KI im Finanzwesen messen: Abschlussdauer, Kosten pro Rechnung und Prognosegenauigkeit

Von Jane Ha · Aktualisiert am 11. Oktober 2026

KI im Finanzwesen zu messen heißt, einige wenige Betriebskennzahlen zu wählen, denen das Finanzwesen bereits vertraut (Tage bis zum Abschluss, Kosten pro Rechnung, Prognosefehler), jede vor dem Start des Werkzeugs festzuhalten und danach mit derselben Definition zu vergleichen. Das Werkzeug selbst ist selten der schwierige Teil. Schwierig ist der Beleg gegenüber einem CFO oder einem Prüfer, dass sich die Zahl wegen der KI bewegt hat und nicht wegen eines ruhigen Quartals, einer Neueinstellung oder einer geänderten Definition.

Dieser Leitfaden richtet sich an Controller, Finanzdirektoren und FP&A-Leiter, die einen oder mehrere KI-Piloten laufen haben oder kurz davor stehen und Ergebnisse berichten müssen. Er baut auf den Prozessleitfäden zum Monatsabschluss, zur Kreditorenbuchhaltung und zu FP&A auf. Wenn Sie noch früher auf dem Weg sind, ist die übergeordnete Frage, warum sich der ROI von KI schwer belegen lässt, eine nützliche Ergänzung.

Wichtige Fakten

• Die Benchmarking-Umfrage von APQC zur allgemeinen Buchhaltung, 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 Teilnehmenden (CFO.com).
• Bei dieser Kennzahl reicht die Durchlaufzeit vom Erstellen der Summen- und Saldenliste bis zur Fertigstellung des Konzernabschlusses und zählt sowohl aktive Arbeit als auch Wartezeit (CFO.com).
• Der Bericht State of ePayables 2025 von Ardent Partners, gestützt auf 204 Führungskräfte aus Kreditorenbuchhaltung und Finanzwesen, nannte für beste Kreditorenteams 2,65 \(pro Rechnung gegenüber einem Durchschnitt von 12,42\) (Ardent Partners).
• Die Lehrbuchempfehlung zur Prognose definiert den MAPE als Mittelwert der absoluten prozentualen Fehler und warnt, dass prozentuale Maße unendlich oder undefiniert sind, wenn ein Istwert null ist, und instabil, wenn er nahe null liegt (Hyndman und Athanasopoulos).
• Derselbe Text sagt, ein Testdatensatz sollte idealerweise mindestens so groß sein wie der längste benötigte Prognosehorizont, und beschreibt die Evaluierung mit rollierendem Ursprung, bei der jede Prognose nur frühere Daten nutzt (Hyndman und Athanasopoulos).

Warum Finanzteams vor dem Piloten einen Messplan brauchen

Die meisten KI-Piloten im Finanzwesen werden nach Gefühl beurteilt. Die Kreditorenbuchhalterin sagt, es gehe schneller, der Controller sagt, der Abschluss sei „runder gelaufen“, und sechs Monate später kann niemand sagen, um wie viel. Das ist aus zwei Gründen ein Problem.

Erstens das Budget. Ein Werkzeug, das kein Ergebnis zeigen kann, wird im nächsten Planungszyklus gestrichen, auch wenn es geholfen hat. Zweitens die Kontrollen. Wenn ein KI-Schritt die Finanzberichterstattung berührt, brauchen Sie den Nachweis, dass er innerhalb einer Toleranz arbeitet, was der Leitfaden zu internen Kontrollen als Backtest- und Genauigkeitsergebnisse aufführt. Die Messung erfüllt einen doppelten Zweck.

Die gute Nachricht: Das Finanzwesen hat bereits gut verstandene Kennzahlen. Sie brauchen keine neue KI-Scorecard. Sie brauchen die alte Scorecard mit sauberen Baselines.

Die drei Ankerkennzahlen

Abschlussdauer

Die Abschlussdauer ist die Zahl der Kalendertage zwischen dem Erstellen der Summen- und Saldenliste und der Fertigstellung des Konzernabschlusses. Das ist die Definition hinter der oben genannten APQC-Kennzahl, und sie schließt Wartezeit ein, nicht nur die Arbeit von Hand.

Die Spanne der Benchmarks ist ein nützlicher Kontext. Ein Median von 6,4 Tagen, mit dem oberen Quartil bei 4,8 oder darunter und dem unteren Quartil bei 10 oder mehr, bedeutet, dass zwischen einem guten und einem langsamen Abschluss mehrere Tage liegen. Aber es ist ein Bericht von 2018 zu einer einzelnen Umfragefrage, nutzen Sie ihn also, um sich grob einzuordnen, nicht, um ein Ziel zu setzen. Ihr eigener Trend zählt mehr als der Median anderer.

Was KI bewegen sollte: Stunden für Abstimmung und Abgleich, die Zahl manueller Buchungssätze, die Zeit für das Nachfassen bei Aufstellungen und Korrekturen nach dem Abschluss. Was sie von sich aus nicht bewegen sollte: die Freigabeschritte, die weiterhin Menschen erledigen.

Kosten pro Rechnung

Die Kosten pro Rechnung sind die vollen Kosten des Kreditorenprozesses in einer Periode, geteilt durch die Zahl der in dieser Periode verarbeiteten Rechnungen. Bei „vollen Kosten“ gehen die Meinungen auseinander. Manche zählen nur die Gehälter der Kreditorenbuchhaltung, andere addieren Software, Bankgebühren, Gemeinkosten und die Zeit von Freigebenden in anderen Abteilungen.

Die Zahlen von Ardent vermitteln ein Gefühl für die Spanne: 2,65 \(für beste Teams gegenüber einem Durchschnitt von 12,42\). Übernehmen Sie diese nicht in Ihren Business Case. Stichprobe, Rechnungsmix und Kostendefinition des Berichts werden nicht zu Ihren passen. Wenn ein Anbieter einen Benchmark nennt, fragen Sie, was in der Zahl steckt. Die Kostenbestandteile legen Sie selbst fest, und die einzige Regel lautet, vorher und nachher dieselben zu verwenden.

Was KI bewegen sollte: die Bearbeitungszeit pro Rechnung, der Anteil der Rechnungen, die manuell kontiert werden müssen, die Zeit für die Bearbeitung von Ausnahmen und abgefangene Doppelzahlungen. Auch das Volumen zählt. Verdoppelt sich die Rechnungszahl nach einer Übernahme, können die Gesamtkosten steigen, während die Kosten pro Rechnung sinken, was in Ordnung ist, aber nennen Sie das im Bericht.

Prognosegenauigkeit

Prognosegenauigkeit besagt, wie nah die Prognose an dem lag, was geschah, gemessen an Daten, die das Modell nicht gesehen hatte. Die Lehrbuchmaße sind der mittlere absolute Fehler (MAE), die Wurzel des mittleren quadratischen Fehlers (RMSE) und der mittlere absolute prozentuale Fehler (MAPE). Der MAPE ist im Finanzwesen beliebt, weil er ein Prozentwert ist, versagt aber nahe null, weshalb er sich besser für den Umsatz eignet als für den Netto-Cashflow. Für eine Position, die die Nulllinie kreuzt, nutzen Sie stattdessen den MAE oder ein skaliertes Maß. Der Leitfaden zur Cashflow-Prognose behandelt diese Wahl ausführlicher.

Zwei Gewohnheiten machen Prognosekennzahlen ehrlich. Evaluieren Sie auf zurückgehaltenen Perioden, nie auf der Historie, an die das Modell angepasst wurde, denn die angepasste Genauigkeit sieht immer besser aus als die echte. Und vergleichen Sie mit einer naiven Baseline, etwa „nächster Monat entspricht demselben Monat im Vorjahr“. Wenn ein KI-Modell das mit Ihren Daten nicht schlägt, hat es sich seinen Platz nicht verdient. Der FP&A-Leitfaden erklärt, warum einfachere Methoden sich oft behaupten.

Was KI bewegen sollte: der Fehler nach Position und Horizont, die Verzerrung (ob Sie durchgehend zu hoch oder zu niedrig prognostizieren) und die Tage vom Periodenende bis zu einem fertigen Prognosepaket.

Die Kennzahlentabelle

Nutzen Sie sie als Gerüst für eine einseitige Scorecard. Ergänzen Sie Zeilen für Ihre eigenen Prozesse.

So legen Sie eine Baseline fest, Schritt für Schritt

1. Wählen Sie einen Prozess und zwei oder drei Kennzahlen. Widerstehen Sie dem Drang, alles zu messen. Abschlussdauer und Zahl manueller Buchungen für den Abschluss, Kosten pro Rechnung und Dunkelverarbeitungsquote für die Kreditorenbuchhaltung, Fehler und Verzerrung für eine Prognoseposition.

   

2. Schreiben Sie die Definition auf. Wo beginnt und endet die Uhr? Welche Kosten sind enthalten? Welche Rechnungen sind ausgeschlossen? Ein Absatz jetzt verhindert später einen Streit.

3. Holen Sie die Historie. Nutzen Sie, wo möglich, mindestens sechs Perioden, damit nicht ein ungewöhnlicher Monat die Baseline bestimmt. Notieren Sie alles Ungewöhnliche: eine Übernahme, eine Systemmigration, einen feiertagsreichen Monat.

4. Erfassen Sie sie, bevor jemand den Prozess ändert. Piloten starten tendenziell mit Begeisterung und ohne Momentaufnahme. Der Leitfaden zur Datenbereitschaft ist die Stelle, um zu prüfen, ob die Quelldaten jeder Kennzahl sauber genug sind, um ihnen zu trauen.

5. Ergänzen Sie einen naiven Vergleich. Bewerten Sie bei Prognosen die Prognose „wie im Vorjahr“ oder „letzter Wert“ auf denselben Perioden. Beim Abschluss ist der Vergleich einfach der Trend des Vorjahres.

6. Laufen Sie parallel, wo Sie können. Lassen Sie für einige Zyklen den alten und den KI-gestützten Prozess nebeneinander laufen. Vergleichen Sie Zeile für Zeile. Das wollen auch Ihre Prüfer sehen.

7. Halten Sie den Test zurück. Halten Sie bei Prognosen jüngere Perioden vom Modell fern, mindestens so lang wie Ihr längster Horizont, und nutzen Sie die Evaluierung mit rollierendem Ursprung, damit jede Prognose nur frühere Daten sieht.

8. Berichten Sie nach festem Plan. Dieselben Kennzahlen, dieselben Definitionen, in jedem Zyklus. Stellen Sie jedes Mal die Baseline neben die aktuelle Zahl.

Beispiele nach Funktion

Controller, Monatsabschluss. Stellen Sie sich ein mittelgroßes Unternehmen vor, dessen Controller für die letzten acht Abschlüsse die Kalendertage und die manuellen Buchungssätze erfasst und die Spanne notiert. Nachdem er einen automatisierten Abgleich für Bank- und Intercompany-Konten eingeführt hat, verfolgt der Controller dieselben zwei Zahlen plus die Korrekturen nach dem Abschluss. Das Ziel: weniger Tage, weniger manuelle Buchungen und gleichbleibende Korrekturen. Gleichbleibende Korrekturen machen einen schnelleren Abschluss glaubwürdig.

Leiter Kreditorenbuchhaltung. Ein Team zählt sein monatliches Rechnungsvolumen und schreibt jede Kostenart auf, die es einbezieht: Gehälter der Kreditorenbuchhaltung, Software, Bankgebühren und einen Anteil der Zeit im Einkauf. Nach der Einführung der Dokumentenerfassung berichtet es Kosten pro Rechnung, Dunkelverarbeitungsquote und Korrekturquote der Prüfer. Die Korrekturquote ist das Frühwarnsignal. Steigt die Dunkelverarbeitungsquote und mit ihr die Korrekturen, schiebt das Werkzeug Fehler nach hinten.

FP&A-Leiter. Das Team bewertet seine aktuelle Umsatzprognose, eine naive saisonale Prognose und ein Modell des maschinellen Lernens auf den letzten 12 Monaten zurückgehaltener Daten. Angenommen, das Modell schlägt die naive Baseline bei einigen Produktlinien und verliert bei anderen. Das Team setzt es dort ein, wo es gewinnt, und behält anderswo die bestehende Methode. Ein gemischtes Ergebnis, ehrlich berichtet, ist mehr wert als ein pauschales „KI hat die Genauigkeit verbessert“.

Häufige Fallstricke

• Keine Baseline. Das häufigste Versagen. Ohne eine Vorher-Zahl ist jedes Ergebnis eine Anekdote.

  

• Die Definition mitten im Projekt ändern. Wenn der „Abschluss“ nach dem Go-live an einem anderen Schritt beginnt, sind die gesparten Tage zum Teil ein Buchungstrick.

• Tempo ohne Qualität messen. Ein schnellerer Abschluss mit mehr Korrekturen danach oder schnellere Rechnungen mit mehr Doppelzahlungen sind keine Verbesserung. Koppeln Sie eine Tempokennzahl stets mit einer Qualitätskennzahl. Die Qualitätsseite behandelt der Leitfaden zu Genauigkeitskontrollen.

• Eine Prognose an Trainingsdaten bewerten. Die angepasste Genauigkeit überzeichnet die echte.

• MAPE verwenden, wo Istwerte null erreichen. Netto-Cashflow und kleine Kostenpositionen erzeugen irreführende Prozentwerte. Wählen Sie ein Maß, das damit umgehen kann.

• Einen Benchmark ohne seine Definition übernehmen. Die „durchschnittlichen Kosten pro Rechnung“ eines Anbieters können andere Kosten zählen als Ihre. Vergleichen Sie Gleiches mit Gleichem oder gar nicht.

• Alles der KI gutschreiben. Saisonalität, Volumenänderungen, neues Personal und Prozessbereinigungen bewegen diese Zahlen alle. Halten Sie, wo möglich, eine Kontrollgruppe, etwa eine Gesellschaft oder Produktlinie ohne das Werkzeug.

• Die Geschichte wegmitteln. Berichten Sie nach Position, Gesellschaft oder Rechnungsart. Ein starker Durchschnitt kann ein Segment verbergen, in dem das Werkzeug schlecht abschneidet.

• Die Kostenseite ignorieren. Software, Einführung, Prüfzeit und Nacharbeit gehören in den ROI.

Was Sie dieses Quartal tun sollten

Wählen Sie einen Prozess. Schreiben Sie die Definition von zwei Kennzahlen in einfacher Sprache auf, holen Sie sechs Perioden Historie und bewerten Sie einen naiven Vergleich. Das ist eine Woche Arbeit, und sie verwandelt den nächsten Piloten von einer Geschichte in ein Ergebnis. Einigen Sie sich dann vor dem Start darauf, welches Ergebnis als Erfolg gilt und was Sie zum Abbruch bewegen würde.