Wie Schweizer CFOs Cashflow-Prognosen im Zeitalter von KI steuern

Cashflow-Prognosen in Schweizer KMU stehen aus zwei Richtungen unter Druck: Die Volatilität nimmt schneller zu, während Prognosezyklen oft langsam bleiben, weil Daten und Entscheidungen über Systeme und Tabellen verteilt sind. KI kann helfen – aber nur, wenn sie mit klarer Ownership, Nachvollziehbarkeit und Kontrollen implementiert wird.

1) Das CFO-Problem: schnellere Volatilität, langsamere Prognosezyklen

Für viele Schweizer CFOs liegt der Engpass nicht in der „Prognosetheorie“, sondern in der operativen Realität:

• Cash-Transparenz ist fragmentiert. Bankbestände, Accounting/ERP, Fakturierung, Payroll und operative Treiber (offene Aufträge, Renewals) lassen sich selten automatisch abstimmen. Forecast-Updates werden zur manuellen Konsolidierungsübung.
• Die Prognosesicherheit sinkt, wenn Annahmen implizit sind. Spreadsheet-Logik, manuelle Overrides und einmalige Anpassungen sind von Woche zu Woche schwer zu erklären – insbesondere wenn das Management fragt: „Was hat sich geändert?“
• KI erhöht die Erwartungen an Near-Real-Time-Forecasting. Marktnarrative gehen zunehmend von schnelleren, intelligenteren Cash-Prozessen aus, aber CFOs brauchen weiterhin Erklärbarkeit, Kontrollen und klare Entscheidungsverantwortung. (Source: https://www.ey.com/en_us/media/podcasts/better-finance/2025/12/season-8-episode-6-when-ai-forecasts-cash-in-real-time-will-treasurers-finally-trust-the-numbers)

2) Was „KI für Cashflow-Prognosen“ 2026 realistisch bedeutet (und was nicht)

KI-gestützte Prognosen sind am nützlichsten, wenn sie repetitive Arbeit reduzieren und die Geschwindigkeit von Insights erhöhen – nicht, wenn sie Finance-Judgement ersetzen.

Was KI gut kann (wenn Daten konsistent sind):

• Automatisierte Kategorisierung von Cash-Bewegungen und Forecast-Positionen (z. B. wiederkehrende Lieferanten, Payroll-Muster).
• Anomalieerkennung (z. B. ungewöhnliche Zahlungsverzögerungen, unerwartete Abflüsse).
• Szenario-Generierung basierend auf Treiberänderungen (DSO-Verschiebungen, Churn, FX-Bewegungen).
• Schnellere Varianz-Erklärungen, indem hervorgehoben wird, welche Treiber und Transaktionen am stärksten zur Veränderung beigetragen haben.

Das ist besonders relevant für KMU, die Agilität ohne schwere BI-Projekte wollen und KI-native Finance-Tools in Betracht ziehen, um Prognose- und Reporting-Geschwindigkeit zu verbessern. (Source: https://www.datamaticsbpm.com/blog/how-ai-in-finance-and-accounting-is-reshaping-the-office-of-the-cfo/)

Was KI nicht von selbst löst:

• Model Drift, wenn sich Kundenverhalten, Pricing, Saisonalität oder Zahlungsbedingungen ändern.
• Inkonsistente Quelldaten (z. B. nicht übereinstimmende Customer-IDs, unvollständiger Rechnungsstatus, unklare Zahlungsbedingungen).
• Overconfidence-Risiko, wenn Outputs präzise wirken, aber nicht im aktuellen Business-Kontext verankert sind.

Operating Principle für CFOs: KI kann vorschlagen; Finance muss freigeben – unterstützt durch Audit Trails, Schwellenwerte und Exception-Workflows.

3) Ein praktisches Playbook: wie Schweizer CFOs Forecasting mit Kontrolle upgraden

Step 1 — Den Forecast-Contract definieren

Setzen Sie die „Regeln des Forecasts“, bevor Sie Tools auswählen:

• Horizont: typischerweise eine 13-Wochen-Liquiditätssicht plus ein 12-Monats-Ausblick.
• Granularität: Einheit, Währung und wesentliche Cash-Kategorien.
• Decision Use-Cases: Liquiditätspuffer, Ausnutzung von Kreditlinien, Capex-Timing, Dividendenplanung, Lieferantenverhandlungen.

Ein Forecast, der nicht an Entscheidungen gekoppelt ist, wird zu Reporting-Overhead.

Step 2 — Inputs standardisieren (und Owner zuweisen)

Starten Sie mit Inputs, die den grössten Forecast-Fehler treiben:

• AR/AP-Aging und offene Posten
• Rechnungsstatus (gestellt, versendet, strittig, teilweise bezahlt)
• Bankbestände und erwartete Ein-/Auszahlungen
• Payroll-Kalender und Sozialabgaben
• Steuer-/MWST-Timing
• Operative Treiber (offene Aufträge, Renewals, Projektmeilensteine)

Dokumentieren Sie Data Owner und Refresh Cadence (täglich/wöchentlich). KI kompensiert keine unklare Ownership.

Step 3 — Szenarien bauen, die zu Entscheidungen passen

Halten Sie Szenarien einfach und treiberbasiert:

• Base / Downside / Upside
• Explizite Treiber: DSO, Churn/Renewals, Lieferantenkonditionen, FX, Saisonalität, Hiring Pace

Das Ziel ist nicht, perfekt vorherzusagen, sondern Trade-offs sichtbar zu machen (z. B. „Was passiert mit der Liquidität, wenn DSO um 7 Tage steigt?“).

Step 4 — Governance um KI legen

Wenn KI an der Erstellung oder Anpassung von Forecasts beteiligt ist, definieren Sie Kontrollen im Voraus:

• Approval Rules: wer Forecast-Änderungen und Szenarioannahmen freigibt
• Confidence Bands: wann das System Low-Confidence-Perioden oder -Kategorien markiert
• Exception Queues: was eine menschliche Prüfung erfordert (grosse Deltas, neue Gegenparteien, ungewöhnliches Timing)
• Separation of Duties: Forecast-Erstellung klar von der Zahlungsausführung trennen

Das entspricht dem, was Finance-Leader betonen: Adoption und Vertrauen hängen von Transparenz und eingebetteten Kontrollen ab – nicht nur von Modellfähigkeit. (Source: https://www.ey.com/en_us/media/podcasts/better-finance/2025/12/season-8-episode-6-when-ai-forecasts-cash-in-real-time-will-treasurers-finally-trust-the-numbers)

Step 5 — Den Loop mit Varianz-Disziplin schliessen

Führen Sie eine wöchentliche Kadenz ein:

• Forecast vs. Ist vergleichen
• Root Causes taggen (Timing vs. Volumen vs. One-off)
• Treiber und Prozessregeln verbessern (nicht nur das Modell)

Über die Zeit reduziert das „Spreadsheet Heroics“ und macht Forecasting zu einem kontrollierten Operating Process.

4) Category Framing: warum ein Business Admin OS das richtige Operating Model ist (nicht noch ein Tool)

Viele Forecasting-Initiativen scheitern, weil sie eine neue Tooling-Schicht hinzufügen, ohne die zugrunde liegende Workflow-Fragmentierung zu beheben.

Ein Business Admin OS-Ansatz fokussiert darauf, Finance, Accounting und operative Admin-Workflows zu verbinden, sodass der Forecast von derselben Prozessrealität gespeist wird, die Cash-Bewegungen erzeugt.

CFO-Evaluationskriterien umfassen typischerweise:

• Unified Data Layer über Accounting/ERP, Fakturierung und Banking-Feeds hinweg
• Workflow Automation für Approvals und Exceptions (z. B. Disputes, Payment Holds)
• Role-based Access im Einklang mit der Funktionstrennung
• Traceable Changes an Annahmen und Mappings (wer hat was, wann und warum geändert)

Outcome: weniger Handoffs und Spreadsheets, schnellere Forecast-Zyklen und klarere Accountability im CFO-Office und in operativen Teams.

Related: Numezis platform overview (internal link: /platform)

5) ROI- und Compliance-Proof-Points, die CFOs in der Evaluation nutzen können

ROI-Hebel zur Quantifizierung

Nutzen Sie messbare, CFO-relevante Kennzahlen:

• Reduzierte Zeit zur Aktualisierung von Forecasts (Cycle Time)
• Weniger manuelle Abstimmungen zwischen Bank, AR/AP und Forecast
• Bessere Working-Capital-Entscheidungen (Priorisierung im Inkasso, Payment Timing)
• Weniger Liquiditätsüberraschungen (frühere Sichtbarkeit von Shortfalls)

Externe Research deutet auf einen breiten Shift hin zu KI-gestützten Cash-Operations; PYMNTS berichtet beispielsweise, dass viele Unternehmen bereits mindestens ein KI-Tool für Cashflow-Management nutzen (als Richtwert verstehen, nicht als präziser Benchmark). (Source: https://www.pymnts.com/artificial-intelligence-2/2026/pymnts-study-finds-cfos-turn-to-agentic-ai-for-savings-and-cash-flow/)

Control- und Compliance-Checkpoints

Für Schweizer CFOs bedeutet „Compliance“ im Forecasting primär Control Evidence und Auditierbarkeit:

• Audit Trail für Forecast-Änderungen und Updates von Annahmen
• Funktionstrennung (wer darf vorschlagen vs. freigeben)
• Access Controls und rollenbasierte Berechtigungen
• Aufbewahrung von Supporting Evidence (Inputs, Overrides, Approvals)
• Dokumentierte Model Governance (Versionierung, Monitoring, Review Cadence)

Related: compliance and controls perspective (internal link: /compliance)

6) Was Sie Vendoren (und Ihr Team) fragen sollten, bevor Sie sich festlegen

Nutzen Sie diese Fragen, um Implementierungsrisiken zu reduzieren und Black-Box-Forecasting zu vermeiden.

Data

• Welche Quellen werden unterstützt (Accounting/ERP, Banken, Fakturierung, Payroll)?
• Wie werden Mappings gepflegt (Kunden, Lieferanten, Einheiten, Währungen)?
• Werden Mapping-Änderungen geloggt und sind sie reviewbar?

Explainability

• Kann das System Key Drivers und Deltas zeigen?
• Kann es erklären, warum sich der Forecast von Woche zu Woche geändert hat?
• Können Sie eine frühere Forecast-Version zur Prüfung reproduzieren?

Governance

• Wer kann KI-Outputs überschreiben?
• Wie werden Overrides freigegeben und dokumentiert?
• Wie werden Exceptions gehandhabt (Queues, Thresholds, Eskalation)?

Security and compliance operations

• Wie ist das Access Model (Rollen, Least Privilege)?
• Sind Audit Logs verfügbar und exportierbar?
• Welche Retention-Optionen gibt es für Evidence und Approvals?

Implementation

• Time-to-Value und erforderliche interne Ressourcen
• Migrationspfad von Spreadsheets (Parallel Run, Cutover Plan)
• Training und Operating Model (wer den Forecast-Prozess verantwortet)

FAQ

Wird KI unser Cashflow-Modell und unseren Spreadsheet-Prozess ersetzen?

In den meisten Schweizer KMU ergänzt KI den Prozess, statt ihn zu ersetzen. Das praktische Ziel ist, manuelle Arbeit (Data Prep, Kategorisierung, Varianz-Erklärungen) zu reduzieren und gleichzeitig Finance bei Annahmen und Freigaben in Kontrolle zu halten.

Wie halten wir Forecast-Outputs vertrauenswürdig für Management und Auditoren?

Vertrauen entsteht durch Governance: dokumentierte Treiber, Audit Trails für Änderungen, rollenbasierter Zugriff und ein klarer Workflow für Overrides und Exceptions. KI-Outputs sollten prüfbar und reproduzierbar sein – keine Black Box. (Source: https://www.ey.com/en_us/media/podcasts/better-finance/2025/12/season-8-episode-6-when-ai-forecasts-cash-in-real-time-will-treasurers-finally-trust-the-numbers)

Welche Daten brauchen wir für aussagekräftige KI-gestützte Forecasts?

Starten Sie mit konsistenten AR/AP, Bankbeständen, Fakturierungsstatus, Payroll- und Steuerkalendern sowie zentralen operativen Treibern (offene Aufträge, Renewals). Qualität und Refresh Cadence sind wichtiger als Volumen.

Ist KI-Forecasting vor allem für grosse Unternehmen – oder passt es auch für Schweizer KMU?

Es kann sehr gut zu KMU passen, wenn es die Abhängigkeit von schweren BI-Projekten und manuellem Reporting reduziert. Entscheidend ist die Wahl eines Setups, das operative Admin-Workflows mit Finance-Kontrollen integriert. (Source: https://www.datamaticsbpm.com/blog/how-ai-in-finance-and-accounting-is-reshaping-the-office-of-the-cfo/)

CTA

Wenn Sie KI-gestützte Cashflow-Prognosen evaluieren und starke Kontrollen beibehalten möchten, sehen Sie sich an, wie Numezis ein Business Admin OS positioniert, das Finance-Workflows mit Traceability und Governance verbindet:

• Platform overview: /platform
• Compliance and controls: /compliance