AI in Finance

Der Einsatz von Künstlicher Intelligenz (KI) im Finanzbereich befindet sich an einem Wendepunkt. Nach einer Phase des Beobachtens und Experimentierens bringen Unternehmen KI-Use-Cases zunehmend in die produktive Umsetzung. Anhand aktueller Umfragedaten analysieren wir den rasanten Sprung im Reifegrad, präsentieren wegweisende KI-Anwendungen aus der Praxis – von Talk to your Data über Vibe Coding bis Agentic AI – und skizzieren die strategischen Weichenstellungen, die für eine erfolgreiche KI-Transformation des Finanzbereichs unerlässlich sind.

Vom Beobachter zum Anwender

Die Transformation durch KI entwickelt sich exponentiell. Eine aktuelle KPMG Umfrage unter Finanzexpert:innen, durchgeführt im Juni 2026 (n=250), belegt einen starken Mindset-Shift im Vergleich zu Herbst 2025 (siehe Abbildung): Noch im November 2025 gaben 55 Prozent der Befragten an, sich in einer reinen Beobachtungs- und Erkundungsphase zu befinden. Damals galt insbesondere die unzureichende Datenqualität als fundamentale Hürde.

Status heute: Wie weit sind Sie mit KI im Finanzbereich?

Veränderung des KI-Reifegrades im Finanzbereich nach 7 Monaten

Innerhalb von nur sieben Monaten hat sich das Bild deutlich gewandelt: Heute verharren nur mehr 32 Prozent in der Beobachterrolle. Stattdessen ist der Anteil jener, die erste produktive KI-Anwendungen einsetzen, von 24 auf 35 Prozent gestiegen. Einen deutlichen Zuwachs gab es außerdem beim systematischen Ausbau des KI-Einsatzes (strukturierter KI-Rollout), der von 1 Prozent auf 8 Prozent gestiegen ist.

Diese Ergebnisse zeigen, dass Unternehmen bei KI-Implementierungen nicht mehr nur abwarten und beobachten, sondern zunehmend in die Anwendung und Skalierung übergehen. Gleichzeitig verdeutlicht diese Entwicklung den steigenden Handlungsbedarf, KI im Finanzbereich nachhaltig zu verankern, um operative und strategische Wettbewerbsvorteile zu sichern.

Mit zunehmender Reife stellt sich jedoch nicht mehr nur die Frage, ob KI eingesetzt wird, sondern in welchen Bereichen und mit welchen Technologien der größte Mehrwert erzielt werden kann. Vier technologische Cluster stechen bei der Anwendung von KI in Finanzabteilungen aktuell besonders hervor:

Talk to your Data: Dialog statt Dashboard

Die Zeit starrer Dashboards, in denen sich User:innen mühsam durch Filter klicken müssen, neigt sich dem Ende zu. Natürliche Sprache wird zum neuen Interface für komplexe Datenanalysen. Moderne AI-Analytics-Assistenten oder Tools wie Copilot in Microsoft Power BI ermöglichen es, wie mit menschlichen Analyst:innen zu chatten. Fragt ein CFO beispielsweise: „Warum sinkt unsere aktuelle Marge und gibt es eine Kannibalisierung durch jüngste Rabattaktionen?“, analysiert die KI in Echtzeit das semantische Datenmodell. Sie übersetzt die Frage im Hintergrund in SQL-Code, liefert die genauen Zahlen inklusive Quellenverweis (Reasoning) und leitet strategische Handlungsempfehlungen ab. Auf Wunsch generiert der Assistent passende Visualisierungen und exportiert die Live-Daten nahtlos in eine PowerPoint-Präsentation. Die Time-to-Insight, also die Zeitspanne zwischen der Datenerfassung und dem Finden relevanter Erkenntnisse, reduziert sich dadurch drastisch.
Agentic AI: Autonome Workflow-Assistenten

Während klassische KI-Modelle „nur“ Fragen beantworten, geht Agentic AI einen entscheidenden Schritt weiter: Sie handelt autonom und steuert ganze Geschäftsprozesse (AI-enabled Workflows). Ein Paradebeispiel ist der Jahresabschluss. Hierbei agiert eine „Multi-Agentic“-Lösung: Ein übergeordneter Analyse-Agent koordiniert spezialisierte Sub-Agenten – etwa für Business Insights, ESG-Auswertungen oder Compliance-Checks. Die KI greift selbstständig auf große Datenmengen zu, analysiert diese und generiert Reports in vordefinierten Corporate-Design-Vorlagen.

Ähnlich revolutionär ist der Einsatz in der dezentralen Planung. Ein KI-Planungs-Agent sendet automatisiert Erinnerungen an Kostenstellenverantwortliche, prüft eingegangene Rückmeldungen in Echtzeit auf Plausibilität und fordert bei Unstimmigkeiten selbstständig Korrekturen an. Der Agent exekutiert den gesamten Prozess, was das Controlling nachhaltig entlastet.
Vibe Coding: Sprache wird zum Code

Ein weitere KI-Anwendungsmöglichkeit ist Vibe Coding. Die Idee dahinter: Anwender:innen programmieren durch Anweisungen in natürlicher Sprache (Prompts), ohne selbst Code schreiben zu müssen. Dies eröffnet dem Finanzbereich völlig neue Wege im Prototyping. Benötigt ein Controller etwa ein neues Predictive-Planning-Dashboard, um Ist-Zahlen mit maschinellen Lernmodellen (wie ARIMA) zu prognostizieren, kann er seine Anforderungen direkt an ein Large Language Model (LLM) übergeben. Die KI generiert den Code und liefert binnen Minuten einen funktionsfähigen Prototypen. Auch wenn Vibe Coding komplexe Kernsysteme nicht sofort ersetzt, revolutioniert es die Geschwindigkeit, mit der passgenaue Applikationen für Teilbereiche erstellt werden können.
KI direkt im ERP-System

Darüber hinaus gibt es immer mehr Möglichkeiten, wie KI die Effizienz von ERP-Systemen steigert. Ein Beispiel dafür ist der Einzug von KI in SAP S/4HANA Public Cloud (z. B. beim „AI-Assisted Journal Upload“). Bisher mussten Buchhalter:innen Daten per Hand in starre Excel-Templates einpflegen. Heute interpretiert die KI fachliche Freitext-Richtlinien (Accounting Policies) und generiert daraus automatisch korrekte Buchungsvorschläge. Das System passt sich dem Menschen an, nicht umgekehrt. Im Group Reporting fasst die KI unzählige Team-Kommentare zusammen, identifiziert Anomalien zum Vorjahr und gibt Handlungsempfehlungen aus. Der Monatsabschluss wird so zum fließenden Prozess.

Erfolgsfaktor Mensch

Wenn KI zunehmend die Analyse und Automatisierung übernimmt, wird Sinnstiftung von einer Nebensache zur zentralen Führungsaufgabe. Rollenbilder verändern sich rasant. Informelles Wissen und tief verankerte Unternehmenskulturen müssen mit der datengetriebenen KI-Welt in Einklang gebracht werden. Changemanagement und Leadership sind somit Kernfaktoren einer erfolgreichen Skalierung.

Einen isolierten KI-Prototypen zu bauen, ist mit den heutigen Tools schnell erledigt. Der entscheidende Hebel – und die wahre Herausforderung – liegt in der flächendeckenden Skalierung. Wer den Finanzbereich zukunftsfähig aufstellen will, darf KI nicht als reines IT-Projekt behandeln, sondern muss das gesamte Betriebsmodell inklusive Daten-Governance, Prozessen, Organisation und Menschen mit Rollen und Fähigkeiten sowie Changemanagement strategisch neu denken.

Mateusz Tychawski

KPMG Partner, Performance & Transformation

Der Weg zur nachhaltigen KI-Skalierung

Wer KI dauerhaft skalieren will, muss sich trauen, den Pilotbetrieb zu verlassen. Erfolgreiche Organisationen setzen sich zu Beginn ein klares Ambitionsniveau. Anstatt nur punktuelle Schmerzpunkte zu lösen, denken sie Prozesse „end-to-end“ und völlig frei von bisherigen Restriktionen. Wer das Target Operating Model der Finanzfunktion gesamthaft auf die KI ausrichtet und neu konzipiert – von der Daten-Governance über die Systemlandschaft bis hin zu den Skills der Mitarbeiter:innen – wird den größten Nutzen aus KI ziehen. Ein Schneeballeffekt entsteht, sobald die ersten Quick Wins zu Kostensenkung führen und die eingesparten Kosten in die KI-Implementierung reinvestiert werden, womit sich die KI-Transformation letztlich selbst finanzieren kann.

Autoren-Hinweis:

Die in diesem Beitrag skizzierten Showcases und strategischen Einblicke basieren auf der Arbeit eines bereichsübergreifenden KPMG Expert:innenteams. Die technologischen Lösungen, Changemanagement-Aspekte und strategischen Leitplanken wurden gemeinsam mit Eberhard Bayerl, Sabrina Karner, Adam Kiefer, Bernhard Laaber, Friederike Machemer, Klaus Schatz, Christoph Tattyrek, Mateusz Tychawski, Mattias Wolf und Wolfgang Zeitler erarbeitet. Kontaktieren Sie uns gerne.