Wie weit ist das Controlling wirklich mit KI? Ergebnisse einer LinkedIn-Umfrage
Was 45 Stimmen aus LinkedIn über den tatsächlichen Stand von KI im Controlling verraten und warum der erste Schritt oft wichtiger ist als das perfekte Werkzeug.
Auf einen Blick:
- Ein erster kleiner Anwendungsfall sorgt mehr für Akzeptanz und Lernerfahrung als ein ambitioniertes Leuchtturmprojekt, das in weiter Ferne ist und schwer erreicht werden kann.
- KI kann erst dann im Controlling ihre Wirkung entfalten, wenn zuerst das Problem identifiziert und dann das passende Werkzeug gewählt wird.
- Über Erfolg oder Misserfolg entscheidet der Übergang vom Prototyp zum Regelbetrieb – und der wird ohne gute Strategie scheitern.
Alle Seminare rund um KI im Controlling finden Sie hier.
Über KI im Controlling wird derzeit viel gesprochen. Auf Konferenzen, in Fachartikeln und in nahezu jedem Strategiegespräch taucht das Thema auf. Mich hat weniger das große Versprechen interessiert als die Frage, wie weit die Teams im Arbeitsalltag tatsächlich schon sind. Deshalb habe ich auf LinkedIn eine kurze Umfrage erstellt und 45 Personen haben abgestimmt. Das ist keine repräsentative Studie, sondern ein Stimmungsbild aus meinem Netzwerk. Da jedoch in diesem Netzwerk überdurchschnittlich viele Menschen unterwegs sind, die sich ohnehin mit KI und Data Science beschäftigen, dürfte das Bild eher zu optimistisch als zu pessimistisch ausfallen.
Die Ergebnisse der Umfrage:
- 45 Controllerinnen und Controller haben an einer LinkedIn-Umfrage zum Stand von KI im Controlling teilgenommen.
- 44 % stecken in ersten Versuchen, allerdings ohne Plan.
- 33 % sprechen bislang nur über das Thema.
- 20 % nutzen einzelne Use Cases bereits produktiv.
- Nur eine einzige Person gab an, KI fest in die Prozesse integriert zu haben.
- Der Unterschied zwischen einem Versuch, der versandet, und einem, der bleibt, liegt weniger am Tool als an einer klaren Zielsetzung.
Die Ausgangslage: viel Gespräch, wenig Routine
Die Ergebnisse zeigen ein klares Muster. Die mit Abstand größte Gruppe, 44 %, experimentiert bereits, tut das aber ohne einen erkennbaren Plan. Ein Drittel befindet sich noch in der reinen Gesprächsphase. Ein Fünftel hat einzelne Anwendungsfälle produktiv im Einsatz. Und der Sprung in den festen Regelbetrieb, also KI als selbstverständlicher Teil wiederkehrender Prozesse, gelingt bisher nur den wenigsten.
Anders gesagt: Die meisten Teams stehen nicht mehr ganz am Anfang, aber auch noch längst nicht dort, wo KI verlässlich Arbeit übernimmt. Der Weg vom ersten Ausprobieren zur belastbaren Routine ist offenbar die eigentliche Hürde.
Ohne Strategie versanden gute Ansätze
Der schwierige Teil kommt im nächsten Schritt. Diese ersten Versuche passieren meist ohne Plan, und an dieser Stelle scheitern viele Initiativen später. Ohne eine eigene KI-Strategie fehlt der Rahmen, der einzelne Experimente zu einer Entwicklung verbindet.
Unter einer solchen Strategie verstehe ich kein umfangreiches Papier, sondern die Antwort auf drei einfache Fragen. Welches betriebswirtschaftliche Problem soll KI im eigenen Bereich lösen? Woran erkennen wir, dass ein Versuch erfolgreich war? Und wer ist dafür verantwortlich, dass aus einem Prototyp Routine wird?
Fehlen diese Antworten, entsteht häufig das gleiche Muster. Es werden drei durchaus ansprechende Prototypen gebaut, keiner davon geht in den Regelbetrieb, und nach einem halben Jahr fragt die Leitung, was das Ganze eigentlich gebracht hat. Der Aufwand war real, der bleibende Nutzen bleibt aus. Ein Ziel und ein definierter nächster Schritt genügen oft, um genau das zu verhindern.
Zwei Gruppen, zwei offene Fragen
Zwei Teile des Ergebnisses verdienen einen genaueren Blick.
Die 33 %, die bislang nur über KI sprechen, stehen vor einer überschaubaren Entscheidung. Die Erfahrung zeigt, dass die Hürde für den ersten kleinen Anwendungsfall meist niedriger ist als vermutet. Häufig sind es weniger die Technik als fehlende Zeitfenster, unklare Zuständigkeiten oder Unsicherheit beim Datenschutz, die den Start verzögern. Diese Hindernisse lassen sich benennen und damit auch angehen.
Die kleine Gruppe an der Spitze wiederum, die KI bereits fest im Prozess verankert hat, hat schon viel geleistet. Es ist nicht wichtig, ob es sich um große Prozesse oder kleine Dinge handelt, wichtig ist die feste Verankerung in Kultur und Arbeitsweise. Das ist der Kern, aus dem weitere erfolgreiche KI-Initiativen und Projekt entwachsen.
Fazit
Die Umfrage zeichnet ein Bild, das ich aus vielen Workshops wiedererkenne. Anfangen ist gut, und die meisten Teams haben diesen Schritt inzwischen gemacht. Entscheidend ist, was danach kommt. Ob aus einem Experiment dauerhafte Routine wird, hängt selten vom eingesetzten Werkzeug ab, sondern von einem klaren Ziel und einem realistischen nächsten Schritt. Wer beides definiert, kommt mit vergleichsweise einfachen Mitteln erstaunlich weit.
Seminar Tipps!
Wenn Sie firmenintern KI und Advanced Analytics im Controlling gezielt einsetzen möchten, erfahren Sie hier mehr über unserem Beratungsansatz.
Autor
Manager der CA controller akademie
Florian Bliefert ist Experte und zentraler Ansprechpartner für alle Themen rund um KI und RPA im Controlling.