Verifizierungssteuer: Wenn manuelle KI-Kontrolle die Effizienz auffrisst
Eine IDC-Studie im Auftrag von Sage bringt eine Zahl auf den Tisch, die viele KI-Versprechen relativiert. In Deutschland verbringt fast jeder dritte Finanzentscheider zwischen 15 und 29 Stunden pro Woche damit, KI-Ergebnisse manuell zu validieren. Die Analysten nennen das Verifizierungssteuer. Ich finde den Begriff treffend, weil er ein Muster beschreibt, das ich in vielen Automatisierungsprojekten sehe: Ohne Kontrolle über den Weg zum Ergebnis wandert die eingesparte Zeit direkt in die Prüfung zurück.
Was die Studie tatsächlich zeigt
IDC hat im Februar 2026 weltweit 2275 hochrangige Finanzentscheider aus kleineren und mittleren Unternehmen befragt, über 17 Branchen in Nordamerika, Europa und dem Nahen Osten, Deutschland eingeschlossen. Für Deutschland fällt das Ergebnis besonders ungünstig aus. Neben dem Drittel mit 15 bis 29 Stunden Prüfaufwand geben weitere 18 Prozent an, mehr als 30 Stunden pro Woche für die Validierung aufzuwenden. Im Schnitt fließen 28 Prozent der durch KI eingesparten Zeit wieder in die Kontrolle zurück.
Die Blackbox kostet mehr Zeit als der Fehler
Der entscheidende Punkt aus der Studie: Meist stört die fehlende Transparenz. Offensichtliche Fehler sind die Ausnahme. Eine Finanzabteilung kann einen Bericht oder eine Prognose nicht freigeben, wenn sie Annahmen, Datenquellen und Berechnungen nicht nachvollziehen kann. Das deckt sich mit meiner Erfahrung. Ein KI-Output, der stimmt, aber nicht begründet ist, kostet in der Prüfung oft mehr Zeit als ein Ergebnis, das man Schritt für Schritt zurückverfolgen kann.
Transparenz schlägt Trefferquote
Die vielleicht wichtigste Zahl: 68 Prozent der deutschen Finanzführungskräfte würden ein KI-Tool ablehnen, das seine Ergebnisse nicht nachvollziehbar begründet, selbst bei einer versprochenen Trefferquote von 99 Prozent. Weltweit sind es 71 Prozent. Für mich ist das eine klare Ansage an alle, die Automatisierung nur über Modellqualität verkaufen. Wer die Verantwortung gegenüber Geschäftsführung oder Aufsichtsrat trägt, kann mit einer Zahl ohne Herkunft schlicht nichts anfangen.
Was das für die Praxis bedeutet
Also anders automatisieren statt weniger. Ich arbeite grundsätzlich so, dass jeder automatisierte Schritt eine Spur hinterlässt: welche Datenquelle, welche Regel, welche Annahme, welcher Zwischenstand. Das ist der Kern von KI-Automation mit Kontrolle. Wenn ein Workflow in Make oder n8n einen Wert berechnet, muss ich hinterher sehen können, woher der Wert kommt, ohne den Fall komplett neu zu rechnen.
Glass-Box statt Blackbox
Der Markt reagiert bereits. Mehr als die Hälfte der befragten Firmen wäre bereit, für nachvollziehbare Systeme einen Aufpreis zu zahlen, im Schnitt elf Prozent über den Standardkosten, bei besonders zahlungsbereiten Firmen rund 20 Prozent. Besonders hoch ist die Bereitschaft in stark regulierten Branchen wie Gesundheitswesen, Bau und Finanzwirtschaft. Das passt zu dem, was ich in Projekten sehe. Transparenz rechnet sich inzwischen. Genau deshalb setze ich bei sensiblen Daten auf Ansätze, die DSGVO-konform und dokumentiert sind.
Der Mensch bleibt in der Schleife
Der Traum von der vollautonomen Finanzabteilung bleibt vorerst unrealistisch. Nur vier Prozent der Unternehmen arbeiten nach eigener Einschätzung weitgehend autonom, 62 Prozent setzen weiter auf manuelle oder regelbasierte Prozesse. Der Trend geht zu Hybridmodellen, in denen KI Analysen, Datenabgleiche und Berichtsentwürfe beschleunigt und der Mensch entscheidet. Für mich ist das der einzige Weg, der Vertrauen und Tempo zusammenbringt. Wer seine Prozesse automatisieren will, sollte den Prüfschritt von Anfang an mitdenken, nicht nachträglich draufsetzen.
