Prävention statt Korrektur: Wie KI Finance-Teams vom Kontrolleur zum Steuerungsorgan macht

Die Kontrollillusion: Wer prüft, wenn das Geld schon geflossen ist?

In den meisten Finanzabteilungen läuft es noch immer so: Ein Beleg landet im Postfach, wird geprüft, kontiert und irgendwann freigegeben. Das Problem? Die Ausgabe wurde längst entschieden. Was Finance-Teams in diesem Moment wirklich machen, ist keine Kontrolle, es ist Dokumentation.

Das klassische Modell hat seinen Ursprung in einer Welt ohne Echtzeit-Daten. Monatelang blieben Budgetabweichungen unsichtbar; wer im Quartalsbericht korrigieren wollte, steuerte gegen eine Vergangenheit, die sich nicht mehr ändern ließ. Dieses Modell passt nicht mehr in schwierige Zeiten, in denen dezentral verursachte Ausgaben täglich im Voraus beeinflusst werden müssen.

Künstliche Intelligenz verändert dieses Grundprinzip – nicht durch Automatisierung um ihrer selbst willen, sondern durch eine andere Logik: Prävention statt Reaktion.

Prävention beginnt vor der Bestellung

Der entscheidende Unterschied liegt im Zeitpunkt der Steuerung. Im präventiven Modell wird nicht geprüft, nachdem Geld ausgegeben wurde, sondern festgelegt, welche Ausgaben überhaupt möglich sind, bevor die erste Transaktion stattfindet.

Das funktioniert über drei Hebel: Budgets, Freigaberichtlinien und Spending Controls.

Budgets werden nicht mehr nur als Planungsinstrument betrachtet, sondern als aktive Steuerungsgröße. Jede Ausgabe wird automatisch einem Budget zugeordnet – auf Basis von Regeln, die vorher definiert wurden: Wer fällt unter welches Budget? Welche Sachkonten oder Kostenstellen lösen die Budgetzuordnung aus? Das Budget ist jederzeit für alle Beteiligten einsehbar – für das Finance-Team, den Budgetverantwortlichen, aber auch für den Mitarbeitenden selbst.

Freigaberichtlinien sorgen dafür, dass Ausgaben nur getätigt werden dürfen, wenn sie vorab genehmigt wurden. KI hilft dabei, eingehende Rechnungen mit den vorab genehmigten Kaufanfragen automatisch zu „matchen“, sodass überflüssige Freigaben eliminiert werden.

Virtuelle Zahlungsmittel schließen den Kreis: Sie können mit Limits pro Transaktion, pro Monat, Händlerrestriktionen oder zeitlichen Einschränkungen versehen werden. Damit ist es technisch nicht möglich, außerhalb des gesetzten Rahmens zu agieren. Bei unseren Karten beispielsweise lassen sich diese Restriktionen granular konfigurieren, so dass die Karte zum kontrollierten Instrument und nicht zum Freifahrtschein wird. Das Ergebnis: Finance wird vom reaktiven Kontrolleur zum proaktiven Steuerungsorgan.

Welche KI – und warum das einen Unterschied macht

An diesem Punkt lohnt es sich, genauer hinzuschauen: Welche Art von Künstlicher Intelligenz kommt hier eigentlich zum Einsatz?

Es geht nicht darum, dass Finance-Mitarbeitende Prompts in gängige Large Language Models wie ChatGPT oder Claude eintippen und Ergebnisse herauskopieren. Der Einsatz, der im Finance-Kontext skaliert und prüfbar ist, sieht anders aus: KI, die in eine strukturierte Softwarelösung integriert ist und dort spezifische, wiederkehrende Aufgaben übernimmt.

Eine solche KI-Lösung setzt sich häufig aus einer Kombination aus Large Language Models, Machine Learning und regelbasierter Automatisierung zusammen. Diese Kombination übernimmt konkrete Aufgaben: die automatische Kontierung eingehender Rechnungen, die Erstellung von Buchungssätzen aus hochgeladenen Belegen, die Zuordnung von Kosten zu Budgets und Kostenstellen, die automatische Aufspaltung von Rechnungspositionen nach Steuerschlüsseln sowie die Prüfung und Synchronisation von Lieferantenstammdaten.

Was KI hier nicht tut: unkontrolliert selbstständig Entscheidungen treffen. Sie bereitet vor, schlägt vor, kennzeichnet – die finale Freigabe liegt aber beim Menschen.

Nachvollziehbarkeit ist keine Option

Genau hier liegt ein zentrales Missverständnis im Umgang mit KI im Finance. Die Frage ist nicht, ob KI gut genug ist, um zu entscheiden. Die Frage ist: Wer trägt am Ende die Verantwortung und kann das belegt werden?

Nicht die KI wird vom Wirtschaftsprüfer oder vom Betriebsprüfer geprüft. Geprüft werden der Prozess und die Person, die ihn durchgeführt und freigegeben hat.

Deshalb ist Nachvollziehbarkeit die Grundvoraussetzung für jeden KI-Einsatz im Finance. Konkret bedeutet das: Für jede Transaktion muss jederzeit sichtbar sein, woher ein Wert stammt. Hat die KI diesen Buchungsvorschlag gemacht? Wurde er durch eine Regel automatisiert? Oder war es eine manuelle Eingabe?

Das kann zum Beispiel durch eine klare visuelle Kennzeichnung gelöst werden: KI-Vorschläge und regelbasierte Automatisierungen sind unterschiedlich markiert. Das mag wie ein Detail klingen – es ist aber die Grundlage dafür, dass anschließende Nachvollziehbarkeit gegeben ist.

Zusätzlich wird für jede Transaktion ein vollständiger Audit Trail erstellt: Wer hat die Ausgabe angefragt? Wer hat sie vorkontiert? Wer hat sie anschließend genehmigt? Wurde die Leistung dokumentiert? Dieser Trail kann jederzeit exportiert werden und zwar direkt ins Accounting-System oder als separate Dokumentation für externe Prüfer.

GoBD-Konformität: Bremse oder Leitplanke?

Wer in Deutschland im Finance arbeitet, kennt die GoBD, also die Grundsätze zur ordnungsgemäßen Führung und Aufbewahrung von Büchern, Aufzeichnungen und Unterlagen in elektronischer Form. Sie gelten mancherorts als bürokratisches Hindernis, als Bremse auf dem Weg zur Digitalisierung.

Das ist ein Missverständnis. GoBD-Konformität ist keine Einschränkung, sie ist der Rahmen, innerhalb dessen KI im Finance überhaupt vertrauenswürdig sein kann.

Die zentralen Anforderungen – unter anderem Vollständigkeit, Unveränderlichkeit, Nachvollziehbarkeit, Reproduzierbarkeit – decken sich nahezu vollständig mit dem, was sinnvoller KI-Einsatz ohnehin erfordert. Ein System, das KI-Vorschläge klar kennzeichnet, Entscheidungen dokumentiert und Audit Trails automatisch erstellt, ist nicht trotz der GoBD gut, es ist gut, weil es diese Anforderungen ernst nimmt.

Finance-Teams, die KI einsetzen wollen, sollten GoBD-Konformität deshalb nicht als lästige Hürde betrachten, sondern als Qualitätsmerkmal: Hat ein Tool diese Anforderungen wirklich durchdacht, lässt sich das auch im Ernstfall – vor dem Wirtschaftsprüfer oder dem Betriebsprüfer – belegen.

Wenn Teams auf eigene Faust KI einsetzen

Es wäre naiv, so zu tun, als passiere das nicht: Mitarbeitende in Finance-Teams nutzen ChatGPT, Claude oder ähnliche Large Language Models, um Buchungen vorzubereiten, Texte zu formulieren oder Daten auszuwerten. Oft mit guten Absichten und manchmal auch mit brauchbaren Ergebnissen.

Das Problem ist nicht die KI selbst. Das Problem ist die fehlende Einbettung in einen nachvollziehbaren Prozess.

Wenn ein Buchungsvorschlag aus einem Sprachmodell kommt, das außerhalb der Unternehmenssoftware betrieben wird, ist das Ergebnis in der Regel nicht reproduzierbar. Es gibt keinen Audit Trail. Es ist nicht dokumentiert, welche Eingaben den Output erzeugt haben. Und wenn der Wirtschaftsprüfer fragt, wie ein bestimmter Buchungssatz zustande gekommen ist, lautet die Antwort im besten Fall: „Das hat jemand mit ChatGPT gemacht."

Das ist kein KI-Problem. Das ist ein Strukturproblem. Und es zeigt, warum der Unterschied zwischen einem integrierten KI-System und dem ad-hoc-Einsatz von Sprachmodellen im Finance-Kontext so erheblich ist. GoBD-konforme Prozesse lassen sich mit unstrukturierten KI-Outputs nicht dokumentieren – egal wie gut das Ergebnis auf den ersten Blick aussieht.

Finance neu gedacht: Was sich wirklich verändert

KI im Finance ist kein reines Effizienzthema. Es geht nicht nur darum, Buchungen schneller zu erstellen oder Belege automatisch zu erkennen, auch wenn diese Zeitgewinne real sind. Was sich grundlegender verändert, ist die Rolle des Finance-Teams selbst. Wenn wiederkehrende, regelbasierte Aufgaben automatisiert werden – Dateneingabe, manuelle Buchungen, OPOS-Abstimmungen – entsteht Raum für etwas anderes: Analyse, Prozessdesign, Business Partnering. Finance-Teams, die früher damit beschäftigt waren, Belegen nachzujagen und Abweichungen manuell zu klären, können sich auf die Fragen konzentrieren, die strategisch relevant sind.

Echtzeit-Transparenz ersetzt nachgelagertes Reporting. Budgets sind nicht mehr Planzahlen aus der letzten Quartalsplanung – sie sind jederzeit aktuell, für alle Beteiligten sichtbar, mit Auswirkungen in Echtzeit. Das verändert nicht nur die Arbeit im Finance-Team, sondern auch die Zusammenarbeit mit anderen Abteilungen.

Wir erleben das im Finance-Bereich von Moss selbst: Der Monatsabschluss ist kein Sprint mehr, bei dem alle Daten auf einmal aufgearbeitet werden – sondern ein kontinuierlicher Prozess, der deutlich weniger manuelle Eingriffe erfordert als noch vor einigen Jahren.

Checkliste: Ist KI in Ihrem Finance-Prozess wirklich prüfbar?

Für Finance-Teams, die KI einsetzen oder einsetzen möchten, lohnt sich eine strukturierte Überprüfung der eigenen Prozesse. Die folgenden Fragen helfen einzuschätzen, ob der Einsatz tatsächlich revisionssicher aufgestellt ist:

Prävention & Steuerung

• Sind Budgets aktiv hinterlegt und werden Ausgaben automatisch zugeordnet – nicht nur nachträglich ausgewertet?
• Sind Freigaberichtlinien in der Software technisch hinterlegt und werden sie durchgesetzt – nicht nur dokumentiert?
• Gibt es Spending Controls (z. B. Kartenrestriktionen), die Ausgaben außerhalb definierter Grenzen technisch verhindern?

Transparenz & Nachvollziehbarkeit

• Ist für jede Transaktion erkennbar, ob ein Wert von KI vorgeschlagen, regelbasiert automatisiert oder manuell eingegeben wurde?
• Werden KI-Ergebnisse im Vier-Augen-Prinzip geprüft und freigegeben (Human in the Loop)?
• Sind KI-Ergebnisse reproduzierbar – kann jederzeit nachvollzogen werden, wie ein Buchungsvorschlag entstanden ist?

Audit & Compliance

• Wird für jede Transaktion ein vollständiger Audit Trail erstellt (Kaufanfrage, Vorkontierung, Genehmigung, Leistungsnachweis)?
• Ist der Audit Trail exportierbar – ins Accounting-System und für externe Prüfer?
• Ist das Vier-Augen-Prinzip im Prozess technisch abgesichert?
• Erfüllt die eingesetzte Lösung die GoBD-Anforderungen (u.a. Vollständigkeit, Unveränderlichkeit, Nachvollziehbarkeit)?

Datenqualität & Integration

• Werden Stammdaten (Lieferanten, Umsatzsteuer-IDs, Kostenstellen, Sachkonten) kontinuierlich synchronisiert und automatisch validiert?
• Werden Abweichungen und offene Klärungsfälle systematisch erfasst und priorisiert – nicht manuell gesammelt?

Wer diese Fragen mit Ja beantworten kann, hat KI nicht einfach eingeführt – sondern sinnvoll integriert. Der Unterschied ist erheblich: im Alltag, und spätestens dann, wenn ein Prüfer die Frage stellt, wie eine Zahl zustande gekommen ist.

Das könnte Sie auch interessieren:

Wie Unternehmen ihre Ausgaben senken, ohne ihr Wachstum auszubremsen