Floemdata
KI

KI-Finanzprognose: Cashflow vorhersagen

Warum Saisonalität und Zahlungsverhalten bei der Cashflow-Prognose zählen. Wir zeigen den einfachen Einstieg, die Kontrolle gegen Istwerte und die Grenzen.

Floemdata · · 3 Min. Lesezeit
Liniendiagramm: Die durchgezogene Verlaufslinie setzt sich als gestrichelte Prognose in einem breiter werdenden Fächer fort

Dieser Beitrag ist keine Rechts- oder Finanzberatung. Die Cashflow-Prognose sucht eine Antwort auf „Wie viel Geld haben wir in den kommenden Wochen auf dem Konto?“ Bevor man über KI spricht, ist die einfachere Frage zu stellen: Reichen die vorhandenen Daten, um sie zu beantworten?

Drei Eingangsgrößen

  • Erwartete Zahlungseingänge: offene Rechnungen und ihre Fälligkeiten. Zahlt ein Kunde nicht fristgerecht, führt das Fälligkeitsdatum in die Irre; die bisherige Zahlungsverzögerung liefert ein realistischeres Datum.
  • Erwartete Zahlungsausgänge: Abflüsse mit bekanntem Kalender, etwa Lieferantenfälligkeiten, Gehälter, Steuern und Miete.
  • Saisonalität: In manchen Zeiten des Jahres steigen oder fallen Umsatz und Zahlungseingang systematisch; Feiertage, Aktionen und Monatsendeffekte gehören dazu.

Einfach beginnen

Für eine erste Prognose braucht es kein komplexes Modell. Legen Sie eine einfache Basislinie fest, etwa „gleiche Periode im Vorjahr“ oder den Durchschnitt der letzten Perioden; ein anspruchsvolleres Verfahren lohnt sich nur, wenn es diese Basislinie dauerhaft schlägt. Berücksichtigen Sie beim Vergleich von Monatssummen den Unterschied bei den Arbeitstagen: Der Februar und ein Monat mit Feiertag sind nicht gleich lang.

Die Prognose kontrollieren

  • Vergleichen Sie die Prognose in jeder Periode mit dem Ist und halten Sie die Abweichung fest.
  • Geben Sie statt einer einzelnen Zahl eine Spanne an (optimistisches und pessimistisches Szenario).
  • Notieren Sie den Grund für eine große Abweichung: Kundenverzug oder eine einmalige Zahlung?
  • Legen Sie die Prognose Entscheidern mit dem Hinweis „nicht sicher“ vor.

Ein fiktives Beispiel

Das folgende Beispiel ist fiktiv. Ein Vertriebsunternehmen erwartet zum Monatsende anhand der Fälligkeiten offener Rechnungen 100 Einheiten an Zahlungseingängen. Als es sieht, dass Kunden in der Vergangenheit im Schnitt 10 Tage zu spät gezahlt haben, verschiebt es einen Teil in den Folgemonat. So entsteht ein vorsichtigerer Plan für die Kasse zum Monatsende.

Stand bei Floemdata

Die Gold-Schicht von Floemdata Analytics enthält Tabellen zur Forderungsalterung und zum Zahlungsverhalten der Kunden (mit Feldern wie durchschnittlicher Verzug); sie können Eingangsgrößen einer Cashflow-Prognose sein. KI-gestützte Cashflow-Prognose ist dagegen kein verifiziertes Produktmerkmal, sondern steht auf der Roadmap (nicht verifiziert). Ergebnisse auf Testdaten zeigen nicht die Realität von Kunden.

Zum Einstieg stellen Sie die Zahlungseingänge der letzten sechs Monate mit Fälligkeits- und Zahldatum nebeneinander und berechnen den durchschnittlichen Verzug. Fragen: info@floemdata.com.

← Alle Leitfäden