Das Finanzwesen hat in den vergangenen zwei Jahrzehnten zahlreiche Technologien eingeführt: ERP-Systeme, Workflow-Tools, Abstimmungsplattformen und Lösungen für das Abschlussmanagement. Der Technologie-Stack ist stetig gewachsen – und mit ihm die Erwartung, dass das nächste Tool Finance Teams endlich von manueller Arbeit entlastet.

Viele dieser Technologien haben Prozesse verbessert. Doch nur wenige haben den manuellen Aufwand beim Monatsabschluss grundlegend verändert.

Agentic AI verspricht genau das. Doch was steckt tatsächlich dahinter? Die Beschreibungen reichen von einer grundlegenden Veränderung der Arbeitsweise bis hin zu bestehender Automatisierung unter einem neuen KI-Etikett. Um echte Fortschritte von Marketingversprechen zu unterscheiden, lohnt sich daher ein genauerer Blick darauf, was Agentic AI tatsächlich ist – und was nicht.

Was Agentic AI von bisherigen Technologien unterscheidet

Das Finanzwesen hat bereits zahlreiche Innovationszyklen durchlaufen. Entsprechend haben viele Führungskräfte gelernt, bei neuen Technologien genauer hinzusehen. Auch die aktuelle Diskussion um KI folgt einem bekannten Muster: große Erwartungen seitens der Anbieter, echte technologische Fortschritte und sehr unterschiedliche Ergebnisse bei der Umsetzung – je nachdem, wie durchdacht Unternehmen die Technologie einsetzen.

Der entscheidende Unterschied dieser Entwicklung liegt darin, dass Agentic AI grundlegend verändern kann, wer die Arbeit erledigt. Sie ist nicht einfach eine weitere Automatisierungs- oder Analyseebene innerhalb des bestehenden Technologie-Stacks. Vielmehr eröffnet sie die Möglichkeit, dass bestimmte Finanz-Workflows nicht mehr nur durch Technologie unterstützt, sondern von ihr ausgeführt werden. Bewährt sich dieses Versprechen in der Praxis, bedeutet das eine andere Art des operativen Wandels als in früheren Technologiezyklen.

Das heißt jedoch nicht, dass jedes als „agentic“ vermarktete Produkt dieses Versprechen auch einlöst. Die Unternehmen, die tatsächlich von Agentic AI profitieren, sind nicht zwangsläufig diejenigen, die die Technologie am schnellsten einführen. Vielmehr sind es diejenigen, die die richtigen Workflows für den Einstieg auswählen, Governance von Anfang an berücksichtigen und die erste Implementierung als gezielten Proof of Concept nutzen, bevor sie skalieren.

Was Agentic AI im Finanzwesen wirklich bedeutet

Der Begriff Agentic AI wird derzeit sehr unterschiedlich verwendet, was die Bewertung entsprechender Lösungen erschwert. Dabei besteht ein wesentlicher Unterschied zwischen KI-gestützten Anwendungen und Agentic AI. Diese Unterscheidung ist entscheidend, wenn Finance Teams bewerten, welche Technologie welche Aufgaben übernehmen kann.

• KI-gestützt: Das System analysiert Daten, identifiziert Probleme oder empfiehlt nächste Schritte. Die eigentliche Arbeit wird weiterhin von einem Menschen ausgeführt.
• Agentic AI: Das System führt einen definierten Finanz-Workflow aus – von der Erfassung der Finanzdaten bis zur strukturierten Ausgabe – innerhalb kontrollierter Prozesse mit menschlicher Prüfung und Freigabe.

AI agents ersetzen weder Finanzexperten noch automatisieren sie den gesamten Finanzabschluss. Sie führen spezifische, aufwendige Workflows aus, sodass Mitarbeitende weniger Zeit mit der Erstellung von Ergebnissen und mehr Zeit mit deren Prüfung verbringen.

Beim Vergleich von KI-Funktionen warnt Gartner ausdrücklich vor „Agent Washing“ – also davor, bestehende Automatisierungstools als Agentic AI zu vermarkten, obwohl sie keine echten agentischen Fähigkeiten besitzen. Diese Skepsis ist aus Sicht von Finanzverantwortlichen berechtigt. Entscheidend ist nicht, ob ein Anbieter den Begriff „agentisch“ verwendet, sondern ob die Technologie einen vollständigen Workflow autonom innerhalb eines kontrollierten und auditfähigen Prozesses ausführt.

Governance entscheidet über Erfolg oder Scheitern von Agentic AI

Wenn Finanzverantwortliche Bedenken gegenüber Agentic AI äußern, stehen fast immer zwei Themen im Mittelpunkt: Governance und Datenqualität. Sie müssen darauf vertrauen können, dass die Ergebnisse der KI erklärbar, nachvollziehbar und begründbar sind und dass die zugrunde liegenden Daten verlässliche Ergebnisse ermöglichen.

In einem SOX-konformen Umfeld ist Governance unerlässlich. Der Einsatz von KI erfordert Erklärbarkeit, Prüfpfade, menschliche Kontrollen und Freigabeprozesse, die mit den bestehenden Finanzkontrollen übereinstimmen. Da KI-Agenten Ziele über mehrere Schritte hinweg verfolgen, anstatt festen Regeln zu folgen, gewinnen diese Governance-Anforderungen zusätzlich an Bedeutung.

Wo Agentic AI im Finanzwesen bereits konkrete Ergebnisse erzielt

Das Finanzwesen bietet sich für Agentic AI besonders an, gehört aufgrund der hohen Governance-Anforderungen jedoch gleichzeitig zu den Bereichen, die bei der Einführung vorsichtiger vorgehen.

Erfolgreiche KI-Implementierungen weisen dabei ein gemeinsames Muster auf: Sie konzentrieren sich auf umfangreiche Workflows mit strukturierten Daten, wiederholbaren Prozessen und klar definierten Prüfkriterien. Finanzabschlussprozesse erfüllen diese Voraussetzungen besonders gut. Deshalb konzentrieren sich die ersten Anwendungen von Agentic AI – darunter auch die von Trintech – vor allem auf Varianzanalyse, Exception Management, Kontenabstimmung und die Vorbereitung von Rückstellungen.

Diese Fragen sollten sich Finanzverantwortliche vor dem Einsatz von Agentic AI stellen

Die wichtigsten Fragen vor dem Einsatz von Agentic AI im Finanzwesen betreffen weniger die Technologie selbst als vielmehr die Voraussetzungen im Unternehmen:

• Welche Finanzabschluss-Workflows sind wiederkehrend, umfangreich und erfordern weiterhin erheblichen manuellen Aufwand?
• Verfügt das Unternehmen über die notwendigen Governance-Grundlagen? Dazu gehören saubere und systemübergreifend zugängliche Daten, Standards für Erklärbarkeit, Anforderungen an Prüfpfade und die Möglichkeit zum manuellen Eingreifen.
• Konzentriert sich die Evaluierung auf einen einzelnen, klar definierten Einstiegspunkt mit eindeutigen Erfolgskriterien? Oder wird versucht, umfassend zu automatisieren, bevor der Nutzen innerhalb eines einzelnen, klar abgegrenzten Workflows nachgewiesen wurde?

Beginnen Sie mit einem kontrollierten, klar definierten Workflow, schaffen Sie messbaren Mehrwert und bauen Sie darauf auf. Unternehmen, die vor der Skalierung eine solide Grundlage schaffen, erzielen mit deutlich größerer Wahrscheinlichkeit langfristige Vorteile.

Agentic AI bei Trintech 

Wenn Finanzorganisationen mit dem Einsatz von Agentic AI beginnen, werden erfolgreiche Implementierungen bei klar definierten, kontrollierten Workflows ansetzen, die einen messbaren Mehrwert bieten.

Deshalb stellt die Trintech AI Platform speziell entwickelte KI-Agenten für wichtige Aktivitäten im Finanzabschluss bereit – darunter Variance Analysis, Flux Analysis, Exception Management und Accruals. Gleichzeitig behalten Finanzexperten durch erklärbare, nachvollziehbare und auditfähige Workflows die Kontrolle.

Erfahren Sie mehr über den Ansatz von Trintech für Agentic AI und entdecken Sie unsere neuesten KI-Agenten.

Autorin: Molly Gallaher Boddy, Senior Director, Product Marketing