Wie Sie die Genauigkeit Ihrer Liquiditätsplanung durch KI verbessern

Ihre Liquiditätsplanung belügt Sie. Nicht absichtlich, aber sie ist falsch – wahrscheinlich sogar sehr falsch. Excel-Tabellen vermitteln Ihnen ein falsches Gefühl von Kontrolle, aber die Zahlen lügen. Sie übersehen veränderte Ausgaben, verspätete Zahlungen und versagen, sobald die Realität von den Annahmen des Vormonats abweicht. In dem Moment, in dem die Risse sichtbar werden, sind Sie bereits in Schwierigkeiten – Sie stopfen Löcher, jagen Barmitteln hinterher und treffen verzweifelte Entscheidungen.

Unsere Experten

Hubert Rappold

Hubert Rappold ist Senior Treasury Expert bei Nomentia und bringt seine über 20-jährige Erfahrung in die Betreuung der Treasury-Bedürfnisse und -Herausforderungen von Nomentias Kunden in den Bereichen Zahlungsverkehr, Cash Visibility und Liquiditätsplanung ein. 

Johannes Pöschl

Johannes Pöschl ist Senior Data Scientist bei Nomentia und auf Predictive Analytics und KI-gesteuerte Lösungen für die Liquiditätsplanung spezialisiert.  

Warum „mehr oder weniger“ bei der Liquiditätsplanung nicht reicht 

A cash flow forecast that’s even slightly off can send your business into a tailspin. As Hubert Rappold puts it: “Small deviations in cash flow forecasts can lead to big financial risks.” Underestimate expenses, and you’re suddenly short on cash when payroll hits. Overestimate revenue, and you’re making spending decisions based on money that isn’t actually there. "Basing your decision on a forecast that is substantially off; you might end up making decisions based on inaccurate data—like borrowing unnecessarily or mismanaging liquidity.” The further your forecast drifts from reality, the riskier every financial move becomes. And in a world where margins are tight, customers pay late and surprises lurk around every corner; imprecise forecasting isn't just an inconvenience but a liability.

Warum sind traditionelle Prognosen nicht mehr zeitgemäß? 

Die meisten Unternehmen, ob groß oder klein, verlassen sich immer noch auf veraltete Tools und Methoden, die nicht für die aktuelle Finanzlandschaft entwickelt wurden. Hier sind die Gründe, warum diese heutzutage scheitern:

• Excel ist statisch – Tabellen aktualisieren sich nicht von selbst. Jede Prognose basiert auf manuellen Eingaben, das heißt, Fehler, Auslassungen und veraltete Daten häufen sich schnell an.

• Annahmen veralten schnell – Traditionelle Modelle stützen sich zu sehr auf Daten aus der Vergangenheit und ignorieren Echtzeit-Veränderungen wie verspätete Zahlungen, wirtschaftliche Veränderungen oder unerwartete Ausgaben.
• Sie kosten Zeit – Die manuelle Erstellung von Prognosen verschlingt Stunden (oder Tage), und bis man fertig ist, sind die Zahlen möglicherweise bereits veraltet.
• Menschliche Fehler sind vorprogrammiert – Selbst die besten Finanzteams machen Fehler. Eine falsche Formel oder eine fehlende Rechnung kann alles durcheinanderbringen.
• Keine Echtzeit-Anpassungen – Eine einzige unerwartete Ausgabe oder eine verspätete Zahlung kann eine Prognose unbrauchbar machen, aber Excel wird das Problem nicht bemerken, bis es zu spät ist.
• Daten liegen in Silos vor – Bankkonten, Rechnungen und ERPs enthalten alle wichtige Puzzleteile, aber sie manuell zusammenzuführen ist langsam, mühsam und fehleranfällig.
• Abhängigkeit von Schlüsselpersonen: Viele Unternehmen vertrauen auf eine Person, die „die Tabellenkalkulation kennt“. Wenn diese das Unternehmen verlässt, krank wird oder einen Fehler macht, kann das gesamte System zusammenbrechen.

Eines ist klar: Treasurerinnen und Finanzmanager gehören zu den fähigsten Problemlösern in jedem Unternehmen. Sie wissen, wie sie ihre Prognosen verfeinern, Datenchaos beseitigen und Excel dazu bringen, das zu tun, was sie brauchen. Aber die Zeit ist begrenzt und die Erwartungen steigen ständig. Die Forderung nach sofortiger, aktueller Liquiditätstransparenz heißt, dass sie nur begrenzte Möglichkeiten haben, egal wie qualifiziert sie sind.

„Excel-basierte Vorhersagen funktionierten einwandfrei, als das Geschäftsumfeld noch vorhersehbarer war“, erklärt Johannes Pöschl. „Aber heute werden die Cashflows von einer Vielzahl von Faktoren beeinflusst – Saisonalität, wirtschaftliche Veränderungen, sogar das Verhalten der Lieferanten. Statische Tabellenkalkulationen können mit dieser Komplexität einfach nicht mithalten.“

Und hier liegt die eigentliche Gefahr: Viele Vorhersagen hängen vollständig von der Person ab, die sie erstellt hat. Wenn dieser Experte nicht verfügbar ist – sei es, weil er das Unternehmen verlässt, Urlaub macht oder einfach überlastet ist –, weiß niemand genau, wie seine Formeln und Modelle funktionieren. Das ist eine erschreckende Aussicht für jedes Unternehmen, das auf genaue Liquiditätsprognosen angewiesen ist.

Hier kommt die KI-gesteuerte Automatisierung ins Spiel. Anstelle eines anfälligen, von Menschen abhängigen Systems erhalten Unternehmen eine dynamische, sich ständig aktualisierende Vorhersage, die sich in Echtzeit anpasst. Sie ersetzt nicht das Finanzteam, sondern verleiht ihm Superkräfte.

Wie kann KI die Genauigkeit von Liquiditätsprognosen verbessern? 

Für viele ist die Liquiditätsplanung ein reaktives Unterfangen. Kein Wunder, wenn die traditionelle Planung auf statischen Modellen und Best-Guess-Annahmen beruht. Durch die Implementierung von KI in Ihre Planung können Sie über statische Formeln und veraltete Annahmen hinausgehen. Für viele ist die Liquiditätsplanung ein reaktiver Prozess. Kein Wunder, denn die traditionelle Planung basiert auf statischen Modellen und Annahmen. Durch den Einsatz von KI in Ihrer Planung können Sie statische Formeln und veraltete Annahmen überwinden. Sie automatisieren nicht nur Ihre Planung, sondern machen sie auch intelligenter, erkennen verborgene Muster und verfeinern die Prognosen kontinuierlich.   
„KI-Prognosen können zu objektiveren Vorhersagen führen und die Auswirkungen von regionalen Verzerrungen durch zu optimistische Vorhersagen überwinden“, sagt Johannes. „Sie können zudem auch zusätzliche Einflussfaktoren wie Ressourcenpreise einbeziehen und deren Auswirkungen auf die Lieferantenpreise abschätzen, die traditionelle Planungen möglicherweise übersehen.“

Hubert fügt hinzu: „Künstliche Intelligenz kann Transaktionen auf Kontoauszügen automatisch klassifizieren und Finanzteams genau aufzeigen, woher Cashflow-Diskrepanzen kommen - verspätete Kundenzahlungen, unerwartete Lieferantenkosten oder saisonale Trends. Diese Art von Einblick ist von unschätzbarem Wert."

Hier sehen Sie, wie KI-gestützte Planungen im Vergleich zu herkömmlichen Methoden abschneidet:

Use Cases für KI-gestützte Vorhersagen 

„Nehmen wir etwas so Einfaches wie Feiertage“, sagt Johannes. „Sie wirken sich je nach Branche und Land unterschiedlich auf den Cashflow aus, und KI kann diese Effekte automatisch modellieren. Mit der Zeit verfeinert sich das System selbst und macht die Vorhersagen noch genauer.“

Hubert nennt ein weiteres Beispiel: „KI kann das Zahlungsverhalten von Kunden in der Vergangenheit analysieren, um die erwarteten Fälligkeitstermine zu verfeinern. Aber selbst eine einfache Logik – wie zum Beispiel die Anwendung von DSO-Kennzahlen (Days Sales Outstanding) – kann die Genauigkeit erheblich verbessern, insbesondere bei kurzfristigen Prognosen.“

Hier sind einige weitere konkrete Beispiele, wie KI zu mehr Genauigkeit führt:

• Mustererkennung zur Aufdeckung verspäteter Lieferantenzahlungen: Ein Hersteller von Industrieanlagen hatte im vierten Quartal immer wieder mit unerwarteten Liquiditätsengpässen zu kämpfen. Der Schuldige? Tochtergesellschaften in Asien bezahlten Lieferanten konsequent 15 bis 20 Tage zu spät, doch mit der traditionellen Planungsmethode wurde dieses Muster übersehen. Das Ergebnis: eine Lücke von 10 Millionen Euro, die durch Kredite zu 5 % Zinsen gedeckt wurde – eine Verschwendung von 125.000 Euro pro Quartal. Die KI-gestützten Vorhersage erkannten die wiederkehrenden Verzögerungen, sodass die Finanzabteilung die Planung anpassen und Kreditlinien frühzeitig sichern konnte. Dadurch konnten ganze 500.000 Euro pro Jahr eingespart werden.
• Multivariable Analyse zur Vermeidung kostspieliger Währungseinbrüche: Ein in Südamerika tätiger Modehändler verlor über Nacht 1 Million Euro, als der argentinische Peso abstürzte. Reaktive, traditionelle Prognosen hätten die wirtschaftlichen Warnsignale übersehen und die Finanzabteilung unvorbereitet gelassen. Durch den Einsatz KI-gestützter Vorhersagen zur Berücksichtigung der steigenden Inflation und der Zentralbankpolitik konnte die Finanzabteilung auf die Warnung reagieren und 80 % des Risikos im Voraus absichern, wodurch die Devisenverluste um 800.000 Euro gesenkt wurden und das Geld im Unternehmen blieb.
• Marktstimmungsanalyse, um einen Nachfragerückgang frühzeitig zu erkennen: Ein Automobilzulieferer wurde von einem Rückgang der Automobilproduktion in den USA und Großbritannien überrascht. Hätte man sich auf traditionelle Prognosen verlassen, wären die Warnsignale übersehen worden, und das Unternehmen hätte einen Überbestand im Wert von 30 Millionen Euro gehabt – mit Lagerkosten von 3 Millionen Euro pro Jahr. Möglicherweise hätte die richtige Person zur richtigen Zeit den Nachfragerückgang erkannt und entsprechend reagiert, aber diese Person war nicht verfügbar. Dank KI-Unterstützung konnte die Finanzabteilung jedoch einen Rückgang der Autoverkäufe drei Monate im Voraus erkennen. Da die Finanzabteilung frühzeitig handelte, konnte sie den Lageraufbau reduzieren und Lager- und Notfinanzierungskosten in Höhe von 1,4 Millionen Euro vermeiden.

Das Dilemma des Treasurers

Jeden Morgen öffnete der Treasurer eines weltweit tätigen Unternehmens dieselbe riesige Excel-Datei - ein Wirrwarr aus Formeln, manuellen Eingaben und verknüpften Tabellen, die irgendwie den Schlüssel zum Cashflow des Unternehmens enthielten. Sie auf dem neuesten Stand zu halten, war ein Vollzeitjob. Die Daten flossen aus den Niederlassungen in verschiedenen Zeitzonen ein, die Bankkonten waren über mehrere Institute verteilt, und die Annahmen mussten ständig angepasst werden. Prognosen sollten Klarheit schaffen, glichen aber einem Ratespiel mit hohem Einsatz.

Die Anforderungen des Managements stiegen: Mehr Genauigkeit. Mehr Transparenz in Echtzeit. Mehr Risikomanagement. Aber womit? Der Treasurer hatte Excel bereits an seine Grenzen gebracht und ein kompliziertes System aufgebaut, das nur er wirklich verstand. Wenn der CFO Antworten brauchte, lieferte er sie - aber nicht ohne lange Nächte, unzählige E-Mails auf der Suche nach fehlenden Zahlen und die nagende Angst, dass ein kleiner Fehler alles zum Scheitern bringen könnte.

Dan begannen die Gespräche übe KI-gestützte Liquiditätsplanung.

Es klang vielversprechend - Automatisierung, Datenanalyse in Echtzeit, bessere Prognosen. Aber es gab auch eine unausgesprochene Sorge: Was ist, wenn sie mich ersetzt? Was, wenn all meine Expertise, mein hart erarbeitetes Wissen durch Software ersetzt wird?

Und doch war die größte Angst nicht die KI. Es war das hier: Dieser endlose Kreislauf aus manueller Arbeit, verzweifelten Korrekturen und der Hoffnung, dass die Zahlen nicht falsch sind, wenn das Management nach Erkenntnissen fragt - denn wenn sie es sind, stand sein Name auf dem Spiel. Schlimmer noch, wenn er sich eines Tages zurückziehen würden, wer wüsste dann, wie man dieses Monster am Laufen hält?

Da kam die eigentliche Frage auf: Was ist das größere Risiko – KI einzuführen oder so weiterzumachen wie bisher? Stundenlang Tabellen zu hüten?

Die Realität schlug zu. Also wurde gerechnet. Schon eine geringe Steigerung der Prognosegenauigkeit würde die Kreditaufnahme für Notfälle reduzieren und mehr als genug einsparen, um die Investition in eine Software zu rechtfertigen. Der Business Case war klar. Es war an der Zeit, die Tabellenkalkulationen zu vernichten, bevor die Tabellenkalkulation ihn auslöschen würden.

„Viele Treasurer befürchten, dass KI sie ersetzen wird“, sagt Johannes. „Aber in Wirklichkeit ist KI nur ein Werkzeug - sie liefert Prognosen, aber Treasurer bringen immer noch das Fachwissen mit, um sie zu validieren und zu interpretieren. Die erfolgreichsten Teams nutzen KI, um mühsame manuelle Arbeit zu eliminieren und sich auf die Strategie zu konzentrieren.“

Hubert stimmt zu: „Wenn man KI-gestützte Prognosen richtig einsetzt, verbessert man nicht nur die Genauigkeit, sondern macht sich auch das Leben leichter. Treasurer erhalten sofortiges Feedback, können frühere Prognosen mit den tatsächlichen Ergebnissen vergleichen und ihren Ansatz im Laufe der Zeit verfeinern. Es geht nicht darum, sie zu ersetzen, sondern ihnen bessere Werkzeuge an die Hand zu geben."

Fazit: Vorhersage oder Vermutung?

Sie würden ein Unternehmen nicht allein auf der Grundlage von Bauchgefühlen leiten – warum also Vermutungen bei der Liquiditätsplanung akzeptieren? KI ist keine Zauberformel, aber sie macht den Unterschied zwischen fundierten Entscheidungen und finanziellen Blindstellen aus. Das eigentliche Risiko ist nicht die KI – es ist das Festhalten an Tabellenkalkulationen, während sich die Welt weiterentwickelt.