- Anzeige -
Lesedauer: min
Machine Learning kann Liquidität steigern

Nov 20, 2019 | Geschäftsprozesse

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.

Autor:
Firma:

News

Weitere Beiträge

Das könnte Sie auch interessieren

Vorausschauende Wartung mit KI

Hinterher ist man bekanntlich immer schlauer. Mit künstlicher Intelligenz (KI) sieht das allerdings anders aus: Durch die Analyse von in Echtzeit erfassten Betriebsparameterwerten wird Wartungsbedarf ermittelt, bevor er anfällt. So können Maßnahmen im Voraus geplant und auf ein Minimum reduziert werden. Mitsubishi Electric nutzt hierfür seine KI-Technologie Maisart 1, die ganz einfach per Melfa-SmartPlus-Zusatzkarte am Melfa-Roboter implementiert werden kann.

mehr lesen

Mit künstlicher Intelligenz dem Verschleiß auf der Spur

Forscher am Karlsruher Institut für Technologie (KIT) haben ein System zur vollautomatischen Überwachung von Kugelgewindetrieben in Werkzeugmaschinen entwickelt. Dabei kommt eine direkt in die Mutter des Kugelgewindetriebs integrierte Kamera zum Einsatz. Eine künstliche Intelligenz (KI) überwacht dabei auf Basis der dabei erzeugten Bilddaten kontinuierlich den Verschleiß.

mehr lesen

Schutz der Privatsphäre und KI in Kommunikationssystemen

Alle zwei Jahre vergeben der VDE, die Deutsche Telekom sowie die Städte Friedrichsdorf und Gelnhausen den mit 10.000 Euro dotierten Johann-Philipp-Reis-Preis an einen Nachwuchswissenschaftler. Dieses Jahr geht er an Prof. Dr.-Ing. Delphine Reinhardt von der Georg-August-Universität Göttingen und an Dr.-Ing. Jakob Hoydis von den Nokia Bell Labs in Nozay, Frankreich. Die beiden Preisträger teilen sich die Auszeichnung und damit das Preisgeld.

Infor bringt Infor Coleman AI auf den Markt

Infor, Anbieter von branchenspezifischer Business-Software für die Cloud, hat bekanntgegeben, dass die Plattform Infor Coleman AI für Embedded-Machine-Learning-Modelle ab sofort verfügbar ist. Sie bietet die Geschwindigkeit, Wiederholbarkeit und Personalisierung, die Unternehmen benötigen, um KI vollständig zu operationalisieren.