25 KI-Prompts, die jeder Finanzanalyst speichern sollte

Aktualisiert 16 Okt. 2026 · Geprüft vom Zekai-Redaktionsteam

Generative KI ist ein mächtiges Werkzeug, doch ihre Ergebnisse sind nur so gut wie Ihre Eingaben. Für Finanzexperten, wo Präzision und Kontext alles sind, sind generische Ein-Zeilen-Prompts nutzlos. Ein gut formulierter Prompt kann ein großes Sprachmodell (LLM) wie Claude oder ChatGPT in einen fähigen Junior-Analysten verwandeln; ein nachlässiger Prompt erzeugt plausibel klingenden Unsinn, der schwerwiegende Fehler verursachen kann.

Dies ist eine Prompt-Bibliothek auf professionellem Niveau. Wir sind über „fassen Sie diesen 10-K-Bericht zusammen“ hinausgegangen zu Prompts, die spezifische, alltägliche Aufgaben für Finanzplanung & -analyse (FP&A), Finanzmodellierung, Monatsabschluss, Treasury und Wirtschaftsprüfungsvorbereitung abdecken. Jeder Prompt ist so konzipiert, dass er kopiert, eingefügt und mit Ihren Daten befüllt werden kann. Wir zeigen Ihnen auch, wie eine gute Ausgabe aussieht und empfehlen Ihnen basierend auf unseren Tests das beste KI-Tool für die jeweilige Aufgabe. Einen vollständigen Überblick darüber, wie diese Tools in den modernen Finanz-Stack passen, finden Sie in unserem Leitfaden zu KI im Finanzwesen.

Was macht einen guten Finanz-Prompt aus?

Der Unterschied zwischen einer hilfreichen KI-Antwort und einer gefährlich falschen hängt von der Qualität des Prompts ab. Nach dem Testen Hunderter Variationen haben wir festgestellt, dass die besten Finanz-Prompts vier Merkmale aufweisen:

1. Rolle und Ziel: Beginnen Sie damit, der KI zu sagen, wer sie ist und welches Ziel sie verfolgt. Zum Beispiel: „Sie sind ein leitender FP&A-Analyst, der einen Varianzkommentar für den CFO vorbereitet.“
2. Strukturierter Kontext & Daten: Stellen Sie alle notwendigen Informationen klar bereit. Verwenden Sie Markdown-Tabellen für numerische Daten, fügen Sie vollständige Transkripte ein oder nutzen Sie Platzhalter in Klammern wie [Daten hier einfügen].
3. Explizites Format: Definieren Sie die Ausgabe. Benötigen Sie eine Markdown-Tabelle, ein JSON-Objekt, eine Aufzählung von Erkenntnissen oder einen E-Mail-Entwurf? Geben Sie dies an.
4. Einschränkungen und Leitplanken: Sagen Sie der KI, was sie *nicht* tun soll. „Erfinden Sie keine Daten. Wenn Informationen fehlen, geben Sie ‚NICHT BEREITGESTELLT‘ an. Konzentrieren Sie sich nur auf die bereitgestellten Daten.“

Bei guten Prompts geht es nicht darum, die KI auszutricksen; es geht darum, die Klarheit und die Einschränkungen bereitzustellen, die ein Junior-Analyst in der realen Welt benötigen würde, um erfolgreich zu sein.

FP&A- & Prognose-Prompts (5)

Diese Prompts unterstützen Sie bei zentralen Aufgaben der Finanzplanung und -analyse, von der Erstellung erster Prognoseentwürfe bis zur Analyse wichtiger Geschäftsfaktoren.

1. Entwurf eines Umsatzprognose-Narrativs

Best Tool: Claude 3.5 Sonnet. Seine Stärke im Umgang mit Nuancen und der Generierung natürlicher, hochwertiger Prosa macht es ideal für die Erstellung von Narrativen. Sample Output: > Für Q4 prognostizieren wir einen Gesamtumsatz von 13,8 Mio. $, was einem sequenziellen Anstieg von 1,3 Mio. $ gegenüber den Ist-Werten des Q3 entspricht. Dieses Wachstum wird hauptsächlich durch prognostizierte 1,5 Mio. $ im Neugeschäfts-ARR angetrieben, unterstützt durch den Start einer neuen Marketingkampagne im August. Diese positive Dynamik wird teilweise durch einen prognostizierten leichten Rückgang des Expansions-ARR auf 0,7 Mio. $ ausgeglichen, was die Sättigung in unserem Enterprise-Segment widerspiegelt, während sich der Churn-ARR aufgrund jüngster Customer-Success-Initiativen voraussichtlich auf -0,4 Mio. $ verbessern wird. > > Der Haupttreiber der Prognose ist die Performance der neuen Marketingkampagne; frühe positive Signale deuten auf ein potenzielles Aufwärtspotenzial beim Neugeschäftsziel von 1,5 Mio. $ hin, was die zentrale Chance in dieser Prognose darstellt. > > Umgekehrt besteht das Hauptrisiko für die Q4-Zahlen in einer potenziellen Produkteinführung eines Wettbewerbers im Dezember, die die Neugeschäftspipeline gegen Ende des Quartals negativ beeinflussen könnte. Wir werden das Lead-Volumen und die Gewinn-/Verlustquoten genau überwachen.

2. Identifizieren Sie Haupttreiber aus Finanzdaten

Best Tool: ChatGPT mit GPT-4o. Es zeichnet sich durch strukturierte Datenanalyse und Tabellengenerierung aus. Sample Output: | Rang | Posten | Abweichung (vs. Budget) | Hypothese | | :— | :— | :— | :— | | 1 | Sales & Marketing | ($50,000) | Ungeplante Ausgaben für eine neue Kampagne oder höhere als erwartete Kosten für die Lead-Generierung führten zur ungünstigen Abweichung. | | 2 | Revenue | $50,000 | Ein höheres als erwartetes Verkaufsvolumen oder günstige Preise führten wahrscheinlich zum Umsatzplus. | | 3 | COGS | $10,000 | Günstige Inputkosten oder Fertigungseffizienzen führten wahrscheinlich zu niedrigeren Herstellungskosten. | | 4 | R&D | $10,000 | Verzögerte Projektausgaben oder geringere als budgetierte Mitarbeiterzahlen könnten die günstige Abweichung erklären. | | 5 | G&A | $10,000 | Niedrigere als erwartete Rechts- oder Verwaltungskosten trugen zur günstigen Abweichung bei. |

3. DAX-Formel für Power BI generieren

Best Tool: Power BI with Copilot. Es ist direkt integriert und versteht das Datenmodell, aber ChatGPT mit GPT-4o ist auch eine starke Option zur Generierung von eigenständigem DAX. Wie bei jeder generierten Formel sollten Sie diese vor der Verwendung mit Ihrem eigenen Datenmodell testen. Sample Output: „`dax Revenue YoY % = VAR CurrentYearRevenue = SUM ( Sales[Revenue] ) — Berechnet den Gesamtumsatz für den aktuellen Zeitraum im Filterkontext.

VAR PreviousYearRevenue = CALCULATE ( SUM ( Sales[Revenue] ), SAMEPERIODLASTYEAR ( ‚Date'[Date] ) ) — Berechnet den Gesamtumsatz für den gleichen Zeitraum im Vorjahr.

RETURN DIVIDE ( CurrentYearRevenue – PreviousYearRevenue, PreviousYearRevenue ) — Berechnet die prozentuale Differenz, wobei DIVIDE() verwendet wird, um potenzielle Division-durch-Null-Fehler elegant zu behandeln. „`

4. Erstellen Sie eine rollierende Prognose

Best Tool: Jedes allgemeine LLM wie Gemini oder ChatGPT eignet sich gut für diese einfache Datenmanipulationsaufgabe. Sample Output: | Monat | Ist-Werte | Budget | Rollierende Prognose | | :— | :— | :— | :— | | Jan | $100K | | $100K | | Feb | $105K | | $105K | | Mar | $110K | | $110K | | Apr | | $112K | $112K | | May | | $115K | $115K | | Jun | | $118K | $118K | | Jul | | $120K | $120K | | Aug | | $122K | $122K | | Sep | | $125K | $125K | | Oct | | $128K | $128K | | Nov | | $130K | $130K | | Dec | | $135K | $135K |

5. Einrichtung einer Sensitivitätsanalyse

Best Tool: ChatGPT. Es eignet sich hervorragend zur Erstellung strukturierter Tabellen für die direkte Verwendung in Tabellenkalkulationen. Sample Output: | WACC / Wachstum | 2.00% | 2.25% | 2.50% (Basis) | 2.75% | 3.00% | | :— | :—: | :—: | :—: | :—: | :—: | | 7.00% | | | | | | | 7.50% | | | | | | | 8.00% (Basis) | | | | | | | 8.50% | | | | | | | 9.00% | | | | | |

Finanzmodellierung & Szenarioanalyse-Prompts (5)

Von der Entwicklung von Annahmen bis zum Stresstest Ihres Modells – diese Prompts beschleunigen den Modellierungsprozess.

6. Brainstorming von Modellannahmen

Best Tool: Claude 3.5 Sonnet. Seine breite Wissensbasis ist hervorragend für Brainstorming und die Bereitstellung kontextueller Begründungen. Sample Output: > Umsatztreiber > * Wachstum der flächenbereinigten Umsätze (%): Haupttreiber für den etablierten Einzelhandel. *Begründung:* Misst das Wachstum bestehender Standorte und zeigt die Markenstärke an. *Quelle:* 10-K/10-Q-Einreichungen des Unternehmens, Investorenpräsentationen. > * Neueröffnungen von Filialen (Anzahl): Haupttreiber des Expansionsumsatzes. *Begründung:* Fügt direkt neue Umsatzströme hinzu. *Quelle:* Quartalsberichte des Unternehmens, Management-Guidance. > * Durchschnittlicher Bonwert ($): Misst, wie viel Kunden pro Transaktion ausgeben. *Begründung:* Kann durch Preiserhöhungen oder Änderungen im Produktmix beeinflusst werden. *Quelle:* Oft in Transkripten von Earnings Calls besprochen. > * Umsatzwachstum lizenzierter Filialen (%): Wachstum durch Partner, die Filialen betreiben. *Begründung:* Umsatzstrom mit hoher Marge. *Quelle:* Segmentdaten im 10-K-Bericht. > > Kostentreiber > * Preise für grüne Kaffeebohnen ($/Pfund): Hauptbestandteil der Herstellungskosten. *Begründung:* Volatiler Rohstoffpreis wirkt sich direkt auf die Bruttomarge aus. *Quelle:* Kaffeeterminmarkt-Daten (z.B. ICE), Unternehmensangaben zu Absicherungsgeschäften. > * Personalkosten der Filialen (% des Umsatzes): Größter Betriebsaufwand. *Begründung:* Getrieben durch Lohninflation und Personalbestand der Filialen. *Quelle:* Aufschlüsselung der Betriebskosten des Unternehmens, Mindestlohngesetzgebung. > * Wachstum der Mietkosten (%): Bedeutende Fixkosten. *Begründung:* Spiegelt Mietvertragsverlängerungen und neue Filialstandorte wider. *Quelle:* Abgeleitet aus operativen Leasingverbindlichkeiten in den Finanzberichten.

7. Erstellen Sie einen Szenarioanalyse-Entwurf

Best Tool: Jedes allgemeine LLM. Sample Output: | Treiber | Downside-Szenario | Basisszenario | Upside-Szenario | | :— | :— | :— | :— | | Website Traffic Growth | +5% YoY | +15% YoY | +25% YoY | | Conversion Rate | 2.0% | 2.5% | 3.0% | | Average Order Value (AOV) | $75 | $80 | $90 | | Gross Margin % | 48% | 50% | 52% |

8. Übersetzen Sie Geschäftslogik in Excel-Formeln

Best Tool: ChatGPT ist im Allgemeinen stark in der Generierung klarer, effizienter Excel-Formeln, aber überprüfen Sie immer die Grenzbedingungen der Formel anhand Ihrer eigenen Daten, bevor Sie sich darauf verlassen. Sample Output: „excel =A2 * IFS(A2 > 10000, 0.10, A2 >= 5000, 0.075, A2 < 5000, 0.05)` Alternative mit verschachtelten WENN-Funktionen (für ältere Excel-Versionen):`excel =A2 * IF(A2 > 10000, 0.10, IF(A2 >= 5000, 0.075, 0.05))„

9. Entwurf einer Begründung für den LBO-Einstiegsmultiple

Best Tool: Claude 3.5 Sonnet. Hervorragend geeignet für die Erstellung formeller, professioneller Prosa für Memos und Berichte. Sample Output: > Wir schlagen einen Einstiegsmultiple von 8,0x LTM EBITDA vor. Diese Bewertung stellt einen überzeugenden Abschlag von ca. 16% bzw. 11% gegenüber den Median-LTM-EBITDA-Multiples vergleichbarer börsennotierter Unternehmen (9,5x) und früheren M&A-Transaktionen (9,0x) dar. Wir sind der Ansicht, dass dieser Abschlag angemessen und vertretbar ist, da er primär das unterdurchschnittliche Wachstumsprofil und das erhebliche Kundenkonzentrationsrisiko des Zielunternehmens im Vergleich zur Peer Group widerspiegelt. Dieser disziplinierte Einstiegspunkt bietet eine signifikante Sicherheitsmarge und erhöht das Potenzial für eine Multiple-Expansion beim Exit.

10. Daten für ein 3-Statement-Modell auflisten

Best Tool: Jedes allgemeine LLM. Dies ist eine wissensbasierte Anfrage. Sample Output: > Gewinn- und Verlustrechnung > * Umsatzerlöse > * Kosten der verkauften Waren > * Betriebsaufwendungen (Vertriebs-, Verwaltungs- und Forschungs- & Entwicklungskosten) > * Abschreibungen & Amortisationen > * Zinsaufwendungen & -erträge > * Ertragssteueraufwand > * Nettoergebnis > * Ausstehende Aktien (Basis und verwässert) > > Bilanz > * Zahlungsmittel & Zahlungsmitteläquivalente > * Forderungen aus Lieferungen und Leistungen > * Vorräte > * Sachanlagen (PP&E), Brutto und Netto > * Geschäfts- oder Firmenwert & immaterielle Vermögenswerte > * Verbindlichkeiten aus Lieferungen und Leistungen > * Rückstellungen für Aufwendungen > * Kurz- und langfristige Verbindlichkeiten > * Eigenkapital > > Kapitalflussrechnung > * Cashflow aus operativer Tätigkeit (CFO) > * Cashflow aus Investitionstätigkeit (CFI), einschließlich Investitionsausgaben (CapEx) > * Cashflow aus Finanzierungstätigkeit (CFF), einschließlich Schuldentilgungen/-emissionen und Aktienrückkäufen > > Anmerkungen und Aufstellungen > * Schuldenspiegel: Details zu Zinssätzen, Fälligkeiten und Covenants für alle Schuldentranchen. > * Sachanlagen-Aufstellung: Aufschlüsselung der Investitionsausgaben, Abschreibungen und Anlagenverkäufe. > * Aktienbasierte Vergütung: Details zu den Aufwendungen für Aktienoptionen, die eine nicht-liquiditätswirksame Belastung darstellen. > * Segmentinformationen: Umsatz und operatives Ergebnis nach Geschäftssegment.

Varianzanalyse & Monatsabschluss-Prompts (5)

Diese Prompts wurden entwickelt, um die repetitiven, aber kritischen Aufgaben im monatlichen Abschlussprozess zu beschleunigen.

11. Entwurf einer Varianz-Erklärung

Best Tool: Jedes LLM. Sample Output: > Die ungünstige Abweichung von 100.000 $ bei den Beratungshonoraren wurde durch ein ungeplantes strategisches Projekt und höhere als budgetierte Rechtskosten verursacht. Insbesondere wurden 80.000 $ für das vom CEO genehmigte „Projekt Titan“ ausgegeben, und die restlichen 20.000 $ resultierten aus einer Überschreitung der Rechtskosten für die Vertragsprüfung.

12. Erstellen Sie eine GL-Abstimmungs-Checkliste

Best Tool: ChatGPT oder Claude. Sample Output: > 1. Salden abrufen: Laden Sie die Perioden-End-Saldenliste aus dem Hauptbuch (GL) und die detaillierte Transaktionsliste aus dem relevanten Nebenbuch (z.B. AP-System, Aufwandsabgrenzungsplan) herunter. > 2. Anfangsbestand abgleichen: Bestätigen Sie, dass der Anfangsbestand des Kontos im Hauptbuch mit dem Anfangsbestand der Abstimmung aus dem Vormonat übereinstimmt. > 3. Nebenbuch mit Hauptbuch abgleichen: Summieren Sie die detaillierte Transaktionsliste aus dem Nebenbuch. Die Summe sollte mit dem Endsaldo des Kontos im Hauptbuch übereinstimmen. > 4. Differenzen untersuchen: Wenn die Salden nicht übereinstimmen, identifizieren Sie die Abstimmungsposten. Häufige Posten sind Zeitverschiebungen, direkt im Hauptbuch gebuchte Buchungssätze oder Dateneingabefehler. > 5. Abstimmungsposten dokumentieren: Geben Sie für jeden Abstimmungsposten eine klare Beschreibung, den Betrag und den Grund für die Differenz an. > 6. Anpassungsbuchungen vorbereiten: Wenn Fehler identifiziert werden (z.B. eine falsch gebuchte Rechnung), bereiten Sie die notwendigen Anpassungsbuchungen vor. > 7. Abzeichnung: Der Ersteller und ein Prüfer müssen die abgeschlossene Abstimmung unterzeichnen und datieren.

13. Analyse der Altersstruktur der Forderungen

Best Tool: Claude 3.5 Sonnet, aufgrund seiner Fähigkeit, Daten in narrative Erkenntnisse zu synthetisieren. Sample Output: > 1. Beobachtung: Der Anteil der ‚aktuellen‘ Forderungen ist von 75% auf 65% des Gesamtbetrags gesunken, während alle überfälligen Kategorien prozentual zugenommen haben. > Implikation: Dies deutet auf eine allgemeine Verschlechterung der Zahlungspünktlichkeit hin, was sich negativ auf den Cashflow auswirken und das Risiko von uneinbringlichen Forderungen erhöhen könnte. > > 2. Beobachtung: Die Kategorie ’31-60 Tage überfällig‘ hat den größten relativen Anstieg verzeichnet, von 0,5 Mio. $ auf 0,8 Mio. $. > Implikation: Es könnte ein systemisches Problem mit einer bestimmten Kundengruppe geben, die jetzt deutlich später zahlt, oder eine kürzliche Änderung der Abrechnungsprozesse könnte Verzögerungen verursachen. Diese Kohorte erfordert sofortige Aufmerksamkeit, bevor sie in die Kategorie der 61-90 Tage überfälligen Forderungen fällt. > > 3. Beobachtung: Obwohl die Gesamtforderungen um 1,2 Mio. $ gestiegen sind, wuchs der ‚aktuelle‘ Anteil nur um 0,2 Mio. $, was bedeutet, dass 1,0 Mio. $ des Wachstums auf überfällige Konten entfallen. > Implikation: Das Unternehmen gewährt Kredite und verbucht Umsätze, zieht das Geld aber nicht effektiv ein, was auf eine potenzielle Diskrepanz zwischen Vertriebs- und Inkassofunktionen hindeutet.

14. Entwurf eines Buchungssatzes mit Erklärung

Best Tool: Jedes LLM. Sample Output: > Beschreibung des Buchungssatzes: Zur Erfassung der Abschreibungsaufwendungen für den Monat [Monat, Jahr]. > > | Konto-Nr. | Kontobezeichnung | Soll | Haben | > | :— | :— | :— | :— | > | 65100 | Abschreibungsaufwand | $25,000 | | > | 18110 | Kumulierte Abschreibungen – Anlagen | | $25,000 |

15. Fragen an Budgetverantwortliche formulieren

Best Tool: Claude 3.5 Sonnet, aufgrund seiner Stärke im Verständnis sozialer Nuancen und professioneller Kommunikation. Sample Output: > 1. „Die tatsächlichen Ausgaben für digitale Werbung lagen etwa 80.000 $ über dem Budget. Könnten Sie mir erläutern, welche Kampagnen diesen Anstieg verursacht haben?“ > 2. „Ich interessiere mich für die Geschäftsergebnisse der höheren Ausgaben. Haben wir einen entsprechenden Anstieg bei wichtigen Kennzahlen wie Lead-Volumen oder Kundengewinnung festgestellt, den wir mit dieser Investition korrelieren können?“ > 3. „Sollten wir, mit Blick in die Zukunft, dieses neue Niveau von 280.000 $ als die neue Grundrate für digitale Werbung betrachten, oder handelte es sich um eine einmalige strategische Investition?“ > 4. „Gab es bestimmte Kanäle oder Kampagnen, die besser als erwartet abschnitten und bei denen Sie sich entschieden haben, die Investitionen zu verdoppeln?“

Treasury- & Working Capital-Prompts (4)

Prompts, die sich auf Cash-Management, Liquidität und die Effizienz der Bilanz konzentrieren.

16. Berechnen Sie den Cash Conversion Cycle

Best Tool: ChatGPT oder jedes andere LLM mit starken Berechnungsfähigkeiten. Sample Output: > 1. Days Sales Outstanding (DSO): > * Formel: (Average Accounts Receivable / Revenue) * 365 > * Berechnung: ($2,500,000 / $20,000,000) * 365 = 45.6 Days > > 2. Days Inventory Outstanding (DIO): > * Formel: (Average Inventory / COGS) * 365 > * Berechnung: ($2,000,000 / $12,000,000) * 365 = 60.8 Days > > 3. Days Payables Outstanding (DPO): > * Formel: (Average Accounts Payable / COGS) * 365 > * Berechnung: ($1,500,000 / $12,000,000) * 365 = 45.6 Days > > 4. Cash Conversion Cycle (CCC): > * Formel: DSO + DIO – DPO > * Berechnung: 45.6 + 60.8 – 45.6 = 60.8 Days

17. Entwurf eines Vorschlags zur Cashflow-Verbesserung

Best Tool: Claude 3.5 Sonnet. Sample Output: > Ich schlage vor, dass wir ein „2/10, netto 30“-Frühzahlungsrabattprogramm als Pilotprojekt einführen, um unsere aktuellen Days Sales Outstanding von 60 Tagen anzugehen, die 15 Tage über dem Branchendurchschnitt liegen. Indem wir Kunden einen Rabatt von 2% für die Zahlung innerhalb von 10 Tagen anbieten, können wir schnellere Inkassos fördern und unsere Cash-Zuflüsse erheblich beschleunigen, wodurch unsere gesamte Liquiditätsposition verbessert wird. Während die Hauptkosten dieser Initiative in der 2%igen Margenreduzierung bei frühzeitig bezahlten Rechnungen liegen, glauben wir, dass der Vorteil, Forderungen schneller in Bargeld umzuwandeln, die Kosten rechtfertigt, insbesondere im aktuellen Zinsumfeld.

18. Analyse der Working Capital-Trends

Best Tool: Jedes LLM. Sample Output: > Die Daten deuten auf einen negativen Trend in der Liquidität und operativen Effizienz des Unternehmens in den letzten drei Jahren hin. Die sinkenden Current und Quick Ratios, wobei die Quick Ratio nun unter 1,0x liegt, deuten auf eine Verschlechterung der Liquidität und eine verminderte Fähigkeit hin, kurzfristige Verpflichtungen ohne den Verkauf von Lagerbeständen zu erfüllen. Dies wird durch den sich verlängernden Cash Conversion Cycle, der um 20 Tage zugenommen hat, zusätzlich bestätigt, was darauf hindeutet, dass Kapital länger in den operativen Prozessen gebunden ist.

19. Struktur eines 13-Wochen-Cashflow-Modells

Best Tool: ChatGPT. Sample Output: > 13-Wochen-Cashflow-Prognosevorlage > > A. Zahlungseingänge (Zuflüsse) > * Forderungseingänge – Inland > * Forderungseingänge – Ausland > * Barverkäufe > * Erlöse aus Anlagenverkäufen > * Neue Fremdfinanzierung > * Kapitalzufuhr > * Gesamtzahlungseingänge > > B. Zahlungsausgänge (Abflüsse) > * Betriebsaufwendungen: > * Gehälter & Sozialleistungen > * Miete & Nebenkosten > * Lagerkäufe / Zahlungen an Lieferanten > * Marketing & Werbung > * Professionelle Gebühren (Recht, Buchhaltung) > * Finanzierungs- & Kapitalausgaben: > * Investitionsausgaben (CapEx) > * Schuldendienst (Tilgung & Zinsen) > * Gesamtzahlungsausgänge > > C. Netto-Cashflow-Zusammenfassung > * Anfangsbestand Kasse > * (+) Gesamtzahlungseingänge > * (-) Gesamtzahlungsausgänge > * Netto-Wochen-Cashflow > * Endbestand Kasse

Prüfungsvorbereitung & Compliance-Prompts (3)

Diese Prompts helfen Ihnen, sich auf Prüfungen vorzubereiten und Compliance-Fragen zu durchdenken. Für viele Unternehmen beginnt dieser Prozess mit der Gewinnung zuverlässiger Daten aus verschiedenen Buchhaltungssystemen, ein Prozess, den spezialisierte Tools automatisieren sollen.

20. Generieren Sie eine Prüfungsanforderungsliste (PBC)

Best Tool: Jedes allgemeine LLM. Sample Output: > PBC-Anforderungsliste – Inventar > > 1. Detaillierte permanente Inventarliste zum Bilanzstichtag, einschließlich Artikelnummer, Beschreibung, Menge, Lagerort und Kosten. > 2. Inventarfortschreibung vom letzten Stichtag der körperlichen Bestandsaufnahme bis zum Jahresende. > 3. Kopie der Anweisungen und Ergebnisse der körperlichen Bestandsaufnahme des Unternehmens. > 4. Liste aller Lagerorte (firmeneigene, Drittlager, Konsignation). > 5. Altersstrukturbericht des Inventars zur Identifizierung langsam drehender oder veralteter Artikel. > 6. Analyse des Niederstwertprinzips (LCM) oder des Netto-Realisierungswerts (NRV) und alle damit verbundenen Abschreibungsberechnungen. > 7. Eine Zusammenfassung der Kostenbewertungsmethode des Unternehmens (z.B. FIFO, LIFO, gewichteter Durchschnitt).

Note: Der erste Schritt zur Erfüllung dieser Anforderungen ist die Datenextraktion. Ein Tool wie Validis kann die sichere Extraktion von Hauptbuch- und Nebenbuchdaten direkt aus dem Buchhaltungssystem eines Kunden automatisieren, die dann zur Erstellung vieler dieser Aufstellungen verwendet werden können.

21. Erklären Sie einen komplexen Rechnungslegungsstandard

Best Tool: Claude 3.5 Sonnet, aufgrund seiner Fähigkeit, komplexe Themen zu vereinfachen. Sample Output: > Stellen Sie sich ASC 606 als ein 5-Schritte-Rezept zur Umsatzverbuchung vor. Wir können Einnahmen nicht einfach dann erfassen, wenn das Geld auf unserem Bankkonto eingeht; wir müssen diese Schritte für jeden von Ihnen unterzeichneten Vertrag befolgen. > > 1. Vertrag identifizieren: Gibt es einen unterzeichneten Vertrag? > 2. Unsere Leistungsversprechen identifizieren: Was haben wir versprochen zu liefern? (z.B. eine Softwarelizenz und 10 Stunden Schulung). > 3. Transaktionspreis bestimmen: Was ist der Gesamtwert des Geschäfts? > 4. Transaktionspreis auf Leistungsversprechen aufteilen: Wenn wir zwei Dinge versprochen haben, müssen wir den Gesamtpreis basierend auf ihrem Einzelwert aufteilen. Wir können nicht einfach alles der Lizenz zuordnen. > 5. Umsatz bei Leistungserbringung erfassen: Wir erfassen den Umsatz für die Lizenz, wenn wir den Zugang bereitstellen, und wir erfassen den Umsatz für die Schulung, während wir die Stunden erbringen. > > Die zentrale Erkenntnis ist, dass wir den von uns verbuchten Umsatz mit den von uns erfüllten Leistungsversprechen abgleichen müssen, was möglicherweise nicht dem Zeitplan entspricht, wann der Kunde uns bezahlt.

22. Brainstorming von Risiken für ein neues Produkt

Best Tool: Claude 3.5 Sonnet. Sample Output: > Kreditrisiko > * Ausfallrisiko: Kunden leisten keine Zahlungen, was zu direkten finanziellen Verlusten führt. > * Unzureichende Kreditprüfung: Unser Prozess zur Genehmigung von Kunden ist zu lax, was zu einer höher als erwarteten Ausfallrate führt. > * Betrugsrisiko: Nutzer melden sich mit gestohlenen Identitäten an oder haben keine Zahlungsabsicht. > > Regulierungs- & Compliance-Risiko > * Verbraucherschutzgesetze: Das Produkt könnte als Darlehen eingestuft werden, wodurch wir staatlichen und bundesstaatlichen Kreditgesetzen (z.B. Truth in Lending Act) unterliegen würden, auf die wir nicht vorbereitet sind. > * Datenschutz: Wir erfassen sensible Finanzdaten, die Vorschriften wie der DSGVO oder CCPA unterliegen könnten. > * Unfaire & irreführende Praktiken: Marketingmaterialien könnten als irreführend angesehen werden, wenn Gebühren und Strafen nicht klar offengelegt werden. > > Operationelles Risiko > * Serviceausfälle: Unsere Systeme sind nicht robust genug, um die Zahlungsabwicklung, das Inkasso und Kundenanfragen in großem Umfang zu bewältigen. > * Systemintegration: Die BNPL-Funktion lässt sich nicht ordnungsgemäß in unsere bestehenden Kassen- und Buchhaltungssysteme integrieren, was zu Datenfehlern führt. > * Reputationsrisiko: Ein hochkarätiges Problem mit Zahlungsausfällen oder aggressivem Inkasso schädigt unsere Marke.

Stakeholder-Kommunikations-Prompts (3)

Prompts, die Ihnen helfen, komplexe Finanzdaten in klare, prägnante Botschaften für verschiedene Zielgruppen zu übersetzen.

23. Finanzjargon für eine Board-Präsentation vereinfachen

Best Tool: Jedes LLM. Sample Output: > Wir werden unseren Cashflow verbessern, indem wir Zahlungen von Kunden schneller einziehen und unsere eigenen Rechnungen etwas langsamer bezahlen. Dies wird unsere Barreserven erhöhen und das Unternehmen finanziell stärken.

24. Entwurf eines Investor Relations Q&A

Best Tool: Claude 3.5 Sonnet. Sample Output: > „Vielen Dank für Ihre Frage. Wir sind enttäuscht, dass wir unsere Umsatzprognose in diesem Quartal nicht erreicht haben. Die 5%ige Verfehlung war hauptsächlich auf unerwartete Hafenverzögerungen zurückzuführen, die Produktlieferungen im Wert von etwa 10 Millionen Dollar vom späten Q3 in das frühe Q4 verschoben haben. Dies war ein Timing-Problem, kein Nachfrageproblem, da die Bestellungen selbst weiterhin solide sind. Um dieses Risiko zukünftig zu mindern, diversifizieren wir aktiv unsere Versandpartner und erhöhen unsere Pufferbestände in regionalen Hubs. Wir sind zuversichtlich, dass diese Maßnahmen die Logistikvolatilität reduzieren werden, und unsere langfristigen Nachfragetreiber bleiben so stark wie eh und je.“

25. Leistung für eine unternehmensweite E-Mail zusammenfassen

Best Tool: Claude 3.5 Sonnet. Sample Output: > * Umsatzziel erreicht: Wir haben unser Umsatzziel von 12,5 Mio. $ für dieses Quartal erreicht – ein Beweis für die harte Arbeit und den Fokus aller. > * Investition in Wachstum: Wir haben eine strategische Entscheidung getroffen, die Investitionen in „Projekt Titan“ zu beschleunigen, was bedeutete, dass wir unser Profitabilitätsziel unterschritten haben. Dies war eine bewusste Entscheidung, um langfristig aufzubauen, und wir sind gespannt, was es liefern wird. > * Rekord-Kundenwachstum: Die Vertriebs- und Marketingteams hatten ein fantastisches Quartal, gewannen 100 neue Kunden und übertrafen unser Ziel um 33 %! Herzlich willkommen an alle unsere neuen Partner.

Verifizierung ist nicht optional

KI-Tools können halluzinieren, veraltete Informationen liefern oder subtile Berechnungsfehler machen. Kopieren und fügen Sie niemals KI-generierte Ausgaben direkt in einen Finanzbericht oder eine Vorstandspräsentation ein, ohne diese zu verifizieren.

Ihre Finanz-KI-Checkliste:

• Rechnen Sie nach: Berechnen Sie alle von der KI bereitgestellten Zahlen immer neu.
• Quelle nachverfolgen: Wenn die KI eine Tatsache oder Kennzahl zitiert, suchen Sie das Originaldokument und bestätigen Sie diese.
• Wenden Sie Ihr Urteilsvermögen an: Ergibt das Narrativ Sinn? Fühlt sich die Schlussfolgerung basierend auf Ihrer eigenen Expertise richtig an? Die KI ist ein Werkzeug, kein Ersatz für Ihr professionelles Urteilsvermögen.
• Schützen Sie Ihre Daten: Fügen Sie keine sensiblen, nicht-öffentlichen Materialinformationen in öffentliche KI-Tools ein. Verwenden Sie Enterprise-Versionen mit Datenschutzfunktionen, wie ChatGPT Enterprise oder eine private Azure OpenAI-Instanz.

Die Prompts in dieser Bibliothek sind ein Ausgangspunkt. Die besten Ergebnisse erzielen Sie, indem Sie sie mit dem spezifischen Kontext Ihres Unternehmens, Ihren Daten und Ihren Zielen verfeinern. Weitere Informationen zur Integration von KI in Ihre tägliche Arbeit finden Sie in den Ressourcen des ZEKAI KI für Finanz- & Business Analytics Hubs.