Start-ups setzen Agents für zentrale Finanzprozesse ein, sind aber noch wählerisch, was sie ihnen anvertrauen.
Stripe hat Founder und Entwickler/innen bei acht von Risikokapital finanzierten Start-ups befragt, von der Seed-Phase bis hin zur Series B. Ziel war es, zu verstehen, welche Aufgaben Start-ups Agents anvertrauen, welche nach wie vor eine menschliche Freigabe erfordern und was sie dazu bewegen würde, mehr Aufgaben zu delegieren. Die Teilnehmenden verfügten über tiefgehende praktische Erfahrung mit KI, sei es durch den wöchentlichen Einsatz von Agents zur Automatisierung von Finanzaufgaben oder durch die Bereitstellung agentenbasierter Finanzprodukte für Kundinnen und Kunden.
Gruppenübergreifend berichteten die Teilnehmenden, dass sie Agents einsetzen – viele davon selbst entwickelt mit Tools wie Claude oder Codex oder an ihre Bedürfnisse angepasste Standard-Agents –, um Ausgabenanalysen, Cashflow-Modellierungen, Transaktionsabgleiche und die Erkennung von Anomalien zu automatisieren. Jedoch hatte niemand einen Agent autorisiert, Unternehmensgelder ohne menschliche Freigabe zu bewegen. Eine fehlerhafte Überweisung kann Betriebskapital binden oder einen Service stören, auf den Kundinnen und Kunden angewiesen sind. Ein Fehler bei der Lohnabrechnung kann dazu führen, dass Mitarbeiterinnen und Mitarbeiter nicht bezahlt werden.
Bevor sie agentenbasierte Geldbewegungen zulassen, sagten die Teilnehmenden unserer Studie, dass sich Agents im Laufe der Zeit erst eine entsprechende Autorität verdienen müssen. Agents müssen zunächst beweisen, dass sie den Geschäftskontext korrekt verarbeiten und fehlerfreie Arbeit für die menschliche Freigabe vorbereiten können. Mit wachsendem Vertrauen autorisieren Teams eher klar definierte Aktionen, wie den Transfer von Geldern zwischen benannten Konten, die Bezahlung freigegebener Rechnungen und die Umrechnung von Währungen innerhalb festgelegter Limits.
Dieser Leitfaden beschreibt im Detail die Arbeit, die Start-ups heute delegieren, und skizziert einen Weg hin zu autonomeren Finanzflüssen für die Verwaltung und Bewegung von Geld.
Agents geben Start-ups mehr Kapazitäten für Wachstum
Daten von Stripe Economics zeigen, dass KI Flexibilität bei der Entscheidung bietet, wann zusätzliches Personal eingestellt werden soll. Wenn Agents wiederkehrende Finanzaufgaben wie die Verarbeitung von Dokumenten und die Überprüfung von Ausgaben übernehmen, können Founder zunehmend komplexere Finanzprozesse bewältigen, bevor sie ein Finanzteam aufbauen.
Die Entwicklung in drei Phasen hin zu autonomen Finanzen
Die befragten Founder gaben an, dass sie bereit wären, Agents mehr Verantwortung zu übertragen, sobald ihr Vertrauen in die Ergebnisse der Agents wächst. Diese Delegierung verläuft in drei Phasen, in denen Agents Folgendes tun:
- Daten lesen und analysieren
- Arbeit für die menschliche Bestätigung vorbereiten
- Transaktionen autonom ausführen
Phase 1: Agents lesen Finanzdaten und liefern Erkenntnisse
Die befragten Founder nutzen Agents am häufigsten für Finanzaufgaben mit reinem Lesezugriff. Agents liefern Informationen, auf die das Finanzteam reagieren kann: ungewöhnliche Ausgaben, fehlende Belege, Cashflow-Änderungen, doppelte Abonnements und aktuelle Finanzmodelle. In dieser Phase führt ein Fehler nicht dazu, dass Gelder bewegt oder Finanzdatensätze geändert werden. Jedes nützliche Ergebnis verbessert die Erfolgsbilanz des Agents in Bezug auf Genauigkeit und unterstützt eine größere Autorität in der nächsten Phase.
Häufige Anwendungsszenarien
- Ausgaben und Burn-Rate mit Zielen abgleichen
- Cashflow analysieren und Szenariomodelle erstellen
- Anomalien bei den Ausgaben und fehlende Belege markieren
- Rechnungen analysieren und Transaktionen systemübergreifend abgleichen
Maßnahme für Founder: Erste Ergebnisse anhand bekannter Geschäftsbedingungen testen
Beginnen Sie mit einer definierten Aufgabe mit reinem Lesezugriff, die sich auf relevante Finanzdaten und den Geschäftskontext stützt. Geben Sie dem Agent nur die Finanzdaten und den Geschäftskontext, die er für die Aufgabe benötigt. Vergleichen Sie dann die ersten Ergebnisse des Agents mit den Gegebenheiten, die das Team bereits kennt. So kann der Agent ein echtes Problem von einer erwarteten Änderung im Unternehmen unterscheiden.
Anwendungsfall: Vorstandsfähige Modelle in Minuten
Die befragten Founder nutzen Agents, um das NRR-Tracking, Wachstumsmodelle und Cashflow-Szenarien für Vorstandsmeetings und Fundraising aktuell zu halten. Arbeiten, die früher ein ganzes Wochenende für die Aktualisierung von Tabellen in Anspruch nahmen, können nun in wenigen Minuten mit Live-Finanzdaten ausgeführt werden. Der Founder eines Series-A-Sicherheits-Start-ups sagte: „Ich kann sehr schnell Cashflow-Berichte, benutzerdefinierte Abfragen und alles, was ich möchte, erstellen, und ich bin kein technischer CEO. Das war ein massiver Fortschritt für mich.“
Phase 2: Agenten bereiten Finanzaufgaben zur menschlichen Bestätigung vor
Hier gehen Agenten über die reine Analyse hinaus und bereiten Finanzdaten vor oder reihen Aktionen ein, die ein Mensch überprüfen und genehmigen soll. Die meisten Start-ups in unserer Studie erlauben Agenten gerne, risikoarme Aufgaben wie die Vorbereitung von Ausgaben oder Zahlungen zu übernehmen, solange eine Person diese abzeichnet, bevor die Arbeit live geht.
Häufige Anwendungsszenarien
- Ausgabenkategorien für das Hauptbuch und systemübergreifende Übereinstimmungen beim Abgleich vorschlagen
- Lieferantendetails vorbereiten und Empfänger/innen für Zahlungen einrichten
- Zahlungsläufe basierend auf genehmigten Rechnungen, Fälligkeitsdaten und Konditionen entwerfen
- Kartenlimits, Kontrollen und Sperren zur Überprüfung vorschlagen
- Buchungseinträge und Unterlagen zur Steuervorbereitung erstellen
Maßnahme für Founder: Erstellen Sie eine Feedbackschleife für die Überprüfung der Agenten
Nutzen Sie menschliche Überprüfungen, um im Laufe der Zeit Vertrauen in den Agenten aufzubauen. Erfassen Sie Korrekturen, um zukünftige Vorschläge zu verbessern und eine Erfolgsbilanz zuverlässiger Ergebnisse zu erstellen, die eine größere Verantwortung unterstützen kann. Diese Überprüfungsschleife kann auch den menschlichen Aufwand für zukünftige Überprüfungen reduzieren.
Anwendungsfall: Abgleich im großen Maßstab
Eine befragte Person aus der Insurtech-Branche nutzt einen Claude-Code-Agent, um mehr als 100 PDFs der Versicherer zu verarbeiten, mit denen das Unternehmen zusammenarbeitet, darunter monatliche Provisions- und Abrechnungsbescheide. Der Agent extrahiert Rechnungsdaten, gleicht Auszüge der Versicherer ab und unterstützt den systemübergreifenden Abgleich – Aufgaben, für die früher ein bis zwei Vollzeitkräfte erforderlich waren. Der COO eines Series-B-Start-ups sagte: „Das direkte Geld-Matching sollte nie von einem Menschen berührt werden – überprüft, sicher, aber automatisiert. Wir führen immer noch manuelle Abgleiche durch, bis wir das nötige Vertrauen haben. Aber sobald wir dieses haben, erspart es uns Neueinstellungen.“
Phase 3: Agents führen finanzielle Aktionen gemäß den Richtlinien aus
Dies ist die Phase, auf die die in dieser Studie befragten Start-ups hinarbeiten: Agents erledigen wichtige, aber wiederkehrende Finanzaufgaben, ohne dass jemand jeden einzelnen Schritt freigeben muss. Um dorthin zu gelangen, bedarf es eines Vertrauens, das im Laufe von möglicherweise Tausenden von agentenbasierten Aufgaben aufgebaut wird, sowie Tools, die den Zugriff auf die vom Agent benötigten Finanzdaten richtig steuern können.
Es ist [genauso], wie Sie Vertrauen zu einem anderen Menschen aufbauen: Je korrekt[er] der Agent etwas tut, desto mehr vertrauen Sie ihm.“
Häufige Anwendungsszenarien
- Gelder zwischen genehmigten Konten verschieben, um Zielguthaben beizubehalten
- Genehmigte Rechnungen unter Einhaltung von Betrags-, Anbieter- und Zeitregeln bezahlen
- Währung umrechnen, wenn ein Guthaben oder ein Wechselkurs ein vorab genehmigtes Limit erreicht
- Karten innerhalb vordefinierter Ausgabenkontrollen ausstellen und verwalten
- Rückerstattungen veranlassen, die den Berechtigungs- und Betragsregeln entsprechen
- Machine-to-Machine-Zahlungen und delegierte Ausgaben unterstützen
Anwendungsfall: Berechtigte Rückerstattungsanfragen bearbeiten
Dust, eine KI-Plattform zum Erstellen und Teilen benutzerdefinierter Agents, veranschaulicht, wie diese Phase aussehen kann. Der interne Rückerstattungs-Agent kombiniert den Kundenkontext und die Rückerstattungsrichtlinie des Unternehmens über den Stripe Model Context Protocol (MCP)-Server mit autorisierten Stripe-Daten. Der Agent überprüft die Kundenhistorie, validiert die Zahlung, wendet die Richtlinie an und veranlasst eine berechtigte Rückerstattung in Stripe, bevor er eine personalisierte Bestätigungs-E-Mail entwirft. Dust verkürzt den Rückerstattungsprozess von etwa einer Stunde auf wenige Sekunden. „Anstatt in unzähligen geringwertigen Aufgaben zu ertrinken, können Teams die Zeit für kritische Arbeiten maximieren, und die Kundinnen und Kunden spüren das“, sagte Nicolas Chinot, US General Manager bei Dust.
Maßnahme für Founder: Ein Pilotprojekt für agentenbasierte Geldbewegungen durchführen
Sobald ein Agent die Phasen 1 und 2 durchlaufen hat, sollten Sie kontrollierte Pilotprojekte für Geldbewegungen durchführen, um seine Fähigkeiten zu validieren. Beginnen Sie mit nominellen, einmaligen Transfers zwischen internen Finanzkonten und testen Sie dann wiederkehrende oder geplante Transaktionen. Zeichnen Sie jede ausgeführte Aktion und die Richtlinie auf, die sie zugelassen hat, und unterziehen Sie die Eskalationsregeln einem Härtetest, um sicherzustellen, dass ein Mensch zur Überprüfung von Ausnahmen hinzugezogen wird und die Transaktion pausieren oder stornieren kann.
Balance zwischen Zugriff und Kontrolle für Agents
Wenn ein Agent mehr Verantwortung übernimmt, benötigt er Zugriff auf die Finanzdaten und Tools, die den Kontext für die Abläufe im Unternehmen liefern. Ein einzelner Zahlungsdatensatz erklärt beispielsweise nicht, ob ein plötzlicher Anstieg der Ausgaben eine neue Wachstumsinitiative oder eine Preiserhöhung für einen Service ist. Umfassendere Daten zu Umsatz, Ausgaben und sogar zum Fundraising helfen dem Agent dabei, die Bedeutung dieses Anstiegs korrekt zu interpretieren.
Diese [Agents] kennen Ihre Architektur nicht, sie wissen nicht, was in Slack passiert, sie wissen nichts von der Veröffentlichung dieses neuen Produkts, die zu einem Anstieg der Ausgaben geführt hat.“
Um diese Gesamtansicht freizuschalten, ist ein Zugriff auf die Systeme erforderlich, in denen die Daten liegen. Das bedeutet jedoch nicht, dass Agents weitreichende Berechtigungen für jedes einzelne System erteilt werden müssen. Eine agentenbasierte Finanzinfrastruktur muss daher zwei Dinge leisten: den Agents den erforderlichen Kontext bereitstellen und Start-ups eine präzise Kontrolle darüber geben, worauf Agents zugreifen und was sie vorbereiten und ausführen können.
So unterstützt Stripe agentenbasiertes Finanzwesen
Die meisten Start-ups entwickeln Agents rund um ihre eigenen Tools, Daten und Prozesse. Stripe stellt den Agents, für die sich ein Unternehmen entscheidet, Finanzdaten und Funktionen für das Geldmanagement zur Verfügung – mit klaren Kontrollen darüber, worauf diese Agents zugreifen und was sie tun können.
Mit Stripe MCP können Unternehmen KI-Tools sowohl an die Stripe-API als auch an die Stripe-Dokumentation anbinden. Stripe Financial Connections fügt externe Kontostände und Transaktionsdaten sicher hinzu. Zudem entwickelt Stripe eine Unterstützung für Agent-Workflows über die Stripe CLI und die Stripe Console, unseren integrierten Dashboard-Assistenten.
Stripe Treasury für Agents weitet diese Workflows auf das Geldmanagement aus. Agents können Finanzdaten analysieren, Gelder zwischen unterstützten Stripe-Guthaben bewegen, Empfänger/innen erstellen, Zahlungen senden und Währungen umrechnen. Detaillierte Berechtigungen steuern den Agent-Zugriff, und Aktionen, die echtes Geld bewegen, erfordern standardmäßig eine menschliche Bestätigung.