SOFTMARK AG

Cognitive Computing

Übersicht | Details | Referenzen | Technologie | Presse | Bestellung | Video | Download

Presse

Optimierung der Finanzsteuerung durch den Einsatz eines „Software-Agenten“

Veröffentlicht in „Bilanzbuchhalter und Controller“ (BC), Heft 3/2008, Optimierung der Finanzsteuerung durch den Einsatz eines „Software-Agenten“, Seite 63 bis 68, mit freundlicher Genehmigung der BC-Redaktion, Verlag C. H. Beck oHG, München

Artikel als PDF downloaden>

Optimierung der Finanzsteuerung mittelständischer Unternehmen durch
den Einsatz eines Software-Agenten

Von Dr. Mathias Künlen

Liquiditätsplanungen und monatliche Soll-Ist-Vergleiche sind gängige Praxis in mittelständischen Unternehmen. Dabei ist eine Liquiditätsplanung, wie der Name schon sagt, eine Planung, liefert aber keine Gewähr auf Erfüllung der in der Planung hinterlegten Werte. Die jeweiligen Zahlen für Umsätze und Kosten ergeben sich mehr oder weniger aus den Erfahrungen der Vergangenheit und den Erwartungen, Hoffnungen und Wünschen an die Zukunft. Vor dem Hintergrund von Basel2/Rating lauert hier eine Gefahr: Die kreditgebenden Banken legen den Unternehmer auf seine Planungen fest. Eine Planung, die nicht mit der Realität Schritt hält, führt zu einer Herabstufung in der Ratingnote und damit zu einer Verteuerung der Kontokorrentlinien. Langfristige Liquiditätsplanungssysteme besitzen keine operative Wirksamkeit, wenn es darum geht, in Abstimmung mit sich abzeichnenden Liquiditätsengpässen eine Reorganisation der Zahlungsströme vorzunehmen und damit die Liquidität zu optimieren.

Der Autor schildert anhand eines Praxisbeispiels, wie es einem mittelständischen Unternehmen gelingt, durch Einsatz eines sog.  Software-Agenten in Ergänzung zu einer langfristigen Liquiditätsplanung kurz- und mittelfristige Liquiditätsentwicklungen nicht nur zu planen, sondern mit hoher Validität tagesbasierend vorauszuberechnen. Darüberhinaus steuert der Software-Agent die Unternehmensfinanzen nach Optimierungskriterien. Dies führt zu einem enormen Sicherheitsgewinn in der Finanzsteuerung des Unternehmens, zu einer Steigerung der Umsatzrendite und zu einer Verbesserung der Ratingbewertung. Der Software-Agent arbeitet vollautomatisch im Hintergrund des im Einsatz befindlichen Fibu-Systems.

Viele mittelständische Unternehmen weisen eine Finanzsteuerung auf, die sich zu einem großen Teil aus dem Kontokorrent speist. Doch eine hohe Kreditlinie kostet Geld: Neben den Kontokorrentzinsen müssen auch Bereitstellungszinsen bezahlt werden. Um die Liquiditätssituation des Unternehmens aus eigener Kraft zu verbessern und den Kontokorrentbedarf zu reduzieren, kommt es darauf an, aus einer herkömmlichen statischen Liquiditätsplanung eine dynamische Liquiditätssteuerung zu realisieren. Dazu benötigt man einen sog. Software-Agenten, der auf Basis von Künstlicher Intelligenz autonom arbeitet, lernt, sich autoregulativ anpasst und Prozesse eigenständig steuert.

Der Praxisfall:
Das Unternehmen Nemo GmbH (Name geändert), tätig in der Verlagsbranche (Produktion und Handel von Druckerzeugnissen), hatte im abgelaufenen Jahr einen Umsatz von 53 Mio € bei einer Umsatzrendite von 3% und einer Kontokorrentlinie von 3 Mio €. Mit einer Eigenkapitalquote von 32 % wurde für das laufende Jahr ein Gesamtumsatz prognostiziert, der 6 % unter dem des Vorjahres lag. Die allgemeine Marktsituation wurde als schwierig eingeschätzt, zumal ausländische Konkurrenten einige Großaufträge zu günstigeren Konditionen übernommen hatten.

Die Geschäftsleitung beklagte, dass in der langfristigen Liquiditätsplanung der Aufwand des Planungsprozesses sehr hoch war, gleichzeitig die Finanzmanagementprozesse aber nicht optimiert werden konnten. Das Planungstool zeigte zwar die Erwartungen für die Zukunft an, bot aber keine Realisierungsstrategien, um diese Ziele tatsächlich auch zu erreichen. In diesem Sinne verhielt sich die Planung statisch und erforderte einen umfangreichen Nachbesserungaufwand, wenn sich die Rahmenbedingungen z.B. auf Grund von Verkaufsaktionen veränderten.

Die monatlichen Soll-Ist-Analysen der gegenwärtigen Liquiditätsplanung ergaben, dass die prognostizierten Entwicklungen nur sehr bedingt mit den realen Ereignissen deckungsgleich waren. Vielfach zeigte sich, dass sich z.B. durch eine laufend schlechtere Zahlungsmoral Liquiditätszuflüsse nicht in dem Maß einstellten wie dies prognostiziert war. An dieser Stelle wurden aber auch die Schwächen der Liquiditätsplanung offenbar: Debitorische Zahlungsziele wurden immer nur in Form von standardisierten Werten für debitorische Offenen Posten angewendet (30 und 60 Tage Zahlungsziel netto). Das führte zu schweren systemischen Fehlern, zumal die individuellen Zahlungsgewohnheiten von Debitoren hierdurch nicht berücksichtigt wurden.

Auch wenn die gegenwärtige Liquiditätsplanung einen zukunftsorientierten Charakter vorgab, handelte es sich letztlich doch um einen retrospektiven Vorgang. Die Soll-Ist-Analysen befassten sich mit der Vergangenheit, ohne dass man zu diesem Zeitpunkt noch irgendeine Möglichkeit des operativen Eingriffs oder gar der Optimierung hatte.

Auch gab es in dem bisher praktizierten Modell keine Möglichkeiten, um versteckte Liquiditätsrisiken auf einfache und schnelle Weise zu identifizieren. Vielmehr musste hier immer mit großem Aufwand eine Analyse der Fibu-Daten erfolgen, ohne Gewähr auf die richtige Lösung.

Software-Agenten:
Als Software-Agenten bezeichnet man Computerprogramme, die zu gewissem eigenständigem Verhalten fähig sind. Die Künstliche Intelligenz-Forschung definiert einen Software-Agenten als Software mit den folgenden Eigenschaften:
1. autonom - das Programm arbeitet weitgehend unabhängig von Benutzereingriffen
2. proaktiv - das Programm löst Aktionen aufgrund eigener Initiative aus
3. reaktiv - das Programm reagiert auf Änderung der Umgebung
4. sozial - das Programm kommuniziert mit anderen Software-Agenten
5. lernfähig/anpassungsfähig - das Programm lernt aufgrund zuvor getätigter
6. Entscheidungen bzw. Beobachtungen

Software-Agenten zeichnen sich durch Wissen, Lernfähigkeit, Schlussfolgerungen und die Möglichkeit zu Verhaltensänderungen aus. Unter verschiedenen Typen von Software-Agenten (beobachtender Software-Agent, reaktiver Software-Agent) stellen sog. cognitive Agenten die anspruchsvollste Ausprägung von Software-Agenten dar. Diese verwalten ein Modell ihrer Umwelt in einer eigenen Datenstruktur, lernen und steuern. Entscheidend hierbei ist ihre Fähigkeit, in Wechselwirkungsmodellen zu arbeiten, im Zusammenspiel der Wechselwirkungen wichtige von unwichtigen Impulsen zu trennen und daraus eigenständig Schlüsse für Prognoseentwicklungen zu ziehen. Dadurch wird eine Planung der Aktionen und schließlich auch zielgerichtetes Handeln möglich. Wir erleben damit einen Paradigmenwechsel: Der Anwender muss nicht mehr täglich eigeninitiativ tätig werden, sondern Software-Agenten erledigen als systemische Wahrnehmungsverstärker die Planungs- und Steuerungsarbeit zu einem hohen Maß selbständig und vollautomatisch. Die daraus resultierenden Prozeßstrategien sind nicht, wie in herkömmlichen Anwendungen üblich, das Resultat vorgegebener "abbildender" Abläufe, sondern werden durch die Software-Agenten mit eigenständig cognitiver Kompetenz dynamisch entwickelt und realisiert. Dabei vermeiden Software-Agenten typischerweise die Denk- und Wahrnehmungsfehler, wie sie von menschlichen Anwendern gerne begangen werden.

Folgende Funktionalitäten stehen bei Software-Agenten im Vordergrund:
1. Debitorische Zahlungsmoralbewertung
2. Lernen von Periodizitäten
3. Tagesbasierende Liquiditätsprognosen
4. Identifikation von latenten Risiken in den Kundenstrukturen
5. Frühzeitiges Erkennen von Liquiditätsengpässen und aktives Gegensteuern
6. Ratingkonforme Dispositionssteuerung
7. Konsequente Realisierung von Optimierungspotenzialen

1. Debitorische Zahlungsmoralbewertung
Ab dem Zeitpunkt der Einführung des Software-Agenten verfügt das Unternehmen über die Möglichkeit, das Zahlungsverhalten von Kunden vollautomatisch im Hintergrund überwachen zu lassen. Dabei registriert das System im Rahmen der Verbuchung von Bankumsätzen, inwieweit sich die jeweiligen Kunden an die vereinbarten Zahlungsziele halten, ob sie Skonto in Anspruch nehmen, ob dies zurecht erfolgt, ob sie Skonto nehmen, obwohl die Fristen bereits überschritten sind u.v.m. Entscheidend ist der proaktive Charakter des Systems, der dazu führt, dass nicht der Anwender initiativ werden muss, um den Wissensbestand über das Zahlungsverhalten aktuell zu halten. Während die spezifische Debitorenanalyse sich mit jedem Kunden einzeln beschäftigt, wird im Rahmen der anonymen Debitorenanalyse über alle Kunden hinweg nach weiteren Merkmalen analysiert und bewertet. Wichtige Kriterien sind hier saisonale Umsatzprofile, Abhängigkeiten von Zahlungseingangswahrscheinlichkeiten, Wechselwirkungen mit dem Rechnungsstellungsdatum, Betragsvalidierungen u.v.m. Gerade schleichende Veränderungen, die nach herkömmlichen Analyseverfahren nur bedingt auffallen, werden durch Der Software-Agent identifiziert und gemeldet.

Beispiel: Im untersuchten Unternehmen existieren bei 50% der ca. 2000 Debitoren in der Kundenliste ausreichend Informationen zur Realisierung einer spezifischen Zahlungsmoralanalyse. Die andere Hälfte läßt sich in 40% der Fälle durch anonyme Cluster- Verfahren mit ausreiched hoher Validität bewerten, um das entsprechende Wissen in die Liquiditätsprognostikberechnungen einfließen zu lassen.

2. Erkennen und Lernen von Periodizitäten
Die fortlaufende Überwachung von kreditorischen Abbuchungen, Lastschrifteinzugsverfahren oder Daueraufträgen erscheint selbstverständlich, bereitet aber in der täglichen Praxis des Unternehmens erhebliche Schwierigkeiten. Für den Menschen ist es leicht, etwas zu erkennen, wenn es vorhanden ist. Schwierig wird es, etwas zu erkennen, wenn es nicht vorhanden ist, jedoch vorhanden sein sollte. Das gilt insbesondere für überzogene Zahlungsvorgänge, welche zwischenzeitlich hätten abgebucht werden müssen. Auf Grundlage des sich automatisch entwickelnden Wissens über Periodizitäten erzeugt der Software-Agent in eigener Regie Erwartungsszenarien, die mit den realen Entwicklungen abgeglichen werden. Das Unternehmen erkennt auf diese Weise schnell, wenn Lastschriften nicht eingezogen wurden, berücksichtigt diese unter Umständen sogar mehrfach und bildet entsprechende Reserven, um nicht in einen Liquiditätsengpass zu rutschen, wenn die gesamte Summe auf einmal abgebucht wird.

Beispiel: Auf diese Weise kann das Unternehmen eine wiederholte Auslassung eines Laschrifteinzugsverfahrens für geleaste Kopiergeräte elegant abpuffern. Der Software-Agent erkennt, dass die entsprechenden Abbuchungen laut den zu erwartenden Periodizitäten offensichtlich über mehrere Monate aus unbekannten Gründen nicht erfolgt sind und bildet hierfür vollautomatisch entsprechende Reserven im Rahmen des cash management. Der zwischenzeitlich kumulierte Betrag von 80.000 € bleibt für die noch zu erwartende Abbuchungstransaktion reserviert und wird in der Liquiditätssteuerung als separater Vorgang behandelt.

3. Tagesbasierende Liquiditätsprognosen
Das Unternehmen ist in der Lage, in Abgrenzung zu den bisherigen monatlichen Bewertungszeiträumen tagesbasierende Liquiditätsprognosen zu berechnen. Das geschieht, indem der Software-Agent die Offenen Posten (debitorisch/ kreditorisch) und die Planwerte aus dem Fibu/ERP-System übernimmt, mit dem erlernten Wissen über Zahlungsverhalten, Periodizitäten,  Wechselwirkungsprofile, Umsatzprofile u.v.m. überarbeitet und die Zeitpunkte für debitorische Zahlungseingänge in eigener Regie korrigiert. Damit ergibt sich ein im Vergleich zur statischen Liquiditätsplanung valideres Bild. Diese Agentenprognose entspricht weit mehr der Realität und besitzt darüberhinaus autoregulative Fähigkeiten, wenn sich z.B. die Rahmenbedingungen des Unternehmens verändern.

Beispiel: Der Software-Agent kann auf Grund der tagesbasierenden Forecastberechnungen einen Liquiditätsengpass in 2 Wochen identifizieren, der über einen Wert von ca. 20.000 € für voraussichtlich 3 Tage anhält und sich dann im Rahmen der weiteren Liquiditätsentwicklung von selbst wieder auflöst. Die Kurzfristigkeit der Unterdeckung würde in einem herkömmlichen Planungsansatz in dieser Form nicht erkannt werden. Gleichzeitig schlägt der Software-Agent vor, die Zahlung von 3 definierten Verbindlichkeiten im Rahmen einer Laggingstrategie um insgesamt 5 Tage zu schieben, um dadurch den drohenden Liquiditätsengpass zu umgehen. Die Frühzeitigkeit der Meldung und die automatische Erarbeitung der geeigneten Lösungsstrategie liefert eine hohe unternehmerische Sicherheit im Finanzmanagement und verzichtet auf zusätzliche Fremdmittel.

4. Identifikation von latenten Risiken in den Kundenstrukturen
Durch die fortlaufende Bewertung von Zahlungsprofilen von Kunden identifiziert der Software-Agent drohende Risiken in den Kundenstrukturen, was dem Unternehmen bislang in dieser Form nicht möglich war.

Beispiel: Das Unternehmen realisiert eine Umsatzsteigerung um 5% gegenüber der ursprünglichen Planung. Bei genauer Analyse der Zahlen zeigt sich, dass diese Umsatzsteigerung insbesondere auf einen bestimmten Kunden zurückzuführen ist, der in regelmäßigen Abständen Bestellungen vornimmt und an den entsprechende Lieferungen erfolgen. Was zunächst als erfreuliche Entwicklung im Sinne der Umsatzsteigerung bewertet wird, entpuppt sich bei genauem Hinsehen als Gefahr. Denn der Kunde baut im Vergleich zu den vergangenen Monaten zunehmend Forderungsbestände auf (Steigerung um 25% mit Progression), verschleppt die vorgegebenen Zahlungsziele immer mehr (Progression von fristgerechte Zahlung auf Mahnstufe 1) und wechselt die Bankverbindungen. Das alles sind Indikatoren, dass der Kunde den Bestellumfang nur deshalb steigert, weil er andere Lieferanten bereits verprellt hat und dort keinen Kreditorenkredit mehr erhält, und auch seine Banken zwischenzeitlich restriktive Maßnahmen eingeleitet haben. Diese Situation zeigt sehr anschaulich: Der Controller wird in seiner Wahrnehmung durch die steigenden Umsätze zunächst in die Irre geführt und erkennt erst bei genauer Betrachtung der Zusammenhänge die eigentlich relevante Information, in diesem Fall die drohende Gefahr für das Unternehmen durch einen vermutlich bald illiquiden Kunden. Was sich bei erster Betrachtung als Paradoxon offenbart, ergibt sich im nachhinein als logische Konstellation. In der Praxis führt dies zu ernsthaften Problemen, zumal der Controller eine solche Situation
häufig erst viel zu spät entdeckt.

5. Frühzeitiges Erkennen von Liquiditätsengpässen und aktives Gegensteuern
Gerade kurzfristige Liquiditätsengpässe von nur ein paar Tagen Dauer werden durch herkömmliche, statische Liquiditätsplanungen nicht dargestellt, da die Planungszeiträume zu langfristig ausgelegt sind. Doch diese Situation hat unerfreuliche Konsequenzen, weil die Unternehmensleitung zu spät auf die Bank zugeht und in die Verhandlung um kurzfristige Kreditlinienerhöhung tritt. Das führt unter Umständen zu einer Herabstufung der Ratingnote und kostet zusätzliche Kontokorrentzinsgebühren.

Beispiel: Mit Hilfe des Software-Agenten können nun auf Grund tagesbasierender Prognostikberechnungen auch kurzfristige Liquiditätsengpassituationen frühzeitig identifiziert und dem Anwender automatisch gemeldet werden. Das ist insbesondere dann wichtig, wenn durch geschickte Reorganisation von Zahlungsströmen der drohende Liquiditätsengpass aus eigener Kraft umgangen werden kann. Der Software-Agent informiert darüber, daß in 12 Tagen ein Liquiditätsengpass eintritt, der das Unternehmen in Höhe von 35.000 € bedroht und 4 Tage lang anhält. Danach wird sich der Engpass angesichts der zu erwartenden debitorischen Zahlungseingänge in Höhe von 42.000 € von selbst wieder erholen. Der Software-Agent beschreibt mögliche Lösungsstrategien, indem 3 Verbindlichkeiten um jeweils 2 -3 Tage verschoben werden sollten, ohne eine zusätzliche Kreditlinienerhöhung zu beanspruchen.

Im umgekehrten Fall funktioniert das Prinzip analog: Findet sich eine unerwartete Verbindlichkeit, die in der bisherigen Planung nicht berücksichtigt war, so muss sich der Anwender nicht mit herkömmlichen „Was-wäre-wenn-Szenarien“ begnügen, sondern erhält konkrete Vorschläge für Ratierungs- oder Laggingstrategien. Diese lassen sich per Mausklick operativ umsetzen.

Beispiel: Bei einem aktuellen Cash verfügbar von 0,55 Mio € und einer aktuellen Tagesliquidität in Höhe von 0,4 Mio € prognostiziert der Software-Agent eine kalkulatorische Liquidität in 10 Tagen in Höhe von 0,35 Mio €. Um eine nicht mehr funktionstüchtige Druckmaschine zu ersetzen, simuliert das Unternehmen eine neue Verbindlichkeit in Höhe von 400.000 €. Der Software-Agent schlägt eine Ratierungsstrategie vor über 3 Raten zu 0,35 Mio € in 10 Tagen, 0,03 Mio € in 22 Tagen und 0,02 Mio € in 51 Tagen. Damit wird die Liquiditätsdeckung nicht durchbrochen, gleichzeitig aber auf zusätzliche Fremdmittel verzichtet.

6. Ratingkonforme Dispositionssteuerung
Die ratingkonforme Dispositionssteuerung zielt darauf ab, sämtliche Dispositionsaktivitäten in konsequenter Abstimmung mit den durch den Software-Agenten berechneten Liquiditätsentwicklungen und nach den Prüfrichtlinien der Banken für das Kontenführungsrating vorzunehmen. Droht kein Liquiditätsengpass, so steht einer regulären Durchführung der Dispositionssteuerung nichts im Wege. Alle Zahlungspositionen können entsprechend den definierten Zahlungszielen und Zahlungskonditionen umgesetzt werden. Prognostiziert der Software-Agent dagegen drohende Liquiditätsengpässe, wird das aktuelle Dispositionsverhalten durch negative Rückkoppelung automatisch gedrosselt. Damit werden gegenwärtig nicht alle Dispositionsvorgänge realisiert und der drohende Liquiditätsengpass
umgangen. Gemäß der Prüfrichtlinien der Banken wacht der Software-Agent,
• dass keine nicht-valutierten Gelder disponiert werden
• dass sämtliche Cash Clearing oder Cash Pooling Aktivitäten stets so abgewickelt werden
• dass die entsprechenden Konten im Hinblick auf ihre nahe Zukunft (z.B. Einzugsverfahren) nicht überbucht werden. Gerade die fehlende Berücksichtigung von künftigen Einzugsverfahren wirft in herkömmlichen cash management Systemen große Probleme auf, so dass der Zinsgewinn durch Cash Pooling durch das Überziehen auf anderen Konten mit entsprechenden Kontokorrentzinsgebühren wieder zunichte gemacht wird dass die Kreditlinien der Kontokorrentkonten nicht überzogen werden und für Abbuchungen rechtzeitig automatische Transaktionen ausgelöst werden, die zu einer Liquiditätspunktlandung für das entsprechende Konto führen

Beispiel: Auf Grund der Bankumsatzanalysen erkennt der Software-Agent, dass eine Gutschrift über 100.000 € zwar bankgebucht, aber erst in 3 Tagen valutiert ist. Entsprechend wird die Disposition von fälligen Verbindlichkeiten automatisch um 3 Tage verschoben, um nicht durch die Disposition von nicht-valutiertem Geld gegen ein Prüfungskriterium der Banken zum Kontenführungsrating zu verstoßen.

7. Konsequente Realisierung von Optimierungspotenzialen
Anlage- und Kreditaufnahmestrategien werden durch der Software-Agenten nicht mehr wie bisher auf einer monatlichen Bewertungsgrundlage ausgelöst, sondern auf Tagesbasis. Dadurch lassen sich auch kurzfristige Zinsgewinne realisieren, ohne durch die Maßnahmen die künftige Liquiditätsentwicklung zu gefährden.

Beispiel: Der Software-Agent schlägt eine Anlagesumme in Höhe von 50.000 € vor, die im Abgleich mit den zu berechneten Liquiditätsforecasts in 2 Tranchen erfolgen soll, einmal über 10 Tage und einmal über 30 Tage zu 60% bzw. 40%. Der dadurch erreichbare Zinsgewinn beträgt bei Anlage auf Festgeld ca. 140 €, was als zusätzlicher Erlöse im Rahmen einer tagesbasierenden Finanzoptimierung erwirtschaftet wird. Auch wenn dieser Zinserlös auf den ersten Blick gering erscheint, so kumuliert durch die Strategie der vielen kleinen Optimierungsschritte der Zinserlös über das Jahr auf ca. 20.000 €.

Ergebnis für das Unternehmen
Durch den Einsatz des Software-Agenten verringern sich die Zinskosten im Rating von 13% auf 9%. Der große Transparenzgewinn in der Finanzsteuerung des Unternehmens garantiert unternehmerische Sicherheit. Die Umsatzrendite liegt im aktuellen Geschäftsjahr bei voraussichtlich 3,4%, d.h. um 0,4% über der des Vorjahres. Die Kreditlinie wird um 20% weniger in Anspruch genommen. Die dadurch eingesparten Zinskosten betragen ca. 50.000 €. Dazu kommen noch Zinseinkünfe in Höhe von ca. 20.000 € durch kurzfristige Anlagestrategien. Entsprechend ist für das kommende Geschäftsjahr eine Rückführung der Kontokorrentlinie geplant.

Autor:
Dr. Mathias Künlen, Vorstand Softmark AG, Hirtenweg 2, 82031 Grünwald
(Internet: www.softmark.de, e-mail: mk@softmark.de)

Seite drucken|Seitenanfang