Von der Zauberkugel
zum Werkzeug

Was wir beim Bau eines AI-Agenten in Finance wirklich gelernt haben

Christian · EY-Parthenon  |  Max · [Unternehmen]

Wer hat in den letzten 12 Monaten einen KI-Pitch gesehen, der zu gut klang?

"Wir auch. Wir haben ihn sogar gehalten."

Jeden Monat erklärt jemand die Zahlen —
und niemand macht es gerne

• P&L Commentary = monatliche Abweichungsanalyse & Kommentierung
• Zeitintensiv, repetitiv, fehleranfällig
• Jede Finance-Abteilung kennt das Problem

Ein Agent, der Hypothesen bildet, analysiert und kommentiert — Schritt für Schritt

• Business-Frage → Hypothesenbildung → iterative Analyse → Commentary → QA
• Transparent & nachvollziehbar — keine Black Box
• Der Mensch bleibt im Loop

"Wir wissen, was wir wollen" —
Spoiler: Nein.

• Moving Targets killen jedes Projekt — das Zielbild muss stehen
• Der Fachbereich kennt seine eigene Business-Logik oft weniger gut als er denkt
• Der Praktikanten-Test: Kannst du es einem Praktikanten erklären? Dann kann die KI es lernen.

"Unsere Daten sind super" —
Spoiler: Auch nein.

• Daten ohne Kontext sind nur Zahlen
• "AI-ready" heißt: Struktur, Metadaten, Business-Kontext — nicht nur ein Data Lake
• Daten fit machen ist nicht sexy, aber der halbe Erfolg

Was Sie sehen vs. was darunter liegt

"KI kann doch alles" —
der teuerste Irrtum

• ChatGPT-Moment ≠ produktiver Einsatz
• Pitch-Mockup vs. finales Produkt: Spielzeug-Excitement vs. echtes Tool
• Mensch + KI = Impact. KI alleine = teures Experiment.

"Die Leute werden das schon nutzen" —
Adoption ist der härteste Teil

• Angst vor KI ist real, legitim, und in jeder Abteilung
• Entmystifizieren statt Buzzword-Bingo: Zeigt, was die KI wirklich macht
• Erfolg = der Fachbereich arbeitet OHNE euch weiter

Finance hatte in den 80ern auch
Angst vor Spreadsheets

• Lotus 1-2-3 und Excel haben Finance revolutioniert — nach anfänglichem Widerstand
• KI ist die nächste Welle — kein Grund zur Panik, aber zum Handeln
• Wer sich nicht anpasst, rechnet morgen noch mit dem Taschenrechner

Wie Sie einen unseriösen KI-Pitch
in 60 Sekunden erkennen

• Buzzword-Dichte hoch, Daten-Diskussion fehlt
• "Das macht die KI schon" — ohne zu erklären wie
• Seriös: Daten zuerst, Mensch im Loop, klarer Scope

Was ein seriöses AI-Angebot ausmacht

• Startet mit Ihren Daten & Prozessen, nicht mit Technologie
• Plant Adoption & Change von Tag 1
• Definiert klaren Scope — und sagt ehrlich, was NICHT geht

"Wenn Ihr Berater Ihnen sagt, dass etwas nicht geht — behalten Sie ihn."

Ein Pilot beweist, dass es geht —
nicht, dass es bleibt

• Pilot = Proof of Concept + Infrastruktur + Team-Kompetenz
• Danach: Ownership, Skalierung, kontinuierliche Anpassung
• Die entscheidende Frage: "Der Berater geht — und dann?"

Was Sie morgen tun können —
ohne Budget, ohne Berater

• 1 Machen Sie den Praktikanten-Test für Ihren wichtigsten Prozess
• 2 Fragen Sie Ihr Team: "Wo verbringt ihr Zeit mit Dingen, die eine Maschine besser könnte?"
• 3 Prüfen Sie einen Datensatz auf AI-Readiness — Struktur, Kontext, Metadaten

Drei Sätze, die Sie mitnehmen sollten

• 1 KI ist ein Werkzeug, kein Orakel — behandeln Sie sie so
• 2 Der Fachbereich ist der Schlüssel — nicht die Technologie
• 3 Fangt an, aber fangt richtig an — Fundament vor Features