Vor nicht allzu langer Zeit wurde ich in ein Gespräch mit einem potenziellen Kunden eingebunden. Deren IT-Team hatte sich damit beschäftigt, was man mit KI intern selbst alles bauen könnte. Die zentrale Frage war einfach:
„Warum zahlen wir für ein System, wenn wir mit KI auch selbst etwas bauen könnten?“
Ich führe ein Unternehmen, das Treasury-Management-Systeme anbietet. Es wäre einfach gewesen, direkt dagegenzuhalten. Zu erklären, warum das nicht funktionieren würde oder am Ende teurer wird.
Aber wenn ein ernsthaftes Team diese Frage stellt, verdient es auch eine ernsthafte Antwort.
Und in manchen Fällen lautet die Antwort vielleicht tatsächlich: Ja, dann sollten Sie es selbst bauen.
Wichtig ist nur, zu verstehen, was diese Entscheidung genau bedeutet.
Warum diese Frage immer häufiger auftaucht
KI ist heute für praktisch alle zugänglich. Man kann inzwischen erstaunlich schnell Anwendungen bauen – oft allein dadurch, dass man beschreibt, was man haben möchte.
Und natürlich fragen sich viele dann:
Wenn wir das bauen können … was können wir noch bauen?
Diese Neugier ist absolut nachvollziehbar.
Aber es gibt einen wichtigen Unterschied: Etwas zu bauen ist nicht dasselbe wie es dauerhaft zu betreiben.
Das haben wir schon einmal erlebt.
Vor zehn Jahren stellten Unternehmen dieselbe Frage rund um die Cloud. Warum in die Cloud wechseln, wenn man Systeme auch selbst hosten und betreiben kann? Die Diskussion begann oft beim Thema Kosten. Sie endete selten dort.
Denn die eigentliche Herausforderung war nie nur der Aufbau des Systems. Sondern alles, was danach kommt:
Systeme stabil und sicher zu betreiben. Updates einzuspielen. Audit-Anforderungen zu erfüllen.
Änderungen externer Systeme zu handhaben. Sicherzustellen, dass Prozesse immer funktionieren — nicht nur meistens.
Viele Unternehmen konnten eigene Systeme bauen. Einige haben es auch getan. Die meisten entschieden sich aber irgendwann dagegen, die langfristige Verantwortung dafür zu tragen.
KI macht das Bauen einfacher.
Sie verändert nicht, was es bedeutet, ein System dauerhaft zu betreiben.
Die eigentliche Herausforderung beginnt aber nach der ersten Version.
Um das klar zu sagen: Interne Teams können heute durchaus Teile eines Treasury-Stacks selbst entwickeln. Sie können Banken anbinden. Daten in eigene Umgebungen ziehen. Dashboards, Reports oder Forecasting-Modelle mithilfe von KI bauen. Wenn die Frage also lautet, ob es technisch möglich ist, dann ist die Antwort in vielen Fällen: ja.
Die eigentliche Herausforderung beginnt aber nach der ersten Version.
Denn viele dieser Diskussionen folgen einem vertrauten Muster: „Unsere wichtigsten Banken können wir anbinden.“, „Forecasting bekommen wir selbst hin.“, „Die Dateninfrastruktur haben wir bereits.“
Das mag alles stimmen. Aber meist fehlt der Teil, der später entscheidend wird.
Zum Beispiel Fragen wie:
-
Wer wartet die Bankanbindungen, wenn sich Formate oder APIs ändern?
-
Wer stellt sicher, dass Zahlungen jederzeit zuverlässig durchlaufen, auch wenn etwas Unerwartetes passiert?
-
Wer kümmert sich um Audit-Anforderungen und sorgt dafür, dass nachvollziehbar dokumentiert ist, was wann und warum passiert ist?
-
Wer überwacht Transaktionen auf ungewöhnliche Muster oder potenziellen Fraud?
-
Wer behält regulatorische Änderungen in verschiedenen Märkten im Blick?
-
Und was passiert, wenn die Person, die das System gebaut hat, das Unternehmen verlässt?
Diese Situationen gehören zum Treasury-Alltag.
KI verändert Entwicklung. Nicht Verantwortung.
Hinter vielen dieser Diskussionen steckt eine Annahme: Wenn KI Systeme leichter zu bauen macht, müssten sie doch auch leichter zu betreiben sein.
In der Praxis sind das aber zwei völlig unterschiedliche Probleme.
1 .KI kann helfen, Funktionen zu entwickeln. Sie kann Entwicklung beschleunigen.
Sie kann den Umgang mit Daten flexibler machen.
Aber sie übernimmt keine Verantwortung für das System. Sie trägt keine Haftung. Sie garantiert nicht, dass alles in jeder Situation exakt wie erwartet funktioniert.
2. Systeme müssen weiterhin gewartet werden. Probleme müssen weiterhin gelöst werden.
Risiken müssen weiterhin gesteuert werden. Entscheidungen müssen weiterhin dokumentiert und nachvollziehbar erklärt werden.
Nichts davon verschwindet, nur weil KI beim Aufbau geholfen hat.
Wenn überhaupt, führt schnellere Entwicklung eher dazu, dass noch mehr Systeme entstehen und damit noch mehr gewartet werden muss.
Für manche Unternehmen kann es funktionieren
In bestimmten Situation kann das funktionieren.
Wenn ein Unternehmen bereit ist, die volle Verantwortung selbst zu übernehmen, kann das absolut ein sinnvoller Weg sein. Das bedeutet allerdings auch, kritische Finanzinfrastruktur langfristig selbst zu betreiben und weiterzuentwickeln. Es bedeutet, die Ressourcen bereitzustellen, um Systeme auch bei sich ändernden Anforderungen stabil und zuverlässig zu halten. Es bedeutet, Compliance- und Audit-Anforderungen dauerhaft abzudecken. Und es bedeutet, bewusst mit der Abhängigkeit von internem Know-how zu leben.
Am ehesten gelingt das Unternehmen, deren eigentliche Kernkompetenz darin liegt, Software im großen Maßstab zu entwickeln und zu betreiben.
Für viele andere fällt die Rechnung anders aus.
Treasurer sind von Natur aus risikobewusst und pragmatisch. Die meisten erkennen schnell: Nur weil wir etwas bauen können, heißt das nicht automatisch, dass wir es auch dauerhaft selbst betreiben wollen.
Stattdessen konzentrieren sie ihre internen Ressourcen lieber auf Bereiche, die näher am eigentlichen Kerngeschäft liegen. Für kritische Cash Management und Treasury-Prozesse setzen sie lieber auf Systeme, die genau dafür entwickelt wurden.
Denn Treasury-Systeme sind nicht einfach nur eine Sammlung von Funktionen. Sie sind eine langfristige operative Verantwortung.
All das bedeutet nicht, dass Treasury KI ignorieren sollte. Ganz im Gegenteil. Es gibt viele Bereiche, in denen KI im Treasury echten Mehrwert schaffen kann.
Zum Beispiel beim Erkennen von Mustern. Bei besserem Forecasting auf Basis historischer und aktueller Daten. Bei der Identifikation ungewöhnlicher Aktivitäten. Oder dabei, Reporting und Datenanalysen einfacher und zugänglicher zu machen.
Das sind sinnvolle Weiterentwicklungen und sie sind absolut relevant.
Den größten Nutzen entfalten sie allerdings dort, wo sie auf bereits stabile und gut kontrollierte Systeme aufsetzen. Systeme mit konsistenten Daten, klar definierten Prozessen und eindeutigen Verantwortlichkeiten.
Wir sehen das nicht als Entscheidung zwischen KI oder Systemen. Wir investieren aktiv in KI und integrieren sie in unsere Plattform, jedoch mit einem klaren Ansatz: Wir konzentrieren uns auf Anwendungsfälle, die reale Probleme lösen, und validieren sie gemeinsam mit unseren Kunden, bevor wir sie skalieren. Wir sprechen offen darüber, was gut funktioniert, und wo die Grenzen liegen. Genauso transparent sind wir bei Themen wie Sicherheit, Compliance und Kontrolle.
Denn im Treasury sind das keine Nebensachen. Sie gehören zum Kern der Anforderungen.
Die ursprüngliche Frage war absolut berechtigt.
Sie zeigt, dass sich gerade grundlegend verändert, was technisch möglich ist, und dass Unternehmen bereit sind, bestehende Entscheidungen neu zu hinterfragen. Ein eigenes Treasury-System zu bauen ist heute realistischer denn je. Es dauerhaft zu betreiben ist allerdings genauso anspruchsvoll wie früher.
Für manche Unternehmen kann das der richtige Weg sein. Die meisten entscheiden sich bewusst dagegen.
