Healthtech-CFO sagt, das Schwierige ist nicht KI – sondern das, was darunterliegt

Fernando Blumenkron ist CFO beim global agierenden Healthtech-Unternehmen Eden. Derzeit implementiert er KI in den Finanzprozessen, mit besonderem Fokus auf Abrechnung, Forderungsmanagement und Ausgabenkategorisierung.

Wir haben uns mit Fernando zusammengesetzt, um zu erfahren, was er erfolgreich automatisiert hat. Er betont, dass der Erfolg von der zugrunde liegenden Infrastruktur abhängt.

Die Finanzorganisation über die Startup-Phase hinaus skalieren

Ich leite das Finanzwesen bei Eden, einem US-basierten KI-Healthtech-Unternehmen, das in ganz Lateinamerika tätig ist. Das Unternehmen befindet sich in einer Wachstumsphase, mit einer US-Muttergesellschaft und komplexen kaufmännischen, rechtlichen und steuerlichen Strukturen in Mexiko, Brasilien, Kolumbien und anderen Märkten der Region.

Die Finanzabteilung betreut eine Multi-Entity- und Multiwährungs-Organisation mit SaaS- und nutzungsbasierten Umsätzen, Implementierungsservices, Distributorenbeziehungen, Unternehmenskunden, lokalen Anforderungen an die Rechnungsstellung, Wechselkursrisiken sowie Kostenmanagement für KI und Infrastruktur.

Das Team ist schlank und basiert auf den zentralen finanzwirtschaftlichen Säulen: FP&A, Buchhaltung, Abrechnung, Forderungsmanagement, Zahlungsabwicklung, Steuer/Compliance und strategisches Finanzmanagement. Ein wesentlicher Bestandteil meiner Arbeit ist es, die Finanzorganisation vom Startup-Betrieb hin zu einem institutionellen Betriebsmodell zu skalieren – mit stärkeren Kontrollen, besseren Daten, saubereren O2C-Prozessen und einer engeren Zusammenarbeit mit Vertrieb, Recht, Operations und Produktmanagement.

Wie KI die Finanzprozesse transformiert

Im letzten Jahr haben wir Teile der Finanzprozesse von manueller Datenaufbereitung auf KI-unterstütztes Prozessmonitoring umgestellt – besonders bei Abrechnung, Forderungsmanagement und Ausgabenkategorisierung.

Früher hat das Finanzteam zu viel Zeit damit verbracht, Daten aus verschiedenen Systemen zu ziehen, Berichte zu bereinigen, Rechnungsstatus zu prüfen, Fälligkeiten zu überprüfen, Ausgaben zu kategorisieren und manuell Nachverfolgungen zu identifizieren. Die Aufgaben waren zwar notwendig, aber stark operativ und reaktiv geprägt.

Wir haben KI-gestützte Workflows eingeführt, die Finanzdaten überwachen, Ausnahmen aufzeigen, Transaktionen klassifizieren, Inkassoprioritäten identifizieren und die erste Analyseebene für die menschliche Überprüfung vorbereiten. Ziel war es nicht, das Urteilsvermögen der Finanzabteilung zu ersetzen, sondern die repetitive Vorbereitungsarbeit zu eliminieren, die das Team daran hinderte, sich auf Entscheidungen zu konzentrieren.

Das Ergebnis: Das Finanzwesen wurde schneller und proaktiver. Das Team verbringt jetzt weniger Zeit mit Informationssammlung und mehr Zeit damit, darauf zu reagieren: überfällige Konten zu priorisieren, Abrechnungslücken früher zu erkennen, Ausgabentransparenz zu erhöhen und Probleme mit mehr Kontext zu eskalieren. Die wichtigste Verbesserung besteht darin, dass KI uns von „berichten, was passiert ist" zu „erkennen, was Aufmerksamkeit benötigt" gebracht hat.

Wie KI das Mahnwesen im Finanzbereich optimiert

Ein Beispiel hierfür ist die Entwicklung eines KI-gestützten Mahnprozesses.

Ziel der Finanzabteilung ist es, das Forderungsmanagement in einer Anwendung zu bündeln, sodass ein Wechsel zwischen Abrechnungsdaten, Fälligkeitsberichten, E-Mail, Slack, Zahlungsaufzeichnungen und Kundennotizen entfällt.

Die KI erkennt überfällige Konten, liest die Zahlungs- und Kommunikationshistorie, priorisiert Risiken und empfiehlt die nächste Aktion: Erinnerung, Eskalation, Banner, Zahlungsplan oder rechtliche Prüfung. Das System erstellt dann die Nachricht, verfolgt die Antwort, aktualisiert den Fall und eskaliert bei Bedarf.

All dies geschieht innerhalb von Claudes Business-Tier, das sensible Informationen schützt und auch Tokenverbrauch aufweist.

Menschen genehmigen weiterhin sensible Aktionen, aber der Prozess wird automatisierter, zentralisiert und proaktiver.

Warum finanzielles Urteilsvermögen nach wie vor einen menschlichen Faktor braucht

Das führt mich zu einem weiteren Punkt.

KI wird Eingaben für Prognosen, Budgetierungsunterstützung, Abweichungsanalysen, Kostenzuordnung, Priorisierung von Forderungen, Erkennung von Abrechnungsabweichungen, Liquiditätsüberwachung und Risikokennzeichnung liefern. Doch menschliches Urteilsvermögen bleibt erforderlich für Budgetfreigaben, Kapitalallokationen, Kreditentscheidungen, Zahlungspläne, juristische Schritte, Investorenkommunikation und strategische Abwägungen.

Das Prinzip ist einfach: KI soll schneller Risiken, Muster und Optionen aufzeigen. Die Finanzabteilung trifft aber immer noch die Entscheidung, trägt die Verantwortung und wägt unternehmerische Kompromisse ab.

Wie KI Scheinsicherheit schafft, wenn die Dateninfrastruktur mangelhaft ist

Fernandos Gedanken

Am Ende ist KI nicht der schwierige Teil. Der schwierige Teil sind saubere Daten, klare Verantwortlichkeiten und ein klar definierter Prozess.

Die Ergebnisse sind noch früh, da dies Teil unserer Roadmap ist und noch nicht vollumfänglich hochskaliert wurde.

Der Hauptvorteil ist natürlich Geschwindigkeit: weniger Zeit für das Zusammenstellen und Bereinigen von Daten und eine schnellere Identifikation von Abrechnungsdefiziten, Priorisierungen bei Forderungen, Kostenproblemen und Abweichungstreibern.

Die qualitative Verbesserung liegt im Fokus: Die Finanzabteilung kann mehr Zeit mit Urteilsvermögen und Eskalationen verbringen und weniger mit der Erst-Analyse.

Der größte Nachteil ist die Datenqualität. KI kann eine Scheinsicherheit schaffen, wenn die Quelldaten unvollständig oder schlecht strukturiert sind.

Sie hat auch nicht den Bedarf an sauberen Systemen und Kontrollen beseitigt. Wenn Abrechnungsdaten, Kundenstatus, Verträge oder Kostenkategorien inkonsistent sind, liefert KI zwar schnellere Analysen, aber nicht zwingend bessere Analysen.

Am Ende ist KI nicht der schwierige Teil. Der schwierige Teil sind saubere Daten, klare Verantwortlichkeiten und ein klar definierter Prozess.

Verbringen Sie also mehr Zeit im Vorfeld damit, das Datenmodell, Ausnahmeregeln, Freigabepunkte und Ebenen der menschlichen Überprüfung zu definieren, bevor Sie versuchen zu automatisieren. Hätten wir das gemacht, hätten wir viel Nacharbeit und falsch-positive Ergebnisse vermeiden können.

Wie KI finanzielle Kontrolle und Prognosen neu definiert

KI zeigt, dass Kontrolle nicht bedeuten muss, noch mehr Kontrollpunkte, Tabellen oder Freigaben einzufügen. In vielen Fällen entsteht stärkere Kontrolle durch bessere Echtzeit-Transparenz: Ausnahmen werden früher erkannt, ungewöhnliche Muster markiert und Probleme an die richtige Person weitergeleitet – noch vor Monatsabschluss.

KI hat auch unser Verständnis von Prognosen verändert. Die Prognose sollte keine starre, monatliche Übung sein. Sie sollte zu einem dynamischen Modell werden, das sich kontinuierlich aktualisiert, sobald neue Signale eingehen.

Warum CFOs Order-to-Cash für KI neu gestalten sollten

CFOs müssen Order-to-Cash neu denken.

Das Ziel sollte ein integrierter, automatisierter und prüfbarer Ablauf sein – von der Auftragserstellung bis zu Abrechnung, Inkasso und Zahlungserfassung –, damit das Unternehmen den Cashflow so schnell wie möglich freisetzen kann.

Das heißt, KI sollte helfen, Abrechnungsdefizite zu erkennen, Mahnläufe zu starten, Prioritäten beim Forderungsmanagement zu setzen, Zahlungen abzugleichen, Streitfälle zu markieren und Risiken zu eskalieren – und das alles in einem durchgängigen Workflow.

Wir gestalten diesen Bereich um, damit Finance von manueller Nachverfolgung und reaktivem Forderungsmanagement zu proaktiver Umsatzkontrolle wechselt.

Das Ziel ist einfach: schnellere Liquiditätsumwandlung, weniger fehlende Rechnungen, klarere Kontrollen, bessere Prüfungsfähigkeit und mehr Finanzzeit für Urteilsvermögen statt Datensuche.

Wie CFOs KI für kontinuierliche Verbesserung nutzen können

Mein Ratschlag? CFOs sollten alles aufzeichnen und dokumentieren. In einem KI-gesteuerten Betriebsmodell gilt: Was nicht erfasst wird, hat nicht stattgefunden.

Die größte Chance liegt darin, Teams zu befähigen, mit weniger mehr zu erreichen: höhere Leistung, schnellere Analysen und mehr Zeit für Beurteilungen statt für manuelle Vorbereitung.

Aber das eigentliche Ziel ist nicht nur die individuelle Produktivität; es geht darum, kontinuierliche Verbesserungszyklen zu etablieren, in denen KI den Prozess ständig beobachtet, Reibungen erkennt, Lösungen vorschlägt und die Arbeit im Laufe der Zeit einfacher und effizienter macht.

Das Finanzwesen sollte sich in diese Richtung bewegen: KI nicht nur als Werkzeug zu nutzen, sondern Finanzoperationen so zu gestalten, dass sie sich rund um die Uhr selbst verbessern.

Weitere Informationen

Folgen Sie der Arbeit von Fernando Blumenkron auf LinkedIn.

Weitere Experteninterviews gibt es demnächst beim CFO Club!