Tech baut auf KI. Finanzen sichern die Marge.

Fragen Sie den CFO eines Tech-Unternehmens, wo die Marge des Quartals landen wird, und Sie erhalten eine konkrete Zahl. Fragen Sie, was sie beeinflusst hat, und die Liste beginnt: das beliebte Feature, dessen Rechenkosten schneller gestiegen sind als sein Preis, die über gemischte Abonnement- und Nutzungsmodelle verbuchten Nutzungsumsätze, die reservierte Rechenleistung, die eine automatische Skalierungsrichtlinie schneller als geplant verbraucht hat. Jede Zahl auf dieser Liste ist das Produkt mehrerer Systeme, und jede wird zunehmend von Agenten geprägt. Die Aufgabe der Finanzabteilung ist es, zu sehen, wie diese Variablen die Unit Economics beeinflussen, und das Unternehmen kontinuierlich zu steuern – nicht nur einmal im Monat zum Abschluss.

Die meisten Finanzteams sollen dies auf einer Infrastruktur tun, die für ein langsameres Geschäft gebaut wurde: Datenexporte, Tabellenkalkulationen und Kennzahlen, die monatlich abgeglichen werden, während sich Nutzung, Preise und Rechenleistung stündlich ändern. Jeder Tag Verzögerung hat seinen Preis. Eine Preisanpassung erfolgt eine Woche zu spät. Ein Fehler bei der Verbrauchsmessung überlebt bis zum Monatsabschluss. Eine Verpflichtung zur Abnahme von Rechenleistung wird auf Basis der Nachfrage des Vormonats unterzeichnet.

Wie AI Unit Economics zur vordersten Front der Finanzabteilung wurden

Tech- und AI-native Unternehmen sind auf Wachstum ausgerichtet. Die Nutzung skaliert, die Preisgestaltung umfasst Abonnements und verbrauchsabhängige Modelle, und Rechenleistung ist zu den größten variablen Kosten im Unternehmen geworden. Die Wirtschaftlichkeit dieses Wachstums zu schützen, war schon immer Aufgabe der Finanzabteilung. Geändert hat sich die Geschwindigkeit: Agenten bestimmen heute, wie Rechenleistung verbraucht wird, wie die Nutzung bepreist wird und wie Umsätze erfasst werden – und die Zahlen der Branche zeigen den Druck. Die AI-nativen Bruttomargen erreichten 2026 etwa 52 Prozent, verglichen mit 41 Prozent im Jahr 2024 (ICONIQ), liegen aber immer noch unter den 70 bis 90 Prozent, die klassische Software erzielt.

Die stärksten Finanzorganisationen warten nicht ab. Das Finanzteam von OpenAI beschreibt, wie es AI-Agenten für Vertrags-Workflows einsetzt, um Bedingungen zu extrahieren und zu prüfen, was früher Stunden von Analysten in Anspruch nahm. YipitData hat Revenue Operations und Finanzen auf Databricks zusammengeführt, wo Finanzanalysten ihr eigenes SQL und PySpark schreiben, und eine NetSuite-Integration hat den manuellen Aufwand aus der Finanzberichterstattung genommen. Die Frage für den CFO eines Tech-Unternehmens lautet nicht mehr, ob die Finanzabteilung mit AI arbeiten wird. Sondern welche Grundlage dies sicher macht.

Warum ein Begriff wie Ontologie jetzt für die Finanzen von Tech-Unternehmen wichtig ist

Die Finanzabteilung war schon immer gut darin, die richtige Zahl zu finden, selbst wenn sie in der Komplexität vergraben ist. Aber eine Zahl kann vollkommen präzise und trotzdem nicht korrekt sein, weil sie auf einem unvollständigen oder veralteten Bild der Geschäftsabläufe beruht. Was zählt, ist die Bedeutung dahinter: die Definitionen, die Produkte und Pläne, die Nutzungs- und Rechenleistungstreiber und wie sich diese im Zuge der Geschäftsentwicklung verändern. Bei AI ist diese Lücke das Hauptproblem: Ungenauigkeit ist das am häufigsten genannte Problem, das Unternehmen im Zusammenhang mit AI melden – genannt von etwa einem Drittel der Befragten (McKinsey, 2025). Wie Ali Ghodsi es ausdrückt, rät die meiste Enterprise-AI mit falscher Gewissheit. Das ist ein Kontextproblem, kein Intelligenzproblem.

Eine Ontologie schließt diese Lücke. Sie erfasst, was die Zahlen bedeuten, und hält diese Bedeutung aktuell, während sich das Geschäft verändert. Und das Rohmaterial trifft schneller ein als je zuvor. Stripe-Zahlungsdaten, Transaktionen, Abonnements, Rückerstattungen und Auszahlungen fließen jetzt über OpenSharing auf dem Databricks Marketplace direkt in den Unity Catalog: live, kontrolliert und ohne dass ETL-Pipelines erstellt oder gewartet werden müssen. Lakebase, die transaktionale Postgres-Datenbank, die nativ auf dem Lakehouse aufbaut, erweitert dasselbe Prinzip innerhalb der Plattform. Operative Daten und Analysen teilen sich eine gemeinsame Basis, sodass die Antwort das aktuelle Geschehen im Unternehmen widerspiegelt und nicht den Zustand beim letzten Abgleich.

Hier kommt Genie One ins Spiel

In einem AI-nativen Unternehmen kann eine Erkenntnis, die vor wenigen Stunden gewonnen wurde, bereits veraltet sein. Daher muss auch die Ontologie selbst in Bewegung bleiben. Sie muss von den Systemen lernen, mit denen das Unternehmen arbeitet, sich mit jeder Frage präzisieren und sich anpassen, während sich das Geschäft weiterentwickelt.

Databricks hat Genie One genau dafür entwickelt. Es funktioniert wie ein datenintelligenter AI-Kollege: Eine Führungskraft im Finanzbereich stellt eine direkte Frage und erhält eine vertrauenswürdige, belegte Antwort, die auf der Ontologie von Genie One basiert und in jedem Schritt kontrolliert wird. Amagi, die AdTech-Plattform hinter Tausenden von Fernsehsendern, arbeitet in der Produktion bereits so. Das Finanzteam erhält Echtzeit-Abrechnungen und Finanzberichte auf Databricks, wobei Genie One Fragen in natürlicher Sprache beantwortet. Da Finanzen, Marketing und Betrieb auf dieselben kontrollierten Daten zugreifen, muss in Vorstandssitzungen nicht mehr darüber gestritten werden, wessen Zahlen stimmen.

Jedes AI-native Finanzteam beschäftigt sich mit einer Variante von drei Fragen, und jede Antwort bereitet den Weg für die nächste:

› Wo landet die tatsächliche Bruttomarge nach Produkt und Kunde, wenn die AI-Rechenleistung mit eingerechnet wird?

Der Preis eines Tarifs und die verbleibende Marge sind selten dieselbe Zahl, sobald Inferenz- und Serving-Kosten berücksichtigt werden. Die Marge ist der Bereich, auf den die meisten Teams Genie One zuerst ansetzen. Deshalb richten Design-Software-, Marktplatz- und Consumer-Internet-Unternehmen es als Self-Service-Einstiegspunkt für ihre Finanzteams ein.

› Wo sind die Nutzungsumsätze bei gemischten Abonnement- und Nutzungsmodellen gefährdet?

Nutzung, die Sie korrekt messen können, ist Umsatz, den Sie verbuchen können. Der Wert liegt darin, eine Lücke zu erkennen, während sie entsteht, und nicht erst beim Abschluss. Ein digitales Wettunternehmen ist hier am weitesten gegangen: Es hat fehleranfällige Tabellenkalkulationen durch kontrollierte Umsatzprognosemodelle ersetzt, eine Liquiditätsanalyse hinzugefügt und seinem Führungsteam ein eigenes Genie One zur Verfügung gestellt.

› Wo drohen die Ausgaben für Rechenleistung bei steigender Nutzung die Runway zu übersteigen?

Der Zeitpunkt, um auf den Burn-Rate-Anstieg zu reagieren, liegt vor der Unterzeichnung der nächsten Verpflichtung zur Abnahme von Rechenleistung. Eine Plattform für digitale Vermögenswerte betreibt aus diesem Grund ihre Finanz-Cash-Pipelines und Blockchain-Analysen auf der Plattform, und eine globale Lieferplattform führt Finanzprognosen, Finanz-Apps und Workflow-Automatisierung auf dieselbe Weise aus.

Und weil jede Zahl bis zu ihrer Quelle zurückverfolgt werden kann, jede Berechtigung greift und die Kosten für die AI selbst unter einem einzigen Modell kontrolliert bleiben, ist das Ergebnis eine Antwort, auf die die Finanzabteilung reagieren kann. Genie One bereitet den Schritt vor – sei es eine Preisanpassung, eine Korrektur der Verbrauchsmessung oder ein langsamerer Abruf –, und ein Mensch im Prozess trifft die endgültige Entscheidung.

Von der ersten Antwort zur Finanzplattform

Die Entwicklung bei Tech- und AI-nativen Unternehmen verläuft einheitlich. Die Finanzabteilung beginnt mit kontrollierten Self-Service-Antworten. Dann beginnt sie zu konsolidieren. Ein führender Anbieter von AI-nativer Software, der Finanzanalysen live auf Databricks durchführt, validiert nun Genie One für Finanzen und Betrieb. Ein führender Anbieter von Finanzsoftware konsolidiert seinen Stack für die Finanzberichterstattung und entwickelt Agenten für sein Finanzteam. Andere schaffen die Einzellösungen ab, die sich in der Finanzabteilung über ein Jahrzehnt angesammelt haben: Dashboards auf veralteten BI-Plattformen, Hunderte von Desktop-Workflows zur Datenvorbereitung und Finanz-Apps, die in einem separaten Cloud Data Warehouse liegen. Jede Migration bringt mehr von der Bedeutung des Geschäfts in die Ontologie ein, und die Antworten von Genie One werden dadurch immer besser. Am Ende läuft die Finanzabteilung auf derselben Plattform wie das Produkt: eine Plattform für Daten und AI, die von der Pre-IPO- bis zur Post-IPO-Phase skaliert, ohne dass ein Plattformwechsel erforderlich ist.

Ein datenintelligenter AI-Kollege, der für die Arbeitsweise der Finanzabteilung entwickelt wurde

Das ist es, worauf Finanzabteilungen gewartet haben: ein AI-Kollege, der aktuell bleibt, kontrolliert agiert und das Unternehmen kontinuierlich kennenlernt. So führen wir auch unser eigenes Unternehmen. Michael Schaaf, Senior Director of Finance bei Databricks, zeigte im Databricks on Databricks-Webinar, wie die Finanzorganisation von Databricks auf Databricks läuft, und präsentiert die gesamte Geschichte auf dem Data + AI Summit in der Session How Databricks Uses Databricks to Run Its Own Finance Organization, and Why That Changes Everything.

Tech- und AI-native Unternehmen werden weiterhin durch AI wachsen. Mit Genie One schützt die Finanzabteilung die Unit Economics, von denen dieses Wachstum abhängt. Erleben Sie, wie ein datenintelligenter AI-Kollege für ein Finanzteam aussieht: databricks.com/product/ai-bi/genie

Häufig gestellte Fragen

Was ändert sich für die Finanzabteilung in einem AI-nativen Unternehmen?

Immer mehr Entscheidungen, die Einfluss auf die Unit Economics haben (Compute, Preisgestaltung und Umsatzrealisierung), werden von Agenten getroffen. Die Mission der Finanzabteilung, die Marge zu schützen, hat sich nicht geändert. Wohl aber das Tempo und die Komplexität dessen, was sie verstehen und steuern muss.

Trifft Genie One Entscheidungen über Preisgestaltung, Packaging oder Compute?

Nein. Diese Entscheidungen liegen bei Produkt, Engineering und der Umsatzbilanzierung. Genie One bietet der Finanzabteilung eine präzise, kontrollierte Sicht, sodass sich anbahnende Risiken frühzeitig erkannt und an die zuständige Person weitergeleitet werden, die darauf reagieren kann.

Warum sind Ontologie und Governance für den CFO eines Tech-Unternehmens wichtig?

Die Ontologie erfasst, was die Zahlen für Ihr Unternehmen bedeuten, und hält dies aktuell, sodass eine Antwort korrekt und nicht nur präzise ist. Governance sorgt dafür, dass jede Zahl rückverfolgbar, autorisiert und kostenkontrolliert bleibt. Zusammen sorgen sie dafür, dass man auf Basis einer Antwort sicher handeln kann.

Wie unterscheidet sich Genie One von einem AI-Dashboard oder BI-Tool?

Ein Dashboard zeigt Ihnen, was die Daten aussagen. Genie One hilft Ihnen, danach zu handeln: basierend auf Ihrer Ontologie, durchgängig kontrolliert und mit einer Person, die die endgültige Entscheidung trifft.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag