- Vom Assistenten zum Prozess-Agenten: KI beantwortet nicht mehr nur Fragen, sondern führt durchgängige Finanzprozesse wie Kontierung, Abstimmung und Zahlungsabwicklung innerhalb definierter Regeln aus.
- Kontrolle als Teil der Systemarchitektur: Ein zusätzlicher KI-Layer auf bestehenden ERP-Systemen beseitigt strukturelle Datenverzögerungen nicht. Funktionstrennung, Berechtigungen und Audit-Trails müssen direkt in die Ausführung integriert sein.
- Eine konsistente Überführung bestehender Finanzhistorien schafft die notwendige Datenbasis für das neue Betriebsmodell. Für wachsende Unternehmen mit mehreren Gesellschaften ist dies besonders relevant.
KI-Systeme im Finanzbereich entwickeln sich von analytischen Werkzeugen und digitalen Assistenten hin zu Agenten, die mehrstufige Prozesse innerhalb definierter Regeln und Berechtigungen weitgehend selbständig ausführen. Live Finance bezeichnet das dazugehörige Betriebsmodell: Finanzdaten bleiben laufend aktuell, kontrolliert und bis zur Quelle nachvollziehbar, während Agenten Routineprozesse kontinuierlich ausführen und Ausnahmen an Menschen übergeben.
Während CFOs dem Thema eine hohe strategische Priorität einräumen, befindet sich die praktische Umsetzung in vielen Unternehmen noch auf einem niedrigen Reifegrad. Entscheidend ist eine AI-native Daten- und Systemarchitektur, in der Finanzdaten laufend erfasst, strukturiert und in ihrem geschäftlichen Kontext aktualisiert werden. Nur wenn Finanzdaten und Prozessinformationen den aktuellen Stand des Unternehmens abbilden, können Agenten Zusammenhänge zuverlässig verstehen, auf dieser Grundlage handeln und Ausnahmen gezielt eskalieren.
Ein nachträglich aufgesetzter KI-Layer kann eine verzögerte oder unvollständige Datenbasis nicht kompensieren. Die Architektur ist entscheidend. Automatisierte Entscheidungen müssen zudem kontrollierbar, Buchungen nachvollziehbar und Eingriffe dokumentiert bleiben; die Verantwortung tragen weiterhin das Unternehmen und seine Organe. Dieser Beitrag ordnet den aktuellen Entwicklungsstand ein und zeigt, welche Anforderungen an Daten, Systeme, Berechtigungen und Nachvollziehbarkeit erfüllt sein müssen, damit Live Finance mit Agentic AI nachvollziehbar, zuverlässig und wirtschaftlich ist.
Warum ist Agentic AI für Finance relevant?
Im Finanzbereich hat künstliche Intelligenz die Versuchsphase verlassen. Grosse Sprachmodelle beantworten Fragen, analysieren Abweichungen und erstellen Berichtsentwürfe. Agentische Systeme gehen einen entscheidenden Schritt weiter: Sie übersetzen ein Ziel in einzelne Arbeitsschritte, greifen über Schnittstellen auf Systeme zu, prüfen Ergebnisse und führen Prozesse innerhalb definierter Regeln selbständig aus. Nur wenn eine Ausnahme oder ein festgelegter Schwellenwert erreicht wird, übergeben sie an den Menschen.
Kaum eine Unternehmensfunktion bietet dafür mehr Potenzial als Finance. Ein grosser Teil der Arbeit folgt klaren Regeln, wiederkehrenden Abläufen und strukturierten Daten. Gleichzeitig sind die Anforderungen besonders hoch, denn Buchungen, Abschlüsse und regulatorische Meldungen müssen korrekt, prüfbar und jederzeit nachvollziehbar sein. Die zentrale Frage ist daher nicht, ob agentische KI Finanzprozesse verändern kann, sondern unter welchen Bedingungen sie dies kontrolliert, nachvollziehbar und wirtschaftlich tut.
Agentic AI: Begriff und Entwicklungsstufen
Agentische KI bezeichnet Systeme, die auf Basis eines Ziels selbständig planen, Werkzeuge einsetzen, auf Systeme zugreifen und Ergebnisse bewerten. Damit unterscheiden sie sich von analytischen Modellen, die Prognosen erstellen, und auch von generativen Assistenten, die einzelne Aufgaben auf Anfrage unterstützen. Für Live Finance reicht diese Fähigkeit jedoch nicht aus. Der Agent muss aktuelle und strukturierte Finanzdaten in ihrem geschäftlichen Kontext verstehen und innerhalb klarer Berechtigungen darauf handeln können.
Voraussetzung ist eine API-first Architektur, in der Validierung, Authentifizierung und Freigaberegeln direkt im System greifen. Mit wachsendem Handlungsspielraum verschiebt sich die Rolle des Menschen von der Ausführung zur Steuerung von Regeln, Ausnahmen und Entscheidungen. Erst die Verbindung aus laufend aktuellen Daten, operativer Ausführung und eingebetteter Kontrolle macht aus agentischer KI Live Finance.
Diese Entwicklungsstufen bauen aufeinander auf, sind aber keine automatische Reifekurve. Ein Unternehmen kann einen KI-Assistenten einsetzen und dennoch in periodischen, fragmentierten Finanzprozessen verbleiben. Live Finance hingegen beginnt dort, wo aktuelle Daten, ausführbare Prozesse und eingebettete Kontrollen zusammenkommen. Erst dann wird aus agentischer Funktionalität ein belastbares Finance-Betriebsmodell.
Wie weit ist Agentic AI in der Finanzfunktion heute?
KI ist in der Finanzfunktion zu einer klaren Priorität geworden. In einer Erhebung bezeichneten 88 Prozent der CFOs das Thema als wesentlich oder wichtig für ihre Finanzagenda. Rund 96 Prozent erwarten, dass KI ihre Funktion innerhalb der nächsten fünf Jahre erheblich oder grundlegend verändern wird. Führende Finanzorganisationen, die KI bereits skaliert einsetzen, berichten von einer realisierten Rendite von mehr als 25 Prozent. In der praktischen Umsetzung dominieren allerdings noch Assistenten und punktuelle Automatisierungen. Den grösseren wirtschaftlichen Effekt erzielen Unternehmen jedoch dort, wo sie ihre Finanzprozesse durchgängig neu gestalten und auf einer laufend aktuellen Datenbasis betreiben.
Wie weit diese Wirkung reichen kann, zeigt eine dokumentierte Live Finance-Anwendung aus dem Handel. Nach der Umstellung auf Live Finance wurden 95 Prozent der Zahlungseingänge automatisch zugeordnet. Der Soft Close verkürzte sich von 15 auf drei Tage, während der Aufwand für das Mahnwesen um 70 Prozent sank. Insgesamt gewinnt das Finance-Team damit rund 50 Arbeitstage pro Jahr zurück. Für den CFO bedeutet das nicht nur niedrigere Prozesskosten: Liquidität und überfällige Forderungen werden früher sichtbar, der Abschluss liegt schneller vor und qualifizierte Mitarbeitende gewinnen Zeit für Steuerung und Entscheidungen.
Welche messbare Wirkung erzielt Live Finance in der Praxis?
Die laufend aktuelle Datenbasis eröffnet zugleich Möglichkeiten, die über klassische Automatisierung hinausgehen. In dem genannten Unternehmen wollte die Geschäftsleitung kurzfristig wissen, wie hoch die monatlichen Kosten pro Mitarbeitendem sind. Ein entsprechender Bericht war nicht vorbereitet. Der Live Finance Agent erstellte die Auswertung innerhalb weniger Sekunden aus den vorhandenen Daten. Weder mussten Zahlen manuell zusammengeführt noch ein neuer Report programmiert werden. Der entscheidende Fortschritt liegt damit nicht allein in der Geschwindigkeit: Live Finance kann auf neue Fragen reagieren, sobald sie entstehen.
Genau hier verläuft die Grenze zwischen punktueller Automatisierung und Live Finance. Ein zusätzliches KI-Interface auf einem bestehenden Buchhaltungssystem kann den Zugriff auf Informationen vereinfachen. Es schafft jedoch noch keine durchgängige Finanzsteuerung.Dafür müssen Prozesse und Arbeitsabläufe durchgängig neu gestaltet sowie Daten, Kontrollen und das führende Finanzsystem gemeinsam gedacht werden.. Live Finance ist deshalb kein weiterer KI-Layer, sondern ein neues Betriebsmodell: Finanzdaten bleiben aktuell, strukturiert und in ihrem geschäftlichen Kontext verfügbar. Agenten können auf dieser Grundlage Analysen erstellen und Prozesse innerhalb definierter Berechtigungen ausführen.
Anwendungsfelder von Agentic AI in Finance
Das Potenzial von Agentic AI erstreckt sich über die gesamte Finanzfunktion. Massgebende Effekte entstehen meist in transaktionalen Prozessen mit hohem Volumen und klaren Regeln, wobei die wohl grösste strategische Wirkung in der Planung und Unternehmenssteuerung liegt. Live Finance verbindet beide Seiten: Die transaktionale Ausführung hält die Datenbasis laufend aktuell, und genau diese Aktualität erhöht den Wert von Forecasts, Liquiditätssteuerung und Managemententscheidungen.
1. Finance Operations: vom Beleg zum laufenden Ledger: In Purchase to Pay und Order to Cash können Agenten Belege erfassen, kontieren, abgleichen, Zahlungsläufe vorbereiten und Forderungen nachverfolgen. Klare Regeln und hohe Volumina machen diese Prozesse zu naheliegenden Einsatzfeldern. Im Live Finance-Modell endet der Nutzen nicht bei weniger manuellen Klicks. Jede verarbeitete Transaktion aktualisiert das finanzielle Bild; offene Posten, Cash-Position und Abweichungen werden dadurch während des Monats entscheidungsfähig.
2. Hauptbuch und Abschluss: Abstimmungen, Abgrenzungen, Intercompany-Buchungen und Prüfungen werden traditionell am Periodenende gebündelt. Ein Continuous Close, der durch Live Finance ermöglicht wird, verlagert diese Arbeit in den täglichen Ablauf. Der Monatsabschluss verschwindet nicht, verliert aber seinen Ausnahmecharakter: Transaktionen, Kontrollen und Nachweise sind bereits weitgehend verarbeitet, wenn die Periode endet.
3. Treasury und Steuerung: Entscheidungen auf aktuellem Stand: Treasury, Forecasting und Unternehmenssteuerung haben den höchsten strategischen Hebel, weil sie Kapitalallokation und operative Entscheidungen beeinflussen. Ihr Nutzen hängt unmittelbar an der Aktualität der Basisdaten. Wenn Banken, Gesellschaften, Ledger und Währungen laufend synchronisiert sind, kann Finance Liquidität, Margen und Abweichungen auf Basis der heutigen Lage steuern; und nicht auf Basis eines später konsolidierten Monatsbilds.
Welche Voraussetzungen muss Agentic AI im Finance erfüllen?
Im Finanzbereich gelten höhere Anforderungen als in vielen anderen Anwendungsfeldern. Ergebnisse müssen nicht nur effizient erzeugt, sondern auch korrekt, kontrollierbar und prüfbar sein. Diese Anforderungen ändern sich nicht, wenn ein Agent die Arbeit übernimmt. Live Finance erhöht die Taktzahl und damit die Bedeutung einer Architektur, die Kontrolle nicht nachträglich ergänzt, sondern in jede Ausführung einbaut.
1. Datenqualität, Aktualität und Herkunft
Finance verantwortet die konsistente Zahlenbasis des Unternehmens. Agenten dürfen Quelldaten und Berechnungslogiken nicht unkontrolliert verändern. Gleichzeitig genügt historische Buchungslogik allein nicht. Soll, Haben und Mehrwertsteuer können für einen Abschluss ausreichen, liefern einem Agenten aber zu wenig Kontext, um verlässlich zu handeln. Live Finance verlangt deshalb laufend aktualisierte, strukturierte und quellverknüpfte Daten sowie dokumentierte Datenherkunft.
2. Kontrolle und Funktionstrennung
Agenten benötigen klar definierte Rollen, Berechtigungen und Freigabegrenzen. Funktionstrennung muss direkt im Systemdesign abgebildet werden. Interpretierende KI und deterministische Buchhaltungslogik sollten getrennt bleiben: Der Agent kann klassifizieren, abgleichen und vorbereiten; Regeln, Genehmigungen und Buchungslogik begrenzen, was tatsächlich ausgeführt wird. Menschen behalten Urteil, Freigabe und Verantwortung.
3. Nachvollziehbarkeit und PrüfbarkeitJede wesentliche Entscheidung muss dokumentiert und bis zur Quelle zurückverfolgbar sein. Dazu gehört, wer gehandelt hat, welche Regel galt und auf welchen Daten das Ergebnis beruht. In Live Finance wird der Audit-Trail vom nachträglichen Nachweis zum laufenden Bestandteil des Prozesses. Jede Zahl bleibt mit Quelle, Workflow und Freigabe verbunden. So kann kontinuierliche Ausführung in einem prüfungspflichtigen Umfeld skalieren.
4. AI-native und API-first Architektur
Ein nachträglich aufgesetzter KI-Layer kann Abfragen vereinfachen und Anomalien markieren. Er ändert jedoch weder den Aktualisierungsrhythmus noch die Datenstruktur des Kernsystems. Für Live Finance muss der Agent auf Systemebene handeln können: über APIs, mit vollständiger Authentifizierung, Validierung und denselben Berechtigungen wie ein menschlicher Nutzer. AI-native beschreibt deshalb eine Architektur, keine zusätzliche Produktfunktion oder KI-Add-on.
5. Vertrauen und neue Rollen
Vertrauen entsteht nicht durch maximale Autonomie, sondern durch nachvollziehbare Ergebnisse und klare Eingriffsmöglichkeiten. Finanzteams müssen erkennen können, wie ein Ergebnis zustande kam und wann ihr Urteil erforderlich ist. Mit Live Finance verschiebt sich das Aufgabenfeld von Routinearbeiten, Datenerfassung und periodischer Abstimmung zu Regelsetzung, Ausnahmebehandlung und Entscheidungsunterstützung. Der Mensch verschwindet nicht aus dem Prozess; er arbeitet an den Stellen, an denen Kontext und Verantwortung zählen.
Live Finance: eine neue Kategorie in Finance
Live Finance ist weder ein schnelleres Dashboard noch ein neuer Name für Automatisierung. Die Kategorie bezeichnet ein AI-native Finance-Betriebsmodell, in dem Buchhaltung, Kontrollen, Reporting und Treasury auf einer kontinuierlich aktualisierten finanziellen Realität arbeiten. Dokumente werden bei Eingang erfasst, Transaktionen laufend kontiert, Bankbewegungen fortlaufend abgestimmt und Kontrollen im Workflow ausgeführt. Der Abschluss bleibt bestehen, wird aber zum Ergebnis eines laufend bereiten Systems statt zur monatlichen Rekonstruktion der Vergangenheit.
Die Abgrenzung zu AI-enabled Finance ist wesentlich. Ein Agent auf einem Legacy-ERP-System kann Inhalte zusammenfassen, Fragen beantworten oder Fehler finden. Solange das Kernsystem jedoch in Batches arbeitet, Daten fragmentiert vorhält und Aktionen ausserhalb seiner Kontrolllogik stattfinden, bleibt Finance periodisch. Live Finance setzt Agentic AI deshalb in den operativen Kern: Aus Einsicht wird Ausführung und aus einem nachträglichen Bericht wird ein laufender Finanzzustand.
Wie gelingt der Wechsel von einem Legacy-System zu Live Finance?
Der Wechsel beginnt nicht mit einem Agentic-Pilot über alten Daten, sondern mit dem System of Record. Kontenplan, Stammdaten, Eröffnungsbestände und historische Buchungen werden in eine strukturierte, quellverknüpfte Datenbasis migriert. Banken, Payroll, Billing und operative Systeme werden über APIs angebunden. Erst wenn Eröffnungspositionen abgestimmt und Berechtigungen gesetzt sind, übernimmt die Live Finance-Plattform die laufende Buchhaltung.
Die Datenmigration ist dabei keine nachgelagerte technische Aufgabe, sondern Teil des neuen Live Finance-Betriebsmodells. Historische Buchungen, Stammdaten und Zuordnungen müssen nicht nur übertragen, sondern in eine konsistente Struktur überführt werden. In dokumentierten Einführungen von Live Finance in Unternehmen umfasste dies Finanzhistorien von sieben bis acht Jahren. Umfang, Qualität und Zahl der Quellsysteme bestimmen, wie aufwendig dieser Schritt ist. Der erste Nutzen entsteht bereits mit der bereinigten Datenbasis: Historische und aktuelle Finanzdaten werden gemeinsam auswertbar und können von Agenten in ihrem geschäftlichen Kontext verarbeitet werden.
Was sich mit Live Finance und Agentic AI verändert
Ein Accountant in einem Live Finance Kunden-Onboarding nutzte den Agenten unmittelbar nach der Datenmigration, um sich im neuen System zurechtzufinden. Fragen, für die sonst Handbücher, Support oder Systemwissen nötig gewesen wären, wurden im Kontext der konkreten Finanzdaten beantwortet. Das Beispiel zeigt den Unterschied zwischen einem Chatbot neben dem System und einem Agenten, der das System, seine Daten und seine Regeln kennt.
Die Kategorie ist besonders relevant für wachsende Unternehmen, bei denen Komplexität schneller zunimmt als der Finance-Apparat: mehrere Gesellschaften, Länder, Währungen, Ledger, Banken und regulatorische Anforderungen. Hier entsteht der Wert nicht durch eine einzelne Automatisierung, sondern durch eine gemeinsame, laufend aktuelle Finanzrealität.
Schlussfolgerungen für CFOs
Agentic AI lässt sich im Finanzbereich produktiv einsetzen. Die dokumentierten Effekte sind erheblich, doch Modelle allein schaffen noch keinen Wert. Entscheidender sind neu gestaltete Prozesse, eine belastbare Daten- und Systemarchitektur sowie eine Governance, die den Handlungsspielraum der Agenten kontrolliert erweitert. Live Finance führt diese Voraussetzungen zu einer eigenen Kategorie zusammen. Sie beschreibt den Wechsel von periodischer Buchhaltung zu einer laufenden, AI-nativen Finanzfunktion, in der Daten, Ausführung und Kontrolle auf derselben aktuellen Basis arbeiten.
Nachvollziehbarkeit ist dabei kein Hindernis für Automatisierung. Sie ist die Voraussetzung dafür, dass agentisch ausgeführte Prozesse in einem regulierten und prüfungspflichtigen Umfeld skaliert werden können. Jede wesentliche Entscheidung muss kontrollierbar, dokumentiert und bis zu ihrer Datengrundlage zurückverfolgbar bleiben. Dasselbe gilt für Aktualität: Ein Agent kann nur auf Basis dessen handeln, was das System im jeweiligen Moment strukturiert und kontrolliert weiss. Ohne laufend aktuelle Daten bleibt Agentic AI in Finance ein Assistent über der Vergangenheit.
Für Finanzverantwortliche ergibt sich daraus ein doppelter Auftrag: Sie müssen kurzfristig transaktionale Prozesse mit hohem Volumen automatisieren und gleichzeitig die Daten-, System- und Kontrollgrundlagen für weitergehende Autonomie schaffen. Die eigentliche Entscheidung ist jedoch architektonisch: Wird das bestehende System weiter nachgerüstet oder wechselt Finance in ein Betriebsmodell, das für aktuelle Daten und agentische Ausführung gebaut wurde? Live Finance und Agentic AI machen diese Alternative sichtbar und damit strategisch entscheidbar.
Die Finanzfunktion verschiebt sich damit von der Erstellung und Abstimmung von Zahlen zur Steuerung von Prozessen, Ausnahmen und Entscheidungen. Es geht im Grunde darum, Finance wieder in das Unternehmen zu integrieren. Die Zahl ist dann nicht mehr das verspätete Ergebnis eines Abschlussprozesses, sondern ein laufend verfügbarer, kontrollierter Teil der Unternehmensführung.
