AI gestütztes Finanz- und Liquiditäts- Forecasting bei MANN+HUMMEL
Die primäre Aufgabe des Liquiditätsmanagements besteht darin jederzeit die Zahlungsfähigkeit des Unternehmens sicherzustellen. Wesentlich ist hierbei, dass diese Aufgabe nicht erst dann in den Mittelpunkt des Interesses rückt, wenn sich die Liquiditätssituation des Unternehmens bereits signifikant verschlechtert hat. Denn nach dem Eintritt der Krisensituation ist es oftmals schwierig oder schlimmstenfalls unmöglich, die erforderlichen liquiditätssichernden Maßnahmen zu ergreifen. Unternehmen, die über ein effektives Liquiditätsmanagement verfügen, sorgen daher für eine verbesserte Resilienz des gesamten Unternehmens.
Herausforderung
Die Treasury Abteilung hat die Aufgabe mehrere hundert Cashflows in verschiedenen Währungen zu überwachen und vorherzusagen. Eine belastbare Cashflowprognose konnte nur bis (Geschäfts-) Jahresende erstellt werden, was dazu führte, dass gegen Ende des Jahres die Prognose nur wenige Monate umfasste und nicht bereits ins neue Geschäftsjahr überging. Einen Überblick über die zeitlichen Verläufe einiger selten genutzten Währungspositionen zu behalten führte regelmäßig zu Problemen.
Um ein früheres Erkennen von Finanzunter- bzw. -überdeckung und zu erwartenden Währungspositionen zu ermöglichen musste die Fachabteilung befähigt werden eine Cashflow-Vorhersage für die kommenden 12 Monate zu erstellen. Dafür musste der manuelle Aufwand im Prozess drastisch verringert werden. Naheliegend war daher auf automatisierte Prognoseverfahren zur Entlastung "der Treasurer" zu setzen. Einfache Forecasting-Algorithmen stoßen jedoch in realen Szenarien schnell an ihre Grenzen. So lieferten bspw. die automatischen Prognosemodelle der SAP Analytics Cloud keine ausreichend gute Qualität.
Wir konnten die Vorhersagequalität so weit erhöhen, dass wir diese Forecasts für die tatsächlichen Währungseffekt-Absicherungen, über das Jahresende hinaus, verwenden.
Roland Weidele Treasury Risk Manager
Die Lösung
Als Datenbasis wurden die historischen (seit 2011 vorhandenen) monatlichen Cash Flow Daten für alle Gesellschaften von MANN+HUMMEL in die AWS Cloud Machine Learning Umgebung überführt. Tagesaktuell wurden außerdem die Liquiditätsdaten aus dem SAP Liquidity Planner bereitgestellt und jeweils bereits während der Datenüberleitung automatisierte Datenkorrekturen durchgeführt. Gemeinsam mit dem Fachbereich konnten dann eigene Regeln entwickelt und mit der Cashflow-Historie der vergangenen 10 Jahre ein belastbares Prognosemodell für die kommenden 12 Monate erreicht werden. Das Modell wird von einer Vielzahl an einfachen statistischen, aber auch Machine Learning-Methoden gestützt, die zusammengefasst als Metamodell in der Lage waren eine hervorragende Vorhersagequalität für alle Cashflows zu liefern.
Durch die Analyse der gesamten Mann+Hummel Cashflow-Historie der letzten 10 Jahre, lernte sowohl das Modell als auch wir, die Vergangenheit besser zu verstehen, und die daraus gewonnenen Erkenntnisse in die Vorhersage der Zukunft zu übertragen.
Roland Weidele Treasury Risk Manager
Lesen Sie weiter im kostenlosen Download!
Sie stehen vor einer ähnlichen Herausforderung wie unser Kunde Mann+Hummel? Kontaktieren Sie uns für einen unverbindlichen Austausch!