Wie CFOs eine KI-Roadmap für die Finanzfunktion aufbauen

Von Jane Ha · Aktualisiert am 11. Oktober 2026

Eine KI-Roadmap für Finance ist ein gestaffelter Plan, der festlegt, welche Finanzprozesse KI erhalten, in welcher Reihenfolge, auf welchen Daten, unter welchen Kontrollen und mit welchen Kompetenzen im Team. Sie unterscheidet sich von einer unternehmensweiten KI-Strategie. Der CFO ist die einzige Person, die Abschluss, Prognose, Kontrollen und Budget zugleich verantwortet. Die Roadmap muss deshalb alle vier berücksichtigen.

Dieser Leitfaden richtet sich an CFOs, Controller, FP&A-Leiter und Manager für Finance Transformation, die über die Frage „Sollen wir KI ausprobieren?“ hinaus sind und nun mehr Ideen haben, als sie Leute zur Umsetzung haben. Er behandelt eine Methode in fünf Teilen: Prozesse inventarisieren, Anwendungsfälle bewerten, Datenarbeit leisten, Releases staffeln und Kompetenzen planen. Für die allgemeinen Schritte auf Unternehmensebene, etwa Reifegrade und die Frage Eigenentwicklung oder Kauf, verweist er auf die Seiten zur KI-Transformationsstrategie, statt sie zu wiederholen.

Wichtige Fakten

• In Deloittes CFO-Signals-Umfrage für das 2. Quartal 2026 unter 200 nordamerikanischen CFOs gaben 43 % an, der aktuellen KI-Governance ihres Unternehmens zu vertrauen, und 59 % nannten den Ausgleich zwischen Tempo und Risiko als größte Herausforderung für einen unternehmensweiten Rahmen (Deloitte).
• In derselben Umfrage sagten 33 %, der Chief Information Security Officer verantworte die KI-Governance, während 19 % meinten, die größte Verantwortung liege beim CFO (Deloitte).
• Die KPMG-Umfrage 2026 unter 1.013 leitenden Finanzverantwortlichen zeigte die stärksten KI-Gewinne bei Entscheidungsqualität, Prognosegenauigkeit und Reaktionsfähigkeit, also in urteilsintensiven statt in transaktionalen Bereichen (KPMG).
• In dieser Umfrage nannten 36 % die Datenqualität als häufigste Chance und zugleich als größte Schwachstelle, 38 % qualifizierten ihre bestehenden Finanzteams in KI weiter, und 28 % überdachten, welche Art von Talenten sie brauchen (KPMG).
• KPMG berichtete außerdem, dass Organisationen, die KI-bezogene KPIs formal verfolgen, einen um 10 Prozentpunkte höheren Anteil mit moderater oder deutlicher ROI-Verbesserung meldeten als Organisationen, die das nicht tun (KPMG).

Warum Finance eine eigene Roadmap braucht

Ein unternehmensweiter KI-Plan optimiert meist auf Einführung und Verbreitung. Finance kann das nicht. Eine falsche Antwort in einem Vertriebstext kostet eine schlechte E-Mail. Eine falsche Antwort bei einer Abstimmung oder einer Abgrenzung kann die Finanzberichte erreichen, und damit unterliegt die Arbeit vom ersten Tag an dem internen Kontrollsystem.

Drei Dinge unterscheiden Finance.

Der Kalender steht fest. Mitten im Quartalsabschluss lässt sich kein neues Tool pilotieren. Abschluss, Prüfung und Budgetsaison legen die Zeitfenster fest, in denen Veränderung sicher ist, und eine Roadmap, die sie ignoriert, wird vom ersten arbeitsreichen Monat verdrängt.

Nachweise zählen so viel wie Ergebnisse. Ein Tool, das zehn Stunden spart, aber nicht zeigen kann, was es getan hat, wer es geprüft hat und welche Version lief, schafft Arbeit für Ihre Prüfer. Das Kontrolldesign gehört zum Anwendungsfall, es ist kein Schritt danach.

Die Daten müssen Sie selbst in Ordnung bringen, und niemand sonst wird es tun. Kontenzuordnungen, Kreditorenstammdaten und Gesellschaftsstrukturen liegen in den eigenen Systemen der Finanzabteilung. In der KPMG-Umfrage steht die Datenqualität ganz oben auf der Liste der Hindernisse, und kein Anbieter kann sie für Sie bereinigen.

Der KPMG-Befund dazu, wo sich die Gewinne konzentrieren, ist für den Ehrgeiz nützlich. Prognosegenauigkeit und Entscheidungsqualität sind die Bereiche, in denen die Befragten die stärkste Verbesserung sahen. Eine Roadmap, die nur aus Back-Office-Automatisierung besteht, zielt deshalb möglicherweise zu niedrig. Eine ausgewogene Roadmap mischt schnelle transaktionale Erfolge mit einigen urteilsintensiven Wetten.

Schritt 1: Das Prozessinventar erstellen

Beginnen Sie mit dem, was die Funktion tut, nicht mit Tools. Listen Sie jeden wiederkehrenden Finanzprozess auf und halten Sie zu jedem fünf Dinge fest: Volumen, Durchlaufzeit, wer ihn ausführt, wie viele Systeme er berührt und wo üblicherweise Fehler auftreten. Eine Tabellenkalkulation genügt.

Gruppieren Sie die Liste nach dem Zyklus, den Ihr Team ohnehin verwendet.

Zwei Gewohnheiten machen das Inventar den Aufwand wert. Erstens: Befragen Sie die Menschen, die die Arbeit tun, nicht nur die Verantwortlichen. Der Sachbearbeiter weiß, dass der „automatische“ Abgleich nebenher noch eine Tabelle braucht. Zweitens: Halten Sie die Behelfslösungen fest. Ein Prozess mit drei Offline-Tabellen ist ein Datenproblem, bevor er ein KI-Problem ist, und das sollten Sie bei der Bewertung vermerkt haben.

Erfassen Sie auch die Schatten-Nutzung. Vielleicht kopiert jemand im Team der Kreditorenbuchhaltung schon Rechnungstext in einen öffentlichen Chatbot. Das Inventar ist der richtige Ort, das herauszufinden, und KI und die Rollen im Finanzteam hilft Ihnen zu erkennen, wer voraussichtlich was tut.

Schritt 2: Die Anwendungsfälle bewerten

Gleichen Sie nun das Inventar mit dem ab, was KI leisten kann. Für Ideen listet die Übersicht der Anwendungsfälle im Finanzbereich die gängigen Kandidaten nach Funktion auf. Versuchen Sie nicht, alle zu bewerten. Wählen Sie die Prozesse, bei denen das Inventar echten Schmerz zeigt, und bewerten Sie dann jeden Kandidaten nach denselben fünf Kriterien.

Hier ein Beispiel dafür, wie die Bewertung funktioniert. Die Werte unten sind erfunden, um den Mechanismus zu zeigen, keine Benchmarks.

Lesen Sie die Tabelle, wie ein CFO es täte. Die Bankabstimmung erzielt die höchste Punktzahl, nicht weil sie am wertvollsten ist, sondern weil die Daten bereit sind, die Prüfung unkompliziert ist und das Risiko begrenzt bleibt. Die Cashflow-Prognose hat den größten Nutzen, aber schwache Daten, und rückt deshalb in ein späteres Release, statt gestrichen zu werden. Die Vertragsprüfung schneidet beim Kontrollrisiko schlecht ab, weil Fehler dort Umsatz und Offenlegungen erreichen. Das ist ein Grund, sie erst zu starten, wenn Ihre Kontrollen reifer sind.

Drei Warnungen zur Bewertung. Gewichten Sie die Kriterien, wenn Ihre Lage es verlangt, etwa indem Sie das Kontrollrisiko verdoppeln, wenn Sie sich auf Ihr erstes SOX-Jahr vorbereiten. Mitteln Sie keine Null weg: Hat ein Anwendungsfall ein inakzeptables Kontrollrisiko, wartet er, egal wie hoch die übrigen Werte sind. Und bewerten Sie jedes Quartal neu, denn Datenbereitschaft und Kompetenz im Team ändern sich schneller, als Sie denken.

Schritt 3: Zuerst die Datenarbeit erledigen

Die Datenspalte in Ihrer Bewertungstabelle ist die Stelle, an der die meisten Roadmaps stillschweigend scheitern. Eine Prognose, ein Abgleich oder eine Flux-Erklärung erbt jede Inkonsistenz der darunterliegenden Datensätze. Behandeln Sie die Datenarbeit deshalb als eigene Roadmap-Punkte, mit Verantwortlichen und Terminen.

Die üblichen Kandidaten im Finanzbereich:

• Bereinigung des Kontenrahmens. Legen Sie ruhende Konten still, dokumentieren Sie, was „Sonstiges“ bedeutet, und verlagern Sie Abteilung und Region in Dimensionen statt in Kontennamen.
• Stammdaten. Entfernen Sie Dubletten bei Lieferanten und Kunden, vergeben Sie dauerhafte IDs und verlangen Sie eine Freigabe für neue Datensätze.
• Zuordnungen. Verlagern Sie Zuordnungen von Gesellschaft zu Konzern aus persönlichen Tabellen an einen kontrollierten Ort mit Änderungsprotokoll.
• Historie. Prüfen Sie, ob die Perioden, aus denen ein Modell lernen soll, konsistent sind. Eine Systemmigration vor drei Jahren kann den Trend eines Prognosemodells verzerren.

Der Leitfaden zur Datenbereitschaft im Finanzbereich führt für jeden Punkt durch eine Checkliste. Eine nützliche Faustregel: Erreicht ein Anwendungsfall bei der Datenbereitschaft weniger als 3 Punkte, planen Sie die Datenbereinigung im Release davor ein und lassen den Anwendungsfall warten.

Schritt 4: Die Releases staffeln

Bei der Staffelung kommen Bewertungen, Kalender und Abhängigkeiten zusammen. Den meisten Finanzfunktionen gelingt es mit drei Releases besser als mit einem einzigen mehrjährigen Plan.

Release 1: beweisen und eingrenzen (die ersten sechs Monate). Wählen Sie zwei oder drei Anwendungsfälle mit hoher Punktzahl und geringem Kontrollrisiko, etwa Abgleich bei Abstimmungen, Unterstützung bei der Rechnungskontierung oder Kommentarentwürfe. Lassen Sie jeden einige Zyklen parallel zum bestehenden Prozess laufen. Bauen Sie jetzt die Nachweisgewohnheit auf: Protokolle, Freigaben der Prüfer, Aufzeichnungen über Übersteuerungen. Starten Sie parallel die Datenbereinigungen, die spätere Releases brauchen. Analog zum Weg auf Unternehmensebene ist dies der Schritt von Experimenten zu einem gesteuerten Pilotprojekt, wie er in den fünf Reifestufen der KI beschrieben ist.

Release 2: ausweiten und verbinden (die nächsten sechs bis zwölf Monate). Übertragen Sie bewährte Tools auf mehr Gesellschaften oder größere Volumina und ergänzen Sie einen urteilsintensiven Anwendungsfall, für den die Daten nun bereit sind, etwa Prognosen oder Szenarioarbeit. Jetzt beginnt auch Ihr Monatsabschluss davon zu profitieren, dass mehrere Tools im selben Kalender zusammenarbeiten.

Release 3: neu gestalten (danach). Sind Kontrollen, Daten und Kompetenzen vorhanden, können Sie den Prozess selbst umbauen, statt KI daran anzuflanschen. Vielleicht wird der Abschluss um eine kontinuierliche Abstimmung herum neu aufgebaut, oder die Freigaben werden auf Ausnahmebehandlung umgeschrieben.

Legen Sie für jedes Release ein Go-oder-No-go-Kriterium fest: Genauigkeit innerhalb der Toleranz, Kontrollen dokumentiert, Verantwortlicher benannt, Rückfalllösung getestet. Wird ein Kriterium nicht erfüllt, verschiebt sich das Release, und das nächste startet nicht. Planen Sie nichts Neues in die Zeiträume von Quartalsabschluss und Prüfung ein.

Bei der Frage Eigenentwicklung oder Kauf erfinden Sie keine eigene Logik. Die Entscheidung zwischen Eigenentwicklung, Kauf und Integration behandelt sie auf Unternehmensebene. Ergänzen Sie im Finanzbereich einen Test: Kann der Anbieter die Prüfungsnachweise liefern, die Ihre Kontrollen brauchen, etwa Protokolle, Versionsverlauf und Zugriffsberichte?

Schritt 5: Kompetenzen und Betriebsmodell planen

Eine Roadmap ohne Personalplan bleibt bei Release 1 stecken. Die KPMG-Umfrage zeigt die verbreitete Lücke gut: 38 % der Organisationen qualifizierten ihre bestehenden Finanzteams in KI weiter, aber nur 28 % überdachten, welche Art von Talenten sie brauchen (KPMG). Menschen an einem Tool zu schulen ist eine Sache. Zu entscheiden, was die Funktion künftig anders tut, ist eine andere.

Praktische Schritte:

1. Benennen Sie für jedes Tool und jede Kontrolle einen Verantwortlichen. Eine Person haftet für Umfang, Änderungen und Überwachung.
2. Vermitteln Sie Datenurteilsvermögen. Der KPMG-Bericht hebt die Fähigkeit, Datenqualität zu beurteilen und Ergebnisse zu interpretieren, als wichtigsten Kompetenzbedarf hervor. Ersteller und Prüfer sollten lernen, eine plausible, aber falsche Ausgabe zu erkennen.
3. Verändern Sie die Aufgabe des Prüfers. Wenn die Erstellung schrumpft, wächst die Prüfung. Halten Sie schriftlich fest, was ein Prüfer kontrolliert und was ihn genauer hinsehen lässt.
4. Legen Sie fest, wer die KI-Governance verantwortet. Deloittes Umfrage zeigt verstreute Zuständigkeiten: 33 % verweisen auf den CISO und 19 % auf den CFO. Klären Sie das für Ihre Funktion früh. KI und interne Kontrollen behandelt die SOX-Seite dieses Gesprächs.
5. Planen Sie den Karriereweg. Wenn die Abstimmungsarbeit auf Einstiegsniveau schrumpft, sagen Sie, wie junge Mitarbeitende das Urteilsvermögen lernen, das sie früher beim Machen nebenbei erwarben.

Die Roadmap messen, nicht nur die Tools

Wählen Sie eine Handvoll Kennzahlen, bevor Release 1 beginnt, damit Sie eine Baseline (Ausgangswert) haben. Gute Ausgangspunkte sind die Durchlaufzeit der betroffenen Prozesse, Ausnahme- und Übersteuerungsquoten, Prognosefehler, Stunden manueller Arbeit, die in die Prüfung verlagert wurden, und der Anteil der Kontrollen mit vollständigem Nachweis. KPMG stellte fest, dass Organisationen, die KI-bezogene KPIs formal verfolgen, beim ROI um 10 Prozentpunkte vorn lagen, die Disziplin selbst scheint also zu helfen. Der Leitfaden zum Messen von KI im Finanzbereich geht tiefer auf Kennzahlen ein.

Berichten Sie dem Board jedes Quartal in denselben drei Kategorien: was ausgeliefert wurde, was es im Vergleich zur Baseline geleistet hat und welches Risiko oder Kontrollproblem aufgetreten ist.

Häufige Fallstricke

• Mit einem Tool statt mit dem Inventar beginnen. Am Ende steht ein cleveres Produkt und ein Prozess, zu dem es nicht passt.
• Zuerst den Anwendungsfall mit dem höchsten Nutzen wählen. Der größte Gewinn hat meist die schwächsten Daten. Gewinnen Sie zuerst etwas Begrenztes.
• Datenbereinigung als Nebenprojekt behandeln. Ohne Verantwortlichen und Termin passiert sie nicht, und Release 2 verschiebt sich.
• Im falschen Monat pilotieren. Ein Pilotprojekt, das in den Quartalsabschluss hineinstartet, wird am Abschlussdruck gemessen, nicht an seinem Wert.
• Keine Baseline. Wenn Sie die Durchlaufzeit vorher nicht gemessen haben, können Sie hinterher keinen Gewinn belegen.
• Die Governance dem Rollout hinterherlaufen lassen. Kontrollen nach dem Go-live nachzurüsten ist teurer, als sie von Anfang an einzuplanen.
• Eine Roadmap für Tools statt für Menschen. Prüfer, die nicht geschult oder neu zugeschnitten wurden, werden zum Engpass.
• Aufsetzen und vergessen. Bewerten Sie die Anwendungsfälle jedes Quartal neu. Modelle, Anbieter und Ihre eigenen Daten verändern sich ständig.

Wie es weitergeht

Erstellen Sie diese Woche das Prozessinventar für einen Zyklus, etwa Record to report, und bewerten Sie die fünf wichtigsten Kandidaten nach den fünf Kriterien. Wählen Sie dann die zwei, die Sie zuerst umsetzen würden, benennen Sie für jeden einen Verantwortlichen und listen Sie die Datenbereinigungen auf, von denen sie abhängen. Dieses kleine Dokument ist der Keim Ihrer Roadmap, und es zeigt Ihnen schnell, wie bereit die Funktion wirklich ist.