KI in der Financial Advisory: Was heute funktioniert und was nicht

KI-Tools sind in der Financial Advisory angekommen. Ob sie Zeit sparen, entscheidet sich aber nicht am Tool, sondern an der Datenbasis und am Prozess dahinter. Anton Trauttmansdorff, Associate bei VALTUS Management Factory, über die Arbeitsschritte, die heute wirklich schneller werden, und über die Grenzen, die sich dabei zeigen.

Viel KI-Nutzung, wenig Steuerung

Die praktische Anwendbarkeit von KI hat in den vergangenen Monaten spürbar zugenommen. Sprachmodelle sitzen inzwischen direkt in Excel, greifen auf Dateiablagen zu und arbeiten mit Tabellenlogiken, an denen sie vor zwei Jahren noch gescheitert sind. In den meisten Beratungshäusern passiert die Nutzung trotzdem ungesteuert. Einzelne Teams probieren Tools aus, jemand baut sich einen Workflow, andere nutzen gar nichts. Eine gemeinsame Linie, welche Arbeitsschritte systematisch mit KI bearbeitet werden, fehlt.

Das ist nachvollziehbar. Wer sich heute auf einen Anbieter festlegt, kann in einem halben Jahr auf der falschen Seite stehen. Viele Organisationen warten deshalb bewusst ab. Der Preis dafür: Erfahrung sammelt sich nicht an, sondern bleibt bei denjenigen, die zufällig früh angefangen haben.

Wo KI in der Financial Advisory an harte Grenzen stößt

Das erste Problem ist die Datenlage beim Kunden. Saubere, einheitlich strukturierte Finanzdaten sind die Ausnahme. In der Praxis treffen unterschiedliche ERP-Systeme, gewachsene Kontenlogiken, abweichende P&L-Strukturen und inkonsistente Buchungen aufeinander. Bevor ein Modell überhaupt sinnvoll rechnen kann, muss ein Mensch diese Datenbasis herstellen. Diese Vorarbeit verschwindet nicht durch bessere Tools.

Das zweite Problem ist Datensicherheit. Bei einem Teil der Mandate scheidet der Einsatz externer Tools von vornherein aus. Was übrig bleibt, ist eine kleinere Auswahl an Lösungen oder der Aufbau eigener Infrastruktur.

Das dritte Problem wiegt am schwersten und wird am häufigsten unterschätzt: die Fehlerquote. KI liefert oft sehr gute Ergebnisse. Sehr gut reicht in der Financial Advisory nicht. Analysen, Bewertungen und Empfehlungen, die einer Bank oder einem Gesellschafter vorgelegt werden, müssen belastbar sein. Nicht überwiegend.

Das Mapping von Buchungen aus Saldenlisten zeigt das Muster gut. Auf dem Papier ein perfekter KI-Anwendungsfall: repetitiv, regelbasiert, große Menge. Sobald die Zuordnung aber nicht vollständig korrekt ist, wandert jede einzelne Position in die manuelle Kontrolle. Vom Zeitgewinn bleibt wenig übrig. Dasselbe gilt für die Analyse von Finanzdaten. Trends und Auffälligkeiten erkennt ein Modell zuverlässig. Ist ein einzelner Fehler möglich, braucht es trotzdem eine vollständige Validierung.

Vier Felder, in denen KI in der Restrukturierungsberatung heute Wirkung zeigt

Nutzen entsteht dort, wo sich Arbeitsschritte wiederholen und das Ergebnis ohnehin einen zweiten Blick bekommt. Im Financial Advisory von VALTUS Management Factory sind das vier Bereiche.

Datenaufbereitung

Im Rahmen von Fortbestehensprognosen und Independent Business Reviews beginnt die Arbeit fast immer bei der Saldenliste und endet bei aufbereiteten historischen GuV-, Bilanz- und Cashflow-Strukturen samt erster inhaltlicher Interpretation für den Report. Die Datenquellen unterscheiden sich von Kunde zu Kunde, der Ablauf bleibt gleich. Genau diese Wiederholung macht den Schritt für KI zugänglich. Die Grenze zeigt sich sofort, wenn Buchungen inkonsistent sind oder Buchungstexte über Jahre uneinheitlich vergeben wurden. Die Analyse ist nie besser als die Daten darunter.

Monitoring

Restrukturierungsmaßnahmen brauchen ein funktionierendes Frühwarnsystem. Werden Covenants eingehalten? Wie entwickeln sich die Margen? Wie stabil ist die Liquidität? Solche Auswertungen lassen sich mit KI schneller strukturieren und in kurzen Intervallen aktualisieren. Besonders tragfähig wird das, wenn vergleichbare historische Fälle vorliegen, an denen sich die Bewertung ausrichten lässt. Unvollständige Daten machen aus einem Frühwarnsystem allerdings schnell ein Alarmsystem, das zur falschen Zeit schweigt.

Planung

Bei Liquiditätsplanung und integrierter Businessplanung hilft KI in zwei Richtungen. Beim Aufbau neuer Modelle schlägt sie Strukturen vor und setzt Logiken sauber auf. Bei bestehenden Modellen findet sie Brüche: falsch gezogene Formeln, inkonsistente Verknüpfungen, Logikfehler, die über Jahre niemandem aufgefallen sind. Dazu kommt die Herleitung von Annahmen. Margen, Kostenstrukturen und Wachstumsraten lassen sich aus historischen Kennzahlen ableiten, statt sie zu setzen und später zu verteidigen.

Dokumentanalyse

Kreditverträge, Lieferantenvereinbarungen, Gesellschafterbeschlüsse: In Restrukturierungen und M&A-Prozessen liegen schnell mehrere hundert Seiten auf dem Tisch. Covenants, Zahlungsbedingungen und kritische Klauseln findet ein Modell darin deutlich schneller als ein Team im Datenraum. Auch die Verknüpfung mit operativen Daten wird einfacher, etwa bei der Einschätzung von Zahlungsrisiken auf Basis von Kreditorenlisten. Die manuelle Prüfung ersetzt das nicht. Sie startet nur später und gezielter.

Daneben gibt es die unspektakulären Anwendungen, die in Summe trotzdem Stunden sparen: Markt- und Wettbewerbsrecherche, Meeting-Agenden, Korrespondenz, das Zuordnen von Buchungen zu Kontenstrukturen.

Prozesse zuerst, Tools danach

Die Frage nach dem besten KI-Tool führt in die Irre. Sie ist die zweite Frage, nicht die erste. Am Anfang steht die Bestandsaufnahme: Welche wiederkehrenden Arbeitsschritte gibt es überhaupt, und welche davon lassen sich sinnvoll automatisieren? Erst danach wird die Toolauswahl beantwortbar.

Wer die Reihenfolge umdreht, landet bei Insellösungen. Sie funktionieren, solange der Anbieter vorne liegt, und verlieren ihren Wert, sobald ein besseres Produkt kommt. Aktuell passiert genau das im Halbjahrestakt. Eine Organisation, die ihre Arbeitsweise an einzelnen Tools ausrichtet, bleibt im Reaktionsmodus. VALTUS Management Factory setzt deshalb am Prozess an und tauscht die Werkzeuge darin aus, wenn es bessere gibt.

KI ersetzt keine fachliche Verantwortung

KI steigert die Produktivität, verkürzt Durchlaufzeiten und verändert Arbeitsweisen. Was sie nicht verändert, ist die Verantwortung für das Ergebnis. Die bleibt bei dem, der die Analyse unterschreibt und sie gegenüber Banken, Gesellschaftern oder Gerichten vertritt.

Der größte Nutzen entsteht deshalb dort, wo KI gezielt unterstützt, und nicht dort, wo vollständige Automatisierung erwartet wird. Unternehmen, die klar benennen, wofür sie KI einsetzen und wo sie es bewusst nicht tun, kommen weiter als jene, die auf das nächste Tool warten.