EPM-Markttrends 2026: Was die „Finext- Line Up “ über KI, Daten und die Wahl der Tools verriet

Was hat sich 2026 auf dem Markt für Planungs- und Konsolidierungssoftware verändert?

Die Messe begann mit einem Rückblick auf ein ereignisreiches Jahr. Die Performance-Management-Software – also die Ebene für Planung, Konsolidierung und Berichterstellung, die auf einem ERP-System aufsetzt – erlebte ein Jahr voller Fusionen, Umfirmierungen und Übernahmen, was es für Sie erschwert, die verschiedenen Tools anhand ihrer Marketingmaßnahmen zu vergleichen.

Die Private-Equity-Gesellschaft Hg hat OneStream im Rahmen einer Transaktion im Wert von rund 6,4 Milliarden Dollar privatisiert; der Deal wurde am 1. April 2026 abgeschlossen, nur 17 Monate nach dem Börsengang des Unternehmens. Am 16. September brachte insightsoftware Lineos auf den Markt, eine einheitliche Marke für den CFO-Bereich, die die im Laufe der Jahre erworbenen Finanzprodukte bündelt. Und Vena, seit langem als Planungslösung bekannt, übernahm im März den Power-BI-Planungsspezialisten Acterys und im August das auf agentische KI spezialisierte Unternehmen Morpheo AI, während es gleichzeitig eine eigene Konsolidierungsanwendung entwickelte. Auch Pigment arbeitet an einer Konsolidierungs-Engine. Die Tabelle geht davon aus, dass die Transaktionen kurzfristig kaum Auswirkungen auf die Kunden haben werden; die Auswirkungen auf die Roadmaps werden sich erst später zeigen.

Auf der Planungsseite drängen neue Anbieter auf den Markt. KI-native Tools wie Drivetrain, Aleph und Sapien ermöglichen es Finanzteams, Modelle durch Eingabe von Eingabeaufforderungen zu erstellen, anstatt sie manuell zu konfigurieren. Für die Gäste waren die meisten dieser Namen neu, und genau darum geht es: Sie tauchen schneller auf, als jedes Finanzteam mithalten kann. Zu ihren Kunden zählen heute Scale-ups, Technologieunternehmen und Tochtergesellschaften großer Konzerne, die auf ihren Logo-Wänden zu sehen sind. Die Gastgeber deuteten zudem an, dass ein bekannter Name im Bereich der Konsolidierung etwas Neues für die Ausgabe 2027 entwickelt, das sich noch in der Geheimhaltung befindet.

Auch auf regulatorischer Ebene gab es Veränderungen. Das EU-Omnibus-Abkommen vom Dezember 2025 verschob die Nachhaltigkeitsberichterstattung nach der CSRD für Unternehmen der zweiten Welle um zwei Jahre, von 2027 auf 2028. An dem Tisch herrschte eine gemischte Stimmung angesichts eines Programms, das zwei bis drei Jahre lief und dann um zwei weitere Jahre verlängert wurde. Zwei der drei Organisationen am Tisch entschieden sich dafür, die Berichterstattung so fortzusetzen, als ob die Regeln weiterhin gelten würden – unter anderem, um die Motivation der Teams, die die Arbeit geleistet hatten, aufrechtzuerhalten.

Wie klassifiziert Finext Planungs- und Konsolidierungstools?

Ein Vergleich einer Einzellösung mit einer modularen Plattform anhand derselben Kriterien ist wenig aussagekräftig. Daher gruppiert Finext die Tools zunächst danach, wie sie aufgebaut sind. Die nachstehende Klassifizierung stammt von Finext selbst und wird von Finext jährlich überprüft.

• ‍Organische Plattformen haben sich im Laufe der Zeit zu einer einzigen Plattform entwickelt, die verschiedene Prozesse wie Konsolidierung, Planung und Berichterstattung abdeckt, ohne dass separate Produkte integriert werden müssen. Für Unternehmen mit mehreren Geschäftsbereichen lag der Vorteil auf der Hand: Jeder Bereich kann eigenständig Bericht erstatten, während alle Daten in einem zentralen Modell zusammenlaufen. In der Finext-Klassifizierung für 2026: OneStream und CCH Tagetik.‍
• Modulare Plattformen vereinen spezialisierte Produkte unter einer Marke, häufig durch Übernahmen. Man erhält zwar einen Spezialisten für die Planung und einen Spezialisten für die Konsolidierung, doch unter der Haube bleiben es separate Technologien mit unterschiedlichen Datenmodellen. Jemand muss die Integration zwischen ihnen aufrechterhalten, und die Finanz- und Geschäftskontrolle müssen jede Modelländerung koordinieren, sonst bricht die Integration zusammen. In der Finext-Klassifizierung von 2026: Anaplan (mit dem ehemaligen Fluence für die Konsolidierung), Oracle EPM, SAP Analytics Cloud mit SAP Group Reporting, Lucanet und Prophix.‍
• Punktlösungen sind auf einen bestimmten Prozess spezialisiert und weisen oft eine an Excel angelehnte Benutzeroberfläche auf, was die Einstiegshürde für die Nutzer senkt. Das Unternehmen eines unserer Gäste setzt eine Punktlösung für die Vertriebsplanung in einem einzelnen Geschäftsbereich ein, und die Teilnehmer waren sich einig, dass diese auf Konzernebene nicht geeignet wäre, da die Planung dort auf einer anderen Detailebene erfolgt. In der Finext-Klassifizierung für 2026: Abacum, Board, Jedox, Pigment, Una und Vena. Da sowohl Pigment als auch Vena Konsolidierungs-Engines entwickeln, könnten sie 2027 in eine andere Kategorie wechseln.

Wie gehen EPM-Anbieter mit KI um?

Mittlerweile wirbt fast jeder Anbieter mit KI-Fähigkeiten. Um diese Angaben vergleichbar zu machen, stellte Finext auf der „ Line Up “ 2026 eine zweite Klassifizierung mit vier Kategorien vor.

• ‍„Keine KI“ (nur CPM) bedeutet, dass das Tool Finanzanalysen wie bisher erstellt.
• ‍KI-zentrierte Tools verfügen über eine KI-Komponente, mit der Sie beispielsweise Ihre Daten in natürlicher Sprache abfragen können; die Daten verbleiben jedoch innerhalb des Produkts, sodass kein externes KI-Modell Zugriff auf die Daten hat.
• ‍KI-integrierte Tools öffnen die Plattform für externe große Sprachmodelle, in der Regel über das Model Context Protocol (MCP), einen offenen Standard, der es KI-Assistenten ermöglicht, Daten aus anderer Software zu lesen und dort zu agieren.
• ‍KI-native Tools wurden im Zeitalter der generativen KI – also in den letzten rund vier Jahren – entwickelt und nutzen die Eingabe von Prompts als Hauptarbeitsweise.

In der Finext-Klassifizierung für 2026 gelten CCH Tagetik, Oracle, SAP und Board als KI-zentriert. OneStream ist KI-integriert: Es verfügt über eine eigene, integrierte KI namens SensibleAI, lässt sich aber über MCP auch für externe Modelle öffnen, wobei der Schwerpunkt auf Microsoft Copilot liegt. Drivetrain, Aleph, Sapien und Concourse sind KI-nativ. Bei Drivetrain kann man beispielsweise keinen Cube manuell erstellen: Man fordert einen an, und das Tool erstellt ihn.

Finext erstellt keine Rangliste dieser Kategorien, da sowohl KI-orientierte als auch KI-integrierte Anbieter auf ihre jeweils eigene Weise einen Kompromiss zwischen Kontrolle und Offenheit eingehen. Genau bei diesem Kompromiss begannen die Meinungen in der Tabelle auseinanderzugehen.

Sollte die Finanzbranche einen offenen oder einen geschlossenen KI-Ansatz bevorzugen?

Das Argument für einen geschlossenen, KI-zentrierten Ansatz beginnt bei der Konsolidierung, wo eine Bilanz, die zu 90 Prozent richtig ist, zu 100 Prozent falsch ist. Anbieter dieser Kategorie argumentieren, dass sie nur dann korrekte Ergebnisse garantieren und die Verantwortung für Fehler übernehmen können, wenn sie die Technologie durchgängig kontrollieren. Wenn ein externes Modell die Datenbank abfragt und ein seltsames Ergebnis liefert, kann niemand sagen, ob der Fehler beim Modell oder beim Anbieter liegt. Risikoscheue Konsolidierungsteams schätzen diese Klarheit in der Regel sehr.

Das Argument für einen offenen, KI-integrierten Ansatz lautet, dass die Menschen KI ohnehin auf Finanzdaten anwenden werden. Ein Gast argumentierte, dass eine Plattform genau aus diesem Grund ein gewisses Maß an Offenheit benötige: Bleibt sie geschlossen, exportieren die Nutzer die Zahlen und erstellen mit anderen Tools ihre eigene Version der Wahrheit. Eine offene Plattform, die die Nutzerrechte respektiert – sodass ein Nutzer durch einen KI-Assistenten nicht mehr einsehen kann als im Tool selbst –, sorgt dafür, dass die KI weiterhin mit regulierten Daten arbeitet. Ein anderer Gast freute sich auf den damit einhergehenden Self-Service, bei dem Geschäftsanwender mehr ihrer Fragen selbst beantworten können, bevor sie sich an die Finanzabteilung wenden.

Nicht jeder am Tisch war bereit, sich zu öffnen. Ein anderer Gast wies darauf hin, dass eine Organisation, die sensible Forschungsdaten besitzt, entscheiden muss, auf welche Daten ein KI-Modell zugreifen darf, bevor eine Verbindung hergestellt wird – sonst landen die Daten an Orten, die niemand beabsichtigt hat. Die Gastgeber fügten den geopolitischen Aspekt hinzu: Es mag Ihnen vielleicht nichts ausmachen, wenn operative Zahlen über einen KI-Assistenten laufen, aber Sie möchten wahrscheinlich nicht, dass ein Personalplanungsmodell mit personenbezogenen Daten über eine MCP-Verbindung zu einem Server in einer anderen Rechtsordnung läuft. Ein Gast widersprach dieser Befürchtung und verglich sie mit den Anfängen der Cloud: Unbekannt bedeutet nicht automatisch gefährlich.

Aus der Diskussion ergaben sich zwei praktische Überprüfungsschritte. Erstens: Prüfen Sie, wie ausgereift die MCP-Anbindung eines Anbieters ist. Bei einigen kann ein KI-Modell lediglich Daten lesen, während andere es ermöglichen, Daten zurückzuschreiben oder einen Befehl auszuführen, wie beispielsweise „ein Szenario mit zwei Prozent mehr Volumen ausführen“. Zweitens: Legen Sie die Rahmenbedingungen fest, bevor Sie eine Verbindung herstellen. Erfassen Sie die KI-Anwendungsfälle, die in Ihrem Unternehmen bereits vorhanden sind, und entscheiden Sie dann, was zulässig sein soll. Die Teilnehmer waren sich einig, dass Unternehmen, die sich frühzeitig geöffnet haben, nun nachträglich diese Regeln hinzufügen müssen, was schwieriger ist, als von Anfang an damit zu beginnen.

Warum entscheiden Stammdaten darüber, ob KI im Finanzwesen funktioniert?

Wenn sich die Teilnehmer an diesem Tisch in einem Punkt einig waren, dann war es dieser: Jeder Anwendungsfall von KI im Finanzwesen hängt von strukturierten und vertrauenswürdigen Daten ab. Wenn Stammdaten wie Konten, Kostenstellen, Unternehmenseinheiten, Kunden und Lieferanten Duplikate oder Einträge enthalten, die systemübergreifend nicht übereinstimmen, bricht Ihre Analyse zusammen – und die KI verschlimmert das Problem noch, indem sie schnell und mit großer Sicherheit Antworten liefert.

Berichte und Tabellenkalkulationen waren schon immer auf saubere Stammdaten angewiesen. KI macht die Fehler öffentlich: Wenn ein Modell eine falsche Antwort liefert, sieht das jeder im Meeting. Mittlerweile nutzen immer mehr Mitarbeiter KI-Tools auf ihren eigenen Laptops – unabhängig davon, ob eine Gruppenrichtlinie dies erlaubt oder nicht –, und ungenaue Stammdaten machen diese Schattennutzung riskanter. Ein Gast beschrieb den Nutzen anhand von Besprechungen: Der geringste Zweifel an einem Datenpunkt bringt die gesamte Entscheidung aus der Bahn, sodass sich jede in Stammdaten investierte Stunde um ein Vielfaches auszahlt.

Die praktischen Tipps aus der Diskussionsrunde: Legen Sie von Anfang an Definitionen, Qualitätsregeln und Zuständigkeiten fest und ziehen Sie einen zentralen Kontenplan in Betracht, der sich über ERP- und EPM-Systeme hinweg erstreckt. Das ist zwar die weniger spannende Arbeit, wie ein Gast zugab, aber auch diejenige mit der besten Rendite.

Dieselbe Grundlage erklärt auch die Kluft zwischen den Ausgaben für KI und den KI-Ergebnissen. Laut der CFO-Studie 2026 von Bain & Company planen 83 Prozent der Finanzvorstände, ihre KI-Budgets in den nächsten zwei Jahren um mehr als 15 Prozent zu erhöhen, doch nur 31 Prozent bewerten die KI-Ergebnisse im Finanzbereich als sehr positiv. Die Moderatoren brachten diese Zahl zur Sprache und scherzten, dass statistisch gesehen mindestens einer der drei zufrieden sein müsste. Die Antworten fielen unterschiedlich aus. Ein Gast war mit einem bestimmten Anwendungsfall zufrieden, jedoch noch nicht auf der Ebene des gesamten Unternehmens. Ein anderer bezeichnete das Potenzial an sich bereits als Grund zur Zufriedenheit. Der dritte, von Natur aus optimistisch, konnte angesichts der steigenden Kosten nicht sagen, dass das Unternehmen bereits so weit sei. Die Daten von Bain selbst weisen in dieselbe Richtung: Die Zufriedenheit steigt bei Unternehmen, die KI bereits in großem Maßstab einsetzen, auf 41 Prozent, gegenüber 25 Prozent bei denen, die sich noch in der Pilotphase befinden.

Was ändert sich durch KI in der Rolle des Finanzfachmanns?

Zu Beginn der Sendung gab einer der Moderatoren einem KI-Programmierassistenten eine einzige Eingabeaufforderung und eine schriftliche Spezifikation und ließ das Programm laufen. Bis zur zweiten Hälfte hatte es einen funktionsfähigen Planungsprototyp mit KPI-Karten, einem Umsatzplan, einem Personalplan und einer Gewinnprognose erstellt. Die Aufzeichnung zeigt den gesamten Prozess von der Eingabeaufforderung bis zum Ergebnis, und Sie können die gleiche Spezifikation herunterladen, um das Programm selbst auszuführen.

Was das für die Anbieter bedeutet, spaltete die Meinungen. Die Moderatoren bezeichneten es als echte Bedrohung für etablierte Software, da die Entwicklung von Finanzanwendungen mittlerweile kostengünstig geworden sei. Ein Gast sah statt eines Zusammenbruchs eher mehr Wettbewerb und niedrigere Softwarepreise, da etablierte Anbieter dieselbe Technologie auf der Grundlage ihrer bestehenden Infrastruktur nutzen können – solange sie aufhören, Funktionen „in etwa zwei Jahren“ zu versprechen. Ein anderer erwartete, dass Software, die so schnell auf einer so dünnen Grundlage entwickelt wurde, auf eigene Probleme stoßen würde; wie schnell ein Tool entwickelt wurde, sagt also nichts darüber aus, wie es sich bei einem Geschäftsabschluss bewährt.

Was die Rolle des Finanzwesens an sich betrifft, lagen die Meinungen näher beieinander. KI kann bereits Prognosen erstellen, die dahinterstehende Begründung verfassen sowie Abweichungs- und Treiberanalysen vorbereiten, und die dadurch gewonnene Zeit fließt in die Zusammenarbeit mit dem Unternehmen bei Entscheidungsfindungen. Die Zuschauer stimmten in einer Live-Umfrage zu: Auf die Frage, ob das Finanzwesen den größten Mehrwert durch die Erstellung von Berichten oder durch die Bewertung von Ergebnissen und die Unterstützung von Entscheidungen schaffe, gaben die meisten an, dass beides wichtig sei, und wenn sie sich entscheiden mussten, wählten sie die Bewertung von Ergebnissen.

Dieser Wandel stellt auch höhere Anforderungen an Sie. Sie müssen nach wie vor wissen, wie jede Zahl zustande gekommen ist – mit oder ohne KI –, denn die Geschäftsleitung wird weiterhin die Finanzabteilung als Maßstab für die Aussagen des Berichts heranziehen. Ein Gast betonte, dass Pläne eine Vereinbarung zwischen Menschen sind: KI kann die Erstellung der Zahlen beschleunigen, aber die Verantwortlichen für ein Budget müssen weiterhin die Verantwortung dafür tragen. Ein Zuschauer fragte, wie eine nicht-deterministische Technologie in eine deterministische Finanzwelt passt, und die Diskussionsrunde antwortete mit einem Vergleich zu Menschen: Wenn man einem Kollegen dieselbe Frage zweimal stellt, erhält man möglicherweise auch zwei Antworten; daher setzt man Grenzen und lässt die Arbeit innerhalb dieser Grenzen stattfinden.

Wie wählen Sie ein Planungs- oder Konsolidierungstool aus, das zu Ihrem Unternehmen passt?

Welches Tool das richtige ist, hängt von Ihren Prozessen, Ihrer Datenbasis, Ihrer Bereitschaft für offene KI und dem Rest Ihrer Architektur ab – daher gibt es kein einziges Tool, das für jedes Unternehmen die beste Wahl ist.

Die letzte Meinungsverschiedenheit am Tisch betraf die Architektur. Die Gastgeber sprachen sich für eine „Composable Architecture“ aus, bei der mehrere spezialisierte Lösungen jeweils einen Anwendungsfall unterstützen und man eine davon ersetzen kann, ohne den Rest neu aufbauen zu müssen. Sie warnten vor Anbietern, die sich einer Integration widersetzen: Wenn ein Tool zu starr wird, ersetzen Kunden es durch eines, das zu ihrer Architektur passt. Ein Gast bevorzugte den anderen Ansatz: eine Plattform, die die meisten Anforderungen abdeckt, auch wenn sie nicht in allen Bereichen die beste ihrer Klasse ist, denn eine überschaubare Softwarelandschaft mit weniger übergreifenden Plattformen ist diesen Kompromiss wert. Eine modulare Architektur bietet Flexibilität auf Kosten von mehr Schnittstellen und Wartungsaufwand, und Geschäftsbereiche wollen selten darauf warten, dass die Konzernzentrale ein Tool auswählt. Beide Seiten waren sich einig, dass die Lösung zur jeweiligen Organisation passen muss.

Um zu prüfen, ob dies zu Ihrer persönlichen Situation passt, probieren Sie den kostenlosen „Financial Planning Tool Advisor“ aus. Finext hat ihn am Ende der Messe vorgestellt. Beantworten Sie ein paar Fragen zu Ihren Anforderungen, und das Tool bewertet die lange Liste der Planungstools anhand der Kriterien, die Finext bei seiner eigenen Auswahl verwendet, und liefert Ihnen anschließend eine Auswahlliste.

Häufig gestellte Fragen

Was ist das Finext- Line Up?

Die „Finext- Line Up “ ist eine jährlich stattfindende, unabhängige Talkshow, in der Finext den Markt für Planungs- und Konsolidierungssoftware ohne Einflussnahme seitens der Anbieter vergleicht. Die Ausgabe 2026 fand am 24. September 2026 als Hybridveranstaltung mit Publikum vor Ort und Online-Zuschauern statt und konzentrierte sich auf die Marktkonsolidierung sowie den Umgang der EPM-Anbieter mit KI. Auf die abschließende Frage, ob die „ Line Up “ 2027 wieder stattfinden solle, antwortete das Publikum mit „Ja“.

Was ist der Unterschied zwischen KI-orientierter und KI-integrierter EPM-Software?

Bei KI-zentrierter EPM-Software ist die KI in das Produkt integriert, beispielsweise in Form von Abfragen in natürlicher Sprache, externe KI-Modelle haben jedoch keinen Zugriff auf die Daten. KI-integrierte Software öffnet die Plattform für externe große Sprachmodelle, in der Regel über das Model Context Protocol (MCP). Viele Anbieter bieten beide Varianten an; Finext klassifiziert sie danach, ob sie für externe Modelle offen sind.

Was ist ein KI-basiertes EPM-Tool?

Ein KI-basiertes EPM-Tool wurde im Zeitalter der generativen KI – also in den letzten rund vier Jahren – entwickelt und nutzt „Prompting“ als Hauptmethode zur Erstellung von Modellen und Plänen. Beispiele aus der Klassifizierung von Finext für das Jahr 2026 sind Drivetrain, Aleph, Sapien und Concourse. Die meisten davon richten sich eher an Scale-ups und Technologieunternehmen als an Großunternehmen.

Kann die KI in EPM-Tools Daten wieder in das System zurückschreiben?

Das hängt vom jeweiligen Tool ab. KI-native Tools und einige KI-integrierte Tools können Daten zurückschreiben oder Befehle ausführen, beispielsweise eine Szenarioberechnung. Andere erlauben einem KI-Modell lediglich das Lesen von Daten. Prüfen Sie den Reifegrad der MCP-Anbindung des Anbieters und ob diese die Zugriffsrechte der Benutzer berücksichtigt, bevor Sie sich darauf verlassen.