Im Studio für Kurs Nummer 3: Warum KI im Finance-Bereich der größte Hebel mit den höchsten Schmerzen ist

Vorletzte Woche stand ich wieder im Studio. Drittes Mal in einem Jahr. Diesmal für meinen dritten LinkedIn Learning Kurs – Thema: KI im professionellen Finance-Bereich.

Ich bin ehrlich: Von meinen drei Kursen ist das der, bei dem ich am längsten gebrütet habe, bevor ich „ja” gesagt habe. Finance ist nicht „Marketing-Texte mit KI” und nicht „Slides schneller erstellen”. Finance ist der Bereich, in dem KI gerade den größten Hebel hat – und gleichzeitig der Bereich, in dem ein Fehler real ins Geld geht. Falsche Buchung. Falsche Zahl im Quartalsbericht. Falsche Risikobewertung. Falsch eingestelltes Compliance-Tool.

Plus: Seit Januar haben über 5.000 Lernende meine ersten beiden Kurse („KI-Power im Berufsalltag” und „Gute Präsentationen schneller erstellen”) gestartet. Das fühlt sich mittlerweile nach Verantwortung an. Nicht nach Marketing-Zahl.

Lass mich auspacken, warum ausgerechnet Finance jetzt dran ist – und nebenbei einen Trick teilen, den ich mir bei Kurs 2 hart erarbeitet habe und der ohne den ich keine Slide mehr baue.

Warum Finance der größte Hebel ist

Die Zahlen sind eindeutig.

KPMG schreibt in seinem aktuellen AI is the New Operating System for Finance-Beitrag: Wer KI-Agenten heute schon Konten täglich abgleichen und Abweichungen in Echtzeit aufzeigen lässt, verkürzt den Monatsabschluss-Zyklus von Wochen auf Tage. Reconciliation, Variance-Analyse, Document Review, automatisierte Belegprüfung – das sind die Dinge, in denen Finanzabteilungen jahrzehntelang strukturell unterbesetzt waren, weil sie repetitiv, regelhaft und gleichzeitig hochkonzentriert ablaufen mussten.

Deloitte ergänzt das aus der Audit-Perspektive: GenAI- und agentische Tools in der Prüfplattform übernehmen erste Reviews von Dokumenten, schlagen Klarheits- und Konsistenz-Verbesserungen vor und fangen Anomalien ein, bevor sie zur teuren Eskalation werden.

Und – das ist der eigentliche „Aha”-Moment im Kurs – KPMG zitiert die Zahl, dass 46 % der Buchhalter inzwischen täglich KI nutzen, fast doppelt so viel wie der Schnitt der kleinen und mittleren Unternehmen mit 28 %. Der vermeintlich konservativste Bereich der Wissensarbeit ist real der Vorreiter geworden. Das überrascht viele meiner Workshop-Teilnehmer.

Die Big Four selbst investieren entsprechend: Deloitte hat 3 Mrd. USD bis 2030 angekündigt, PwC 1,5 Mrd. USD, KPMG sogar 5 Mrd. USD in KI-Capabilities für Audit, Tax und Beratung. Das ist keine Bauchwelle, das ist Strukturentscheidung.

Warum Fehler hier richtig wehtun

Die andere Hälfte des Kurses dreht sich um genau das, was diesen Bereich so heikel macht: Regulierung.

Der EU AI Act klassifiziert Finanz-KI-Anwendungen, die die Kreditwürdigkeit natürlicher Personen bewerten oder Kreditscores erstellen, explizit als High-Risk-Systeme (Annex III). Mit allem, was dazugehört: dokumentierte Risikomanagement-Prozesse, Data-Governance, technische Doku, automatisches Event-Logging, Transparenz gegenüber Deployern, menschliche Aufsicht, Robustheits- und Cybersecurity-Anforderungen.

Die European Banking Authority (EBA) hat im November 2025 ein Papier veröffentlicht, das die konkreten Implikationen für den Banken- und Payments-Sektor aufschlüsselt – und macht klar: Die Anforderungen treten 2026 in Kraft, und sie sind nicht optional. Strafen bis 35 Mio. EUR oder 7 % des weltweiten Umsatzes für prohibitive Praktiken, bis 15 Mio. EUR oder 3 % für andere Verstöße.

Für mich als Trainer heißt das: Ich kann nicht einfach „bauen wir mal ein GPT für deinen Bonitäts-Check” sagen. Ich muss erklären, wo welche Anwendung im Risikoschema landet, was das praktisch bedeutet und wo der Bereich legitim ohne Bremse losdüsen darf (Reconciliation, Reporting-Drafts, interne Variance-Analysen) und wo zwingend ein Governance-Framework drüber gehört (alles, was Kunden direkt betrifft).

Genau diese Differenzierung ist das, was ich im Kurs vermittle. Nicht „darf ich KI im Finance einsetzen”. Sondern: welche KI in welchem Use Case, mit welcher Aufsicht und welcher Dokumentation.

Die „Big Idea”-Methode – was ich bei Kurs 2 gelernt habe

Kurz Themenwechsel, weil ich versprochen habe, einen praktischen Trick mitzugeben.

Bei meinem zweiten Kurs, „Gute Präsentationen schneller erstellen”, war die wichtigste Lektion nicht „welcher KI-Prompt baut die beste Slide”. Die wichtigste Lektion war eine Idee, die Nancy Duarte in ihrem Buch Resonate prägt und die sie Big Idea nennt.

Duartes Behauptung – und sie hat den Stoff über zehntausende Präsentationen empirisch durchgespielt: Jede gute Präsentation lässt sich in einem einzigen Satz zusammenfassen. Einem ganzen Satz, mit Subjekt, Prädikat, Objekt, mit Haltung. Nicht ein Titel. Nicht ein Headline-Wort. Ein Statement.

Beispiel aus Duartes Klassiker: John F. Kennedys Big Idea für das Mondlandeprogramm war nicht „Wir gehen zum Mond”. Sie war: „Die Vereinigten Staaten sollen in der Raumfahrt führen, weil dort der Schlüssel zu unserer Zukunft auf der Erde liegt.” Vollständiger Satz. Mit Begründung. Mit Haltung.

Wenn du diesen Satz hast, hast du ein Filter-Werkzeug für deine ganze Präsentation:

1. Kernbotschaft als ein Satz formulieren.
2. Jede einzelne Slide einem von drei (max. vier) Stützpfeilern zuordnen, die diesen Satz tragen.
3. Alles streichen, was nicht einzahlt. Wirklich. Auch die schöne Anekdote, auch die coole Statistik, auch das hübsche Diagramm.

Klingt simpel. Ist es nicht. Die meisten Decks scheitern daran, dass dieser Satz nie ausgesprochen wird – weder vom Sprecher noch von den Slides. Das ist der Grund, warum so viele Präsentationen wie ein PowerPoint-Bandwurm wirken: Es gibt keine Big Idea, die filtert.

Im Kurs zeige ich, wie du diesen Satz mit KI iterieren kannst (Claude, ChatGPT, Gemini sind dafür hervorragend) – aber der entscheidende Schritt ist nicht das Tool, sondern die Disziplin, das eine Statement vor dem Slide-Bauen festzulegen.

Was ich aus dem Studio mitnehme

Drei Beobachtungen, eine pro Kurs:

• Kurs 1 (Berufsalltag): Die Mehrheit der Lernenden will keine Tool-Tour. Sie wollen einen Rahmen, in den sie ihre eigenen Aufgaben einsortieren können. „Wo spart KI mir 30 Minuten am Tag?” ist die einzige Frage, die zählt.
• Kurs 2 (Präsentationen): Bessere Slides entstehen nicht durch bessere Templates, sondern durch bessere Big Ideas. Tool-Skill ist das letzte 10 %, nicht das erste.
• Kurs 3 (Finance): Der größte Hebel braucht die stärkste Bremse. Ohne Governance-Verständnis ist KI im Finance ein Compliance-Risiko, kein Produktivitäts-Tool.

Was alle drei Kurse verbindet: Die LinkedIn Learning Plattform liefert laut aktuellem Workplace Learning Report 2025 erstmals so viel Nachfrage nach KI-bezogenen Skills, dass entsprechende Kurse die Top-Wachstumskategorie sind. Heißt: Es gibt einen messbaren Hunger danach, KI nicht nur „mal auszuprobieren”, sondern strukturiert in den Berufsalltag zu bringen.

Und genau dafür mache ich das hier eigentlich.

Und persönlich

Drei Studio-Tage. Ungefähr 90 Minuten Schlaf pro Nacht weniger als sonst, weil man im Hinterkopf jede Formulierung noch zehnmal durchgeht. Ein Cutter, der zum dritten Mal sehr geduldig mit mir die schwierige Metapher in Take 7 endlich durchwinkt. Und am letzten Drehtag dieses Gefühl, das man nur dann hat, wenn man weiß: das hier wird tatsächlich Tausenden Menschen helfen, ihren Tag besser zu organisieren, ihren Bereich besser zu verstehen, ihren Job besser zu machen.

Wenn der Kurs in den nächsten Wochen live geht, lasse ich es euch wissen. Bis dahin: Wenn du in einem Finance-, Controlling- oder Accounting-Team sitzt und gerade überlegst, wo KI bei euch realistisch ansetzen soll – schreib mir gerne. Genau die Use Cases sind das Material, aus dem dieser Kurs entstanden ist.

Quellen

• KPMG – Global AI in Finance Report
• KPMG – AI Is the New Operating System for Finance
• Deloitte – Trustworthy AI in Finance & Accounting
• EU AI Act – Annex III High-Risk Systems
• EBA – AI Act: implications for the EU banking and payments sector
• Duarte – How to Develop the Big Idea for Your Presentation
• LinkedIn Learning – Workplace Learning Report 2025

Quellen

• KPMG – Global AI in Finance Report
• KPMG – AI Is the New Operating System for Finance
• Deloitte – Trustworthy AI in Finance & Accounting
• EU AI Act – Annex III High-Risk Systems
• EBA – AI Act: implications for the EU banking and payments sector
• Duarte – How to Develop the Big Idea
• LinkedIn Learning – Workplace Learning Report 2025