- Anzeige -
- Anzeige -
- 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

KI-Vorreiter führen ihre KI-Initiativen trotz Corona unbeirrt fort

Unternehmen, die beim Thema künstliche Intelligenz (KI) führend sind, zeigen sich von der Corona-Pandemie unbeeindruckt: 78 Prozent der KI-Vorreiter unter den Unternehmen führen ihre KI-Initiativen wie vor der Pandemie fort, 21 Prozent haben deren Umsetzung sogar beschleunigt. Unter den Unternehmen, die KI noch nicht skalierbar einsetzen, fahren hingegen 43 Prozent ihrer Investitionen zurück und 16 Prozent haben ihre KI-Initiativen eingestellt. In Deutschland haben 44 Prozent der Unternehmen keine Änderungen vorgenommen, 8 Prozent die Geschwindigkeit erhöht und 19 Prozent ihre Initiativen aufgrund der unsicheren Lage eingestellt. Weiterhin verzeichnen Unternehmen mit skalierbaren KI-Anwendungen messbare Erfolge bei der Absatzsteigerung und der Reduzierung von Sicherheitsrisiken und Kundenbeschwerden. Zu diesen und weiteren Ergebnissen kommt die Studie ‚The AI Powered Enterprise: Unlocking the potential of AI at scale‘, für die 950 Unternehmen aus elf Ländern und elf Branchen befragt wurden.

mehr lesen

KI übernimmt Arbeit von Software-Ingenieuren

Für selbstadaptive Software gibt es heute unzählige Anwendungsmöglichkeiten. Doch die Entwicklung der Systeme stellt Software-Ingenieure vor neue Herausforderungen. Wissenschaftler vom Softwaretechnik-Institut Paluno an der Universität Duisburg-Essen (UDE) haben jetzt vielversprechende Ergebnisse mit neuartigen Verfahren der künstlichen Intelligenz (KI) erzielt, die den Entwicklungsprozess selbstadaptiver Systeme automatisieren.

mehr lesen

Wie wird künstliche Intelligenz zum Standardwerkzeug für den Mittelstand?

Das Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU möchte zusammen mit den produzierenden Unternehmen des Mittelstands die entscheidende Barriere für die Anwendung künstlicher Intelligenz überwinden: Die Köpfe sind überzeugt, aber die Umgestaltung der Produktionsanlagen und -prozesse in den Fabriken stockt. Deshalb arbeiten die Forscherinnen und Forscher an einem systematischen Leitfaden, mit dem KI zum Standardwerkzeug werden soll, das bessere Produkte mit geringerem Ressourceneinsatz ermöglicht. Erste Ergebnisse sind vielversprechend.

mehr lesen

Leistungsstarkes KI-System am KIT installiert

Als ein Werkzeug der Spitzenforschung ist künstliche Intelligenz (KI) heute unentbehrlich. Für einen erfolgreichen Einsatz – ob in der Energieforschung oder bei der Entwicklung neuer Materialien – wird dabei neben den Algorithmen zunehmend auch spezialisierte Hardware zu einem immer wichtigeren Faktor. Das Karlsruher Institut für Technologie (KIT) hat nun als erster Standort in Europa das neuartige KI-System NVIDIA DGX A100 in Betrieb genommen. Angeschafft wurde es aus Mitteln der Helmholtz Artificial Intelligence Cooperation Unit (HAICU).

mehr lesen

Machine Learning einfach gemacht

Seit einigen Jahren schon werden die Fantasien der Ingenieure und Anlagenbauer beflügelt durch die Möglichkeiten von KI- und Machine-Learning-Algorithmen. Klingt zwar zunächst sehr kompliziert, bietet aber konkrete Vorteile für die smarte Fabrik. Maschinen und Anlagen bzw. Produktionsprozesse erzeugen kontinuierlich Daten. Erfolgreich werden zukünftig Unternehmen sein, denen es gelingt, Mehrwert aus diesen Daten zu generieren.

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.