Banksteuerung ohne Excel-Ketten: Reporting endlich automatisieren

Der Monatsbericht ist fertig. Drei Tage zu spät, und niemand weiß, ob die Zahlen stimmen.

So sieht Banksteuerung in vielen Instituten am Monatsanfang aus: Exporte aus mehreren Systemen, eine Sammelmappe in Excel, eine Präsentation, die von Hand befüllt wird. Reporting in der Banksteuerung wird nicht durch ein neues Tool schnell, sondern durch den Abbau manueller Übergaben, denn jede Excel-Kette zwischen Quellsystem und Bericht ist ein Fehlerrisiko, ein Zeitfresser und ein Klumpenrisiko in einer einzelnen Person.

Der Wille zur Veränderung ist da. In der Studie „Banken und Finanzdienstleister 2025“ der Managementberatung Horváth, für die mehr als 130 Mitglieder von Vorständen und Geschäftsführungen befragt wurden, halten rund 70 Prozent Automatisierung für unverzichtbar. Die Steuerung gehört zu den internen Abläufen mit dem höchsten manuellen Anteil und bleibt in vielen Automatisierungsplänen trotzdem außen vor.

Wie sieht die Excel-Kette in der Praxis aus?

Fast überall gleich. Daten kommen aus Kernbank, Risikosystem, Meldewesen und Vertriebssteuerung, jeweils als Export. Ein Mitarbeiter kopiert die Exporte in eine Sammelmappe, gleicht Formate an, korrigiert bekannte Abweichungen von Hand und überträgt die Ergebnisse in die Berichtsvorlage. Dazwischen liegen Zwischenstände mit Dateinamen wie „final_v3_neu“. Am Ende steht ein Bericht, dessen Zahlen niemand bis zur Quelle zurückverfolgen kann, ohne den Kollegen zu fragen, der die Mappe gebaut hat.

Diese Ketten funktionieren erstaunlich lange, bis sich etwas ändert. Ein Feld im Export verschiebt sich, ein Produkt kommt hinzu, ein Bezug in der Mappe bricht. Dann steht die Berichterstattung, und die Fehlersuche frisst Tage. Solche Eigenlösungen gelten zudem als individuelle Datenverarbeitung, für die Anforderungen an Dokumentation und Kontrolle gelten, wie der Beitrag zur individuellen Datenverarbeitung beschreibt. Dasselbe Muster zeigt sich beim ESG-Reporting, das in Excel nicht skaliert.

Was kostet der Status quo wirklich?

Mehr, als die Zeiterfassung ausweist. Sichtbar sind die Personentage für Sammeln, Abgleichen und Formatieren, oft mehrere Vollzeitkräfte, die dauerhaft mit der Herstellung von Berichten beschäftigt sind. Unsichtbar bleiben Korrekturschleifen, wenn eine Zahl im Management angezweifelt wird und die Herleitung rekonstruiert werden muss, verspätete Entscheidungen, weil der Bericht zur Sitzung nicht vorlag, und stille Fehler, die niemandem auffallen, bis sie in einer Entscheidung stecken.

Die teuerste Position steht auf keiner Rechnung: Jede Stunde, die ein Steuerungsexperte mit Formatierung verbringt, fehlt bei der Frage, was die Zahlen für das Geschäft bedeuten. Hinzu kommt ein personelles Risiko: Das Wissen über die Ketten steckt in wenigen Köpfen. Geht der Mitarbeiter, der die Bewertungsmappe seit acht Jahren pflegt, geht die Fähigkeit des Instituts, seinen Monatsbericht zu erstellen, gleich mit.

Warum trifft es gerade die Banksteuerung?

Weil die Steuerung am Ende der Datenwertschöpfung sitzt. Sie nutzt Daten aus fast allen Systemen des Instituts, besitzt aber kaum eines davon. Jede Systemeinführung, jede Migration, jede Produktänderung landet als Formatänderung auf ihrem Schreibtisch. Fachbereiche mit eigener Systemhoheit automatisieren ihre Prozesse; die Steuerung überbrückt die Lücken zwischen fremden Systemen, traditionell mit Excel, weil Excel keine IT-Freigabe braucht.

Warum hat das neue BI-Tool das Problem nicht gelöst?

Weil das Tool die Datenwege nicht verändert hat. Viele Institute haben Business-Intelligence-Plattformen eingeführt und festgestellt, dass die Excel-Ketten weiterleben; sie enden jetzt nur in einem Dashboard statt in einer Berichtsdatei. Werden die Daten weiterhin manuell exportiert, bereinigt und hochgeladen, ist die Kette nicht kürzer, sondern um ein Glied länger.

Automatisierung beginnt am Datenweg, nicht am Layout. Erst wenn Quellsysteme ihre Daten automatisiert, geprüft und in definierter Struktur liefern, macht die Präsentationsschicht einen Unterschied. Dasselbe Muster prägt jede KI-Initiative, wie der Beitrag zur Datenstrategie als Voraussetzung für KI zeigt.

In welcher Reihenfolge wird der Umbau tragfähig?

In vier Stufen, die aufeinander aufbauen und einzeln Nutzen stiften.

Stufe 1: Berichtskatalog und Inventur

Ein Berichtskatalog listet jeden regelmäßigen Bericht mit Zweck, Empfänger und den Entscheidungen, die daran hängen. Die Inventur findet in fast jedem Institut Berichte, die niemand mehr liest, und Kennzahlen, die in drei Berichten dreimal unterschiedlich berechnet werden. Was niemand nutzt, wird eingestellt statt automatisiert, die günstigste Automatisierung von allen. Ebenso lohnt der Abgleich mit den Standardauswertungen des Rechenzentrums: Manches individuelle Format existiert nur, weil es immer so aussah.

Stufe 2: Datenwege und Verantwortung offenlegen

Für jeden verbleibenden Bericht wird der Weg jeder Kennzahl dokumentiert: Quellsystem, Export, manuelle Schritte, Verantwortliche. Je Datenquelle gibt es eine benannte Verantwortung und eine einzige maßgebliche Quelle statt paralleler Kopien. Diese Landkarte zeigt, wo dieselben Daten mehrfach angefasst werden und welche Kette beim nächsten Personalwechsel reißt. Datenbasiert sichtbar machen lässt sich das auch mit Process Mining; wie Datenverantwortung dauerhaft in die Fachbereiche wandert, beschreibt der Beitrag zu Data Mesh in der Finanzwirtschaft.

Stufe 3: Die teuerste Kette automatisieren

Nicht alle Ketten auf einmal, sondern die mit dem höchsten Aufwand und der größten Fehleranfälligkeit. Der Export wird durch eine automatisierte Datenlieferung ersetzt, Prüfregeln fangen Abweichungen ab, die Berichtslogik liegt versioniert in einem System statt in einer Mappe. Die Tool-Wahl ist zweitrangig, solange drei Eigenschaften erfüllt sind: Die Logik ist versionierbar, die Strecke läuft ohne ihren Autor, und Zwischenergebnisse sind prüfbar. Wer die bestehende Kette dagegen eins zu eins automatisiert, konserviert ihre Fehler und macht sie nur schneller.

Dass solche Automatisierung im Berichtswesen trägt, zeigt eine branchenübergreifende Studie von PwC aus dem Jahr 2020 unter 141 Unternehmen aus Industrie, Handel und Dienstleistung im deutschsprachigen Raum: 54 Prozent nutzten Robotic Process Automation, also softwaregestützte Automatisierung regelbasierter Arbeitsschritte, im Rechnungswesen setzten 70 Prozent sie für die Berichterstellung ein, und 84 Prozent der Teilnehmenden berichteten von deutlicher Zeitersparnis.

Stufe 4: Kommentierung und Analyse beschleunigen

Erst jetzt kommt KI sinnvoll ins Spiel. Ein Sprachmodell entwirft die Standardkommentierung, erklärt Abweichungen gegen Vormonat und Plan und beantwortet Rückfragen zur Datenherkunft. Das funktioniert nur auf sauberen, automatisierten Datenwegen: KI kommentiert Berichte, sie ersetzt keine Datenbasis. Welche Kennzahl für das Management relevant ist, entscheidet weiterhin der Mensch.

Welche Prüfregeln gehören in die automatisierte Strecke?

Drei Klassen, in dieser Reihenfolge. Technische Prüfungen stellen sicher, dass die Lieferung vollständig und im erwarteten Format angekommen ist. Fachliche Plausibilisierungen vergleichen die Werte gegen Erwartungskorridore: Ein Bestand, der sich über Nacht halbiert, ist entweder ein Storno-Ereignis oder ein Datenfehler, und die Strecke muss beides unterscheiden, statt still weiterzurechnen. Abstimmprüfungen gleichen dieselbe Größe über verschiedene Quellen ab, auch zwischen interner Steuerung und Meldewesen, damit nicht zwei Versionen derselben Wahrheit im Umlauf sind.

Diese Regeln existieren heute schon als Erfahrungswissen der Mitarbeiter, die die Mappen pflegen. Der Umbau macht daraus dokumentierte, automatisch ausgeführte Prüfungen, und das Wissen des Instituts wandert vom Kopf in die Struktur.

Was sagt die Erfahrung der Branche zu KI in der Steuerung?

Sie mahnt zur Nüchternheit. In derselben Horváth-Befragung geben 91 Prozent der Institute an, dass KI den erhofften Business Case bislang nicht erfüllt hat. Das ist keine Absage an die Technik, sondern an die Reihenfolge. Das Potenzial bleibt groß: Die zeb-Regionalbankenstudie 2026 für Österreich kommt zu dem Ergebnis, dass bei konsequentem KI-Einsatz bis 2035 ein Drittel der Kapazitäten freigespielt und neu verteilt werden könnte. Erschließen lässt es sich nur auf geordneten Datenwegen.

Welche Rolle spielt der Mensch in der automatisierten Steuerung?

Eine größere als vorher, nur eine andere. Die Mitarbeiter, die heute Exporte zusammenkopieren, kennen das Geschäft und die Datenhistorie des Instituts am besten. Automatisierung verschiebt ihre Arbeit von der Herstellung der Zahlen zur Einordnung: Plausibilisierung, Ursachenanalyse, Vorbereitung von Entscheidungen. Die Steuerung hat kein Beschäftigungsproblem, sondern ein Zeitverwendungsproblem.

Woran erkennt das Management, dass der Umbau wirkt?

Der Umbau gelingt als Folge kleiner, abgeschlossener Umstellungen, etwa eine Kette pro Quartal, jede mit messbarem Ergebnis. Fünf Schritte gehören an den Anfang:

1. Die Ausgangslage messen: Tage vom Monatsultimo bis zum verteilten Bericht, Zahl der Berichte mit Handarbeit, Häufigkeit nachträglicher Herkunftsfragen.

2. Einen Berichtskatalog anlegen und ungenutzte Berichte einstellen.

3. Für jede Datenquelle eine Verantwortung benennen und eine maßgebliche Quelle festlegen.

4. Die teuerste Kette zuerst automatisieren, mit versionierter Logik und Prüfregeln.

5. KI erst danach einsetzen, für Kommentierung und Analyse auf geprüften Daten.

Häufige Fragen

Womit beginnt die Automatisierung des Reportings in einer Bank?
Mit einer Inventur der Berichte und ihrer Datenwege. Erst wenn klar ist, welche Berichte gebraucht werden und woher ihre Zahlen kommen, lohnt die technische Automatisierung.

Kann KI den Monatsbericht selbst erstellen?
KI kann Kommentare entwerfen und Abweichungen erklären, wenn die Daten automatisiert und geprüft vorliegen. Eine fehlende oder fehlerhafte Datenbasis ersetzt sie nicht.

Gehört das Meldewesen in denselben Umbau?
Nicht in dasselbe Projekt, aber auf dieselbe Datenbasis. Wo vorhanden, sollte die Steuerung die qualitätsgesicherten Datenströme des Meldewesens nutzen, statt eigene Extrakte zu ziehen.

Weitere Beiträge zu Datenqualität, Kernsystemen und Datenarchitektur bündelt das Dossier Daten & Kernsysteme.

Wie viel Steuerungszeit heute in der Herstellung von Zahlen steckt, lässt sich oft schon an einem einzigen Monatsabschluss ablesen. Wir freuen uns auf ein erstes Gespräch zu dieser Frage.