KI ist zunehmend in der Lage, Buchhaltungsteams nicht nur zu unterstützen. Sie kann Unstimmigkeiten erkennen, Klassifizierungen vorschlagen, Aktionen vorbereiten und sie in manchen Fällen direkt in Buchhaltungssystemen ausführen.
Das schafft ein Governance-Problem, das sich mit einfachen Freigabe-Workflows nicht lösen lässt: Wenn Software einen Teil des Buchhaltungsprozesses übernimmt, wer ist dann für die Entscheidung verantwortlich?
Die Antwort kann nicht das System selbst sein. KI verarbeitet Daten und arbeitet innerhalb festgelegter Grenzen, trägt aber keine Verantwortung für finanzielle Ergebnisse. Diese bleibt beim Unternehmen und bei den Personen, die festlegen, was das System tun darf, wann eine Überprüfung erforderlich ist und wie seine Ergebnisse validiert werden.
Diese Aufteilung der Verantwortung stand im Mittelpunkt eines aktuellen eWeek Trend Talk gesponsert von QuickBooks Online. Corey Noles, KI-Experte und Managing Editor von The Neuron, und der Buchhaltungs- und QuickBooks-Experte Max Crampton-Thomas untersuchten, wie Unternehmen Automatisierung einführen können, ohne das Urteilsvermögen, den Kontext und die Verantwortlichkeit zu verlieren, die ein solides Finanzmanagement erfordert.
Je mehr operative Befugnisse KI übernimmt, desto mehr brauchen Finanzteams eine Zwischenlösung zwischen manueller Kontrolle und vollständiger Automatisierung. Diese Zwischenlösung ist eine abgestufte Autonomie: KI werden je nach Risiko der Aufgabe und der nachgewiesenen Zuverlässigkeit des Systems unterschiedliche Befugnisse zugewiesen.
Automatisierungsbefugnisse müssen verdient werden
Nicht alle Buchhaltungsaufgaben bergen dasselbe Risiko. Die Kategorisierung einer geringwertigen, routinemäßigen Transaktion unterscheidet sich grundlegend von der Freigabe einer hohen Zahlung oder einer Anpassung, die sich wesentlich auf den Jahresabschluss auswirkt. Eine einzige Automatisierungsregel kann beides nicht sicher abdecken.
KI kann daher auf unterschiedlichen Ebenen arbeiten. Sie kann lediglich auf ein Problem hinweisen, eine Aktion zur menschlichen Prüfung empfehlen, einen Buchungseintrag zur Freigabe vorbereiten oder eine Aktion innerhalb strenger Grenzen ausführen. Welche Ebene angemessen ist, hängt von den möglichen Auswirkungen eines Fehlers, der Reversibilität der Aktion und der Konstanz ab, mit der das System in diesem konkreten Workflow arbeitet.
Crampton-Thomas brachte diesen risikobasierten Ansatz im Trend Talk klar auf den Punkt. „Einfach gesagt: Je schwieriger ein Fehler rückgängig zu machen wäre, desto weniger Befugnisse würde ich dem System eigenständig geben“, sagte er.
Daraus entsteht eine Vertrauensentwicklung. Ein System kann damit beginnen, Klassifizierungen vorzuschlagen, während Menschen jede Empfehlung prüfen. Zeigt es im Laufe der Zeit eine konstant gute Leistung, kann die Organisation ihm erlauben, einen größeren Teil dieses eng begrenzten Workflows zu übernehmen, während unsichere oder risikoreichere Fälle weiterhin eskaliert werden.
Wichtig ist: Vertrauen ist keine allgemeine Einschätzung, ob ein KI-Tool präzise arbeitet. Es bezieht sich immer auf eine bestimmte Aufgabe, einen bestimmten Datensatz und einen bestimmten Anwendungskontext. Gute Leistungen in einem Bereich rechtfertigen keine weitergehenden Befugnisse in anderen Bereichen.
Das Ziel ist nicht maximale Automatisierung, sondern eine dem Risiko angemessene Automatisierung.
Freigabe ist nicht dasselbe wie Kontrolle
Die Idee eines „Menschen in der Schleife“ wird häufig als ausreichende Kontrolle betrachtet. Doch ein Freigabeschritt allein garantiert keine wirkungsvolle Kontrolle.
Damit eine Prüfung wirksam ist, muss der Prüfer verstehen, was das System empfiehlt, welche Informationen dieser Empfehlung zugrunde liegen und welche Folgen ein Fehler hätte. Der Prüfer muss außerdem die Zeit und die Befugnis haben, das Ergebnis infrage zu stellen.
Ohne diese Voraussetzungen kann die Freigabe zur Routine werden. Wenn KI-Empfehlungen zuverlässig erscheinen und in vertraute Buchhaltungs-Workflows eingebettet sind, beginnen Mitarbeitende möglicherweise, sie automatisch zu akzeptieren. Der Kontrollpunkt bleibt bestehen, aber eine gründliche Prüfung findet nicht mehr statt.
Wie Crampton-Thomas erklärte: „Der Prüfer muss verstehen, warum der Vorgang bei ihm gelandet ist, und die Belege hinter der Empfehlung sehen. Wenn er nicht erkennen kann, was seine Freigabe tatsächlich verändert, vermittelt dieser Freigabeschritt ein falsches Gefühl der Sicherheit.“
Das ist in der Buchhaltung besonders wichtig, weil der Kontext ebenso entscheidend ist wie die Mustererkennung. Eine ungewöhnlich wirkende Transaktion kann ein Fehler sein – oder eine legitime Geschäftsentscheidung darstellen, die das System nicht vollständig interpretieren kann. Ein Lieferant kann unter verschiedenen Namen erscheinen, während eine Veränderung bei Umsätzen oder Ausgaben auf Umständen beruhen kann, die in den zugrunde liegenden Daten nicht sichtbar sind.
Wirksame Kontrolle erfordert daher mehr, als nach der KI einen Menschen einzusetzen. Finanzteams müssen festlegen, wer für die Prüfung verantwortlich ist, welche Belege bereitgestellt werden und in welchen Situationen eine Eskalation erforderlich ist.
Auch der Prüfaufwand sollte dem Risiko entsprechen. Geringwertige, reversible Transaktionen erfordern nicht dieselbe Aufmerksamkeit wie folgenschwere oder ungewöhnliche Finanzereignisse. Das menschliche Urteilsvermögen sollte dort konzentriert werden, wo es das Ergebnis wesentlich beeinflussen kann.
Das Management von Ausnahmefällen wird zu einer zentralen Kompetenz im Finanzwesen
KI beschleunigt die Buchhaltungsarbeit nicht einfach nur. Sie verändert, wofür Menschen ihre Zeit bei der Prüfung aufwenden.
Bei manuellen Prozessen prüfen Teams möglicherweise Tausende routinemäßiger Transaktionen, um eine kleine Zahl von Fehlern oder Auffälligkeiten zu finden. KI kann mehr dieser vorhersehbaren Vorgänge verarbeiten und die Fälle hervorheben, bei denen am ehesten Aufmerksamkeit erforderlich ist.
Das beseitigt das Urteilsvermögen nicht. Es konzentriert es.
Zugleich entsteht eine neue Verantwortung: festzulegen, was als Ausnahme gilt. Sind die Schwellenwerte zu weit gefasst, können Teams von Warnmeldungen überflutet werden. Sind sie zu eng, können wichtige Probleme ungeprüft bleiben.
Finanzteams müssen entscheiden, welche Muster, Werte und Unsicherheiten eine Eskalation rechtfertigen. Die Transaktionsgröße spielt eine Rolle, ebenso aber die Reversibilität, die Häufigkeit, die unterstützenden Belege und die möglichen finanziellen Auswirkungen.
In diesem Modell formt KI die Buchhaltungsarbeit zu einer kleineren, wertvolleren Gruppe von Entscheidungen um, bei denen menschliche Expertise am wichtigsten ist. Das Management von Ausnahmefällen wird zu einem Teil der Finanzkontrolle und nicht bloß zu einer operativen Aufräumarbeit. Teams müssen sicherstellen, dass das System die richtigen Probleme hervorhebt – nicht einfach nur weniger davon.
Verantwortlichkeit kann nicht an Software delegiert werden
Wenn KI vom Empfehlen von Aktionen zu deren Ausführung übergeht, kann Verantwortlichkeit weniger sichtbar werden.
Auch wenn ein Mensch nicht jede einzelne Aktion initiiert, muss jemand weiterhin für den Rahmen verantwortlich sein, der diese Aktionen ermöglicht. Dazu gehören die Festlegung von Schwellenwerten, die Freigabe der Befugnisse des Systems, die Überwachung seiner Leistung und das Eingreifen, wenn sich sein Verhalten verändert.
Nachvollziehbarkeit ist daher unverzichtbar. Für jede wesentliche Aktion sollte die Organisation rekonstruieren können, welche Daten die KI verwendet hat, warum sie gehandelt hat, was sie getan hat und ob eine menschliche Prüfung stattgefunden hat.
Ohne diese Aufzeichnungen kann Automatisierung zwar die Geschwindigkeit erhöhen, aber zugleich die Kontrolle verringern. Transaktionen können korrekt erscheinen, während die Organisation die Fähigkeit verliert zu erklären, wie sie zustande gekommen sind.
Verantwortung bedeutet nicht, dass Menschen jeden Schritt manuell ausführen müssen. Sie darf aber auch nicht im System verschwinden.
Das Finanzwesen braucht klare Entscheidungsbefugnisse für KI
Die zentrale Herausforderung besteht nicht darin, ob KI in der Buchhaltung eingesetzt werden sollte. Es geht darum, wie viele Befugnisse die Technologie erhalten sollte und wer für ihre Aktionen verantwortlich bleibt.
Dafür braucht es ausdrücklich festgelegte Entscheidungsbefugnisse. Finanzteams müssen definieren, welche Aufgaben KI selbstständig ausführen darf, für welche eine Freigabe erforderlich ist, welche unter menschlicher Kontrolle bleiben müssen und welche Nachweise erforderlich sind, bevor die Befugnisse des Systems erweitert werden.
Abgestufte Autonomie bietet dafür eine praktische Struktur. Sie ermöglicht es Organisationen, repetitive Aufgaben mit geringerem Risiko zu automatisieren und zugleich das menschliche Urteilsvermögen dort zu bewahren, wo Kontext und finanzielle Folgen am wichtigsten sind.
Diese Unterscheidung hält die Automatisierung außerdem an ein Geschäftsergebnis gekoppelt. Crampton-Thomas fasste das Ziel gegen Ende des Trend Talk zusammen: „Es geht nicht darum, Menschen aus der Buchhaltung zu entfernen. Vielmehr sollen sie von repetitiver Arbeit entlastet werden, damit sie sich auf Entscheidungen konzentrieren können, bei denen ihre Erfahrung tatsächlich zählt.“
KI kann Aktionen erkennen, empfehlen, vorbereiten und ausführen. Das Ergebnis kann sie nicht verantworten.
Je stärker KI in die Buchhaltung eingebettet wird, desto weniger wird die stärkste Kontrolle in einer universellen menschlichen Freigabe bestehen. Entscheidend ist vielmehr ein klares Governance-Modell, in dem Automatisierung verdient werden muss, Kontrolle sinnvoll ist, Ausnahmefälle gut gemanagt werden und die Verantwortlichkeit immer bei einem Menschen liegt.