Controlling im Mittelstand ist oft eine Person mit vielen Tabellen. Zahlen werden aus der Finanzbuchhaltung, dem Warenwirtschaftssystem und diversen Excel-Dateien zusammengetragen, in eine Berichtsform gebracht und mit ein paar Sätzen kommentiert, bevor die Geschäftsführung sie sieht. Das kostet Tage im Monat und bindet ausgerechnet die Menschen, die eigentlich analysieren und beraten sollten. KI kann hier Luft schaffen, allerdings nur, wenn man weiß, was sie gut kann und was nicht. Denn ein Sprachmodell ist ein schlechter Taschenrechner, aber ein guter Erklärer. Genau aus dieser Unterscheidung ergibt sich, wo der Einsatz im Controlling sinnvoll ist.
Controlling ist nicht Buchhaltung
Zur Klarstellung, weil beides gern verwechselt wird: Die Buchhaltung erfasst und verbucht Geschäftsvorfälle, das Controlling steuert mit den daraus gewonnenen Zahlen. Es geht um Soll-Ist-Vergleiche, Kennzahlen, Planung und Vorschau, um Fragen wie „warum weicht die Marge ab?“ oder „reicht die Liquidität im vierten Quartal?“. Diese Fragen sind interpretativ, und interpretieren ist eine Stärke moderner KI, sofern die Rechenarbeit vorher sauber und deterministisch erledigt wurde.
Der wichtigste Grundsatz zuerst
Sprachmodelle rechnen nicht zuverlässig. Sie können Zahlen plausibel klingen lassen, die schlicht falsch sind. Deshalb lautet das tragfähige Muster im Controlling: Kennzahlen und Summen werden von der Software exakt berechnet, aus Datenbank oder Tabelle, und die KI übernimmt das Einordnen, Erklären und Formulieren. Wer diese Reihenfolge umdreht und das Modell selbst rechnen lässt, produziert schöne Berichte mit falschen Zahlen. Mit dieser Leitplanke im Hinterkopf werden die folgenden Anwendungen erst seriös.
Sinnvolle Anwendungsfälle
Berichte aus verstreuten Quellen aufbereiten
Der klassische Zeitfresser ist das monatliche Zusammenführen von Daten in eine lesbare Form. Hier kann Automatisierung die Zahlen aus den Vorsystemen ziehen, korrekt verrechnen und in Bericht und Grafik gießen. Die KI ergänzt einen verständlichen Kommentar in Klartext, den der Controller prüft und schärft. Aus mehreren Tagen Fleißarbeit wird ein deutlich kürzerer Durchlauf.
Abweichungen erklären statt nur anzeigen
Ein roter Wert im Soll-Ist-Vergleich sagt, dass etwas nicht stimmt, aber nicht warum. KI kann die Abweichung herunterbrechen und in Worte fassen: Welche Kostenstelle, welcher Kunde, welcher Effekt treibt das Ergebnis? So entsteht aus einer Ampel eine Erklärung, an der die Geschäftsführung tatsächlich etwas ablesen kann. Die Ursachenanalyse bleibt dabei nachvollziehbar, weil sie auf den berechneten Zahlen fußt und nicht auf Vermutungen.
Liquidität und Cashflow vorausschauen
Für viele Betriebe ist die Liquiditätsvorschau überlebenswichtig und zugleich mühsam. Aus offenen Posten, Zahlungszielen, wiederkehrenden Kosten und saisonalen Mustern lässt sich eine rollierende Vorschau erstellen, die zeigt, wann es eng werden könnte. Wichtig ist der ehrliche Umgang mit Unsicherheit: Eine Prognose ist ein Korridor, keine Gewissheit. Wer erwartete Umsätze einbezieht, sollte deren Schwankung mit ausweisen.
Fragen an die Zahlen in normaler Sprache
Statt für jede Auswertung eine neue Tabelle zu bauen, kann ein Controller Fragen wie „wie hat sich der Deckungsbeitrag der Sparte Süd über die letzten sechs Monate entwickelt?“ in normaler Sprache stellen. Das System übersetzt die Frage in eine Abfrage, rechnet exakt und antwortet mit Zahl und kurzer Einordnung. Das senkt die Schwelle für Ad-hoc-Analysen erheblich.
Anomalien früh bemerken
Ungewöhnliche Buchungen, aus dem Rahmen fallende Kostenpositionen oder auffällige Muster lassen sich automatisch markieren. Das ist keine Betrugserkennung mit Gewissheit, aber ein nützlicher Filter, der die Aufmerksamkeit auf das lenkt, was einen zweiten Blick verdient.
Grenzen und Verantwortung
Das Controlling trägt Verantwortung für Zahlen, die Entscheidungen und teils rechtliche Wirkung haben. Deshalb bleibt der Mensch in der Pflicht. Die KI liefert Entwürfe, Erklärungen und Vorschläge, die Freigabe und die Interpretation im Unternehmenskontext bleiben beim Controller und der Geschäftsführung. Prognosen sind mit Unsicherheit behaftet und dürfen nicht als Zusage missverstanden werden. Und jede automatisch erzeugte Zahl in einem offiziellen Bericht gehört gegen die Quelle geprüft, gerade weil sie so überzeugend formuliert daherkommt.
Voraussetzungen
Ohne saubere Datenbasis bleibt gutes Controlling Handarbeit. Konkret heißt das: eine konsistente Kontierung und Kostenstellenlogik, verlässliche Schnittstellen zu Finanzbuchhaltung und Warenwirtschaft, und ein gepflegter Stamm an Kennzahlendefinitionen, damit alle vom selben Deckungsbeitrag sprechen. Datenschutz spielt hinein, sobald personenbezogene Daten berührt werden, etwa bei Personalkosten je Mitarbeiter. Dann gehören Zugriffsrechte, ein Auftragsverarbeitungsvertrag und möglichst EU-Verarbeitung dazu. Sensible Finanzdaten haben in frei zugänglichen KI-Diensten nichts verloren.
Kosten, Nutzen und Einstieg
Ein schlanker Start setzt an einem konkreten Bericht an, der monatlich viel Zeit kostet, etwa das Standardreporting oder die Liquiditätsvorschau. Die Einrichtung inklusive Anbindung an ein Vorsystem bewegt sich häufig im niedrigen bis mittleren fünfstelligen Bereich, abhängig davon, wie sauber die Daten schon vorliegen. Der Nutzen zeigt sich als gewonnene Zeit für Analyse statt Aufbereitung, als schnellere Berichte und als bessere Entscheidungsgrundlagen. Belastbar wird die Rechnung, wenn man vorher misst, wie lange ein Berichtszyklus heute dauert, und nachher denselben Wert erneut erhebt. Wer den finanziellen Effekt sauber greifen will, betrachtet auch die vermiedenen Kosten schlecht informierter Entscheidungen.
Häufige Fragen
Rechnet die KI meine Kennzahlen selbst aus?
Besser nicht. Summen und Kennzahlen sollten deterministisch aus Datenbank oder Tabelle berechnet werden, weil Sprachmodelle beim Rechnen Fehler machen. Die KI übernimmt das Erklären, Kommentieren und Beantworten von Fragen auf Basis dieser exakt berechneten Werte.
Ersetzt KI den Controller?
Nein. Sie nimmt die Aufbereitung und Formulierung ab und schafft Zeit für Analyse und Beratung. Die Interpretation im Unternehmenskontext, die Verantwortung für die Zahlen und die Entscheidungsempfehlung bleiben beim Menschen.
Wie zuverlässig ist eine KI-gestützte Liquiditätsvorschau?
So zuverlässig wie ihre Eingangsdaten und Annahmen. Sie ist ein Korridor mit Unsicherheit, keine Gewissheit. Gepflegte offene Posten, realistische Zahlungsziele und ehrlich ausgewiesene Schwankungen machen sie brauchbar, blinder Glaube an eine einzelne Zahl macht sie gefährlich.
Ist der Einsatz mit der DSGVO vereinbar?
Ja, wenn man sauber arbeitet. Reine Sach- und Finanzdaten sind unkritisch, sobald personenbezogene Daten wie einzelne Personalkosten verarbeitet werden, greifen Zugriffsregeln, Auftragsverarbeitungsvertrag und möglichst EU-Verarbeitung. Sensible Daten gehören nicht in offene, öffentliche KI-Dienste.
Ergänzend lohnt der Blick in unsere Beiträge zur KI-Buchhaltung im Mittelstand und zum Vertriebsreporting und Forecast mit KI. Wer die Wirtschaftlichkeit vorab prüfen will, findet Orientierung im Beitrag KI-ROI berechnen, und für die Umsatzseite hilft der Leitfaden zur Absatzprognose mit KI. Gern klären wir in einem unverbindlichen Erstgespräch, welcher Bericht in Ihrem Haus den größten Zeitgewinn verspricht.