Zum Inhalt springen
Alle Insights KI-Automatisierung im Finanzbetrieb

CSRD-Reporting-Automatisierung nach Omnibus I

Omnibus I hat den CSRD-Anwendungsbereich verengt und die ESRS-Datenpunkte um über 60% gekürzt. Was das für Datenpipelines, KI-Drafting und prüfungsfähiges Reporting bedeutet.

4 Min. Lesezeit #ESG#Reporting#Compliance
Fachleute aus dem Finanzsektor bei der Arbeit an einer KI-Initiative

Viele Unternehmen haben 2024 und 2025 CSRD-Reporting-Pipelines für ein Regime gebaut, das in dieser Form nicht mehr existiert. Das Omnibus-I-Paket, am 26. Februar 2026 im Amtsblatt veröffentlicht und seit März 2026 in Kraft, hat den Anwendungsbereich der Richtlinie auf die größten Unternehmen zurückgeschnitten: EU-Unternehmen mit mehr als 1.000 Beschäftigten und einem Nettojahresumsatz über 450 Mio. Euro; die Nicht-EU-Schwelle wurde ebenfalls auf 450 Mio. Euro in der EU erzielten Umsatz angehoben. Die Mitgliedstaaten haben bis zum 19. März 2027 Zeit für die Umsetzung.

Auch die Standards haben sich bewegt. Am 3. Juli 2026 hat die Kommission den überarbeiteten delegierten ESRS-Rechtsakt angenommen, den sie als kürzer und klarer beschreibt: über 60% weniger verpflichtende Datenpunkte, über 70% weniger Datenpunkte insgesamt. EFRAGs Arbeit an den Änderungen beschreibt eine Reduktion der verpflichtenden Datenpunkte um 61%, mit aus den verpflichtenden Standards herausgenommenen freiwilligen Datenpunkten und mehr Gewicht auf Wesentlichkeit und Ermessen. Unternehmen wenden die überarbeiteten Standards ab dem Geschäftsjahr 2027 an.

Die Automatisierungsfrage 2026 lautet damit nicht mehr, wie man eine Erhebungsmaschine für tausend Datenpunkte über vier Berichtswellen baut. Sie lautet, wie man das First-Wave-Reporting unter dem aktuellen Rahmen stabilisiert, die Datenarchitektur auf das verengte Regime zuschneidet und durch einen Standardwechsel kommt, ohne alles doppelt zu erheben.

Wer noch berichtet, und wann

Der Zeitplan teilt sich jetzt in zwei Populationen. First-Wave-Unternehmen, berichtspflichtig seit FY2024, berichten weiter, wobei der Quick-Fix-Rechtsakt die Erleichterungen auf Berichte ausdehnt, die 2026 und 2027 veröffentlicht werden: Alle First-Wave-Unternehmen dürfen die Angabe zu erwarteten finanziellen Effekten weglassen, und wer weniger als 750 Beschäftigte hat, darf zusätzlich Scope 3 und die gesamten THG-Emissionen, ESRS E4 zur Biodiversität und die sozialen Angaben S1–S4 weglassen. Diese Unternehmen migrieren dann für das FY2027-Reporting auf die überarbeiteten ESRS.

Alle anderen haben sich verschoben. Der Stop-the-Clock-Mechanismus verzögert die späteren Wellen um zwei Jahre; eine Umsetzungsübersicht verortet Wave-2-Unternehmen, die 2026 für FY2025 veröffentlicht hätten, bei einem ersten Bericht 2028 für FY2027. Kombiniert mit den höheren Schwellenwerten haben viele Unternehmen, die mitten im Aufbau steckten, den Anwendungsbereich komplett verlassen.

Der Planungsfehler, den wir immer wieder sehen: Teams, die Projektpläne aus der 2024er-Ära auf Autopilot abarbeiten. Vor jeder Tooling-Entscheidung sollte die eigene Position aus den geänderten Schwellenwerten und Daten neu abgeleitet werden. Ein Wave-2-Unternehmen, das im Anwendungsbereich bleibt, hat zwei Jahre gewonnen und sollte sie in Datenqualität investieren, nicht in das Durchpeitschen eines Berichts, den niemand einreichen wird. Ein Unternehmen außerhalb des Anwendungsbereichs sollte bewusst entscheiden, welche Teile der Pipeline sich für andere Abnehmer weiter lohnen.

Die Pipeline verkleinern, das Rückgrat behalten

Die überarbeiteten ESRS tragen ein deutlich schlankeres Datenmodell, und die Versuchung ist, zu feiern und die halbe Architektur zu löschen. Der bessere Zug: das strukturelle Rückgrat behalten und den Datenpunkt-Wildwuchs kappen. Das Designmuster, das den Übergang überlebt, hat fünf Schichten:

  • Ein Quellenregister für Einheiten, Standorte und Lieferanten, das festhält, wo jede Rohzahl entsteht und wem sie gehört. Diese Schicht ist scope-unabhängig und der Teil, der sich selbst dann lohnt, wenn die Berichtspflicht entfallen ist.
  • Ein Wesentlichkeits-Gate vor dem Offenlegungs-Mapping. Da die überarbeiteten Standards stärker auf Wesentlichkeit und Ermessen setzen, ist die Wesentlichkeitsanalyse jetzt der Hauptfilter dafür, was überhaupt erhoben wird. Sie gehört als explizites, versioniertes Artefakt in die Pipeline, nicht als PDF aus einem Workshop.
  • Eine ESRS-Taxonomieschicht, die jedes erhobene Element auf das Legacy-Set 1 und auf die überarbeiteten Standards mappt, mit Gültigkeitsdaten. Das macht Dual-State-Reporting über die FY2026/FY2027-Grenze hinweg möglich.
  • Ein Evidenz-Repository mit Quelldokumenten, Systemauszügen und Berechnungsmethodik je KPI, verlinkt aus jeder berichteten Zahl.
  • Eine Versionierungsschicht, die Definitionsänderungen, Schätzungsrevisionen und Restatements über die Zeit verfolgt.

Das Betriebsprinzip für 2026: kontrollierte Erhebung der überlebenden Datenpunkte mit hoher Konfidenz statt breiter Collect-everything-Programme, die Angaben füttern, die bald freiwillig werden oder verschwinden. Für multinationale Gruppen beseitigt der verengte Anwendungsbereich das Konsolidierungsproblem nicht; die im Scope verbleibenden Einheiten brauchen weiterhin konsistent hochgerollte Tochterdaten, die Identifier und Mappings auf Gruppenebene bleiben also tragend.

Wo KI-Drafting hingehört

Nichts im geänderten Rahmen verbietet KI-entworfene Angaben. Die Einschränkung ist struktureller Natur: Der Bericht muss die ESRS-Anforderungen an Inhalt, Wesentlichkeit und Nachweise erfüllen, und ein Prüfer wird Zahlen und Aussagen bis zu den Quellen zurückverfolgen. Das platziert KI naturgemäß auf der Entwurfs- und Strukturierungsseite der Linie. In der Praxis tragen diese Einsätze: strukturierte KPI-Outputs in narrative Entwürfe umwandeln, Formulierungen über Abschnitte hinweg angleichen, Konsistenz zwischen Aussagen, Kennzahlen und Policy-Statements prüfen sowie First-Pass-Querverweise und Tag-Vorschläge erzeugen.

KI bleibt aus dem finalen Sign-off draußen. Der Workflow braucht menschliches Review, Quellen-Nachvollziehbarkeit und Red-Flag-Checks vor jeder Veröffentlichung, denn prüfungsfähiges Reporting hängt an belastbaren Nachweisen, nicht an flüssigem Text. Die praktische Kontrolle ist ein KI-Trace-Log: welche Angaben maschinell entworfen wurden, welche Quelldaten sie gespeist haben und wer die finale Formulierung freigegeben hat. Es kostet wenig im Unterhalt und beantwortet exakt die Frage, die ein Prüfer stellen wird.

Bei der Assurance landen die Kosten tatsächlich

Der geänderte Rahmen justiert die Prüfungsanforderungen, aber das Reporting bleibt prüfungsrelevante Unternehmensberichterstattung, und hier werden Automatisierungsprogramme operativ gewonnen oder verloren. Ein Bericht, den man veröffentlichen kann, ist nicht dasselbe wie ein Bericht, den man verteidigen kann, und die Lücke dazwischen ist das Evidenzpaket: Quelldokumente und Auszüge, Berechnungsmethodik je KPI, die Unterlagen der Wesentlichkeitsanalyse, Änderungsprotokolle für Schätzungen und Restatements sowie Freigabenachweise des Managements.

Weil die überarbeiteten ESRS enger und stärker prinzipienbasiert sind, ist zu erwarten, dass sich die Prüfungsaufmerksamkeit vom Datenpunktvolumen dorthin verlagert, wie solide die Prozesse sind, wie Wesentlichkeitsurteile zustande kamen und ob jede Zahl sauber zur Quelle zurückführt. Das ändert, was man automatisiert. Die wertvolle Automatisierung ist nicht mehr das Formularausfüllen über Hunderte Datenpunkte; es sind Lineage-Erfassung, Evidenz-Verlinkung und Änderungsverfolgung, die unglamouröse Klempnerarbeit, die aus einem Review ein Nachschlagen statt einer Ausgrabung macht. Entsprechend budgetieren: Teams, die 80% ihres Aufwands in Erhebungs-UIs und 20% in Evidenz gesteckt haben, drehen dieses Verhältnis für FY2027 um, und nur wer die Taxonomie- und Versionierungsschichten früh gebaut hat, findet den Übergang langweilig. Genau das sollte ein gut geführter Übergang sein.

Häufige Fragen

Wir waren ein Wave-2-Unternehmen und sind jetzt aus dem Anwendungsbereich. Sollen wir das CSRD-Programm komplett einmotten?

Die Compliance-Deadline stilllegen, nicht zwingend die Datenfähigkeit. Zuerst die geänderten Schwellenwerte gegen die tatsächliche Beschäftigten- und Umsatzentwicklung prüfen, denn Wachstum kann zurück in den Anwendungsbereich führen. Dann klären, wer die Daten sonst noch braucht: Kreditgeber, Großkunden mit Lieferketten-Fragebögen und interne Dekarbonisierungsziele rechtfertigen oft eine verschlankte, weiterlaufende Pipeline. Was aufhören sollte, ist der Bau von Offenlegungs-Tooling gegen den alten Stufenzeitplan.

Können wir ESRS-Angaben mit KI entwerfen, ohne Assurance-Probleme zu schaffen?

Ja, wenn die KI entwirft und Menschen die Kontrollen verantworten. Die Angaben müssen die ESRS-Anforderungen an Inhalt, Wesentlichkeit und Nachweise erfüllen, egal wer den ersten Entwurf getippt hat. KI bleibt also auf narrativer Umwandlung, Konsistenzprüfung und Querverweisen, das Sign-off bleibt bei benannten Reviewern. Ein Trace-Log dokumentiert, welche Angaben maschinell entworfen wurden, aus welchen Quelldaten und wer die finale Formulierung freigegeben hat. Prüfer interessiert Nachvollziehbarkeit, nicht Autorschaft.

Wie sollte unser Datenmodell den Übergang von den aktuellen ESRS zu den überarbeiteten Standards handhaben?

Datenpunktdefinitionen ebenso versionieren wie Werte. Jedes erhobene Element sollte sowohl auf den Legacy-Set-1-Datenpunkt mappen als auch, wo vorhanden, auf seinen Nachfolger in den überarbeiteten ESRS, mit Gültigkeitszeitraum am Mapping. So läuft das FY2026-Reporting auf den alten Definitionen, während die FY2027-Vorbereitung aus denselben Erhebungen auf den neuen läuft, und die Vergleichbarkeit bleibt erhalten, wenn ein Datenpunkt umbenannt, zusammengelegt oder gestrichen wird, statt eine Neuerhebung zu erzwingen.

Arbeiten Sie an etwas Ähnlichem?

Erzählen Sie uns von Ihren Daten und dem Workflow drumherum, und Sie bekommen eine ehrliche Einschätzung.

30-minütiges Erstgespräch buchen