Ein in M\u00fcnchen ans\u00e4ssiger Industriekunde wandte sich im letzten Quartal mit der Suche nach gleich zwei Stellen an uns: einem Machine-Learning-Ingenieur f\u00fcr die Entwicklung von Prognosemodellen innerhalb seiner S\/4HANA-Umgebung und einem Spezialisten f\u00fcr Finanzkontrollen, dessen Aufgabe ausschlie\u00dflich darin bestehen sollte, drei Monate nach der Einf\u00fchrung zu \u00fcberpr\u00fcfen, ob diese Modelle noch zutreffend sind. Zwei Monate sp\u00e4ter stellte ein Pharmaunternehmen aus Z\u00fcrich eine \u00e4hnliche Doppelanfrage. Dasselbe tat auch ein Logistikkonzern aus Frankfurt.<\/p>\n
Der Grund daf\u00fcr ist praktischer Natur. Modelle driften ab. Die Datenqualit\u00e4t verschlechtert sich. Die Prognose, die im ersten Quartal noch hervorragend funktioniert hat, liefert im dritten Quartal pl\u00f6tzlich Ergebnisse, die niemand den Wirtschaftspr\u00fcfern erkl\u00e4ren kann. Finanzvorst\u00e4nde, die KI-Tools \u00fcbereilt in den Einsatz gebracht haben, richten nun Kontrollfunktionen ein, um Probleme aufzudecken, bevor die externe Wirtschaftspr\u00fcfung darauf st\u00f6\u00dft.<\/p>\n
Unsere aktuellen Anforderungen sehen Kandidaten vor, die als Bindeglied zwischen dem technischen KI-Team und der Finanzleitung fungieren und die Ergebnisse der Modelle in eine Sprache \u00fcbersetzen k\u00f6nnen, die sowohl den CFO als auch den externen Wirtschaftspr\u00fcfer \u00fcberzeugt. Die Position vereint Datenkompetenz, Fachwissen im Bereich der Finanzkontrollen und Kommunikationsf\u00e4higkeit. Es ist schwierig, Mitarbeiter zu finden, die alle drei Aspekte mitbringen. Wir haben im vergangenen Monat eine Suche f\u00fcr einen D\u00fcsseldorfer Hersteller durchgef\u00fchrt und innerhalb von acht Wochen f\u00fcnf Kandidaten vorgestellt, bevor einer die Anforderungen vollst\u00e4ndig erf\u00fcllte.<\/p>\n
F\u00fcr Bewerber, die eine Karriere im SAP-Finanzbereich anstreben, gehen die besten Angebote an diejenigen, die erkl\u00e4ren k\u00f6nnen, warum ein Modell ein bestimmtes Ergebnis geliefert hat, und die erkennen, wann diesem Ergebnis nicht mehr vertraut werden sollte. Eine Kandidatin, die wir im letzten Quartal in Frankfurt vermittelt haben, war zwei Jahre lang im Bereich SAP-Konfiguration t\u00e4tig und wechselte anschlie\u00dfend in eine Position im Bereich Data Governance. Dank ihrer F\u00e4higkeit, beide Sprachen zu beherrschen, erhielt sie ein Gehaltsangebot, das f\u00fcnfzehn Prozent \u00fcber der ver\u00f6ffentlichten Spanne lag. Unternehmen suchen Mitarbeiter, die einem Modell die richtigen Fragen stellen k\u00f6nnen, bevor die Wirtschaftspr\u00fcfer dies tun.<\/p>\n