27 Controller Magazin | Special | 2026 Die eigentliche Sorge heutiger FinanceTeams ist nicht Automatisierung, sondern Irrelevanz. Die Angst, dass sich die Profession schneller entwickelt als ihre eigenen Fähigkeiten. Diese Sorge ist berechtigt – aber auch eine Chance. Von der Kontrolle zur Interpretation Controller hatten jahrzehntelang eine klare Aufgabe: Zahlen sammeln, prüfen, berichten. Diese Tätigkeiten werden zunehmend automatisiert. Shared Service Center erledigen Routinen. KI-Systeme erstellen Forecasts. Dashboards aktualisieren sich selbst. Was bleibt? Das, was Maschinen nicht können: Kontext schaffen, Zusammenhänge erklären, strategische Implikationen ableiten. Die neue Controller-Rolle hat vier Dimensionen: 1. Übersetzer zwischen Daten und Entscheidungen KI liefert Analysen. Aber jemand muss diese Analysen für Stakeholder verständlich machen, die sich nicht für Algorithmen interessieren. Controller werden zu Interpreten: Sie nehmen maschinengenerierte Insights und übersetzen sie in handlungsrelevante Empfehlungen. 2. Koordinator der „One Version of Truth“ Wenn Führungskräfte Self-Controlling betreiben und direkt auf Daten zugreifen, wächst die Gefahr inkonsistenter Zahlen. Wer greift wann welche Daten ab? Wer stellt sicher, dass alle dieselbe Datenbasis nutzen? Diese Koordinationsaufgabe wird wichtiger, nicht unwichtiger. 3. Architekt für digitale Geschäftsmodelle Neue Geschäftsmodelle – Plattformen, Subscriptions, digitale Services – werfen betriebswirtschaftliche Fragen auf: Wie werden Daten monetär bewertet? Wie rechnen wir plattformbasierte Umsätze ab? Wie bewerten wir Start-up-Übernahmen? Controller müssen Antworten liefern, wo klassische Methoden versagen. 4. Designer von Steuerungssystemen Für komplexe Analytics- und KI-Systeme liefern Controller das betriebswirtschaftliche Design. Sie definieren, welche KPIs relevant sind, wie Treiber gemessen werden, welche Annahmen realistisch sind. Nicht Data Scientists entscheiden das – Controller tun es, in Zusammenarbeit mit IT. Die Skills, die zählen Die Diskussion über Controller-Skills fokussiert oft das Falsche. Controller müssen keine Programmierer werden. Sie brauchen andere Kompetenzen: Kritisches Hinterfragen von KI-Outputs: Wann können Sie einer KI-generierten Prognose vertrauen? Wie hinterfragen Sie Annahmen hinter Algorithmen? Wo muss menschliches Urteilsvermögen maschinelle Logik korrigieren? Das ist die wertvollste Fähigkeit im KI-Zeitalter. Prompt Engineering für Finance: Die richtigen Fragen an KI-Tools stellen. Nicht nur Basisabfragen, sondern strategische Szenarien entwerfen, die menschliches Denken mit maschineller Rechenpower verbinden. Validierung statt Verarbeitung: KI kann plausibel klingende Analysen liefern, die völlig falsch sind. Controller müssen diese Fehler erkennen, bevor sie Stakeholder erreichen. Datenkompetenz als Fundament: Verstehen, wo Daten herkommen, wie sie verknüpft sind, welche Qualität sie haben. Ohne diese Basis ist jede Analyse wertlos – ob manuell oder KI-gestützt. Cross-funktionale Kommunikation: Controller arbeiten nicht mehr im Finance-Silo. Sie übersetzen zwischen Vertrieb, Produktion, IT und Management. Kommunikationsfähigkeit wird zur Kernkompetenz. Warum Kultur wichtiger ist als Tools Die meisten Transformationsprojekte scheitern nicht an schlechter Technologie. Sie scheitern an Widerstand in den mittleren Ebenen, wo Veränderung stillschweigend blockiert wird. Studien zeigen: 70 Prozent digitaler Transformationen scheitern – primär wegen Mitarbeiter-Widerstand und mangelnder Management-Unterstützung. Was erfolgreiche Unternehmen anders machen Psychologische Sicherheit schaffen: SeniorAnalysten scheuen sich zuzugeben, dass sie neue KI-Tools nicht vollständig verstehen. Das bremst Adoption. Lösung: Lernen in der Öffentlichkeit normalisieren. Ein CFO führte monatliche Sessions ein, in denen Teams offen über Fehler und Entdeckungen mit KITools sprechen. Das schafft Vertrauen und beschleunigt Lernen. KI als Erweiterung positionieren, nicht als Bedrohung: Hören Sie auf, KI als Kostensenkung zu verkaufen. Teams durchschauen das. Kommunizieren Sie ehrlich: KI übernimmt mühsame Abstimmungen, damit Controller sich auf strategische Arbeit konzentrieren können. Das erhöht Akzeptanz dramatisch. Early Adopters sichtbar machen: Mittlere Analysten, die sich profilieren wollen, sind ideale Vorreiter. Geben Sie ihnen Sichtbarkeit. Ihre Erfolge treiben Momentum unter Kollegen. Das beschleunigt Adoption und wird zum Recruiting-Vorteil. Kontinuierliches Lernen verankern: Einmalige Schulungen reichen nicht. Betten Sie Lernen in den Alltag ein: Incentives für Zertifizierungen, dedizierte Zeit für Weiterbildung, Peer-Learning-Gruppen, Anerkennung innovativer Tool-Nutzung.
RkJQdWJsaXNoZXIy Mjc4MQ==