KI-Tools transformieren die Financial Advisory, doch echter Mehrwert entsteht erst durch strukturierte Datenprozesse. Anton Trauttmansdorff, Associate von VALTUS Management Factory, schreibt in diesem Artikel über die Chancen, die durch KI entstehen, aber auch über die Grenzen.
Mit neueren Entwicklungen wird deutlich: Die praktische Anwendbarkeit von KI nimmt aktuell deutlich zu. Das zeigen auch Lösungen wie das Add-in für Excel des Sprachmodells Claude. Dabei stehen viele Beratungsunternehmen vor ähnlichen Problemen: KI wird genutzt, aber selten strategisch gesteuert. Oft entstehen Lösungen dezentral, einzelne Teams oder Mitarbeitende nutzen Tools individuell. Eine klare Linie, wie und wo KI systematisch eingesetzt werden soll, fehlt häufig.
Das ist wenig überraschend. Die Geschwindigkeit der Entwicklung macht es schwer, sich festzulegen. Was heute „State of the Art“ ist, kann wenige Monate später schon überholt sein. Viele Organisationen bleiben deshalb bewusst in einer abwartenden Haltung.
Wo liegen heute die Grenzen von KI-Tools?
So groß das Potenzial ist – gerade in der Financial Advisory gibt es sehr klare Grenzen. Ein zentrales Thema ist die Datensituation. Kundendaten liegen selten in einer sauberen, einheitlichen Struktur vor. Unterschiedliche ERP-Systeme, verschiedene Kontenlogiken, abweichende P&L-Strukturen, Buchungsinkonsistenzen etc. – all das erschwert eine direkte Nutzung durch KI erheblich. Bevor sinnvolle Analysen möglich sind, braucht es oft manuelle Vorarbeit durch die Expert:innen von VALTUS Management Factory, um überhaupt eine belastbare Datenbasis zu schaffen.
Hinzu kommt das Thema Datensicherheit. In vielen Projekten ist die Nutzung externer Tools schlicht nicht ohne weiteres möglich. Das limitiert den Einsatz – oder macht zusätzliche Lösungen notwendig.
Der entscheidendste Punkt ist jedoch ein anderer: das Fehlerpotenzial. KI liefert in vielen Fällen sehr gute Ergebnisse, aber eben nicht perfekte. Und genau hier liegt das Problem. In der Financial Advisory reicht „meistens richtig“ natürlich nicht aus. Analysen, Bewertungen und Empfehlungen müssen belastbar sein. Ein Modell, das zu 90 % korrekt arbeitet, erzeugt nicht automatisch 90 % Zeitersparnis. Im Gegenteil: Die verbleibenden 10 % müssen identifiziert werden – und das bedeutet, dass Ergebnisse vollständig überprüft werden müssen.
Ein praktisches Beispiel ist das Mapping von Buchungen aus Saldenlisten. Auf den ersten Blick ein idealer Anwendungsfall für KI. In der Praxis zeigt sich jedoch: Wenn die Zuordnung nicht vollständig korrekt ist, muss jede einzelne Position überprüft werden. Der Zeitgewinn reduziert sich dadurch deutlich.
Ähnlich ist die Lage bei der Analyse von Finanzdaten. Die Identifikation von Trends oder Auffälligkeiten funktioniert oft gut. Aber sobald auch nur einzelne Fehler möglich sind, wird eine vollständige Validierung notwendig. Der Korrekturaufwand relativiert den Effizienzgewinn.
Wo bringt KI in der Restrukturierungsberatung konkreten Mehrwert?
In der Restrukturierungsberatung zeigt sich sehr klar, wo KI heute bereits funktioniert – und wo nicht. Besonders in wiederkehrenden, datengetriebenen Arbeitsschritten entstehen spürbare Effizienzgewinne.
KI-Lösungen werden von VMF Financial Advisory in folgenden Bereichen genutzt:
- Datenaufbereitung
- Monitoring
- Planung
- Dokumentanalyse
Datenaufbereitung: Finanzdaten werden im Rahmen von Fortbestehensprognosen oder Independent Business Reviews aufbereitet und analysiert. In der Praxis beginnt das oft bei der Verarbeitung von Saldenlisten und reicht bis zur Erstellung historischer Profit & Loss-, Bilanz- und Cashflow-Strukturen. Darauf aufbauend folgen die Beschreibung der Entwicklung und erste inhaltliche Interpretationen für Reports. Die Datenquellen unterscheiden sich zwar von Kunde zu Kunde, etwa durch unterschiedliche ERP-Systeme oder Kontenlogiken. Allerdings ist der Ablauf der Datenaufbereitung immer sehr ähnlich. Wegen der wiederkehrenden Strukturen kann KI hier zunehmend besser unterstützen. Gleichzeitig zeigt sich in der Praxis auch die Grenze sehr deutlich: Wenn Buchungen inkonsistent sind oder historische Textbeschreibungen unklar formuliert wurden, zeigt sich das in der Auswertung. Die Qualität der Analyse hängt somit unmittelbar an der Qualität der Daten.
Monitoring: Restrukturierungsmaßnahmen müssen laufend überwacht werden, es braucht funktionierende Frühwarnsysteme. Typische Fragestellungen lauten: Werden Covenants eingehalten? Wie entwickeln sich Margen? Wie stabil ist die Liquidität? Solche Auswertungen lassen sich mit KI deutlich schneller strukturieren und regelmäßig aktualisieren. Der Mehrwert steigt insbesondere dann, wenn es vergleichbare historische Fälle gibt, auf die man zurückgreifen kann. Aber auch hier gilt: Wenn die Daten unvollständig oder fehlerhaft sind, verliert das Monitoring schnell an Aussagekraft.
Planung: Liquiditätsplanung und integrierte Businessplanung sind weitere Einsatzfelder für KI in der Financial Advisory. Beim Aufbau von Modellen kann sie helfen, Strukturen vorzuschlagen und Logiken sauber aufzusetzen, beispielsweise mit Tools wie Claude. Bei bestehenden Modellen hilft KI bei der Fehlersuche: Inkonsistenzen in der Verknüpfung, fehlerhafte Formeln oder logische Brüche lassen sich schneller identifizieren. Zusätzlich kann KI dabei unterstützen, Annahmen herzuleiten, etwa bei Margen, Kostenstrukturen oder Wachstumsraten. Historische Kennzahlen werden dabei automatisiert ausgewertet. So werden jene Muster rasch erkannt, die als Grundlage für Planungsannahmen dienen.
Dokumentanalyse: Oft müssen umfangreicher Dokumente analysiert werden. Dazu gehören insbesondere Kreditverträge, Lieferantenvereinbarungen oder andere rechtliche Unterlagen. Im Rahmen von Restrukturierungen oder M&A-Prozessen können relevante Inhalte wie Covenants, Zahlungsbedingungen oder kritische Klauseln deutlich schneller identifiziert und zusammengefasst werden. Auch die Verknüpfung mit operativen Daten wird dadurch effizienter, was beispielsweise bei der Einschätzung von Zahlungsrisiken auf Basis von Kreditorenlisten eine Rolle spielt. Die manuelle Prüfung entfällt nicht, der Zeitaufwand dafür wird aber deutlich reduziert.
Abgesehen von den vier genannten, wichtigsten Bereichen gibt es weitere Einsatzfelder für KI in der Financial Advisory. Dazu zählen die Recherche von Markt- und Wettbewerbsinformationen, das Erstellen von E-Mails oder Meeting-Agenden sowie die Unterstützung beim Mapping von Buchungen zu Kontenstrukturen.
Prozesse statt Tools: KI sinnvoll einsetzen
Die Frage, welches KI-Tool das „beste“ sei, greift zu kurz. Entscheidend ist:
Welche Arbeitsschritte sind repetitiv und lassen sich durch KI sinnvoll automatisieren?
Erst wenn das klar ist, kann man die folgenden Detailfragen beantworten:
- Welche Tools sind geeignet?
- Wie können sie sinnvoll eingesetzt werden?
- Welche Kosten verursacht die Implementierung dieser Tools, und was bringen sie?
Eine Herangehensweise, die nur von Tools getrieben ist, führt schnell zu Insellösungen. Doch deren Nutzen sinkt, sobald sich der Markt weiterentwickelt. Allerdings passiert aktuell genau das: Tools, die heute stark sind, werden in kurzer Zeit durch bessere Lösungen ersetzt. Wer seine Strategie daran ausrichtet, bleibt ständig im Reaktionsmodus. VALTUS Management Factory stellt daher Prozesse in den Mittelpunkt, um flexibel zu bleiben und sich kontinuierlich anzupassen – unabhängig von einzelnen Anbietern.
Fazit
KI ist längst in der Financial Advisory angekommen. Sie steigert Produktivität, beschleunigt Prozesse und verändert Arbeitsweisen. Sie ersetzt allerdings keine fachliche Verantwortung.
Der größte Mehrwert entsteht dort, wo KI gezielt unterstützt, nicht dort, wo vollständige Automatisierung erwartet wird. Unternehmen, die klar definieren, wo KI sinnvoll eingesetzt werden kann, und die gleichzeitig ihre Grenzen verstehen, werden langfristig den größten Nutzen ziehen.