KI im Controlling: Prognosen, Abweichungsanalyse und Berichte mit Augenmaß

KI im Controlling soll drei Dinge schneller machen: Prognosen rechnen, Abweichungen zwischen Plan und Ist erklären, Berichte schreiben. Der Bedarf wächst. In der Bitkom-Umfrage vom September 2026 kommt der Bereich Controlling und Rechnungswesen als Einsatzfeld von KI auf 25 Prozent, nach 17 Prozent im Vorjahr. Welche Anwendungsfälle tragen, was sie voraussetzen und wo die typischen Fehler liegen, lesen Sie hier.

Drei Anwendungsfälle für KI im Controlling

Im Controlling arbeiten zwei Arten von KI nebeneinander. Prognosen beruhen meist auf maschinellem Lernen, also auf Modellen, die Muster in historischen Zahlen finden. Laut Statistischem Bundesamt setzten 2025 23 Prozent der Unternehmen, die KI nutzen, maschinelles Lernen ein. Berichte und Kommentare entstehen dagegen mit Sprachmodellen, die Text erzeugen.

Prognosen: was ein Modell braucht

Ein Prognosemodell kennt nur die Vergangenheit, die Sie ihm geben. Haben Sie vor zwei Jahren Kostenstellen neu geschnitten oder ein Geschäftsfeld verkauft, sieht das Modell einen Bruch, den es nicht erklären kann. Bereinigen Sie solche Brüche vor dem Training oder beginnen Sie die Datenreihe erst danach.

Hilfreich ist ein Vergleich mit Ihrem bisherigen Verfahren. Lassen Sie das Modell einige Monate parallel zur gewohnten Planung laufen und vergleichen Sie beide Ergebnisse mit dem tatsächlichen Ist. Erst wenn das Modell nachweislich besser liegt, verdient es Gewicht in der Planung. Wichtig für die Geschäftsführung: Eine Prognose gehört immer mit ihrer Unsicherheit dargestellt, also als Spanne.

Wo anfangen? Viele Unternehmen beginnen mit einer kurzfristigen Liquiditätsvorschau, weil die Daten dafür ohnehin aus Buchhaltung und offenen Posten vorliegen und sich die Treffsicherheit schon nach wenigen Wochen prüfen lässt. Absatzprognosen für einzelne Produkte brauchen dagegen längere Reihen und mehr Pflege, lohnen sich aber dort, wo Einkauf und Produktion von ihnen abhängen.

Externe Einflüsse wie Preissteigerungen bei Rohstoffen oder ein großer Neukunde stehen in keiner Zeitreihe. Diese Annahmen bleiben Aufgabe des Controllings und gehören sichtbar neben das Modellergebnis.

Abweichungsanalyse mit KI im Controlling

Bei der Abweichungsanalyse spart KI im Controlling die meiste Zeit. Das Werkzeug markiert die Abweichungen, die über einer festgelegten Schwelle liegen, und zerlegt sie, etwa in Menge, Preis und Mix. Niemand muss mehr jede Kostenstelle von Hand durchgehen. Ein Sprachmodell kann daraus einen ersten Erklärungsentwurf schreiben.

Wichtig ist die Schwelle. Ist sie zu niedrig, meldet das Werkzeug jeden Monat Hunderte kleiner Abweichungen, und niemand liest sie. Bewährt haben sich zwei Kriterien zugleich: eine absolute Grenze in Euro und eine relative Grenze gegenüber dem Plan. Was beide überschreitet, landet auf der Liste. Saisonale Muster, die jedes Jahr wiederkehren, sollte das Werkzeug kennen, damit es sie nicht als Auffälligkeit meldet.

Die KI findet und entwirft, das Controlling prüft die Erklärung, bevor sie in den Bericht geht.

Der Stolperstein liegt im letzten Schritt. Eine Erklärung wie „Mehrkosten durch höhere Energiepreise“ klingt immer plausibel, auch wenn die Ursache eine falsche Abgrenzung ist. Verlangen Sie deshalb, dass jede vorgeschlagene Ursache auf eine konkrete Buchung oder einen Treiber verweist, den jemand nachsehen kann.

Berichte schreiben lassen: Halluzination und Automation Bias

Sprachmodelle schreiben flüssige Monatskommentare. Genau darin liegt das Risiko. Das BSI beschreibt in seinem Papier zu generativer KI, dass Modelle Inhalte erfinden können, die weder in der Eingabe noch in den Trainingsdaten standen, und dass diese Ausgaben meist glaubhaft wirken. Im Controlling heißt das: eine Kennzahl im Text, die in keiner Tabelle steht, oder eine Veränderung, die das Modell falsch herum beschreibt.

Zwei Regeln halten das Risiko klein. Erstens kommen alle Zahlen im Bericht aus dem System und werden nur eingesetzt, das Modell formuliert lediglich den Text darum. Zweitens prüft eine Person jeden Bericht gegen die Tabellen, bevor er an die Geschäftsführung geht. Das BSI warnt zudem vor dem Automation Bias: Wer monatelang gute Entwürfe sieht, liest irgendwann nicht mehr genau. Feste Stichproben helfen dagegen.

Eine einfache Prüfroutine für jeden KI-Entwurf sieht so aus:

• Jede Zahl im Text ist in einer Tabelle des Berichts zu finden.
• Jede Richtungsangabe wie „gestiegen“ oder „gesunken“ stimmt mit dem Vorzeichen überein.
• Jede genannte Ursache verweist auf einen Treiber, den das Controlling bestätigt hat.

Auch die Reproduzierbarkeit ist ein Thema. Laut BSI kann dieselbe Eingabe bei generativen Modellen unterschiedliche Ausgaben liefern. Archivieren Sie deshalb den freigegebenen Bericht selbst.

Daten, Zugriffe und Personenbezug

Controlling-Daten sind selten öffentlich und oft personenbezogen: Personalkosten je Mitarbeiter, Provisionen im Vertrieb, Reisekosten einzelner Personen. Die Datenschutzkonferenz empfiehlt, vor dem Einsatz zu prüfen, ob Eingaben zum Training des Modells verwendet werden, und Anwendungen vorzuziehen, die das nicht tun.

Das größte Risiko im Alltag ist meist eine Tabelle, die jemand schnell in ein frei zugängliches Chatprogramm kopiert, um sich eine Auswertung schreiben zu lassen. Wie Sie solche Wege erkennen und eingrenzen, erklärt unsere Schwesterseite zu Schatten-KI. Ein freigegebenes Werkzeug mit klaren Zugriffsrechten ist die bessere Antwort als ein Verbot, an das sich niemand hält.

KI im Controlling: Anwendungsfälle im KI-Audit priorisieren

Welcher der drei Fälle zuerst kommt, hängt von Ihren Daten ab. Liegen saubere Zeitreihen über mehrere Jahre vor, lohnt die Prognose. Ist das Berichtswesen der Engpass, beginnen Sie mit Abweichungsanalyse und Kommentarentwurf. Oft hängt alles an der Qualität der Buchhaltung davor, darum lohnt ein Blick auf KI in der Buchhaltung.

Ein KI-Audit stellt Ihre Kandidaten nebeneinander. Es erfasst alle KI-Werkzeuge mit ihren Pflichten in einem KI-Inventar und legt in einem Fahrplan fest, welcher Anwendungsfall im Controlling zuerst umgesetzt wird. Wenn Sie Ihre Ausgangslage besprechen möchten, vereinbaren Sie ein Erstgespräch. So starten Sie mit KI im Controlling dort, wo Ihre Daten es schon tragen.

Mehr dazu: KI-Audit