Agenten sind derzeit in fast jedem Gespräch mit Führungskräften im Finanzbereich ein Thema. Ein Agent, der über Nacht den Abschluss durchführt, Forderungen hinterherjagt oder den Vorstandsbericht entwirft. Das Interesse ist gut begründet: agentenbasierte KI kann tatsächlich die mehrstufigen, wiederholbaren Aufgaben orchestrieren, die den Monat eines Finanzteams ausfüllt.
Die Frage, die es wert ist, gestellt zu werden, ist nicht, ob Agenten einen Mehrwert liefern, sondern welche Voraussetzungen erfüllt sein müssen, damit man ihnen bei einer Kennzahl vertraut, die dem Vorstand vorgelegt wird.
Eine Statistik, die Sie vielleicht bereits gesehen haben, erklärt – richtig interpretiert – warum.
Was die 95-Prozent-Zahl Finanzverantwortlichen wirklich sagt
Der MIT-Report State of AI in Business 2025 kam zu dem Ergebnis, dass etwa 95 % der Unternehmen keinen messbaren Return für ihre generativen KI-Investitionen erzielen. Diese Zahl kursiert in den Vorstandsetagen als Beweis dafür, dass KI noch nicht einsatzbereit ist.
Doch Bain & Company interpretiert die Zahl auf nützlichere Weise. Das Problem, das die Daten aufdecken, ist der Ansatz, nicht die Modelle. Die Unternehmen, die einen Return erzielen, integrieren KI in echte Workflows, verankern sie in einem guten Kontext und messen die Geschäftsergebnisse. Diejenigen, die keinen messbaren Nutzen sehen, stecken Geld häufig in sichtbare Pilotprojekte mit hoher Aufmerksamkeit, während die Backoffice-Projekte mit der schnellsten Amortisation vernachlässigt werden. Die Botschaft von Bain an CFOs lautet daher nicht, weniger in KI zu investieren, sondern gezielter, und die nächsten Investitionen auf Use Cases auszurichten, die Liquidität, Kosten und Risiken tatsächlich beeinflussen.
Diese Neuausrichtung hat im Finanzwesen große Bedeutung. Finanzprozesse sind wiederholbar, datenintensiv und regelgebunden, was Bain als genau die Bedingungen identifiziert, unter denen KI ihren größten Nutzen entfaltet. Weit davon entfernt, der Nachzügler in der KI-Geschichte zu sein, ist der Finanzbereich einer der Orte, an denen KI bereits funktioniert, wenn sie auf das richtige Problem ausgerichtet ist und auf der richtigen Grundlage aufbaut.
Der Agent ist das Ergebnis, nicht der Ausgangspunkt
Hier zeigt sich, dass das Gespräch über Agenten und das über die 95 Prozent letztendlich dasselbe sind.
Einem Agenten wird durch KI der Raum gegeben, mehrstufige Maßnahmen zu ergreifen: eine Rechnung lesen, sie einem Vertrag zuordnen, die Toleranz anwenden, den Eintrag verbuchen, nur die Ausnahme eskalieren. Das ist wertvolle Arbeit – und es ist auch die Arbeit, die unbemerkt scheitert, wenn das Fundament nicht vorhanden ist. Ein Agent, der mit Daten arbeitet, die niemand validiert hat, der Regeln anwendet, die er selbst abgeleitet hat, anstatt Regeln, die von der Finanzabteilung definiert wurden, und eine Ausgabe erzeugt, die niemand nachverfolgen kann, macht die Finanzabteilung nicht schneller. Er reproduziert das 95-Prozent-Problem mit mehr Autonomie und höheren Risiken.
Bain lokalisiert die tatsächliche Einschränkung genau. Was KI im Finanzbereich zurückhält, ist nicht der Preis der Modelle oder die Komplexität der Prompts. Es ist die Frage, ob der Kontext bereit ist: gemeinsame Definitionen für den Kontenplan und Stammdaten, ERP- und EPM-Systeme, die unter einer richtlinienbewussten Abrufebene verbunden sind, wobei jede Aktion auf die Daten und die Logik dahinter zurückgeführt werden kann. Ein Agent ist immer nur so vertrauenswürdig wie der verwaltete Kontext, in dem er ausgeführt wird.
Die Begeisterung des Marktes für die sichtbare Ebene des Agenten ist verständlich. Ob ein Agent funktioniert, hängt von etwas Grundlegenderem ab: ob die Geschäftslogik, die ihn speist, von der Finanzabteilung definiert oder von einem Modell abgeleitet wurde. Die deterministische Logik wird im Finanzbereich definiert. Ein Agent wendet diese Logik an. Er sollte niemals die Instanz sein, die bestimmt, was Ihre Richtlinie zur Umsatzrealisierung bedeutet.
Wo die Logik verankert sein muss
Eine Führungskraft im Finanzbereich benötigt eine Möglichkeit, jede KI-Initiative, ob agentenbasiert oder nicht, zu beurteilen, bevor sie sich auf eine wichtige Kennzahl auswirkt. Der eigentliche Test besteht darin, ob Sie hinter dem Ergebnis stehen können: Sehen Sie, was der Workflow bewirkt hat, folgen Sie der Logik, die er angewendet hat, und verfolgen Sie das Ergebnis anhand seiner Daten, wenn ein Auditor darum bittet. Ein Agent, der diese Anforderungen erfüllt, ist skalierbar. Es gibt noch mehr darüber zu sagen, wie eine Führungskraft diesen Test in der Praxis anwendet. Ein weiterer Beitrag im kommenden Monat wird darauf ausführlicher eingehen.
Die Erfüllung dieser Anforderungen ist letztlich eine Frage der Architektur, für die zunehmend Finanzverantwortliche zuständig sind: Wo ist die Geschäftslogik angesiedelt? Die Antwort, die KI vertrauenswürdig macht, ist eine kontrollierte Geschäfts-Logikebene, die zwischen Ihren rohen Unternehmensdaten und den Modellen und Agenten, die sie nutzen, liegt; diese Ebene bereitet die Daten auf und validiert sie, und setzt die Regeln der Finanzabteilung durch.
Genau hier setzt Alteryx an. Es ist kein weiteres KI-Modell, das um die Prognose konkurriert, und es ersetzt auch nicht Ihre ERP- oder EPM-Systeme. Es übernimmt Aufgaben, die eine KI nicht zuverlässig eigenständig bewältigen kann, und schafft so ein solides Fundament für die darauf aufbauenden Agenten. Bauen Sie zunächst dieses geregelte Fundament auf, und der Agent wird zu einem logischen nächsten Schritt, sobald es vorhanden ist.
Was das für die Agentenfrage bedeutet
Das Interesse an Agenten zeugt vom richtigen Instinkt, und die Teams, die jetzt entsprechend handeln, werden sich einen Vorsprung verschaffen. Die einzige Anpassung ist die Reihenfolge der Vorgänge. Ein Agent ist das Ergebnis, das Sie erzielen, sobald die Daten verwaltet, die Logik definiert und die Ergebnisse nachvollziehbar genug sind, dass sie vor Ihrem Wirtschaftsprüfer und Ihrem Vorstand Bestand haben.
Wenn Sie das richtig angehen, ist der Agent kein Vertrauensvorschuss mehr. Er wird zum nächsten logischen Schritt und die Frage verlagert sich von „Kann man ihm vertrauen?“ hin zu „Wo setzen wir ihn als Nächstes ein?“.