- Anzeige -
- Anzeige -
Machine Learning kann Liquidität steigern

Intelligentes Forderungsmanagement

Machine Learning kann Liquidität steigern

Bild: ©peshkova/stock.adobe.com

Volle Auftragsbücher und trotzdem insolvent – dieses Schicksal kann selbst stabile Unternehmen ereilen, wenn ihre Großkunden nicht pünktlich zahlen. Dabei lässt sich die Liquidität sichern, wenn rechtzeitig die richtigen Infos bereitstehen. Machine Learning macht genau das jetzt automatisiert möglich.


Es kann viele Gründe geben, warum Kunden ihre Rechnungen nicht oder nur zögerlich begleichen. Meist liegt es an einer verspäteten Lieferung oder an mangelnder Produktqualität. Für den Lieferanten ist in jedem Fall ein schnelles und effektives Forderungsmanagement wichtig. Doch der idealtypische Prozess scheitert oft an der Realität. Im Normalfall sollten sämtliche offenen Zahlungen effizient – am besten automatisch – eingefordert werden. Der Rechnungsempfänger wird nicht nur rechtzeitig, sondern vor allem wirkungsvoll an seine Zahlungspflicht erinnert und um Erledigung gebeten.

Trotzdem steuern auch große Unternehmen diesen Prozess häufig noch mit veralteten Programmen, z.B. mit Tabellenkalkulation. „Diese vermeintlich kostengünstige Variante ist jedoch oft sehr ineffizient“, sagt Philipp Nies, Senior Consultant SAP Finance bei Deloitte. „Gerade im Forderungsmanagement zahlt es sich aus, die IT als wertschöpfend und nicht als Kostenfaktor zu betrachten.“

Tatsächlich spart man in Forderungsabteilungen vergleichsweise am häufigsten. Laut einer Studie schieben Unternehmen die Digitalisierung des Bereichs seit Jahren auf die lange Bank. Innovationen wie künstliche Intelligenz und Big-Data-Analysen bleiben anderen Geschäftsbereichen vorbehalten. Die Folge: Laut eigenen Aussagen haben 91 Prozent der Abteilungen heute Mühe, mit dem technologischen Wandel Schritt zu halten.

Was ein gutes Forderungsmanagement heute kann

Welche Vorteile hat ein integriertes Forderungsmanagement im Vergleich zu Excel und anderen ähnlichen Programmen? Es liefert eine zentrale Übersicht über alle Details eines Klärungsfalls. Die meisten Prozesse laufen automatisch nach definierten Regeln ab.

Statt sich in Kleinigkeiten zu verlieren, gewinnen Sachbearbeiter ein ganzheitliches Bild und damit mehr Kontrolle über die Abläufe. Außerdem können sie Verbindlichkeiten und Forderungen live überwachen. Entsprechend schnell können sie risikobehaftete Debitorengruppen ermitteln und auf Entwicklungen am Markt reagieren. Diese Transparenz macht sich letztlich in einem konstruktiveren und effizienteren Umgang mit den Kunden und einem insgesamt besseren Cashflow bemerkbar.

Unterwegs zum proaktiven Forderungsmanagement

Deloitte bietet mit „Reimagine Collections and Disputes“ eine contentbasierte Lösung an, die erstmals Machine Learning für das Forderungsmanagement nutzbar macht. Die Software automatisiert Prozesse, die bislang nur Menschen erledigen konnten und basiert auf SAP Leonardo.

Die Lösung prüft Daten wie die Historie von Kundentransaktionen oder die Zahl gelöster Klärungsfälle. So kann sie vorhersagen, wie wahrscheinlich eine Reklamation bei einer bestimmten Rechnung ist. Die Software stößt darüber hinaus automatisch Prozesse an, die dabei helfen, den Sachverhalt aufzuklären. Und sie lernt dazu, wird täglich intelligenter und präziser.

- Anzeige -
- Anzeige -

Das könnte Sie auch Interessieren

Bild: ITQ GmbH
Bild: ITQ GmbH
Website Relaunch

Website Relaunch

Bild: ITQ GmbH Die ITQ GmbH hat ihre Website vollständig überarbeitet. Interessierte Kunden und Bewerber finden mit wenigen Klicks alle Informationen zu den Kernkompetenzen Software und Systems Engineering, Mechatronic Consulting sowie Digital Education. Alle Bereiche...

Bild: NET GmbH
Bild: NET GmbH
Roadshow von NET im April

Roadshow von NET im April

Bild: NET GmbH Die NET GmbH bietet vom 15. bis zum 22. April deutschlandweit Ein-Tages-Workshops an und gibt Einblicke in die Smart-Vision-Technologien der Firma. Vorgestellt werden Trends zu intelligenten Kameras (inkl. Programmierung), Künstliche Intelligenz und...