KI in ERP-Systemen: Was eingebettete KI im Finanzwesen leistet

Von Jane Ha · Aktualisiert am 11. Oktober 2026

KI in ERP-Systemen bedeutet Funktionen des maschinellen Lernens und der generativen KI, die direkt in die Enterprise-Resource-Planning-Suite eingebaut sind, in der Ihr Hauptbuch, Ihre Nebenbücher und Ihre Freigaben liegen, sodass die KI mit Ihren Transaktionsdaten an Ort und Stelle arbeitet statt in einem separaten Werkzeug. Im Finanzwesen zeigt sich das meist in drei Dingen: Hinweise auf ungewöhnliche Transaktionen, Vorschläge, die Abgleich und Klassifizierung beschleunigen, und ein Assistent im Chat-Stil, der Fragen beantwortet oder Arbeit entwirft.

Dieser Leitfaden richtet sich an Controller, Finanzdirektoren und ERP-Verantwortliche, denen gesagt wird, „die KI ist schon in der Suite", und die entscheiden müssen, was sie einschalten, was sie ignorieren und wie sie es beurteilen. Er ist herstellerneutral. Für das größere Bild, wo KI in der gesamten Funktion ansetzt, beginnen Sie mit KI im Finanz- und Rechnungswesen.

Wichtige Fakten

• Die Dokumentation von Microsoft zu Business Central beschreibt eine Copilot-Funktion, die Banktransaktionen prüft, die der standardmäßige automatische Abgleich offen gelassen hat, und anhand von Datum, Betrag und Beschreibung weitere Treffer vorschlägt. Kein vorgeschlagener Treffer wird gespeichert, bevor der Benutzer ihn geprüft hat (Microsoft Learn).
• Dieselbe Dokumentation nennt betriebliche Grenzen der Funktion, zum Beispiel dass die Zahl offener Bankposten im Datumsbereich des Kontoauszugs ab Release Wave 2 von 2025 etwa 3.000 nicht überschreiten darf (Microsoft Learn).
• Der archivierte Release-Plan 2024 von Microsoft für seine Finanz-Agenten beschreibt Abstimmungshilfe in Excel, die einen Abstimmungsbericht und dokumentierte Folgemaßnahmen „zur künftigen Bezugnahme und für Prüfungen" erstellen kann (Microsoft Learn).
• Das NIST AI Risk Management Framework ist freiwillig und um vier Funktionen herum aufgebaut: Govern, Map, Measure und Manage (NIST).

Was „eingebettet" tatsächlich bedeutet

Es gibt drei Wege, wie KI in das ERP eines Finanzteams gelangt, und sie bergen unterschiedliche Risiken.

1. In die Suite eingebaut. Der Hersteller liefert die Funktion im Produkt aus. Sie liest dieselben Hauptbuch-, Lieferanten- und Kundendatensätze, die Sie ohnehin pflegen, und erscheint meist als Schaltfläche, Vorschlagsspalte oder Assistent in einer Seitenleiste.
2. Über eine Partner- oder Marktplatz-App ergänzt. Ein Drittanbieter verbindet sich über seine APIs mit dem ERP. Die Daten verlassen die Suite, und Vertrag und Sicherheitsprüfung laufen getrennt von Ihrer ERP-Vereinbarung.
3. Vom eigenen Team gebaut. Sie rufen ein Modell aus Ihren eigenen Skripten oder Ihrer Integrationsschicht auf. Sie kontrollieren alles, und Sie tragen alles.

Dieser Beitrag konzentriert sich auf die erste Art, weil sie diejenige ist, die gern überraschend in einer Versionsnotiz auftaucht.

Ein Hinweis zu den Namen. Funktionsnamen, Paketierung und Verfügbarkeit in ERP-Suiten ändern sich von Release zu Release. Eine Fähigkeit, die dieses Jahr so heißt, wird nächstes Jahr womöglich umbenannt, in ein anderes Produkt eingegliedert oder eingestellt. Bewerten Sie die Fähigkeit, nicht den Markennamen im Menü.

Was eingebettete KI im Finanzwesen leistet, nach Funktion

Die meisten eingebetteten Funktionen fallen in eine Handvoll Fähigkeitstypen. So sieht jeder in der Praxis aus.

Abgleich und Abstimmung

Das ist der ausgereifteste Einsatz. Der klassische regelbasierte Abgleich erledigt die einfachen Posten, und KI nimmt die Reste auf. Die Dokumentation von Microsoft zu Business Central liefert ein klares Beispiel: Zuerst läuft der automatische Abgleich, dann prüft Copilot die Transaktionen, die er nicht zuordnen konnte, und schlägt anhand von Datum, Betrag und Beschreibung weitere Treffer vor. Sie beschreibt einen Kunden, der mehrere Rechnungen in einer Sammelzahlung beglichen hat und den mehreren Hauptbuchposten zugeordnet wird. Bei Zeilen, die zu nichts passen, vergleicht die Funktion die Bankbeschreibung mit Kontennamen und schlägt das wahrscheinlichste Buchungskonto vor, wobei „Fuel Stop 24" als Beispiel einem Transportkonto zugeordnet wird (Microsoft Learn).

Beachten Sie den Aufbau: erst Vorschläge, dann Speichern, und der Benutzer kann jede Zeile löschen oder alle verwerfen. Dieses Muster sollten Sie in jeder Suite suchen. Für die Sicht des Finanzwesens auf dieselbe Aufgabe siehe KI-Bankabstimmung.

Anomalie-Hinweise

Die Anomalieerkennung vergleicht eine Transaktion oder einen Saldo mit einer Baseline (Ausgangswert) und gibt einen Hinweis aus, wenn sie ungewöhnlich ist. Im ERP sind typische Ziele:

• Doppelte oder fast doppelte Lieferantenrechnungen
• Zahlungsbeträge oder Bankdaten, die von der Historie eines Lieferanten abweichen
• Buchungssätze, die zu ungewöhnlichen Zeiten, von ungewöhnlichen Benutzern oder knapp unter einer Freigabegrenze gebucht werden
• Spesenabrechnungen, die Muster einer Person oder Kategorie brechen
• Plötzliche Ausschläge bei einem Bilanzkonto zwischen Perioden

Ein Anomalie-Hinweis ist kein Befund. Er ist ein priorisierter Grund hinzusehen. Der Wert hängt davon ab, wie viele Hinweise echt sind, weshalb eine Testphase Fehlalarme zählen sollte, nicht nur Treffer. KI in der Kreditorenbuchhaltung behandelt die Rechnungsseite.

Dokumentenerfassung und Buchungsvorschläge

Eingebettete Dokumentenfunktionen lesen eine Rechnung, einen Beleg oder einen Vertrag und füllen Felder aus: Lieferant, Datum, Betrag, Steuer, Kontierung. Manche schlagen dann anhand früherer Buchungen das Hauptbuchkonto oder die Kostenstelle vor. Die Genauigkeit ist bei sauberen, vertrauten Dokumenten meist hoch und sinkt bei ungewöhnlichen Layouts, Scans und einmaligen Lieferanten. Die Erfassungsqualität setzt die Obergrenze für alles Nachgelagerte.

Vorausschauender Abschluss und Liquidität

„Predictive Close" ist ein unscharfer Begriff. In der Praxis meint er Modelle, die schätzen, wann Abschlussaufgaben fertig werden, Abstimmungen oder Abgrenzungen markieren, die voraussichtlich zu spät kommen, und vorhersagen, wo die Salden landen, bevor die Periode endet. Die verwandten Prognosefunktionen schätzen Zahlungseingänge aus dem Zahlungsverhalten der Kunden oder Ausgaben aus offenen Verpflichtungen. Sie sind nur so gut wie die Historie dahinter. Ein Unternehmen mit kurzer oder wechselnder Historie, etwa nach einer Übernahme oder mit einer neuen Produktlinie, erhält schwächere Prognosen. Für die Prozesssicht siehe KI und der Monatsabschluss.

Assistenten und generierte Entwürfe

Der Assistent ist die sichtbarste Funktion und die mit der größten Qualitätsspanne. Typische Aufgaben:

• Fragen zu Daten in natürlicher Sprache beantworten („Wie hoch waren die Reisekosten nach Abteilung im letzten Quartal?")
• Erklärungen von Abweichungen, Mahn-E-Mails oder Buchungstexte entwerfen
• Die Zahlungshistorie eines Kunden vor einem Gespräch zusammenfassen
• Benutzer Schritt für Schritt durch einen Prozess führen

Der archivierte Release-Plan von Microsoft für seine Finanz-Agenten beschreibt diese Art von Arbeit im Forderungseinzug und in der Abweichungsanalyse: Hilfe beim Entwerfen von E-Mails und Speichern von Kommunikationszusammenfassungen sowie Abweichungsanalyse in Pivot-Tabellen, in denen Benutzer die Kriterien in natürlicher Sprache festlegen (Microsoft Learn). Diese Seite ist archiviert und wird nicht mehr aktualisiert, was für sich genommen daran erinnert, wie schnell sich diese Produkte bewegen. Entwerfen ist risikoarm, wenn ein Mensch den Text bearbeitet. Es ist riskanter, wenn die Zahl eines Assistenten direkt in einen Bericht wandert.

Übersichtstabelle: Typen eingebetteter Fähigkeiten

So bewerten Sie eingebettete KI, bevor Sie sie einschalten

Behandeln Sie eine neue eingebettete Funktion wie jede andere Änderung an einem Finanzprozess. Diese Abfolge funktioniert für ein Team jeder Größe.

1. Zuerst das Problem benennen. Wählen Sie einen Schmerzpunkt, etwa nicht abgeglichene Bankzeilen, doppelte Rechnungen oder verspätete Flux-Kommentare. Eine Funktion ohne Ziel wird von dem eingeführt, der neugierig ist, und von niemandem gemessen.
2. Die Dokumentation des Herstellers zur Funktion lesen. Achten Sie darauf, was sie leistet und was nicht, welche Daten sie liest, welche Regionen und Sprachen sie unterstützt, welche Grenzen und Voraussetzungen sie nennt und ob sie als Vorschau gekennzeichnet ist. Die oben genannte Microsoft-Seite führt zum Beispiel einen Vorbehalt zur Sprachunterstützung und eine Mengenobergrenze auf. Solche Grenzen entscheiden, ob die Funktion zu Ihren Volumen passt.
3. Die Daten prüfen, von denen sie abhängt. Der Abgleich braucht saubere Beschreibungen, Anomalie-Hinweise brauchen Historie und Prognosen brauchen konsistente Perioden. Wenn Ihre Lieferantenstammdaten voller Dubletten sind, beheben Sie das, bevor Sie die KI beurteilen. Datenbereitschaft im Finanzwesen für KI führt durch die Prüfungen.
4. In einer Sandbox oder parallel laufen lassen. Nutzen Sie eine Testumgebung oder lassen Sie den alten Prozess zwei oder drei Zyklen neben dem neuen laufen. Vergleichen Sie Zeile für Zeile.
5. Gegen eine Baseline messen. Halten Sie vor dem Start fest, wie lange die Aufgabe dauert, wie hoch die Fehlerquote ist und wie viele Ausnahmen es gibt. Halten Sie nach der Testphase dieselben Zahlen fest, dazu Fehlalarme und wie oft Prüfer die KI überstimmt haben.
6. Die menschliche Kontrolle bestätigen. Klären Sie, wo eine Person freigibt, was sie sieht und ob die Funktion ohne Freigabe buchen kann. Schalten Sie Einstellungen zum automatischen Buchen während der Testphase aus.
7. Fragen, wohin die Daten gehen und wer sie sehen kann. Eingebettet heißt nicht automatisch, dass sie in Ihrem Mandanten bleiben. Klären Sie, was an ein Modell gesendet wird, wo es verarbeitet wird, wie es protokolliert wird und ob es zum Training von irgendetwas verwendet wird. KI-Datensicherheit im Finanzwesen listet die Fragen auf.
8. Die Auswirkung auf Kontrollen prüfen. Ein neuer automatisierter Schritt ändert Ihr Kontrolldesign, Ihre Nachweiskette und möglicherweise Ihre Funktionstrennung. Binden Sie Ihre SOX- oder Revisionsleitung früh ein.
9. Entscheiden, dokumentieren und einen Prüftermin setzen. Halten Sie fest, warum Sie die Funktion eingeführt oder abgelehnt haben, wer sie verantwortet und wann Sie sie erneut prüfen. Weil Releases das Verhalten ändern, testen Sie nach wesentlichen Updates erneut.

Fragen an den Hersteller

Ob es Ihr ERP-Hersteller oder ein Partner ist, es gelten dieselben Fragen.

• Können wir sehen, warum ein Hinweis ausgelöst oder ein Treffer vorgeschlagen wurde? (Das ist wichtig für erklärbare KI im Finanzwesen.)
• Mit welchen Einstellungen können wir eine Freigabe verlangen, bevor etwas gebucht wird?
• Wie werden Änderungen an Modell oder Funktion angekündigt, und können wir sie verzögern?
• Welche Protokolle gibt es zu Eingaben, Ausgaben und Überstimmungen durch Benutzer?
• Was geschieht mit unseren Daten, und können wir Verwendungen über unsere eigene Verarbeitung hinaus ausschließen?
• Welche dokumentierten Grenzen gibt es bei Volumen, Sprachen und Regionen?
• Was geschieht mit den Regeln, Zuordnungen und der Historie, die wir in die Suite hineintrainiert haben, wenn wir sie verlassen?

Ein Rahmenwerk wie das von NIST kann der Prüfung eine Struktur geben. Das AI Risk Management Framework ist freiwillig, und seine Funktionen Govern, Map, Measure und Manage lassen sich gut auf Verantwortung, Kontext, Tests und laufende Überwachung einer KI-Funktion im Finanzwesen abbilden (NIST).

Häufige Fallstricke

• Alle Funktionen auf einmal einschalten. Sie können nicht sagen, was geholfen oder was etwas kaputt gemacht hat. Schalten Sie eine Fähigkeit nach der anderen ein.
• Nach der Demo urteilen. Demos nutzen saubere Daten. Ihre Daten haben ein Jahrzehnt an Schreibvarianten von Lieferantennamen und halb kontierte Konten.
• Treffer zählen und das Rauschen ignorieren. Ein Anomalie-Werkzeug, das 400 Hinweise ausgibt, um fünf Probleme zu finden, kann mehr Analystenzeit kosten, als es spart.
• Automatisches Buchen standardmäßig eingeschaltet lassen. Die sicherste frühe Einstellung ist vorschlagen und prüfen. Wechseln Sie nur bei Kategorien mit nachgewiesener Bilanz zu automatisch.
• Annehmen, dass der Hersteller die Genauigkeit erledigt hat. Der Hersteller baut die Funktion. Wie sie in Ihren Büchern verwendet wird, verantworten Sie.
• Den Release-Rhythmus ignorieren. Cloud-ERP-Updates kommen nach einem Plan, den Sie nicht bestimmen. Das Verhalten kann sich zwischen Zyklen ändern, also halten Sie eine Testroutine bereit.
• Die Menschen vergessen. Prüfer, die der Ausgabe nicht trauen, erledigen die Arbeit von Hand noch einmal, und Prüfer, die ihr zu sehr trauen, hören auf hinzusehen. Schulen Sie für beides.
• Eingebettete KI als Strategie behandeln. Eine Funktionsliste ist kein Plan. Fügen Sie sie in eine Roadmap für die Finanzfunktion ein.

Ein einfacher Startpunkt

Wenn Sie in diesem Quartal sonst nichts tun, wählen Sie die eine Aufgabe, bei der Ihr Team die meiste Zeit mit repetitivem Abgleichen oder Prüfen verbringt, etwa Bankabstimmung oder Rechnungsprüfung. Lesen Sie die Dokumentation des Herstellers zur Abgleichsfunktion in Ihrer Suite, lassen Sie sie zwei Zyklen in einer Testumgebung laufen, wobei Vorschläge eine Freigabe erfordern, und zählen Sie angenommene Vorschläge, Überstimmungen und Fehlalarme. Schlagen die Zahlen Ihre Baseline, erweitern Sie vorsichtig. Wenn nicht, haben Sie ein paar Tage investiert, kein Quartal.