Agentic AI verändert die Finanzrolle grundlegend – schneller als die meisten denken. CFO Kyanush Kay und Jochen Heßler (bdg) über Excel-Realität, KI-Hype und was das für die CFO-Rolle bedeutet.
TL;DR
- Agentic AI ist keine Revolution, sondern die nächste Stufe einer Entwicklung, die längst begonnen hat.
- Die Technologie ist nicht das Problem. Die Daten sind es.
- Der CFO wird nicht ersetzt – aber wer mit KI arbeitet, wird denjenigen ersetzen, der es nicht tut.
- Anfangen schlägt Abwarten. Immer.
Morgens ins Büro, der Monatsbericht liegt fertig auf dem Tisch. Abweichungsanalyse, Ausreißer kommentiert, erste Einschätzung für den Vorstand. Kein Copy-Paste, kein stundenlanger Datenkampf.
Das ist keine Utopie. Es ist der Stand der Technik – zumindest für die, die ihn nutzen.
Beim bdg-Webinar “Von Excel zu Agentic AI” haben CFO Kyanush Kay und Jochen Heßler, VP Growth bei bdg, genau darüber gesprochen: Wo Finance-Teams heute wirklich stehen. Was sich gerade verändert. Und welche Rolle der CFO dabei spielt – oder eben nicht mehr spielt.
“Die KI wird mir nicht den Job wegnehmen”
Fangen wir mit der Frage an, die sich viele stellen, aber selten laut aussprechen: Macht Agentic AI den CFO überflüssig?
Kyanush Kay hat dazu eine Antwort, die sich gewaschen hat:
"Die KI wird mir nicht den Job wegnehmen. Ein Mensch, der mit KI arbeitet, wird mir den Job wegnehmen."
Seit 15 Jahren wird dieser Wandel angekündigt
Die Entwicklung von Finance – weg vom Zahlenlieferanten, hin zum Business Partner – ist kein neues Thema. Im Controlling ist das seit mindestens 15 Jahren der Standarddiskurs. Und trotzdem: In vielen Unternehmen ist sie nicht wirklich angekommen. Woran liegt das? Nicht am fehlenden Willen. Sondern am Alltag. Wer täglich damit kämpft, Daten aus verschiedenen Systemen zusammenzuführen, Dateien zu konsolidieren und Reports manuell zu bauen, kommt schlicht nicht dazu, strategisch zu arbeiten. Agentic AI kann diesen Engpass aufbrechen – aber nur, wenn man anfängt, sie auch einzusetzen.
Die Lage in Finance-Abteilungen
- 99 % der CFOs berichten von nennenswerten Herausforderungen in ihrer Finanzfunktion
(BARC CFO Agenda 2025, n=194) - 50 % der Unternehmen wollen ihre Abhängigkeit von Tabellenkalkulationen reduzieren
(BARC CFO Agenda 2025) - 35 % arbeiten noch mit manuellen Datentransfers zwischen Planungs- und Konsolidierungstools
(BARC FPM Score 2025) - 71 % der CFOs spüren wachsenden Druck nach tagesaktuellen Steuerungsinformationen
(Horváth CFO-Studie 2025)
Wo stehen Sie wirklich? Die fünf Stufen
Um zu verstehen, was Agentic AI von allem unterscheidet, was vorher kam, hilft ein Blick auf die Entwicklungsstufen der Analytics – nicht als Theorie, sondern als ehrliche Standortbestimmung. 1. Descriptive Analytics – Was ist passiert? Klassisches Reporting. Vergangenheit abbilden. Hier fühlt sich Excel noch zu Hause. Die meisten Unternehmen kennen diese Stufe gut – manche nur diese. 2. Diagnostic Analytics – Warum ist es passiert? Abweichungen analysieren, Treiber aufdröseln, in die Tiefe gehen. Moderne EPM-Systeme sind hier stark. Wer diesen Schritt gemacht hat, hat bereits einen echten Vorteil. 3. Predictive Analytics – Was wird passieren? Algorithmen, Machine Learning, automatisierte Prognosen. Technologisch längst möglich – aber viele Unternehmen kommen nicht wirklich dort an. Warum, dazu gleich. 4. Prescriptive Analytics – Was sollten wir tun? Das System liefert nicht nur eine Prognose, sondern eine Empfehlung. “Segment X, Preis um 3 % erhöhen.” Das setzt voraus, dass Stufe 3 sitzt – und dass man dem Ergebnis vertraut. 5. Agentic AI – Der Agent handelt Kein Output mehr, der auf Auswertung wartet. Der Agent plant, entscheidet und führt aus – innerhalb definierter Grenzen, unter menschlicher Kontrolle. Kyanush Kay fasst es so: ein digitaler Junior Controller, der selbstständig Muster erkennt, Treiber vergleicht, Ausreißer meldet und erste Lösungsvorschläge mitliefert.Warum so viele bei Predictive feststecken
Die ehrliche Antwort: Weil man Zahlen vertreten muss, die man nicht vollständig versteht. Ein Algorithmus, der einen Forecast ausspuckt – aber nicht erklärt, welche Treiber er wie gewichtet hat, welche Zufallskomponenten eingeflossen sind, wo die Unsicherheit liegt – ist im Finance-Alltag ein Problem. Als CFO stehst du vor Investoren, vor dem Aufsichtsrat, vor der Geschäftsführung. Du kannst dir keine Black Box leisten. Das führt zum Rückzug ins Vertraute: zurück zu Excel, weil man dort weiß, was drin ist. Das ist menschlich verständlich – und trotzdem ein Fehler. Die Lösung liegt nicht im Rückzug, sondern in Systemen, die erklären, was sie tun.Was Agentic AI im Finance-Alltag heute schon leistet
Datenvorbereitung Fehlende Werte ergänzen, Inkonsistenzen aufspüren, Daten aus verschiedenen Quellen zusammenführen – schneller und zuverlässiger als jeder manuelle Prozess. Kein Zukunftsszenario, das ist Stand heute. Proaktives Monitoring Statt stundenlang nach Auffälligkeiten zu suchen, übernimmt das der Agent. Er erkennt Muster, markiert Ausreißer, bereitet erste Kommentierungen vor. Das Team kann sich ums Denken kümmern – nicht ums Suchen. Forecasting mit statistischer Absicherung Prognosen, die nicht nur eine Zahl liefern, sondern eine Bandbreite. Und wenn ein Planer einen Wert eingibt, der weit außerhalb der historischen Norm liegt, meldet das System sich: “Bist du sicher?” Das schafft Qualität, ohne den Menschen zu übergehen. Szenarioanalyse mit externen Faktoren Inflation, Rohstoffpreise, Währungskurse – externe Einflüsse, die das Business treffen, lassen sich direkt in die Planung einbinden. Szenarien entstehen nicht mehr über Nacht, sondern in Minuten. Self-Service für die Fachbereiche Wenn die Datenbasis stimmt, können Fachbereiche einfache Analysen selbst durchführen. Das entlastet Finance – und stärkt gleichzeitig die Rolle als Partner, nicht als Dienstleister.Die Voraussetzung, über die niemand gerne spricht
All das funktioniert nur, wenn die Daten stimmen. Kyanush Kay sagt es direkt: “Prescriptive oder predictive Analytics funktioniert dann, wenn die Daten dafür bereit sind.” Wer Daten aus fünf Systemen zusammenkopiert, Versionen per Mail verschickt und Excel-Dateien konsolidiert, wird mit Agentic AI nicht weit kommen – egal wie gut das Tool ist. Das ist kein Grund zu warten. Es ist ein Grund, dort anzufangen.Der teuerste Fehler: Auf den richtigen Moment warten
Es gibt ein Muster, das sich überall wiederholt: Das Management spricht über Agentic AI, die Realität in der Abteilung ist noch Excel, dazwischen liegt ein gefühlt riesiger Berg. Die Reaktion: Schockstarre. “Wo fange ich überhaupt an?” ist eine verständliche Frage. Sie darf nur keine Ausrede sein. Jochen Heßler sieht das in der Praxis regelmäßig – und seine Empfehlung ist eindeutig: loslegen, nicht warten. Ein überschaubarer erster Anwendungsfall zeigt in wenigen Tagen, was geht. Das gibt Orientierung und schafft Vertrauen – beides Dinge, die in Strategiemeetings nie entstehen.💡 PRAXIS-EINBLICK
Ein mittelständisches Unternehmen startete mit einem einzigen Modul zur monatlichen GuV-Planung. Drei Monate später kam die Liquiditätsvorschau dazu. Das Reporting, das zuvor drei Tage dauerte, lief danach in zwei Stunden.
Was das Team mit der gewonnenen Zeit anfing: Es analysierte. Zum ersten Mal wirklich – statt nur aufzubereiten.
Quelle: bdg-Projektpraxis
Das Hamsterrad dreht sich nicht von selbst auf
Der andere Grund, warum viele zögern: keine Zeit. Das Tagesgeschäft lässt keinen Raum für Veränderung. Das stimmt – aber es ist auch eine Falle. Wer keine Zeit hat, weil er täglich Daten aufbereitet, wird so lange keine Zeit haben, bis er genau das automatisiert hat.
Der Ausweg lautet nicht “mehr Zeit”, sondern: ein erster, klar umrissener Schritt.
Was sich für den CFO wirklich verändert
Weniger Aufbereitung, mehr Einschätzung. Wenn Reporting und Monitoring automatisiert laufen, bleibt Zeit für das, was CFOs eigentlich tun sollten: Ergebnisse bewerten, Optionen durchdenken, das Business beraten.
Schneller reagieren, wenn es drauf ankommt. Geopolitische Ereignisse, Rohstoffpreise, Zinswenden – wer Szenarien in Minuten durchspielen kann statt in Wochen, trifft bessere Entscheidungen.
Forecasts, denen man vertrauen kann. Nicht weil KI unfehlbar ist – sondern weil sie Muster sieht, die Menschen übersehen, und Unsicherheiten offen zeigt statt sie zu verstecken.
Eine andere Rolle im Raum. Der CFO, der dem Vertrieb in einer Budgetrunde sagt: “Für dieses Segment lohnt sich der Push nicht, die Margen halten das nicht” – und das mit aktuellen Zahlen belegen kann, nicht mit einer drei Wochen alten Auswertung – ist ein anderer Gesprächspartner. Das ist der Unterschied.
FAZIT
Kyanush Kay sagt es klar: Agentic AI ist kein Hype, der sich legt. Es ist eine Entwicklungsstufe – wie Big Data eine war, wie predictive Analytics eine war. Die nächste kommt danach. Wer heute nicht anfängt, arbeitet morgen mit Nachteil.
Die Frage am Anfang – wirst du als CFO noch gebraucht? – hat eine klare Antwort: Ja. Aber nicht als derjenige, der Berichte baut. Sondern als derjenige, der auf ihrer Basis entscheidet.
Der Rest ist eine Frage des Anfangens.
Kyanush Kay ist CFO mit Hintergrund im Controlling, unter anderem bei Air Berlin und im Startup-Umfeld. Jochen Heßler ist VP Growth bei der better decisions group (bdg), einer internationalen EPM- und BI-Beratung.
Häufig gestellte Fragen (FAQ)
Was unterscheidet Agentic AI von den KI-Features, die mein EPM-Tool schon hat?
Die bisherigen KI-Funktionen liefern Output: eine Prognose, ein Hinweis, ein aufbereitetes Dashboard. Der Agent geht weiter – er handelt. Er führt Schritte aus, ohne dass jemand jeden einzelnen anstoßen muss. Der Unterschied zwischen einem Assistenten, der Vorschläge macht, und einem, der sie umsetzt.
Muss ich erst meine Datenbasis bereinigen, bevor ich anfangen kann?
Nicht vollständig – aber teilweise, ja. Die pragmatische Variante: mit dem Use Case anfangen, bei dem die Daten schon am saubersten sind. Das liefert schnell erste Ergebnisse und zeigt gleichzeitig, wo der nächste Schritt liegt.
Wie erkläre ich KI-generierte Forecasts dem Vorstand?
Indem das System erklärt, wie es zu seinem Ergebnis gekommen ist. Welche Treiber wurden wie gewichtet, wo liegt die Unsicherheit? Das ist keine Kür – das ist Grundanforderung. Ein System, das das nicht leistet, hat im Finance-Umfeld nichts zu suchen.
Wie lange dauert ein erster Einstieg?
Ein Prototyp zu einem klar abgegrenzten Use Case ist in wenigen Tagen möglich. Kein fertiges System – aber eine realistische Einschätzung dessen, was geht. Und damit eine bessere Entscheidungsgrundlage als jede Theorie.
Was ist mit Datensicherheit?
Eine Frage, die vor der Einführung beantwortet sein muss. Wo werden Daten verarbeitet? Fließen sie ins Training von Modellen ein? Was gilt für DSGVO und branchenspezifische Compliance? Seriöse Anbieter haben darauf klare Antworten.
