Excel bleibt: Wann sich BI im KMU wirklich lohnt

Montagmorgen, Geschäftsleitungssitzung, Traktandum 2: Monatszahlen August. Der CFO hat am Freitagabend die Datei «GL-Report_2026-08_v3_final.xlsx» verschickt. Der Verkaufsleiter hat am Sonntag seine eigene Auswertung aus dem CRM gezogen, und der Umsatz weicht um 4 % ab. Die ersten zwanzig Minuten gehören der Frage, welche Zahl gilt; danach bleibt eine halbe Stunde für die Frage, was zu tun ist. Wer in dieser Lage «Excel-Reporting ablösen» sucht, findet Werkzeugvergleiche. Uns interessiert eine andere Frage: Wann lohnt sich BI im KMU, und wann nicht?

Excel bleibt im KMU zu Recht

Die Zahlen für die Schweiz sind eindeutig. In der IFZ-Studie der Hochschule Luzern mit 223 Schweizer Unternehmen setzen 52 % der kleinen und 40 % der mittleren Unternehmen im Controlling kein BI ein; Excel und Office sind bei über 90 % das Standardwerkzeug (Egle/Keimer 2018, S. 15 ff.). Während 37 % der grossen Unternehmen ihren Digitalisierungsgrad im Controlling als eher hoch bis sehr hoch einschätzen, sind es bei den kleinen 14 % (Egle/Keimer 2018, S. 3). Zwei Jahre später bestätigen dieselben Autoren das Bild: 65 % der Schweizer Unternehmen schätzen den Digitalisierungsgrad ihres Controllings unter 50 % ein, nur 8 % über 75 % (Keimer/Egle 2020, S. 3). Für den deutschen Mittelstand nennt Schmid-Gundram über 80 % Excel-basierte Controllingsysteme (Schmid-Gundram 2020, S. V).

Die Erhebungen stammen aus den Jahren 2016 bis 2019, und die BI-Landschaft hat sich seither bewegt. Der Befund hält trotzdem, und er ist kein Versäumnis. Excel bleibt im KMU aus drei guten Gründen. Es ist flexibel: Die Spalte, die der Verwaltungsrat am Donnerstag verlangt, ist am Freitag drin. Jeder kann es: Buchhalterin, Verkaufsleiter und Inhaber brauchen keine Schulung. Und es kostet nichts, was nicht schon bezahlt ist. Schmid-Gundram bringt es auf den Punkt: Dass BI Excel nicht abgelöst hat, liegt nicht an den Kosten der Systeme, sondern am für viele Unternehmer geringen Zusatznutzen und an der fehlenden IT-Affinität derer, die das Controlling nebenbei verantworten – oft der Inhaber selbst (Schmid-Gundram 2020, S. V). Wer ein KMU von BI überzeugen will, muss also den Nutzen zeigen.

Wo Excel kippt

Der Nutzen wird sichtbar, sobald Excel kippt. Das passiert an vier Stellen, die in unseren Reviews immer wieder auftauchen.

Erstens die Abstimmung. Der Umsatz im GL-Report kommt aus der Buchhaltung, der Umsatz im Verkaufsreport aus dem CRM, und die beiden treffen sich erst in der Sitzung. Cindi Howson beschreibt das Muster aus Dutzenden BI-Projekten: Führungssitzungen beginnen mit einer Debatte darüber, wie die Zahlen zustande kommen und wessen Zahlen stimmen, statt mit einer Diskussion der Einsichten (Howson 2014, S. 111). Der Zahlenstreit zu Beginn der GL-Sitzung ist das sicherste Zeichen, dass Excel gekippt ist.

Zweitens die Versionen. «v3_final» ist nicht die letzte Version, das weiss jeder im Raum. Sobald drei Personen an derselben Datei arbeiten, gibt es drei Wahrheiten, und die Frage «Welche Datei gilt?» verdrängt die Frage «Was tun wir?».

Drittens der Aufwand. Langmann zitiert Analysen des Reporting-Prozesses, wonach rund 70 % des gesamten Aufwands in die ersten vier Schritte fliessen: Daten sammeln, aufbereiten, Bericht erstellen, plausibilisieren. Gerade in KMU dominieren manuelle Tätigkeiten, und für Ursachenanalyse, Kommentierung und Massnahmen bleibt wenig Zeit (Langmann 2019, S. 12). Ein Controller, der zwei Tage pro Monat Dateien zusammenkopiert, hat zwei Tage weniger für die Frage, warum die Marge im Service sinkt.

Viertens die Detaillierung. Solange der Verwaltungsrat den Umsatz je Monat sehen will, reicht eine Tabelle. Sobald er ihn je Monat, Region und Produktgruppe sehen will – und nächsten Monat je Kunde –, wächst die Datei in drei Dimensionen. Schmid-Gundram nennt genau das die eigentliche Grenze: Excel-basierte Controllingsysteme stossen bei häufig wechselnder oder zusätzlicher Detaillierung schnell an ihre Grenzen (Schmid-Gundram 2020, S. 12).

Was das kostet, lässt sich in einer Szene fassen: ein Dienstleistungs-KMU mit 80 Mitarbeitenden, drei Quellsystemen und einem Monatsbericht, der am zwölften Arbeitstag steht. Zwei Personentage Zusammentragen, ein halber Tag Abstimmen, und die Sitzung am fünfzehnten diskutiert Zahlen, die drei Wochen alt sind. Ein Werkzeug kann das lösen, aber nur, wenn vorher klar ist, welchen Entscheid der Bericht tragen soll.

Zuerst der Entscheid, dann die Kennzahl, dann das Werkzeug

Die Werkzeugfrage kommt in unserem Vorgehen an vierter Stelle. Das Framework «Vom Entscheid zur Kennzahl» beginnt beim Entscheid, den die Geschäftsleitung regelmässig fällt, leitet daraus Frage und Kennzahl ab, und erst dann geht es um Daten, Bericht und Werkzeug. Vor jeder Kachel steht die Zweckfrage: Was sollen diese Zahlen aussagen, und was wird damit bezweckt? Wer sie beantworten kann, weiss auch, welche Quellen er braucht, wer den Bericht liest und wie schnell er nach dem Abschluss stehen muss. Genau das sind die Kriterien für die Werkzeugwahl.

Howsons Befund zeigt, weshalb die Reihenfolge zählt: BI-Erfolg und Wirkung im Geschäft sind nicht dasselbe. Technischer Erfolg und Business Impact fallen in ihrer Erhebung auseinander, und sie hält fest, dass sich eine perfekt architektierte BI-Lösung bauen lässt, die im Geschäft wenig bewirkt (Howson 2014, S. 76–79). Ein Datenmodell mit dreissig Tabellen ist kein Erfolg, wenn die Sitzung weiterhin mit dem Zahlenstreit beginnt.

Der Reifepfad: S, M, L, XL

Für die Werkzeugfrage selbst nutzen wir die T-Shirt-Grössen, die im TDWI-Themenzirkel Self-Service-Analytics nach Branger beschrieben sind: S ist experimentell direkt auf den Quelldaten, M ein semantisches Modell, L ein Zwischenspeicher oder Data Lake, XL ein organisationsweites Datenmodell (TDWI 2022, S. 37). Der Wert dieser Einteilung liegt im bewussten Übergang: Man wechselt die Stufe erst, wenn Kriterien erfüllt sind, die vorher feststehen.

Reifepfad S/M/L/XL: Kriterien, Aufwand, Einsatz

Stufe	Was es ist	Typische Kriterien	Aufwand	Wann sinnvoll
S	Excel oder Power BI direkt auf Quelldaten, ohne Modell	1–2 Quellen, 1–3 Empfänger, manuell aktualisiert	Tage; laufende Pflege pro Monat	Neue Frage prüfen, einmalige Analyse, Prototyp
M	Semantisches Modell (Power BI), Quellen und Budget zusammengeführt	2–4 Quellen, GL mit 5–10 Empfängern, Aktualisierung nach Abschluss	Wochen; Pflege gering	Monatsreporting für die Geschäftsleitung, ein Cockpit, eine Wahrheit
L	Zwischenspeicher / Lakehouse (Fabric), Historisierung, mehrere Modelle	4–8 Quellen, Bereichsleiter mit eigenen Ausschnitten, tägliche Aktualisierung	Monate; eigene oder externe Betreuung	Mehrere Gesellschaften oder Bereiche, operative Cockpits
XL	Organisationsweite Plattform mit Governance und Data Ownership	Mehr als 8 Quellen, ganze Organisation, mehrfach täglich	Dauerbetrieb; Team oder Partner	Gruppen, regulatorische Anforderungen, Self-Service für Fachbereiche

Vier Kriterien entscheiden über den Wechsel. Die Anzahl Quellen: Eine Buchhaltung und ein Budget-Blatt sind Stufe S oder M; sobald CRM, Zeiterfassung, Lohn und Projektsystem dazukommen, braucht es einen Ort, an dem die Daten zusammenlaufen, bevor jemand sie darstellt. Die Anzahl Empfänger: Ein Bericht für drei Personen darf eine Datei sein; ein Bericht für zwanzig Bereichsleiter mit eigenem Ausschnitt braucht ein Modell, sonst entstehen zwanzig Dateien. Die Abschlussdauer: Steht der Monatsbericht später als am fünften Arbeitstag – Schmid-Gundram setzt das als Obergrenze (2020, S. 8) – und liegt der Grund im Zusammentragen, lohnt sich die Automatisierung. Und die Fehlerkosten: Solange ein falscher Wert beim Lesen auffällt, ist Excel gut genug; sobald auf einer falschen Zahl ein Preis-, Personal- oder Investitionsentscheid gefällt wird, nicht mehr.

Die Verteilung ist eine Schätzung, aber sie zeigt, wo BI im KMU seinen Nutzen hat: Es verkürzt die ersten beiden Balken. Die Zeit, die dadurch frei wird, fliesst in Analyse und Entscheid, und der Zahlenstreit zu Beginn der Sitzung verschwindet.

Stufe S mit KI: Excel hält länger

Seit den Erhebungen von 2016 bis 2019 hat sich an Stufe S etwas verschoben. Ein KI-Assistent mit Firmenlizenz kostet pro Person und Monat etwa so viel wie ein Mittagessen und übernimmt einen Teil der Arbeit, die in den ersten beiden Balken steckt. Richtig eingesetzt heisst das: ein Projekt im Assistenten mit dem Kontenplan, den letzten Monatsberichten und einer Seite Definitionen dazu, was im Unternehmen als Umsatz, Marge oder aktiver Kunde gilt. Dann entwirft die KI die Abweichungskommentare, baut Formeln und Power-Query-Schritte und hilft, die Differenz in einer Abstimmung zu finden. Meisser zählt solche Low-Code-Arbeiten zu den besten KI-Anwendungen im Controlling, weil sie regelmässig anfallen und ihr Nutzen in Franken messbar ist (Meisser 2024, S. 32 f.).

Die Evidenz ist gut, hat aber eine Grenze. In einem Feldexperiment mit 758 Beratenden der Boston Consulting Group erledigten jene mit KI 12 % mehr Aufgaben, 25 % schneller und in über 40 % höherer Qualität, solange die Aufgabe innerhalb der Fähigkeiten der KI lag; bei einer Aufgabe ausserhalb davon lagen sie 19 Prozentpunkte seltener richtig (Dell'Acqua et al. 2023). Für die Buchhaltung gibt es erste Felddaten: In 79 kleinen und mittleren Firmen schlossen Buchhalterinnen und Buchhalter mit KI-gestützter Software den Monat 7,5 Tage schneller ab (Choi/Xie 2026). Die Grenze im Controlling zieht Meisser deutlich: Kennzahlen brauchen exakte Werte nach Unternehmensdefinition, keine Näherungen einer KI (Meisser 2024, S. 34). Ein Assistent, dem man den Umsatz aus der Buchhaltung und den aus dem CRM gibt, rechnet mit beiden gleich überzeugend. Den Zahlenstreit vom Montag beendet er nicht.

Entscheidend ist, wie der Assistent ins Unternehmen kommt. In der Schweiz nutzen laut KPMG und der Universität Melbourne 77 % der Angestellten KI bei der Arbeit, und über die Hälfte davon hat sie schon entgegen den Firmenregeln eingesetzt, etwa mit vertraulichen Daten in Gratis-Tools (KPMG 2025). Der Assistent im Controlling gehört deshalb in eine Firmenlizenz, und dafür gelten vier Regeln:

• Die Lizenz schliesst das Unternehmen ab. Business-Pläne wie Microsoft 365 Copilot, ChatGPT Business oder Claude Team verwenden Eingaben standardmässig nicht zum Training und bieten einen Vertrag zur Auftragsbearbeitung; private Gratis-Accounts haben beides nicht.
• Personendaten bleiben draussen, allen voran Lohn- und Personaldaten. Das Datenschutzgesetz ist direkt auf KI anwendbar (EDÖB 2023).
• Die Bekanntgabe ins Ausland ist geregelt. Verarbeitet der Anbieter Daten in den USA, braucht es seine Zertifizierung unter dem Swiss-U.S. Data Privacy Framework oder Standardvertragsklauseln; das prüft einmal, wer im Unternehmen den Datenschutz verantwortet.
• Die KI entwirft, ein Mensch gibt frei. In derselben Studie gaben 74 % der Befragten in der Schweiz an, KI-Resultate nicht zu überprüfen.

Der grösste Nutzen dieser Stufe zeigt sich beim nächsten Schritt. Die Definitionen, die Sie für den Assistenten aufschreiben, sind dieselben Festlegungen, die ein semantisches Modell auf Stufe M braucht: was als Umsatz gilt, wann ein Kunde aktiv ist, ab welcher Abweichung ein Kommentar fällig wird. Für Meisser sind BI und KI denn auch symbiotische Konzepte (Meisser 2024, S. 34). Wer Stufe S mit KI sauber aufsetzt, hat deshalb einen guten Teil der BI-Einführung schon erledigt, wenn Excel an einer der vier Stellen doch kippt.

Für manche KMU ist M das Ziel

Hier gehört ein ehrlicher Satz hin, den Sie in Werkzeugvergleichen selten lesen: Für viele KMU ist Stufe M das Ziel. Ein Unternehmen mit einer Buchhaltung, einem Budget und einer Geschäftsleitung von fünf Personen braucht ein semantisches Modell, das Buchhaltung und Plan sauber zusammenführt, ein Cockpit in einheitlicher Notation und einen Prozess, der den Bericht nach dem Abschluss von selbst aktualisiert. Es braucht kein Lakehouse. Langmann sagt es für sein Reifegradmodell ausdrücklich: Die Maximalausprägung ist nicht für jede Dimension die beste Lösung, sondern hängt von Rahmenbedingungen und Geschäftsmodell ab (Langmann 2019, S. 51). Keimer und Egle ergänzen die zweite Bedingung: Daten, Technologien, Prozesse, Methoden und Kompetenzen müssen einen vergleichbaren Reifegrad haben (Keimer/Egle 2020, S. 7). Eine XL-Plattform über einer M-Buchhaltung und S-Kompetenzen ist vor allem ein Kostenblock.

Zwei Regeln aus unserer Praxis gelten auf jeder Stufe. Erstens: Abstimmbarkeit vor Schönheit. Bevor ein Bericht eine Notation nach IBCS® bekommt, muss der Umsatz im Bericht auf den Franken mit der Buchhaltung abstimmbar sein – sonst ist der schöne Bericht der nächste Anlass für den Zahlenstreit. Zweitens: Der Report hängt am Abschluss. Ein automatisierter Bericht ist nur so aktuell wie die Buchhaltung dahinter; wer mit dem Treuhänder quartalsweise bucht, bekommt mit keinem Werkzeug einen Monatsbericht. Der Abschluss-Fahrplan gehört deshalb in jeden Reporting-Aufbau.

Entscheidend ist die Abweichung vom Ziel: Vor der Umstellung liegt der Bericht jeden Monat rund sieben Tage über der Grundlinie, danach innerhalb der Toleranz. Das ist eine Kennzahl, mit der sich ein BI-Aufbau im KMU messen lässt, bevor jemand über Lizenzen spricht.

Caviezel beschreibt in seiner Fallstudie zur BI-Einführung bei einem Schweizer Ticketing-Unternehmen, was über die Akzeptanz entscheidet: Für die Akzeptanz des Tools ist es wichtig, mit einer Anwendung zu starten, die ein bestehendes Problem löst, und nicht eine vorhandene Lösung zu verbessern (Caviezel in Keimer/Egle 2020, S. 116). Projekte, die bestehende Lösungen und Prozesse einfach in einer neuen Technologie abbilden, hält er für zum Scheitern verurteilt (S. 119). Für die Excel-Frage heisst das: Das erste Power-BI-Cockpit soll den Zahlenstreit vom Montag beenden. Ein schönerer Nachbau des GL-Reports schafft das nicht.

Was Sie morgen tun können

Nehmen Sie den letzten Monatsbericht und beantworten Sie vier Fragen. Aus wie vielen Quellen stammen die Zahlen? Wie viele Personen lesen ihn, und brauchen sie verschiedene Ausschnitte? Am wievielten Arbeitstag nach Monatsende stand er – und woran lag es? Und welcher Entscheid im letzten Quartal wurde auf einer Zahl gefällt, die sich später als falsch herausstellte? Mit den vier Antworten wissen Sie, auf welcher Stufe Sie stehen und ob ein Wechsel ansteht. Der Reporting-Check oben fragt dasselbe strukturiert ab, gratis und in zehn Minuten.

Wenn der Wechsel ansteht: Unser Scoping-Sprint klärt in zwei bis drei Wochen zum Festpreis, welche Entscheide der Bericht tragen soll, welche Kennzahlen mit welcher Kadenz dazugehören, welche Quellen nötig sind und welche Stufe – M, L oder XL – das Zielbild ist. Das Ergebnis ist entscheidungsreif: Entscheidungs-Inventar, Fragenkatalog, Kennzahlen-Steckbriefe, Messplan, Notationskonzept und Zielbild. Erst danach fällt der Werkzeugentscheid, und oft fällt er kleiner aus als gedacht.

Quellen

• Egle, U., Keimer, I. (2018): Digitaler Wandel im Controlling. Schriften aus dem IFZ, Band 37. Verlag IFZ, Hochschule Luzern.
• Keimer, I., Egle, U. (Hrsg.) (2020): Die Digitalisierung der Controlling-Funktion. Anwendungsbeispiele aus Theorie und Praxis. Springer Gabler – darin Caviezel: BI-Einführung (Kap. 7).
• Langmann, C. (2019): Digitalisierung im Controlling. Springer Gabler essentials.
• Schmid-Gundram, R. (2020): Controlling-Praxis im Mittelstand. Aufbau eines Controllingsystems ausgehend von Lexware, DATEV oder SAP. 3. Auflage, Springer Gabler.
• Howson, C. (2014): Successful Business Intelligence. Unlock the Value of BI & Big Data. 2. Auflage, McGraw-Hill.
• TDWI e.V. (Hrsg.) (2022): Self-Service Analytics. Best of TDWI Themenzirkel Self-Service & Analytics, E-Book 2022.04. SIGS DATACOM – darin die T-Shirt-Grössen S/M/L/XL nach Branger (S. 37).
• Choi, J. H., Xie, C. (2026): Human + AI in Accounting: Early Evidence from the Field. Journal of Accounting Research.
• Dell'Acqua, F. et al. (2023): Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper 24-013.
• EDÖB (2023): Geltendes Datenschutzgesetz ist auf KI direkt anwendbar. Mitteilung vom 9. November 2023.
• KPMG, University of Melbourne (2025): Trust, attitudes and use of artificial intelligence: A global study 2025. Auswertung Schweiz.
• Meisser, F. (2024): KI im Rechnungswesen und Controlling: Was sind sinnvolle Anwendungen? SwissAccounting «Standard» 3/2024, S. 32–35.