KI im Controlling: Booster für die Sichtbarkeit des Wertbeitrags?

Mit dem Einsatz von KI und Automatisierung verändern sich die Aufgaben im Controlling spürbar. Routinetätigkeiten werden übernommen, Analysen sind schneller verfügbar, Entscheidungsgrundlagen breiter oder bei Bedarf fokussierter.

Der Aufgabenschwerpunkt für Controllerinnen und Controller verschiebt sich. Datenaufbereitung und Standardanalysen verlieren an Bedeutung. Damit verändert sich auch der Wertbeitrag des Controllings. Dank der technologischen Entwicklungen wird er klarer erkennbar, aber Prozesse, die im Hintergrund ablaufen, werden nicht mehr als Leistung des Controllings wahrgenommen und wertgeschätzt.

Daraus ergeben sich zentrale Fragestellungen für die Rolle des Controllings:

• Welche Aufgaben bleiben originär beim Controlling – und welche werden durch KI und Automatisierung dauerhaft ersetzt?
• Wird der Wertbeitrag des Controllings durch den Wegfall von Routinetätigkeiten tatsächlich sichtbarer – oder eher weniger greifbar?
• Verändert sich schon jetzt die Erwartung an Controllerinnen und Controller – weg von der Erstellung hin zur Einordnung und Interpretation von Ergebnissen?
• Welche Kompetenzen gewinnen an Bedeutung, wenn technologische Systeme einen größeren Teil der Analyse übernehmen?
• Wie lässt sich der Beitrag des Controllings zur Unternehmenssteuerung auch in Zukunft klar darstellen und kommunizieren?

Wie ist Ihre Meinung dazu, was sind Ihre Erfahrungen? Wir freuen uns auf die Diskussion mit Ihnen!

Prof. Dr. Christoph Eisl ist Professor an der Fakultät für Wirtschaft und Management der FH Oberösterreich, Campus Steyr, sowie ICV-Vorstandsmitglied. Er beschäftigt sich seit vielen Jahren mit der Weiterentwicklung von Controlling und Finanzfunktionen im Spannungsfeld von Digitalisierung, Steuerung und Wertbeitrag.

„KI macht den Wertbeitrag nicht automatisch sichtbar, sondern setzt auf bestehenden Datenmodellen, KPI-Definitionen und Ableitungslogiken auf. Wenn diese nicht konsistent sind, wird durch Automatisierung nichts klarer, Inkonsistenzen werden nur schneller reproduziert. Sichtbarkeit steigt. Verstehbarkeit nicht. Der Engpass liegt nicht in der Automatisierung, sondern in der Herleitung der Zahlen.“

Holger Breuer, Structural Financial Authority | Mandated by Owners, PE & Boards when figures are no longer explainable

„Lieber Holger, vielen Dank für deinen Beitrag – deiner Argumentation kann ich sehr gut folgen. „Garbage in, garbage out“ gilt unverändert: Wenn Datenqualität, KPI-Definitionen und Ableitungslogiken nicht passen, hilft auch Automatisierung nicht weiter. KI kann jedoch dazu beitragen, Inkonsistenzen in großen Datensets sichtbar zu machen.
In Tests mit GenAI-Tools haben wir z. B. festgestellt, dass Fehl- oder fehlende Buchungen sowie Abweichungen zu Planwerten bereits recht gut identifiziert werden können (einfache Praxisbeispiele haben wir im Controller Magazin veröffentlicht).

Ist die Datenbasis sauber, entstehen im Controlling Freiräume für Analyse, Interpretation und die Entwicklung von Maßnahmen gemeinsam mit dem Management. GenAI-Tools können dabei auch die Produktivität erhöhen, etwa durch MS Copilot in Excel. Der zusätzliche Wertbeitrag entsteht aber nicht automatisch.
Was braucht es aus eurer Sicht konkret, um den Wertbeitrag des Controllings zu erhöhen?“

Prof. Dr. Christoph Eisl, Professor an der Fakultät für Wirtschaft und Management der FH Oberösterreich, Campus Steyr, sowie ICV-Vorstandsmitglied

„Christoph Eisl Danke dir. Dein Beispiel im Kommentar bewegt sich allerdings auf Transaktionsebene. Fehlbuchungen erkennen, fehlende Buchungen und Abweichungen zu Planwerten identifizieren. Alles richtig. Aber zwischen Transaktion und Steuerungsentscheidung liegt noch eine weitere Ebene und zwar der Datenpfad. Also alles was aus einer Rohtransaktion eine entscheidungsrelevante Kennzahl macht. Aggregation, Periodisierung, KPI-Logik, Planungsannahmen.

Genau dort entstehen die Brüche. Das liegt aber nicht daran, dass Buchungen fehlen, sondern weil die Ableitungslogik zwischen ERP, BI und Reporting und was es da draußen sonst noch so gibt, etwa Planung, Konsolidierung, Forecasting-Tools etc. nicht konsistent definiert sind. KI arbeitet auf diesem Datenpfad, aber sie klärt ihn nicht. Wertbeitrag entsteht erst auf Steuerungsebene, wenn Zahlen nicht nur auffallen, sondern vom Ursprung bis zur Kennzahl durchgängig erklärbar sind. Die Kausalkette in der These funktioniert nur, wenn der Datenpfad bereits sauber ist. Und genau hier liegt die Lücke. Du verteidigst Transaktionsebene. Die These behauptet aber Steuerungsebene. Der Datenpfad dazwischen bleibt in beiden offen.

Und das wiederum ist ein Strukturproblem, kein Automatisierungsproblem.“

Holger Breuer, Structural Financial Authority | Mandated by Owners, PE & Boards when figures are no longer explainable

„Holger Breuer Danke für deine Ausführungen. Deine Punkte sind sehr gut nachvollziehbar und ich unterstütze deine Argumentation. Ich wollte auch nichts verteidigen oder die KI in den Himmel loben, sondern vor allem auch eine Diskussion anstoßen, inwiefern Controllerinnen und Controller Freiräume bekommen und wie sie diese am besten füllen, um den eigenen „Wertbeitrag“ (wie auch immer man diesen definiert) zu erhöhen. Du hast hier mit deinem Kommentar wertvollen Input gegeben.“

Prof. Dr. Christoph Eisl, Professor an der Fakultät für Wirtschaft und Management der FH Oberösterreich, Campus Steyr, sowie ICV-Vorstandsmitglied

„Ich würde gerne noch eine ergänzende Frage zur Diskussion stellen:
Welche Kompetenzen gewinnen aus eurer Sicht in Zukunft an Bedeutung, wenn technologische Systeme einen größeren Teil der Analyse übernehmen?“

Prof. Dr. Christoph Eisl, Professor an der Fakultät für Wirtschaft und Management der FH Oberösterreich, Campus Steyr, sowie ICV-Vorstandsmitglied

„Stimme zu. Mit mehr Automatisierung verschiebt sich der Wert klar. Weg von der Erstellung, hin zu Entscheidungen, Ownership und was konkret daraus folgt.“

Guido Diaz, Head of FP&A & Controlling | E-Commerce & SaaS Finance Leader | Driving Agile FP&A & Digital Transformation