KI in der CFO-Funktion: Eine Führungsaufgabe, die man nicht delegieren sollte

In der Finanzfunktion hat Künstliche Intelligenz (KI) längst das Experimentierstadium hinter sich gelassen. CFOs diskutieren nicht mehr darüber, ob KI relevant wird, sie fragen vielmehr, wo sie bereits Wert schafft, wie schnell sie skaliert werden sollte und was das für die Zukunft von Finance Leadership und Talenten bedeutet. In unseren jüngsten Gesprächen mit Finanzverantwortlichen haben sich fünf Beobachtungen herauskristallisiert:

Die interessantesten Anwendungsfälle sind längst keine experimentellen Randphänomene mehr. Sie berühren zunehmend den Kern der CFO-Agenda: Effizienz in den Kernprozessen, Reporting, Forecasting, Compliance, Steigerung der Profitabilität und Wachstumstreiber.

Innerhalb der gesamten Finanzfunktion reichen die Anwendungen von hochoperativen Use Cases bis hin zur strategischen Entscheidungsunterstützung:

• Automatisierung von Abrechnungs-, Rechnungsstellungs-, Zahlungs- und Buchhaltungsprozessenlaufend aktualisierte und dynamischere Forecasts
• Überwachung der Vertragskonformität
• Identifikation von Kostensenkungspotenzialen im Einkauf
• Förderung des Umsatzwachstums durch Unterstützung von Vertriebs- und Serviceteams

Zwei Beispiele für den geschäftlichen Mehrwert stammen aus dem Lieferantenmanagement und dem Einkauf: Ein CFO beschrieb, wie KI nun Vertragsprüfungen möglich macht, die sich früher kaum durchführen ließen. Sie analysiert große Mengen an Vereinbarungen schnell und systematisch. Statt auf selektive manuelle Prüfungen angewiesen zu sein, können Finance-Teams Abweichungen identifizieren, das Risiko menschlicher Fehler reduzieren und substanzielle Einsparpotenziale in Bereichen aufdecken, die in der Vergangenheit kaum skalierbar adressiert werden konnten. In einigen Fällen führten geringe Investitionen in KI-Unterstützung zu Rückerstattungen in Millionenhöhe wegen fehlerhaft ausgestellter Rechnungen.

Dieselbe Logik gilt auch für den Einkauf. KI kann dabei helfen, Lieferantenpreise über Regionen, Geschäftsbereiche und historische Verhandlungszyklen hinweg konsistenter zu vergleichen, Konditionen zu benchmarken und Nachverhandlungen mit stärkerer analytischer Evidenz zu unterstützen. Teilweise regt KI Gespräche mit Long-Tail-Lieferanten an, die zuvor nicht aktiv gemanagt wurden.

Über die Finanzfunktion hinaus beginnen CFOs, KI auch als Hebel für Umsatzwachstum zu sehen. KI kann Mitarbeitende dabei unterstützen, komplexere Kundengespräche zu führen, die Reaktionsfähigkeit verbessern und den Fachkräftemangel kompensieren. Statt Mitarbeitende überflüssig zu machen, erweitert KI also deren Fähigkeiten und steigert ihren Beitrag zum Geschäftserfolg.

Gleichzeitig beginnen CFOs, die Ausgaben für KI selbst aktiv zu steuern. Einige CFOs prüfen die Nutzungskosten für KI-Anwendungen, vergleichen Anbieter und etablieren Freigabeprozesse für KI-Projekte. Darüber hinaus erhalten Mitarbeitende ein monatliches Nutzungskontingent. Das schafft Transparenz über den KI-Verbrauch und fördert zugleich die Nutzung innerhalb einer kontrollierten Unternehmensumgebung.

In der öffentlichen Diskussion steht häufig die Effizienz durch Automatisierung im Vordergrund. Viele CFOs betonen jedoch etwas Weiterreichendes: KI ermöglicht es Finance-Teams, mehr Szenarien zu bewerten und mehr Annahmen zu testen als je zuvor. Sie können dadurch fortlaufende Prognosen kontinuierlich oder ad hoc aktualisieren statt nur periodisch. Alternative Szenarien lassen sich innerhalb von Minuten statt Tagen simulieren. Im Ergebnis erreichen Organisationen gleichzeitig:

• eine umfassendere Szenarioplanung
• eine bessere Entscheidungsunterstützung
• schnellere Erkenntnisse
• geringeren manuellen Aufwand

Für viele Finanzverantwortliche ist das genau der Weg, den sie schon immer gehen wollten: Die Finanzfunktion entwickelt sich von einer Reporting- und Planungsmaschine zu einer strategischen Unterstützung in Echtzeit.

Jede KI-Diskussion kommt letztlich auf das Thema Daten zurück. CFOs sind sich einig: KI breit im Unternehmen einzuführen, erfordert nicht nur Zugang zu Daten, sondern auch eine gemeinsame, integrierte und gut gesteuerte Datenbasis.

Die Herausforderung ist daher eine doppelte: Organisationen müssen die richtigen Daten zugänglich machen und gleichzeitig sicherstellen, dass diese konsistent, bereinigt und logisch strukturiert sind. KI kann keine Klarheit schaffen, wo Definitionen voneinander abweichen, Stammdaten fragmentiert sind oder weiterhin fehlerhafte oder veraltete Datenbestände im System sind.

Ein CFO fasste es wie folgt zusammen: „Wenn verschiedene Unternehmensbereiche unterschiedliche KPI-Definitionen verwenden, vervielfacht KI lediglich die Verwirrung.“ Einheitliche KPI-Definitionen und Stammdaten, integrierte Systeme und klare Verantwortlichkeiten bleiben daher entscheidende Voraussetzungen.

Finanzverantwortliche sind sich jedoch einig: Unvollkommene Daten dürfen kein Grund sein, untätig zu bleiben. Deshalb setzen viele Organisationen bereits auf gezielte Anwendungsfälle, während sie ihre umfassendere Datentransformation parallel vorantreiben. Sie lernen durch Experimentieren, schärfen ihre Datendisziplin Schritt für Schritt und schaffen Dynamik – lange bevor die gesamte Datenlandschaft perfekt ist. Zudem nutzen sie KI, um die Bereinigung und Harmonisierung zu beschleunigen, und legen so die Grundlage für einen breiteren KI-Einsatz.

Wenn es um die Implementierung geht, beschreiben viele CFOs ein ähnliches Muster: KI-Tools werden breit zur Verfügung gestellt, doch die Nutzung variiert erheblich zwischen den Teams. Der entscheidende Unterschied liegt nicht allein in der Software, sondern ist eine Führungsfrage. Die eigentliche Herausforderung besteht darin, die Organisation für den KI-Einsatz zu gewinnen.

Organisationen, die eine starke Adoption erreichen, folgen in der Regel einem ähnlichen Vorgehen:

• KI breit verfügbar machen
• KI als Chance positionieren, nicht als Bedrohung
• Experimentieren fördern
• interne Challenges und Lernformate schaffen
• Erfolgsgeschichten offen teilen
• Neugier und Wissensaustausch belohnen
• ein System zur Nutzungsüberwachung und zum Management von KI-Projekten etablieren

In vielen Finanzfunktionen nehmen die Bedenken von Mitarbeitenden und Arbeitnehmervertretungen deutlich ab, wenn KI als Angebot eingeführt wird – und nicht als Top-down-Effizienzinitiative. Diese Positionierung ist entscheidend: Wenn Unternehmen keine sicheren, unternehmensweiten Tools bereitstellen, nutzen Mitarbeitende KI möglicherweise privat: mit dem Risiko, dass sensible Unternehmensdaten in persönliche Accounts eingegeben werden.

Eine weitere Spannung im Zusammenhang mit der KI-Einführung betrifft die Modellverfügbarkeit. Viele Finance-Teams waren anfangs frustriert, dass sie nicht immer Zugang zum neuesten KI-Modell hatten. Mit der Zeit lernten die Organisationen jedoch, dass für den täglichen Einsatz in der Finanzfunktion – und wahrscheinlich für die große Mehrheit der Anwendungsfälle in der gesamten Organisation – das bereits verfügbare Modell oft gut genug war. Die größere Herausforderung lag nicht darin, stets das fortschrittlichste Modell zu haben, sondern den Menschen zu helfen, die verfügbaren Tools sicher und konsequent zu nutzen.

Menschen werden zu Multiplikatoren, sobald sie den praktischen Nutzen selbst erleben. Die Führungsaufgabe besteht daher nicht darin, die beste KI-Lösung auszuwählen, sondern ein Umfeld zu schaffen, in dem Menschen sich sicher fühlen zu experimentieren, zu lernen und neue Arbeitsweisen anzunehmen.

Wie ein CFO es formulierte: „Der Engpass ist nicht mehr die Rechenleistung. Es ist die Veränderungsbereitschaft der Organisation.“ In der Konsequenz beobachten wir einen zunehmenden Performance-Gap zwischen Finanzorganisationen, die schnell wachsen, frühen KI-Anwendern und jenen, die noch ganz am Anfang stehen.

Die letzte Beobachtung betrifft Talente. Auf die Frage, worauf CFOs bei künftigen Finance-Führungspersönlichkeiten zunehmend achten, wurde eine Eigenschaft besonders häufig genannt: Neugier. Fachliche Finanzexpertise bleibt zwar essenziell, doch die Bereitschaft, neue Technologien zu erkunden, etablierte Arbeitsweisen infrage zu stellen und kontinuierlich dazuzulernen, wird ebenso wichtig. Das hat Implikationen für die Auswahl und für die Entwicklung von Talenten.

Mehrere CFOs betonten, dass High Potentials in Zukunft nicht mehr jeden Prozess selbst durchführen müssen. „Niemand berechnet Regressionen heute noch manuell. Aber jeder muss verstehen, wann das Ergebnis keinen Sinn ergibt.“ Dasselbe gilt für KI. Finanzfachleute müssen die Logik hinter den Ergebnissen verstehen, Grenzen erkennen, Annahmen hinterfragen und wissen, wann eine tiefergehende Prüfung erforderlich ist.

Die Kompetenz verschiebt sich von der Ausführung zur Interpretation. Künftige CFOs werden sich nicht dadurch differenzieren, dass sie Informationen schneller produzieren, sondern dadurch, dass sie bessere Fragen stellen, ein stärkeres Urteilsvermögen zeigen und bessere Entscheidungen treffen.

Das bedeutet: Auch wenn künftige CFOs weiterhin die verschiedenen Teilfunktionen kennenlernen müssen, brauchen sie möglicherweise nicht mehrere Jahre in jeder einzelnen Funktion zu verbringen, um die Grundlage für gutes Urteilsvermögen zu schaffen. Das kann Chancen eröffnen, CFO-Kandidat:innen noch breiter entlang der gesamten Wertschöpfungskette zu entwickeln, nicht nur im finanziellen Kernbereich.

Wenn KI die Produktivität grundlegender Finanzprozesse steigert und zugleich Wachstums- und Profitabilitätspotenziale sichtbar macht, verschiebt sich die entscheidende Frage für Finanzverantwortliche:

Wie bauen wir Organisationen, Führungsteams und künftige CFO-Talente auf, die dieses Potenzial tatsächlich heben können?

Genau das – mehr noch als die Technologie selbst – ist die eigentliche KI-Herausforderung für die CFOs von heute.