Wie das Finanzteam von Fanatics Betting and Gaming die ChatGPT-Einführung von der CFO-Position aus vorantrieb

Was Ellis tatsächlich getan hat, nicht was sie über KI glaubt

Die meisten Interviews mit Führungskräften zum Thema KI bleiben vage. Dieses, am 13. Februar 2025 von OpenAI veröffentlichte Interview enthält dagegen eine ungewöhnlich konkrete Abfolge von Schritten. Ellis, CFO von Fanatics Betting and Gaming, beschreibt, wie sie den Experimentierraum bewusst eingegrenzt hat, bevor sie ihn innerhalb ihrer eigenen Abteilung skalierte.

Ihre Begründung lohnt eine genauere Betrachtung: Statt jeden denkbaren Anwendungsfall zu verfolgen, entschied sich das Team für Fokus. Zwei Bereiche erhielten die volle Aufmerksamkeit – Finanzen und die Automatisierung des Kundenservice –, und sie machte ihren eigenen Bereich zu einer der beiden großen Wetten.

Als wir anfingen, wurde uns schnell klar, dass die Gefahr besteht, sich mit KI über zu viele verschiedene Anwendungsfälle zu verzetteln. Deshalb haben wir uns entschieden, in ausgewählten Schlüsselbereichen in die Tiefe zu gehen und dort große Erfolge zu erzielen.Montana Labs

Das ist eine Entscheidung zur Ressourcenverteilung, formuliert von einer CFO in der Sprache, die CFOs sprechen. Es ist zugleich der übertragbarste Teil des Berichts: Die Beschränkung lag in der Aufmerksamkeit, und die Antwort darauf war Konzentration.

Die Mechanik der Einführung: Taskforce, Schulung, GPT-athon

Ellis beschreibt eine vierteilige Struktur. Erstens forderte eine KI-Automatisierungs-Taskforce jedes Mitglied des Finanzteams auf, Prozesse zu dokumentieren, die sich durch KI verbessern ließen. Zweitens wurde aus dieser Liste eine Projekt-Roadmap. Drittens absolvierte jedes Teammitglied eine Grundschulung zu ChatGPT. Viertens brachte ein ganztägiger „GPT-athon“ Teams mit Data Scientists zusammen, um individuelle GPTs für konkrete Projekte zu entwickeln.

Entscheidend ist hier die Reihenfolge. Die Schulung ging der Entwicklung voraus, und die Entwicklung erfolgte in Zusammenarbeit mit Data Scientists, statt sie dem Zufall einzelner Mitarbeiter zu überlassen. Der Bottom-up-Ansatz (die Mitarbeiter selbst nach ihren belastenden Aufgaben fragen) wurde mit Top-down-Struktur kombiniert (Roadmap, verpflichtende Schulung, ein fest terminiertes Event).

Ellis beschreibt außerdem eine Art Erhaltungsschleife: regelmäßige KI-Updates und die Würdigung neuer Anwendungsfälle bei den monatlichen All-Hands-Meetings. Die Einführung ist ihrer Darstellung nach kein einmaliger Launch, sondern ein wiederkehrender Tagesordnungspunkt. Das entspricht einer realistischen Sichtweise – Begeisterung verflacht ohne einen Rhythmus, der sie immer wieder auffrischt.

Die einzige Zahl im Bericht: 18 Stunden pro Monat

Das einzige quantifizierte Ergebnis ist VendorID GPT, ein individuelles Tool, das die Lieferantenidentifikation und Vertragszusammenfassung automatisiert. Laut Ellis spart es rund 18 Stunden Arbeitszeit im Monat – ein Wert, den sie bewusst im Kontext des Monatsabschlusses einordnet, also jener Phase, in der Finanzteams am stärksten unter Zeitdruck stehen.

Diese Zahl sollte man genau für das nehmen, was sie ist: ein individuelles GPT, eine wiederkehrende Aufgabe, eine wiederholbare Zeitersparnis innerhalb eines klar umrissenen Arbeitsablaufs. Es ist keine Aussage über Umsatz, Personalstärke oder Prognosegenauigkeit. Die übrigen von Ellis genannten Vorteile – schnellere Datenanalyse, schnelleres Erfassen und Kommunizieren von Kennzahlen – werden nur qualitativ beschrieben, und sie räumt offen ein: „Es ist noch früh.“

Diese Offenheit ist wertvoll. Der belegbare Erfolg ist eine eng gefasste, klar abgegrenzte Automatisierung; die weiterreichenden Aussagen zu strategischem Denken und Szenarioanalysen werden ausdrücklich einer „zukunftsgerichteten Roadmap“ zugeordnet, nicht als bereits erreicht dargestellt.

Das wiederkehrende Thema ist der Wandel von Ausführung zu Strategie – und er hat seinen Preis

Ellis kommt immer wieder auf einen Gedanken zurück: KI nutzen, um manuelle Ausführungsarbeit zu reduzieren, damit sich das Team auf Strategie konzentrieren kann – auf die Frage „Und was folgt daraus, was tun wir jetzt?“ Das ist das Leitprinzip, warum sie sich überhaupt für den Finanzbereich als Testfeld entschieden hat.

Die Frage, die ich mir gestellt habe, war eigentlich: Wie können wir unsere tägliche Arbeit weniger manuell gestalten, damit sich unsere Teams letztlich stärker auf Strategie und weniger auf die reine Ausführung konzentrieren können.Montana Labs

Die Schlussfolgerung für Teams, die diesen Bericht lesen: Der von Ellis beschriebene Nutzen entstand durch die Entwicklung maßgeschneiderter GPTs für konkrete, dokumentierte Finanzprozesse – nicht durch den bloßen Zugang zu einem generischen Chatbot. VendorID GPT existiert, weil jemand die Lieferantenprüfung und Vertragszusammenfassung als konkreten, wiederkehrenden Kostenfaktor identifiziert und dafür gezielt ein Tool entwickelt hat. Der Gewinn, „sich aufs große Ganze konzentrieren zu können“, wurde durch unglamouröse Vorarbeit erkauft – Prozessbestandsaufnahme, Schulung und die Zusammenarbeit von Fachpersonal mit Data Scientists bei der Toolentwicklung. Diese vorbereitende Struktur, mehr noch als das Modell selbst, ist der eigentliche Kern dieses Berichts.