Liquiditätsplanung für Treasurer: So gelingt der Cashflow-Forecast

Bei der Liquiditätsplanung stellen Unternehmen sämtliche erwarteten Einzahlungen und Auszahlungen innerhalb einer gewissen Planungsperiode gegenüber. Ziel dieses Cashflow-Forecasts ist es, den Liquiditätsbestand am Ende der betrachteten Periode zu ermitteln. Auf dieser Basis kann das Treasury feststellen, ob die Aufnahme zusätzlicher Mittel, wie etwa Bankkredite, notwendig ist – oder ob es am Ende der Planungsperiode einen Cash-Überschuss gibt, der angelegt werden muss.

Die Liquiditätsplanung ist damit sowohl ein Instrument des Cash Managements als auch des Risikomanagements. Im Fokus des Cashflow-Forecasts steht, jederzeit die Zahlungsfähigkeit des Unternehmens sicherzustellen. Er dient aber auch der optimalen Disposition liquider Mittel.

Eine robuste Liquiditätsplanung ist damit in Krisenzeiten besonders wichtig. Auf ihrer Basis können Unternehmen Maßnahmen einleiten, um Cash-Abflüsse zu stoppen und die Liquidität zu sichern.

• Bottom-Up: Bei diesem Ansatz melden die Controller aus den lokalen Tochtergesellschaften ihre Planzahlen für den definierten Planungshorizont an die Zentrale. Diese aggregiert die Daten und fügt sie zu einer konzernweiten Liquiditätsplanung zusammen.
• Top-Down: Bei diesem Ansatz leitet der zentrale Finanzbereich die Cashflow-Planung aus den geplanten Bilanz- und GuV-Zahlen ab. Durch neue Technologien zur Auswertung großer Datenmengen (Big Data) gewinnt dieser Ansatz bei der Liquiditätsplanung zunehmend an Bedeutung. Noch stecken Predictive-Analytics-Modelle beim Cash Forecast allerdings in den Kinderschuhen.

• Mangelnder Austausch zwischen den Bereichen: In den meisten Unternehmen ist die Liquiditätsplanung Teil der Finanzplanung. Sie ist damit eine klassische Querschnittsfunktion zwischen Controlling, Accounting und Treasury. Das erfordert zum einen viel Abstimmung zwischen den Bereichen. Zum anderen bedarf es auch ein Verständnis für die unterschiedlichen Denkweisen in den Fachbereichen. Während des Treasury vor allem auf Liquidität schaut, arbeitet das Controlling umsatz- und ertragsgetrieben. Bei einigen Geschäftsmodellen weichen diese beiden Sichtweisen allerdings voneinander ab – etwa bei Fluggesellschaften, wo das Cash bereits bei der Buchung fließt, der Ergebnisbeitrag aber erst später feststeht.
• Ungenügende Datenqualität: Für eine solide Liquiditätsplanung ist es wichtig, dass die Daten aktuell, sauber und vollständig sind. Viele Unternehmen haben jedoch damit zu kämpfen, dass Daten veraltet sind oder sie keinen Zugriff haben, weil die relevanten Informationen auf diverse Systeme verstreut sind.
• Mangelnde Automatisierung und IT-Integration: Viele Unternehmen, vor allem Mittelständler aber auch einige große Konzerne, nehmen ihre Liquiditätsplanung in Excel vor. Sie scheuen häufig das Investment, eine dezidierte Software dafür einzuführen. Allerdings sind Excel-Sheets wegen der manuellen Arbeitsweise fehleranfällig. Zudem werden sie umso komplexer, je größer und internationaler ein Unternehmen ist.
• Falsche Annahmen: Prognosen sind per se unsicher. Daran kann auch noch so viel menschliche Erfahrung oder intelligente Technologie nichts ändern. Dennoch steht und fällt die Güte einer Liquiditätsplanung damit, welche Annahmen getroffen werden. Daher sollte man sich stets bewusst machen, auf Basis welcher Prognosen eine Liquiditätsplanung gemacht wurde und außerdem verschiedene Szenarien auf Basis unterschiedlicher Annahmen durchspielen, um ein möglichst umfassendes Bild zu erhalten.

Große Hoffnung setzen Berater und Unternehmen beim Cash Forecast auf Künstliche Intelligenz (KI) beziehungsweise Predictive-Analytics-Modelle. Dabei wird eine Maschine mit historischen Daten gefüttert und so trainiert, dass sie automatisch Planungsvorschläge erstellt. Voraussetzung dafür ist, dass das Unternehmen über ausreichend gute Daten aus der Vergangenheit verfügt.

Es braucht dafür nicht immer ausgefeilte Algorithmen: Bei regelmäßig wiederkehrenden Auszahlungen wie beispielsweise Löhnen und Gehältern reichen zum Teil auch einfache Zahlenreihenanalysen. Komplexer wird es, wenn etwa das Zahlungsverhalten von Kunden prognostiziert werden soll. Zu den Unternehmen, die solche Modelle bei der Liquiditätsplanung bereits im Einsatz haben, gehören etwa der Chemiekonzern BASF und der Energiekonzern E.on.

Perspektivisch werden Unternehmen bei der Liquiditätsplanung nicht nur interne, sondern auch externe Daten einbeziehen, glauben Berater. So könnten etwa der Konsumklimaindex, der Ölpreis oder andere branchenspezifische Indizes automatisiert eingebunden werden.