CFOs setzen auf KI-Agenten für das Finanzwesen

Agentische KI verändert die Rolle des CFOs

Finanzchefs weltweit entdecken eine neue Generation von KI-Tools: Agenten, die nicht nur analysieren, sondern selbstständig handeln. Eine aktuelle Studie von PYMNTS Intelligence zeigt, dass 62 Prozent der CFOs bereits KI-Agenten in ihren Abteilungen einsetzen oder dies für das nächste Jahr planen. Der Trend ist klar: Weg von passiven Dashboards, hin zu aktiven Systemen, die Transaktionen prüfen, Reports generieren und sogar Compliance-Aufgaben übernehmen.

In der Schweiz ist die Entwicklung besonders relevant. Das Schweizer Treuhandwesen, das stark auf manuelle Prozesse setzt, steht vor einem Umbruch. Während grosse Banken wie die UBS oder die Credit Suisse (heute Teil der UBS) schon länger auf KI setzen, tun sich kleinere Treuhandbüros und KMU schwer. Doch genau hier liegen die Chancen: Agentische KI kann Routineaufgaben wie die Kontenabstimmung oder die Rechnungsprüfung automatisieren und so Kapazitäten für Beratung freisetzen.

Von der Analyse zur Aktion: Was agentische KI leistet

Klassische KI-Modelle wie GPT-4 oder Claude analysieren Daten und liefern Empfehlungen. Agentische KI geht einen Schritt weiter: Sie führt Aufgaben selbstständig aus. Ein Beispiel: Ein KI-Agent kann täglich eingehende Rechnungen prüfen, sie mit Bestellungen abgleichen und bei Abweichungen automatisch eine Rückfrage auslösen. Das spart nicht nur Zeit, sondern reduziert auch Fehler.

Die Studie von PYMNTS zeigt, dass CFOs vor allem drei Bereiche identifizieren, in denen agentische KI Mehrwert schafft: das Cashflow-Management, die Compliance-Überwachung und das Reporting. Im Cashflow-Management können Agenten Zahlungsströme in Echtzeit analysieren und Engpässe prognostizieren. In der Compliance überwachen sie Transaktionen auf verdächtige Muster und melden diese direkt an die zuständige Stelle. Beim Reporting generieren sie monatliche Abschlüsse oder Ad-hoc-Analysen auf Knopfdruck.

Für Schweizer Treuhänder, die oft mehrere KMU betreuen, ist das ein Hebel. Statt jeden Monat manuell Bilanzen zu erstellen, könnten sie einen KI-Agenten beauftragen, der die Daten aus den ERP-Systemen der Kunden zieht und die Reports automatisch erstellt. Ein Vergleich der führenden Schweizer ERP-Systeme zeigt, dass Bexio und Abacus unterschiedlich weit sind: Während Abacus bereits Schnittstellen für KI-Analysen bietet, ist Bexio noch stärker auf die klassische Buchhaltung fokussiert. Ein detaillierter Vergleich der Systeme hilft bei der Entscheidung: Bexio vs Abacus vs Banana: ERP-Vergleich Schweiz 2026.

Die Technik dahinter: Modelle, Kosten und Latenz

Agentische KI basiert auf grossen Sprachmodellen (LLMs), die mit zusätzlichen Fähigkeiten ausgestattet werden. Statt nur Text zu generieren, können sie auf externe Systeme zugreifen, APIs aufrufen und Aktionen ausführen. Die führenden Modelle sind GPT-4o von OpenAI, Claude 3.5 von Anthropic und Gemini 1.5 Pro von Google. Open-Source-Alternativen wie Llama 3 oder Mistral gewinnen an Boden, vor allem bei datenschutzsensiblen Anwendungen.

Die Kosten variieren stark. GPT-4o kostet pro Million Tokens etwa 10 Franken für die Eingabe und 30 Franken für die Ausgabe. Claude 3.5 liegt ähnlich, Gemini 1.5 Pro ist günstiger, aber in der Schweiz noch nicht überall verfügbar. Open-Source-Modelle können auf eigenen Servern laufen, was die laufenden Kosten senkt, aber höhere Anfangsinvestitionen erfordert. Die Latenz ist ein kritischer Faktor: Für Echtzeitanwendungen wie die Transaktionsüberwachung sind Latenzen unter 500 Millisekunden nötig. GPT-4o erreicht das, Open-Source-Modelle auf optimierter Hardware ebenfalls.

Für Schweizer Finanzprofis ist der Datenschutz zentral. Das neue Datenschutzgesetz (nDSG) verlangt, dass personenbezogene Daten in der Schweiz oder im EU-Raum verarbeitet werden. Cloud-basierte Modelle von US-Anbietern sind daher nur mit entsprechenden Verträgen zulässig. Viele Schweizer Unternehmen setzen deshalb auf hybride Lösungen: Sie nutzen Open-Source-Modelle auf Schweizer Servern für sensible Daten und Cloud-Modelle für unkritische Aufgaben.

Praktische Anwendungen im Schweizer Finanzalltag

Wie sieht der Einsatz konkret aus? Ein Beispiel: Ein Treuhandbüro in Zürich betreut 50 KMU. Bisher braucht ein Mitarbeiter zwei Tage pro Monat, um die monatlichen Reports zu erstellen. Mit einem KI-Agenten, der die Daten aus den ERP-Systemen der Kunden zieht, die Reports generiert und bei Unstimmigkeiten Alarm schlägt, sinkt der Aufwand auf zwei Stunden. Der Mitarbeiter kann sich stattdessen auf die Beratung konzentrieren.

Ein weiteres Beispiel: Ein KMU mit 20 Mitarbeitern erhält monatlich 500 Rechnungen. Bisher prüft ein Buchhalter jede Rechnung manuell. Ein KI-Agent kann die Rechnungen mit Bestellungen abgleichen, Dubletten erkennen und Zahlungen anstossen. Das spart nicht nur Zeit, sondern reduziert auch das Risiko von Fehlzahlungen.

Die FINMA hat sich bisher zurückhaltend zu KI-Agenten geäussert. Klar ist: Wer KI im Finanzwesen einsetzt, muss die Verantwortung für die Ergebnisse tragen. Das gilt auch für Agenten, die selbstständig handeln. Ein Agent, der eine Zahlung auslöst, muss nachvollziehbar sein. Die FINMA verlangt, dass Entscheidungen dokumentiert und prüfbar sind. Das ist bei agentischer KI eine Herausforderung, aber lösbar: Jede Aktion des Agenten wird protokolliert und kann später eingesehen werden.

Risiken und Grenzen der agentischen KI

So vielversprechend die Technologie ist, sie hat auch Risiken. Agenten können Fehler machen, vor allem wenn sie auf unvollständige oder fehlerhafte Daten zugreifen. Ein Agent, der eine falsche Rechnung freigibt, kann finanziellen Schaden anrichten. Deshalb ist eine menschliche Kontrolle unerlässlich. Die Studie von PYMNTS empfiehlt, KI-Agenten zunächst in einer Sandbox zu testen, bevor sie in der Produktion eingesetzt werden.

Ein weiteres Risiko ist die Abhängigkeit von externen Anbietern. Wer auf GPT-4o setzt, ist von OpenAI abhängig. Fällt der Dienst aus, stehen die Prozesse still. Schweizer Unternehmen sollten daher auf Redundanz setzen: mehrere Modelle parallel nutzen oder auf Open-Source-Alternativen zurückgreifen.

Die Kosten sind ein weiterer Faktor. Agentische KI ist teurer als klassische KI, weil sie mehr Rechenleistung benötigt. Für ein KMU mit 20 Mitarbeitern können die Kosten für einen KI-Agenten schnell 500 bis 1000 Franken pro Monat betragen. Das ist für viele Schweizer KMU noch eine Hürde, aber die Preise sinken rapide.

Ausblick: Was Schweizer Finanzprofis jetzt tun sollten

Der Trend zu agentischer KI ist unumkehrbar. CFOs, die heute investieren, verschaffen sich einen Wettbewerbsvorteil. Für Schweizer Treuhänder und KMU-Finanzleiter heisst das: Jetzt informieren, testen und pilotieren. Die Technologie ist reif genug für erste Anwendungen, aber noch nicht perfekt. Wer zuwartet, bis die Technologie ausgereift ist, verpasst den Anschluss.

Konkret empfehle ich: Identifizieren Sie drei Prozesse in Ihrem Unternehmen, die repetitiv und regelbasiert sind. Das können die Rechnungsprüfung, das Reporting oder die Compliance-Überwachung sein. Testen Sie für einen dieser Prozesse einen KI-Agenten. Nutzen Sie dafür eine Sandbox oder einen Pilotversuch. Dokumentieren Sie die Ergebnisse und lernen Sie daraus.

Die Schweiz hat gute Voraussetzungen: eine starke Finanzbranche, hohe Datenschutzstandards und eine innovative Startup-Szene. Unternehmen wie Bexio, Abacus oder Klara bieten bereits KI-Funktionen an. Wer jetzt investiert, kann die Früchte ernten, wenn die Technologie in zwei bis drei Jahren zum Standard wird.

---

Quelle: PYMNTS AI — Dieser Artikel wurde automatisch mit KI erstellt und automatisiert auf Faktenkonformität mit der Originalquelle geprüft. Er wurde nicht individuell redaktionell geprüft.

Haftungsausschluss: Dieser Artikel dient ausschliesslich zu Informationszwecken und stellt keine Finanzberatung dar. Konsultieren Sie einen zugelassenen Finanzberater, bevor Sie Anlageentscheide treffen.

Weiterführende Artikel

• Bexio vs Abacus vs Banana: ERP-Vergleich Schweiz 2026
• >-
• 280 Millionen Dollar Hack bei Drift Protocol erschüttert DeFi-Markt