Databricks bringt Genie One als KI-Kollegen für Finanzteams in Stellung

Das Problem, das Databricks lösen will

Laut Databricks besteht die Aufgabe eines Finanzteams nicht allein darin, Zahlen zu berichten, sondern sie zu interpretieren und CFOs sowie anderen Führungskräften bei der Entscheidung zu helfen, was als Nächstes zu tun ist. Die Herausforderung liege selten im Datenzugang, argumentiert das Unternehmen. Um eine Anschlussfrage zu beantworten, müssten Teams häufig Daten manuell extrahieren, konkurrierende Kennzahlendefinitionen zwischen Abteilungen klären und den Geschäftskontext selbst zusammentragen. Bis die Antwort vorliege, sei die Diskussion in der Führungsebene nach Angaben von Databricks oft schon vorbei.

Genie One wird als datenversierter KI-Kollege beschrieben, der auf dem Kontext aufsetzt, der Finanzdaten ihre Bedeutung gibt: freigegebene Kennzahlen, Geschäftsjahreslogik, Unternehmensstrukturen und die eigene Terminologie der Organisation. Databricks erklärt, das Werkzeug solle Teams helfen, die Treiber hinter einem Ergebnis zu untersuchen und wiederkehrende Analysen in wiederverwendbare Workflows zu überführen, ohne das finanzielle Urteilsvermögen oder bestehende Kontrollen zu ersetzen.

Abweichungsanalyse und Liquiditätsprognose

Für Budgetabweichungen nennt Databricks Beispielfragen, die ein Finance Business Partner stellen könnte, etwa welche Geschäftsbereiche die Umsatzabweichung in EMEA im vergangenen Quartal verursacht haben oder welche fünf Kostenpositionen den Plan um mehr als 15 % überschritten haben. Genie One kenne die freigegebenen Definitionen für Kennzahlen wie EBITDA und CapEx sowie Geschäftsperioden und Konsolidierungsstrukturen, so das Unternehmen. Der Business Partner könne die Tabellen und Definitionen hinter einer Antwort prüfen, bevor er sie weitergibt, und dieselbe Auswertung anschließend für den nächsten Monats- oder Quartalszyklus einplanen.

Databricks verweist auf das Beauty-Unternehmen Coty, wo Genie Finanzverantwortlichen den Self-Service-Zugriff auf gesteuerte Daten zu Gewinn- und Verlustrechnung, Nettoumsatz und CapEx ermöglicht. So können sie Veränderungen bei Kennzahlen untersuchen, sobald sie auftreten, statt einen Tag auf Folgeanalysen zu warten.

Bei der Liquiditätsprognose weist der Beitrag darauf hin, dass Forderungen, Zahlungsbedingungen, Bestellungen, Lagerbestände und Bankbewegungen in unterschiedlichen Takten aktualisiert werden könnten, was es erschwere zu erklären, was sich an einem prognostizierten Kassenbestand geändert hat. Nutzer können in natürlicher Sprache nach dem Cash Conversion Cycle je Geschäftsbereich oder nach Forderungen fragen, die länger als 60 Tage überfällig sind. Ein Analyst kann für seinen eigenen Workflow einen Skill erstellen oder eine Unterhaltung als Genie Agent speichern, den ein größeres Team wiederverwenden kann. Teams können eine wöchentliche Working-Capital-Auswertung oder eine tägliche Aktualisierung der Forderungsalterung einplanen, die in einem Chat-Thread und per E-Mail mit Visualisierungen und einem PDF-Anhang zugestellt wird.

Periodenabschluss und Ausgabenanalyse

Beim Quartals- und Jahresabschluss müssen Controller Salden abstimmen und konzerninterne Differenzen bis zu einer festen Frist klären. Databricks zufolge können Buchhaltungsteams mit Genie One von einer Abschlussausnahme direkt zu den zugrunde liegenden Transaktionen gelangen. Ein Corporate Controller könnte fragen, welche Gesellschaften nicht abgestimmte konzerninterne Salden über 100.000 US-Dollar aufweisen, oder manuelle Buchungen aus den letzten drei Arbeitstagen des Quartals nach Betrag sortiert anfordern.

Das Unternehmen betont, dass Genie One die bestehenden Berechtigungen jedes Nutzers respektiert. Eine regionale Buchhalterin sieht nur die für ihre Rolle relevanten Gesellschaften und Transaktionen und kann dieselbe Analyse, begrenzt auf ihren Abschlusskalender, durchführen, ohne dass jemand eine separate Ansicht einrichten muss.

Databricks zitiert Cyro Souza, Data & Analytics Sr Manager und Latin America Lead bei Unilever: „Mit Genie haben wir verändert, wie Finance arbeitet. Was früher Tage dauerte, dauert jetzt Minuten, und wir können Fragen viel freier erkunden.“

In der Ausgabenanalyse könnte ein Einkaufsleiter fragen, welcher Prozentsatz des adressierbaren Ausgabenvolumens außerhalb bestehender Verträge anfällt oder welche MRO-Lieferanten ihre Stückpreise im Jahresvergleich um mehr als 10 % erhöht haben. Zudem könne er Vertragszusammenfassungen, Einkaufsrichtlinien und Lieferantendokumente einbeziehen, um zu prüfen, ob die Ausgaben den verhandelten Konditionen entsprechen. Databricks erklärt, die Analyse bleibe auf gesteuerten Geschäftsdaten gegründet, wobei ergänzende Unterlagen Kontext liefern, ohne das führende System zu ersetzen.

So gelingt der Einstieg

Databricks empfiehlt, mit einem wiederkehrenden Finanztermin zu beginnen, etwa einem Abweichungsmeeting, einer Liquiditätsrunde, einer Prüfung des Abschlussstatus, einer Ausgabenüberprüfung oder einem Briefing vor der Aufsichtsratssitzung. Ein wöchentlicher Performance-Review könne zum Beispiel Plan-Ist-Ergebnisse mit Veränderungen des Working Capital verknüpfen.

Nach Angaben des Unternehmens müssen Daten- und IT-Teams den nötigen Geschäftskontext in Databricks bereitstellen. Dazu gehören zentrale Finanzdaten, freigegebene Kennzahlendefinitionen, Zuordnungen von Gesellschaften und Kontenplänen sowie die Logik des Geschäftsjahreskalenders. Databricks verweist außerdem auf 5-Minuten-Demos und erklärt, der einheitliche Kontext über Genie Ontology unterscheide Genie One von generischen KI-Assistenten.

Für Finanzteams steht neben der Geschwindigkeit vor allem die Absicherung im Mittelpunkt: Databricks zufolge sorgen einheitliche Kontrollen bei Datenzugriff, Aktionen und KI-Nutzung dafür, dass jede Interaktion berechtigungsbewusst, nachvollziehbar und im Rahmen der Unternehmenskontrollen bleibt.