arbeit bei Erfassung, Verifizierung, Sicherheit, Datenresidenz und Governance, die stehen muss, bevor diese Mathematik überhaupt vertrauenswürdig ist. Ein abgestimmtes Modell, das auf Daten aufbaut, für die niemand geradestehen kann, ist kein abgestimmtes Modell. Es ist eine Tabellenkalkulation mit besseren Manieren.

Daten hereinholen und unterwegs prüfen

Alles beginnt damit, wie die Erfassung funktioniert: ein Buchhaltungssystem, einen Bank-Feed oder ein Data Warehouse anbinden, oder Belege direkt hochladen, und Konten, Dimensionen und Perioden in eine einzige Struktur überführen, statt sie über Formate verstreut zu lassen, die nicht zueinander passen. Erfassung allein schafft noch kein Vertrauen. Vertrauen entsteht durch das, was danach kommt – wie die Verifizierung funktioniert: Zahlen werden gegeneinander und gegen die tatsächlich gedruckten Summen der Quelldokumente geprüft, sodass eine nicht übereinstimmende Zahl markiert statt stillschweigend durchgewinkt wird.

Unter beidem liegt eine strukturelle Entscheidung, die eine eigene Erwähnung verdient: der kanonische Atom-Speicher. Jede Zahl, die Rexfin führt, ist eine einzelne, adressierbare Tatsache mit Quelle und Herkunftskette – keine Zelle, die in drei Tabellen kopiert wurde und sich über die Zeit jeweils ein Stück weiter vom Hauptbuch entfernt. Das ist auch, warum deterministische Berechnung keine Kür, sondern eine harte Anforderung ist: Nur eine Engine, die dieselben Eingaben jedes Mal durch dieselbe Logik schickt, liefert Mathematik, die man einem Wirtschaftsprüfer ohne Vorbehalt übergeben kann.

Wo die Daten liegen und wer sie berühren darf

Sicherheit ist kein Gütesiegel auf einer Seite. Sie besteht aus konkreten Antworten, und die aktuellen legen wir im Überblick zur Sicherheitsarchitektur dar: Verschlüsselung während der Übertragung und im Ruhezustand, Isolation je Organisation und Zugriff, der nach Rolle abgegrenzt ist. Für Teams am Golf beantworten die Optionen zur Datenresidenz genau die Frage, die Regulatoren mittlerweile direkt stellen – nicht “ist das Modell gut”, sondern “hat diese Zahl die Jurisdiktion verlassen, und durften Sie sie überhaupt versenden”. Auch die Aufbewahrung hat eine eigene Antwort: Datenaufbewahrung und -löschung beschreibt, was mit Ihren Daten geschieht, wenn Sie eine Quelle trennen oder Ihr Konto schließen – denn “Ihre Daten, Ihre Entscheidung” bedeutet nur etwas, wenn es konkret wird.

Zwei weitere Bausteine runden das Sicherheitsbild ab, und beide gewinnen an Bedeutung, je mehr Arbeit die KI übernimmt. Die Governance der LLM-Anbieter legt fest, welche Modellanbieter Ihre Daten berühren und unter welchen Auflagen, denn die Sprachschicht über Ihrem Hauptbuch bleibt eine Drittanbieter-Abhängigkeit, die Sie steuern müssen. Und die Abwehr von Prompt-Injections adressiert das neuere Risiko, mit dem klassische Zugriffskontrolle sich nie befassen musste: eine Anweisung, versteckt in einem hochgeladenen Dokument, die nicht beeinflusst, was das Modell sagt, sondern was es tut.

Vertrauen, das sich tatsächlich nachprüfen lässt

Eine Plattform, die verlangt, ihr einfach zu glauben, ist nicht vertrauenswürdig, sondern nur selbstbewusst. Deshalb hinterlässt jede belastbare Antwort eine Spur: Das Audit-Log der Antworten protokolliert, was gefragt, was abgerufen und was berechnet wurde. Die Qualitätsbewertung der Antworten ist die laufende Kontrolle, ob das System tatsächlich richtig liegt – nicht nur schnell ist. Und Kalibrierung und Vertrauens-Tuning bestimmt, wann das System direkt antwortet und wann es sagt, dass eine Zahl einen menschlichen Blick braucht, statt in die eine oder andere Richtung standardmäßig falsches Selbstvertrauen zu zeigen. Wer die Kurzfassung von alldem an einem Ort sucht, findet sie im Trust Center.

Der Betrieb im Alltag

Der Rest dieses Themenschwerpunkts behandelt die Teile einer Einführung, die in keiner Produktdemo vorkommen. Rollen und Berechtigungen bestimmen, wer in Ihrem Team welche Zahlen sieht. Onboarding in der ersten Woche beschreibt, was zwischen der Anmeldung und Ihrer ersten echten Frage tatsächlich passiert. Zuverlässigkeit und Notfallwiederherstellung erklärt, was wir tun, wenn die Infrastruktur ausfällt – denn eine Plattform, die Ihre Zahlen perfekt abstimmt und dann für einen Tag verschwindet, bleibt trotzdem ein Risiko. Das Support-Modell und das Preismodell beantworten die zwei Fragen, die der Einkauf immer stellt – klar und ohne dass ein Verkaufsgespräch nötig ist, um die grobe Antwort zu bekommen.

Darunter liegt eine Überzeugung, die jede andere Entscheidung hier prägt, dargelegt in der Filings-First-Integrationsphilosophie: Eine Zahl aus einem eingereichten, geprüften Dokument darf nie mit derselben Beiläufigkeit behandelt werden wie eine Zahl aus einem nicht abgestimmten internen Export. Die Plattform ist darauf ausgelegt, diesen Unterschied sichtbar zu halten – nicht ihn der Bequemlichkeit halber einzuebnen.

Nichts davon ist so aufregend wie eine Chat-Oberfläche. Es ist aber der ganze Grund, warum diese Chat-Oberfläche sicher zu benutzen ist. Wenn Sie Rexfin für Ihr Team evaluieren, ist das der Teil, den Sie vor der Demo lesen sollten – nicht danach.