Während KI-Codierungsplattformen Milliardenbewertungen erreichen, haben Finanzchefs im ganzen Land still und leise ihre eigenen KI-Experimente durchgeführt. Die gängige Meinung ist, dass Entwickler zuerst KI eingeführt haben und alle anderen wissensbasierten Arbeitsfunktionen bald folgen werden. Eine aktuelle Studie von Anthropic zeigt, dass der Finanzsektor der nächste sein könnte, der umfällt.

Als langjährige Investoren in Technologie für die CFO-Suite (AuditBoard*, Avalara*, Coupa*, Intacct*, OutlookSoft und mehr) wollten wir diese These mit realen Daten testen. Wir befragten daher 129 Finanzvorstände und leitende Finanzverantwortliche von Unternehmen mit einem Umsatz zwischen 50 Millionen und über 5 Milliarden US-Dollar. Die Umfrage wurde von Dezember 2025 bis Februar 2026 durchgeführt, und die Befragten kamen aus verschiedenen Branchen und Unternehmensgrößen. Allerdings stammen 42 % der Befragten aus Unternehmen mit 100 bis 499 Mitarbeitern, und 54 % verfügen über Finanzteams mit fünf bis 19 Mitarbeitern. Das haben wir herausgefunden.

Wir stehen kurz vor der breiten Einführung – doch es bestehen weiterhin erhebliche Lücken.

Die Entwicklung der KI-Einführungspipeline zeichnet auf den ersten Blick ein optimistisches Bild: 17 % der Finanzchefs setzen KI bereits produktiv ein, 34 % führen aktiv Pilotprojekte durch und weitere 28 % planen dies. Nur 21 % erwägen es noch.

Doch unter dieser Pipeline verbirgt sich eine erschreckend hohe Ausfallrate. Unter den Finanzvorständen, die KI-Pilotprojekte durchgeführt haben, berichten nur vier Prozent von einer Erfolgsquote von über 50 Prozent.

Das ist die zentrale Spannung auf dem Markt: Finanzvorstände wollen KI und sind bereit, dafür Geld auszugeben, aber die Produkte halten im Allgemeinen noch nicht, was sie versprechen. Zu verstehen, warum sich das ändert – und was sich demnächst ändern wird – ist der Schlüssel, um diesen Markt richtig zu deuten.

Barriere Nr. 2: Integration mit bestehenden Plattformen und Datenverfügbarkeit. Eine unserer Kernfragen bei dieser Umfrage war, ob Finanzvorstände KI-Funktionen von ihren bestehenden Datensystemen oder von KI-nativen Anbietern wünschen. Das Ergebnis war eindeutig: 77 % gaben an, bestehende Systeme mit KI von neuen Anbietern aufrüsten zu wollen, die auf bestehende Systeme aufgesetzt werden, während nur 15 % ihr derzeitiges Datenspeichersystem durch eine KI-native Plattform ersetzen wollen. Dies impliziert jedoch, dass die in Altsystemen gespeicherten Daten bereinigt, transformiert, strukturiert und vereinheitlicht werden müssen, um modellfähig zu sein. Dennoch bewerten 50 % der Befragten die Qualität ihrer Daten nur als mittelmäßig oder schlecht.

Warum der ROI möglicherweise schon bald erreicht ist

Wir wissen, dass sich die Verbesserungsrate von Fundamentmodellen weiterhin beschleunigt, weshalb wir glauben, dass die erste Herausforderung (d. h. mangelnde Kapitalrendite aufgrund von Modellbeschränkungen) in naher Zukunft gelöst werden kann.

Betrachten wir eines der aussagekräftigsten Messinstrumente für den Fortschritt im Bereich der KI: METR, eine KI-Forschungsorganisation, verfolgt die Dauer von Aufgaben, die fortschrittliche KI-Agenten autonom erledigen können, gemessen daran, wie lange menschliche Experten für diese Aufgaben benötigen. Die Gruppe kam zu dem Ergebnis, dass sich dieser „Zeithorizont für die Aufgabenerledigung“ in den letzten sechs Jahren etwa alle sieben Monate verdoppelt hat. Zum Vergleich: Die besten aktuellen Modelle können Aufgaben zuverlässig bewältigen, für die erfahrene Menschen ein paar Stunden benötigen; lässt sich dieser Trend weiter ausbauen, könnten KI-Agenten innerhalb der nächsten ein bis zwei Jahre tagelange Aufgaben übernehmen.

KI ist in unserer Branche allgegenwärtig. Wir müssen es monetarisieren (wir bieten KI-basierte Produkte an) und wir müssen es operativ implementieren, um intern Effizienz und Produktivität zu steigern und so das langfristige Finanzprofil unseres Unternehmens zu verändern.“

CFO (Unternehmen mit 500-1.000 Vollzeitäquivalenten)

Warum ist das für die CFO von Bedeutung? Die Finanzprozesse, die CFOs am liebsten automatisieren möchten – Kontenabstimmungen, Rechnungsverarbeitung, Abweichungsanalysen, Buchungssätze – sind genau die Art von mehrstufigen, strukturierten, aber unübersichtlichen Aufgaben, für die dieser sich erweiternde Zeithorizont besonders relevant ist. Wenn Modelle immer besser darin werden, Genauigkeit und Kontext über längere und komplexere Aufgabenketten hinweg aufrechtzuerhalten, wird sich die Kluft zwischen „beeindruckender Demo“ und „automatisierter Produktion“ verringern.

Die zweite Hürde besteht darin, dass die Anwendungsschicht Wertschöpfung erzielen kann.

Wenn die Grundlagenmodelle die erste Hürde überwinden, sind wir der Ansicht, dass KI-Anwendungen in einzigartiger Weise dazu geeignet sind, die zweite Hürde zu meistern: die Datenbereitstellung und -integration. Darüber hinaus sind wir der Überzeugung, dass hier nachhaltiger Wert geschaffen und angehäuft werden kann.

Eine beliebte Lösung, die viele Unternehmen zur Bewältigung dieses Problems anwenden, ist der Einsatz von vorgeschobenen Ingenieuren (FDEs). Für KI-Unternehmen, die an Finanzvorstände verkaufen, ist dieses Modell besonders relevant. Finanzteams arbeiten nicht in sauberen, standardisierten Datenumgebungen. Sie arbeiten mit einem Flickenteppich aus ERP-Systemen, Bankintegrationen, Spesenabrechnungssystemen und Excel-Tabellen, die alle unterschiedliche Schemata, Datenqualitätsniveaus und Integrationspunkte aufweisen. Unserer Ansicht nach werden diejenigen Unternehmen gewinnen, die massiv in skalierbare Lösungen investieren, wie beispielsweise die Integration der Datennormalisierung in das Produkt. Unsere Umfrageergebnisse bestätigen dies: 16 % der Finanzchefs nennen den „zu hohen Einrichtungs-/Schulungsaufwand“ als größte Enttäuschung bei den derzeitigen KI-Tools, und die Geschwindigkeit der Wertschöpfung ist ihnen wichtiger als der Funktionsumfang.

Der Vorteil von KI-Unternehmen im Finanzbereich liegt darin, dass sie es mit motivierten, unter Druck stehenden Käufern zu tun haben. 57 Prozent der Finanzvorstände berichten von einem mäßigen bis starken Druck seitens ihrer Aufsichtsräte und Investoren, im Bereich KI aktiv zu werden, und 72 Prozent erwarten, dass sich ihre gesamten Technologiebudgets in den nächsten zwei bis drei Jahren erhöhen werden.

Wo Finanzorganisationen KI tatsächlich einsetzen werden

Sobald diese beiden Probleme gelöst sind, stellt sich die Frage, wie und wo Finanzorganisationen KI einsetzen werden.

95 Prozent planen, zu kaufen statt selbst zu entwickeln, und 67 Prozent glauben, dass speziell entwickelte KI-Tools für den Finanzbereich für Produktionsabläufe notwendig sind, anstatt direkt auf Basismodelle zurückzugreifen.

Zu den Prioritätsbereichen gehören:

• Kreditorenbuchhaltung (52 % der Befragten): Unternehmen wie Ramp, Brex, Levelpath*, Zip und Omnea
• FP&A und Prognosen (40 %): Unternehmen wie Cube*, Summation, Pigment
• Forderungen aus Lieferungen und Leistungen (35 %) – Unternehmen wie Maxio*, Monk, Stuut, Lunos, Tabs, Fazeshift, Orb und Metronome
• Schließungen und Konsolidierungen (27 %) – Unternehmen wie Maximor, Numeric, Stacks und Nominal
• Darüber hinaus gibt es Unternehmen, die einen Komplettansatz für die oben genannten Punkte verfolgen, wie beispielsweise Campfire, Rillet, DualEntry, Light, Everest und Doss.

Was die Budgets betrifft, so haben 48 % der Befragten neue Ausgaben für KI eingeplant, 22 % planen eine Umverteilung von bestehenden Tools und 18 % haben derzeit kein KI-Budget.

Was das für Gründer bedeutet

Dieser Markt ist kaufbereit, aber noch nicht davon überzeugt, dass er es auch tun sollte. Die Nachfragesignale – Druck seitens des Vorstands, Budgetausweitung, nahezu universelle Bereitschaft zur Zahlung von Prämien – sind unmissverständlich. Die Gewinner in diesem Markt werden die Unternehmen sein, die:

Beweise liefern, keine Versprechungen. Die positiven Ergebnisse des Proof of Concept (POC) erzielten mit 8,9 von 10 Punkten den höchsten Wert bei der Bewertung der Anbieter – weit vor allen anderen Faktoren. Finanzvorstände vertrauen nicht den Genauigkeitsangaben auf einer Präsentationsfolie; sie vertrauen den nachweisbaren Ergebnissen von Unternehmen, die ihrem eigenen ähneln. Die Markteintrittsstrategie ist hier einfach: Führen Sie straffe, gut strukturierte Proof-of-Concepts durch, dokumentieren Sie diese sorgfältig und bauen Sie eine Bibliothek von Fallstudien auf, segmentiert nach Branche und Unternehmensgröße.

Lösen Sie das Integrationsproblem im Produkt. Die 77%ige Präferenz für die Integration in bestehende Systeme bedeutet, dass Ihr Produkt die Finanzteams dort erreichen muss, wo ihre Daten tatsächlich gespeichert sind. Wichtig ist, dass Ihr Produkt die Daten Ihrer Kunden nutzbar macht, ohne dass Systemänderungen erforderlich sind.

Zielgenauigkeit auf Produktionsniveau. Da 71 % der Finanzchefs die Ungenauigkeit von Modellen als ihr größtes Problem nennen und die Rechnungsverarbeitung mit einer Genauigkeit von über 99 % die entscheidende Fähigkeit darstellt, liegt die Messlatte nicht gerade hoch. Im Finanzwesen herrscht eine Null-Toleranz-Politik. Setzen Sie von Anfang an auf eine Erfolgsquote von 99%+, sonst gehören Ihre Piloten zu den 96%, die scheitern.

Das Fenster ist weit geöffnet. 65 Prozent der Finanzchefs erwarten, den Einsatz von KI in den nächsten ein bis zwei Jahren zu beginnen oder auszuweiten, und 92 Prozent sind bereit, einen Teil des Arbeitsbudgets für KI-Tools umzuschichten. Die Unternehmen, die diese Erwartung in die Realität umsetzen können, werden die nächste Generation von Technologien für den Finanzbereich definieren.