Die Verlässlichkeitsschicht, die KI braucht, bevor sie Ihre Zahlen anfasst

Fragen Sie ein führendes Sprachmodell, wie viel 4.182.019 mal 7.431 ergibt. Es antwortet sofort, mit voller Überzeugung, und liegt wahrscheinlich falsch. Nicht “Rundungsfehler”-falsch. Um ein paar Hunderttausend daneben, vorgetragen, als käme es direkt aus dem Taschenrechner.

Stellen Sie sich nun vor, dasselbe Modell beantwortet eine Aufsichtsratsfrage zur Entwicklung Ihrer Bruttomarge über drei Gesellschaften, zwei Währungen und eine unterjährige Umstellung des Kontenplans hinweg. Es wird genauso selbstsicher antworten. Und Sie haben keine schnelle Möglichkeit, zu erkennen, ob die Zahl echt oder erfunden ist.

Genau diese Lücke, zwischen der Sicherheit, mit der KI auftritt, und der tatsächlichen Verlässlichkeit ihrer Rechenergebnisse, ist das ganze Problem. Sie ist auch der Grund, warum die meisten Finanzteams, die versucht haben, einen Chatbot an ihre Zahlen anzudocken, ihn stillschweigend wieder beiseitegelegt haben.

Das Modell ist nicht der Engpass

In Finanzleitungen gibt es derzeit den Reflex, anzunehmen, die nächste Modellversion löse das schon. Wird sie nicht, jedenfalls nicht so, wie man es sich erhofft, denn das Problem ist keine Wissenslücke. Es ist architektonisch bedingt.

Sprachmodelle rechnen nicht. Sie sagen das nächste Token auf Basis von Mustern in Texten voraus. Zahlen werden in Bruchstücke zerlegt, die das Modell nie wieder zu einer Größe zusammensetzt, mit der es operieren könnte. Wenn ein LLM also “rechnet”, gleicht es Muster ab, wie die Antwort auf ein ähnlich aussehendes Problem typischerweise aussieht. Bei kleinen, gängigen Summen trifft es ins Schwarze, weil es diese Summen millionenfach gesehen hat. Sobald es in größere oder weniger vertraute Arithmetik vorstößt, bricht die Genauigkeit dramatisch ein. Forscher haben genau diesen Zusammenbruch dokumentiert: nahezu fehlerfrei bei einfachen Fällen, nahezu unbrauchbar bei schwierigeren, ohne jede Warnung dazwischen.

Dieser letzte Punkt ist es, der einen CFO beunruhigen sollte. Das Modell wird nicht leiser, wenn es unsicher ist. Es klingt genauso souverän, wenn es richtig liegt, wie wenn es etwas erfindet. Die Mechanik dahinter beleuchten wir in Warum Ihre KI bei den Zahlen danebenliegt, aber kurz gesagt: Ein eloquenteres Modell ist kein genaueres.

Wenn man dem Modell die Arithmetik also nicht anvertrauen kann, wofür taugt KI im Finanzwesen dann überhaupt? Für vieles. Eine Frage in normaler Sprache verstehen. Wissen, welche Kennzahlen relevant sind. Eine Abweichung erklären wie ein scharfsinniger Analyst. Den Kommentar entwerfen. Das sind Sprachaufgaben, und genau für Sprache sind diese Systeme gebaut. Die Berechnung ist der Teil, den Sie ihnen entziehen.

Warum “füttert es einfach mit unseren Daten” ebenso wenig funktioniert

Der zweite verbreitete Reflex ist Retrieval: das Modell mit Ihren echten Finanzdaten verbinden, damit es nicht mehr rät. Das ist die richtige Richtung, und allein genügt es nicht.

Retrieval-Augmented Generation kann Ihnen sagen, woher eine Zahl stammt. Sie kann Ihnen nicht sagen, ob die Rechnung auf dieser Zahl stimmt oder ob die zugrunde liegenden Daten überhaupt aufgehen. Richten Sie ein Retrieval-System auf ein unaufgeräumtes Hauptbuch und drei exportierte Tabellen aus, und Sie erhalten schnelle, gut belegte Antworten, die auf Zahlen beruhen, die nie abgestimmt waren. Selbstsicher, mit Quelle versehen und trotzdem falsch. Naives Retrieval stagniert in der Regel unterhalb der Genauigkeit, die ein Finanzteam abzeichnen würde. Diese Grenze schlüsseln wir in RAG fürs Finanzwesen reicht nicht auf.

Darunter liegt ein größerer struktureller Punkt, und das MIT hat ihn beziffert. Eine vielzitierte Studie aus 2025 fand heraus, dass die überwältigende Mehrheit der GenAI-Pilotprojekte in Unternehmen keinen messbaren Ergebnisbeitrag erbracht hat. Speziell im Finanzwesen scheitert ein Pilot selten am Modell. Es liegt daran, dass die Daten nie in einem Zustand waren, über den ein System sauber hätte schlussfolgern können. Die Zahlen lagen in unterschiedlichen Tools, zu unterschiedlichen Stichtagen, unter unterschiedlichen Definitionen von “Umsatz”. Keine Abstimmung, keine gemeinsame Wahrheitsquelle. Was das für Finanzteams bedeutet, erörtern wir in Das 95-Prozent-Problem.

Das Muster zieht sich durch alles hindurch und ist immer dasselbe. Klügeres Prompting, größere Kontextfenster, neuere Modelle, nichts davon repariert ein Fundament, das nie gebaut wurde. Sie müssen das Fundament bauen.

Was die Verlässlichkeitsschicht tatsächlich ist

Hier ist die Architektur, die trägt. Drei Aufgaben, strikt getrennt gehalten, damit das, was gut mit Sprache ist, nie das übernimmt, was exakt sein muss.

Ein abgestimmtes Modell als Basis. Bevor überhaupt KI ins Spiel kommt, ziehen Sie die Daten dort ab, wo sie liegen, aus QuickBooks, Xero, NetSuite, Sage, einem Data Warehouse oder hochgeladenen Abschlüssen, und führen sie zu einem einzigen Finanzmodell zusammen, das mit dem Hauptbuch übereinstimmt. Eine Definition je Kennzahl. Ein Satz von Zahlen, die untereinander stimmig sind. Das ist der Teil, den alle überspringen wollen, und der Teil, von dem alles andere abhängt.

Eine deterministische Engine für die Rechnung. Wenn eine Frage eine Berechnung erfordert, läuft die Arithmetik in einer echten Berechnungs-Engine, nicht im Kopf des Modells. Dieselben Eingaben erzeugen jedes Mal dasselbe Ergebnis. Eine Spalte summieren, eine Kennzahl bilden, einen Forecast fortschreiben, eine Was-wäre-wenn-Rechnung durchführen, all das wird berechnet, nicht vorhergesagt. Das LLM schlägt vor, was zu berechnen ist. Es führt die Berechnung nie selbst aus.

Jede Zahl ist bis zur Quelle nachvollziehbar. Jede Zahl, die das System ausweist, lässt sich bis zu den zugrunde liegenden Datensätzen und dem exakten Rechenweg zurückverfolgen, der sie erzeugt hat. Kein “Vertrauen Sie mir”. Anklicken, und Sie sehen, woher sie kommt. Das macht aus einer KI-Antwort etwas, das Sie einem Aufsichtsrat oder einem Wirtschaftsprüfer vorlegen können.

Bringen Sie diese drei zusammen, und die Rolle der KI verändert sich. Sie wird zur Schnittstelle und zum Analysten, der auf Zahlen aufsetzt, die bereits abgestimmt waren und stets deterministisch neu berechnet werden. Das Modell verantwortet die Bedeutung. Die Engine verantwortet die Rechnung. Die Modellschicht verantwortet die Wahrheit.

Genau dafür ist die Plattform von Rexfin gebaut, und So funktioniert es führt den Ablauf von Anfang bis Ende durch.

Beachten Sie, was auf dieser Liste bewusst fehlt: ein Schritt, in dem der KI die Antwort anvertraut wird. Das Modell hält die Zahl nie selbst. Es fordert sie an, die Engine berechnet sie gegen abgestimmte Daten, und das Ergebnis kommt samt seiner Herkunft zurück. Diese Trennung ist der ganze Sinn. Sie ist auch der Grund, warum dieser Ansatz kontrolliert versagt. Wenn das Modell unsicher ist, ist der schlimmste Fall ein vager Satz, keine erfundene Zahl, denn die Zahlen zu erzeugen war nie Aufgabe des Modells.

Wohin das führt: Agenten

Der Grund, warum das mit jedem Quartal wichtiger wird, ist Autonomie. Die Diskussion verschiebt sich von KI, die antwortet, wenn man sie fragt, hin zu Agenten, die handeln, von sich aus neu forecasten, einen Covenant-Bruch melden, bevor Sie ihn bemerken, ein Szenario auslösen, sobald sich eine Zahl bewegt. Die meisten CFOs rechnen damit, dass Finanzagenten innerhalb weniger Jahre zur Routine gehören.

Ein Agent, der auf Basis einer halluzinierten Zahl handelt, macht nicht einen leisen Fehler. Er potenziert den Fehler in Maschinengeschwindigkeit und trägt ihn in die nächste Entscheidung hinein. Autonomie erhöht den Einsatz, den das Fundament tragen muss, sie senkt ihn nicht. Sie können nicht gefahrlos auf Zahlen automatisieren, die Sie nicht überprüfen können. Die abgestimmte, nachvollziehbare Schicht ist im Agenten-Zeitalter kein nettes Extra. Sie ist die Voraussetzung.

Die ehrlichen Grenzen

Das ist keine Zauberei, und etwas anderes zu behaupten wäre genau jene Selbstüberschätzung, vor der wir warnen. Wenn Ihre Quelldaten wirklich unbrauchbar sind, legt eine Abstimmungsschicht die Widersprüche offen, sie erfindet keine Stimmigkeit, die nicht da ist. Sonderfälle in unaufgeräumten Konzernstrukturen mit mehreren Gesellschaften erfordern weiterhin eine menschliche Entscheidung. Und die Sprachschicht kann eine Erklärung auch dann ungeschickt formulieren, wenn die Zahl dahinter exakt ist.

Was sie garantiert, ist das, worauf es wirklich ankommt: Die Zahl ist echt, sie stimmt mit der Quelle überein, und Sie können es belegen. Verlässlichkeit heißt nicht, die KI vertrauenswürdig klingen zu lassen. Sie heißt, das Vertrauen überprüfbar zu machen. Das sind zwei verschiedene Probleme, und nur eines davon lohnt es zu lösen.

Das Fazit ist unmissverständlich. Warten Sie nicht auf ein Modell, das klug genug ist, um ihm Ihre Zahlen anzuvertrauen, denn das Modell ist nicht der Ort, an dem Vertrauen entsteht. Vertrauen entsteht aus der Schicht darunter. Bauen Sie diese zuerst, und KI im Finanzwesen hört auf, eine Demo zu sein, die beeindruckt, und wird zu etwas, auf das Sie eine Aufsichtsratssitzung setzen würden.

Wenn Sie überprüfbare, bis zur Quelle nachvollziehbare Zahlen gegen ein echtes Hauptbuch laufen sehen möchten, buchen Sie eine Demo und bringen Sie eine Frage mit, die Sie Ihrem Team tatsächlich stellen würden.