Wenn du einen KI-Controller einstellen willst, suchst du keinen Data Scientist mit Kostenrechnungskenntnissen und keinen klassischen Controller, der gelegentlich ChatGPT öffnet. Du suchst jemanden, der Controlling-Fachwissen, saubere Daten und KI-Werkzeuge verbindet, KI-Ergebnisse kritisch prüft und für die Zahlen geradesteht, die er freigibt. Dieser Leitfaden zeigt dir, welche Aufgaben die Rolle heute hat, welche Kompetenzen zählen, was im Unternehmen vorher stehen muss und wie du im Auswahlprozess erkennst, wer wirklich passt.
Kurz gesagt
- Die Rolle: Ein KI-Controller nutzt Predictive Analytics, Sprachmodelle und Automatisierung für Forecast, Reporting und Abweichungsanalyse und bleibt dabei verantwortlich für das Ergebnis.
- Das Profil: Fachliche Tiefe im Controlling zuerst, dann Daten- und KI-Kompetenz, dazu Urteilsvermögen und Kommunikationsstärke als Business Partner.
- Die Voraussetzung: Ohne bereinigte Stammdaten, einheitliche Kostenstellenlogik und klare Freigabegrenzen bringt auch die beste Besetzung wenig.
- Die Auswahl: Prüfe KI-Kompetenz mit echten Fallaufgaben statt mit Toolnamen im Lebenslauf.
- Das Modell: Festanstellung für den Dauerbetrieb, Interim oder fractional für Aufbau, Pilot oder Überbrückung.
Inhaltsverzeichnis
- Was ein KI-Controller heute leistet
- Das Kompetenzprofil: worauf du achten solltest
- Was im Unternehmen vorher stehen muss
- Festanstellung, Interim oder fractional
- So läuft die Auswahl in sechs Schritten
- Unsere Sicht: Der Controller wird zum Kurator der Zahlen
- Controller mit KI-Kompetenz finden mit Polydigital
- Häufige Fragen
- Quellen
Was ein KI-Controller heute leistet
Die Aufgaben im Controlling verschieben sich. Routinearbeit wandert in Modelle und Automatisierungen, die Interpretation und Steuerung bleiben beim Menschen. Die Einsatzfelder sind inzwischen gut beschrieben:
- Prognosen: Predictive Analytics für Umsatz-, Ergebnis- und Cashflow-Prognosen gehört zu den zentralen Anwendungsfällen. Dieselbe Untersuchung beschreibt, dass solche automatisierten Prognosen nicht durch unternehmenspolitische Erwägungen des Planers geglättet werden. Für dich heißt das: Der Controller bekommt eine zweite, unabhängige Sicht auf die Planung.
- Unstrukturierte Daten: Mit Natural Language Processing lassen sich Verträge, Kommentare oder E-Mails in auswertbare Informationen übersetzen, ebenso entstehen personalisierte Berichte für unterschiedliche Empfänger.
- Operative Controlling-Phasen: KI-Tools unterstützen von der Stammdatenpflege über die Kostenartenrechnung bis zur Abweichungsanalyse, etwa durch Datenbereinigung oder Dokumentenextraktion.
- Simulationen per Prompt: Neuere Ansätze wie das AI-Enabled Closed-Loop-Controlling erzeugen auf Basis integrierter Datenmodelle Berichte und Forecast-Simulationen per Prompt und quantifizieren die EBIT-Wirkung von Maßnahmen direkt.
Große Konzerne gehen noch weiter. Bei Bayer sprechen die Verantwortlichen von einem Paradigmenwechsel zu AI-first-Prozessen: Die KI führt den Prozess, der Mensch schafft als Kurator den Mehrwert. Genau diese Kuratorenrolle beschreibt, was du bei einer Besetzung suchst.
Was sich am Arbeitsalltag konkret ändert
Im klassischen Monatsabschluss verbringt ein Controller viel Zeit mit Datensammeln, Abstimmen und Formatieren. Ein KI-Controller verlagert diese Zeit auf drei Dinge:
- Prüfen: Stimmen die Vorschläge des Modells? Woher kommt eine Abweichung wirklich?
- Erklären: Was bedeutet die Zahl für Vertrieb, Einkauf oder Geschäftsführung?
- Steuern: Welche Maßnahme folgt, und wer entscheidet sie?
Die Stelle wird dadurch anspruchsvoller, nicht kleiner.
Das Kompetenzprofil: worauf du achten solltest
Viele Stellenausschreibungen listen Toolnamen. Das greift zu kurz, weil Werkzeuge wechseln. Entscheidend ist, ob ein Talent zwischen Fachwissen und Technologie zu Hause ist. Die folgende Übersicht hilft dir, die Anforderungen zu ordnen.
| Kompetenz | Warum sie zählt | So prüfst du sie |
|---|---|---|
| Controlling-Fachwissen | KI-Vorschläge kann nur bewerten, wer Kostenrechnung, Planung und Abschluss beherrscht | Fallaufgabe zu einer realen Abweichungsanalyse |
| Datenverständnis | Modelle sind nur so gut wie Stammdaten und Datenmodell | Fragen zu Datenquellen, Bereinigung, Kostenstellenlogik |
| Verständnis großer Sprachmodelle | Prompts, Kontextfenster und Halluzinationen bestimmen die Qualität der Ausgabe | Kandidat erklärt, wann ein Sprachmodell falsch liegen kann |
| Predictive Analytics | Prognosen als objektive Zweitmeinung zur Planung | Gespräch über ein eigenes Forecast-Projekt mit Ergebnis |
| Governance und Compliance | Nachvollziehbarkeit, Datenschutz und Freigaben sind prüfungsrelevant | Szenariofrage: Wie dokumentierst du einen KI-Vorschlag? |
| Business Partnering | Zahlen müssen Entscheidungen auslösen | Präsentation einer Analyse vor einem fachfremden Publikum |
| Verantwortung | KI trägt keine Verantwortung, der freigebende Mensch schon | Situationsfrage zu einem fehlerhaften Modellergebnis |
Fachliche Tiefe vor Technik
Die häufigste Fehlbesetzung ist ein technikaffines Profil ohne belastbare Controlling-Erfahrung. Wer nicht weiß, wie eine saubere Kostenstellenrechnung aussieht, erkennt auch nicht, wann ein Modell plausibel klingenden Unsinn liefert.
KI-Grundlagen, die vorhanden sein sollten
Auch Weiterbildungsanbieter setzen inzwischen bei den Basics an: Seminare für Controller vermitteln Prompts, Tokens, Kontextfenster und Halluzinationen als Grundlage. Dieses Wissen solltest du bei einem KI-Controller voraussetzen. Dazu kommt Neugier auf neue Werkzeuge: Selbst Vibe Coding, also das Erstellen kleiner Programme per Spracheingabe, wird als Erweiterung des Controller-Werkzeugkastens diskutiert.
Urteilsvermögen und Haltung
Die wichtigste Fähigkeit lässt sich nicht zertifizieren: KI-Ergebnisse beurteilen und für das Resultat einstehen. Wie unterschiedliche Rollen menschliche Kontrolle über KI ausüben, haben wir im Beitrag zu vier Rollen für menschliche Kontrolle beschrieben.
Was im Unternehmen vorher stehen muss
Ein KI-Controller ist kein Ersatz für Datenarbeit, die noch nicht gemacht ist. Fachleute warnen, dass viele Unternehmen sich zu früh auf die Modellierung stürzen, während der eigentliche Engpass in Verfügbarkeit, Qualität und Zugänglichkeit der Daten liegt. Kläre deshalb vor dem Start:
- Stammdaten und Kostenstellen: Vor der Skalierung sollten Unternehmen Stammdaten bereinigen, Kostenstellenlogiken vereinheitlichen und Freigabegrenzen definieren.
- Datenstandards: Einheitliche Datenstandards machen Daten aus verschiedenen Quellen konsistent und vergleichbar.
- Datenschutz: Privacy by Design und angepasste Datenschutz-Folgenabschätzungen gelten als geeignete Maßnahmen, um Compliance-Anforderungen bei KI-Anwendungen einzuhalten. Bei Personendaten im Controlling bindest du deinen Datenschutzbeauftragten früh ein.
- Nachvollziehbarkeit: KI-Vorschläge, regelbasierte Automatisierungen und manuelle Eingaben müssen unterscheidbar bleiben. Das ist für prüfungsrelevante Prozesse und die GoBD-Konformität entscheidend; stimme die Dokumentation mit deinem Wirtschaftsprüfer ab.
- Bestandsaufnahme: Experten empfehlen, mit einer ehrlichen Bestandsaufnahme von Prozessen und Daten zu beginnen und Controller früh in die Ableitung der Zielprozesse einzubinden.
Fehlt diese Basis noch, kann genau das die erste Aufgabe der neuen Person sein. Dann brauchst du ein Profil mit Aufbauerfahrung, nicht nur mit Betriebserfahrung. Ist die technische Basis schwach, gilt ein Excel-Pilot als pragmatischer Einstieg, um die Methodik zu etablieren, bevor du in Plattformen investierst.
Wer KI-Prozesse ins Controlling bringt, verändert auch die Zusammenarbeit im Team. Wie dieser Wandel gelingt, zeigt unser Beitrag zu Change Management bei KI.
Festanstellung, Interim oder fractional
Nicht jede Ausgangslage verlangt dasselbe Besetzungsmodell. Wähle nach dem Auftrag, den die Rolle erfüllen soll.
| Ausgangslage | Passendes Modell | Worauf du achtest |
|---|---|---|
| KI im Controlling ist etabliert, Dauerbetrieb und Weiterentwicklung | Festanstellung | Langfristige Passung, Entwicklungspfad, Teamkultur |
| Pilot oder Aufbau eines KI-gestützten Forecasts | Interim | Klare Ziele, messbare Ergebnisse, Übergabe ans Team |
| Strategische Begleitung ohne volle Stelle | Fractional | Feste Tage pro Woche, klare Entscheidungsbefugnisse |
| Schlüsselperson geht, Wissen droht verloren zu gehen | Interim plus Nachfolgesuche | Lückenlose Überbrückung und Wissenssicherung |
Gerade beim Aufbau zahlt sich Interim aus: Ein erfahrener Profi setzt Datenbasis und Pilot auf, während die dauerhafte Besetzung parallel läuft. Wenn du die KI-Rollen in deinem Unternehmen grundsätzlich planst, hilft dir unser Praxisleitfaden zur AI-Talentstrategie.
So läuft die Auswahl in sechs Schritten
- Auftrag schärfen: Formuliere, was die Person in zwölf Monaten erreicht haben soll. Beispiel: Rollierender Forecast mit Modellunterstützung, dokumentierte Freigabelogik, verkürzter Abschluss.
- Profil gewichten: Entscheide, ob Aufbau- oder Betriebserfahrung wichtiger ist und welches ERP-Umfeld, etwa SAP S/4HANA, zwingend ist.
- Direkt ansprechen: Die besten Kandidatinnen und Kandidaten sind meist in Projekten gebunden und lesen keine Stellenbörsen. Direktansprache erreicht sie.
- Persönlich interviewen: Ein strukturiertes Interview klärt Fachtiefe, Datenverständnis und Haltung zur Verantwortung.
- Fallaufgabe stellen: Gib einen anonymisierten Datensatz mit einer eingebauten Unstimmigkeit. Bitte um eine KI-gestützte Analyse und eine Einschätzung, wo das Ergebnis nicht trägt.
- Eignung absichern: Eine fundierte Eignungsdiagnostik in der Endauswahl ergänzt den Eindruck aus den Gesprächen um ein belastbares Bild von Arbeitsweise und Entscheidungsverhalten.
Interviewfragen, die KI-Kompetenz sichtbar machen
- Wann hat ein KI-Ergebnis in deiner Arbeit falsch gelegen, und wie hast du das bemerkt?
- Wie unterscheidest du im Reporting einen KI-Vorschlag von einer manuellen Buchung oder einer Regel?
- Welche Daten würdest du nie in ein allgemeines Sprachmodell geben, und warum?
- Wie erklärst du einer Geschäftsführung, warum der Modell-Forecast von der Vertriebsplanung abweicht?
- Welche Freigabegrenzen würdest du für automatisierte Vorschläge festlegen?
- Welches Werkzeug hast du dir zuletzt selbst beigebracht, und was hat es verbessert?
Gute Antworten sind konkret, nennen ein Projekt und ein Ergebnis und zeigen, dass die Person die Grenzen ihrer Werkzeuge kennt.
Typische Fehler bei der Besetzung
- Toolliste statt Auftrag: Eine Ausschreibung voller Produktnamen zieht die falschen Profile an.
- Technik vor Fachlichkeit: Ohne Controlling-Tiefe fehlt der Maßstab, um Modelle zu prüfen.
- Zu viele ungeprüfte Profile: Masse kostet deine Führungskräfte Zeit und verwässert die Entscheidung.
- Verantwortung offen lassen: Wer Vorschläge freigibt, muss vor dem Start feststehen.
KI trägt keine Verantwortung; diese bleibt bei der freigebenden Person, und unsichere oder folgenreiche Vorschläge gehören in menschliche Prüfung. Was der EU AI Act zur menschlichen Aufsicht verlangt, haben wir im Beitrag zu Human Oversight bei KI aufgeschlüsselt.
Unsere Sicht: Der Controller wird zum Kurator der Zahlen
Wir sehen in unseren Mandaten jeden Tag, dass KI den Controller nicht ersetzt, sondern das Anforderungsprofil verdichtet. Wer heute einen KI-Controller einstellt, sucht eine seltene Kombination: jemanden, der eine Kostenstellenrechnung im Schlaf beherrscht, Datenmodelle versteht, Sprachmodelle souverän nutzt und trotzdem jedes Ergebnis hinterfragt.
Diese Kombination erkennst du nicht am Lebenslauf. Deshalb interviewen wir jedes Talent persönlich und prüfen in jeder Rolle, ob es KI souverän einsetzt, ihre Ergebnisse beurteilt und für das Resultat einsteht. In der Endauswahl durchläuft jedes Talent eine EFPA-zertifizierte Eignungsdiagnostik, die ein zertifizierter Berater bei uns auswertet.
Unsere Überzeugung: Wenige, gründlich geprüfte Profile sind mehr wert als ein Stapel Bewerbungen. Gerade bei einer Rolle, die über Planungsqualität und Steuerung entscheidet, zahlt sich diese Sorgfalt aus. Und wenn eine Schlüsselposition im Controlling frei wird, denken wir Suche, Überbrückung und Wissenssicherung zusammen, damit dein Abschluss nicht ins Stocken gerät.
— Ingmar
Controller mit KI-Kompetenz finden mit Polydigital
Wir besetzen Controller-Positionen ebenso wie spezialisierte KI-Rollen, in Festanstellung, als Interim-Mandat oder fractional, in der gesamten DACH-Region. Du bekommst wenige, geprüfte Profile von Menschen, die Fachwissen und Technologie verbinden.
→ Beschreibe uns deinen Auftrag, und wir schärfen mit dir das Rollenprofil: Polydigital, IT-Personalberatung aus Frankfurt
→ Wie KI weitere Rollen in deiner Organisation verändert, zeigt unser Playbook zu KI und IT-Rollen.
Häufige Fragen
Kann KI Controller ersetzen?
Nein. KI übernimmt Routinearbeit wie Datenbereinigung, Dokumentenextraktion und erste Prognosen, trägt aber keine Verantwortung. Die bleibt bei der Person, die ein Ergebnis freigibt. Der Controller wird stärker zum Prüfer, Erklärer und Business Partner.
Was unterscheidet einen KI-Controller von einem klassischen Controller?
Die fachliche Basis ist dieselbe: Planung, Kostenrechnung, Abschluss und Reporting. Ein KI-Controller nutzt zusätzlich Predictive Analytics, Sprachmodelle und Automatisierung und kann deren Grenzen einschätzen. Er sorgt außerdem dafür, dass KI-Vorschläge nachvollziehbar dokumentiert werden.
Brauche ich zuerst saubere Daten oder zuerst die neue Person?
Idealerweise steht die Datenbasis vorher. Fehlt sie, suchst du gezielt ein Profil mit Aufbauerfahrung, das Stammdaten, Kostenstellenlogik und Freigabegrenzen ordnet und mit einem kleinen Pilot startet. Für diese Phase eignet sich oft ein Interim-Mandat.
Wie prüfe ich KI-Kompetenz im Bewerbungsprozess?
Mit einer realistischen Fallaufgabe statt mit Fragen nach Toolnamen. Lass die Person eine KI-gestützte Analyse erstellen und erklären, wo das Ergebnis nicht trägt. Ergänzend gibt eine strukturierte Eignungsdiagnostik Aufschluss über Arbeitsweise und Entscheidungsverhalten.
Quellen
- Künstliche Intelligenz als Zukunftstechnologie im Controlling (PMC)
- Praxisratgeber Künstliche Intelligenz im Controlling (Leseprobe)
- KI-gestützte Analyse im Controlling, Seminar
- Ist Ihr Controlling bereit für KI? (Florian Bliefert)
- Governance vor Geschwindigkeit: Sieben Leitplanken, ControllingPortal
- Handlungsempfehlungen für KI-Implementierung im Controlling, Haufe
- Datenqualität als Grundlage für effektive KI-Anwendungen, Haufe
- Controlling und KI: Daten als Erfolgsfundament, Haufe
- Agentic AI im Controlling: Bayers Transformationspfad, Haufe