Single Source of Truth vs. ausreichende Versionen der Wahrheit: Was CFOs bei KI-tauglichen Zahlen falsch verstehen

Gartner empfiehlt, die einzige Version der Wahrheit aufzugeben. Für eine KI, die Kennzahlen berechnet und zitiert, ist dieser Rat halb richtig – und die Hälfte, die übersehen wird, ist gefährlich.

Gartner rät Datenverantwortlichen seit Längerem, nicht weiter einer einzigen Version der Wahrheit hinterherzujagen. Die Analysten argumentieren, Unternehmen sollten stattdessen “ausreichende Versionen der Wahrheit” anstreben – und die Zahlen dazu sind eindeutig. Laut Gartner führt eine Strategie der ausreichenden Versionen mit rund 41 % höherer Wahrscheinlichkeit zu entscheidungsreifen Daten als ein Single-Version-Ansatz und etwa doppelt so wahrscheinlich zu einer besseren Entscheidungsqualität. Nur etwa ein Viertel der Unternehmen hat diesen Weg tatsächlich eingeschlagen.

Wer den Finanzbereich verantwortet, hört in diesem Rat womöglich die Erlaubnis, die Zügel zu lockern. Die ist es nicht. Gartners Argument stimmt für das Unternehmen als Ganzes und ist für genau den Teil, für den Sie geradestehen, im Stillen falsch. Die Falle besteht darin, “ausreichende Versionen der Wahrheit” als Freibrief zu verstehen, die Zahlen voneinander abweichen zu lassen. Für eine KI, die die Bruttomarge berechnet und sie Ihrem Aufsichtsgremium zurückspielt, sind mehrere Versionen der zugrunde liegenden Größe keine Flexibilität. Sie sind ein Defekt, der nur darauf wartet, zitiert zu werden.

Was Gartner tatsächlich meint

Die Idee der “ausreichenden Versionen der Wahrheit” ist eine Reaktion auf ein reales Scheitern. Zwei Jahrzehnte lang haben Datenteams Geld in zentrale Data Warehouses gesteckt, die den einen wahren Wert für jede Kennzahl vorhalten sollten. Der “aktive Kunde” des Marketings, der “aktive Kunde” des Vertriebs und der “aktive Kunde” der Finanzabteilung sollten endlich übereinstimmen. Sie taten es nie, weil die Definitionen nie dieselbe betriebswirtschaftliche Frage beantworteten. Das Streben nach einer Zahl für alle erzeugte teures Governance-Theater und Daten, denen niemand genug vertraute, um danach zu handeln.

Gartners Korrektur ist vernünftig: Die Fachbereiche sollen ihre Daten besitzen, Kennzahlen für die jeweils anstehende Entscheidung definieren und nur so weit steuern, dass die Dinge stimmig bleiben – nicht vollkommen identisch. Das Marketing darf einen Kunden anders zählen als die Finanzabteilung, solange jede Definition ihrem Zweck dient und die Zielkonflikte bewusst eingegangen werden.

Beachten Sie, worum es in diesem Argument geht. Es geht um Definitionen und Verantwortlichkeiten über Funktionen hinweg. Es ist kein Argument dafür, dass dieselbe Größe – derselbe Umsatz eines abgeschlossenen Monats, derselbe Kassenbestand – je nach Fragesteller zu unterschiedlichen Werten führen sollte. Die Ausreichendheit lebt auf der Ebene “Welche Frage beantworten wir gerade”. Sie lebt nicht innerhalb einer einzelnen Antwort.

Wo die KI die Analogie zerbricht

Ein menschlicher Analyst geht souverän mit Mehrdeutigkeit um. Fragen Sie nach dem “Umsatz”, und eine gute Controllerin fragt zurück: brutto oder netto? Realisiert oder fakturiert? Zu konstanten Wechselkursen? Sie hält drei plausible Lesarten im Kopf und wählt die richtige für die Runde aus.

Ein LLM tut das nicht zuverlässig, und es tut etwas Schlimmeres: Es wählt im Stillen eine aus und behauptet sie mit voller Überzeugung. Wenn Ihre Datenschicht vier Umsatzversionen anbietet und keine Regel dafür, welche für eine gegebene Frage maßgeblich ist, wird das Modell wählen – auf Basis dessen, welchen Text es in welcher Reihenfolge abgerufen hat – und die Wahl anschließend mit einem flüssigen Absatz verteidigen. Sie sehen die Weggabelung nicht. Sie sehen eine selbstbewusste Antwort, die zufällig um die Differenz zwischen fakturiert und realisiert danebenliegt.

Deshalb scheitern “ausreichende Versionen der Wahrheit”, wenn man sie naiv auf KI im Finanzbereich überträgt. Die Strategie setzt voraus, dass ein kompetenter Mensch zwischen Daten und Entscheidung sitzt und den Zielkonflikt austrägt, den Gartner beschreibt. Entfernen Sie diesen Menschen oder ersetzen Sie ihn durch einen Chatbot, wird der Zielkonflikt trotzdem entschieden – nur von niemandem, niemandem gegenüber verantwortlich und ohne jeden Nachweis.

Es gibt ein zweites Problem. Selbst wenn eine KI die richtige Version wählt, müssen Sie immer noch der Rechnung vertrauen. Sprachmodelle sind bekanntermaßen unzuverlässig bei mehrstufigen Berechnungen; sie gleichen Muster ab in Richtung plausibler Ziffern, statt tatsächlich zu rechnen. Die Frage für den Finanzbereich lautet also nicht nur “Welche Zahl hat es verwendet”, sondern “Hat es korrekt summiert, und kann es seinen Rechenweg offenlegen”. Zu all dem hat eine Governance der Versionen der Wahrheit nichts zu sagen. (Warum ein LLM-auf-ERP-Aufbau nicht ausreicht, legen wir in warum die Anbindung eines LLM an Ihr ERP die Rechnung trotzdem falsch macht dar.)

Ein abgestimmtes Modell, viele Szenarien

Hier ist die Unterscheidung, die den Widerspruch auflöst. Die Versionen gehören in die Szenarien, nicht in die Zahlen.

Damit eine KI Kennzahlen sicher berechnen und zitieren kann, brauchen Sie darunter ein einziges abgestimmtes Finanzmodell: einen einzigen Satz von Größen, der sich mit dem Hauptbuch deckt, mit einer Herkunft, die an jedem Wert hängt, sodass jede Zahl auf den Buchungssatz oder die Quellaufstellung zurückführbar ist, aus der sie stammt. Genau hier ist “Single Source of Truth” nicht verhandelbar. Es sollte exakt einen Wert für den realisierten Umsatz des abgeschlossenen Monats geben, er sollte mit dem übereinstimmen, was Ihr Buchhaltungssystem ausweist, und Sie sollten das beweisen können.

Auf dieser festen Basis wollen Sie so viele Versionen wie das Geschäft benötigt – aber als Szenarien, nicht als widersprüchliche Fakten. Best Case, Downside, die Version fürs Aufsichtsgremium, die Version für den Kreditgeber, “was wäre, wenn wir die Einstellung um ein Quartal verschieben”. Jedes Szenario ist eine bewusste Transformation derselben abgestimmten Basis, und jedes trägt seine eigenen, dokumentierten Annahmen. Genau dorthin gehört Gartners Flexibilität, und sie ist dort gerade deshalb sicher, weil das Fundament darunter sich nicht bewegt.

Die Synthese sieht also so aus:

Fakten: Single Source of Truth. Ein abgestimmtes Modell, an das Hauptbuch gebunden, mit Herkunftsnachweis. Keine stillen Weggabelungen.
Szenarien: ausreichende Versionen. So viele, wie die Entscheidung erfordert, jedes ein expliziter, benannter Zweig derselben Basis, jedes mit ausgewiesenen Annahmen.

Der Fehlermodus, vor dem Gartner warnt – starre zentrale Daten, denen niemand vertraut –, tritt ein, wenn Sie diese beiden Ebenen verwechseln und versuchen, die Fakten allen Szenarien zugleich dienen zu lassen. Der Fehlermodus, den die KI einführt, tritt ein, wenn Sie die Szenarien in die Fakten zurückbluten lassen, sodass die zugrunde liegenden Zahlen selbst aufhören, übereinzustimmen.

Was das von der Technik verlangt

“Fakten einzeln, Szenarien plural” zu sagen ist leicht. Es durchzusetzen ist die eigentliche Arbeit.

Ein abgestimmtes Modell bedeutet, an Ihre realen Systeme anzubinden – QuickBooks, Xero, NetSuite, Sage, SAP, Oracle, ein Data Warehouse oder hochgeladene Aufstellungen – und ein einziges Modell zu bauen, das sich deckt, statt jeden Abnehmer Rohdatensätze ziehen und Kennzahlen im laufenden Betrieb definieren zu lassen. Die Rechnung sollte über eine deterministische Engine laufen, nicht über das Sprachmodell: Die KI ruft Größen ab und rahmt die Frage, die Engine berechnet die Antwort, und dieselben Eingaben erzeugen stets dieselbe Ausgabe. Und jede zitierte Zahl sollte wiederholbar sein – bis zur Quelle nachvollziehbar, so wie Sie eine Tabellenformel durch ihre Zellen zurückverfolgen würden. Wir gehen darauf in eine KI-Zahl genauso beweisen, wie Sie eine Formel beweisen würden näher ein.

Das ist das Gegenteil des Tabellenwildwuchses, auf dem die meisten Finanzteams tatsächlich laufen, wo die “einzige Quelle” jeweils diejenige Arbeitsmappe ist, die zuletzt jemand per E-Mail verschickt hat – ein Ansatz, den wir von vornherein für das falsche Fundament für KI im Finanzbereich halten. Es ist zugleich der Entwurf hinter der verlässlichen Modellierungsschicht für KI im Finanzbereich: ein abgestimmtes Modell, auf dem die KI stehen kann, mit Versionen, die dort gehalten werden, wo sie hingehören.

Das Fazit

Gartner hat recht, dass eine Zahl für alle ein gescheitertes Unternehmensprojekt ist. Doch “ausreichende Versionen der Wahrheit” war ein Rat für Menschen, die Zielkonflikte austrugen, die sie sehen und verteidigen konnten. Geben Sie dieselbe Haltung einer KI, erhalten Sie selbstbewusste Antworten, die auf Zahlen aufbauen, die im Stillen voneinander abweichen. Halten Sie die Fakten singulär, abgestimmt und nachvollziehbar. Verlagern Sie die Vielfalt in die Szenarien. Das ist die Linie, die ein skeptischer CFO halten sollte – denn wenn das Modell Ihrem Aufsichtsgremium eine Zahl zitiert, ist “kommt drauf an, welche Version” kein Satz, den Sie sagen wollen.

Wenn Sie sehen möchten, wie ein abgestimmtes Modell mit Herkunftsnachweis unter einer KI aussieht, vereinbaren Sie eine Demo.