Vom Spreadsheet-Warrior zum Model-Evaluator

Wenn Algorithmen die manuelle Datenkonsolidierung übernehmen, rückt die kritische Modellprüfung in den Fokus von Controlling und Projektmanagement.

Jahrzehntelang sah der Alltag von Controllern und Projektmanagern ziemlich ähnlich aus: Rohdaten aus ERP- und CRM-Systemen ziehen, in Excel packen, mit Formeln zusammenbasteln. Ein großer Teil der Arbeitszeit ging einfach für dieses Zusammenführen von Zahlen drauf.

Das ändert sich gerade grundlegend. Mit dem Siegeszug spezialisierter KI-Systeme verschiebt sich die Rolle vieler Fachkräfte weg von der reinen Datenbeschaffung, hin zur Überwachung und Bewertung der Modelle, die diese Arbeit jetzt übernehmen.

Manuelle Datenzusammenführung: ein Auslaufmodell

Die Entlastung durch moderne Tools nimmt spürbar Fahrt auf. Laut Studien des Project Management Institute steckten Projektmanager früher über 50 Prozent ihrer Zeit in administrative Routinearbeit: Statusberichte schreiben, Zeitpläne von Hand aktualisieren, Präsentationen für Stakeholder vorbereiten. Heute übernehmen domänenspezifische Sprachmodelle und automatisierte Daten-Pipelines genau das, weitgehend selbstständig. Sie lesen Projektfortschritte in Echtzeit aus Entwicklungsplattformen und Ticketsystemen, erkennen Abweichungen im kritischen Pfad von allein und erstellen Statusberichte ganz ohne menschliches Zutun.

Im Finanzwesen läuft es ähnlich: Liquiditätsprognosen und Abweichungsanalysen entstehen zunehmend automatisch, die Datenströme laufen über APIs direkt in zentrale Analyse-Plattformen. Statt Tabellenzeilen von Hand zu verknüpfen, erkennen Systeme statistische Muster und berechnen Prognosen eigenständig. Der McKinsey-Bericht „State of Organizations“ 2026 zeigt: 55 Prozent der Führungskräfte erwarten von dieser Mensch-Maschine-Zusammenarbeit exponentielle Produktivitätsgewinne. Die eigentliche Aufgabe der Mitarbeiter verschiebt sich damit weg vom Erstellen der Berichte, hin zum Prüfen der Ergebnisse.

Controller werden zu Modell-Prüfern

Wenn die Berechnungen die Maschine übernimmt, braucht das Controlling neue Skills, vor allem im Bereich statistische Validierung. Reine Excel– und Makro-Kenntnisse reichen längst nicht mehr, um die Integrität der Finanzplanung sicherzustellen. Der moderne Finanzexperte wird zum Model-Evaluator, der versteht, wie die Algorithmen ticken, und der strukturelle Risiken erkennt.

Ein Beispiel: Spuckt das System eine Umsatzprognose aus, die deutlich von der bisherigen linearen Entwicklung abweicht, darf der Controller das nicht einfach ungeprüft in den Geschäftsbericht übernehmen. Er muss nachvollziehen können, warum, und dafür wissen, wie einzelne Prädiktoren im Modell gewichtet werden. Dazu gehört auch, Daten-Drift zu erkennen: den Moment, in dem sich die realen Marktbedingungen so weit verschieben, dass die historischen Trainingsdaten des Algorithmus nicht mehr taugen. Kurz gesagt: Die Kernkompetenz wandert hin zur systematischen Prüfung des Algorithmus selbst, damit mathematische Artefakte oder Halluzinationen erst gar nicht in eine Management-Entscheidung einfließen.

Vom Protokollanten zum Orchestrator

Auch im Projektmanagement definiert die Automatisierung administrativer Aufgaben die Rolle neu. Gartner geht davon aus, dass bis Ende des Jahrzehnts bis zu 80 Prozent der klassischen PM-Aufgaben von KI übernommen werden könnten. 2026 zeigt sich: Treiber sind vor allem Multi-Agenten-Systeme, die komplexe Teilprozesse eigenständig koordinieren.

Der Projektmanager wird damit vom reinen Protokollanten zum strategischen Orchestrator. Sagt ein System eine Verzögerung von 35 Prozent bei einem Meilenstein voraus, weil ein Entwickler-Team überlastet ist, geht es für den Projektmanager darum, Szenarien durchzuspielen: Was passiert, wenn Budget verschoben wird? Was, wenn externe Dienstleister einspringen? Die Zeit der Menschen konzentriert sich auf das, was Modelle nicht können: Change-Management, zwischenmenschliche Konflikte lösen, sich strategisch mit Auftraggebern abstimmen. Wer algorithmische Risikowarnungen richtig deutet und in konkretes Handeln übersetzt, hat hier klar die Nase vorn.

Was Personalentwicklung jetzt tun sollte

Der Handlungsdruck ist groß. Nur etwa 20 Prozent der Projektverantwortlichen haben laut internen PMI-Untersuchungen bislang praktische Erfahrung mit fortgeschrittenen KI-Systemen gesammelt. HR und IT-Leitung sollten deshalb zügig strukturierte Umschulungsprogramme aufsetzen. Drei Bereiche sind dabei zentral:

Data Literacy aufbauen. Mitarbeiter in Finance und PMO brauchen ein solides Grundverständnis für statistische Verteilungen, Korrelationen und maschinelles Lernen, inklusive der Fähigkeit, Konfidenzintervalle richtig zu lesen und Fehlerquellen in den Eingangsdaten zu erkennen.

Prompt Engineering lernen. Weil der Zugriff auf Unternehmensdaten zunehmend über natürliche Sprache läuft, müssen Fachkräfte lernen, präzise Abfragen zu formulieren, um verlässliche, überprüfbare Antworten zu bekommen.

Verantwortlichkeiten klären. Governance-Strukturen und Kontrollmatrizen müssen überarbeitet werden, und zwar so, dass klar ist, wer am Ende rechtlich und wirtschaftlich für eine Entscheidung geradesteht, die auf einer KI-Empfehlung basiert. Die KI unterstützt, aber die Letztverantwortung und die Budgetfreigabe bleiben beim Menschen.

Wer diese drei Bereiche ernst nimmt, sichert sich handlungsfähig durch den Wandel und minimiert das Risiko, dass fehlerhafte automatisierte Prozesse ungebremst durchrutschen.