Zwei Architekturen, nicht zwei Funktionslisten
AI-native ist zu einem gängigen Etikett in der Unternehmenssoftware geworden, und mit seiner Verbreitung ist seine Bedeutung unschärfer geworden. AI-native und AI-enabled sind keine Synonyme. AI-enabled Software fügt einem bestehenden System nachträglich KI-Funktionen hinzu. Sie kann Informationen schneller zugänglich machen und einzelne Arbeitsschritte verbessern, aber Datenmodell, Systemgrenzen und die periodischen Prozesse darunter bleiben unverändert. Ein batch-basiertes ERP mit einem KI-Layer bleibt ein batch-basiertes ERP: Die KI analysiert die Daten, auf die sie Zugriff hat, und in einem Batch-System ist das der letzte Lauf. Fand dieser letzte Nacht statt, arbeitet die KI mit den Daten von gestern; ist die Periode noch nicht abgeschlossen, mit denen des Vormonats.
Auf einer AI-nativen Plattform bilden Daten, Workflows, Kontrollen und KI ein gemeinsames Betriebsmodell. Innerhalb derselben Systemlogik kann die KI einen Beleg lesen, die Regeln des Unternehmens anwenden, die Aufgabe ausführen, das Ergebnis dokumentieren und die Ausnahme eskalieren. Die Zahl der KI-Funktionen sagt weniger aus als die Tiefe, in der sie im System verankert sind.
Wo die KI sitzt, entscheidet, wer die Zahl verantwortet
Die praktische Folge betrifft die Verantwortung. Eine Schicht über dem Buchungsbestand kann eine Buchung vorschlagen, aber sie kann sie nicht verantworten: Gebucht wird weiterhin im darunterliegenden System, in dessen Rhythmus und unter dessen Kontrollen, und die Kette von einer Kennzahl im Report zurück zum Beleg und zur Entscheidung dahinter reisst an der Übergabe zwischen den beiden. Ein AI-nativer Kern verantwortet die Buchung, weil er das System of Record ist. Erfassung, Kontierung, Zuordnung und Buchung finden an einem Ort statt, unter einem Berechtigungsmodell, und der Audit-Trail hält fest, was der Agent getan hat, welche Regel er angewandt hat und wer freigegeben hat. Das ist die Bedingung, unter der ein CFO Agents ausführen lassen kann, statt sie nur vorschlagen zu lassen.
Was ein AI-nativer Kern voraussetzt
Vier Dinge zeichnen die Architektur aus. Erstens ein gemeinsames Daten-, Kontroll- und Berechtigungsmodell, sodass ein Agent denselben Rollen, Freigabegrenzen und derselben Funktionstrennung unterliegt wie ein Mensch. Zweitens eine saubere Trennung zwischen interpretierender KI und deterministischer Buchungslogik: Der Agent klassifiziert, ordnet zu und bereitet vor, während Regeln, Freigaben und Buchungslogik bestimmen, was tatsächlich ausgeführt wird, sodass die endgültige Buchung reproduzierbar und prüfbar ist. Drittens laufende Verarbeitung, damit die Daten, mit denen die KI arbeitet, aktuell sind und nicht der Batch von letzter Nacht. Viertens ein Audit-Trail auf Ebene der einzelnen Aktion, einschliesslich eines Konfidenzwerts auf jeder automatischen Buchung, der zeigt, was ein Agent selbst verarbeitet und was er an einen Menschen übergeben hat.
Warum die Lücke mit der Zeit grösser wird
In den ersten Jahren kann ein AI-enabled System schneller Ergebnisse liefern, weil es einfacher auf dem Bestehenden aufsetzt. Mit wachsender operativer Komplexität, mehr Gesellschaften, mehr Transaktionen, mehr Ausnahmen, stagniert es: Jede neue Gesellschaft bringt eine weitere Instanz zum Abstimmen, jede Übergabe zwischen Add-on und Buchungsbestand eine weitere Stelle, an der die Nachvollziehbarkeit reissen kann. Eine AI-native Architektur wird mit jedem verarbeiteten Beleg, jeder kontierten Transaktion und jeder gelösten Ausnahme besser, weil alles in einem Modell stattfindet. Die Obergrenze dessen, was KI in Finance leisten kann, wird von Aktualität, Struktur und Qualität der Daten gesetzt, mit denen sie arbeitet. Live Finance hebt diese Grenze an; ein Batch-System mit Add-on deckelt sie, so leistungsfähig das Add-on auch ist.
Woran man die beiden unterscheidet
Vier Fragen klären es in einer Demo. Braucht das Produkt ein darunterliegendes Buchhaltungssystem, oder ist es das Buchhaltungssystem? Bucht die KI innerhalb definierter Kontrollen, oder schlägt sie nur vor und übergibt? Lässt sich eine Kennzahl im Report bis zur Quelle verfolgen, ohne die Plattform zu verlassen? Gelten für Agents dieselben Berechtigungen und Freigabegrenzen wie für die Menschen? Ein Produkt, das ein bestehendes System als Quelle der Wahrheit behält, ist ein Add-on, was immer seine KI darüber tut.
Wie Aderis gebaut ist
Aderis ist von Anfang an AI-native gebaut. Finanzdaten, Buchungslogik, AI Agents, Berechtigungen und Kontrollen arbeiten auf demselben Kern, der Platform Engine. Agents in Core Finance erfassen Belege, kontieren und buchen Transaktionen, stimmen Bankbewegungen ab, fordern Forderungen ein und bereiten Zahlungsläufe vor; jede Transaktion wird einmal erfasst und gleichzeitig in die statutarischen, steuerlichen, Management- und Konzern-Ledger geführt. Ist ein Fall unklar oder überschreitet er eine Freigabegrenze, stoppt der Agent und eskaliert an das Finance-Team. Jeder Schritt wird protokolliert, und jede Zahl bleibt nachvollziehbar bis zur Quelle.
Belege aus der Praxis
- Aufgezeichnete Produktdemos: Acht kurze Videos zeigen Bankabstimmung, Rechnungsverarbeitung, Abgrenzungen, Monatsabschluss, Reporting und Dashboards auf der Plattform. Quelle: Aderis Demo-Videos.
- Einsatz im Detailhandel: 95 Prozent der Zahlungseingänge automatisch zugeordnet, Soft Close von 15 auf drei Tage verkürzt, Aufwand im Mahnwesen um 70 Prozent gesenkt und rund 50 Arbeitstage pro Jahr zurückgewonnen. Quelle: Live Finance mit Agentic AI, 3. September 2026.
- Ada: Die Produktseite dokumentiert, was Ada vorbereitet, dass Buchungen, Zahlungen und Ausnahmen zur Freigabe an die verantwortliche Person gehen und dass jede Aktion mit dem Quellbeleg verknüpft ist. Quelle: Produktseite zu Ada.
Häufige Fragen
Ist «AI-enabled» dasselbe wie «AI-native»?
Nein. AI-enabled bedeutet KI-Funktionen auf einem bestehenden System; AI-native bedeutet KI im Kern, die die Arbeit ausführt. Das Erste verändert, was die Software zeigen kann; das Zweite, was sie tut.
Kann ein KI-Add-on ausreichen?
Für eine einzelne Gesellschaft mit standardisierten Prozessen und einem Kernsystem, das nicht selbst der Engpass ist, kann ein Add-on nützliche Unterstützung leisten. Die Grenze ist erreicht, sobald Finance laufend über mehrere Gesellschaften, Ledger, Währungen und Systeme hinweg laufen muss.
Heisst AI-native, dass die KI alles entscheidet?
Nein. Das Finance-Team definiert Berechtigungen, Schwellenwerte, Freigaben und Eskalationspfade. Agents führen innerhalb dieses Rahmens aus und eskalieren Ausnahmen. Fachliches Urteilsvermögen, Freigabekompetenz und Verantwortung bleiben beim Finance-Team.
Lässt Aderis ein Sprachmodell Buchungen erzeugen?
Interpretierende KI und deterministische Buchungslogik bleiben getrennt. Agents klassifizieren, ordnen zu und bereiten vor; Regeln, Freigaben und Buchungslogik begrenzen, was ausgeführt wird. Das Ergebnis ist reproduzierbar und prüfbar.