AI ist 2026 in fast jeder Software-Demo präsent. In der Praxis ist der Unterschied zwischen „Feature“ und „Produktivität“ allerdings riesig. Der BARC Score Integrated Planning & Analytics (IP&A) 2026 macht zwei Dinge gleichzeitig sichtbar:
- IP&A wird wichtiger, weil Unternehmen in volatilen Märkten schneller planen, analysieren und entscheiden müssen.
- Der Innovationsfokus der Anbieter verschiebt sich stark in Richtung Agentic AI.
Die Frage ist daher nicht, ob AI in IP&A kommt. Die Frage ist: Wo bringt sie zuerst messbaren Nutzen, ohne Governance und Kontrolle zu beschädigen?
These
Agentic AI wird IP&A nicht als „Autopilot“ verändern. Sie wird zuerst dort wirken, wo Prozesse heute aus manuellen, wiederkehrenden Mikroaufgaben bestehen und wo klare Leitplanken möglich sind. Und natürlich dort, wo die entsprechenden Daten inkl. Qualität, Historie etc. vorhanden sind, um die AI damit zu füttern.
Warum viele AI-Ansätze in IP&A scheitern
IP&A-Prozesse haben Eigenschaften, die AI schnell entlarven.
- Hohe Konsequenzen: Forecasts, Budget-Änderungen und Management-Reports sind keine Sandbox.
- Traceability: Wer hat was wann geändert, und warum?
- Heterogene Daten: Ist/Plan-Daten, Stammdaten, Hierarchien, Kommentare, Workflows.
Wenn diese Grundlagen nicht sauber sind, kann AI zwar Text produzieren, aber keinen verlässlichen Prozess verbessern.
Wo Agentic AI zuerst automatisiert, ohne Vertrauen zu verlieren
Die ersten tragfähigen Use Cases sind nicht die spektakulären. Sie sind die, die Zeit fressen.
1) Anomalien finden und triagieren
Agenten können im Hintergrund prüfen:
- ungewöhnliche Bewegungen in Kostenstellen oder Produkten
- auffällige Treiberänderungen im Forecast
- unerwartete Abweichungen zwischen Plan, Ist oder zur Vergangenheit
Wichtig: Agenten liefern keine „Wahrheit“. Sie liefern Prioritäten für menschliche Aufmerksamkeit.
2) Variance-Erklärungen vorbereiten
Die meiste Zeit in FP&A geht nicht in Berechnungen, sondern in Kommunikation.
Agentic AI kann Entwürfe liefern für:
- erste Hypothesen zu Abweichungstreibern
- konsistente Formulierungen über Einheiten hinweg
- Hinweise auf Datenqualitätsthemen
Regel: Entwurf ja, aber Freigabe und Veröffentlichung bleibt menschlich.
3) Forecast-Assistenz statt Forecast-Autonomie
Agenten können Vorschläge erzeugen:
- alternative Treiberannahmen
- Sensitivitäten zu Preis, Volumen, FX, Headcount
- Szenarien, die man nicht manuell aufsetzen würde
Der Nutzen entsteht, wenn Vorschläge nachvollziehbar sind und als Option, nicht als Ergebnis, im Prozess landen.
4) Workflow-Trigger und „Next best action“
Ein Agent kann Aufgaben auslösen, wenn definierte Schwellenwerte überschritten werden:
- Review anstoßen
- Owner informieren
- Kommentarpflicht erzwingen
- Datenlade- und Validierungschecks starten
Das ist langweilig. Genau deshalb funktioniert es.
Was man bewusst manuell lassen sollte:
Nicht jeder Schritt im IP&A-Prozess eignet sich für Automatisierung. Das gilt vor allem bei Entscheidungen mit hohem Risiko:
- Strategische Ziele und Prioritätensetzung: Ob Wachstum oder Marge wichtiger ist, ist keine Rechenaufgabe. Das bleibt Management.
- Materialität: Nicht jede Abweichung ist automatisch wichtig. Was steuerungsrelevant ist, hängt vom Geschäftskontext ab.
- Regulatorische Compliance: Wenn Planung, Reporting oder Forecasts regulatorische Anforderungen berühren, braucht es klare menschliche Kontrolle.
- Freigaben: Agenten können Vorschläge vorbereiten. Die finale Entscheidung braucht eine verantwortliche Person.
Die Checkliste für „trustworthy“ Agentic AI in IP&A
Wenn ein Anbieter Agentic AI verkauft, sind diese Fragen entscheidend:
- Explainability: Warum kam der Vorschlag, welche Daten wurden genutzt?
- Audit Trail: Was wurde generiert, was wurde übernommen, von wem?
- Boundaries: Was darf der Agent entscheiden, was nicht?
- Fallback: Was passiert, wenn Daten fehlen oder Unsicherheit hoch ist?
- Governance: Wie werden Prompts, Regeln und Modelle versioniert und getestet?
Agentic AI wird IP&A nicht durch eine große Funktion verändern, sondern durch viele kleine Automationen. Wer die ersten Use Cases richtig wählt, gewinnt Geschwindigkeit, ohne die Kontrolle zu verlieren.
