Alles „Claw“: Agentenbasierte KI in der Finanzfunktion

Praxis: Was OpenClaw zeigt – und was nicht

OpenClaw ist kein Blueprint für einen Konzern. Es zeigt jedoch vier Prinzipien, die in jeder agentischen Architektur wiederkehren – und damit auch im Finanzressort relevant sind:

• Spezialisierung schlägt Universalität: Anstelle eines allmächtigen „Superagenten“ arbeitet ein Verbund klar abgegrenzter Agenten zusammen. Jeder ist für eine Aufgabe optimiert – etwa Recherche, Analyse oder Dokumentation.

• Werkzeuge bestimmen den Nutzen: Agenten sind nur so leistungsfähig wie die Systeme, auf die sie zugreifen dürfen. In der Finanzfunktion sind das Buchhaltung, Konsolidierung, Treasury und Business Intelligence (BI) – also genau jene Plattformen, die CFOs bereits heute verantworten.

• Der Mensch bleibt am Steuer – aber anders: Wertschöpfung verschiebt sich vom operativen Tun zum Beurteilen, Priorisieren und Freigeben. Verantwortung wird nicht delegiert, sondern neu wahrgenommen.

• Nachvollziehbarkeit ist zwingend: Jede Aktion eines Agenten muss vollständig dokumentiert sein. Was im persönlichen Umfeld Komfort ist, ist im Konzern Pflicht – ohne lückenlosen Audit-Trail kein produktiver Einsatz.

Genau hier beginnt die Rolle der CFOs: das Funktionierende aus der Entwicklerwelt in ein reguliertes, prüfbares und steuerbares Finanzumfeld zu übersetzen.

An dieser Stelle setzt auch die Industrie an. Große Technologieanbieter arbeiten daran, agentische Konzepte Enterprise-tauglich zu machen – integriert in bestehende Systemlandschaften, steuerbar, auditierbar und sicher. Der gemeinsame Nenner dieser Ansätze ist eine Plattformlogik, bei der Daten, Prozesse und KI-Funktionen zusammengeführt werden, um Agenten kontrolliert handeln zu lassen.

Am Beispiel Microsoft lässt sich diese Entwicklung besonders gut illustrieren: Datenplattformen schaffen eine einheitliche, verlässliche Basis, auf der Agenten mit klaren Rollen, Berechtigungen und Governance-Mechanismen an Geschäftsprozesse angebunden werden. Ergänzend ermöglichen Low-Code-Werkzeuge es den Fachbereichen, solche Assistenten selbst zu konfigurieren. Entscheidender als der Anbieter ist dabei die Richtung: Agenten übernehmen mehrstufige Arbeitspakete, holen an definierten Punkten Freigaben ein und bleiben für CFOs jederzeit transparent und kontrollierbar.

Use-Cases im Finanzressort: Was ändert sich für CFOs?

So könnte ein Morgen im Finanzressort bald aussehen: Um sieben Uhr früh meldet sich der digitale Assistent auf dem Smartphone der CFO. Über Nacht hat ein Agent die neuesten Zahlen geprüft und Auffälligkeiten entdeckt: Im Markt X sind die Umsätze im Vergleich zum Vormonat deutlich gesunken; in Kostenstelle Y liegen ungewöhnlich viele überfällige Forderungen. Die CFO bekommt in diesem Moment bereits einen zusammengefassten Bericht in ihr E-Mail-Fach – mit den wichtigsten Kennzahlen, den identifizierten Ursachen und ersten Vorschlägen für Gegenmaßnahmen. Drei Optionen stehen zur Auswahl, jeweils mit Wirkungsschätzung. Noch bevor der erste Kaffee leer ist, kann die CFO via Tablet die favorisierte Maßnahme freigeben. Für einen Punkt, den sie tiefer verstehen will, schreibt sie in natürlicher Sprache zurück an den Agenten und fordert eine detaillierte Kostentreiberanalyse an. Dieser macht sich umgehend an die Arbeit. „Just talk to it“ gilt nicht nur für Entwickler:innen – auch Finanzchef:innen werden künftig so arbeiten.

Eine solche Szene mag heute noch futuristisch klingen, doch die Bausteine dafür sind bereits erkennbar. Die spannendste Frage lautet dabei nicht mehr, ob KI-Agenten in der Finanzfunktion ankommen, sondern wo zuerst. Fünf Anwendungsfelder zeichnen sich ab:

   1. Closing und Konsolidierung

Der Monats- und Quartalsabschluss ist ein klassischer Kandidat – viele wiederkehrende Schritte, klare Regeln, hoher Zeitdruck. Ein orchestriertes Agententeam könnte mit dem Ziel „Monatsabschluss“ eigenständig die Bewegungsdaten aus den Vorsystemen ziehen, Abstimmungslisten vorbereiten, Auffälligkeiten kennzeichnen und erste Buchungsvorschläge erstellen (Stichwort: Smart Closing und Reporting). Der Mensch behält die Hoheit über Wertungs- und Ermessensspielräume und gibt kritische Schritte final frei. Realistischer Effekt: deutlich verkürzte Closing-Zyklen, weniger Überstunden – nicht dadurch, dass Mitarbeiter:innen ersetzt würden, sondern dadurch, dass sie das tun, wofür sie eigentlich ausgebildet sind.

Month-End-Close mit und ohne KI-Agenten

   2. Forecasting und FP&A

In Planung und Forecasting verschiebt sich der Schwerpunkt vom Datensammeln zum Denken in Szenarien. Ein Agentenverbund kann alle Ist-Daten aufbereiten, treiberbasierte Modelle laufend aktualisieren, Sensitivitäten berechnen und Abweichungen automatisch kommentieren. Die Teams, die für Financial Planning & Analysis (FP&A) zuständig sind, bekämen damit endlich das, was sie sich seit 20 Jahren wünschen: Zeit für Analyse statt für Excel-Pflege. Vorsicht ist bei generativen Forecasts geboten – Modelle, die Zahlen „erfinden“, haben in einer seriösen Planung nichts verloren. Agenten müssen ihre Quellen offenlegen.

   3. Steuern

Im Tax-Bereich treffen hohe Komplexität, ständige Regeländerungen und enge steuerliche Fristen aufeinander. Agenten können Belege klassifizieren, Stammdaten gegen Steuersätze prüfen, Meldungen vorbereiten und proaktiv auf neue Gesetzgebung hinweisen. Die fachliche Verantwortung bleibt beim Menschen – die Vorbereitung wird zum Großteil automatisiert. Gerade für mittelständische Strukturen, in denen Steuerthemen oft der Engpass sind, liegt hier ein erheblicher Hebel.

   4. Treasury

Liquiditätssteuerung lebt von Geschwindigkeit. Ein Agent, der Kontostände konsolidiert, Cashflow-Prognosen aktualisiert, Limits-Auslastungen überwacht und bei Abweichungen sofort warnt, schafft etwas, das vorher nur in den größten Treasury-Abteilungen möglich war: eine Sicht auf die Liquidität des Konzerns nahezu in Echtzeit. Transaktionen selbst sollten vorerst dem Menschen vorbehalten bleiben – aus Governance-Gründen und um Vertrauen aufzubauen.

   5. Audit, Compliance und interne Kontrollen

Hier zeigt sich der Doppelcharakter von Agentic AI besonders deutlich. Agenten können Kontrollen testen, Auffälligkeiten markieren, Dokumentationen erstellen – und müssen gleichzeitig selbst kontrolliert werden. Wer Agenten in der Internen Revision einsetzt, muss zwingend zweite Agenten bauen, die deren Arbeit überwachen, plus menschliche Reviews. Das klingt aufwendig, ist aber im Vergleich zur heutigen, weitgehend manuellen Prüfarbeit immer noch ein Effizienzgewinn.

Über alle fünf Felder gilt eine einfache Faustregel: Agenten sind dort am stärksten, wo Aufgaben strukturiert, wiederkehrend und prüfbar sind. Sie sind schwach, wo es um Verhandlung, die Bewertung von Mehrdeutigkeit oder um unternehmenspolitische Abwägungen geht. Diese Tätigkeiten bleiben menschlich – und werden künftig den größeren Anteil der CFO-Arbeit ausmachen.

Reifegradmodell: vom Chatbot zur agentischen Organisation

Risiken & Governance: Wer überwacht KI-Agenten?

Mit der Macht der Agenten kommt eine neue Klasse von Risiken. Bisher standen vor allem Output-Risiken im Fokus – also die Gefahr falscher oder unpassender Inhalte aus KI-Systemen. Jetzt treten Aktionsrisiken hinzu: Fehler eines Agenten können direkt finanzielle oder operative Auswirkungen haben. Vier Bereiche verdienen besondere Aufmerksamkeit:

• Halluzinationen: Sprachmodelle erzeugen plausible, aber gelegentlich falsche Inhalte. In einem Marketingtext ist das ärgerlich, in einer Bilanz inakzeptabel. Die Antwort liegt im Grounding: Agenten dürfen Zahlen nicht generieren, sondern nur aus belegten Quellen ziehen. Jede Aussage braucht eine nachvollziehbare Herkunft.

• Autonomie: Je mehr ein Agent darf, desto größer ist der mögliche Schaden bei Fehlverhalten. Das Mittel der Wahl sind abgestufte Berechtigungen: Lesen ist großzügiger zu erlauben als Schreiben, Schreiben großzügiger als Bezahlen. Sicherheitsrelevante Aktionen verlangen menschliche Freigabe – das sogenannte „Human in the Loop“-Prinzip ist hier nicht Floskel, sondern Architekturprinzip.

• Auditierbarkeit: Jede Agentenaktion muss vollständig protokolliert sein – welcher Agent, welcher Auftrag, welche Datenquelle, welches Ergebnis, welche Freigabe. Ohne dieses Logging ist weder die Interne Revision noch die Wirtschaftsprüfung zufriedenzustellen.

• Regulierung: Der EU AI Act stuft KI-Systeme nach Risiko ein. Agenten, die in finanziell sensible Prozesse eingreifen, fallen je nach Anwendungsfall in höhere Risikoklassen, mit entsprechenden Pflichten zu Dokumentation, Risikomanagement und menschlicher Aufsicht. Hinzu kommen die DSGVO, branchenspezifische Vorgaben (BWG, VAG, MaRisk-Pendants) und – nicht zuletzt – arbeitsrechtliche Themen rund um den KI-Einsatz.

Eine pragmatische Antwort liegt in einem klaren Governance-Rahmen: Use-Cases werden vor dem Start klassifiziert, jeder Agent hat eine fachlich verantwortliche Person, jede Aktion einen definierten Eskalationspfad. Wer hier abkürzt, baut technologische Schuld auf, die später teuer wird. Unterm Strich ändert sich eines nicht: Die Verantwortung für Zahlen, Prozesse und Entscheidungen bleibt bei den CFOs. Agenten erweitern den Handlungsspielraum – sie verteilen ihn nicht.

Governance-Checkliste für CFOs

1. Use-Case klassifizieren: Bewertung von Risiko, Datenkategorien, Regulierungsbezug vor dem Start
2. Datenraum definieren: Welche Daten darf der Agent lesen, wo darf er schreiben?
3. Identitäten und Rechte festlegen: Zuweisung einer eigenen technischen Identität pro Agent, Zugriffsrechte & Co. auf das notwendige Minimum beschränken
4. Audit-Log aufsetzen: lückenlose, manipulationssichere Aufzeichnung aller Aktivitäten
5. Approval-Stufen definieren: Freigaben für Lesen/Schreiben/Zahlen abgestuft nach Wirkung
6. Eskalationspfad festlegen: Umgang mit Anomalien und Modellfehlern definieren
7. EU-AI-Act-Mapping: Risikoklasse definieren und damit verbundene Pflichten zu Dokumentation, Risikomanagement & Co. ableiten
8. KPIs definieren: Durchlaufzeit, Fehlerquote, Wiederholbarkeit, Mitarbeiter:innenzufriedenheit

Die neue CFO-Rolle: Dirigent:in statt Zahlenhüter:in

Wenn Agenten einen wachsenden Teil der operativen Finanzarbeit übernehmen, verschieben sich die Anforderungen an die Führung des Ressorts. Vier Aspekte werden in der neuen Rolle der CFOs zentraler:

1. Architekt:in der Datenbasis: Agenten sind nur so gut wie die Daten, auf die sie zugreifen. CFOs werden zunehmend dafür verantwortlich, dass es eine vertrauenswürdige, aktuelle, einheitliche und KI-taugliche Datenbasis gibt – über alle Vorsysteme hinweg. Wer hier nicht investiert, automatisiert nur Chaos.
2. Designer:in des Operating-Models: Welche Aufgaben bleiben menschlich, welche werden agentisch, welche hybrid? Wo liegen ­Freigabepunkte, wer trägt die Verantwortung für eine Agenten-Entscheidung? Das sind Fragen, die CFOs beantworten müssen – gemeinsam mit CIO, CDO und Personalverantwortung, aber als treibende Kraft.
3. Kurator:in von Talenten – menschlich und digital: Neben klassischen Finance-Profilen entstehen neue Rollen: Agent-Owners, die fachliche Verantwortung für einen Agenten tragen; Prompt- und Workflow-Designer:innen, die Agentenfähigkeiten gestalten; KI-Auditor:innen, die die Maschine prüfen. Umso wichtiger ist es jetzt, bestehende Mitarbeitende weiterzuentwickeln, damit sie die neue Rolle erfüllen.
4. Dirigent:in eines hybriden Teams: Der Begriff „Zahlenhüter:in“ beschreibt eine Vergangenheit, in der Information knapp und Verarbeitung teuer war. Beides hat sich umgekehrt. Die neue Knappheit liegt in Urteilskraft, Vertrauen und in der Fähigkeit, ein hybrides Team zum Klingen zu bringen.

Fazit: Hybride Teams als Zukunft der Finanzfunktion

Die agentische Organisation ist keine ferne Vision, sondern entsteht in vielen kleinen Schritten – in Entwicklerteams ebenso wie in Pilotprojekten der Finanzfunktion. CFOs, die jetzt mit klar begrenzten, produktiven Agenten starten, bauen ein Operating Model auf, das in wenigen Jahren zum Referenzpunkt wird. Der Sprung vom Zahlenhüten zum Dirigieren ist dabei kein Etikettenwechsel, sondern eine Verschiebung von Aufmerksamkeit und Verantwortung: weg vom operativen Tun, hin zum Führen eines hybriden Teams aus Menschen und Maschinen.

Bei EY unterstützen wir CFOs dabei mit einem ganzheitlichen Beratungsangebot – von der Entwicklung einer KI- und Agentic-Strategie über die Umsetzung erster produktiver Agenten und den Aufbau einer skalierbaren Agentenplattform auf soliden Daten- und Architekturgrundlagen bis hin zur Einführung robuster Agentic-Governance und der Anpassung von Operating-Model und Kultur.

FAQ – Häufig gestellte Fragen zu KI-Agenten