Kaum eine aktuelle Ankündigung aus dem Enterprise-Softwaremarkt kommt noch ohne den Begriff „Agentic AI“ aus. Was genau dahintersteckt, bleibt allerdings häufig unklar. Mal bezeichnet der Begriff einen KI-Assistenten, der Informationen aufbereitet. Mal beschreibt er automatisierte Workflows mit zusätzlichen KI-Funktionen. Und zunehmend geht es tatsächlich um Systeme, die eigenständig Aufgaben planen, Informationen beschaffen und Aktionen über verschiedene Anwendungen hinweg ausführen können.

Die Skepsis gegenüber dem Agentic-Hype ist deshalb berechtigt. Sie sollte allerdings nicht dazu führen, die Entwicklung dahinter zu unterschätzen. Denn unabhängig von der Begrifflichkeit eröffnen agentische Systeme eine andere Form der Zusammenarbeit zwischen Menschen und Software. Sie können innerhalb definierter Grenzen nicht nur einzelne Arbeitsschritte unterstützen, sondern zusammenhängende Aufgaben übernehmen.

Für das Finanz- und Rechnungswesen hat das weitreichende Konsequenzen. Während sich die bisherige Finance Automation überwiegend auf die Standardisierung und Automatisierung definierter Prozesse konzentrierte, müssen Finanzorganisationen künftig auch die Arbeit von Systemen organisieren, deren Bearbeitungswege nicht mehr vollständig im Voraus feststehen.

In unserer Jahresbetrachtung zur KI-Transformation im Finanz- und Rechnungswesen Anfang 2026 standen noch stark die zusätzlichen Automatisierungsmöglichkeiten im Mittelpunkt. Die Diskussionen über KI-gestützte Ausnahmebearbeitung, neue Analysewerkzeuge und die Weiterentwicklung bestehender Finance-Anwendungen haben seitdem eine neue Dimension erhalten.

Die Frage ist nicht mehr allein, welche Aufgaben wir mithilfe von KI schneller oder effizienter erledigen können. Zunehmend müssen wir klären, wie sich Finanzarbeit organisieren lässt, wenn KI-Systeme selbst Aufgaben bearbeiten, Analysen interpretieren und Folgehandlungen auslösen.

Die vorliegenden Untersuchungen zeigen, warum diese Fragen für 2027 relevant werden. Gartner berichtete im Juni 2026, dass 84 Prozent der untersuchten Finance-Organisationen KI einsetzen oder ihren Einsatz planen, aber lediglich sieben Prozent eine hohe oder sehr hohe Wirkung berichten. Die Zahlen verdeutlichen die Distanz zwischen technologischer Verfügbarkeit und nachgewiesenem organisatorischem Nutzen.

Auch die Deloitte Finance Trends 2027 zeigen die Spannung zwischen agentischen Ambitionen und der Bereitschaft, kritische finanzwirtschaftliche Entscheidungen vollständig an KI-Systeme zu delegieren.

Daraus ergeben sich für uns fünf Diskussionsaufgaben, die die nächste Phase der Finance-Transformation prägen dürften.

1. Von der Automatisierung zur agentischen Finanzarbeit: Wie viel Eigenständigkeit ist sinnvoll?

Die bisherige Finance Automation folgt überwiegend einer klaren Prozesslogik. Unternehmen definieren Abläufe, Regeln, Entscheidungspunkte und Ausnahmen. Automatisierungssysteme führen die vorgesehenen Schritte aus, während Menschen nicht standardisierte Fälle bearbeiten oder Entscheidungen treffen.

KI hat diese Logik bereits erweitert. Intelligente Dokumentenverarbeitung, Klassifikationsmodelle und KI-gestützte Ausnahmebearbeitung ermöglichen die Automatisierung von Aufgaben, die sich mit rein regelbasierten Systemen nur schwer abbilden lassen.

Agentische Systeme gehen konzeptionell einen Schritt weiter. Sie können einen Arbeitsauftrag interpretieren, unterschiedliche Informationsquellen nutzen, Bearbeitungsschritte auswählen und auf Zwischenergebnisse reagieren. Der Weg zum Ergebnis muss damit nicht mehr vollständig als feste Prozessfolge vorgegeben sein.

Im Purchase-to-Pay-Prozess könnte ein Agent beispielsweise eine Rechnungsabweichung untersuchen, Bestell- und Vertragsinformationen heranziehen, mögliche Ursachen identifizieren und die Klärung mit zuständigen Stellen vorbereiten. Im Record-to-Report-Prozess könnten agentische Komponenten Unstimmigkeiten bei Abstimmungen analysieren, Belege zusammenführen und Vorschläge für die weitere Bearbeitung entwickeln.

Die BCG-Untersuchung „The CFO's AI Agenda: From Automation to Advantage“ beschreibt solche Entwicklungsmöglichkeiten, weist zugleich aber auf unterschiedliche Reifegrade der Anwendungen und die Schwierigkeiten ihrer Skalierung hin.

Für Finanzorganisationen gilt es daher abzuwägen, wo agentische Systeme ihren Mehrwert bringen und wo sie zusätzlichen Governance-Aufwand erzeugen. Bei stabilen, gut strukturierten Prozessen können deterministische Workflows weiterhin die wirtschaftlichere und zuverlässigere Lösung sein. Entscheidend wird, welche Aufgaben einen flexiblen Bearbeitungsansatz tatsächlich benötigen, welche Handlungsspielräume Agenten erhalten dürfen und an welchen Punkten menschliche Entscheidungen erforderlich bleiben.

Mit dieser Entscheidung stellt sich zugleich die Governance-Frage. Probabilistische KI-Systeme benötigen einen verbindlichen Rahmen, der ihre Handlungsmöglichkeiten begrenzt, fachliche Verantwortlichkeiten zuordnet und Anforderungen an die Kontrolle ihrer Ergebnisse festlegt. Für 2027 gilt es deshalb zu klären, welche zusätzlichen Governance-Strukturen die eigenständigere Aufgabenbearbeitung erfordert und wie weit bestehende Kontrollmodelle dafür angepasst werden müssen.

2. Von der Datenaufbereitung zur KI-vermittelten Interpretation: Wer bestimmt die analytische Perspektive?

Eine zweite Veränderung betrifft die Analyse- und Steuerungsarbeit im Finance-Bereich.

Schon heute erleichtern KI-gestützte Entwicklungswerkzeuge die Erstellung individueller Reporting-Anwendungen erheblich. Statt komplexe Excel-Auswertungen manuell aufzubauen, können Finance-Verantwortliche mit Unterstützung von Coding-Agenten interaktive Dashboards und Analyseoberflächen erstellen.

Das verändert zunächst die Entwicklungsmethodik. Ein programmiertes Dashboard kann übersichtlicher, flexibler und schneller verfügbar sein. Die grundlegende Arbeitsweise bleibt jedoch häufig dieselbe: Finanzinformationen werden verdichtet und visualisiert, damit Menschen daraus Erkenntnisse gewinnen und Entscheidungen vorbereiten können.

Dabei entsteht eine Frage, die in der Begeisterung über neue Darstellungsmöglichkeiten leicht untergeht.

Jedes Dashboard enthält fachliche Vorentscheidungen. Die Auswahl der Kennzahlen, ihre Berechnung, die Aggregation von Daten, Vergleichsmaßstäbe und visuelle Hervorhebungen bestimmen, welche Zusammenhänge sichtbar werden und welche in den Hintergrund treten.

Auch klassische Excel-Auswertungen sind nicht frei von solchen Annahmen. Bei KI-generierten Anwendungen können diese Entscheidungen jedoch bereits während der Erstellung in das Analyseinstrument einfließen, ohne dass die späteren Nutzer sämtliche Annahmen nachvollziehen.

Eine fachlich korrekte Berechnung kann dadurch eine einseitige wirtschaftliche Interpretation nahelegen.

Mit agentischen Analysesystemen erweitert sich diese Herausforderung. Wenn ein KI-System selbstständig Abweichungen untersucht, Analysepfade auswählt und Ursachenhypothesen entwickelt, bestimmt es teilweise auch, welche Perspektiven auf die finanzwirtschaftliche Situation berücksichtigt werden.

Das ist insbesondere für Financial Planning & Analysis relevant. Die Entwicklung hin zu kontinuierlicheren Analysen, dynamischen Forecasts und stärkerer Entscheidungsunterstützung besteht bereits seit Jahren. Agentische Systeme können diese Entwicklung beschleunigen, indem sie zusätzliche analytische Arbeitsschritte übernehmen.

Die entscheidende Qualitätsfrage verschiebt sich damit. Es genügt nicht mehr, Daten und Berechnungen auf ihre Richtigkeit zu prüfen. Finance-Verantwortliche müssen auch nachvollziehen können, welche Annahmen, Analysemodelle und Interpretationen den Ergebnissen zugrunde liegen.

Gartner zeigte im Juli 2026, dass die untersuchten KI-Investitionen im Finance-Bereich deutlich häufiger auf Produktivitätssteigerungen als auf Verbesserungen der Entscheidungsqualität ausgerichtet waren. Gerade diese Unterscheidung dürfte für die weitere Entwicklung von Finance Intelligence an Bedeutung gewinnen. Für unsere Diskussion in 2027 sehen wir damit die notwendige Klärung der Frage: Wie sichern wir die fachliche Qualität und Nachvollziehbarkeit von KI-generierten Analysen, wenn Systeme zunehmend selbst bestimmen, welche Zusammenhänge sie untersuchen und wie sie Ergebnisse interpretieren?

3. Von der Datenintegration zum Finance-Kontext: Auf welcher Wissensgrundlage handeln Agenten?

Agentische Systeme benötigen mehr als den Zugriff auf Finanzdaten.

Um eine Rechnung sachgerecht zu bearbeiten, reicht es beispielsweise nicht, Rechnungsnummer, Betrag und Lieferant zu kennen. Das System muss möglicherweise Bestellbedingungen, vertragliche Vereinbarungen, Freigaberegeln, organisatorische Zuständigkeiten und den bisherigen Bearbeitungsverlauf berücksichtigen.

Ähnliche Anforderungen entstehen bei der Analyse von Ergebnisabweichungen. Die Interpretation finanzieller Entwicklungen setzt häufig Kenntnisse über operative Einflussgrößen, Planungsannahmen, Geschäftsmodelle und frühere Managemententscheidungen voraus.

Damit erweitert sich die bisherige Diskussion über Datenqualität und Systemintegration.

Ein zuverlässig arbeitendes Agentensystem benötigt somit belastbare fachliche Kontextinformationen: Was bedeutet ein bestimmter Geschäftsfall? Welche Regeln gelten? Welchen Zustand hat ein Vorgang erreicht? Welche Entscheidungen wurden bereits getroffen? Welche Informationen sind verbindlich und welche lediglich ergänzende Hinweise?

Die Herausforderung besteht nicht nur darin, Dokumentationen und Wissensressourcen für KI-Systeme zugänglich zu machen. Sie müssen auch aktuell, widerspruchsfrei, ausreichend strukturiert und mit den relevanten Geschäftsobjekten verbunden sein.

Die BCG-Untersuchung zur KI-Agenda der CFOs verweist in diesem Zusammenhang auf die Bedeutung konsistenter Datenstrukturen, fachlicher Definitionen und der Verbindung zwischen finanziellen und operativen Informationen.

Für die bestehende Finance-Systemlandschaft entstehen daraus neue Integrationsanforderungen. ERP- und spezialisierte Finance-Anwendungen bleiben wichtige Systeme für verbindliche Transaktionen und Prozesszustände. Agentische Komponenten müssen diese Informationen jedoch in ihrem fachlichen Zusammenhang „verstehen“ und nutzen können. Ob dafür neue technische Architekturschichten entstehen oder bestehende Anwendungen ihre Fähigkeiten erweitern, ist noch offen. Die fachliche Anforderung besteht unabhängig davon und führt zur Frage: Wie organisieren wir Finance-Wissen, Geschäftsregeln und Prozesskontexte so, dass agentische Systeme auf einer verlässlichen und überprüfbaren Grundlage arbeiten können?

4. Von der Workflow-Steuerung zur Finance Business Orchestration: Wie behalten wir das Gesamtsystem unter Kontrolle?

Mit der eigenständigeren Aufgabenbearbeitung durch KI-Agenten verändert sich auch die Anforderung an die operative Prozesssteuerung. Klassische Workflow-Systeme koordinieren überwiegend festgelegte Abläufe und Entscheidungspunkte. Bei agentischen Systemen müssen Unternehmen zusätzlich den tatsächlichen Verlauf einer Aufgabenbearbeitung beobachten und beeinflussen können, auch wenn nicht jeder einzelne Schritt im Voraus feststeht.

Hier setzt die weitergehende Bedeutung der Orchestrierung an. Sie umfasst zunächst die Koordination unterschiedlicher Agenten, Werkzeuge, Prozesszustände und bestehender Finance-Anwendungen. Darüber hinaus muss sie die eigenständig ablaufenden Aktivitäten transparent und kontrollierbar machen. Denn der in Abschnitt 1 beschriebene Governance-Rahmen entfaltet seine Wirkung erst, wenn die definierten Grenzen und Kontrollanforderungen im laufenden Betrieb auch technisch und organisatorisch durchgesetzt werden.

Die Anforderungen reichen deshalb deutlich über das Verbinden einzelner KI-Services oder das Auslösen automatisierter Prozessketten hinaus. Für eine kontrollierte Finance Business Orchestration lassen sich mehrere Aufgaben unterscheiden:

• Monitoring und Transparenz: Verantwortliche benötigen einen Überblick darüber, welche Agenten aktiv sind, welche Aufgaben sie bearbeiten, welche Prozesszustände erreicht wurden und wo Abweichungen oder Fehler auftreten.
• Nachvollziehbarkeit: Die Systeme müssen relevante Arbeitsschritte, verwendete Informationsquellen, Werkzeugaufrufe und ausgelöste Aktionen dokumentieren. Auch die Grundlagen von Entscheidungen und Ergebnissen müssen soweit möglich überprüfbar bleiben.
• Durchsetzung von Governance Gates: Verbindliche Kontrollpunkte müssen verhindern, dass Agenten definierte Handlungs- oder Entscheidungsgrenzen überschreiten. Kritische Aktionen benötigen gegebenenfalls eine zusätzliche Prüfung oder menschliche Freigabe.
• Eingriffs- und Korrekturmöglichkeiten: Verantwortliche müssen laufende Aktivitäten anhalten, Aufgaben neu zuweisen, fehlerhafte Bearbeitungsschritte korrigieren oder Vorgänge an zuständige Personen übergeben können.
• Qualitätssicherung und Test-Suites: Neue oder veränderte Agenten müssen vor ihrem produktiven Einsatz anhand definierter Testszenarien überprüft werden. Dazu gehören funktionale Tests, die Prüfung zulässiger Handlungsspielräume sowie Regressions- und Integrationstests für bestehende Prozessketten.

Gerade die Qualitätssicherung erhält bei probabilistischen Systemen eine zusätzliche Bedeutung. Anders als bei rein deterministischen Abläufen lässt sich nicht für jede Eingabesituation ein identischer Bearbeitungsweg oder ein wortgleiches Ergebnis erwarten. Test-Suites müssen deshalb auch unterschiedliche Fallkonstellationen, mögliche Fehlinterpretationen und unerwartetes Verhalten berücksichtigen. Für den produktiven Betrieb braucht es überprüfbare Akzeptanzkriterien und kontrollierte Freigaben neuer Agenten oder veränderter Versionen.

Diese Prüf- und Freigabefunktionen müssen nicht vollständig innerhalb einer Orchestrierungsplattform liegen. Entscheidend ist ihre Verzahnung mit der operativen Steuerung, damit Unternehmen nachvollziehen können, welche Agentenversionen mit welchen Berechtigungen und Kontrollmechanismen eingesetzt werden.

Die Deloitte Finance Trends 2027 unterstreichen den Hintergrund dieser Anforderungen: Viele Finance-Führungskräfte stehen einem gewissen Grad agentischer Autonomie offen gegenüber, während die Bereitschaft zur vollständigen Delegation kritischer Entscheidungen deutlich geringer ausfällt. Für den praktischen Einsatz entsteht daraus die Aufgabe, eigenständige Bearbeitung und kontrollierte Entscheidungsbefugnisse miteinander zu verbinden.

Dabei verändert sich auch die Transparenz, die Finance-Verantwortliche von ihren Systemen benötigen. Neben klassischen Dashboards mit finanziellen Kennzahlen und Prozessleistungen werden operative Einblicke in die Arbeit der Agenten relevant. Welche Aufgaben laufen gerade? Wo treten wiederholt Fehler auf? Welche Governance Gates lösen besonders häufig Eskalationen aus? Und bei welchen Agenten oder Prozesskonstellationen besteht Anpassungsbedarf?

Die technische Orchestrierung wird damit um eine fachliche Betriebs- und Steuerungsperspektive erweitert. Ihre Ausgestaltung dürfte sich je nach Prozesskritikalität, Autonomiegrad und bestehender Systemlandschaft unterscheiden. Für 2027 stellt sich damit für uns die Frage, wie Finanzorganisationen diese Steuerungsfähigkeit aufbauen und welche Funktionen sie dafür in ihrer bestehenden Automatisierungsarchitektur ergänzen müssen.

5. Vom operativen Ausführen zur Human Oversight: Welche Rollen und Kompetenzen braucht Finance künftig?

Mit der zunehmenden agentischen Bearbeitung von Finanzaufgaben verändert sich auch die Arbeitsteilung innerhalb der Finanzorganisation. Wenn Systeme Rechnungsabweichungen untersuchen, Abstimmungen vorbereiten oder finanzwirtschaftliche Analysen durchführen, müssen Menschen nicht mehr jeden einzelnen Bearbeitungsschritt selbst ausführen. Sie bleiben jedoch für die fachliche Qualität und die ihnen zugeordneten Entscheidungen und Prozesse verantwortlich.

Damit verschieben sich die Anforderungen an die menschliche Arbeit. Neben der Ausführung und Bearbeitung einzelner Vorgänge gewinnen die fachliche Beurteilung automatisierter Abläufe, die Überwachung des Systemverhaltens und die gezielte Intervention an Bedeutung.

Die dafür benötigten Fähigkeiten gehen über die allgemeine Bedienung von KI-Werkzeugen hinaus. Vier Kompetenzbereiche rücken in den Vordergrund:

• Fachliches Prozessverständnis: Verantwortliche müssen die wirtschaftliche Logik, Abhängigkeiten und Kontrollanforderungen ihrer Finanzprozesse verstehen. Nur so können sie beurteilen, ob ein Agent einen Geschäftsfall sachgerecht bearbeitet und welche Auswirkungen seine Aktionen auf nachgelagerte Prozesse haben.
• Verständnis der Systemgrenzen und Fehlermöglichkeiten: Dazu gehört das Wissen, welche Informationen ein Agent verarbeitet, welche Regeln sein Verhalten bestimmen und wo Unsicherheiten entstehen können. Ein plausibles Analyseergebnis oder ein technisch erfolgreich abgeschlossener Vorgang muss nicht zwangsläufig fachlich korrekt sein.
• Bewertungs- und Kontrollkompetenz: Monitoring-Daten, Prüfprotokolle und automatisierte Warnmeldungen müssen fachlich interpretiert werden. Verantwortliche benötigen die Fähigkeit, Abweichungen einzuordnen, mögliche Fehlerursachen zu erkennen und zwischen tolerierbarem Verhalten und notwendigem Eingreifen zu unterscheiden.
• Steuerungs- und Interventionskompetenz: Wer agentische Prozesse beaufsichtigt, muss die verfügbaren Eingriffsmöglichkeiten kennen und ihre Folgen abschätzen können. Dazu gehören die Unterbrechung laufender Abläufe, die Korrektur von Bearbeitungsergebnissen, die Anpassung von Handlungsspielräumen und die Entscheidung über menschliche Freigaben.

Diese Anforderungen betreffen nicht jede Finance-Rolle in gleichem Umfang. Wer einen automatisierten Prozess fachlich verantwortet, benötigt andere Kenntnisse als Personen, die Agenten technisch betreiben oder die Ergebnisse einzelner Analysen nutzen. Die Entwicklung künftiger Kompetenzprofile muss deshalb an den tatsächlichen Aufgaben und Verantwortlichkeiten ansetzen.

Eine besondere Herausforderung entsteht durch den möglichen Verlust praktischer Prozesserfahrung. Wer immer weniger operative Arbeitsschritte selbst ausführt, hat unter Umständen auch weniger Gelegenheit, die zugrunde liegenden Geschäftsprozesse und ihre Ausnahmen im Arbeitsalltag kennenzulernen. Gleichzeitig bleibt genau dieses Erfahrungswissen notwendig, um Fehler, ungewöhnliche Konstellationen oder unzureichende Bearbeitungsansätze agentischer Systeme erkennen zu können.

Das betrifft insbesondere die Entwicklung des fachlichen Nachwuchses. Wenn wiederkehrende Tätigkeiten zunehmend automatisiert werden, müssen Finance-Organisationen neue Wege finden, um Prozessverständnis und finanzwirtschaftliche Urteilskraft aufzubauen. Die Arbeit an komplexen Ausnahmefällen, gezielte Simulationen und die fachliche Überprüfung agentischer Entscheidungen könnten dabei eine größere Rolle übernehmen. Welche Lern- und Entwicklungsmodelle dafür geeignet sind, wird sich allerdings erst in der Praxis zeigen.

Damit reicht die Frage nach künftigen Finance Skills unmittelbar in das Finance Operating Model hinein. Unternehmen müssen die Zusammenarbeit zwischen fachlicher Prozessverantwortung, technischem Systembetrieb und übergreifender Governance organisieren. Ebenso gilt es zu klären, wie Verantwortliche ausreichenden Einblick in die Agentenarbeit erhalten und welche Befugnisse sie für wirksame Eingriffe benötigen.

Für unsere Diskussion in 2027 steht deshalb nicht allein die Entwicklung neuer KI-Kompetenzen im Mittelpunkt. Ebenso wichtig wird die Frage, wie Finanzorganisationen ihre fachliche Urteilskraft und ihr Prozesswissen erhalten, wenn die operative Arbeit zunehmend von agentischen Systemen übernommen wird.

Fazit: Fokus der Finance-Transformation 2027 muss bei der Organisation und Kontrolle liegen

Die Weiterentwicklung agentischer KI eröffnet zusätzliche Möglichkeiten für die Automatisierung und Analyse finanzwirtschaftlicher Prozesse. Ihr tatsächlicher Nutzen wird jedoch nicht allein von der Leistungsfähigkeit einzelner Agenten abhängen. Ebenso entscheidend sind die Aufgaben, die Unternehmen an sie übertragen, die fachlichen Informationen, auf die sie zugreifen können, und die Qualität der organisatorischen Einbindung.

Die fünf diskutierten Fragestellungen beschreiben unterschiedliche Dimensionen dieser Entwicklung. Sie reichen von der Auswahl geeigneter Automatisierungsansätze über die Qualität KI-vermittelter Analysen und die Bereitstellung fachlichen Kontextwissens bis zur Orchestrierung der Systeme und den Kompetenzen der verantwortlichen Menschen.

Für 2027/28 rückt damit eine weitergehende Gestaltungsaufgabe in den Vordergrund. Finanzorganisationen müssen nicht mehr nur einzelne Prozesse automatisieren, sondern die Zusammenarbeit von Menschen, deterministischen Anwendungen und zunehmend eigenständig arbeitenden KI-Agenten organisieren. Dazu gehören verbindliche Governance-Regeln ebenso wie die operative Fähigkeit, agentische Aktivitäten zu überwachen, zu prüfen und bei Bedarf zu korrigieren.

Die menschliche Perspektive bleibt dabei wesentlich. Je mehr operative Aufgaben automatisiert werden, desto bewusster müssen Unternehmen die fachlichen Fähigkeiten entwickeln und erhalten, die für eine verantwortliche Steuerung dieser Systeme erforderlich sind.

Die fünf Fragen verstehen wir deshalb nicht als abschließende Prognosen, sondern als gemeinsame Arbeitsagenda für die nächste Phase der Finance-Transformation.

Die Diskussion auf Shift/Finance weiterführen

Diese Fragen werden uns auch bei den kommenden Shift/Finance-Veranstaltungen beschäftigen.

Im Purchase-to-Pay FORUM am 18. November 2026 betrachten wir die Möglichkeiten und Grenzen agentischer Prozessbearbeitung entlang der Beschaffungs- und Rechnungsprozesse. Beim Record-to-Report FORUM am 19. November 2026 stehen unter anderem die Weiterentwicklung von Closing, Accounting-Workflows und Reporting sowie die Anforderungen an Nachvollziehbarkeit und Kontrolle im Mittelpunkt.

Der Finance Automation SUMMIT am 27. und 28. April 2027 bietet anschließend den übergreifenden Rahmen, um die technologischen, prozessualen und organisatorischen Veränderungen der Finanzfunktion zusammenzuführen.

Wir möchten diese Diskussion jedoch nicht auf einzelne Veranstaltungstermine beschränken.

Auf der Shift/Finance-Plattform bauen wir dafür gerade Themengruppen auf, in denen sich Erfahrungen, offene Fragen und unterschiedliche Gestaltungsansätze auch zwischen den Veranstaltungen diskutieren lassen.

Einen Schwerpunkt, den wir uns dafür vorgenommen haben, bilden die künftigen Rollen und Kompetenzen in Finance. Dabei wollen wir gemeinsam untersuchen, wie sich Tätigkeiten und Verantwortlichkeiten in einer zunehmend agentisch unterstützten Finanzorganisation verändern, welche Fähigkeiten für wirksame Human Oversight erforderlich sind und wie Unternehmen die finanzfachliche Urteilskompetenz ihrer Mitarbeitenden erhalten und weiterentwickeln können.

Welche Aufgaben übernehmen KI-Agenten bereits in euren Finanzprozessen? Wo entstehen neue Anforderungen an Kontrolle und Koordination? Und welche Kompetenzen werden in euren Teams künftig wichtiger?

Wir freuen uns darauf, diese Fragen gemeinsam auf Shift/Finance weiterzuverfolgen.