Board-Report in Minuten statt einer Woche: 3 Beispiele, wie KI und MCP das Finance-Team entlasten

Drei Belege auf der Leinwand, einer davon ist gefälscht. Welcher? Die Teilnehmenden des Workshops „KI im Treasury und Finance“ auf den Agicap Treasury Days am 22. September 2026 in Köln tippten per Handzeichen. Die Auflösung: Alle drei waren gefälscht. Die Erstellung per KI hatte gerade einmal zwei bis drei Minuten gedauert. Der Weg zum Drucker, um sie abzufotografieren, dauerte länger.

Das Beispiel zeigt beide Seiten von KI im Finanzbereich. Mit denselben Werkzeugen, mit denen sich in Minuten ein Beleg fälschen lässt, können Finanzteams auch Routinearbeit automatisieren, Daten aus verschiedenen Systemen zusammenbringen und schneller entscheiden. Genau darum ging es im Workshop von Max Springer, General Manager Agicap DACH: nicht um Konzepte, sondern um konkrete Anwendungen für den Alltag.

KI ist im Finance-Alltag längst angekommen

Zum Auftakt fragte Max Springer: Wer hat in den letzten 24 Stunden KI genutzt? Fast alle Hände gingen hoch. Als Lieblings-Tools riefen die Teilnehmenden unter anderem Gemini und Copilot in den Raum. Viele nutzen dabei ausschließlich allgemeine KI-Tools, die nicht mit ihren Finanzsystemen verbunden sind.

Genau hier setzt MCP an.

Was ist MCP?

MCP (Model Context Protocol) ist ein offener Standard, über den KI-Assistenten wie Claude direkt auf andere Anwendungen zugreifen können. Statt Daten händisch zu exportieren und in einen Chat zu kopieren, kann die KI zum Beispiel Finanzdaten aus Agicap, Deals aus dem CRM und Nachrichten in Slack in einem Arbeitsschritt verbinden.

Die Grundlage dafür ist ein standardisierter Data Lake: eine Umgebung, in der alle Finanzdaten einheitlich und mit Kontext vorliegen. Nur dann kann die KI verlässlich damit arbeiten.

Beispiel 1: Der Board-Report in Minuten statt in einer Woche

Dienstag, Board-Meeting, und die Vorbereitung ist nicht so weit wie gewünscht. Der CFO braucht eine belastbare Antwort für verschiedene Szenarien. In den meisten Unternehmen beginnt dann ein bekannter Prozess: Ein Report wird angefragt, und je nach Umfang dauert es rund 24 Stunden. Werden konsolidierte Daten gebraucht, kann es auch eine Woche werden.

Mit KI und einem sauberen Data Lake geht das in Sekunden bis Minuten. Die Daten kommen direkt aus Agicap. Eigene Vorlagen und Standardformate wie der Quartalsbericht sind hinterlegt, Farben und Stil werden übernommen. Die Board-Präsentation entsteht, ohne dass jemand noch händisch in PowerPoint arbeiten muss.

Ein Punkt bleibt dabei unverhandelbar: Wer den Report erstellt, bleibt für das Ergebnis verantwortlich. Er muss also mindestens einmal gelesen, geprüft und bei Bedarf nachgearbeitet werden, bevor er an die Stakeholder geht.

Beispiel 2: Fehlende Belege automatisch einsammeln

Fehlende Belege sind in fast jeder Organisation ein Dauerthema. Im Extremfall werden sogar Firmenkarten gesperrt, weil Belege nicht hochgeladen wurden. Die wichtigste Erkenntnis aus dem Workshop: Der Monatsabschluss beginnt nicht am Monatsersten, sondern zum Zeitpunkt der Ausgabe. Je mehr direkt bei der Ausgabe kategorisiert und vorbereitet wird, desto schneller ist der Abschluss.

Mit Claude und Agicap lässt sich das über MCP automatisieren. Ein Prompt genügt, zum Beispiel: „Such mir aus Agicap alle Ausgaben dieses Monats heraus, zu denen noch Belege fehlen, und schreib die Kollegen an.“ Die Nachricht geht dorthin, wo die Kolleginnen und Kollegen tatsächlich unterwegs sind, per E-Mail oder Slack und auf Wunsch in persönlichem Ton.

Der Ablauf lässt sich auch planen: Jeden Monat am 20. bekommt automatisch jede Person mit offenem Beleg eine Erinnerung. Die Finanzabteilung muss dafür nicht mehr selbst aktiv werden.

Beispiel 3: Unterschriebene Deals aus dem CRM direkt im Cash-Forecast

Der Vertrag ist unterschrieben und steht im CRM, doch im Cash-Forecast taucht er noch nicht auf, weil die Daten in einem anderen System liegen. Bisher hilft oft nur ein Anruf beim Vertriebsleiter: „Was glaubst du, was diesen Monat reinkommt?“

Über MCP geht es direkter. Claude wird gebeten, im CRM nachzusehen, welche Deals das Vertriebsteam in diesem Monat schon abgeschlossen hat, mit Höhe und Rechnungsdatum. Diese Deals werden im nächsten Schritt in Agicap als erwartete Transaktionen (Expected Transactions) hinterlegt. So fließen Vertriebsdaten auf Transaktionsebene in die Liquiditätsplanung ein, und das Finance-Team wird zum Dirigenten, der die Daten aus allen Abteilungen zusammenführt.

Sicherheit: Welche Genauigkeit braucht welche Aufgabe?

Allgemeine KI-Tools leisten viel. Im Finanzbereich stellt sich aber immer die Frage nach der nötigen Sicherheit. Reichen 90 Prozent Genauigkeit? Braucht es 99 Prozent? Bei einem Entwurf für einen internen Bericht ist das etwas anderes als bei einer Zahlungsanweisung, wo man 100 Prozent erwartet.

Wichtig zu wissen: Wer Daten über den eigenen Claude-Zugang verarbeitet, gibt sie auch an diesen Anbieter weiter. Für sensible Finanzprozesse braucht es deshalb eine sichere Infrastruktur und klare Regeln im Unternehmen.

Agicap arbeitet deshalb an einem eigenen KI-Assistenten direkt in der Plattform, der derzeit in der Beta-Phase ist. Er soll die Sprache der Finanzwelt sprechen und alles in der eigenen Agicap-Umgebung erledigen. So kann er zum Beispiel helfen, noch nicht kategorisierte Transaktionen aufzuarbeiten, oder Fragen zum Forecast beantworten: Was passiert, wenn Zahlungseingänge später kommen? Wie viel Puffer bleibt?

So starten Finanzteams mit KI

Intern gibt Agicap seinen Teams drei Schritte mit auf den Weg:

1. Etwas bauen, das Spaß macht.

   Einfach ausprobieren.

2. Etwas bauen, das mindestens eine Stunde pro Woche spart.

   Und zwar dauerhaft, als echte Stunde, die man im Kalender spürt.

3. Es in die Organisation bringen.

   Gut funktionierende Lösungen für das ganze Team nutzbar machen.

Dazu kommen einige Grundregeln aus der Praxis:

• •

• Prompt Library anlegen:

  Standard-Prompts und die Definitionen der wichtigsten Kennzahlen zentral hinterlegen, damit nicht jeder denselben Prompt zehnmal neu erfindet.

• •

• Komplexe Aufgaben zerlegen:

  Große Analysen in kleine Teilschritte aufteilen.

• •

• Policies aktualisieren und schulen:

  Alle müssen wissen, dass sie für das verantwortlich sind, was sie mit KI erstellen und weitergeben.

• •

• Wissen teilen:

  Formate wie Hackathons nutzen, Erfolgsgeschichten sichtbar machen und Best Practices dokumentieren.

• •

• Qualifizierte Fachkräfte behalten:

  KI ersetzt keine Treasury-Expertise. Wenn der Cashflow nicht stimmt, steht das Geschäft auf dem Spiel.

Fazit

KI im Finance ist mehr als ein Chatfenster. Ihr volles Potenzial entfaltet sie erst, wenn sie auf saubere, zentrale Finanzdaten zugreift und Tools wie CRM, Slack und Agicap verbindet. So werden aus Tagen Minuten. Die Verantwortung für das Ergebnis bleibt aber immer beim Menschen.

Sie möchten sehen, wie Agicap Ihre Finanzdaten KI-ready macht? Jetzt Agicap-Demo vereinbaren