John Glasgow, Geschäftsführer, Finanzchef und Gründer von Campfire – Interviewreihe

John Glasgow ist Geschäftsführer, Finanzchef und Gründer von Campfire. Er bringt Erfahrung in den Bereichen Finanzen, Fusionen und Übernahmen im Technologiesektor sowie Unternehmensstrategie mit. Vor der Gründung des Unternehmens war er bei Adobe, Invoice2go und Bill.com tätig und half unter anderem dabei, die Übernahme von Invoice2go für 625 Millionen US-Dollar zu begleiten. Seine Arbeit in Finanzabteilungen prägte seinen Fokus darauf, tabellenabhängige Prozesse durch Buchhaltungssysteme zu ersetzen, die Transaktionsdetails erhalten und Automatisierung unterstützen.

Campfire entwickelt eine KI-native ERP-Plattform für Finanz- und Buchhaltungsteams, die Hauptbuch, Umsatzautomatisierung, Berichterstattung und Abschlussmanagement zusammenführt. Die Ember-Agenten arbeiten mit den zugrunde liegenden Buchhaltungsdaten und unterstützen Aufgaben wie den Kontenabgleich und die Kategorisierung von Transaktionen. Forecast unterscheidet unterdessen zwischen gebuchten Ist-Werten, zugesagten Beträgen und KI-generierten Schätzungen. In diesem Interview spricht Glasgow über die Architektur KI-nativer Buchhaltung, die Grenzen zwischen der Autonomie von Agenten und menschlicher Freigabe sowie darüber, wie Finanzteams bei zunehmender Automatisierung die Nachvollziehbarkeit sicherstellen können.

Ihre Laufbahn führte Sie durch die Finanzbranche, den Bereich Fusionen und Übernahmen im Technologiesektor sowie die Strategieabteilungen von Adobe, Invoice2go und Bill.com, bevor Sie Campfire gründeten. Was haben Sie in Finanzabteilungen immer wieder beobachtet, das Sie davon überzeugte, dass das zugrunde liegende ERP-System von Grund auf neu entwickelt werden musste, statt es lediglich um eine weitere Softwareschicht zu ergänzen?

Der Verkauf von Invoice2go an Bill.com für 625 Millionen US-Dollar führte mir das Problem unmittelbar vor Augen. Während der Due-Diligence-Prüfung bearbeitete ich mehr als 500 Anfragen anhand von Tabellen, weil unsere Umsatzbuchhaltung, SaaS-Berichterstattung und Konsolidierungen dort statt in einem System abgewickelt wurden. Ein Unternehmen dieser Größe erledigte wichtige Finanzaufgaben immer noch mithilfe von Tabellen.

Bei Bill, wo ich strategische Partnerschaften leitete und eng mit dem Finanzchef zusammenarbeitete, beobachtete ich dasselbe Problem bei den Kunden. Lohnabrechnung, Ausgabenmanagement sowie Kreditoren- und Debitorenbuchhaltung waren modernisiert worden, doch die Finanzteams mussten weiterhin auf ein ERP-System zurückgreifen, das für eine frühere Ära entwickelt worden war.

Das Problem liegt im Hauptbuch selbst. Ältere ERP-Systeme übernehmen zusammengefasste Buchungen aus Abrechnungs-, Zahlungs-, Lohnabrechnungs- und anderen Systemen. Deshalb sind die Transaktionsdetails bereits verloren, wenn die Daten das Hauptbuch erreichen. Eine weitere Softwareschicht kann fehlende Daten nicht ersetzen. Ich wollte ein Hauptbuch, das die Details bewahrt und die Arbeit selbst erledigen kann. Dafür musste das ERP-System von Grund auf neu entwickelt werden.

„KI-nativ“ wird zunehmend als Bezeichnung für Unternehmenssoftware verwendet. Was unterscheidet ein KI-natives ERP-System architektonisch grundlegend von einem herkömmlichen ERP-System, dem nachträglich ein großes Sprachmodell oder KI-Copilot hinzugefügt wird?

Der grundlegende Unterschied besteht darin, dass ein KI-natives ERP-System auf den Daten aufbaut, die KI-Workflows für ihre Aufgaben benötigen.

Ein Copilot kann nur lesen, was in einem älteren ERP-System gespeichert ist. Wenn das ERP-System statt Transaktionsdetails lediglich Monatssummen enthält, kann die KI zwar eine Zahl finden oder eine Erklärung entwerfen, aber Transaktionen nicht zuverlässig zuordnen, Konten abstimmen oder erklären, wie eine Buchung zustande kam. Campfire bewahrt alle Transaktionsdetails und verwaltet sowohl das Hauptbuch als auch die Nebenbücher. So erhalten die Ember-Agenten die Daten, die sie benötigen, um die Arbeit tatsächlich zu erledigen.

Ein weiterer Unterschied ist die Nachvollziehbarkeit. Jede Aktion eines Agenten ist mit den zugrunde liegenden Hauptbuchdaten verknüpft und kann vor ihrer Verbuchung überprüft werden.

Der dritte Unterschied liegt im Modell selbst: Campfires Accounting Intelligence wird mit Buchhaltungsdaten trainiert und schreibt Code zur Ausführung von Finanzaufgaben. Dadurch lassen sich die Ergebnisse reproduzieren. So können die Agenten handeln, statt lediglich Vorschläge zu machen.

Campfire hat vor Kurzem Forecast eingeführt. Die Anwendung unterteilt den laufenden Monat in Ist-Werte, zugesagte Beträge und KI-Schätzungen, anstatt die KI den gesamten Zeitraum vorhersagen zu lassen. Warum haben Sie Forecast so konzipiert, und wo ist KI Ihrer Ansicht nach bei der Finanzplanung tatsächlich nützlich – und in welchen Bereichen sollten deterministische Buchhaltungsdaten maßgeblich bleiben?

Als Finanzchef frage ich mindestens fünf Tage vor Monatsende, wo der Monat voraussichtlich abschließen wird. Zu diesem Zeitpunkt ist bereits vieles bekannt. Die KI den gesamten Zeitraum vorhersagen zu lassen, würde also bekannte Zahlen durch Vermutungen ersetzen. Deshalb unterteilt Forecast den Monat in drei Bereiche:

Ist-Werte: Was bereits im Hauptbuch verbucht wurde.

Zugesagte Beträge: Bekannte künftige Beträge aus Verträgen, Rechnungen, Vermögenswerten und Leasingverträgen, die noch nicht verbucht wurden.

Schätzungen: Die Prognose von Ember für den tatsächlich noch unbekannten Teil, basierend auf der Unternehmenshistorie und saisonalen Mustern.

Genau hier sollte KI meiner Ansicht nach bei der Prognose zum Einsatz kommen: bei dem Teil, der noch nicht bekannt sein kann. Für alles, was bereits feststeht, sollten deterministische Buchhaltungsdaten maßgeblich sein. Werden beides miteinander vermischt, lassen sich Fakten und Schätzungen schwerer auseinanderhalten. Dann ist auch unklar, für welche Zahlen man einstehen kann, wenn man die Prognose dem Vorstand vorlegt.

Wenn mich jemand fragt, wie ich auf eine Zahl gekommen bin, kann ich sie aufrufen und ihre Bestandteile aufschlüsseln: Ist-Werte, zugesagte Beträge und Schätzungen sowie die Annahmen von Ember. Forecast dient als Entscheidungshilfe; nichts, was Forecast erzeugt, wird automatisch im Hauptbuch verbucht. Die Anwendung gibt dem Finanzteam jedoch rechtzeitig einen Hinweis darauf, wohin sich der Monat entwickelt, sodass es vor Monatsende Geschäftsentscheidungen treffen kann.

Mit Forecast kann Ember den noch unbekannten Teil des Monats anhand historischer Trends und saisonaler Muster schätzen und zugleich die Annahmen hinter diesen Schätzungen erläutern. Wie gehen Sie mit Situationen um, in denen historische Muster plötzlich nicht mehr aussagekräftig sind, etwa bei raschem Wachstum, dem Verlust eines Großkunden, einer Übernahme oder einem anderen ungewöhnlichen Ereignis?

Gerade in solchen Monaten benötigen CFOs am dringendsten eine Prognose. Deshalb ist sie in verschiedene Ebenen unterteilt. Nur der geschätzte Teil von Forecast stützt sich auf historische Trends und saisonale Muster. Die bereits feststehende Ebene ergibt sich aus Verträgen, Rechnungen, Vermögenswerten und Leasingverträgen, die schon im Hauptbuch von Campfire erfasst sind. Eine Übernahme, der Verlust eines Kunden oder rasches Wachstum ändern daher nichts an dem, was bereits bekannt ist.

Wenn sich das Muster tatsächlich ändert, weiß das Finanzteam in der Regel schon vor den Daten, warum das so ist, und kann den nötigen Kontext liefern. Es kann eine Notiz zu den Änderungen hinzufügen, etwa einen Personalplan anhängen oder über unsere MCP-Integration eine Quelle wie ein CRM- oder HRIS-System anbinden. Ember nutzt diesen Kontext, um den noch unbekannten Teil neu zu schätzen.

Zu jeder Schätzung gehört außerdem eine ein Satz lange Erläuterung der zugrunde liegenden Annahmen. Wenn ich die Prognose vorstelle, kann ich also zeigen, was Tatsache ist, was bereits feststeht und was prognostiziert wird.

Campfire hat ein eigenes großes Rechnungslegungsmodell (Large Accounting Model, LAM) entwickelt, statt sich vollständig auf Allzweckmodelle zu verlassen. Was haben Sie über die Grenzen allgemeiner KI-Modelle in der Buchhaltung gelernt, und was muss ein spezialisiertes Modell verstehen, das einem herkömmlichen LLM typischerweise fehlt?

In der Buchhaltung braucht man reproduzierbare statt lediglich plausibel klingender Antworten. Allgemeine Modelle können gut Texte erzeugen, haben aber mitunter Schwierigkeiten mit numerischen Schlussfolgerungen und der buchhalterischen Klassifizierung, bei denen dieselben Eingaben jedes Mal zum selben Ergebnis führen müssen.

Statt ein Modell direkt mit Finanzdaten Schlussfolgerungen ziehen zu lassen, lassen wir es SQL oder Python schreiben, um die Arbeit auszuführen. Code liefert reproduzierbare Ergebnisse. Das ist für Prüfungen wichtig und ermöglicht es Unternehmen, Abläufe zu automatisieren, ohne dass eine Person jedes identische Ergebnis genehmigen muss.

Unsere Accounting Intelligence wird mit Buchhaltungsdaten trainiert und versteht unter anderem den Aufbau eines Kontenplans, typische Lieferantenmuster und die Merkmale einer sauber geführten Buchhaltung. Außerdem lernt sie aus der Transaktionshistorie jedes Kunden. Die Genauigkeit hängt ebenso sehr vom System rund um das Modell ab wie vom Modell selbst.

Finanzteams haben eine außergewöhnlich geringe Toleranz für KI-Fehler. Wenn Agenten Abstimmungen vornehmen, Transaktionen kategorisieren, Buchungen vorbereiten und mit dem Hauptbuch interagieren, wo sollte die Grenze zwischen autonomer Ausführung und menschlicher Freigabe liegen?

Die Grenze sollte davon abhängen, ob sich eine Aktion überprüfen lässt. Ist eine Buchung reproduzierbar und auf die zugrunde liegenden Hauptbuchdaten zurückzuführen, sollte eine Person nicht jeden einzelnen Fall genehmigen müssen. Lässt sie sich nicht erklären oder reproduzieren, sollte sie vor der Verbuchung von einer Person geprüft werden.

So haben wir Ember entwickelt. Jede Aktion eines Agenten wird protokolliert, auf die zugrunde liegenden Hauptbuchdaten zurückgeführt und kann überprüft werden. Teams legen Konfidenzschwellen fest, die bestimmen, was Ember autonom erledigt und was einer Person vorgelegt wird. Wenn die Ergebnisse Vertrauen schaffen, können sie den autonomen Handlungsspielraum erweitern.

Die Entscheidungshoheit bleibt beim Menschen. Buchhalterinnen und Buchhalter bestimmen, wie viel Ember übernehmen soll, prüfen Sonderfälle und erklären, warum sich Zahlen verändert haben. Die Agenten übernehmen die wiederkehrenden Abgleichs-, Zuordnungs- und Abstimmungsarbeiten. TwelveLabs ist ein gutes Beispiel: Drei Buchhalterinnen und Buchhalter für die USA und Korea halbierten dort die Dauer des Monatsabschlusses und sparten mehr als 300.000 US-Dollar.

Campfire hat außerdem einen MCP-Marktplatz eingeführt, über den Ember mit externen Systemen wie Zahlungs-, CRM-, Beschaffungs- und HR-Plattformen interagieren kann. Sehen Sie die Rolle von ERP-Systemen langfristig weniger als passive Datenquelle und stärker als Orchestrierungsebene, auf der KI-Agenten im gesamten Finanzbereich arbeiten können?

Ja, solange das Hauptbuch das führende System bleibt. Früher erfasste das ERP-System Arbeiten, die an anderer Stelle erledigt wurden. Deshalb finden sich die meisten Antworten außerhalb des Hauptbuchs: eine Vertragsverlängerung im CRM, eine Neueinstellung im HRIS oder eine Bestellung im Beschaffungssystem. Wenn Agenten die Arbeit übernehmen sollen, brauchen sie auch diesen Kontext. Daher muss das ERP-System direkt mit diesen Systemen verbunden sein.

Finanzteams erstellen seit Jahren auf diese Weise Prognosen und übernehmen dafür die Vertriebspipeline aus dem CRM sowie die Personalplanung aus dem HRIS. Mit Forecast erledigt Ember das, sobald ein Team diese Systeme angebunden hat. Das Hauptbuch bleibt dabei die verlässliche Quelle für alle bereits bekannten Informationen. Es bleibt die maßgebliche Datenquelle, während Agenten über die daran angeschlossenen Systeme hinweg arbeiten können.

Sie haben einen besonders interessanten Blick auf die Wirtschaftlichkeit von KI, weil Sie sowohl CEO als auch CFO eines KI-Unternehmens sind, das Finanzteams unterstützt. Wie beobachten Sie derzeit die Budgetplanung von Unternehmen für KI, und erwarten Sie, dass sich die Preise für Unternehmens-KI von nutzerbasierten Abonnements hin zu nutzungsabhängigen, ergebnisbasierten oder anderen Modellen entwickeln?

Wir beobachten, dass sich die Budgets von festen, nutzerbasierten Ausgaben hin zu variablen KI-Nutzungskosten verlagern. Viele Finanzteams sind darauf jedoch noch nicht eingestellt. Wenn Agenten Aufgaben übernehmen, die zuvor Menschen erledigt haben, benötigen Unternehmen möglicherweise weniger menschliche Nutzerlizenzen, während ihre KI-Nutzung zunimmt. Anbieter schlagen außerdem nutzungsbasierte Kontingente und Mehrverbrauchskosten auf die Lizenzgebühren auf. Deshalb müssen Finanzteams die möglichen Nutzungskosten kalkulieren, bevor sie einen Vertrag abschließen.

Ich gehe davon aus, dass hybride Modelle häufiger werden als reine erfolgsbasierte Preismodelle. Der CFO in mir möchte eine planbare Grundgebühr, und der CEO in mir braucht eine Preisgestaltung, die den tatsächlichen Nutzungsumfang widerspiegelt.

Campfire nahm in einer Series-A-Finanzierungsrunde 35 Millionen Dollar auf. Nur wenige Wochen später folgte eine Series B über 65 Millionen Dollar. Was hat sich in dieser Zeit am Markt oder bei der Kundennachfrage verändert, sodass Sie beschlossen haben, das Unternehmen so aggressiv mit Kapital auszustatten, und wo sehen Sie die größten Chancen, mit diesem Kapital die Produktentwicklung voranzutreiben?

Schon vor der Series A war die Nachfrage groß, doch unmittelbar nach deren Abschluss nahm die Resonanz noch einmal deutlich zu. Unternehmen meldeten sich für Produktvorführungen, viele davon hatten Campfire zuvor noch nicht genutzt, und es wurde klar, dass die Nachfrage unsere Erwartungen übertraf.

Das bot uns die Möglichkeit, stärker in die Bedienung dieser Nachfrage zu investieren – insbesondere, als Unternehmen zunehmend bereit waren, von veralteten Plattformen wie NetSuite und Sage Intacct zu wechseln. Kunden wie Replit zeigen, warum: Das Unternehmen steigerte seinen jährlich wiederkehrenden Umsatz von 10 Millionen auf über 200 Millionen Dollar, ohne sein vierköpfiges Buchhaltungsteam zu vergrößern, und verkürzte den Umsatzabschluss von acht Stunden auf 30 Minuten.

Wir nahmen in unserer Series A unter der Leitung von Accel 35 Millionen Dollar auf. Darauf folgte eine Series B über 65 Millionen Dollar, die Accel und Ribbit gemeinsam anführten. Damit belief sich die Gesamtsumme innerhalb von 12 Wochen auf 100 Millionen Dollar. Wir haben das Kapital eingesetzt, um mit der Nachfrage Schritt zu halten, und unser Team von 10 auf mehr als 150 Personen an den Standorten San Francisco, New York und London vergrößert.

KI-native Buchhaltung hat sich rasch zu einer umkämpften Kategorie entwickelt: Unternehmen wie Campfire und Rillet fordern etablierte Plattformen wie QuickBooks, NetSuite und Sage Intacct heraus. Wenn wir fünf Jahre in die Zukunft blicken: Welche Bereiche der Buchhaltung und der ERP-Systeme werden KI-Agenten Ihrer Einschätzung nach nahezu vollständig übernehmen, und welche Aufgaben werden fest in der Hand von Finanzfachleuten bleiben?

Ich gehe davon aus, dass Agenten den Großteil der Routineaufgaben übernehmen werden: Transaktionen Zahlungen zuordnen, Transaktionen kategorisieren, Konten abstimmen, Abgrenzungen vornehmen sowie die mechanischen Teile des Abschlusses und der Berichterstattung erledigen. Das sind repetitive, regelbasierte Aufgaben, die Software erlernen kann.

Was den Menschen vorbehalten bleibt, sind Urteilsvermögen und Verantwortung. Buchhalterinnen und Buchhalter werden entscheiden, wie viel die Agenten autonom erledigen dürfen, Ausnahmen prüfen, erklären, warum sich die Zahlen verändert haben, und das Unternehmen dazu beraten, was als Nächstes zu tun ist. Jemand muss weiterhin für die Bücher Rechenschaft ablegen.

Mit der Zeit wird „KI-nativ“ bei Finanzsoftware zur grundlegenden Erwartung werden. Entscheidend wird sein, ob Finanzteams dem System ihr Hauptbuch anvertrauen und genau nachvollziehen können, wie es zu seinen Schlussfolgerungen gelangt. Diese Anforderungen wollten wir mit Campfire erfüllen. Bereits mehr als 400 Unternehmen, darunter Cursor, Clay, Polymarket und PostHog, führen ihre Bücher damit.

Vielen Dank für das großartige Interview. Leserinnen und Leser, die mehr über KI-native Buchhaltung und Unternehmensressourcenplanung erfahren möchten, sollten Campfire besuchen.