KI-Genauigkeitslücke: Was Finanzfirmen bei Krypto-Buchhaltungssoftware beachten müssen
84 % der Finanz-, Prüfungs- und Nachhaltigkeitsmanager geben an, KI-generierten Ergebnissen in Jahresberichten zu vertrauen, selbst ohne menschliche Kontrolle. Diese Zahl aus einer im August 2026 von Workiva veröffentlichten Umfrage klingt beruhigend, bis man den nächsten Datenpunkt liest: 26 % derselben Führungskräfte berichten, dass interne Prüfungen bereits KI-Fehler entdeckt haben, die den Vorstand oder externe Zielgruppen erreichten. Für jede Wirtschaftsprüfungsgesellschaft oder jeden CFO, der Krypto-Buchhaltungssoftware einsetzt, ist diese Vertrauenslücke kein Hintergrundrauschen. Sie ist ein direktes operatives und reputatives Risiko, das sofortige Aufmerksamkeit verdient.
Was die Umfrage tatsächlich ergab
Der Workiva-Bericht stützte sich auf Antworten von Führungskräften aus Finanz-, Prüfungs- und Nachhaltigkeitsfunktionen. Das wichtigste Ergebnis ist, dass 84 % Vertrauen in die Genauigkeit von KI äußerten, aufgeteilt in diejenigen, die „eher zuversichtlich“ (39 %) und diejenigen, die „sehr zuversichtlich“ (45 %) sind. Für sich genommen könnte das darauf hindeuten, dass die KI-Einführung in der Finanzberichterstattung stetig reift.
Der Widerspruch in den Daten
Das Problem ist, dass das Vertrauen nicht auf starken internen Kontrollen zu basieren scheint. Dieselbe Kohorte lieferte einen zweiten Datenpunkt, der in direktem Widerspruch zu ihrem angegebenen Vertrauen steht: Mehr als einer von vier gab an, dass die eigene interne Prüfung KI-generierte Fehler aufgedeckt hat, die bereits bis zum Vorstandstisch oder zu externen Stakeholdern gelangt waren. Junko Swain, Chief Accounting Officer bei Workiva, beschrieb diese Zahl als alarmierend und stellte fest, dass KI-Fehler keine hypothetischen Risiken sind, sondern ein tatsächliches Kontrollproblem, das Unternehmen jetzt angehen müssen.
Datenbereitschaft: die Ursache
Swain verwies auf ein verwandtes Ergebnis, das hilft, den Widerspruch zu erklären. Nur 11 % der Befragten hielten die Daten ihrer eigenen Organisation für wirklich KI-bereit, und 71 % sagten, dass schlechte Datenqualität KI-Ergebnisse in der Finanz- und Nachhaltigkeitsberichterstattung zumindest mäßig beeinträchtigt hat. Die Implikation ist klar: KI korrigiert keine schlechten Eingaben. Sie verarbeitet sie schnell und produziert Ergebnisse, die glaubwürdig aussehen, selbst wenn die zugrunde liegenden Daten fehlerhaft sind. Mit Swains Worten: KI sieht oft poliert aus, selbst wenn die Eingaben falsch sind, und generische Tools können Zahlen in der Regel nicht bis zu ihrer Quelle zurückverfolgen, was Fehler schwerer zu erkennen und im Nachhinein schwerer zu erklären macht.
Ein Muster, kein Ausreißer
Die Workiva-Ergebnisse stehen nicht allein. Mehrere andere Umfragen aus den Jahren 2025 und 2026 weisen auf dieselbe strukturelle Spannung zwischen angegebenem Vertrauen und beobachteter Realität hin.
Governance-Reife versus Vorfallraten
Ein separater Bericht einer Top-50-Wirtschaftsprüfungsgesellschaft ergab, dass 90 % der KI-Governance-Experten angaben, ihre Organisationen hätten bereits dedizierte Mittel für KI-Governance bereitgestellt, und 74 % glaubten, heute eine KI-Compliance-Prüfung bestehen zu können. Dennoch beschrieben nur 27 % ihre Governance-Programme als vollständig ausgereift. Die Konsequenz war sichtbar: 65 % der Befragten gaben an, dass ihre Organisationen in den letzten 24 Monaten KI-bezogene Vorfälle oder Beinahe-Unfälle erlebt hatten.
Datenqualitätskosten und verzögerte Berichterstattung
Forschung des Corporate-Performance-Management-Anbieters OneStream ergänzte die finanzielle Dimension. Es zeigte sich, dass 79 % der Führungskräfte glaubten, ihre Daten-Governance könne eine groß angelegte KI-Einführung unterstützen, aber 61 % gaben zu, mindestens einmal im Monat an ihren Daten zu zweifeln, und 11 % täglich. 72 % berichteten, dass schlechte Daten ihre Organisation 500.000 $ oder mehr gekostet hatten, wobei mehr als ein Drittel Verluste von über 1 Million $ meldete. Die nachgelagerten Auswirkungen umfassten verzögerte Finanzabschlüsse (von 44 % der Befragten genannt), verlorene Umsatzchancen (41 %), reduziertes Vertrauen in automatisierte Erkenntnisse (38 %) und Compliance-Probleme (35 %). Eine weitere Umfrage unter US-Unternehmensführern ergab, dass 88 % vom Vertrauen in die Genauigkeit der Daten, die ihre KI-Systeme speisen, überzeugt waren, aber 69 % hatten zumindest manchmal Fehler in dokumentabgeleiteten Daten entdeckt.
Zusammengenommen beschreiben diese Umfragen ein branchenweites Muster: Das angegebene Vertrauen in die KI-Governance übersteigt stets die tatsächliche Governance-Reife, und die Lücke führt zu echten Fehlern in echten Berichtszyklen.
Warum dies für Krypto-Buchhaltungssoftware verstärkt gilt
Die Vertrauenslücke ist in jedem Finanzberichtskontext von Bedeutung. Im Bereich digitaler Vermögenswerte wiegt sie aus drei spezifischen Gründen schwerer.
Volatile und komplexe Quelldaten
Krypto-Transaktionen erzeugen Quelldaten, die weitaus komplexer sind als herkömmliche Finanzunterlagen. Ein einzelnes Portfolio kann Dutzende Chains, mehrere Wallet-Adressen, Interaktionen mit dezentralen Börsen, Staking-Belohnungen und Airdrops umfassen, die alle eine Klassifizierung gemäß Standards wie ASC 350-60 oder IFRS-Leitlinien erfordern. Wenn nur 11 % der Organisationen ihre allgemeinen Finanzdaten als KI-bereit betrachten, ist der Anteil mit krypto-spezifischen Daten, die diese Messlatte erfüllen, mit ziemlicher Sicherheit niedriger. Jede KI-Schicht, die auf unvollständigen oder fehlklassifizierten On-Chain-Daten aufbaut, verstärkt die zugrunde liegenden Ungenauigkeiten, anstatt sie zu korrigieren. Weitere Informationen zu diesem ungelösten Terrain unter aktuellen Standards finden Sie in unserer Analyse zur Krypto-Bilanzierung nach ASC 350-60.
Die regulatorische Prüfung nimmt zu
Der vorgeschlagene Reg-Crypto-Regelungsentwurf der SEC und die laufenden Standardisierungsaktivitäten führen dazu, dass Offenlegungen digitaler Vermögenswerte stärker in den Mittelpunkt der regulatorischen Aufmerksamkeit rücken. Ein KI-Fehler, der in einem traditionellen Berichtskontext eine externe Zielgruppe oder den Vorstand erreicht, ist schädlich. Derselbe Fehler in einer Offenlegung digitaler Vermögenswerte während einer Phase aktiver Regelsetzung – in der die Regulierungsbehörden genau prüfen, ob Unternehmen über angemessene Kontrollen verfügen – birgt ein wesentlich höheres Compliance-Risiko. Firmen, die diese regulatorische Entwicklung verfolgen, sollten auch unsere Berichterstattung über den vorgeschlagenen SEC-Reg-Crypto-Regelungsentwurf prüfen.
Datenherkunft ist schwerer herzustellen
Swains Punkt, dass generische KI-Tools nicht in der Lage sind, Zahlen bis zu ihrer Quelle zurückzuverfolgen, ist bei digitalen Vermögenswerten besonders akut. On-Chain-Daten sind pseudonym und verteilt. Die Etablierung einer sauberen Prüfungsspur von einer Wallet-Transaktion zu einer Position im Finanzbericht erfordert eine bewusste Datenarchitektur, nicht nur eine KI-Abfrageebene. Ohne diese Herkunft kann ein Prüfer KI-gestützte Ergebnisse nicht effizient validieren, und ein Unternehmen kann nicht selbstbewusst hinter einer Offenlegung stehen.
Praktische Schritte für Wirtschaftsprüfungsgesellschaften und CFOs
Die Umfrageergebnisse weisen auf konkrete Maßnahmen hin, nicht auf allgemeine Vorsicht.
Behandeln Sie Daten-Governance als Voraussetzung, nicht als parallelen Workstream
Swains Framing ist es wert, verinnerlicht zu werden: Daten-Governance ist kein Backoffice-Thema, sondern die Grundlage. Für Unternehmen, die Software für die Buchhaltung digitaler Vermögenswerte verwenden, bedeutet dies, die Dateneigentümerschaft klar zu kartieren, bevor KI-gestützte Workflows erweitert werden. Die Schlüsselfragen sind, ob die Daten, die ein KI-Tool speisen, korrekt sind, wer autorisiert ist, sie zu konsumieren, und ob eine klare Herkunft von der Quelle bis zum Ergebnis besteht. Wenn diese Fragen nicht selbstbewusst beantwortet werden können, verfügt das Unternehmen noch nicht über die Kontrollen, um hinter KI-gestützten Offenlegungen zu stehen.
Richten Sie verbindliche menschliche Prüfpunkte ein
Die Tatsache, dass 26 % der Prüfungsfunktionen Fehler aufdecken, die bereits externe Zielgruppen erreicht haben, deutet darauf hin, dass Prüfpunkte entweder fehlen oder zu spät im Workflow positioniert sind. Unternehmen sollten verlangen, dass ein qualifizierter Prüfer jedes KI-gestützte Ergebnis abzeichnet, bevor es die Finanzfunktion verlässt, nicht erst, wenn es im Vorstandsordner oder im Entwurf einer Einreichung ankommt. Für Krypto-Buchhaltungssoftware sollte diese Prüfung insbesondere eine Prüfung auf Zeilenebene umfassen, ob die Transaktionsklassifizierungen mit der erklärten Buchhaltungspolitik des Unternehmens übereinstimmen.
Prüfen Sie den KI-Workflow, nicht nur das Ergebnis
Ein Ergebnis des separaten Governance-Berichts ist besonders aufschlussreich: Der Grund, warum KI-Prozesse bei Prüfungen scheitern, ist nicht architektonisch, sondern prozessual. Es ist unmöglich, einen Prozess zu prüfen, den die Organisation nicht formell definiert hat. Unternehmen sollten die KI-gestützten Schritte in ihrem Krypto-Berichtsworkflow dokumentieren, die Verantwortung für jeden Schritt zuweisen und diese Schritte in den Umfang der internen Prüfung einbeziehen. Diese Dokumentation bietet auch einen verteidigungsfähigen Nachweis, falls ein Regulator oder externer Prüfer Fragen aufwirft.
Bewerten Sie die Fähigkeiten des Anbieters in Bezug auf Datenherkunft
Bei der Bewertung oder Verlängerung von Krypto-Buchhaltungssoftware sollten Unternehmen Anbieter direkt fragen, wie ihre Tools KI-generierte Ergebnisse bis zu den Quelltransaktionen zurückverfolgen. Generische Tools auf Basis großer Sprachmodelle, die diese Herkunft nicht liefern können, sind für regulierte Finanzberichterstattung ungeeignet. Spezialisierte Plattformen, die für die Buchhaltung digitaler Vermögenswerte entwickelt wurden, sollten eine klare Kette von rohen On-Chain-Daten bis zu einem Finanzberichtseintrag nachweisen können.
Die Governance- und Rechenschaftsdimension
Die Umfragedaten deuten darauf hin, dass die Lücke zwischen wahrgenommener und tatsächlicher KI-Governance in erster Linie kein Technologieproblem ist. Es ist ein Governance- und Rechenschaftsproblem. Führungskräfte sind im Abstrakten zuversichtlich, aber dieses Vertrauen übersetzt sich nicht in ausgereifte Kontrollen auf Organisationsebene. Swains Framing trifft es genau: Führungskräfte müssen aufhören, nur zu fragen, ob KI im Allgemeinen genau ist, und anfangen zu fragen, ob sie hinter diesem spezifischen Ergebnis, mit diesen spezifischen Daten, vor diesem spezifischen Publikum stehen können.
Für Wirtschaftsprüfungsgesellschaften, die Kunden bei der Berichterstattung über digitale Vermögenswerte beraten, ist dies auch eine Frage der beruflichen Haftung. Wenn ein Unternehmen KI-gestützte Krypto-Buchhaltungssoftware verwendet, um Finanzberichte oder Steueroffenlegungen zu erstellen oder zu prüfen, und ein Fehler einen Regulator oder externen Prüfer erreicht, wird die Frage, ob eine angemessene menschliche Aufsicht vorhanden war, von zentraler Bedeutung für jede Durchsetzungs- oder Disziplinarprüfung sein. Die Workiva-Daten deuten darauf hin, dass der Berufsstand diese Frage insgesamt noch nicht zufriedenstellend beantwortet hat.
Die Wahrnehmungsdaten zum Desinformationsrisiko unterstreichen den Governance-Punkt. Der Anteil der Befragten, die Desinformation als eine der größten externen Bedrohungen identifizierten, stieg in den USA zwischen den Befragungszeiträumen von 24 % auf 31 % und weltweit von 23 % auf 26 %. Führungskräfte erkennen das Risiko auf Makroebene. Die Arbeit besteht nun darin, interne Kontrollen aufzubauen, die dieser Erkenntnis auf Organisationsebene entsprechen.
FAQ
Was bedeutet die 26-%-Zahl für das Prüfungsrisiko einer Wirtschaftsprüfungsgesellschaft?
Es bedeutet, dass in mehr als einer von vier befragten Organisationen KI-generierte Fehler interne Kontrollen umgangen haben und entweder den Vorstand oder externe Stakeholder erreichten. Für eine Wirtschaftsprüfungsgesellschaft stellt dies ein direktes berufliches Haftungsrisiko dar. Wenn KI-gestützte Ergebnisse in Mandaten nicht einer dokumentierten menschlichen Prüfung unterzogen werden, kann die Gesellschaft möglicherweise nicht nachweisen, dass sie angemessenes berufliches Urteilsvermögen ausgeübt hat.
Wie wirkt sich schlechte Datenqualität speziell auf Krypto-Buchhaltungssoftware aus?
Krypto-Transaktionsdaten sind strukturell komplex. Fehlende Kostenbasis-Aufzeichnungen, nicht klassifizierte Token-Typen und unvollständige Wallet-Zuordnungen sind üblich. KI-Tools, die diese Daten verarbeiten, erzeugen Ergebnisse, die plausibel klingen, aber Transaktionen falsch klassifizieren, faire Werte falsch darstellen oder steuerpflichtige Ereignisse auslassen können. Das Workiva-Ergebnis, dass nur 11 % der Organisationen ihre Daten als KI-bereit betrachten, macht dies zu einem nahezu sicheren Problem für die meisten Unternehmen ohne eine dedizierte Datenaufbereitungsebene.
Was ist Datenherkunft und warum ist sie für Offenlegungen digitaler Vermögenswerte wichtig?
Datenherkunft ist die dokumentierte Spur, die eine Figur im Finanzbericht mit ihrer Quelltransaktion verbindet. Für digitale Vermögenswerte bedeutet das, einen gemeldeten fairen Wert oder Gewinn bis zu einer bestimmten On-Chain-Transaktion zurückzuverfolgen, durch alle Klassifizierungs- oder Umrechnungsschritte, bis zur endgültigen Offenlegung. Ohne diese Spur können weder ein interner Prüfer noch ein externer Prüfer KI-gestützte Ergebnisse effizient validieren, und das Unternehmen kann seine Zahlen nicht gegenüber einem Regulator verteidigen.
Sollten Unternehmen die KI-Einführung in der Krypto-Berichterstattung pausieren, bis die Governance reif ist?
Die Workiva-Ergebnisse deuten nicht auf eine Pause bei der Einführung hin. Sie deuten auf eine korrekte Sequenzierung hin. Governance-Infrastruktur – Dateninhaberschafts-Mapping, Herkunftsdokumentation und verbindliche menschliche Prüfpunkte – sollte vorhanden sein, bevor KI-Tools auf regulierte Ergebnisse angewendet werden. Unternehmen, die KI bereits ohne diese Infrastruktur eingesetzt haben, sollten die Schließung der Lücke als dringende Kontrollsanierung behandeln, nicht als zukünftiges Projekt.
Wie sollte ein CFO reagieren, wenn ein KI-Fehler bereits den Vorstand oder eine externe Zielgruppe erreicht hat?
Die unmittelbaren Schritte bestehen darin, das spezifische Ergebnis zu identifizieren, es bis zu den Quelldaten zurückzuverfolgen, um zu verstehen, wie der Fehler entstanden ist, zu bewerten, ob eine regulatorische Offenlegung oder ein Finanzbericht betroffen ist, und zu bestimmen, ob eine Korrektur oder ergänzende Offenlegung erforderlich ist. Die breitere Sanierung besteht darin, zu dokumentieren, welche Kontrolle versagt hat, einen Prüfpunkt zur Verhinderung eines erneuten Auftretens einzurichten und den Prüfungsausschuss sowohl über den Fehler als auch über den Sanierungsplan zu informieren.
Quelle: Accounting Today