KI im Finanzwesen: Numerisches Denken und Halluzinationen

Geschrieben vonAnna Katharina Bollé

July 23, 2026

KI & Intelligenz11 min read

KI wird im Finanzbereich eingesetzt, um Daten zu strukturieren, Auffälligkeiten zu markieren und Finanzunterlagen vorzubereiten. Sie arbeitet schnell, liefert bei Zahlen aber nicht automatisch verlässliche Ergebnisse. Den größten Nutzen erzielen Finanzteams, wenn KI die Vorbereitung und Erstanalyse unterstützt, Berechnungen in nachvollziehbaren Tools ausgeführt werden und Fachkräfte die Ergebnisse prüfen.

Behalten Sie Ihre KI-Token-Ausgaben zentral im Blick

Wenn Finanzteams KI in immer mehr Arbeitsabläufen einsetzen, müssen sie nicht nur die Ergebnisse kontrollieren, sondern auch die entstehenden Kosten verstehen. Token-Ausgaben verteilen sich häufig auf Mitarbeitende, automatisierte Workflows und verschiedene Anbieter, während die Finanzabteilung oft erst Einblick erhält, nachdem die Kosten bereits entstanden sind.

Deshalb haben wir den Moss AI Token Cost Tracker entwickelt: ein kostenloses Dashboard, das lokal auf Ihrem Computer läuft und die KI-Ausgaben Ihrer verbundenen Anbieter in einer auf das Finanzteam zugeschnittenen Übersicht zusammenführt. So können Sie Kosten bis auf Ebene des Anbieters, Modells, Teams, der Person, des API-Keys oder Workflows zurückverfolgen.

Probieren Sie den Tracker selbst aus. Folgen Sie dazu einfach dem Video-Tutorial und der Schritt-für-Schritt-Anleitung für Ihr System:

Clone and set up the moss-ai-token-cost-tracker tool for me. Act as my setup assistant using your file system and terminal access:
1. First check whether the current folder (or a `moss-ai-token-cost-tracker` subfolder) already contains this tool (look for server.mjs and index.html). If it's already there, run `git pull` inside that folder to get the latest changes, then skip straight to step 3.
2. Otherwise, clone the repo:
   git clone https://github.com/getmoss/moss-ai-token-cost-tracker
   then work from inside that folder, and check whether Git, nvm, and the Node.js version this repo's README requires are installed, installing or switching to whatever is missing.
3. Ask me whether I want to run it in production mode (connecting my real accounts with API keys) or demo mode (mocked data, so I can just see how it looks without any API keys). Wait for my answer before continuing.
4. Double check that everything needed is set up correctly, and then run `npm start` for production mode, or `npm run demo` for demo mode, based on my answer.
5. Watch the terminal output for errors. If something fails, diagnose the root cause, explain it to me in plain language, and either fix it or tell me exactly what to run.
6. Tell me the URL to open in my browser once the server is running.
7. Later, if I ask you to stop or restart the tool, do that for me.

Important: never read, print, or send the contents of my .env file, and never share any API keys or company data outside this terminal session.

Wie wird KI im Finanzbereich heute eingesetzt?

KI ist im Finanzsektor längst angekommen, arbeitet aber nur selten vollständig autonom. Laut einer gemeinsamen Umfrage der Bank of England und der Financial Conduct Authority von November 2024 nutzen 75 % der befragten regulierten britischen Finanzunternehmen bereits KI; weitere 10 % planen den Einsatz innerhalb der nächsten drei Jahre. Im Jahr 2022 lag der Anteil der Nutzer noch bei 58 %.

55 % der erfassten KI-Anwendungsfälle enthalten eine Form automatisierter Entscheidungsfindung, aber nur 2 % laufen vollständig autonom. In der Praxis unterstützt KI also vor allem einzelne Aufgaben und Entscheidungen, während Menschen eingebunden bleiben.

Auch die Erwartungen steigen: In der Deloitte UK CFO Survey vom Juli 2026 gaben 73 % der befragten CFOs an, im vergangenen Jahr optimistischer hinsichtlich des Einflusses von KI auf die Unternehmensleistung geworden zu sein. Gleichzeitig zeigt eine Studie des Financial Reporting Council vom Juli 2026, dass generative KI in der Unternehmensberichterstattung bisher vor allem für narrative und klar abgegrenzte Aufgaben genutzt wird. In Bereichen mit hohem Urteilsbedarf und bei Jahresabschlüssen bleibt der Einsatz begrenzt, unter anderem wegen der Anforderungen an Datenqualität und Unternehmenssteuerung, möglicher Haftungsrisiken und der Bedeutung menschlicher Prüfung.

Das Kernproblem von KI bei Buchhaltung und Berechnungen

Ein großes Sprachmodell kann einen Sachverhalt erklären, einen Bericht entwerfen und trotzdem bei einer Berechnung oder der Verarbeitung einer Tabelle einen Fehler machen. Denn Sprachmodelle und klassische Berechnungssysteme arbeiten unterschiedlich.

Tabellenformeln und Buchhaltungssysteme führen vorgegebene Regeln deterministisch aus: Bei denselben Eingaben liefern sie dasselbe Ergebnis. Sprachmodelle erzeugen dagegen wahrscheinliche Ausgaben auf Basis gelernter Muster. Ohne ein angebundenes Rechentool ist deshalb nicht garantiert, dass eine korrekt klingende Antwort auf einer nachvollziehbar ausgeführten Berechnung beruht.

Warum KI-Halluzinationen bei Zahlen entstehen

Wenn ein Modell plausible, aber sachlich oder mathematisch falsche Informationen erzeugt, spricht man von einer Halluzination. Bei Finanzdaten kann der Fehler sowohl in der Berechnung als auch in der Auswahl und Interpretation der zugrunde liegenden Daten entstehen.

Der ORCA-Benchmark von 2025 untersuchte 500 praxisnahe quantitative Aufgaben aus Bereichen wie Finanzwesen, Statistik und Naturwissenschaften. Die getesteten führenden Modelle erreichten je nach System eine Genauigkeit von 45 bis 63 %. Häufige Fehler betrafen Berechnungen und Rundungen.

Für Finanzteams ist besonders wichtig, dass eine selbstsicher formulierte Antwort kein Beleg für ihre Richtigkeit ist. Rohe oder unübersichtliche Daten sollten deshalb nicht ohne klare Prüfregeln an ein Sprachmodell übergeben und dessen Ergebnisse nie ungeprüft übernommen werden.

Aufgaben im Finanzwesen, bei denen KI unterstützen kann, ohne die Berechnung zu übernehmen

KI sollte nicht grundsätzlich von Finanzdaten ferngehalten werden. Entscheidend ist, sie dort einzusetzen, wo sie Informationen vorbereitet, strukturiert und priorisiert, und nicht als alleinige Instanz für endgültige Zahlen.

KI kann Finanzteams unter anderem dabei unterstützen:

• potenzielle Ausreißer in umfangreichen Exporten zu markieren
• erste Abweichungserklärungen auf Basis interner Kommentare zu entwerfen
• Belege zu kategorisieren und Kontierungsvorschläge vorzubereiten
• Excel-Formeln oder Skripte zu erstellen
• unübersichtliche CSV-Exporte für die weitere Prüfung zu strukturieren

So verbringen Finanzfachkräfte weniger Zeit mit manueller Vorbereitung und können sich stärker auf Prüfung, Einordnung und Entscheidungen konzentrieren.

Zwei Wege für zahlengetriebene Aufgaben

(1) Berechnungen direkt im KI-Chat durchführen

Wenn Sie eine Berechnung direkt in einem KI-Chat durchführen lassen, achten Sie darauf, ob die KI dafür sichtbar Python-Code oder ein anderes Rechentool verwendet. Das ist ein gutes Zeichen, denn die Berechnung wird tatsächlich ausgeführt, statt dass das Sprachmodell lediglich auf Basis gelernter Muster eine plausible Antwort erzeugt oder halluziniert. Wird kein Rechentool verwendet, sollten Sie das Ergebnis besonders kritisch prüfen.

Auch die Ausführung von Code garantiert jedoch kein korrektes Ergebnis. Das Skript kann falsche Spalten verwenden, Zeilen überspringen oder relevante Transaktionen herausfiltern. Werden beispielsweise nur 50 von 100 relevanten Buchungen addiert, kann die Berechnung mathematisch stimmen und das Gesamtergebnis trotzdem falsch sein.

Prüfen Sie deshalb:

• Wurde für die Berechnung sichtbar ein Rechentool verwendet?
• Welche Quelldaten und Spalten wurden einbezogen?
• Wurden alle relevanten Zeilen verarbeitet?
• Sind Filter, Ausschlüsse und Annahmen nachvollziehbar?
• Stimmen Zeilenanzahl und Kontrollsummen mit der Originaldatei überein?
• Lässt sich das Ergebnis unabhängig in einem zweiten KI-Chat reproduzieren?

(2) Arbeitsblätter vorbereiten und anschließend validieren

Der verlässlichere Weg besteht darin, die KI ein Excel-Arbeitsblatt, Formeln oder ein Skript vorbereiten zu lassen. Die Berechnung erfolgt anschließend in einem nachvollziehbaren Rechentool. Dort kann eine Fachkraft die Formeln prüfen und die Ergebnisse mit den zugrunde liegenden Originaltransaktionen abgleichen.

Auch Copilot in Excel arbeitet beispielsweise mit nativen Excel-Funktionen wie Tabellen, Pivot-Tabellen und Formeln. Microsoft weist zugleich darauf hin, dass KI-generierte Inhalte geprüft werden müssen. Die KI unterstützt damit beim Aufbau und bei der Analyse, während Berechnung und Kontrolle im Arbeitsblatt nachvollziehbar bleiben.

Ein ausgewogener Weg nach vorn

KI kann die Vorbereitung und Erstanalyse von Finanzdaten deutlich beschleunigen. Bei Berechnungen bietet sichtbar ausgeführter Code mehr Sicherheit als eine reine Textantwort. Am verlässlichsten bleibt jedoch ein prüfbares Arbeitsblatt oder Rechentool, in dem Formeln, Quelldaten und Ergebnisse vollständig nachvollzogen werden können.