Viele Unternehmen verstehen sich bereits als KI-Vorreiter – doch bei der praktischen Umsetzung im Finanzbereich hakt es oft an den Grundlagen. Eine aktuelle Studie von Payhawk zeigt, dass fast der Hälfte der Verantwortlichen klare Mindestregeln für den KI-Einsatz fehlen.
Künstliche Intelligenz (KI) verspricht enorme Effizienzgewinne in der Buchhaltung und im Ausgabenmanagement. Doch die Realität in den Finanzabteilungen ist komplex: Laut einer globalen Umfrage unter 1.520 Führungskräften verfügen 45 % der selbsternannten „KI-Vorreiter“ nicht über die notwendigen Governance-Strukturen, um die Technologie sicher zu skalieren.
Die sechs Stadien der KI-Reife
Die Studie identifiziert, dass die KI-Einführung keinem linearen Pfad folgt. Stattdessen lassen sich Unternehmen in sechs verschiedene operative Stadien einteilen, die jeweils spezifische Schwachstellen aufweisen:
* Skalierte Anwender (27 %): Verfügen über die vollständige Infrastruktur und klare Regeln.
* Inkrementelle Verbesserer (17,5 %): KI-Bereitschaft punktuell vorhanden, aber ohne klaren Fokus.
* Umsetzungsorientierte Implementierer (16 %): Stark bei Tools und Kompetenzen, aber es fehlen Governance-Regeln.
* „Agenten zuerst, Kontrolle später“ (14 %): Hohe Experimentierfreude, aber kaum Steuerung oder Sicherheit.
* Governance-orientierte Skalierer (14 %): Gute Regeln, aber schwache Datenqualität („Datenschulden“).
* Kontrollorientierte Planer (12 %): Budget und Daten sind da, aber die operative Umsetzung fehlt.
Engpässe identifizieren: Regeln vs. Daten
Hristo Borisov, CEO von Payhawk, warnt davor, planlos in mehr KI-Kapazität zu investieren: „Viele Unternehmen investieren in mehr KI, obwohl der eigentliche Engpass woanders liegt – bei den Regeln oder den Daten.“
Besonders zwei systemische Lücken bremsen den Mittelstand aus:
1. Regelschulden: Wenn die Implementierung schneller erfolgt als die Etablierung von Compliance- und Finanzkontrollen. Systeme sind dann oft nicht prüfbar.
2. Datenschulden: Wenn zwar Richtlinien existieren, die zugrunde liegenden Daten aber zu fragmentiert oder unvollständig sind, um den KI-Ergebnissen im großen Maßstab zu vertrauen.
Fazit für den Mittelstand
Für Finanzverantwortliche bedeutet dies: Bevor neue Tools eingekauft werden, muss die Orchestrierung stimmen. Nur wer die fünf Anforderungen – Umsetzungsmaßnahmen, Mindestregeln, Kompetenzen/Tools, Budget und nutzbare Daten – gleichzeitig im Blick hat, kann KI erfolgreich aus der Experimentierphase in den produktiven Betrieb überführen.
