Mehr Arbeit statt weniger – warum KI Finanzteams verschiebt, statt sie zu ersetzen

Es gibt eine Erwartung, die fast jedes Team teilt, wenn es zum ersten Mal etwas mit KI automatisiert: Jetzt wird es ruhiger. Die Belege erfassen sich von selbst, der Standardreport baut sich allein, die Kontierung läuft im Hintergrund – also bleibt am Monatsende mehr Zeit für alles andere.

Was wir dann erleben, ist meist etwas anderes. Die einzelne Aufgabe geht tatsächlich schneller. Aber der Schreibtisch wird nicht leerer. Es kommen neue Fragen dazu, neue Auswertungen, neue Dinge, die jemand prüfen oder einordnen muss. Die Arbeit verschwindet nicht – sie verschiebt sich.

Das ist kein Widerspruch und auch kein Zeichen dafür, dass die Automatisierung schlecht läuft. Es folgt einem Muster, das sich in der Wirtschaftsgeschichte immer wieder zeigt. Dieser Artikel beschreibt, warum billiger werdende Routine die Nachfrage nach Arbeit eher erhöht als senkt, was davon im Finanzalltag übrig bleibt – und wie sich die Rolle im Team dabei verändert.

Das Paradox in Zahlen

Dass KI den Abschluss beschleunigt, ist gut belegt. Eine viel zitierte Untersuchung von MIT und Stanford aus dem August 2025 kommt zu dem Ergebnis, dass Teams mit generativer KI den Monatsabschluss um rund sieben bis acht Tage verkürzen. Wer stark automatisiert, schließt die Bücher häufiger innerhalb weniger Tage statt erst gegen Monatsmitte.

Der interessante Teil ist, was mit der gewonnenen Zeit passiert. In denselben Erhebungen schrumpfen die Teams nicht im gleichen Maße – stattdessen betreuen sie mehr Fälle, beantworten mehr Fragen und verschieben Zeit von der Erfassung hin zur Auswertung. Auch der Arbeitsmarkt zeigt diese Richtung: Nach Daten von PwC steigt die Beschäftigung selbst in stark automatisierbaren Bereichen, während die Nachfrage nach analytischer Arbeit zunimmt.

Die Geschwindigkeit ist also real. Sie übersetzt sich nur selten in „weniger Arbeit“. Sie übersetzt sich in „mehr erledigt“.

Wenn Kompetenz billig wird, steigt die Nachfrage

Für dieses Muster gibt es einen Namen, der aus dem 19. Jahrhundert stammt. 1865 beobachtete der Ökonom William Stanley Jevons, dass effizientere Dampfmaschinen den Kohleverbrauch nicht senkten, sondern in die Höhe trieben. Weil jede Einheit Kohle mehr leistete, wurde Dampfkraft billiger – und genau deshalb setzten plötzlich viel mehr Branchen darauf. Die Effizienz stieg, der Gesamtverbrauch stieg mit.

Dasselbe passiert gerade mit dem, was man „Denkarbeit“ nennen könnte. Wenn eine Abweichungsanalyse Minuten statt Stunden kostet, machen wir nicht dieselbe Anzahl Analysen in weniger Zeit. Wir machen mehr Analysen. Die zweite Forecast-Variante, die früher zu aufwendig war, wird jetzt selbstverständlich. Die Frage „können wir das auch noch nach Region aufschlüsseln?“ wird billig – und deshalb wird sie häufiger gestellt.

Sinkende Kosten für eine Tätigkeit führen also nicht dazu, dass wir sie seltener tun. Sie führen dazu, dass sie an mehr Stellen auftaucht. Genau das füllt den Schreibtisch wieder auf – mit anderen, oft anspruchsvolleren Aufgaben.

Von Gleichförmigkeit zu Differenzierung

Es gibt noch einen zweiten Grund, und der liegt darin, wie Sprachmodelle überhaupt funktionieren. Sie sind auf dem trainiert, was bereits geschrieben, gebucht und ausgewertet wurde – auf der sichtbaren Spur vergangener Kompetenz. Was sie standardmäßig produzieren, ist deshalb ein solider Durchschnitt: ein ordentlicher erster Entwurf, den inzwischen praktisch jede:r erzeugen kann.

Sobald aber alle denselben Standardreport auf Knopfdruck produzieren können, verliert der Standardreport seinen Wert. Was wertvoll wird, ist das, was sich von der Vorlage unterscheidet: der Kommentar, der weiß, warum die Marketingkosten im dritten Quartal gesprungen sind, weil die Messe in diesem Jahr vorgezogen wurde. Die Einordnung, die den Einmaleffekt vom Trend trennt. Der Hinweis, der einen Sachverhalt mit der Steuerlage des Unternehmens verbindet.

Diese Unterscheidung kommt nicht aus dem Modell. Sie kommt aus dem Menschen, der den konkreten Fall, die konkrete Firma und den konkreten Monat kennt. Je mehr austauschbarer Standard verfügbar wird, desto gefragter wird das Spezifische – und das Spezifische ist menschliche Arbeit.

Was übrig bleibt, ist das Urteil

Schon 1983 beschrieb die Kognitionspsychologin Lisanne Bainbridge in ihrem Aufsatz „Ironies of Automation“ einen Effekt, der heute aktueller wirkt denn je. Automatisierung übernimmt zuerst das Berechenbare und Routinemäßige. Was dem Menschen bleibt, ist kein vereinfachter Rest, sondern gerade die schwierigen, mehrdeutigen Fälle – die Ausnahmen, die Grenzentscheidungen, der Moment, in dem etwas nicht aufgeht.

Im Finanzalltag lässt sich das gut beobachten. Eine KI ordnet die große Mehrheit der Buchungen mit hoher Sicherheit zu. Die wenigen Fälle, bei denen sie zögert, sind selten die einfachen. Es sind der neue Lieferant ohne Historie, die ungewöhnliche Zahlung, die Abgrenzung, die ein Wesentlichkeitsurteil braucht. Genau dort, wo das System aussteigt, beginnt die anspruchsvolle Arbeit – nicht dort, wo sie aufhört.

Wie sich die Rolle verschiebt

In den Teams, die wir kennen, verändert sich dadurch weniger, ob jemand gebraucht wird, als wofür. Die Zeit, die früher in das Erfassen, Zuordnen und Zusammenstellen geflossen ist, fließt stärker in zwei andere Richtungen: in die Frage davor und die Prüfung danach.

Die Frage davor heißt: Was wollen wir überhaupt wissen, welche Abgrenzung ist relevant, ab welchem Betrag schauen wir genauer hin? Die Prüfung danach heißt: Stimmt das Ergebnis, hält die Begründung, was bedeutet die Zahl für die nächste Entscheidung? Beides ist anspruchsvoller als das, was die KI übernommen hat – und beides lässt sich nicht delegieren, weil daran Verantwortung und Kontext hängen.

Das ist die eigentliche Verschiebung. Nicht weniger Finanzarbeit, sondern eine andere: weg vom Produzieren der Zahl, hin zum Einordnen und Verantworten. Die Routine wird billiger – und genau deshalb wird das Urteil teurer.

In einem Satz

KI macht gestrige Kompetenz billig. Billige Kompetenz wird mehr genutzt, das Ergebnis wird zur austauschbaren Massenware, und gefragt ist wieder das, was anders ist – das, was nur ein Mensch beisteuern kann, der den konkreten Fall kennt. Deshalb führt mehr Automatisierung im Finanzteam selten zu weniger Arbeit. Sie führt zu mehr Arbeit der anspruchsvolleren Sorte.