Eine Studie zu Unternehmens-Tabellenkalkulationen ergab, dass 94 % mindestens einen kritischen Fehler enthalten. Citigroup überwies einst versehentlich 900 Millionen US-Dollar an Gläubiger — wegen eines Tabellenkalkulationsfehlers. Die „London Whale"-Trades, die JPMorgan 6 Milliarden US-Dollar kosteten, waren teilweise das Ergebnis eines Kopier-Einfüge-Fehlers in Excel. Und 2020 verlor Englands öffentliches Gesundheitssystem die Übersicht über 16.000 COVID-19-Testergebnisse, weil eine Tabellenkalkulation still und leise ihre Zeilenobergrenze erreichte.
Jetzt wird genau diese Art fehleranfälliger Tabellenkalkulation einem KI-Assistenten übergeben mit der Bitte, „das einfach zu analysieren". Das ist der unbequeme Subtext hinter einer Behauptung, die in diesem Jahr in Finanzkreisen die Runde macht: traditionelle FP&A-Software (Financial Planning and Analysis), gebaut für Menschen, die sich durch Menüs klicken, sei überholt. Die Provokation kam von Didi Gurfinkel, CEO von Datarails, dem in Tel Aviv ansässigen FP&A-Unternehmen, das sich einen Namen damit gemacht hat, die „Excel-Hölle" für Finanzteams zu lösen. Sein Argument, kurz gefasst: KI kann heute Modelle bauen, Analysen durchführen und Berichte schreiben — schneller und besser, als ein Mensch es je könnte. Jedes Tool, das einschränkt, worauf die KI zugreifen darf, ist damit bereits im Rückstand.
Ob man die „tot"-These nun teilt oder nicht — der zugrunde liegende Wandel verdient Aufmerksamkeit, wenn man die Bücher eines kleinen Unternehmens führt, in einem schlanken Startup-Finanzteam arbeitet oder einfach nur die eigenen Unternehmenszahlen in einer Tabellenkalkulation verwaltet.
Was Datarails tatsächlich angekündigt hat
Datarails — das 175 Millionen US-Dollar an Wagniskapital eingesammelt hat, darunter eine 70-Millionen-Dollar-Series-C-Runde Anfang 2026 — hat eine Plattform namens FinanceOS gestartet. Das ist weniger ein einzelnes Produkt als vielmehr eine Neupositionierung: Statt ein weiteres abgeschottetes Dashboard zu bauen, wettet Datarails darauf, dass Finanzteams weiterhin das KI-Tool ihrer Wahl nutzen werden (Claude, ChatGPT, Microsoft Copilot) und lediglich die darunterliegenden Daten vertrauenswürdig sein müssen.
FinanceOS verbindet sich mit Hunderten von Quellsystemen (Buchhaltungssoftware, ERPs, CRMs, Lohnabrechnung), übernimmt die wenig glanzvolle Arbeit der Konsolidierung — Eliminierungen, Währungsumrechnung, den Abgleich von Zahlen aus drei verschiedenen Systemen, die nicht ganz übereinstimmen — und stellt das Ergebnis KI-Modellen über eine kontrollierte, prüfbare Schicht auf Basis des Model-Context-Protocol-Standards zur Verfügung. Sobald ein KI-erstelltes Modell existiert, kann es gesperrt werden, damit es konsistent bleibt, auch wenn sich die zugrunde liegenden Daten laufend aktualisieren.
Gurfinkels pointierter Kommentar zu den Wettbewerbern lautete, ältere Anbieter seien „bereits Geschichte … sie haben nicht genug Kapital oder Energie, um die Technologie neu zu schreiben", während neuere KI-native Konkurrenten stark in schicke Oberflächen investiert hätten, aber die wenig glanzvolle Datenkonsolidierungsschicht vernachlässigten — die seiner Ansicht nach eigentlich den dauerhaften Wettbewerbsvorteil darstellt. Datarails verschiebt zudem sein Preismodell weg von einer Lizenzierung pro Sitzplatz hin zu nutzungsbasierten Preisen, ausgehend von der These, dass zunehmend KI-Agenten und nicht Menschen diejenigen sein werden, die die Software „nutzen".
Das Paradox der KI-Einführung im Finanzwesen
Datarails ist nicht das einzige Unternehmen, dem das auffällt. Branchenumfragen zum KI-Einsatz im Unternehmensfinanzwesen zeigen immer wieder dasselbe rätselhafte Muster: Die Einführung steigt, aber die berichtete Wirkung bewegt sich kaum. Eine Branchen-Benchmark aus 2025 ergab, dass der Anteil der Finanzteams, die aktiv KI nutzen, im Jahresvergleich nur um einen Prozentpunkt zulegte — von 58 % auf 59 % —, während 91 % der Finanzteams angaben, die bereits eingeführten KI-Tools hätten nur geringe Auswirkungen auf ihre tatsächliche Arbeit gehabt.
Das ist ein merkwürdiges Ergebnis für eine derart leistungsfähige Technologie. Die übliche Erklärung von CFOs und Finanzverantwortlichen lautet nicht, dass die Modelle schlecht seien — sondern dass die Daten schlecht sind, mit denen man sie füttert. Teams verbinden eine wirklich leistungsfähige KI mit wirklich kaputten Quelldaten und wundern sich dann, warum das Ergebnis nicht weiterhilft.
Das eigentliche Problem ist nicht fehlende KI — sondern fehlende Daten-Governance
Hier ist der Teil, der mehr zählt als der Produktlaunch eines einzelnen Anbieters: Die KI-Einführung innerhalb von Finanzteams ist gestiegen, aber die Wirkung dieser KI konnte nicht Schritt halten. Mehrere Branchenumfragen aus 2026 verweisen auf dieselbe Lücke — Teams schalten KI schneller ein, als sie Wert daraus ziehen, und der am häufigsten genannte Grund ist die Datenqualität. Eine vielzitierte CFO-Umfrage aus 2026 ergab, dass 63 % der Finanzverantwortlichen glaubten, volle Transparenz über ihre eigenen Ausgabendaten zu haben, während dies in Wirklichkeit nur auf etwa 5 % tatsächlich zutraf.
Diese Lücke ist die ganze Geschichte. Wenn Ihre Bücher unordentlich sind, behebt das Anschließen eines KI-Tools das Durcheinander nicht — es verarbeitet das Durcheinander nur schneller und liefert Ihnen eine selbstbewusst klingende Antwort, die auf schlechten Eingaben beruht. KI-Modelle wissen nicht zuverlässig, wann sie falschliegen. Sie zitieren eine Steuerregel, die vor zwei Jahren ausgelaufen ist, oder fassen einen Tabellenblatt-Reiter zusammen, der nie aktualisiert wurde — mit genau demselben autoritativen Tonfall wie in den Fällen, in denen sie recht haben.
Für ein kleines Unternehmen zeigt sich das auf alltägliche, aber kostspielige Weise:
- Eine KI-generierte Cashflow-Zusammenfassung, die stillschweigend ein Bankkonto ausschließt, von dem niemand ihr erzählt hat.
- Ein „sauberer" Spesenbericht, erstellt aus einer Tabellenkalkulation, in der 3–5 % der Formelzellen stille Fehler enthalten — eine Quote, die sich in der Forschung zu Tabellenkalkulationsfehlern seit zwei Jahrzehnten hartnäckig hält und mit wachsender Tabellengröße nur zunimmt.
- Eine selbstbewusste Antwort zur Marge, die in Wirklichkeit zwei verschiedene Geschäftsperioden mittelt, weil ein Reiter kopiert statt verknüpft wurde.
Nichts davon ist eigentlich ein KI-Problem. Es ist ein Daten-Governance-Problem, das KI nur sichtbarer gemacht hat — denn jetzt wird das Durcheinander zu einem Absatz zusammengefasst, dem man eher unhinterfragt vertraut als einer rohen, offensichtlich chaotischen Tabellenkalkulation.
Was „KI-bereite" Finanzdaten wirklich erfordern
Ganz gleich, ob Sie jemals ein Produkt wie FinanceOS nutzen oder nicht — die zugrunde liegende Disziplin, die dahintersteckt, lohnt sich auch für sich genommen:
1. Eine einzige Quelle der Wahrheit, kein Ordner voller Tabellenkalkulationen. Wenn „die echten Zahlen" über vier Arbeitsmappen mit unterschiedlichen Änderungsdaten verteilt sind, wird keine darübergelegte KI sie korrekt abgleichen — sie wird lediglich raten, welche gerade aktuell ist.
2. Ein Prüfpfad für jede Zahl. Wenn sich eine Kennzahl ändert, sollten Sie beantworten können, warum sie sich geändert hat und wer (oder was) sie geändert hat. Genau darin sind Tabellenkalkulationen am schlechtesten — eine mit einem festen Wert überschriebene Formel hinterlässt keine Spur.
3. Gesperrte, versionierte Modelle. Eine von KI erstellte Prognose ist nur nützlich, wenn sie stabil bleibt, während Sie sie prüfen. Wenn sich die zugrunde liegenden Daten unbemerkt unter dem Modell weiterverschieben, prüfen Sie ein bewegliches Ziel.
4. Governance vor der Automatisierung, nicht danach. Der Instinkt ist, KI einfach an den bereits bestehenden Prozess anzuflanschen. Die Teams, die echten Nutzen daraus ziehen, gehen umgekehrt vor: erst den Kontenplan bereinigen, die Kategorisierung standardisieren — und erst dann die KI darauf ansetzen.
5. Berechtigungen, die nicht auf „diesen Reiter bitte nicht anfassen" beruhen. In einer gemeinsam genutzten Tabellenkalkulation bedeutet Zugriffskontrolle meist nur eine mündliche Vereinbarung, bestimmte Zellen nicht zu bearbeiten. Das ist keine Governance — das ist eine Gewohnheit, die bricht, sobald ein neues Teammitglied dazustößt. Welches System auch immer Ihre Zahlen verwaltet, es sollte durchsetzen, wer was ändern darf, statt nur zu hoffen, dass sich alle an die Regeln erinnern.
6. Ein Datensatz, der das Tool überlebt, nicht nur den Anbieter. FinanceOS ist, wie die meisten FP&A-Plattformen, ein proprietäres System — nützlich, aber Ihre historischen Daten liegen im Produkt eines anderen Unternehmens. Bei jedem Tool, das Sie einführen, lohnt sich die Frage: Wenn Sie morgen wechseln würden, könnten Sie eine vollständige, lesbare Finanzhistorie mitnehmen — oder müssten Sie jahrelange Transaktionen von Hand neu erfassen?
Würde sich dadurch für ein Fünf-Personen-Unternehmen wirklich etwas ändern?
Man liest leicht „FP&A-Plattform" und nimmt an, es gehe hier nur um große Konzerne. In der Praxis ist der Fehlermodus jedoch bei jeder Unternehmensgröße derselbe — er ist in einem Fünf-Personen-Unternehmen nur weniger sichtbar, weil außer Ihnen niemand Ihre Tabellenkalkulation prüft.
Stellen Sie sich eine kleine Agentur vor, die die Projektrentabilität in einer gemeinsam genutzten Tabellenkalkulation verfolgt: ein Reiter pro Kunde, Stunden aus einer Zeiterfassung, Ausgaben aus einem Kartenauszug eingefügt. Fragen Sie einen KI-Assistenten „welche Kunden waren im letzten Quartal profitabel?", und er wird bereitwillig jeden Reiter lesen und Ihnen eine selbstbewusste Rangliste liefern. Was er Ihnen nicht sagt: Zwei Kunden-Reiter verwenden eine andere Gemeinkostenformel als der Rest (kopiert aus einer älteren Vorlage), und die Zahlen eines Kunden sind drei Wochen veraltet, weil dieser Reiter nach dem letzten Rechnungslauf nicht aktualisiert wurde. Die KI hat keine Möglichkeit, das zu wissen — sie sieht nur Zahlen in Zellen und berichtet darüber.
Die Lösung besteht nicht zwangsläufig darin, Enterprise-FP&A-Software zu kaufen. Sie besteht darin, sicherzustellen, dass es — bevor irgendeine KI Ihre Zahlen berührt — einen einzigen Ort gibt, an dem diese Zahlen leben, ein einheitliches Format, dem sie folgen, und eine Aufzeichnung darüber, wann sich jede Kennzahl zuletzt geändert hat. Das ist ein Governance-Problem, kein Problem der Unternehmensgröße.
Das Argument für versionskontrollierte Klartext-Buchhaltung
Genau diese Lücke sollte Klartext-Buchhaltung schließen — lange bevor „KI-bereite Daten" zum Modewort wurde. Ein in einem versionskontrollierten Klartextformat geführtes Hauptbuch besitzt schon von Natur aus genau die Eigenschaften, die Finanzteams jetzt hastig an ihre Tabellenkalkulationen anzuflanschen versuchen:
- Jede Änderung wird nachverfolgt. Die Git-Historie ist der Prüfpfad — kein separates Änderungsprotokoll zu pflegen, keine Formel, die spurlos überschrieben wird.
- Eine einzige maßgebliche Datei, kein Ordner voller „final_v3"-Arbeitsmappen. Es gibt keine Unklarheit darüber, welche Version aktuell ist.
- Strukturierte, maschinenlesbare Daten. Da Buchungen einem konsistenten doppelten Buchführungsformat folgen statt freien Tabellenzellen, arbeitet ein KI-Tool, das das Hauptbuch liest, mit strukturierten, prüfbaren Aufzeichnungen — statt zu raten, was eine verbundene Zelle bedeutet.
Wenn Sie ein Kleinunternehmer, Freiberufler oder unabhängiger Entwickler sind, der derzeit die Bücher in einer Tabellenkalkulation führt und überlegt, sie einem KI-Copilot zu übergeben: Die dauerhaftere Lösung besteht meist darin, zuerst die zugrunde liegende Buchführung selbst zu reparieren.
Halten Sie Ihre Bücher von Anfang an KI-bereit
Welches Finanz-Tooling die nächsten Jahre auch gewinnen mag — die Gewinner werden diejenigen sein, deren zugrunde liegende Aufzeichnungen schon vertrauenswürdig waren, bevor sie je eine KI berührt hat. Beancount.io bietet Klartext-Buchhaltung, die transparent, versionskontrolliert und genau für diese Art der Prüfung strukturiert ist — keine Blackbox-Tabellenkalkulationen, keine mysteriösen Formeln, nur prüfbare Aufzeichnungen, denen jedes Tool (KI oder Mensch) vertrauen kann. Jetzt kostenlos starten und bauen Sie Ihre Buchhaltung auf einem Fundament auf, das für alles Kommende bereit ist.