Fast ein Drittel der deutschen Finanzentscheider verliert jede Woche 15 bis 29 Stunden mit manueller Validierung von KI-Output, weil Modelle oft nicht erklärbar sind. Die Untersuchung von IDC im Auftrag von Sage befragte im Februar 2026 weltweit 2275 hochrangige Finanzverantwortliche aus 17 Branchen, darunter auch Deutschland. In Deutschland berichten 29 Prozent von 15 bis 29 Stunden Prüfaufwand pro Woche, 18 Prozent berichten von mehr als 30 Stunden, und im Schnitt müssen 28 Prozent der durch KI eingesparten Arbeitszeit wieder aufgewendet werden. Mehrere Befragte zeigen sich bereit, für transparente Glass-Box-Funktionen zusätzlich zu zahlen, im Mittel rund 11 Prozent Aufpreis.

Die Folge ist, dass viele theoretische Effizienzgewinne aus KI praktisch neutralisiert werden, weil Finanzteams Zeit für Prüfungen und Nachvollziehbarkeit aufwenden müssen. IDC und Sage fassen diese wiederkehrenden Kontrollaufgaben unter dem Begriff "Verification Tax" zusammen. In Deutschland bedeutet das konkret: 29 Prozent der Befragten nennen 15 bis 29 Stunden wöchentlich, 18 Prozent geben mehr als 30 Stunden an. Gleichzeitig schätzt der deutsche Durchschnitt, dass 28 Prozent der durch KI eingesparten Arbeitszeit für Validierung erneut eingesetzt werden muss. Betroffen sind besonders Finanzabteilungen kleiner und mittlerer Unternehmen, die KI in Buchhaltung, Reporting und Prognosen nutzen. Diese Abteilungen scheuen es, Berichte freizugeben, wenn Annahmen, Datenquellen und Berechnungen nicht nachvollziehbar sind. Die Skepsis wirkt sich direkt auf Beschaffungsentscheidungen aus: 68 Prozent der deutschen Finanzführungskräfte würden ein KI-Tool ablehnen, das seine Ergebnisse nicht nachvollziehbar begründet, selbst bei einer versprochenen Trefferquote von 99 Prozent. Global liegt dieser Ablehnungswert bei 71 Prozent. Darüber hinaus würden 43 Prozent der deutschen Finanzverantwortlichen eine KI-Empfehlung unmittelbar zurückweisen, wenn sie dem eigenen fachlichen Urteil widerspricht; der globale Durchschnitt beträgt 39 Prozent. Diese Zahlen zeigen, dass Leistungskennzahlen allein bei Verkaufsargumenten nicht ausreichen. Nachvollziehbarkeit und Kontrolle sind inzwischen ebenso entscheidend wie Genauigkeit. Der Markt reagiert mit sogenannten Glass-Box-Ansätzen, die Entscheidungswege und genutzte Quellen offenlegen. Mehr als die Hälfte der Befragten ist bereit, für solche Transparenzfunktionen einen Aufpreis zu zahlen. Die Studie nennt eine durchschnittliche Transparenzprämie von rund 11 Prozent über den Standard-Lizenzkosten; besonders zahlungsbereite Firmen akzeptierten bis zu etwa 20 Prozent Aufschlag. Aaron Harris, Chief Technology Officer bei Sage, fasst die Lage so zusammen: «Im Finanzwesen war ‚fast richtig‘ schon immer gleichbedeutend mit ‚falsch‘. Mit zunehmend komplexen KI-Workflows steigen die Kosten der Unsicherheit weiter. Diese Studie zeigt: Die nächste Ära der künstlichen Intelligenz wird nicht durch Modellleistung entschieden, sondern durch Vertrauensinfrastruktur gewonnen.» Die Ergebnisse geben auch eine Beschaffungs- und Produktentwicklungssignal: Anbieter, die Transparenz, Rückverfolgbarkeit und erklärbare Modelle liefern, adressieren eine echte Schmerzgrenze bei Kunden. Zugleich dokumentiert die Untersuchung, dass ohne klare Erklärbarkeitsmechanismen erhebliche Produktivitätsgewinne substanziell aufgezehrt werden, weil regelmäßig Personalressourcen zur Absicherung automatisierter Entscheidungen gebunden sind. Die Umfrage wurde im Februar 2026 durchgeführt und bildet damit den aktuellen Stand der Praxis ab. IDC führte die Befragung im Auftrag von Sage weltweit unter 2275 hochrangigen Finanzentscheidern in Nordamerika, Europa und dem Nahen Osten durch.

Related Articles

Die Studie zeigt: Ohne Erklärbarkeit werden im Schnitt 28 Prozent der durch KI eingesparten Arbeitszeit als 'Verification Tax' gebunden.

Dieser Artikel wurde mit KI-Unterstützung erstellt.