KI und der Monatsabschluss: Abstimmungen, Abgrenzungen und Checklisten

Von Jane Ha · Aktualisiert am 11. Oktober 2026

KI verkürzt den Monatsabschluss, indem sie die Vorbereitung übernimmt, nicht die Freigabe: Sie schlägt Kontenzuordnungen vor, regt Abgrenzungen an, entwirft Kommentare zu Abweichungen, verfolgt die Checkliste und markiert auffällige Buchungssätze, während eine benannte Person alles prüft und freigibt, was im Hauptbuch landet. Die gewonnenen Tage entstehen, weil Wartezeiten und Nacharbeit wegfallen. Die nötigen Kontrollen ergeben sich aus einer einzigen Tatsache: Eine von KI vorgeschlagene Buchung ist Ihre Buchung, sobald sie gebucht ist.

Dieser Leitfaden richtet sich an Leiter Rechnungswesen (Controller), Finanzdirektoren und Finanzmanager, die entscheiden, wo KI in den Abschluss passt und wie sie gegenüber den Prüfern belastbar bleibt. Er gehört zur Übersicht KI im Finanzwesen und setzt voraus, dass Sie bereits einen dokumentierten Abschluss fahren. Falls nicht, beginnen Sie mit der Checkliste für den Monatsabschluss und kommen Sie dann zurück.

Wichtige Fakten

• Die Benchmarking-Umfrage zur Hauptbuchhaltung von APQC, über die CFO.com 2018 berichtete, sah die besten 25 % der Organisationen bei 4,8 Kalendertagen oder weniger bis zum Abschluss, den Median bei 6,4 Tagen und die schwächsten 25 % bei 10 Tagen oder mehr, bei 2.300 Befragten (CFO.com).
• Diese Kennzahl läuft von der Summen- und Saldenliste bis zu den fertigen konsolidierten Abschlüssen und zählt Wartezeit ebenso wie Arbeitszeit (CFO.com). Das Warten ist der Teil, den KI am besten verkürzen kann.
• Für börsennotierte US-Unternehmen muss das Management das interne Kontrollsystem für die Finanzberichterstattung zum Ende jedes Geschäftsjahres anhand „eines geeigneten, anerkannten Kontrollrahmens" beurteilen (17 CFR 240.13a-15).
• Das Internal Control: Integrated Framework von COSO wurde 2013 überarbeitet und löste am 15. Dezember 2014 die Fassung von 1992 ab (COSO).
• Das interne Kontrollsystem für die Finanzberichterstattung ist so definiert, dass es Aufzeichnungen umfasst, die die Transaktionen des Unternehmens „in angemessenem Detail zutreffend und fair wiedergeben" (17 CFR 240.13a-15). Das Ergebnis eines Modells muss in Aufzeichnungen münden, die diese Latte erfüllen.

Warum der Abschluss ein guter Startpunkt ist (und ein riskanter)

Der Abschluss ist repetitiv, termingetrieben und voller kleiner Ermessensentscheidungen, genau die Art von Arbeit, die KI gut beherrscht. Er ist aber auch der Prozess, der die Finanzberichte speist, sodass ein Fehler hier kein Entwurfsproblem ist, sondern ein Berichtsproblem.

Schauen Sie, wohin die Kalendertage tatsächlich gehen. In der APQC-Kennzahl läuft die Uhr von der Summen- und Saldenliste bis zu den konsolidierten Abschlüssen, einschließlich der Zeit, in der auf den nächsten Schritt gewartet wird. Ein typischer Abschluss verliert Tage damit, einem Nebenbuchverantwortlichen wegen einer Aufstellung hinterherzulaufen, eine Tabelle neu einzugeben und auf einen Prüfer zu warten, der nicht weiß, welche von 200 Aufgaben den Rest blockiert. Nichts davon ist buchhalterisches Urteil. Es ist Koordination und Vorbereitung, und genau dort verdient KI ihren Platz.

Die Risikoseite ist genauso konkret. Ein Modell, das am dritten Tag um 23 Uhr einen Buchungssatz vorschlägt, kann auf eine Weise falsch liegen, die richtig aussieht. Die Gestaltungsfrage ist für jeden der folgenden Anwendungsfälle daher dieselbe: Was darf das Modell allein tun, was muss eine Person freigeben, und welcher Nachweis belegt, dass sie es getan hat?

Wo KI den Abschluss verkürzt

Fünf Bereiche tragen den Großteil des Nutzens. Jeder trennt den Vorschlag (KI) von der Entscheidung (Person).

Kontenabstimmungen

Der Abgleich ist das älteste Automatisierungsziel im Abschluss, und maschinelles Lernen geht über Regeln für exakte Treffer hinaus. Ein Modell kann eine Bankzeile mit einer Hauptbuchbuchung zusammenführen, wenn der Betrag um eine Gebühr abweicht, das Datum zwei Tage danebenliegt oder die Referenz anders getippt wurde. Es hinterlässt dem Ersteller dann eine kurze Liste echter Ausnahmen. Die Bankseite wird ausführlich in KI-gestützte Bankabstimmung behandelt.

Dieselbe Idee gilt für Intercompany-Salden, Verrechnungskonten und die Abstimmung zwischen Nebenbuch und Hauptbuch. Ein konkretes Beispiel: Ein Ersteller, der vor 4.000 nicht zugeordneten Zeilen auf einem Zahlungsverrechnungskonto steht, würde normalerweise nach Betrag sortieren und Posten von Hand abhaken. Mit einem Zuordnungsmodell öffnet der Ersteller das Konto mit einigen Dutzend ungeklärten Posten, jeweils mit einem Erklärungsvorschlag und einem Konfidenzniveau.

Was beim Menschen bleibt: Der Ersteller prüft die Liste der nicht zugeordneten Posten und zeichnet die Abstimmung ab, danach zeichnet ein Prüfer ab. Das Modell markiert nie von sich aus ein Konto als abgestimmt.

Vorschläge für Abgrenzungen

Abgrenzungen (Accruals) sind Schätzungen und damit ein Ermessensbereich, aber der Ausgangspunkt ist mechanisch. Ein Modell kann erhaltene, aber noch nicht abgerechnete Bestellungen, wiederkehrende Lieferantenmuster und die Anpassungen des Vorquartals vergleichen und vorschlagen: „Für diesen Lieferanten grenzen Sie üblicherweise etwa diesen Betrag ab, und eine Rechnung ist nicht eingetroffen." Es kann auch die fehlende Abgrenzung erkennen: die monatliche Stromrechnung, die sonst am zehnten Tag gebucht wird und diesmal nicht.

Behandeln Sie diese als Anstöße für den Buchhalter, nicht als Buchungen. Eine vorgeschlagene Abgrenzung sollte mit ihrer Begründung kommen: der Bestellung, dem Muster, der Rückbuchung der Vorperiode. Wenn die Abgrenzung eine Rückstellung oder eine Umsatzschätzung betrifft, gehören Richtlinie und Annahmen Ihrem Team. Die Mechanik und die Erwartungen an die Prüfung stehen im Playbook zu Abgrenzungen, Umsatzrealisierung und Rückstellungen, und die Vertragsseite behandelt KI und Umsatzrealisierung.

Flux- und Abweichungsanalyse mit Kommentarentwürfen

Bei der Flux-Analyse (Veränderungsanalyse) ist der Vorbereitungsaufwand leicht zu erkennen: Salden ziehen, Veränderungen gegenüber dem Vormonat und Plan-Ist-Abweichungen berechnen, eine Schwelle anwenden und dann schreiben, warum sich jede Zeile bewegt hat. KI hilft an beiden Enden. Ein Modell ordnet, welche Abweichungen wichtig sind, und ein Sprachmodell entwirft aus den Hauptbuchdetails die erste Erklärung, etwa: „Der Softwareaufwand stieg, weil drei Jahresverlängerungen im selben Monat gebucht wurden."

Der Fehler, vor dem Sie sich schützen müssen, ist die selbstsicher falsche Erklärung. Ein Entwurf, der „Anstieg durch Personalaufbau" sagt, obwohl die wahre Ursache eine Umbuchung war, rutscht bei einem müden Prüfer durch. Verlangen Sie, dass jeder Treiber im Kommentar auf konkrete Transaktionen verweist, und lassen Sie den Analysten jeden gegen die Daten bestätigen, bevor er zum CFO geht. Mehr zum sicheren Einsatz von Entwurfswerkzeugen finden Sie in generative KI im Rechnungswesen.

Aufgabensteuerung im Abschluss und Verfolgung der Checkliste

Das ist der unscheinbarste Einsatz und oft der wertvollste. Abschlussaufgaben haben Verantwortliche, Fälligkeiten und Abhängigkeiten: Das Debitorennebenbuch lässt sich erst sperren, wenn der Stichtag bestätigt ist, und die Prüfung der Abgrenzungen kann erst beginnen, wenn das Kreditorennebenbuch final ist. KI-gestützte Abschlusstools können die Aufgabenliste aus dem Abschluss des Vormonats aufbauen, sie umordnen, anhand früherer Dauern vorhersagen, welche Aufgaben sich verzögern, und die Verantwortlichen anstupsen. Sie können auch die Statusnotiz entwerfen, die ein Controller am Ende von Tag zwei an den CFO schickt.

Weil die Checkliste zugleich Ihr Nachweis ist, dass Kontrollen gelaufen sind, achten Sie darauf, dass das Tool festhält, wer jede Aufgabe wann erledigt hat. Eine sinnvolle Grundlage ist die Struktur in der Checkliste für den Monatsabschluss.

Anomalieprüfung von Buchungssätzen

Prüfer ziehen Stichproben von Buchungssätzen, weil sie nicht alle lesen können. Die Anomalieerkennung liest alle. Ein Modell lernt, was für jeden Ersteller, jedes Kontenpaar und jede Phase des Monats normal ist, und markiert Buchungen, die abweichen: runde Beträge, die kurz vor dem Abschluss gebucht werden, Buchungen auf selten genutzte Konten, Buchungen außerhalb der Arbeitszeit oder von jemandem, der auf dieses Konto sonst nicht bucht, oder manuelle Buchungen, die sich gegenseitig ausgleichen.

Behandeln Sie das Ergebnis als Hinweise, nicht als Feststellungen. Die meisten Markierungen werden legitim sein, und Sie brauchen eine Möglichkeit, den Grund festzuhalten. Aber eine Prüfung der gesamten Grundgesamtheit fängt Dinge ein, die eine Stichprobe übersieht, und sie schafft einen Nachweis, dass jemand hingesehen hat.

Was sich bei jeder Abschlussaufgabe ändert

Erforderliche Kontrollen, wenn KI den Abschluss berührt

Geschwindigkeit ist leicht zu kaufen. Belastbarkeit müssen Sie gestalten.

Prüfung und Freigabe von KI-Vorschlägen für Buchungen

Legen Sie eine Regel fest und schreiben Sie sie in Ihre Abschlussrichtlinie: Keine von KI vorgeschlagene Buchung wird ohne einen benannten menschlichen Freigeber gebucht, und der Freigeber ist nicht die Person, die den Vorschlag angefordert hat. Definieren Sie dann, wie eine echte Prüfung aussieht. Sieht der Prüfer den Beleg? Die Begründung? Den Konfidenzwert? Ein Prüfer, der nur „alle freigeben" sieht, übt keine Kontrolle aus, und ein Prüfer von außen wird das durchschauen.

Achten Sie auf den Automatisierungs-Bias. Wenn ein Tool in 95 % der Fälle richtig liegt, beginnen Prüfer, die übrigen 5 % reflexhaft freizugeben. Wirken Sie mit Stichproben dagegen: Streuen Sie gelegentlich bekannt falsche Posten ein, messen Sie den Anteil der Vorschläge, die Prüfer ändern, und werten Sie eine Änderungsquote von null als Warnsignal, nicht als Erfolg.

Funktionstrennung

Die klassische Aufteilung lautet: Wer vorbereitet, gibt nicht frei, und wer buchen darf, darf nicht die Freigaberegeln ändern. Ein KI-Tool fügt diesem Bild einen neuen Akteur hinzu. Geben Sie ihm eine Service-Identität mit eigenen Berechtigungen, keinen gemeinsamen Login und nicht die Zugangsdaten eines Menschen. Beschränken Sie es auf Vorschläge (Entwurfs- oder geparkte Buchungen) statt auf das Buchen, und stellen Sie sicher, dass die Personen, die Zuordnungsregeln, Schwellen und Prompts konfigurieren, das Ergebnis nicht ohne unabhängige Prüfung auch freigeben.

Prüfpfad

Jeder KI-gestützte Schritt sollte einen Nachweis hinterlassen, der vier Fragen beantwortet: Was ging hinein, was hat das Tool vorgeschlagen, was hat die Person geändert, und wer hat freigegeben? Halten Sie die Version des Modells, des Regelwerks oder des Prompts fest, die zu diesem Zeitpunkt galt, da sich Ergebnisse nach einem Update ändern können. Das ist dieselbe Logik wie bei jeder anderen Kontrolle: Wenn Sie nicht zeigen können, dass sie gelaufen ist, behandelt der Prüfer sie, als wäre sie es nicht. Wenn ein Anbieter diese Historie nicht exportieren kann, ist das eine Feststellung, die nur darauf wartet, zu passieren.

SOX- und ICFR-Aspekte

Für Unternehmen, die den US-Regeln für börsennotierte Gesellschaften unterliegen, muss das Management das ICFR zum Ende jedes Geschäftsjahres anhand eines geeigneten, anerkannten Rahmens beurteilen, und das Internal Control: Integrated Framework von COSO ist eine weit verbreitete Option. Ihr externer Prüfer prüft diese Beurteilung dann. Ein KI-Tool, das den Abschluss berührt, wird Teil des Kontrollumfelds, daraus ergeben sich einige Fragen:

• Liegt das Tool im Umfang? Wenn es Daten vorbereitet, vorschlägt oder verarbeitet, die in einer Schlüsselkontrolle verwendet werden, gehen Sie davon aus, dass ja, und informieren Sie Ihre interne Revision und Ihre externen Prüfer früh.
• Sind die IT-General-Controls abgedeckt? Zugriffs-, Änderungsmanagement- und Betriebskontrollen rund um das Tool sind ebenso wichtig wie das Modell selbst. Wer kann die Zuordnungslogik ändern? Wie werden Änderungen getestet und freigegeben?
• Ist das Ergebnis vollständig und richtig? Wenn sich ein Prüfer auf eine von KI erzeugte Liste verlässt (die nicht zugeordneten Posten, die markierten Buchungen), hängt die Kontrolle davon ab, dass diese Liste vollständig ist. Sie brauchen eine Möglichkeit, das zu testen, etwa eine regelmäßige Nachberechnung an einer Stichprobe.
• Ist ein Dritter beteiligt? Wenn ein Anbieter das Tool hostet, fragen Sie, welche unabhängigen Prüfberichte er liefert und was Ihre eigenen Kontrollen ergänzen müssen, um Lücken zu schließen.

Nichts davon verbietet KI im Abschluss. Es bedeutet, dass Sie dokumentieren, was das Tool tut, es wie jede andere Kontrolle testen und eine Person verantwortlich halten. Klären Sie Entscheidungen zum Umfang mit Ihren Prüfern, bevor das Pilotprojekt beginnt, nicht erst, wenn die Prüfungshandlungen nach dem Jahresende laufen.

Einführung, Schritt für Schritt

1. Ermitteln Sie Ihre Baseline für den Abschluss. Halten Sie die Kalendertage von der Summen- und Saldenliste bis zu den finalen Abschlüssen fest, die Zahl manueller Buchungssätze, Korrekturen nach dem Abschluss und die Stunden für Abstimmungen. Ohne Ausgangspunkt können Sie keine Verbesserung zeigen.
2. Wählen Sie eine Abstimmung oder eine Analyse. Ein Bank- oder Verrechnungskonto mit hohem Volumen oder Flux-Kommentare für eine Geschäftseinheit sind ein sicheres Pilotprojekt. Meiden Sie beim ersten Durchlauf Abgrenzungen mit großen Schätzungen und alles, was die Konsolidierung berührt.
3. Bereinigen Sie die Eingaben. Zuordnungsmodelle erben Ihre Kontenzuordnung, Lieferantennamen und Referenzgewohnheiten. Die Arbeit aus Datenbereitschaft im Finanzwesen für KI zahlt sich hier aus.
4. Schreiben Sie das Kontrolldesign auf. Definieren Sie, wer prüft, was er sieht, was das Tool darf und nicht darf und welcher Nachweis aufbewahrt wird. Teilen Sie es mit der internen Revision.
5. Laufen Sie mindestens einen Abschluss lang parallel. Erledigen Sie die Arbeit auf die alte und auf die neue Weise und vergleichen Sie Zeile für Zeile. Halten Sie jede Abweichung fest und wer recht hatte.
6. Gehen Sie nur mit Vorschlägen live. Buchungen bleiben geparkt, bis ein Prüfer sie freigibt. Messen Sie Änderungsquote, Ausnahmen, gesparte Zeit und Korrekturen nach dem Abschluss.
7. Erweitern Sie einen Anwendungsfall nach dem anderen. Ergänzen Sie als Nächstes Checklistenverfolgung und Anomalieprüfung, da sie weniger Hauptbuchsalden verändern, danach die Abgrenzungsvorschläge.
8. Passen Sie die Rollen an. Ersteller verbringen weniger Zeit mit dem Zuordnen und mehr mit dem Untersuchen, was andere Fähigkeiten verlangt. Siehe KI und Rollen im Finanzteam.

Häufige Fallstricke

• Einen kaputten Abschluss automatisieren. Wenn die Checkliste undokumentiert ist und die Verantwortung unklar, beschleunigt KI die Verwirrung. Bringen Sie zuerst den Prozess in Ordnung.
• Das Tool buchen lassen. Geparkte Buchungen und ein Freigabeschritt kosten Minuten. Eine falsch gebuchte Buchung kann eine wieder geöffnete Periode kosten.
• Kommentaren vertrauen, die keine Transaktionen nennen. Geschliffene Prosa ist kein Nachweis. Verlangen Sie die Verknüpfung zum Hauptbuch.
• Drüberwinken bei der Prüfung. Wenn Freigaben je zwei Sekunden dauern und nie etwas abgelehnt wird, existiert die Kontrolle nur auf dem Papier.
• Die Prüfer auslassen. Überraschungen in der Prüfung sind teuer. Frühe Gespräche sind günstig.
• Nur die Geschwindigkeit zählen. Ein schnellerer Abschluss mit mehr Korrekturen nach dem Abschluss ist keine Verbesserung. Verfolgen Sie beides.
• Sensible Daten mit nicht freigegebenen Tools teilen. Summen- und Saldenlisten und Gehaltsdaten sollten nur an Tools gehen, die Ihr Sicherheitsteam freigegeben hat.

Messen, ob es funktioniert hat

Wählen Sie eine kleine Auswahl und verfolgen Sie sie bei jedem Abschluss:

• Durchlaufzeit: Kalendertage von der Summen- und Saldenliste bis zu den finalen Abschlüssen, mit derselben Definition wie die APQC-Kennzahl, damit Sie Gleiches mit Gleichem vergleichen.
• Vorbereitungsaufwand: Stunden für Abstimmungen, Flux-Analyse und Verwaltung der Checkliste.
• Qualität: Korrekturen nach dem Abschluss, korrigierte oder neu erstellte Abstimmungen, Prüfungsanpassungen.
• Prüfgesundheit: Anteil der KI-Vorschläge, die Prüfer ändern oder ablehnen, und Zahl der pro Abschluss geklärten Anomaliemarkierungen.
• Termintreue: Anteil der Checklistenaufgaben, die bis zur Fälligkeit erledigt sind.

Wenn die Durchlaufzeit sinkt und die Qualität hält, erweitern Sie. Wenn die Durchlaufzeit sinkt, aber die Korrekturen steigen, haben Sie die Arbeit nur weiter nach hinten verschoben.

Wie es weitergeht

Wählen Sie eine Abstimmung, schreiben Sie den Prüfschritt auf und fahren Sie einen parallelen Abschluss. Erweitern Sie dann den Umfang anhand der Anwendungsfälle für KI im Finanzwesen als Landkarte. KI ändert nicht, wer für die Bücher verantwortlich ist. Sie ändert, wie viel der Vorbereitung Sie von Hand erledigen.