Wenn ich mit Treasury-Teams über Cashflow-Prognosen spreche, kommt schnell dieselbe Frage auf: Woher wissen wir, ob unsere Prognose verlässlich genug ist?
Ein Blick auf die Genauigkeit des vergangenen Monats ist hilfreich. Nur müssen die Entscheidungen für den kommenden Monat getroffen werden, bevor wir dessen tatsächliche Zahlungsströme kennen.
Deshalb halte ich eine zweite Perspektive für so wertvoll. Keine weitere manuelle Meldung und keine zusätzliche Variante derselben Annahmen, sondern eine Prognose, die auf historischen Cashflow-Mustern beruht.
Die Planung der Fachbereiche und die KI-Prognose berücksichtigen unterschiedliche Informationen
Die Prognose einer Tochtergesellschaft oder des zentralen Treasury enthält Wissen über das Geschäft. Dazu gehören etwa eine verspätete Kundenzahlung, eine geplante Übernahme, ein Steuertermin oder eine Investition, für die es in den historischen Daten noch kein Beispiel gibt.
Nomentia Predictive Forecasting betrachtet eine andere Informationsquelle: die tatsächlich eingetretenen Cashflows. Die Lösung untersucht ihre Muster und kann Entwicklungen sichtbar machen, die in der manuellen Planung bislang nicht berücksichtigt werden.
Wenn Treasury beide Sichtweisen nebeneinanderlegt, wird die Diskussion über die künftige Liquidität fundierter.
Eine Abweichung ist ein Hinweis, dem wir nachgehen sollten
Wenn beide Prognosen nahe beieinanderliegen, ist das hilfreich. Treasury hat dann einen unabhängigen Anhaltspunkt dafür, dass die erwartete Entwicklung plausibel ist.
Weichen sie deutlich voneinander ab, sehe ich darin zunächst eine Frage und keinen Beweis dafür, dass das Modell versagt.
Was weiß der Fachbereich, das aus den historischen Daten nicht hervorgeht? Oder welcher wiederkehrende Verlauf wurde in der manuellen Prognose bisher übersehen?
Solche Fragen sollte Treasury klären, bevor es auf Basis der Prognose über Finanzierung oder Geldanlage entscheidet.
Einen großen Teil der statistischen Arbeit können wir automatisieren
Früher brachte die Entwicklung statistischer Cashflow-Modelle zusätzlichen Pflegeaufwand mit sich. Jemand musste die Methode auswählen, anpassen, saisonale Muster erkennen und beurteilen, ob das Verfahren nach einer Veränderung der Cashflows weiterhin geeignet war.
Nomentia Predictive Forecasting kann unterschiedliche statistische Verfahren und Machine-Learning-Ansätze vergleichen und für jede Zeitreihe das leistungsfähigste Modell auswählen.
Damit braucht Treasury kein eigenes Data-Science-Team, um eine unabhängige statistische Prognose als Vergleichsmaßstab zu nutzen.
Das System sollte auch zeigen, wenn die Datenhistorie nicht ausreicht
Ich möchte nicht, dass jede KI-generierte Prognose dieselbe Sicherheit vermittelt.
Manche Cashflows folgen regelmäßigen Mustern, andere lassen sich nur schwer vorhersagen. Eine einmalige Transaktion wird nicht allein dadurch vorhersehbar, dass wir sie mit KI analysieren.
Deshalb sind Angaben zur Prognostizierbarkeit, Datenqualität und Prognosegenauigkeit mindestens ebenso wichtig wie der prognostizierte Wert selbst. Sie zeigen, wo dem Modell eine belastbare Historie zugrunde liegt und wo das fachliche Urteil den Ausschlag geben sollte.
Bei stabilen Cashflows kann die KI mehr leisten als einen Vergleich
Es gibt Fälle, in denen Treasury eine vollständige manuelle Planung nur deshalb fortführt, weil der Prozess schon immer so organisiert war.
Wenn ein Cashflow sehr regelmäßig ist und die KI-generierte Prognose dauerhaft gute Ergebnisse liefert, kann der Kunde entscheiden, die Prognosewerte direkt zu übernehmen. In einzelnen Bereichen lässt sich dadurch die separate Meldung der Tochtergesellschaft reduzieren oder ganz ersetzen.
Hier wird der mögliche Zeitgewinn besonders greifbar.
Manuelle Arbeit würde ich dort einsetzen, wo das Geschäftswissen die Prognose verändert
Treasury-Teams sind meist klein. Es ist wenig sinnvoll, von jeder Gesellschaft für jeden Cashflow denselben Planungsaufwand zu verlangen.
Manuelle Eingaben würde ich vor allem dort einsetzen, wo Mitarbeitende Informationen haben, die in der Historie fehlen: größere geplante Investitionen, außergewöhnliche Zahlungseingänge, Finanzierungsvorhaben oder andere bevorstehende Veränderungen.
Bei stabilen, wiederkehrenden Zahlungsströmen kann die statistische Prognose mehr Arbeit übernehmen.
Auch die vielen kleineren Gesellschaften gehören in den Blick
Viele Konzern-Treasuries verfügen für ihre größten Tochtergesellschaften über gute Prognosen. Für kleinere Gesellschaften ist der Ausblick dagegen oft deutlich eingeschränkt.
Das ist nachvollziehbar: Der Aufwand für das Einsammeln manueller Planwerte lässt sich nicht unbegrenzt ausweiten.
Eine Prognose auf Grundlage historischer Daten ermöglicht es Treasury, auch kleinere Gesellschaften oder zusätzliche Cashflow-Kategorien abzudecken, ohne für jede davon einen eigenen lokalen Planungsprozess einzuführen.
Der Planungshorizont kann über die manuelle Prognose hinausreichen
Häufig ist die manuelle Planung für die nahe Zukunft am aussagekräftigsten. Je weiter der Zeithorizont reicht, desto weniger detailliert werden die Angaben.
Eine KI-generierte Prognose kann – sofern die historischen Daten dafür geeignet sind – eine kurz-, mittel- und längerfristige Sicht bereitstellen. Treasury erhält damit zusätzliche Anhaltspunkte, wenn die detaillierte Planung aus den Fachbereichen nicht weit genug reicht.
Je weiter wir in die Zukunft blicken, desto wichtiger ist die Einordnung: Wir betrachten eine statistisch abgeleitete Erwartung, keine Zusage für den tatsächlichen Verlauf.
Ein guter Prognoseprozess nutzt mehrere Perspektiven ganz bewusst
Ich glaube nicht, dass künftig ein System die eine offizielle Cashflow-Prognose erstellt, die alle anderen ungeprüft übernehmen.
Sinnvoller finde ich einen vergleichenden Ansatz: Treasury betrachtet die Planung aus dem Unternehmen, die KI-generierte Prognose und später die Ist-Werte. Das Team entscheidet, wo die KI-Prognose belastbar genug für den direkten Einsatz ist und wo Informationen aus den Fachbereichen unverzichtbar bleiben.
So lässt sich der Planungsprozess besser auf unterschiedliche Cashflows ausrichten. Gleichzeitig gewinnt Treasury eine fundiertere Grundlage, um dem CFO die erwartete Liquiditätsentwicklung zu erläutern.