KI vs. Excel: Der Wandel in der unternehmerischen Entscheidungsfindung

Die gefährlichste Datei in einer Organisation trägt wahrscheinlich den Namen Budget_Final_v3_revised.xlsx.

Seit vierzig Jahren läuft die Weltwirtschaft auf einem Gitter aus Zellen. Milliardenschwere Entscheidungen, von der Treibstoffabsicherung für Fluggesellschaften bis hin zu Lieferkettenaufträgen, beruhen auf der Integrität manueller Formeln, die von müden Analysten um 2 Uhr morgens getippt werden. Doch eine stille Revolution zerstört diese brüchige Infrastruktur. Unternehmen „fügen Excel nicht nur KI hinzu; Sie ersetzen die manuelle Logik von Tabellenkalkulationen durch Agentic Decision Architectures.

Die Ära der statischen Tabellenkalkulation ist vorbei. Die Ära des dynamischen Stresstests hat begonnen.

Die Tabellenkalkulationskrise: Warum „Good Enough“ gescheitert ist

Um die Verschiebung zu verstehen, muss man sich die Physik des Problems ansehen. Eine Tabellenkalkulation ist eine zweidimensionale statische Momentaufnahme. Es geht davon aus, dass die Welt linear ist. Ein Analyst gibt die Annahmen A, B und C ein und berechnet die Ausgabe D. Dadurch entsteht eine deterministische Sicht auf eine probabilistische Welt.

Aber die reale Welt ist nichtlinear, chaotisch und weit verbreitet.

Die „Fat Finger“-Sicherheitslücke

Im Jahr 2022 kostete ein einfacher Fehler beim Kopieren und Einfügen in einer Tabelle einen großen Krypto-Kreditgeber 100 Millionen US-Dollar. Das war keine Anomalie; es war ein Merkmal des Mediums. Excel setzt bei jedem Glied der Berechnungskette auf vollkommene menschliche Perfektion.

• Null-Sichtbarkeit: Wenn Zelle AA34 einen fest codierten Wert anstelle einer Formel hat, weiß niemand, bis der Cashflow unterbrochen wird.
• Version Hell: „Wer hat die neueste Version?“ ist nicht nur ein Ärgernis. Es handelt sich um ein Governance-Versagen, das zu Entscheidungen führt, die auf veralteten Daten basieren.

Das bekannteste Beispiel ist nach wie vor der „London Whale“-Vorfall bei JPMorgan Chase. Ein Tabellenkalkulationsfehler, insbesondere die Division durch die Summe statt durch den Durchschnitt, trug zu einem Handelsverlust von 6 Milliarden US-Dollar bei. Dabei handelt es sich nicht um Softwarefehler. Dabei handelt es sich um Prozessfehler, die manuellen Datengrids innewohnen.

KI-Copiloten „kalkulieren“ nicht nur; Sie begründen datensatzübergreifend und eliminieren so massive menschliche Fehler.

Deep Dive: Wie Agentic Modeling funktioniert

Wenn ein CFO fragt: „Was passiert, wenn der größte Lieferant in Konkurs geht?“, kann Excel nicht antworten. Ein Analyst muss ein neues Modell erstellen, Zellen manuell verknüpfen und die Logik überprüfen, was Tage dauert.

Ein KI-Copilot antwortet in Sekundenschnelle. Hier liegt der technische Unterschied.

1. Von Formeln zu semantischen Abfragen

In Excel werden Beziehungen explizit definiert: =SUM(A1:A10). In einem KI-gesteuerten Finanz-Stack (wie Microsoft Copilot for Finance oder spezialisierten Tools wie Kepion) ist die Beziehung semantisch. Ein Benutzer fragt: * „Zeigen Sie die Auswirkungen auf die Marge im dritten Quartal, wenn die Kupferpreise um 15 % steigen.“*

Die KI sucht nicht nach einer vorgefertigten Formel. Es:

1. Ruft die aktuelle Stückliste (Bill of Materials) aus dem ERP-System (Enterprise Resource Planning) ab.
2. Identifiziert alle SKUs, die Kupfer enthalten.
3. Simuliert den Preisanstieg in der gesamten Lieferkette.
4. Gibt die Nettoauswirkungen auf das Endergebnis aus.

Dies ist RAG (Retrieval-Augmented Generation), angewendet auf quantitative Modellierung. Die KI ruft Echtzeitdaten ab, wendet die Logik an und generiert die Prognose. Es schließt die Lücke zwischen unstrukturierten Fragen und strukturierten Daten.

2. Probabilistisch vs. deterministisch

Excel ist deterministisch: 1 + 1 = 2. KI-Modellierung ist probabilistisch. Es kann eine Monte-Carlo-Simulation mit 10.000 Iterationen ausführen, um dem Benutzer mitzuteilen: „Es besteht eine 94-prozentige Chance, dass das Unternehmen liquide bleibt, aber eine 6-prozentige Chance, dass es im November zu einer Liquiditätskrise kommt.“

3. Der Übergang vom Raster zum Diagramm

Technisch gesehen stellt dies einen Übergang vom Grid Computing (Zeilen und Spalten) zum Graph Computing (Knoten und Kanten) dar. In einer Tabelle weiß Cell A1 nicht, dass Cell B1 existiert, es sei denn, eine Formel verknüpft sie. In einem Knowledge Graph ist „Umsatz“ ein Knoten, der automatisch mit „Verkaufsvolumen“, „Preis“ und „Saisonalität“ verknüpft ist.

Wenn die KI die Daten abfragt, durchläuft sie dieses Diagramm. Es geht davon aus, dass bei einem Rückgang des „Verkaufsvolumens“ auch die „Versandkosten“ sinken sollten (variable Kosten), die „Miete“ jedoch gleich bleibt (Fixkosten). Excel erfordert, dass ein Mensch diese Logik jedes Mal manuell programmiert. Der Knowledge Graph setzt dies architektonisch durch.

Das „Human in the Loop“-Argument

Kritiker argumentieren, dass KI „halluziniert“, während Excel „wahr“ sei. Dies ist ein schwerwiegendes Missverständnis des Risikos.

Eine Halluzination in der KI ist ein Softwarefehler. Eine „Halluzination“ in Excel ist eine fest codierte Zahl, die in einer komplexen Formelkette versteckt ist. Der Unterschied besteht darin, dass KI-Agenten automatisch geprüft werden können. Ein Benutzer kann anfordern, „Gedankenkette für diese Projektion anzeigen“ und das System listet alle Datenquellen, Annahmen und Berechnungsschritte auf.

Die hybride Zukunft: Python in Excel

Microsoft weiß, dass der Übergang nicht augenblicklich erfolgt. Deshalb ist Python in Excel die entscheidende Brücke. Es ermöglicht Analysten, Python-Code direkt in Zellen zu schreiben und dabei Bibliotheken für maschinelles Lernen wie pandas und scikit-learn zu nutzen, ohne das Raster zu verlassen.

Das ist kein „besseres Excel“. Es ist ein Trojanisches Pferd für die codebasierte Datenwissenschaft, das die zellbasierte Arithmetik ersetzen soll. Es ermöglicht die Integration von:

• Prophet: Für Zeitreihenvorhersagen.
• K-Means-Clustering: Zur Kundensegmentierung.
• Matplotlib: Für erweiterte Visualisierung über Standarddiagramme hinaus.

Dies bringt die Disziplin „Software Engineering“ – Versionskontrolle, Bibliotheken und Modularität – in den „Wilden Westen“ der Finanztabellen.

Die Talentkrise: Von „Excel-Assistenten“ zu „Prompt Engineers“

Der Wechsel von Excel zu KI ist nicht nur ein Software-Upgrade. Es handelt sich um eine Prozessrevolution, die den Arbeitsmarkt auf den Kopf stellt.

Jahrzehntelang war die Rolle des „Junior Analyst“ ein Übergangsritus. Junge Absolventen verbrachten 80 Stunden pro Woche damit, Zellen zu formatieren, Fehler zu überprüfen und „Das Modell“ manuell zu aktualisieren. Diese Grunzarbeit brachte ihnen die Geschäftsmechanik bei.

KI macht diesen Arbeitsaufwand überflüssig.

1. Das Ende des „Reportings“: Finanzteams stellen die Erstellung von Berichten ein. Dashboards werden bei Bedarf von lokalen LLMs generiert, die auf verwaltete Daten zugreifen.
2. Der Aufstieg des „War Gaming“: Anstatt 90 % der Zeit damit zu verbringen, Daten zu sammeln, verbringen Teams 90 % der Zeit damit, Szenarien („War Gaming“) zu simulieren, um Strategien einem Stresstest zu unterziehen.
3. Fähigkeitsproblem: Der „Excel-Assistent“, der jede Tastenkombination kennt, wird durch den „Prompt Engineer“ ersetzt, der Geschäftslogik und Datenarchitektur versteht.

Dadurch entsteht eine „Wissenslücke“. Wenn Junioren die Modelle nicht manuell bauen, wie lernen sie dann die Intuition? Unternehmen stehen nun vor einer Ausbildungskrise und müssen künstliche „Flugsimulatoren“ entwickeln, damit Finanztalente die Grundlagen ohne manuelle Plackerei erlernen können.

Die Anbieter-Ökosystem-Kriege

Es ist nicht nur Microsoft. Ein hart umkämpftes Ökosystem wetteifert darum, die Tabellenkalkulation zu vernichten.

• Anaplan: Der Pionier der „vernetzten Planung“, der Tabellenkalkulationen in die Cloud verlagert.
• Workday: KI direkt in das ERP integrieren, um die Tabellenkalkulation vollständig zu umgehen.
• Startups (z. B. Causal, Abacus): Aufbau von „Native AI“-Finanzplattformen, deren Modell Englisch und nicht Mathematik ist.

Diese Plattformen haben eine gemeinsame Philosophie: Daten sollten flüssig und nicht in einer Datei eingefroren sein.

Forward Outlook: Die leere Tabelle

Bis 2026 wird sich das Öffnen einer leeren Tabelle zum Erstellen eines Budgets anfühlen, als würde man Stift und Papier hervorholen, um einen Roman zu schreiben. Es ist urig, aber ineffizient. Die Schnittstelle der Entscheidungsfindung wird immer gesprächiger.

Die Gewinner werden nicht die Unternehmen mit den komplexesten Tabellenkalkulationen sein. Sie werden die Unternehmen sein, die ihren Daten tatsächlich die richtigen Fragen stellen. Das „Arbeitsbuch“ wird geschlossen. Das „Gespräch“ ist nun geöffnet.