Schatten-KI im Finanzwesen: Wenn vorläufige Quartalszahlen in ChatGPT landen

Eine Finanzanalystin hat um 18 Uhr Abgabetermin und ein Board-Paket, das sich nicht abstimmen lässt. Das freigegebene BI-Tool liefert die Antwort nicht schnell genug, also kopiert sie drei Spalten noch nicht veröffentlichter Quartalsumsätze in einen öffentlichen Chatbot und bittet ihn, die Abweichung zu finden. Zwei Minuten später hat sie eine Antwort. Sie hat auch ein Problem, von dem sie noch nichts ahnt: Wesentliche, nicht öffentliche Finanzdaten haben das Haus verlassen – in ein System, das ihr Unternehmen nicht kontrolliert, nicht protokolliert und nicht zurückrufen kann.

Diese Szene spielt sich weit häufiger ab, als die meisten Finanzverantwortlichen annehmen. Eine Umfrage nach der anderen kam 2025 zu demselben unbequemen Bild. Ein UpGuard-Bericht vom November 2025 stellte fest, dass mehr als 80 % der Beschäftigten nicht freigegebene KI-Tools bei der Arbeit nutzen – und dass die Quote bei Sicherheitsfachleuten sogar noch höher liegt. Rund die Hälfte gibt an, regelmäßig nicht autorisierte Tools einzusetzen, während weniger als jede oder jeder Fünfte angibt, ausschließlich unternehmensseitig freigegebene KI zu verwenden. Die Lücke zwischen „Menschen, die KI nutzen“ und „Menschen, die von uns freigegebene KI nutzen“ ist das gesamte Problem in einem Satz.

Das Einfügen ist der Vorfall

Das Risiko ist nicht abstrakt. Es liegt in der Zwischenablage.

LayerX Security berichtete, dass 77 % der Mitarbeitenden sensible Unternehmensdaten in generative KI-Tools einfügen und dass 82 % dieser Einfügevorgänge aus nicht verwalteten privaten Konten stammen. Lesen Sie diese zweite Zahl noch einmal. Wenn das Einfügen über ein privates ChatGPT- oder Gemini-Konto erfolgt, hat der Arbeitgeber keinerlei Einblick, keine Nachvollziehbarkeit und keine vertragliche Auftragsverarbeitungsbeziehung zum KI-Anbieter. Eine Analyse realer Unternehmens-Prompts durch Cyberhaven ergab, dass rund 11 % dessen, was Mitarbeitende in ChatGPT einfügen, vertraulich ist. Am häufigsten tauchen folgende Kategorien auf: Quellcode, interne Finanzdaten, personenbezogene Kundendaten.

Das Finanzwesen ist hier aus drei Gründen besonders exponiert.

Erstens sind die Daten das Tafelsilber: vorläufige Konsolidierungen, noch nicht angekündigte Margen, Ergebnisse vor der Veröffentlichung, M&A-Modelle. Genau dieses Material behandeln Wertpapieraufsichtsbehörden als Insiderinformationen.

Zweitens ist die Arbeit repetitiv und formellastig – also genau die Art von Aufgabe, die eine Analystin in Versuchung führt, sie auszulagern. „Stimme diese beiden Rohbilanzen ab.“ „Erkläre, warum diese Abweichung um 4 % danebenliegt.“ „Formatiere diese Kapitalflussrechnung neu.“ Alles vernünftige Bitten. Alle gefährlich, wenn die Eingabe ein Live-Auszug aus dem Hauptbuch ist, der an einen öffentlichen Endpunkt geht.

Drittens bewegt sich das Finanzwesen innerhalb eines Compliance-Perimeters, den die meisten anderen Abteilungen nicht haben. Nach der DSGVO kann das Einfügen personenbezogener Kunden- oder Mitarbeiterdaten in einen öffentlichen Chatbot eine unrechtmäßige Übermittlung ohne Rechtsgrundlage und ohne Auftragsverarbeitungsvertrag darstellen. Sind die Zahlen unveröffentlicht und ist das Unternehmen börsennotiert, haben Sie potenziell einen Insiderinformationsabfluss über den Datenschutzverstoß gelegt. Ein Einfügevorgang, zwei aufsichtsrechtliche Risiken.

Warum Verbote nicht funktionieren

Der Reflex ist das Verbot: Domains sperren, eine Richtlinie verfassen, ein Schulungsmodul durchführen. Das hält selten stand, und die Datenlage zeigt es unmissverständlich: Eine Software-AG-Studie unter 6.000 Wissensarbeitenden ergab, dass 46 % KI-Tools weiterhin nutzen würden, selbst wenn ihr Arbeitgeber sie vollständig verböte. Die Menschen sind nicht zum Spaß leichtsinnig. Sie werden an ihrem Output gemessen, das Tool ist tatsächlich schneller, und der offizielle Werkzeugkasten hat ihnen rechtzeitig keine belastbare Antwort geliefert.

Schatten-KI ist also gar kein Disziplinproblem. Es ist eine Produktlücke. Die Analystin griff zu ChatGPT, weil ihr nichts in der freigegebenen Umgebung erlaubte, die Zahlen im Dialog zu befragen und eine verlässliche Antwort zu erhalten. Schließen Sie diese Lücke, und der Anreiz zum Einfügen verschwindet. Lassen Sie sie offen, und keine Richtlinie übersteht einen Abgabetermin um 18 Uhr.

Was eine governance-konforme Zahlenschicht tatsächlich ersetzt

Das Ziel ist nicht, dem Finanzwesen ein „sicheres ChatGPT“ zu geben. Ein auf Ihr Hauptbuch gerichteter Chatbot bleibt ein Sprachmodell, das bei der Arithmetik rät – ein Fehlermodus für sich. Das Ziel ist, den schnellen, dialogorientierten Weg zur Abfrage Ihrer Zahlen zugleich zum governance-konformen, korrekten und prüfbaren Weg zu machen. Damit entfällt der Grund, nach außen zu gehen.

Genau diese Schicht soll Rexfin sein. Es verbindet sich mit den Systemen, in denen die Zahlen bereits liegen – QuickBooks, Xero, NetSuite, Sage, SAP, Oracle, Ihr Data Warehouse – oder mit Auswertungen, die Sie hochladen, und baut ein einziges abgestimmtes Finanzmodell, das mit dem Hauptbuch übereinstimmt. Die unterstützten Integrationen führen die Konnektoren auf. Von da an kommt es auf die Mechanik an, denn die Mechanik ist es, die den Einsatz anstelle des Schatten-Tools sicher macht:

• Die Daten bleiben innerhalb Ihrer Governance-Grenze. Zahlen werden in einer kontrollierten Umgebung abgefragt, nicht in einen Verbraucher-Endpunkt eines Drittanbieters eingefügt. Kein nicht verwaltetes privates Konto ist im Spiel, und jede Anfrage wird protokolliert. Das ist genau der Teil, den ein öffentlicher Chatbot niemals bieten kann, und er wird auf der Sicherheitsseite ausführlicher behandelt.
• Berechnungen laufen auf einer deterministischen Engine, nicht auf dem Modell. Wenn jemand eine Abweichung, eine Marge oder ein Was-wäre-wenn-Szenario abfragt, wird die Mathematik von einer Berechnungs-Engine berechnet, nicht als plausibler Text von einem LLM erzeugt. Das Modell ruft ab und erklärt; es erfindet die Zahl nicht. Wie es funktioniert erläutert diese Trennung.
• Jede Zahl lässt sich bis zur Quelle zurückverfolgen. Weil das Modell mit dem Hauptbuch abgestimmt ist, lässt sich eine Antwort bis zur zugrunde liegenden Transaktion zurückverfolgen. Das ist der Unterschied zwischen einem Ergebnis, das Sie einem Prüfer vorlegen können, und einem Absatz aus einem Chatbot, dem Sie blind vertrauen müssen.

Eine ehrliche Grenze sei genannt. Eine governance-konforme Schicht lässt die Versuchung des Chatbots nicht per Dekret verschwinden, und sie macht nichts rückwirkend ungeschehen, das im letzten Quartal bereits eingefügt wurde. Was sie leistet: Sie nimmt Analystinnen und Analysten den praktischen Grund, überhaupt nach außen zu greifen, und gibt Sicherheit und Finanzwesen die Protokolle, um Nutzung sichtbar zu machen, die zuvor im Verborgenen stattfand. Governance, die Sie durchsetzen können, schlägt Governance, die Sie nur erklären können.

Das Fazit

Schatten-KI im Finanzteam ist keine Geschichte über sorglose Menschen. Es ist eine Geschichte über einen freigegebenen Werkzeugsatz, der langsamer und dümmer war als der nicht freigegebene – und das bei Daten, die zufällig das am stärksten regulierte Material im Unternehmen sind. Das beheben Sie nicht mit noch einem Richtlinien-Memo. Sie beheben es, indem Sie den governance-konformen Weg zum schnellsten Weg machen, sodass die Zwischenablage innerhalb des Perimeters bleibt.

Falls bereits Entwurfszahlen durch Tools wandern, die Sie nicht kontrollieren, sehen Sie sich an, wie eine abgestimmte, prüfbare Zahlenschicht in der Praxis aussieht, und buchen Sie eine Demo. Lesen Sie anschließend den Rest der Säule KI im Finanzwesen, GoBD und der AI Act – unter anderem, wie Ihr Wirtschaftsprüfer KI-gestützte Finanzzahlen nach IDW PS 861 unter die Lupe nimmt und was die GoBD-Änderung 2025 für Ihre Verfahrensdokumentation bedeutet.