Immer dranbleiben: Verstehen und bewerten statt erstellen

KI-Serie · Artikel 3 von 3

Ein Investor blättert durch den Businessplan. Umsatz nach Produktgruppe, Conversion je Kanal, Wiederkaufrate. Alles sauber hergeleitet. Dann fragt er: „Wie hoch war die Conversion im letzten Quartal?“

Die Antwort: „Das können wir nicht tracken.“ In diesem Moment verliert das ganze Modell an Glaubwürdigkeit. Denn wenn du eine Zahl nicht messen kannst, woher kommt dann die Annahme?

Im ersten Artikel ging es um das Tempo der KI, im zweiten um meine Arbeitsweise. Hier geht es um die Frage, was jetzt wirklich zählt. Meine Antwort: verstehen und bewerten statt erstellen.

KI wird ein Mitarbeiter

Ich sehe KI künftig wie einen Mitarbeiter im Team. Einen, der viele technische Aufgaben übernimmt. Formeln schreiben, Blätter verknüpfen, dokumentieren, nach festen Regeln prüfen. Das wird schneller und günstiger, jedes Jahr.

Damit verschiebt sich, worauf es ankommt. Weg von der Technik, hin zu Strukturen und Problemstellungen. Die wichtigste Frage ist nicht mehr, wie ein Modell gebaut wird. Sondern ob es die Fragen des Kunden wirklich beantwortet.

Mehr Annahmen, mehr Erklärungsbedarf

Eine Beobachtung hat mich überrascht: Die KI macht Modelle komplexer. Nicht absichtlich, aber zuverlässig.

Ein Beispiel. Ein Onlinehändler plant seinen Umsatz. Die einfache Logik hat drei Annahmen: Website-Besuche, Conversion-Rate, durchschnittlicher Umsatz je Kauf. Das kann jeder verstehen, nachrechnen und mit echten Zahlen vergleichen.

Die KI baut dafür gern einen umfangreichen Funnel, also einen mehrstufigen Kaufprozess. Pro Produktgruppe, mit zehn oder mehr Annahmen. Das sieht beeindruckend aus. Aber jede dieser Annahmen musst du verstehen. Und gegenüber Partnern, Bank oder Investor begründen können.

Wenn du die Daten für jede Stufe hast, super. Dann zeigt der Funnel, wo die Hebel liegen. Wenn nicht, ist das Detail Scheingenauigkeit. Zehn geschätzte Annahmen sind nicht genauer als drei. Sie sind nur schwerer zu erklären.

Plan und Reporting müssen zusammenpassen

Darum ist der wichtigste Schritt heute nicht das Bauen. Sondern die Anforderung sauber zu definieren und mit dem Reporting des Unternehmens abzugleichen.

Ein Investor, der eine Kennzahl im Plan sieht, will wissen, ob du sie im Geschäft erreichst. Dafür muss die Kennzahl im Reporting auftauchen. Jeden Monat, aus echten Daten. Fehlt sie dort, ist die Annahme im Plan nicht belegbar.

Die Regel ist einfach: Was im Plan steht, muss später im Reporting messbar sein. Sonst plant das Unternehmen etwas, das es nie überprüfen kann. Und der Investor merkt das spätestens beim ersten Quartalsgespräch.

Vorsicht vor Vibe Modeling

In der Softwareentwicklung gibt es dafür schon einen Begriff: Vibe Coding. Software entsteht per Anweisung an die KI, ohne dass jemand den Code wirklich versteht. Das geht schnell. Und es hat zu ernsthaften Risiken geführt, weil Fehler und Sicherheitslücken erst spät auffallen.

Im Financial Modelling droht dasselbe. Ich nenne es Vibe Modeling: ein Finanzmodell, das per Prompt entsteht, ohne dass der Ersteller die finanziellen Zusammenhänge kennt. Die Bilanz geht vielleicht auf. Aber ob die Logik zum Geschäft passt, kann niemand beurteilen.

Wichtig: Wer die Zusammenhänge zwischen GuV, Bilanz und Cashflow nicht versteht, kann auch ein KI-Modell nicht prüfen. Darum ist Weiterbildung heute wichtiger als je zuvor, nicht weniger wichtig.

Für mich heißt das konkret: weiter lernen. Den CFM habe ich für die Modelltechnik gemacht, AIM für die Analyse. Gerade arbeite ich am CVA für die Unternehmensbewertung. Die KI nimmt mir das Bauen ab. Das Verstehen nimmt sie mir nicht ab.

Erst denken, dann bauen

Mein Rat an alle, die heute mit KI modellieren: Denk in Strukturen. Lass dir Zeit beim Konzept. Überleg dir, welche Cases du aufstellen willst. Und schreib das sauber auf, bevor die KI die erste Zeile baut.

Struktur und Verständnis für das Geschäft und das Finanzkonzept sind heute wichtiger als Excel-Formeln. Ein klar beschriebenes Modell baut die KI gut. Ein unklar beschriebenes baut sie schnell, aber falsch.

Die Kernaussage: So komplex wie nötig, so einfach wie möglich. Dieser Satz galt schon immer. Mit KI gilt er doppelt, weil Komplexität nichts mehr kostet.

Eine echte Chance für CFOs und Investoren

Bei allen Warnungen: Ich sehe in dieser Entwicklung vor allem eine große Chance. Besonders für CFOs und Investoren.

Früher hing ein Finanzmodell oft an einer Person im Team, die gut in Excel war. Häufig mit viel Formelwissen, aber wenig Verständnis für Finanzen. Der CFO wusste, was er braucht, konnte es aber nicht selbst bauen. Das Ergebnis war ein Kompromiss.

Heute kann der CFO das Modell nach seinen Anforderungen entstehen lassen. Er braucht keinen Excel-Spezialisten mehr. Er muss das Modell lesen und verstehen können. Genau das konnte er vorher schon am besten.

Häufige Fragen

Fazit

KI wird ein Mitarbeiter, der die Technik übernimmt. Was bleibt, ist das Verstehen: die richtigen Fragen, eine klare Struktur, belegbare Annahmen und ein Abgleich mit dem Reporting. Wer das kann, baut mit KI bessere Modelle als je zuvor. Wer es nicht kann, baut schneller falsche.

Denk in Strukturen. Versteh das Geschäft. Dann lass bauen.