Cash-Forecasting-Agent
Cashflow prognostizieren - von historischen Daten über Szenarien bis zur Handlungsempfehlung.
Aggregiert historische Cashflow-Daten, erkennt Saisonalitätsmuster, berechnet Zahlungsverzugs-Wahrscheinlichkeiten und modelliert Best/Base/Worst-Case-Szenarien. Strategische Bewertung und Handlungsempfehlungen bleiben beim Menschen.
Score-Dashboard
Was dieser Agent tut
Cash Forecasting beantwortet die strategischste Frage im Treasury: Haben wir in 30, 60, 90 Tagen genug Liquidität? Die Antwort bestimmt, ob eine Kreditlinie gezogen, eine Anlage aufgelöst oder ein Investitionsprojekt verschoben werden muss.
Der Decision Layer zerlegt das Forecasting in acht Entscheidungsschritte. Historische Daten und Fälligkeitsstruktur sind datenbasiert. Saisonalitätsmuster und Zahlungsverzugs-Wahrscheinlichkeiten nutzen ML-Modelle. Szenarien definieren, Liquiditätsreserve bewerten und Kreditlinie/Anlage empfehlen erfordern menschliches Ermessen - das sind strategische Entscheidungen. Der Report kombiniert Daten mit narrativer Aufbereitung.
Das Ergebnis: Der CFO sieht drei Szenarien mit quantifizierten Wahrscheinlichkeiten. Die Sensitivitätsanalyse zeigt, welche Variable den größten Einfluss hat. Und die Entscheidung - Kreditlinie ja/nein, Anlage ja/nein - ist datenbasiert statt bauchgefühlbasiert.
Micro-Decision-Tabelle
Historische Cashflow-Daten aggregieren Was sind die historischen Zu- und Abflüsse? Regelwerk
Datenbankabfrage über definierte Zeiträume
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Offene Forderungen/Verbindlichkeiten als Basis Welche erwarteten Zahlungsein- und -ausgänge stehen an? Regelwerk
Fälligkeitsstruktur aus Debitoren und Kreditoren
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Saisonalitätsmuster erkennen Gibt es wiederkehrende Muster im Cashflow? KI-Agent
ML-basierte Mustererkennung in historischen Daten
Entscheidungsakte
Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.
Zahlungsverzugs-Wahrscheinlichkeiten berechnen Wie wahrscheinlich zahlen Debitoren pünktlich? KI-Agent
ML-basierte Vorhersage aus Zahlungsverhalten
Entscheidungsakte
Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.
Szenarien modellieren Was passiert im Best, Base und Worst Case? Mensch
Annahmen setzen ist eine strategische Entscheidung
Entscheidungsakte
Anfechtbar: Ja - über Vorgesetzten, Betriebsrat oder formalen Einspruch.
Liquiditätsreserve-Bedarf bewerten Wie viel Liquiditätsreserve ist nötig? Mensch
Strategische Bewertung basierend auf Risikotoleranz
Entscheidungsakte
Anfechtbar: Ja - über Vorgesetzten, Betriebsrat oder formalen Einspruch.
Empfehlung für Kreditlinie/Anlage Soll eine Kreditlinie gezogen oder eine Anlage getätigt werden? Mensch
Strategische Entscheidung mit finanziellen Konsequenzen
Entscheidungsakte
Anfechtbar: Ja - über Vorgesetzten, Betriebsrat oder formalen Einspruch.
Report erstellen Wie wird der Forecast präsentiert? Regelwerk
Daten regelbasiert, Narrativ KI-unterstützt
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Entscheidungsakte und Anfechtbarkeit
Jede Entscheidung, die dieser Agent trifft oder vorbereitet, wird in einer vollständigen Entscheidungsakte dokumentiert. Betroffene (Mitarbeiter, Lieferanten, Prüfer) können jede einzelne Entscheidung einsehen, nachvollziehen und anfechten.
Voraussetzungen
- Historische Cashflow-Daten (mind. 24 Monate)
- ERP-System mit Debitoren- und Kreditorenbuchhaltung
- Aktuelle Bankkonten-Salden
- Investitionsplan und Finanzierungsübersicht
Governance-Hinweise
Nicht GoBD-relevant - reine Prognose ohne steuerrelevante Daten. Aber strategisch relevant: Die Liquiditätsplanung ist eine Governance-Anforderung für den Vorstand. §91 Abs. 2 AktG (Risikofrüherkennungssystem) erfordert die frühzeitige Erkennung bestandsgefährdender Entwicklungen. Der Decision Layer dokumentiert die Annahmen hinter jedem Szenario - nachvollziehbar, warum welche Entscheidung getroffen wurde.
§203 StGB-relevante Daten werden Ende-zu-Ende verschlüsselt und nie im Klartext an KI-Modelle übergeben.
Beitrag zur Verfahrensdokumentation
Infrastruktur-Beitrag
Der Cash-Forecasting-Agent ist ein Q3-Q4-Agent, der die Infrastruktur des gesamten Katalogs konsumiert: Bankdaten (Bankabstimmungs-Agent), Forderungsdaten (Forderungsmanagement-Agent), Verbindlichkeitsdaten (Zahlungslauf-Agent). Die ML-basierte Saisonalitätserkennung kann vom Budget-Varianzanalyse-Agent und Management-Reporting-Agent wiederverwendet werden.
Verwandte Agenten
Bankabstimmungs-Agent
Kontoauszüge automatisch abgleichen und nicht zuordenbare Positionen klären.
Zahlungsverkehr-Agent
Ausgehende Zahlungen formatkonform erstellen, an die Bank übermitteln und Rückmeldungen verarbeiten.
Häufige Fragen
Wie genau sind die Forecasts?
Die Genauigkeit hängt von der Datenqualität und dem Prognosezeitraum ab. Kurzfristig (30 Tage) erreicht der Agent typischerweise 85-90% Genauigkeit. Langfristig (90+ Tage) sinkt die Genauigkeit - deshalb die Szenarien mit Bandbreiten.
Werden Fremdwährungs-Cashflows berücksichtigt?
Ja. Der Agent berechnet FX-Exposure basierend auf offenen Fremdwährungs-Forderungen und -Verbindlichkeiten. Kursrisiken fließen in die Szenarien ein.
Wie werden einmalige Großzahlungen behandelt?
Einmalige Großzahlungen (Investitionen, Dividenden, Steuernachzahlungen) werden als manuell parametrisierte Ereignisse in den Forecast eingesteuert. Sie fließen nicht in die ML-basierte Prognose ein, sondern werden als deterministische Cashflows behandelt.
Diesen Agent implementieren?
Wir bewerten Ihre Finance-Prozesslandschaft und zeigen, wie dieser Agent in Ihre Infrastruktur passt.