Die Finanzfunktion soll effizienter werden, Prozesse beschleunigen und zugleich als strategischer Business Partner bessere Entscheidungsgrundlagen liefern, ohne Abstriche bei Compliance und Kontrolle. Generative und agentische KI eröffnen hierfür neue Möglichkeiten. Doch ihr Potenzial entfaltet sich erst, wenn Unternehmen nicht nur einzelne Tätigkeiten automatisieren, sondern Prozesse, Daten und Interaktionen zwischen Mensch und Maschine grundlegend neu gestalten. Für CFOs stellt sich deshalb nicht allein die Frage, wo KI eingesetzt werden kann, sondern auch wie die Finanzfunktion der Zukunft aussehen soll.
Automatisierung vs. Operating Model
Automatisierung, Cloud-Technologien und moderne ERP-Systeme haben Finance stark verändert. Doch mit generativer und insbesondere agentischer KI steht der nächste Entwicklungsschritt an: KI entwickelt sich vom Werkzeug für individuelle Produktivität zu einem integralen Bestandteil des künftigen Finance Operating Models. Intelligente Systeme und Agenten können dabei Aufgaben innerhalb definierter Leitplanken übernehmen und komplexe Workflows unterstützen.
Für CFOs bedeutet dies, den Fokus von einzelnen Use Cases auf die strategische Transformation zu lenken. Entscheidend ist nicht die Anzahl der KI-Anwendungen, sondern ihr nachhaltiger Beitrag zur Leistungsfähigkeit des Unternehmens:
- Schnellere und fundiertere Entscheidungen durch bessere Informationsgrundlagen.
- Entlastung von Routineaufgaben, um Kapazitäten für Steuerung und strategische Aufgaben zu gewinnen.
- Höhere Qualität und Konsistenz in End-to-End-Prozessen.
Eine erfolgreiche Finanztransformation entsteht jedoch nicht durch Technologie allein, sondern durch das Zusammenspiel mit drei weiteren
Dimensionen: Prozesse, Daten und Menschen.
Prozesse neu denken: Reimagination statt Automation
Viele Transformationsprogramme beginnen mit der bestehenden Prozesslandschaft. Aktivitäten werden analysiert, standardisiert, zentralisiert und automatisiert. Dieser Ansatz hat in den vergangenen Jahren erhebliche Effizienzpotenziale erschlossen.
KI eröffnet jedoch die Möglichkeit, einen Schritt weiterzugehen. Statt zu fragen, wie ein bestehender Prozess automatisiert werden könnte, sollte folgende Frage gestellt werden: Wie würden wir diesen Prozess gestalten, wenn wir ihn heute neu definieren könnten?
Genau hier setzen sogenannte AI Blueprints an. Ihr Credo lautet „Built-in AI“ statt „Bolt-on AI“, d. h. KI wird zum integralen Bestandteil des Prozessdesigns, nicht zum technologischen Automationspflaster. Aus Process Automation wird echte Process Reimagination. Ein solches Redesign definiert neu, welche Entscheidungen getroffen werden müssen, welche Informationen benötigt werden, welche Aktivitäten automatisiert erfolgen können, wo AI Agents unterstützen oder Aufgaben übernehmen können und an welchen Punkten menschliches Urteilsvermögen, Kontrolle und Verantwortung unverzichtbar bleiben (siehe Abbildung 1).
Abbildung 1: Process Reimagination, Quelle: EY
Eine wesentliche Erkenntnis aus AI-Blueprint-Projekten ist, dass die größten Potenziale nicht zwingend dadurch entstehen, einzelne Aktivitäten schneller auszuführen. Sie entstehen dadurch, Aktivitäten vollständig anders zu organisieren, Schnittstellen zu reduzieren und ganze Prozessketten neu zu gestalten.
Die strategische Chance besteht darin, KI nicht als zusätzliche technologische Schicht auf bestehende Prozesse zu setzen, sondern sie als Katalysator für ein neues Prozessdesign zu verstehen.
Neue Prozesse ohne Daten und ohne Governance?
Je stärker KI in Finanzprozesse integriert wird, desto wichtiger wird ein Thema, das keineswegs neu ist: Daten. Neu ist allerdings deren strategische Bedeutung.
In einer zunehmend KI-gestützten Finance-Organisation entscheiden Qualität, Verfügbarkeit und Governance von Daten unmittelbar darüber, wie zuverlässig und skalierbar neue Lösungen eingesetzt werden können. D. h.: Ohne ein belastbares Datenfundament wird es keine skalierbare, KI-unterstützte Transformation geben.
Für Entscheider im Finanzbereich bedeutet dies: Daten dürfen kein technisches Nebenprojekt der Transformation sein. Datenqualität, Integration und Governance gehören ganz oben auf die Business Agenda.
Dabei geht es allerdings um deutlich mehr als die klassische Frage, ob Stammdaten korrekt gepflegt sind. Es geht darum, ob die Organisation weiß, welche Daten für Entscheidungen relevant sind, wo diese liegen, wer für sie verantwortlich ist und unter welchen Bedingungen Menschen, Systeme und zukünftig auch AI Agents darauf zugreifen dürfen.
Mit zunehmender Autonomie von KI-Systemen gewinnt insbesondere auch„Trust by Design“ an Bedeutung. Governance, Berechtigungen, Kontrollen und Nachvollziehbarkeit sollten deshalb nicht nachträglich ergänzt werden. Sie müssen von Anfang an fester Bestandteil der Architektur und des Prozessdesigns sein.
Im Rahmen der Implementierung von KI-Applikationen sind somit frühzeitig potenzielle Risiken und Kontrolltiefe der Applikation zu bestimmen sowie Kontrollen im Prozessdesign zu verankern.
Menschliche Teams vs. hybride Organisationen
Die vielleicht weitreichendste Veränderung in der Finanzfunktion betrifft nicht die Technologie. Sie betrifft den Menschen und die Organisation.
Wenn KI künftig stärker in Prozesse eingebunden wird, verändert sich zwangsläufig die Art, wie Arbeit verteilt und organisiert wird. Wir werden Finance-Organisationen zunehmend als hybride Teams wahrnehmen müssen: Menschen arbeiten mit digitalen Assistenten, Automatisierungslösungen und spezialisierten KI-Agenten zusammen. Das eröffnet eine neue Perspektive auf Produktivität.
Die Anzahl der menschlichen Mitarbeitenden innerhalb eines Prozesses ist nur eine Komponente in dieser Diskussion. Vielmehr muss untersucht werden, wie menschliche und digitale Fähigkeiten optimal orchestriert werden, um das beste Ergebnis zu erzielen. Dabei geht es ausdrücklich nicht um eine rein technologische Substitution von Arbeit.
Menschen werden dort weiterhin besonders relevant bleiben, wo Erfahrung, Kontext, kritisches Denken, Kommunikation, Urteilsvermögen und Verantwortung erforderlich sind.
Organisationen müssen daher Kompetenzen aufbauen, neue Arbeitsweisen etablieren und Akzeptanz schaffen. Vor allem aber benötigen Mitarbeitende ein klares Verständnis davon, wie sich ihre eigene Rolle durch KI verändert und wo ihre zukünftige Wertschöpfung liegt.
Ein Beispiel für neue Schlüsselrollen im Bereich Finance sind sogenannte Techno-functional Experts bzw. Finance oder Process Engineers. Sie verbinden fundiertes Finance-Know-how mit Technologie-, Daten- und Prozesskompetenz und übersetzen fachliche Anforderungen in skalierbare, kontrollierbare Lösungen. Techno-functional Experts agieren dabei als Brückenbauer zwischen Accounting, Controlling, Tax oder Treasury und den Technologie- und Datenteams: Sie verstehen End-to-End-Prozesse, formulieren Anforderungen, bewerten AI Use Cases und stellen sicher, dass Governance, Kontrollen und regulatorische Vorgaben bereits im Lösungsdesign berücksichtigt werden. Ihr Wertbeitrag liegt nicht primär darin, bestehende Tätigkeiten schneller auszuführen. Vielmehr schaffen sie die Übersetzungs- und Umsetzungskompetenz, mit der Finance neue Lösungen eigenständig gestalten, testen, verantworten und kontinuierlich verbessern kann.
Diese neuen Mitarbeiterprofile müssen direkt in die „neu gedachten“ Prozesse – siehe oben – eingebettet werden. Das „Blueprinting“ kann dabei zu unterschiedlichen Ergebnissen hinsichtlich des Beitrags von KI führen. Das Spektrum reicht dabei von Kosteneinsparungen über Kapazitätserweiterungen hin zu wertsteigernden Maßnahmen.
Der Beitrag von KI und die Auswirkung auf den menschlichen Faktor hängt von konkreten Zielsetzungen ab, wie in Abbildung 2 dargestellt. Die dort gezeigten drei Zielsetzungen haben erhebliche Auswirkungen auf die Menschen im Finance-Team. Das Zusammenspiel von Menschen, Technologie und digitalen Fähigkeiten verdeutlicht somit, dass jede erfolgreiche KI-Transformation gleichzeitig eine People Transformation bedeutet.

Abbildung 1: Process Reimagination. Quelle: EY
Buy vs. Build“ , „Operate vs. Outsource“
Daraus ergibt sich ein veränderter Anspruch an Transformation.
- Es geht nicht darum, möglichst viele AI Use Cases zu implementieren.
- Es geht auch nicht darum, bestehende Prozesse lediglich schneller zu machen.
- Es geht darum, die Leistungsfähigkeit von Finance neu zu definieren.
Hier schließen sich zwei zentrale Fragen an, die zum Einen auf technologische und zum Anderen auf organisatorische Aspekte fokussieren.
Die erste Frage lautet „Buy vs. Build“: Ist die eigene Organisation in der Lage – eventuell mit externer Unterstützung – KI-Systeme und Applikationen selbst zu entwickeln, diese zu zertifizieren und im Folgenden auch zu betreiben? Als Alternative hierzu kommt der Rückgriff und die Integration von auf dem Markt bestehender KI-Drittlösungen in Betracht. Ob diese Lösungen sämtliche Use Cases und insbesondere die Transformationserfordernisse der Organisation unterstützen, ist im Einzelfall detailliert zu klären.
Die zweite zu beantwortende Frage fokussiert auf das Auslagern von möglichen Aktivitäten und Prozessschritten. Inwieweit Unternehmen die Transformationserfordernisse vollständig aus eigener Kraft bewältigen können und wollen, ist ein signifikanter Aspekt.
Es stellt sich die Frage, welche Fähigkeiten intern aufgebaut werden sollten und wo externe Unterstützung sinnvoll ist. Der Grad der Auslagerung von Finanzprozessen im Rahmen von Managed Services hängt neben wirtschaftlichen Faktoren auch davon ab, inwieweit sich Unternehmen verstärkt auf ihre operativen Kernprozesse fokussieren möchten.
Fazit
Die Gewinner der nächsten Transformationswelle werden nicht diejenigen sein, die KI am schnellsten einführen, sondern diejenigen, die Prozesse, Daten, Technologie und Menschen konsequent zu einem leistungsfähigen Finance Operating Model verbinden. Für CFOs bedeutet das, Transformation nicht bei der Automatisierung bestehender Abläufe enden zu lassen, sondern die Finanzfunktion vom angestrebten Ergebnis her neu zu gestalten.
Denn die eigentliche Chance von KI besteht nicht darin, Finance lediglich schneller oder günstiger zu machen. Sie besteht darin, die Finanzfunktion neu zu definieren.
