CFOO sagt: Das eigentliche KI-Projekt sind saubere Daten, nicht clevere Automatisierung

Dave Leaver ist der CFOO von Mention Me, einem B2B-SaaS-Unternehmen der Serie B im Bereich Empfehlungen und Fürsprache.

Wir haben uns mit Dave zusammengesetzt, um herauszufinden, wo KI in Finanzabläufen den größten Hebel bietet. Das hat er gesagt.

CFOs sollten die Richtung vorgeben können – nicht nur darüber berichten

Ich bin Dave. Ich bin CFOO bei Mention Me, einem B2B-SaaS-Unternehmen in London. Außerdem bin ich Mitgründer von HP-1, einer von einer Gründerpersönlichkeit geführten DTC-Marke, die ich von Grund auf aufbaue.

Mein Weg war nicht konventionell. Zunächst strebte ich eine Karriere im Profisport an. Als daraus nichts wurde, ließ ich mich zum Buchhalter ausbilden – und zog dann nach Sydney, um der Sonne nachzujagen.

In den mehr als zwanzig Jahren seither habe ich in der Beratung bei KPMG, in der FMCG-Branche und bei börsennotierten Unternehmen an der ASX gearbeitet, die Finanzen von Prominenten geleitet und umfassende Erfahrung in VC- und PE-finanzierten Tech-Start-ups auf beiden Seiten der Welt gesammelt. Ich habe Finanzabteilungen von Grund auf aufgebaut, Unternehmen über Kontinente hinweg skaliert und die Verantwortung für Gewinn- und Verlustrechnungen im Wert von Hunderten Millionen übernommen.

Aber ich entsprach nie dem Klischee des biederen Buchhalters. Ich liebe Einfachheit, und ich glaube, dass Arbeit wirkungsorientiert sein muss. Wenn eine Aufgabe nichts voranbringt, schaffe ich sie ab.

Dieser Impuls brachte mich in Konflikt mit der traditionellen Arbeitsweise von Finanzabteilungen. Gründlich, präzise und einen Schritt hinter dem Unternehmen – die Zahlen stimmen also, aber wenn die Analyse eintrifft, sind die Entscheidungen bereits getroffen.

Als KI aufkam, setzte ich daher auf sie – nicht als Trend, den man übernehmen sollte, sondern als Möglichkeit, manuelle Arbeit zu eliminieren. Ich verbringe weniger Zeit damit, Zahlen zu berichten, und mehr Zeit damit, ihre Bedeutung zu verstehen und zu bestimmen, wohin sich das Unternehmen als Nächstes entwickeln sollte. Die Systeme, mit denen ich meine eigenen Unternehmen führe, liefern mir Echtzeit-Zahlen, Vorstandsunterlagen, die eine Geschichte erzählen, statt nur darüber zu berichten, und eine schlanke Finanzfunktion, die skaliert, ohne dass die Mitarbeiterzahl steigt.

Ich bin überzeugt, dass ein CFO die Richtung vorgeben können sollte, statt im Nachhinein nur darüber zu berichten.

Ein schlankes, von KI unterstütztes Team

Mention Me ist ein B2B-SaaS-Unternehmen der Serie B im Bereich Empfehlungen und Fürsprache mit Hauptsitz in London, unterstützt von Octopus Ventures und Eight Roads. Wir verkaufen an Marken im Vereinigten Königreich, in Europa und darüber hinaus.

Mein Verantwortungsbereich geht über Finanzen allein hinaus. Er umfasst Finanzen, HR, Strategie und operative Abläufe – ich bin also ebenso nah daran, wie wir Mitarbeiter einstellen und organisieren, wie an den Zahlen.

Die Struktur ist bewusst schlank. Ein kleines internes Team kümmert sich um das Kerngeschäft, während eine ausgelagerte Funktion die transaktionale Arbeit unterstützt. Die Funktion basiert auf KI. Wir haben Berichterstattung, Datenpipelines und Erstanalysen automatisiert – Aufgaben, für die zuvor mehr Arbeitskraft erforderlich war. So kann das Team seine Zeit auf Urteilsvermögen statt auf Produktion verwenden.

Für meine eigene Rolle habe ich denselben Ansatz gewählt. Ich habe einen KI-„Stabschef“ aufgebaut, der mich im Tagesgeschäft unterstützt, meinen Posteingang vorsortiert, kennzeichnet, worauf geantwortet werden muss, Aufgaben aus Besprechungen erfasst und alles in einer morgendlichen Zusammenfassung bündelt, sodass ich jeden Tag genau weiß, worauf ich mich konzentrieren muss.

Wo KI überzeugt und wo Menschen unverzichtbar sind

KI übernimmt die Produktion, Menschen treffen die Urteile – meistens.

Auf der Seite der KI steht alles, was Muster, Berechnungen oder Zusammenstellung beinhaltet. Dazu gehören die Zahlenarbeit bei Prognosen, der Aufbau des Modells, die Fortschreibung der Ist-Zahlen und die Anpassung von Szenarien. Bei Abweichungsanalysen ist KI hervorragend darin, Veränderungen zu erkennen und ihre Ursache zu identifizieren. Sie übernimmt außerdem die Cashflow-Modellierung, die Erstellung der Vorstandsunterlagen und die Erstkommentierung. Im Grunde handelt es sich um die Arbeit, die früher die ganze Woche verschlungen hat. KI ist schneller als ich, wird nicht müde und macht um 21 Uhr keine Rechenfehler.

Menschen kümmern sich ausdrücklich um alles, was Konsequenzen hat oder Kontext erfordert, der der Maschine fehlt. Kapitalallokation – die Entscheidung, wohin das nächste Pfund fließt – ist eine Ermessensentscheidung über Strategie und Risikobereitschaft, keine Berechnung.

Dasselbe gilt für die Annahmen, die jeder Prognose zugrunde liegen: KI kann das Modell ausführen, aber die Entscheidung, ob wir diesen Vertrag wirklich abschließen oder diesen Preis halten werden, ist eine menschliche Entscheidung, und das Ergebnis ist nur so gut wie dieses Urteilsvermögen. Risikobewertung, alles, was Menschen betrifft, und alles, was ich mit meinem Namen darunter dem Vorstand vorlege – dafür bin ich verantwortlich.

Der Grund für diese Trennlinie ist einfach. KI ist hervorragend darin, einem zu sagen, „was“ und „wo“. Bei der Frage nach dem „warum“ ist sie deutlich schwächer, und bei der Frage „Was sollen wir nun damit tun?“ steht für sie nichts auf dem Spiel.

Die Abweichungsanalyse ist das deutlichste Beispiel: KI sagt mir innerhalb von Sekunden, dass sich die Zahl verändert hat, und weist auf den Treiber hin. Was wir als Nächstes tun – dafür werde ich bezahlt.

Wie der Monatsabschluss von 10 auf 3 Tage verkürzt werden kann

Ich habe die Dauer des Monatsabschlusses vor Kurzem von zehn auf drei Tage verkürzt.

Früher musste ich die Zahlen zusammentragen, abstimmen, die Folien erstellen, den Kommentar verfassen und die Diagramme neu aufbauen – größtenteils von Hand, wobei eine oder zwei Personen den Großteil der Arbeit erledigten. Wenn das Vorstandspaket vorlag, beschrieb es eine Situation, die bereits mehrere Wochen veraltet war.

Ich habe die Erstellung automatisiert und die Menschen mit der Beurteilung betraut. Jetzt schließen wir innerhalb von drei Tagen ab – einschließlich des Vorstandspakets und aktualisierter Prognosen.

Hier ist der Prozess – vom Rohbuchungsjournal bis zum vorstandstauglichen Paket.

1. Der Prozess beginnt mit den Daten. Anstatt Zahlen zu exportieren und in eine Tabellenkalkulation einzufügen, ruft die Plattform Live-Daten aus den Quellsystemen ab – dem Buchungsjournal, der Lohnabrechnung, der Vertriebspipeline und den Abonnementkennzahlen – und führt sie in einem vernetzten Modell zusammen. Dieser einzelne Schritt beseitigt den größten Teil des manuellen Aufwands und der Kopier-und-Einfügefehler.
2. Sie strukturiert und prüft die Daten: Sie standardisiert die Zahlen, weist automatisch auf Abstimmungsprobleme hin und aktualisiert im selben Durchlauf die Prognose anhand der Ist-Zahlen. So bleibt der Ausblick nie hinter der gemeldeten Situation zurück.
3. Sie erstellt die Ergebnisse. Die Diagramme und das Vorstandspaket werden aus dieser einen Quelle zusammengestellt, und die KI erstellt einen ersten Kommentarentwurf dazu, was sich verändert hat. So beginne ich mit einem Entwurf statt mit einer leeren Seite.
4. Der Mensch übernimmt – und zwar den entscheidenden Teil. Ich prüfe die Darstellung auf Herz und Nieren und entscheide, was der Vorstand hören muss: Was ist nur ein kurzfristiger Ausreißer, was ist strukturell und welche Entscheidung empfehle ich? Die Maschine liefert innerhalb weniger Stunden einen starken Entwurf; die Beurteilung seiner Bedeutung bleibt meine Aufgabe.

KI übernimmt die Produktion von Anfang bis Ende – bis zu dem Punkt, an dem Konsequenzen entstehen. Dort komme ich ins Spiel.

Geschwindigkeit und Qualität haben sich gleichzeitig verbessert. Das Paket spiegelt wider, wo das Unternehmen jetzt steht, nicht vor drei Wochen. Da ich die Zahlen nicht mehr mühsam in Form bringen muss, widme ich meine Zeit der Gestaltung der Darstellung, dem Verständnis der Faktoren hinter den Veränderungen und der Entscheidung, welche Beschlüsse ich dem Vorstand vorlege. Kurz gesagt: Wir haben aufgehört, die Zahlen nur zu berichten, und begonnen, sie zu erklären.

Die Vor- und Nachteile von KI im Finanzwesen

Die guten Ergebnisse sind messbar. Neben den Verbesserungen beim Monatsabschluss dauert die Szenarioplanung jetzt Minuten statt ein oder zwei Tage. Und die Automatisierung der Produktionsarbeit hat Personalkosten im Finanzbereich in sechsstelliger Höhe eingespart, die der Bereich andernfalls benötigt hätte – eine Kostenersparnis, die alles andere finanziert.

Ein weniger offensichtlicher, qualitativer Vorteil ist die Zeit, die ich eingespart habe. Die Stunden, die ich früher mit dem Zusammenstellen von Zahlen verbracht habe, fließen jetzt in deren Interpretation. Das macht Gespräche mit dem Vorstand präziser und verwandelt den Bereich von einer Berichtsfunktion in eine entscheidungsorientierte Funktion.

Doch es gibt auch einen echten Nachteil. KI liegt manchmal selbstbewusst falsch. Sie liefert ausgefeilt wirkende Antworten, die subtil fehlerhaft sind – eine falsch verstandene Annahme oder eine Zahl, die nicht aufgeht. Ihre sprachliche Sicherheit macht es leicht, ihr zu vertrauen, ohne nachzuprüfen.

Wenn man sie um Lebensberatung bittet, zeigt sich dasselbe auf unterhaltsamere Weise: Sie ist überaus selbstsicher, stimmt einem normalerweise zu und erzählt oft völligen Unsinn.

Im Finanzbereich ist das lediglich schwerer zu erkennen. Anfangs ist mir das mehr als einmal zum Verhängnis geworden. Ich musste im Team die Disziplin aufbauen und verankern, KI-Ausgaben als ersten Entwurf und niemals als endgültige Antwort zu behandeln. Ein Mensch prüft weiterhin jede Zahl, die dem Vorstand präsentiert wird.

Warum CFOs vor der Integration von KI die Grundlagen schaffen müssen

Dave teilt

Die Datengrundlage ist das Projekt, nicht die Aufwärmphase dafür … Die Magie funktioniert erst, wenn die langweilige Grundlagenarbeit erledigt ist.

Die Datengrundlage ist das Projekt, nicht die Aufwärmphase dafür.

Als ich angefangen habe, dachte ich, die schwierige und wertvolle Arbeit sei die KI: die Modelle, die Automatisierung, die cleveren Ergebnisse. Ich betrachtete das Bereinigen und Verbinden der Daten als schnelle Vorbereitung, bevor der eigentliche Aufbau begann. Das war genau verkehrt herum.

Die Grundlage war der Aufbau. Der größte Teil des Aufwands und auch das meiste, was darüber entschied, ob das Ganze tatsächlich funktionierte, lag in der unspektakulären Ebene: saubere Daten, eine sinnvolle Struktur und zuverlässige Verbindungen zu Quellsystemen.

Infolgedessen investierte ich anfangs viel Arbeit darin, auf nicht vorbereiteten Daten raffinierte Funktionen aufzubauen, und erhielt ein poliertes Ergebnis, dem ich nicht vollständig vertrauen konnte. Das bedeutete, dass ich anschließend ohnehin zurückgehen und die grundlegende Arbeit erledigen musste. Hätte ich es gewusst, hätte ich es anders angeordnet: Zuerst die technische Grundlage richtig aufsetzen und dann die Intelligenz darauf aufbauen. Dasselbe Ziel, halb so viel vergeudete Arbeit.

Die Magie funktioniert erst, wenn die langweilige Grundlagenarbeit erledigt ist.

Wie CFOs die Personalplanung mit KI verbessern können

In den meisten Unternehmen und insbesondere im SaaS-Bereich, in dem die Mitarbeitenden mit Abstand den größten Kostenfaktor darstellen, bleibt die Personalplanung ein grobes Instrument. Diese Unternehmen verwenden eine Tabelle mit Stellen, einen zum Zeitpunkt der Budgetplanung festgelegten Einstellungsplan und eine Zahl, die alle als feststehend betrachten, bis etwas eine Neubewertung erzwingt. Das ist merkwürdig, denn dies ist der größte einzelne Hebel, den ein CFO kontrolliert, und dennoch modellieren sie ihn oft auf die am wenigsten dynamische Weise.

Ich habe unseren Ansatz für die Personalplanung neu gestaltet und von einer statischen Liste auf ein treiberbasiertes Modell umgestellt, das mit dem restlichen Plan verbunden ist. Statt „Wir werden dieses Jahr zwölf Personen einstellen“ heißt es nun: „Diese Stelle wird durch dieses Pipeline-Volumen ausgelöst, jene durch das Erreichen dieser Umsatzschwelle ...“ Dadurch wird die Einstellung mit den Faktoren verknüpft, die sie rechtfertigen.

Da sie in das verbundene Modell integriert ist, kann ich sie live anpassen: eine Einstellung hinzufügen, den Zeitpunkt ändern und unmittelbar verfolgen, wie sich dies in der Gewinn- und Verlustrechnung, der Liquiditätsposition und der Liquiditätsreichweite auswirkt.

Dadurch war die Personalplanung keine jährliche Schätzung mehr, sondern wurde zu einer Echtzeitentscheidung. Wenn jemand fragt: „Können wir uns diese Einstellung leisten?“, kann ich die Frage noch im Meeting beantworten – nicht aus dem Bauch heraus, sondern anhand ihrer Auswirkungen auf Liquiditätsreichweite und zeitlichen Verlauf. Dadurch wird eines der folgenreichsten und emotionalsten Gespräche im Unternehmen unmittelbar auf eine zahlenbasierte Grundlage gestellt.

Warum Claude ein unverzichtbares Tool für CFOs ist

Claude ist ohne zu zögern mein bevorzugtes Tool. Es ist kein speziell für den Finanzbereich entwickeltes Tool, und genau deshalb gefällt es mir so gut: Es übernimmt alles, woran andere Tools scheitern.

Ehrlich gesagt hatte ich von standardmäßig verfügbaren Finanztools, die einem bestehenden Produkt nachträglich „KI“ hinzugefügt haben, mehr erwartet. Die meisten davon sind Chatboxen auf derselben Software, und sie verändern nicht grundlegend ,wie die Arbeit erledigt wird. Sie erledigen eine Aufgabe gut – wenn überhaupt.

Claude kann dagegen alles. Es erstellt die Modelle, formuliert die Erläuterungen für den Vorstand, analysiert die Daten, schreibt die Auswertung und fungiert als Sparringspartner, mit dem ich Entscheidungen bespreche. Es bewältigt die große Bandbreite an Aufgaben, die meine Woche ausfüllen, und passt sich an alles an, was ich ihm als Nächstes übertrage.

Der größte Fehler, den CFOs bei KI machen

Hier ist mein Rat:

1. Der größte Fehler, den ich sehe, ist, dass CFOs KI als Beschaffungsentscheidung behandeln – als zwölfmonatige Bewertung, Pilotphase und Einführung. Ich habe diesen Fehler selbst gemacht. Wenn dieser Prozess abgeschlossen ist, haben sich die Tools bereits zweimal verändert. Nutzen Sie sie stattdessen selbst, bei echter Arbeit, noch in dieser Woche. Sie werden in zwei Wochen praktischer Anwendung mehr darüber erfahren, wo sie hilft und wo sie Sie in die Irre führt, als durch jede Produktvorführung eines Anbieters.
2. Warten Sie nicht auf das perfekte Tool. Der Markt für Standardlösungen bietet nach wie vor größtenteils eine Chatbox, die an alte Software angeflanscht wurde. Sie können mehr selbst entwickeln, als Sie denken; die Hürde für die Erstellung eigener Lösungen ist stark gesunken. CFOs, die sich künftig an die Spitze setzen werden, betrachten das als eine Fähigkeit, die es zu entwickeln gilt, und nicht als eine Dienstleistung, die man einkauft.
3. Am wichtigsten ist, dass Sie den langweiligen Teil richtig machen. Saubere Daten und solide Prozesse sind nicht nur eine wenig glamouröse Voraussetzung für KI; sie sind der Kern der gesamten Angelegenheit. KI auf der Grundlage unordentlicher Daten produziert lediglich schneller selbstbewussten Unsinn. Schaffen Sie zuerst die Grundlagen.
4. Und behalten Sie Ihr Urteilsvermögen im Mittelpunkt. KI verändert, wie Arbeit erstellt wird, nicht, wer dafür verantwortlich ist. Die Fähigkeit, die wichtiger denn je ist, besteht nicht darin, die Analyse zu erstellen – sondern darin zu wissen, ob sie richtig ist und was man dagegen unternehmen sollte. Das ist nach wie vor die Aufgabe. Das war sie schon immer.

Auf dem Laufenden bleiben

Sie können die Arbeit von Dave Leaver auf LinkedIn verfolgen.

Weitere Experteninterviews folgen im The CFO Club!