Hat KI geändert, wen ich für die Finanzabteilung brauche? Nein. Gar nichts.

„Hat sich geändert, welche Mitarbeiter ich für die Finanzabteilung in KI-Zeiten brauche?"

Die Frage stellte mir Sevinj Aliyeva, VP Finance bei Kenjo, vor ein paar Monaten im Webinar mit Moss. Live, vor rund 200 Finance-Leuten, mit der Erwartung einer Liste neuer Skills.

Meine Antwort: Nein. Gar nichts.

20 Jahre, rund 100 Leute, ein Profil

In 20 Jahren hatte ich rund 100 Leute in meinen Teams und habe rund 50 davon selbst eingestellt. Das Profil, das ich dabei gesucht habe, ist seit Tag eins dasselbe:

• Leidenschaft fürs Fach. Buchhalter:innen, die Buchhaltung lieben. Controller:innen, die Analyse lieben. Aus dieser Leidenschaft entsteht Fachwissen fast von allein.
• Neugier über das eigene Silo hinaus. Leute, die wissen wollen, wie der Vertrieb seine Zahlen baut, warum die Bank so abrechnet und was das ERP eigentlich im Hintergrund tut. Selbstlerner:innen.
• Technisches Verständnis. Keine Informatik, aber die Bereitschaft, ein Tool aufzumachen und zu verstehen, was es macht, statt auf das nächste Ticket zu warten.
• Und vor allem: Macher:innen. Leute, die eine Ineffizienz sehen, sich darüber ärgern und sie beheben. Machen statt reden.

Diese vier Punkte standen 2016 in meinen Stellenanzeigen und stehen heute noch da. Kein Prompting-Zertifikat, kein Tool-Name, keine Zeile über KI.

Machen statt reden

Die Macher:innen waren schon immer die wertvollsten Leute im Team. Weil sie Effizienz und Qualität geliefert haben, lange bevor jemand von KI sprach.

Der Gegenentwurf ist mir genauso vertraut: Leute, die die Ineffizienz erkennen, sie sauber analysieren, ein Deck darüber bauen und dann auf eine Entscheidung warten. Das Deck ist oft gut. Der Prozess läuft trotzdem weiter wie vorher.

Ich habe in beiden Gruppen kluge Leute gehabt. Der Unterschied war nie Intelligenz. Der Unterschied war, ob jemand den Ärger über einen schlechten Prozess in eine Lösung umsetzt oder in eine Präsentation.

Neu ist nur der Hebel

Früher hatte so ein:e Macher:in eine gute Idee, konnte einen Teil selbst umsetzen und stand für den Rest in der Schlange. Bei der IT für den Datenbankzugang, beim Data Engineering für die Pipeline, beim BI-Team für das Dashboard. Manche Ideen haben die Schlange nie verlassen.

Heute können Macher:innen viele dieser Automatisierungen mit KI selbst bauen. Finance ist am Ende Informationsverarbeitung: Text, Zahlen, alles digital. Genau das kann KI.

Ein Beispiel aus meiner eigenen Praxis: Sieben Jahre DATEV-Exporte in eine saubere SQL-Datenbank, mit Summen- und Saldenliste pro Jahr. Früher ein Projekt für einen Data Engineer und mehrere Wochen Wartezeit. Mit Claude Code eine Session, ohne dass ich SQL könnte. Nicht, weil ich klüger geworden wäre. Weil der Hebel ein anderer ist.

Die Output-Schere geht auf

KI vervielfacht den Output genau der Macher:innen. Der Vorsprung, den diese Leute immer hatten, wird jetzt richtig groß. Alle im Team werden produktiver. Wer vorher schon umgesetzt hat, wird dabei um ein Vielfaches produktiver, weil die Ideen nicht mehr an der Warteschlange scheitern.

Für das Hiring heißt das: Die Anforderungsliste von 2016 gilt noch. Der Hebel dahinter ist nun ein anderer. Wer heute nach Tool-Kenntnissen sucht, sucht am falschen Ende. Tools lernt eine neugierige Person in Wochen. Neugier und Umsetzungswillen lernt niemand aus einem Kurs.

Und noch etwas, das ich im Webinar direkt angeschlossen habe: Das Profil allein reicht nicht. Die Leute brauchen die technische Freiheit, die Werkzeuge auch benutzen zu dürfen. Wer seinem Team Claude Code, Codex oder vergleichbare Werkzeuge verbietet, hat zwar die richtigen Leute eingestellt und ihnen dann den Hebel weggenommen.

Du bist dran

Und bei euch: Hat KI eure Finance-Stellenanzeigen verändert? Steht da inzwischen etwas, das 2016 nicht drinstand? Und wenn ja: Beschreibt es eine Eigenschaft oder ein Tool?