Die Diskussion um KI ist derzeit allgegenwärtig und stark gehypt.
Dabei fällt mir – gestützt auf meine Erfahrungen bei meinen Kunden, bei Mandaten in von uns vermittelten Interim-Managern, Coaching-Mandaten oder z.B. auch in Umfragen in den Seminaren der Controller Akademie – immer wieder auf, dass die praktische Umsetzung von KI-Anwendungen im Finanz- und Rechnungswesen in Unternehmen aktuell noch zurückliegt. Man sieht was ChatGPT kann, aber im Alltag sieht es eher so aus:
➡️ Keine KI-Aktivitäten (da zum Teil auch verboten): ca. 20%
➡️ Informelles Experimentieren mit ChatGPT ohne klaren strategischen Rahmen: ca. 75-80%
➡️ Gezielte Anwendung durch strukturiertes Prompting in definierten Aufgabenbereichen: ca. 20%
➡️ Erste Schritte in Richtung eines systematischen Einsatzes von KI-Assistenten und CustomGPT-Lösungen: in Ansätzen vorhanden
➡️ Integration von KI-Assistenten oder Agenten in betriebliche Prozesse und Automatisierung: <2%
➡️ Ansätze zur Entwicklung autonom agierender Agenten zur weiteren Automatisierung: <0,5%
Alle reden von KI, aber dann sind wir doch wieder am manuellen Abstimmen von Excel-Exports aus Buchhaltungs-Systemen und suchen irgendwie verzweifelt “sichere” Einsatzgebiete mit KI.
Besonders im Rechnungswesen erfordern effektive KI-Use Cases – abgesehen von den bereits geschätzten Erleichterungen beim Texten, Zusammenfassen und der Unterstützung bei Excel-Formeln oder VBA-Skripten – aus meiner Sicht konkrete Projekte und eine Fokussierung auf Datensicherheit.
Obwohl ich die Möglichkeiten, aber auch die Grenzen von ChatGPT sehr schätze, setze ich bei effektiven Umsetzungen zunehmend auf lokale LLM-Lösungen wie etwa Lama oder andere frei zugängliche Modelle.
Aktuell fühlt man sich damit aber ein wenig in der Pionierphase, zumal wir häufig an Verbesserungen und Optimierungen an der Kern-Applikation unserer ERP-Systeme ansetzen – dabei hätten diese Systeme eigentlich die ideale Ausgangslage für eine sinnvolle KI-Integration.
Oftmals stellt man zu Beginn der Projekte auch fest, dass Prozesse, eine zentrale, gut strukturierte Datenhaltung oder ein optimal vorbereitetes BI-System, um darauf Daten zu trainieren – noch fehlen.
Der Grundgedanke von KI ist wohl Automatisierung. Schon RPA-Tools haben diesen Ansatz verfolgt, doch lokale LLMs ermöglichen es uns wohl darüber hinauszugehen – vorausgesetzt, wir schaffen die strukturelle Basis.
An welchen Use Cases arbeitet Ihr?
in KI & Finance
Roman Kalberer
27. Oktober 2025