Kundenbericht
5 Min. Lesezeit

Wie Le Wagon KI nutzt, ohne die Kontrolle über seine Finanzdaten zu verlieren

Veröffentlicht am
Juni 9, 2026

Video zum Kundenbericht ansehen

Zwei Systeme, die auseinanderdriften

Le Wagon arbeitet mit zwei sich ergänzenden Datenströmen. Auf der einen Seite Kitt, die eigene Software, die alle Informationen zu den Studierenden bündelt: Finanzierungsmodelle, Einschreibungen, erwartete Zahlungen. Auf der anderen Seite das Buchhaltungssystem, das beim Abschluss maßgeblich ist.

Das Problem ist nicht, beide zu haben. Das Problem ist, sie in Übereinstimmung zu bringen.

„Beides zu haben ist gut. Nicht gut ist es, wenn beide ein Eigenleben führen.“

Die Komplexität ergibt sich aus dem Geschäftsmodell selbst. Die Finanzierung eines Studierenden kann sich während des Programms ändern: eine Unternehmensfinanzierung, die erst nach der Einschreibung zustande kommt, eine öffentliche Förderung, die sich im Laufe des Kurses ändert. Jede Änderung löst buchhalterische Anpassungen aus. Und mit der Zeit können sich Fehler häufen: eine vergessene Gutschrift, eine zu hoch oder zu niedrig abgerechnete Rechnung.

Beim Abschluss musste alles abgestimmt werden. Diese Arbeit nahm jeden Monat mehrere Tage in Anspruch.

„Um ein realistisches Bild unseres Umsatzes zu haben, müssen wir diese Buchungen jeden Monat durchführen können.“

Woran klassische KI-Ansätze scheiterten

KI war für Le Wagon nichts Neues. Das Team nutzte sie bereits im Arbeitsalltag. Doch bei der Verarbeitung großer Mengen an Finanzdaten stießen generalistische Tools an ihre Grenzen.

„Ich hatte generalistische Lösungen getestet, konnte aber weder die Daten prüfen noch die Berechnungen nachvollziehen, die zum Endergebnis führten.“

Für ein Finanzteam reicht ein Ergebnis allein nie aus. Man muss verstehen, wie es zustande gekommen ist, die Berechnungen nachvollziehen und die Ausgangsdaten überprüfen. Das ist keine Frage der Bequemlichkeit, sondern eine berufliche Anforderung.

„Als Finanzprofi kann man sich keine Blackbox leisten: Daten hineingeben und ein Ergebnis zurückbekommen. Man muss verstehen, wie dieses Ergebnis entstanden ist.“
__wf_reserved_inherit

Was mit Phacet den Unterschied machte

„Phacet ist das Gegenteil einer Blackbox.“

Zwei Dinge überzeugten Guillaume. Erstens: die Nachvollziehbarkeit. Phacet legt die Daten, die Berechnungen und die Zwischenschritte offen. Jede Entscheidung ist sichtbar und prüfbar. Genau das ermöglicht es dem Team, Ergebnisse mit Vertrauen freizugeben und sie beim Abschluss zu vertreten.

Das Zweite war eine Überraschung.

„Wir haben gemerkt, dass es nicht nur KI ist. Es gibt auch Python-Skripte, und das ist eine echte Stärke.“

Im Finanzbereich müssen bestimmte Prozesse vollständig deterministisch sein. KI ist hervorragend darin, unvollkommene Daten zu normalisieren, semantische Übereinstimmungen zu erkennen und mehrdeutige Bezeichnungen zu handhaben. Wenn die Genauigkeit jedoch absolut sein muss, verlässt man das Probabilistische und kehrt zur reinen Logik zurück. Phacet verbindet beides.

„Man bekommt das Beste aus beiden Welten, wenn man es richtig macht.“

Ein Setup, das schrittweise entstanden ist

Eine der wichtigsten Erkenntnisse aus dem Projekt: Die Automatisierung komplexer Finanzprozesse geschieht nicht auf Knopfdruck.

„Es funktioniert nicht beim ersten Versuch. Es ist keine Magie. Man wird mit seinem Agenten nicht allein gelassen.“

Das Team von Phacet arbeitete eng mit dem Finanzteam von Le Wagon zusammen, um das richtige Verhalten schrittweise aufzubauen: Ausnahmen verstehen, Geschäftsregeln anpassen und iterieren, bis der Agent zuverlässig genug für den Produktivbetrieb war.

„Ich investiere lieber etwas Zeit mit Leuten, die sowohl die Technologie als auch mein Geschäft verstehen. Wenn es einmal richtig aufgebaut ist, weiß man, dass es jeden Monat funktioniert.“

Dieser Ansatz passt zur Kultur von Le Wagon, in der Produktdenken auch für interne Tools gilt: ein konkretes Problem identifizieren, testen, ob die Lösung funktioniert, verbessern.

„Ich bin eher jemand, der in kleinen Schritten vorgeht.“

Was sich dadurch für die Finanzfunktion ändert

Über die automatisierte Abstimmung hinaus sieht Guillaume eine strukturellere Wirkung. Finanzteams verbringen derzeit einen erheblichen Teil ihrer Zeit damit, Daten abzusichern. Das ist notwendig. Aber es kostet auch Zeit, die mehr Wert schaffen könnte.

„Der Finanzbereich kann ein noch stärkerer Business-Partner sein. Das macht Finance so spannend: Man ist wirklich im Herzen des Unternehmens.“

Der nächste Anwendungsfall auf der Roadmap zeigt diese Richtung: ein Agent, der historische Buchungen einliest, um künftige Buchungen vorzuschlagen und Fehler zu melden, bevor das Team sie manuell entdeckt. Ein stiller Prüfer, der die Konten durchsieht, bevor die Analyse beginnt.

Ein Tool, das nicht nur Ergebnisse liefert, sondern sie auch erklärt. Und das Zeit freisetzt für das, was sich nicht automatisieren lässt.

„Seit wir mit Phacet arbeiten, spare ich wertvolle Zeit bei der Einkaufsanalyse. Ich verliere mich nicht mehr in Excel-Tabellen oder PDFs: Ich spare bis zu zwei Tage pro Monat und entdecke Fehler, die mir allein nie aufgefallen wären.“
Der Leitfaden für KI
in Ihrem Finanzteam,
Schritt für Schritt.
Leitfaden entdecken