PwC und OpenAI entwickeln gemeinsam KI-Agenten, die typische Aufgaben im Finanzbereich nicht nur beschleunigen, sondern als durchgängige Workflows über mehrere Systeme hinweg ausführen. Der praktische Testlauf passiert bewusst in einer realen Finanzorganisation, nämlich bei OpenAI selbst, damit Governance, Freigaben und Kontrollmechanismen von Anfang an mitgebaut werden. Ziel ist ein CFO-Office, das weniger Zeit in Routine bindet und früher Risiken, Abweichungen und Entscheidungsoptionen sichtbar macht.
Übersicht:
Warum das CFO-Office jetzt neu gebaut wird
Finanzteams sitzen an einer Schaltstelle, weil sie Planung, Kapitalallokation, Risiko und Reporting miteinander verbinden. Genau dort steigt der Druck, schneller und präziser zu liefern, obwohl Daten über viele Tools verteilt sind und Regeln, Kontrollen sowie Compliance-Vorgaben nicht verhandelbar sind.
PwC und OpenAI setzen deshalb auf KI-Agenten, die wiederkehrende Abläufe ausführen, Kontext aus mehreren Systemen zusammenziehen und Auffälligkeiten früh markieren. Der entscheidende Punkt ist die Umsetzung in echten Finance-Rhythmen, also vom Forecast bis zum Close, nicht als reine Konzeptstudie.
Was in diesem Kontext mit KI-Agenten gemeint ist
Ein Agent ist hier kein Chatbot für Einzelantworten, sondern ein Ablauf, der in Schritten arbeitet, Informationen aus freigegebenen Quellen holt, Regeln anwendet und Aktionen nur innerhalb definierter Grenzen ausführt.
- Workflow-Automation: Der Agent erledigt einen Prozess in mehreren Schritten, statt nur eine Frage zu beantworten.
- Skills: hinterlegte Arbeitsanweisungen, damit der Agent nach genehmigten Prozessen vorgeht.
- Connectors: autorisierte Verbindungen zu Unternehmenssystemen, damit Kontext nicht per Copy-Paste entsteht.
- Human Oversight: klare Freigabepunkte, damit kritische Entscheidungen nicht still durchlaufen.
Ein praktischer Einstiegspunkt sind sogenannte Workspace Agents, weil sie wiederholbare Teamaufgaben in den vorhandenen Tools bündeln. Als Orientierung dienen Workspace Agents in der OpenAI Academy und die Admin-Perspektive in der Dokumentation zu Workspace Agents für Business und Enterprise.
| Aspekt | Klassische Automatisierung | Agentischer Ansatz |
|---|---|---|
| Typisches Ziel | Einzelaufgabe beschleunigen | Ende-zu-Ende-Workflow steuern |
| Kontext über Systeme | oft getrennt, Übergaben manuell | über Connectors zusammengeführt |
| Umgang mit Ausnahmen | bricht häufiger ab | triagiert, fragt nach, eskaliert |
| Kontrollpunkte | außerhalb des Tools organisiert | in den Ablauf eingebaut, mit Freigaben |
Welche Finance-Prozesse sich für Agenten eignen
Die Kooperation zielt auf die Kernzyklen der Finanzfunktion, darunter Planung, Forecasting, Reporting, Beschaffung, Payments, Treasury, Tax und der Accounting Close. Die Logik ist simpel: Je häufiger ein Ablauf vorkommt und je klarer die Regeln sind, desto eher lohnt sich ein Agent.
Typische Einsatzfelder, die schnell Wirkung zeigen
- Procure-to-Pay: Bestellungen, Richtlinienprüfung, Abgleich von Rechnungen mit Verträgen, Eskalation von Abweichungen.
- Payments Monitoring: Ausnahmen und ungewöhnliche Muster erkennen, vor Monatsende an die richtigen Rollen spielen.
- Forecast-Updates: Treiberänderungen einsammeln, Annahmen dokumentieren, Forecast neu rechnen lassen, Entscheidungsvorlage bauen.
- Reporting-Pakete: Tabellen, Narrative und Kommentierungen vorbereiten, inklusive Nachvollziehbarkeit der Quellen.
- Contract Review: Standardklauseln prüfen, Abweichungen markieren, To-do-Liste für Legal und Finance erzeugen.
Konkretes Praxisbeispiel aus der Zusammenarbeit
PwC und OpenAI bauen einen Procurement-Agenten innerhalb der OpenAI-Finanzorganisation und nutzen die Erkenntnisse als Blaupause für weitere Agenten. Der Wert liegt dabei weniger im einen Agenten, sondern im Muster, wie man Freigaben, Policies und Systemzugriffe so designt, dass es im Alltag eines Finance-Teams stabil läuft.
Entscheidungsregel für die Auswahl des ersten Use Cases
Starten sollte ein CFO-Team mit einem Prozess, der häufig vorkommt, klare Policies hat, überwiegend strukturierte Daten nutzt und bei dem ein Mensch den letzten Schritt freigibt.
- Volumen: mindestens wöchentlich, besser täglich.
- Regelklarheit: es gibt eine Policy, Checkliste oder Kontrollen, die sich explizit formulieren lassen.
- Datenzugang: die relevanten Systeme sind über genehmigte Connectors erreichbar.
- Messbarkeit: Zeit pro Fall, Fehlerquote, offene Ausnahmen, Durchlaufzeit.
Für die technische Umsetzung ist Codex als Baustein relevant, weil damit interne Tools wie Dashboards, Spend-Tracker oder Exception-Management schneller gebaut und angepasst werden können. Ein Einstiegspunkt ist Introducing Codex, ergänzend erklärt How OpenAI uses Codex typische Einsatzmuster.
Wie Governance und Token-Kosten steuerbar bleiben
Agenten verändern nicht nur Prozesse, sie erzeugen einen neuen Betriebsaufwand, weil jeder Lauf Rechenleistung verbraucht. CFOs brauchen deshalb Transparenz über Nutzung, Token-Verbrauch und erwartete Kosten, ähnlich wie bei Cloud-Kosten, nur näher am Fachprozess.
Was Finance in der Praxis messen und begrenzen sollte
- Runs pro Workflow: wie oft ein Agent startet, inklusive Fehlstarts und Retries.
- Token-Verbrauch: Tokens sind eine Abrechnungseinheit für Modellnutzung, praktisch ein Zähler dafür, wie viel „Textarbeit“ das Modell leistet.
- Schreibaktionen: was der Agent in Systemen ändern darf, idealerweise mit Always-ask-Freigaben bei riskanten Aktionen.
- Policy-Drift: ob der Agent über Zeit von genehmigten Regeln abweicht, etwa durch neue Datenquellen oder geänderte Prompt-Teile.
Der Fokus auf „Customer Zero“ bei OpenAI ist dabei kein Marketingdetail, sondern ein Governance-Mechanismus. In einer produktiven Umgebung lassen sich Freigabepunkte, Laufzeitkontrollen und die Zusammenarbeit zwischen Mensch und Agent so testen, dass sie später bei anderen Unternehmen nicht nur im Pilot funktionieren.
Markteinordnung mit einem einfachen CFO-Modell
PwC beschreibt den Markt als Übergang von reiner Effizienzsteigerung hin zu einer Finance-Organisation, die stärker entscheidungsorientiert arbeitet. In dieser Logik werden Agenten nicht als Tool-Sammlung betrachtet, sondern als neues Betriebssystem für wiederholbare Entscheidungen, mit Kontrollen und Nachvollziehbarkeit als Kernanforderung.
Ein hilfreiches Mini-Modell für die Einordnung ist „Tempo, Vertrauen, Integration“. Es erklärt, warum zwei Unternehmen trotz ähnlicher Modellqualität sehr unterschiedliche Ergebnisse sehen.
- Tempo: Wie schnell lassen sich Workflows iterieren, ohne dass Kontrolle verloren geht.
- Vertrauen: Wie gut sind Policies, Audit-Trails, Freigaben und Verantwortlichkeiten definiert.
- Integration: Wie zuverlässig kommt der Agent an die richtigen Daten, über freigegebene Systemzugriffe.
Wer das Modell praktisch nutzen will, nimmt einen Prozess aus Procure-to-Pay oder Reporting, setzt harte Freigaben für Schreibaktionen, misst Token-Kosten pro erledigtem Fall und skaliert erst dann. Ergänzend liefert PwC eine Finance-Perspektive auf Agenten unter AI agents for finance.