Wann ist Treasury bereit für KI?

KI entfaltet ihren Nutzen erst, wenn Treasury darauf vorbereitet ist

KI ist zu einem der meistdiskutierten Themen in Treasury und Finance geworden. Das Interesse ist nachvollziehbar. Treasury-Teams arbeiten täglich mit großen Mengen an Cash-, Zahlungs-, Exposure-, Prognose-, Bank- und Gesellschaftsdaten. Sie beantworten wiederkehrende Fragen, überwachen Ausnahmen, erklären Abweichungen und erstellen Berichte für die Unternehmensleitung. Grundsätzlich kann KI dabei helfen, Muster schneller zu erkennen, Cashflow-Prognosen zu unterstützen, Anomalien zu erklären und Anwendern schneller Zugang zu den benötigten Informationen zu geben. Im Treasury beginnt die Bereitschaft für KI beim Fundament, lange bevor ein Modell zum Einsatz kommt.

Warum KI im Treasury andere Anforderungen stellt

KI im Treasury unterscheidet sich von allgemeinen KI-Produktivitätstools, weil sie in einer produktiven Umgebung mit sensiblen, regulierten, berechtigungsabhängigen und entscheidungsrelevanten Daten arbeitet. Eine falsche Antwort ist mehr als nur ärgerlich. Sie kann Liquiditätsplanung, Finanzierungsentscheidungen, Zahlungskontrollen, Risikopositionen, die Vorbereitung auf Audits und das Vertrauen des CFOs beeinflussen. Treasury sollte KI deshalb mit höheren Anforderungen an Kontrolle und Disziplin einsetzen als in allgemeinen Office-Anwendungsfällen.

Die fünf Voraussetzungen für ein KI-bereites Treasury

Die erste Voraussetzung für ein KI-bereites Treasury ist Vertrauen, gestützt durch klare Governance. Nutzer müssen darauf vertrauen können, dass die KI innerhalb definierter Berechtigungen arbeitet, die vorgesehenen Kontrollen einhält und Ergebnisse liefert, die nachvollziehbar und hinterfragbar sind. Verantwortlichkeiten müssen eindeutig bleiben, insbesondere wenn KI Analysen, Prognosen oder Workflow-Entscheidungen unterstützt. Treasury-Teams müssen außerdem wissen, wie mit unsicheren Ergebnissen umgegangen wird und an welchen Stellen eine menschliche Prüfung erforderlich ist. Ohne diesen Rahmen wird selbst technisch leistungsfähige KI im Treasury-Alltag nur schwer Akzeptanz finden.

Die zweite Voraussetzung ist der Datenkontext. Im Treasury ist ein Kontostand nie einfach nur ein Kontostand. Er kann gebunden sein, in einer bestimmten Währung geführt werden, mit einer Bankbeziehung verknüpft sein, für anstehende Zahlungen benötigt werden, lokalen regulatorischen Vorgaben unterliegen oder nicht für die Gruppe verfügbar sein. Eine Prognoseabweichung kann durch Timing, Geschäftsentwicklung, Saisonalität, verspätete Kundenzahlungen, vorgezogene Lieferantenzahlungen oder ein Klassifizierungsproblem entstehen. KI braucht daher neben den Datenpunkten auch die Geschäftslogik, die erklärt, was diese Daten im jeweiligen Kontext bedeuten.

Die dritte Voraussetzung ist Prozesskonsistenz. Treasury-Prozesse umfassen häufig Freigaben, Validierungen, Einreichungen, Bestätigungen, Eskalationen und Abstimmungen. Wenn jede Gesellschaft anders arbeitet, kann KI weder den Status eines Vorgangs zuverlässig einordnen noch erkennen, ob Daten final sind. Eine eingereichte, freigegebene, angepasste oder überschriebene Prognose muss je nach Status unterschiedlich behandelt werden. Ebenso ist eine initiierte, freigegebene, abgelehnte oder ausgeführte Zahlung nicht einfach eine generische Transaktion. Ein KI-bereites Treasury braucht Workflows, die Status, Verantwortung und nächste Schritte klar definieren.

Die vierte Voraussetzung sind Berechtigungen. Nicht jeder Nutzer darf auf jedes Bankkonto, jedes Zahlungsdetail, jede Risikoposition, jede Gesellschaft oder jede Prognoseannahme zugreifen. KI-Agenten im Treasury müssen rollenbasierte Zugriffsrechte und Funktionstrennung respektieren. Eine Frage in natürlicher Sprache darf nicht zum Umweg um bestehende Kontrollen werden. Fragt ein Nutzer beispielsweise: „Wie viel Cash haben wir in Deutschland?“, muss die Antwort ausschließlich die Informationen berücksichtigen, auf die dieser Nutzer zugreifen darf. Bei einer Abfrage gruppenweiter Risikopositionen müssen entsprechend die geltenden Berechtigungen angewendet werden, bevor eine Antwort erzeugt wird.

Die fünfte Voraussetzung ist Auditierbarkeit. Treasury-Teams müssen nachvollziehen können, wie eine Antwort zustande gekommen ist. Welche Daten wurden verwendet? Wann wurden sie aktualisiert? Welche Annahmen sind eingeflossen? Welche Prognoseversion wurde herangezogen? Basiert die Antwort auf Ist-Daten, einem Modell, einer manuellen Eingabe oder einer Kombination daraus? Fehlt diese Nachvollziehbarkeit, lassen sich KI-Ergebnisse nur schwer vertreten. Erklärbarkeit gehört im Treasury zu den Kontrollanforderungen und ist weit mehr als ein technisches Extra.

Aktuelle Studien zeigen dieselbe praktische Hürde

Auch aktuelle Studien weisen auf diese praktische Hürde hin. DerNomentia Treasury Trends Report 2026 zeigt, dass KI für Treasury-Prozesse weithin als relevant angesehen wird, ihre Nutzung jedoch vom Reifegrad abhängt. Auch derEACT Treasury Survey 2025 zeigt, dass viele Treasury-Verantwortliche zunächst technische Prioritäten angehen müssen, bevor KI wirksam eingesetzt werden kann. Dazu zählen fragmentierte IT-Tools, manuelle Prozesse, unzureichend harmonisierte Bankanbindungen und fehlende standardisierte Informationen. Die Kernaussage ist klar: KI ist relevant, doch die Grundlagen entscheiden darüber, wie sinnvoll sie eingesetzt werden kann.

Wo KI im Treasury echten Mehrwert schaffen kann

Es gibt mehrere Treasury-Anwendungsfälle, in denen KI auf einem tragfähigen Fundament echten Mehrwert schaffen kann. Der erste ist die KI-gestützte Cashflow-Prognose. Durch die Analyse historischer Cashflow-Daten kann KI Referenzprognosen erstellen, ungewöhnliche Abweichungen erkennen und Abweichungsanalysen unterstützen. So kann das Treasury manuelle Eingaben kritisch prüfen und das Vertrauen in die Prognose stärken. Ein weiterer Anwendungsfall ist die Anomalieerkennung: KI kann unerwartete Cash-Bewegungen, Zahlungsmuster oder Veränderungen in Prognosen hervorheben, die Aufmerksamkeit erfordern. Hinzu kommt dialogbasiertes Reporting, bei dem KI-Agenten natürlichsprachliche Fragen ermöglichen und schneller Antworten aus kontrollierten Treasury-Daten liefern. Auch bei Workflows kann KI unterstützen, indem sie auf offene Freigaben, relevante Ausnahmen oder Vorgänge mit Handlungsbedarf hinweist.

Für diese Anwendungsfälle sollte ein klares Prinzip gelten: KI unterstützt die fachliche Beurteilung im Treasury und macht sie nachvollziehbarer. Treasury-Expertinnen und -Experten bleiben für Kontext, Interpretation und Entscheidungsunterstützung verantwortlich. KI kann manuellen Aufwand reduzieren, Muster sichtbar machen und den Informationszugang beschleunigen. Verantwortung und Transparenz müssen dabei erhalten bleiben. Besonders wertvoll sind Anwendungen, die Treasury-Entscheidungen besser erklärbar machen.

Governance vor Skalierung

Für CFOs ist die KI-Readiness im Treasury zugleich eine Governance-Frage. Vor der Freigabe von KI-Initiativen sollte die Unternehmensleitung klären, welche Datenquellen die KI verwendet, ob die Eingaben vollständig und kontrolliert sind und wer auf die Ergebnisse zugreifen darf. Ebenso wichtig ist, ob sich Ergebnisse auf die Quelldaten zurückführen lassen, wie mit falschen oder unsicheren Antworten umgegangen wird und welche Entscheidungen weiterhin beim Menschen liegen. Klare KPIs sollten zudem zeigen, ob der jeweilige Anwendungsfall tatsächlich Mehrwert schafft. So lässt sich vermeiden, dass KI zu einem weiteren isolierten Experiment wird.

Ein praktischer Readiness-Check für Treasury-Teams

Für Treasury-Teams beginnt ein sinnvoller Readiness-Check bei den Grundlagen. Sind Bank- und ERP-Daten verlässlich angebunden? Sind Prognosekategorien konsistent und Liquiditätspositionen sowie Zahlungsstatus aktuell? Sind Rollen und Berechtigungen eindeutig definiert? Sind Workflows im System dokumentiert, Audit-Trails vorhanden und manuelle Anpassungen sichtbar? Basieren Berichte auf einem verlässlichen Datenmodell? Wenn zentrale Voraussetzungen fehlen, sollte das erste KI-Projekt zunächst diese Grundlagen stärken.

KI-Readiness im Treasury bedeutet, KI sicher, praktisch und glaubwürdig einsetzen zu können. Ein früher Start mit neuer Technologie ist dabei weniger entscheidend als verlässliche Ergebnisse, auf deren Grundlage Treasury- und Finance-Verantwortliche handeln können. Dafür braucht es kontrollierte Daten, strukturierte Prozesse, klare Berechtigungen, Auditierbarkeit und Anwendungsfälle, die mit realen Entscheidungen verknüpft sind.

KI repariert kein fragiles Fundament

KI kann Treasury schneller machen und zusätzliche Erkenntnisse liefern. Ein fragmentiertes Betriebsmodell repariert sie jedoch nicht von selbst. Ein Treasury ist dann bereit für KI, wenn sein Fundament stark genug ist, damit intelligente Anwendungen darauf zuverlässig aufbauen können.

Lesen Sie weitere Blogs dieser Serie:

#5 Prognosen sind nur nützlich, wenn Finanzverantwortliche den Eingaben vertrauen