Sechs Wochen bis zum nächsten Berichtszyklus. Die ERP-Daten des Konzerns waren kaum zu extrahieren, das über Jahre veränderte Reporting-Template konnte niemand mehr erklären — auch kein Vorberater. HGB- und IFRS-Kontenpläne entsprachen sich nicht eins zu eins, Innenumsätze und gruppeninterne Verrechnungen waren unsichtbar. Eine echte Konsolidierung hatte es in diesem Konzern mit deutschen und französischen Gesellschaften nie gegeben.
Es ging nicht um eine große Transformation, sondern um einen präzisen Eingriff in einen laufenden Prozess — unter Zeitdruck und mit einem Ergebnis, das tragen musste.
Erst der Schmutz, dann der Bericht
Der Reflex in einer Data-Cleaning-Journey ist, sofort den sauberen Bericht zu bauen. Wir haben das Gegenteil getan. Der erste Report war eine Diagnose des Schmutzes selbst: Welche Buchungen tragen keine Kostenstelle, welche Stellen haben keinen Namen, wo verstecken sich Dubletten und Phantomkonten? Erst mit dieser Landkarte haben wir bereinigt — Fuzzy-Matching gegen Dubletten, Clustering, um zu erkennen, welche Kunden zur Gruppe gehören.
KI übernimmt die Übersetzungsarbeit
Für das Konten-Mapping zwischen deutschen und französischen Büchern übernahm die KI die Schwerstarbeit: Jedes Konto wurde in Klartext beschrieben, in beide Sprachen übersetzt und semantisch über eine Vektordatenbank abgeglichen. Das Ergebnis war ein Similarity-Index statt einer fragilen Handtabelle. Die Pipelines liefen täglich und DSGVO-konform über APIs.
Was vorher niemand zusammenbrachte, lag plötzlich sauber auf dem Tisch.
Bankfähig in sechs Wochen
Innerhalb von sechs Wochen hatte der Konzern ein Reporting, das er seinen Banken vorlegen konnte. HGB- und IFRS-Sicht schalten heute auf Knopfdruck um; Differenzen werden sofort sichtbar und lassen sich Zeile für Zeile erklären. Erstmals wurden Innenumsätze und gruppeninterne Verrechnungen sauber ausgewiesen — das Fundament einer echten Konsolidierung.
Ein großer Teil des Konten-Matchings kam eins zu eins automatisiert zurück; was blieb, war ein kurzer, erklärbarer Review statt wochenlanger Handarbeit. Ein pragmatischer Eingriff — kein Leuchtturm, sondern ein sauberes, belegbares Ergebnis, pünktlich geliefert.
Drei Dinge, die Sie mitnehmen können
- Diagnose vor Bereinigung. Wer sofort den sauberen Bericht bauen will, übersieht die eigentliche Fehlerquelle. Erst die Landkarte des Schmutzes macht die Bereinigung zielgerichtet.
- KI als Übersetzer, nicht als Blackbox. Ein Similarity-Index aus Klartextbeschreibungen ist nachvollziehbarer und wartbarer als jede manuell gepflegte Mapping-Tabelle.
- Pragmatismus schlägt Perfektion. Unter echtem Zeitdruck zählt ein belastbares, erklärbares Ergebnis mehr als ein perfektes Konzept, das den Termin verpasst.
Six weeks until the next reporting cycle. The group's ERP data was barely extractable, and the reporting template — modified for years — could no longer be explained by anyone, including prior advisers. German GAAP and IFRS charts of accounts did not match one-to-one, intra-group revenue and cost allocations were invisible, and a genuine consolidation had never been performed at this group of German and French entities.
This was not a grand transformation but a precise intervention in a live process — under time pressure and with a result that had to hold.
The dirt first, then the report
The instinct in a data-cleaning journey is to rush to the clean report. We did the opposite. The first report was a diagnosis of the dirt itself: which postings carry no cost centre, which centres have no name, where do duplicates and phantom accounts hide? Only with that map did we cleanse — fuzzy-matching against duplicates, clustering to identify which customers belonged to the group.
AI takes on the translation work
For the account mapping between the German and French books, AI did the heavy lifting: every account was described in plain language, translated into both languages and matched semantically through a vector database. The result was a similarity index rather than a fragile manual table. The pipelines ran daily and GDPR-compliant over APIs.
What no one could reconcile before suddenly lay clean on the table.
Bank-grade in six weeks
Within six weeks the group had a reporting it could put in front of its banks. German GAAP and IFRS views now switch at the push of a button; differences surface immediately and can be explained line by line. For the first time, intra-group revenue and cost allocations were disclosed properly — the foundation of a genuine consolidation.
Much of the account matching came back one-to-one automatically; what remained was a short, explainable review rather than weeks of manual work. A pragmatic intervention — not a showpiece, but a clean, defensible result delivered on time.
Three things you can take away
- Diagnose before you clean. Rushing straight to the clean report skips the real source of error. Only a map of the dirt makes the cleanup targeted.
- AI as translator, not black box. A similarity index built from plain-language descriptions is more traceable and maintainable than any manually kept mapping table.
- Pragmatism beats perfection. Under real time pressure, a defensible, explainable result matters more than a perfect concept that misses the deadline.