Pexon Consulting | 11 Min. Lesezeit | 20.06.2026
TL;DR
Ein Controlling Agent Fertigung zieht Soll-Ist-Abweichungen, Deckungsbeiträge und Kostenstellen-Auswertungen automatisch aus SAP/ERP und liefert die Treiber je Buchungszeile dazu. Pexon Consulting baut das DSGVO-konform als 6-Wochen-Pilot auf eure bestehende CO-Struktur. Ergebnis: Varianzanalysen am selben Tag statt nach drei bis fünf Tagen Excel-Arbeit.
Das Problem: BAB und Soll-Ist hängen am Monatsende fest
Die meisten Controlling-Teams in der Fertigung verbringen die ersten Arbeitstage jedes Monats damit, Daten aus SAP CO, dem MES und drei Excel-Dateien zusammenzuziehen. Der Betriebsabrechnungsbogen (BAB) wird per Hand gepflegt, die Kostenstellen-Umlage läuft halb-manuell, und die Deckungsbeitragsrechnung pro Auftrag entsteht in einer Pivot-Tabelle, die nur eine Person wirklich versteht.
Das ist kein Tooling-Problem im klassischen Sinn. SAP CO kann das alles. Aber die Abweichungs-Analyse — also die eigentliche Controlling-Arbeit — passiert außerhalb des Systems, weil niemand pro Kostenstelle 40 Ist-gegen-Plan-Vergleiche durchklickt und die Ursachen kommentiert.
Genau hier setzt ein Controlling Agent an. Er macht nicht die Buchung. Er macht die Auswertung, die heute drei Tage Excel kostet.
Die Zahlen aus der DACH-Region stützen das Bild. In der KPMG-Studie „Digitalisierung im Rechnungswesen 2025/2026“ (209 befragte Unternehmen) konzentriert sich KI im Rechnungswesen bislang fast nur auf Beleg- und Buchungsprozesse — die analytischen Controlling-Aufgaben bleiben manuell. 53 Prozent nutzen oder planen KI, aber nur 28 Prozent setzen lernende Systeme tatsächlich ein. Das Delta ist die Lücke, über die wir hier reden.
Was ein Controlling Agent in der Fertigung konkret tut
Ein Controlling Agent ist ein KI-System mit Lesezugriff auf eure Plan- und Ist-Daten, das auf Anfrage oder nach Zeitplan Soll-Ist-Vergleiche rechnet, Abweichungen zerlegt und die Treiber benennt — in natürlicher Sprache, mit Quellenangabe auf die Buchungszeile. Es ersetzt nicht den Controller, sondern den Excel-Zwischenschritt.
Drei Aufgaben deckt er in der Praxis ab:
Soll-Ist auf Kostenstellen-Ebene. Der Agent vergleicht Ist-Kosten gegen Plan pro Kostenstelle, flaggt Abweichungen über einem Schwellwert und schreibt einen Kommentar wie „Kostenstelle Montage 4120: Personalkosten +14 % über Plan, Ursache Mehrarbeit KW 22-24 laut Zeiterfassung“. Das ist die Arbeit, die heute am Monatsanfang den größten Block frisst.
Deckungsbeitrag pro Auftrag und Produkt. Auf Basis von Erlösen, Einzelkosten und der Kostenstellen-Umlage rechnet der Agent DB I bis DB III pro Auftrag, Produktgruppe oder Kunde und sortiert nach den größten negativen Ausreißern. Statt einer statischen Pivot bekommt ihr eine sortierte Liste mit „diese fünf Aufträge haben den DB im Mai gedrückt — hier ist warum“.
BAB-Plausibilisierung. Der Agent prüft die Umlage im BAB auf Sprünge gegenüber Vormonat, ungewöhnliche Verteilschlüssel und leere Kostenstellen und meldet, wo die Umlage nicht aufgeht — bevor der Report rausgeht.
Die Technologie dahinter ist 2026 erwachsen geworden. SAP hat auf der SAP Connect im Oktober 2025 über 40 spezialisierte Joule-Agenten mit 2.400 Skills für Finance, Supply Chain und Procurement angekündigt; der Cash Management Agent ist seit Q1 2026 allgemein verfügbar und spart laut SAP bis zu 70 Prozent der manuellen Reconciliation-Zeit. Microsofts Finance Agent für Microsoft 365 Copilot ist ebenfalls allgemein verfügbar und greift direkt auf ERP-Daten zu. Die Plattform-Anbieter zielen alle auf denselben Engpass: die manuelle Auswertung.
So koppelt der Agent an euer SAP/ERP
Der Agent braucht zwei Dinge: einen Lesezugang zu den Controlling-Daten und eine semantische Schicht, die ihm sagt, was „Deckungsbeitrag II“ in eurem Kontenplan bedeutet. Beides lässt sich ohne ABAP-Großprojekt bauen.
Wir setzen die Anbindung meist über das Model Context Protocol (MCP) auf – ein offener Standard, über den ein KI-Agent strukturiert auf einen OData-Service, definierte SAP-Tabellen oder das Data Warehouse zugreift, statt blind in der Datenbank zu wühlen. Zwei Dinge gehören dabei seit April 2026 in die Architekturentscheidung: Ziffer 2.2.2 der SAP API Policy 4.2026a (abgerufen am 18.09.2026) untersagt die Anbindung generativer oder (teil-)autonomer KI-Systeme, die Abfolgen von SAP-API-Aufrufen planen, auswählen oder ausführen, außer über von SAP vorgesehene Wege – und zwar unabhängig davon, ob gelesen oder geschrieben wird. Deshalb steht in unseren Controlling-Agenten die Aufruffolge im Auswertungscode: feste Abfragen je Kostenstelle und Periode, das Modell formuliert nur den Kommentar. Wer stattdessen einen frei wählenden Agenten auf SAP will, geht über die von SAP vorgesehenen Architekturen wie das MCP Gateway der SAP Integration Suite oder Joule Studio. Für ein Data Warehouse oder ein Nicht-SAP-ERP gilt die Einschränkung nicht. Wie das mit SAP-Daten und Copilot Studio in der Praxis aussieht, haben wir am Beispiel einer Sprachabfrage auf SAP-Controlling-Daten gezeigt — dort lag die Aufwandsersparnis bei rund 30 Prozent.
Ein vereinfachter MCP-Tool-Aufruf, der dem Agenten Ist-Werte einer Kostenstelle liefert, sieht so aus:
# MCP-Tool: liest Ist-Kosten einer Kostenstelle aus SAP CO (CO-CCA)
# read-only — der Agent darf nie buchen, nur lesen
from mcp_sap import SapCoClient
client = SapCoClient(system="PRD", auth="oauth-service-user")
def ist_kosten_kostenstelle(kostenstelle: str, periode: str) -> dict:
"""Ist-Kosten je Kostenart für eine Kostenstelle in einer Periode."""
zeilen = client.query_cca(
cost_center=kostenstelle, # z.B. "4120" Montage
period=periode, # z.B. "2026-05"
value_type="actual", # nur Ist, kein Obligo
)
# Aggregation je Kostenart für die Soll-Ist-Logik des Agenten
return {
"kostenstelle": kostenstelle,
"periode": periode,
"summe_ist_eur": sum(z["amount_eur"] for z in zeilen),
"je_kostenart": {z["cost_element"]: z["amount_eur"] for z in zeilen},
}Die eigentliche Abweichungs-Logik braucht keinen großen Modell-Aufruf — sie ist deterministisch. Das LLM (in unseren Projekten meist claude-sonnet-4-6 oder ein Azure-OpenAI-Modell, je nach Datenresidenz) kommt erst dazu, wenn aus der Zahl ein lesbarer Kommentar werden soll:
# Soll-Ist-Abweichung pro Kostenstelle, dann Kommentar durch das LLM
def soll_ist_abweichung(plan: float, ist: float, schwelle: float = 0.05) -> dict:
abw_eur = ist - plan
abw_pct = abw_eur / plan if plan else 0.0
return {
"abweichung_eur": round(abw_eur, 2),
"abweichung_pct": round(abw_pct * 100, 1),
# nur über Schwelle (Default 5 %) zur Kommentierung markieren
"relevant": abs(abw_pct) >= schwelle,
}Die Zahlen rechnet Python, nicht das Sprachmodell. Das ist wichtig: Ein Agent, der Deckungsbeiträge halluziniert, ist im Controlling unbrauchbar. Das LLM formuliert nur die Begründung und benennt den Treiber — die Zahl kommt geprüft aus dem ERP.
Was das in der Praxis bringt — und wo die Grenze liegt
Der härteste Hebel ist die Verkürzung der Varianzanalyse. KI-gestützte Variance-Analysis-Plattformen drücken die Zeit von der Buchung bis zum kommentierten Abweichungsbericht von drei bis fünf Tagen auf denselben Tag. In einem Controlling-Team mit fünf Personen, die je zwei Tage pro Monatsabschluss für manuelle Soll-Ist-Auswertungen aufwenden, sind das rund 120 Personentage pro Jahr, die teilweise frei werden — nicht für weniger Köpfe, sondern für die Analyse, die heute liegen bleibt.
Unsere klare Empfehlung: Fangt nicht mit dem ganzen BAB an. Nehmt die fünf bis zehn Kostenstellen mit den größten oder unruhigsten Abweichungen und lasst den Agenten dort die Soll-Ist-Kommentierung übernehmen. Das ist in sechs Wochen produktiv und überzeugt den CFO mit echten Zahlen, nicht mit einer Folie.
Wo die Grenze liegt: Ein Controlling Agent ist nur so gut wie eure Datenqualität. Wenn Plan-Werte unsauber gepflegt sind oder die Kostenstellen-Logik im Kopf einer Person lebt, automatisiert ihr das Chaos. Deshalb gehört eine saubere Datengrundlage dazu — wie man die in einem risikoarmen Datenplattform-Pilot mit Microsoft Fabric aufzieht, ist oft der ehrlichere erste Schritt als der Agent selbst.
Und: Der Agent entscheidet nicht. Vollautomatische Entscheidungen mit rechtlicher Wirkung sind nach DSGVO und EU AI Act ohne menschliche Kontrolle ohnehin nicht zulässig. Der Controller bleibt im Loop, er prüft den Kommentar und gibt frei. Das ist auch fachlich richtig, nicht nur regulatorisch. Und es ist nur die halbe Antwort: Die SAP API Policy 4.2026a fragt nicht, wer am Ende freigibt, sondern wer die Abfolge der SAP-Aufrufe auswählt. Bei uns ist das der Auswertungscode.
Kosten und Zeitrahmen ehrlich gerechnet
Ein erster produktiver Controlling Agent kostet weniger, als die meisten erwarten — vorausgesetzt, ihr baut auf eurem bestehenden ERP auf und startet schmal. Für 2026 liegen realistische Gesamtkosten eines unternehmensspezifischen Agenten im ersten Jahr je nach Komplexität zwischen rund 15.000 und 150.000 Euro, wobei nur etwa ein Drittel auf Lizenzen entfällt — der Rest ist Anbindung, Datenmodell und Tuning.
Der teurere Weg ist, gleich das volle CO automatisieren zu wollen. Das verbrennt Budget an Datenmodellierung, bevor ein einziger Report rausgeht. Der schmale Pilot validiert in sechs Wochen, ob die Anbindung trägt — und erst dann skaliert ihr.
Worauf ihr bei der Auswahl achten solltet
Nicht jedes „KI-Controlling-Tool“ ist ein Agent, und nicht jeder Agent passt zur Fertigung. Fünf Punkte, an denen sich Spreu und Weizen trennen:
- Read-only-Zugriff als Default. Ein Controlling Agent darf lesen und rechnen, nicht buchen. Schreibrechte sind ein eigenes, viel kritischeres Thema.
- Datenresidenz wählbar. Für CO-Daten aus der Fertigung gehört das Modell entweder ins eigene Azure-Tenant oder On-Prem — nicht in eine US-Cloud ohne AVV.
- Zahlen deterministisch, Kommentar generativ. Wer die Deckungsbeiträge vom LLM rechnen lässt, baut eine Halluzinations-Maschine.
- Nachvollziehbarkeit bis zur Buchungszeile. Jeder Kommentar muss auf die Quelldaten verlinken, sonst vertraut der Controller ihm nicht.
- Mensch im Freigabe-Loop. Pflicht aus DSGVO und EU AI Act — und fachlich sowieso richtig.
Häufig gestellte Fragen
Was kostet ein Controlling Agent für die Fertigung?
Ein schmaler 6-Wochen-Pilot auf fünf bis zehn Kostenstellen liegt deutlich unter den oft genannten Maximalkosten. Realistisch bewegen sich Gesamtkosten eines unternehmensspezifischen Agenten im ersten Jahr je nach Komplexität zwischen 15.000 und 150.000 Euro — der Pilot bleibt am unteren Ende, weil read-only und schmaler Scope wenig Lizenz- und Token-Kosten verursachen.
Controlling Agent oder SAP Joule — was passt für uns?
Kommt auf eure Landschaft an. Wenn ihr tief in S/4HANA seid, sind die SAP-Joule-Agenten (40+ verfügbar, Cash Management seit Q1 2026 GA) der naheliegende Weg. Wer heterogen aufgestellt ist (SAP CO plus MES plus Fabric/Power BI), fährt mit einem eigenen Agenten über MCP oft flexibler, weil er alle Quellen koppelt statt nur die SAP-Welt.
Halluziniert die KI bei Deckungsbeiträgen?
Nicht, wenn die Architektur stimmt. Die Berechnung läuft deterministisch in Code gegen die ERP-Daten — das Sprachmodell formuliert nur den Abweichungs-Kommentar und benennt den Treiber. Die Zahl selbst kommt geprüft aus dem System, nicht aus dem Modell.
Ist ein Controlling Agent DSGVO- und EU-AI-Act-konform?
Ja, wenn drei Bedingungen erfüllt sind: Datenverarbeitung im eigenen Tenant oder On-Prem mit AVV, kein vollautomatischer Entscheid mit rechtlicher Wirkung, und ein Mensch im Freigabe-Loop. Soll-Ist-Auswertung mit Controller-Review ist genau dieser zulässige Fall.
Wie lange dauert die Anbindung an unser ERP?
Für einen schmalen Pilot-Scope rechnen wir mit der Anbindung als Teil der sechs Wochen — nicht als separates Vorprojekt. Voraussetzung ist ein OData-Service oder ein lesender Service-User auf die CO-Tabellen. Ein vollständiger Roll-out auf das gesamte Controlling braucht danach mehr Zeit für das Datenmodell.
Und was sagt die SAP API Policy dazu?
Ziffer 2.2.2 der SAP API Policy 4.2026a untersagt die Nutzung von SAP-APIs für die Anbindung generativer oder (teil-)autonomer KI-Systeme, die Abfolgen von API-Aufrufen planen, auswählen oder ausführen, außer über von SAP vorgesehene Architekturen, Datendienste oder dienstspezifische Wege. Das gilt auch für rein lesende Zugriffe, denn die Policy unterscheidet nicht nach Lesen und Schreiben, sondern danach, wer die Aufruffolge bestimmt. Für einen Controlling Agent heißt das: Die Abfragen stehen fest im Auswertungscode, das Sprachmodell rechnet nichts und wählt keine Aufrufe aus, es formuliert den Kommentar. Soll der Agent frei entscheiden dürfen, welche SAP-Daten er als Nächstes zieht, führt der Weg über das MCP Gateway der SAP Integration Suite, SAP-eigene MCP-Server über Joule Studio oder A2A. Verbindlich ist für eure Landschaft nur euer SAP-Vertrag oder euer SAP-Account-Team. Stand der zitierten SAP-Dokumente: 18.09.2026.
Nächster Schritt
Wenn ihr gerade evaluiert, ob sich ein Controlling Agent für eure Fertigung lohnt, fangt mit dem Use-Case an, der euch am meisten Monatsanfang kostet — meist die Soll-Ist-Kommentierung der lautesten Kostenstellen.
Mehr Kontext zur Einordnung in die KI-Wertschöpfungskette der Fertigung und zu unseren Lösungen für die produzierende Industrie. Die methodische Grundlage der KPMG-Studie findet ihr in der Übersicht zur Digitalisierung im Rechnungswesen 2025/2026.
Verwandte Themen
