Future Skills im Controlling: Warum KI-Kompetenz zur Kernqualifikation wird

Von Prof. Dr. Ulrich Egle

Warum sich das Berufsbild grundlegend wandelt

Lange galt Controlling als datengetriebene Disziplin, in der Sorgfalt und Zahlenaffinität ausreichten, um erfolgreich zu sein. Doch mit dem Einzug von Machine Learning, Predictive Analytics, generativer KI und agentischer KI verschiebt sich das Anforderungsprofil dramatisch. Werkzeuge wie KI-gestützte FP&A-Plattformen, automatisierte Berichtsgeneratoren und Large Language Models übernehmen zunehmend Aufgaben, die früher als Kernarbeit galten. Das bedeutet nicht das Ende des Controllings, im Gegenteil. Es bedeutet eine Aufwertung: weg von der Datenaufbereitung, hin zu echter Wertschöpfung durch Interpretation, Strategie und Entscheidungsunterstützung. Doch diese Aufwertung ist nur für diejenigen eine Chance, die die richtigen Skills mitbringen.

KI-Kompetenz im Detail: Was Controller wirklich brauchen

KI-Kompetenz ist keine monolithische Fähigkeit. Sie besteht aus mehreren Schichten, und Controller müssen nicht alle davon beherrschen. Aber sie müssen wissen, was Maschinen können, was sie nicht können und wo der Mensch unverzichtbar bleibt.

Im Folgenden die konkreten KI-Teilkompetenzen, die für das Controlling relevant sind:

• Prompt Engineering für Finanzanalysen und Berichterstattung
• Verständnis von Predictive-Analytics-Modellen
• Automatisierungspotenziale erkennen und Prozesse neugestalten
• KI-Tools evaluieren und in den Controlling-Prozess integrieren
• Datenbias und Modellgrenzen kritisch beurteilen
• Generative KI für Berichts- und Kommentarautomatisierung nutzen
• KI-gestützte Forecast-Modelle interpretieren und validieren
• Ethische und regulatorische Implikationen von KI-Entscheidungen kennen

Vom Zahlenlieferanten zum strategischen Partner

Die vielleicht wichtigste Verschiebung betrifft die Rolle selbst: Controller werden immer seltener zu Datenlieferanten und immer häufiger zu strategischen Beratern. Business Partnering bedeutet, dass Zahlen kein Selbstzweck mehr sind. Sie sind Argumente. Wer die Sprache des Managements spricht, Szenarien narrativ aufbereiten und Handlungsempfehlungen überzeugend kommunizieren kann, wird unersetzlich, gerade weil Maschinen das nicht können.

Kritisches Denken als Gegenpol zur Automatisierung

Je stärker KI in Analyseprozesse eingebunden wird, desto wichtiger wird das kritische Urteilsvermögen. Modelle können falsch liegen, und zwar auf eine Weise, die auf den ersten Blick plausibel erscheint. Controller, die KI-Outputs unhinterfragt weitergeben, gefährden die Entscheidungsqualität und die persönliche Integrität.

Wer mit KI-generierten Forecasts arbeitet, muss Modellannahmen kennen, Trainingsdatenlücken erkennen und Plausibilitätschecks etablieren. Die Fähigkeit, einen Algorithmus herauszufordern, ist genauso wertvoll wie die Fähigkeit, ihn zu bedienen. Hier liegt auch eine Führungsaufgabe bei den Verantwortlichen. Teams müssen eine Kultur entwickeln, in der das kritische Hinterfragen von KI-Ergebnissen explizit erwünscht ist, nicht als Zeichen von Skepsis, sondern als Ausdruck professioneller Reife.

Fazit

Controllerinnen und Controller, die KI-Kompetenzen aufbauen, werden nicht von Algorithmen ersetzt. Sie werden zu denjenigen gehören, die Algorithmen strategisch einsetzen, kontrollieren und verantworten. KI-Kompetenz ist keine Zusatzqualifikation mehr, sondern eine Kernkompetenz moderner Controllerinnen und Controller.

Impulse und Austausch zu KI und Future Skills: Controller Tagung Schweiz 26