Es gibt diesen einen Moment, den jede Führungskraft im Finanzbereich kennt. Eine Zahl steht kurz davor, das Gebäude zu verlassen – sei es für die Vorstandspräsentation, die Telefonkonferenz oder den Prüfungsausschuss – und genau in diesem Moment halten Sie inne. Sie möchten wissen, woher sie stammt, und sichergehen, dass sie auch dann noch Sinn ergibt, wenn jemand fragt, wie Sie zu dieser Zahl gekommen sind. Dieses Zögern tritt unabhängig davon auf, wie die Zahl zustande gekommen ist.
Dieser Instinkt wird auch durch Daten belegt. In einer Gartner-Umfrage unter mehr als 200 CFOs lag das Vertrauen in die wichtigsten Prioritäten von Finanzverantwortlichen für 2026 im Durchschnitt bei etwa 63 %, während das Vertrauen in die Fähigkeit, durch KI im Unternehmen echte Wirkung zu erzielen, nur bei 36 % lag.
An Selbstvertrauen mangelt es Führungskräften nicht. Sie sind zuversichtlich, was Kostendisziplin und Wachstumsinvestitionen angeht. Der Vertrauensrückgang bezieht sich speziell auf KI. Dabei handelt es sich zwar um einen umfassenderen Indikator als jede einzelne Kennzahl, die das Unternehmen verlässt, doch er weist in dieselbe Richtung: KI ist der Bereich, in dem Finanzverantwortliche noch nicht auf das Maß an Vertrauen bauen können, das sie in anderen Themenfeldern gewohnt sind.
Die vier Dinge, die jede Zahl erfüllen muss
Dieser kurze Moment des Innehaltens ist im Grunde ein schneller Testlauf. Bevor Sie einer Zahl vertrauen, überprüfen Sie vier Dinge:
- Woher sie stammt
- Ob man sie einfach erklären kann
- Ob sie bei einer Wiederholung zum gleichen Ergebnis führen würde
- Ob man sie anhand der Daten zurückverfolgen könnte, falls jemand danach fragt
Die meisten Führungskräfte im Finanzwesen haben diesen Test nie aufgeschrieben. Dazu gab es auch kaum Anlass, denn die Systeme, die ihre Zahlen lieferten, funktionierten bislang meist so zuverlässig, dass diese Überprüfung selten zu einem echten Problem wurde.
KI besteht diesen Test nicht automatisch. Sie kann auf fast alles eine plausible Antwort liefern – auch auf Dinge, für die ihr eigentlich jede Wissensgrundlage fehlt. Dabei sieht die Antwort stets gleich aus, unabhängig davon, ob die zugrundeliegende Logik fundiert oder frei erfunden ist. Das ist die wahre Ursache für das Vertrauensdefizit.
Führungskräfte zweifeln nicht daran, dass KI hilfreich sein kann. Sie zweifeln eher daran, dass sie die Antwort erklären können, falls jemand sie hinterfragt. Die vier Dinge, die Finanzverantwortliche bereits prüfen, lassen sich mit vier Worten zusammenfassen: sichtbar, verständlich, wiederholbar und prüfbar(im Englischen: visible, understandable, repeatable, auditable – kurz: VURA). Diese Worte beschreiben kurz und knapp, worauf Führungskräfte bereits instinktiv achten.
Wer bestimmt die zugrunde liegende Logik?
Die bloße Benennung des Tests klärt noch nicht, wo er zur Anwendung kommt. Dafür bedarf es einer präziseren Antwort auf die Frage, wo die Logik selbst verankert ist. Die deterministische Logik wird von der Finanzabteilung definiert und nicht von KI abgeleitet. Ein Modell kann einen Kommentar zu Abweichungen erstellen, eine Prognose zusammenfassen oder eine Anomalie kennzeichnen, die eine genaue Prüfung erfordert.
Es sollte jedoch niemals selbst entscheiden, was als Ausnahme gilt, wie Umsätze verbucht werden oder welcher Schwellenwert eine Eskalation auslöst. Das sind Entscheidungen, die die Finanzabteilung trifft, und der Auftrag der KI ist es, innerhalb dieser Vorgaben zu arbeiten, sie zu erklären und konsequent anzuwenden, nicht sie zu erfinden, wenn nicht genügend Informationen vorliegen.
Diese Unterscheidung ist der Ausgangspunkt für die meisten KI-Enttäuschungen im Finanzwesen. Das Modell versagt in der Regel nicht dort, wo es gut ist. Das Problem liegt vielmehr vorgelagert: Da die erforderliche Logik nicht definiert wurde, hat das Modell geraten – und dieses Ergebnis mit genau jener Überzeugungskraft präsentiert, die es auch bei einer korrekten Antwort an den Tag legen würde. Allein anhand des Ergebnisses lässt sich der Unterschied nicht erkennen.
Genau das erfasst der Vier-Fragen-Test. Fragen Sie, woher die Zahl stammt, ob Sie sie erklären können, ob sie sich wiederholt und ob Sie sie auf die Daten zurückführen können, und Sie werden schnell herausfinden, ob die angewandte KI-Finanzlogik etwas definiert oder erfunden hat, das plausibel erscheint.
Integration des Standards in den Workflow
Dies ist sowohl eine Architekturentscheidung als auch eine Governance-Entscheidung. Die vier Fragen lassen sich leicht beantworten, wenn es eine Ebene zwischen den unaufbereiteten Unternehmensdaten und der nutzenden KI gibt; eine Ebene, die die Daten aufbereitet, die vom Finanzbereich verantwortete Logik enthält und sicherstellt, dass jedes Ergebnis auf beide Quellen zurückgeführt werden kann.
Genau diese Rolle übernimmt Alteryx. Es konkurriert weder mit dem Modell, das die eigentliche Analyse durchführt, noch ersetzt es das ERP- oder EPM-System, in dem die Daten gespeichert sind. Es ist die Ebene der Geschäftslogik, die sicherstellt, dass die an das Modell übermittelten Daten bereits vom Finanzbereich validiert wurden, sodass auch die Ergebnisse des Modells bedenkenlos akzeptiert werden können.
Bauen Sie das ein, ändert sich die Bedeutung der Phase unmittelbar vor der Veröffentlichung einer Kennzahl Anstatt zu hoffen, dass die Zahl Bestand hat, können Sie ihre Korrektheit jedes Mal überprüfen, da die Antworten auf diese vier Fragen bereits fest in die Funktionsweise des Workflows integriert sind und nicht aus dem Gedächtnis rekonstruiert werden müssen.
Wenn Sie einen konkreten Weg suchen, wie dies in einem echten Workflow aussieht, sehen Sie sich unsere KI-fähigen Starter Kits an: Dabei handelt es sich um vorkonfigurierte Alteryx Workflows und synthetische Datasets, die veranschaulichen, wie Alteryx in spezifischen geschäftlichen Use Cases eingesetzt werden kann. Sie bereiten Daten so auf und strukturieren sie, dass analysefähige Ergebnisse entstehen, die Sie anschließend mit externen KI-Tools wie Large Language Models (LLMs) erweitern können.
Zu verstehen, warum Finanzverantwortliche der KI oft skeptisch gegenüberstehen, ist nur der erste Schritt. Der nächste Schritt besteht darin, die geregelte Grundlage zu schaffen, die der KI eine zuverlässige Geschäftslogik als Arbeitsgrundlage bietet.
Erfahren Sie mehr in unserem Leitfaden „Building Finance AI You Can Trust“, in dem die Prinzipien und praktischen Schritte hinter KI-fähigen Finanz-Workflows vorgestellt werden.