Künstliche Intelligenz kann Ansatzpunkte im Working Capital Management finden. Doch bei der Umsetzung ist der Mensch gefragt.

Peshkova/iStock/Thinkstock/Getty Images

27.04.20
CFO

Wo Künstliche Intelligenz im Working Capital Management helfen kann

In der aktuellen Krise rückt Working Capital Management wieder stärker in den Fokus. Eine Künstliche Intelligenz findet dabei Ansätze, die bislang niemand auf dem Radar hatte.

Seit Ausbruch der Krise durch das Coronavirus ist das Thema Liquiditätsgenerierung bei wohl jedem CFO auf der Agenda noch einmal deutlich nach oben gerutscht. Auch das Working Capital Management gewinnt dadurch an Bedeutung. Die „Quick Wins“ haben viele Unternehmen in diesem Bereich allerdings schon abgegriffen: „Man findet eher selten noch die großen Goldadern, es geht vielmehr darum, viele kleine Goldnuggets zu schürfen“, sagt Philipp Kinzler, Partner im Bereich Operative Restrukturierung und Operative Performance Improvement bei Deloitte. Das lohne sich gerade in größeren Konzernen: „Da summieren sich die Nuggets schnell auf zwei- bis dreistellige Millionenbeträge.“

Das Problem: Mit der traditionellen Herangehensweise, bei der das Management im Top-down-Verfahren Hypothesen überprüft, um Einsparmöglichkeiten zu identifizieren, findet man die kleinen Goldnuggets eher nicht. „Als Faustregel kann man sagen: 80 Prozent der kleingranularen Maßnahmen werden bei traditioneller Herangehensweise erst gar nicht gefunden. Von denen, die aufgespürt werden, werden noch einmal 80 Prozent nicht umgesetzt“, so Kinzlers Erfahrung.

Es geht darum, viele kleine Goldnuggets zu schürfen.

Philipp Kinzler, Deloitte

Eine Künstliche Intelligenz (KI) dagegen könne schnell sehr viele kleine Nuggets aufspüren: „Dazu dreht man den Ansatz einfach um, beginnend mit einer umfassenden Bottom-up-Datenanalyse“, erklärt er.

Künstliche Intelligenz bedient sich in ERP-Systemen

Da die Künstliche Intelligenz vollautomatisiert arbeitet, kann sie Millionen von Hypothesen täglich testen, und nicht nur einige wenige. Ein Beispiel: Ein Manager würde die Hypothese entwickeln, dass seine Lieferkette nicht optimal arbeitet. „Dann würde man mit Einkäufern sprechen, mit Mitarbeitern, und erst am Ende, wenn man alles analysiert hat, kann man erkennen, ob dort wirklich noch versteckte Werte schlummern“, sagt Kinzler. 

Ein Algorithmus dagegen beginnt genau andersherum, bei den zugrunde liegenden Daten. Die Künstliche Intelligenz ist in der Lage, die Daten automatisiert zu laden, Strukturen zu erkennen und Ausreißer zu bereinigen. Davon ausgehend leitet sie dann ihre Rückschlüsse ab. Bei der Geschwindigkeit sind die intelligenten Tools einem Menschen weit voraus: „In einem klassischen Projektansatz rechnet man mit zwei bis drei Monaten, um die Daten zu modellieren, mit einer KI gelingt es in etwa zwei Wochen“, sagt Christian Koropp, Senior Manager bei Deloitte Digital.

Die Algorithmen nehmen Einheiten in den Fokus, die bei einer Analyse durch einen Mitarbeiter viel zu kleinteilig wären: „Die KI kann einzelne Werke, Kundengruppen, Materialien oder Lieferanten betrachten und ihre Hypothesen auf Basis von Einzeltransaktionsdaten testen“, erklärt Koropp.

Jeder Bestellprozess, jede Rechnung, jede Lieferung werden dann von der Künstlichen Intelligenz analysiert. Liefert ein Lieferant zu früh oder zu spät? Welche Folgen hat das für den Warenbestand? Diese Zusammenhänge könne eine Künstliche Intelligenz erkennen und bewerten. 

Wie gut sind die Daten des ERP-Systems?

Der Einsatz Künstlicher Intelligenz lohnt sich allerdings nicht für jedes Unternehmen. Eine gewisse Größe und Komplexität sind Voraussetzung dafür, dass die Analyse auch ein Einsparpotential ergibt, welches den Aufwand für den Einsatz der KI rechtfertigt. „Der Einsatzbereich liegt eher im großen Mittelstand, MDax und Dax“, sagt Kinzler. 

Die Künstliche Intelligenz braucht gewisse Rahmenbedingungen, um wirklich intelligent zu werden: Wenn sie nur gleichförmigen Input erhält, lernt sie nicht dazu. Der Algorithmus benötigt genügend Daten sowie unterschiedliche Prozesse und Ausprägungen, um dazulernen zu können. Wer über den Einsatz einer Künstlichen Intelligenz im Working Capital Management nachdenkt, sollte daher genau prüfen, ob die Voraussetzungen dafür gegeben sind.

Die Künstliche Intelligenz braucht eine gute Datenquelle.

Christian Koropp, Deloitte Digital

Eine wichtige Rolle spielt dabei das ERP-System: „Da die KI auf Basis von Einzeltransaktionen arbeitet, braucht sie eine gute Datenquelle“, erklärt Koropp. Die Tücke steckt dabei oft im Detail: „Wenn sich beispielsweise eine Zahlungsfrist ändert, legen manche ERP-Systeme dafür einen Änderungsbeleg an. Der Vorgang bleibt damit nachvollziehbar. Andere ERP-Systeme überschreiben dagegen die vorhandenen Belege – diese sind damit für eine Analyse verloren.“

Künstliche Intelligenz ist kein Allheilmittel

Wichtig ist allerdings auch: Die Künstliche Intelligenz kann das Working Capital Management nicht im Alleingang verbessern. „Sie kann aufzeigen, in welchen Bereichen auf Basis ihrer Analyse noch Potential liegt und wie hoch sie dieses einschätzt. Die Entscheidung darüber, zu welchen Punkten man konkrete Maßnahmen ableitet und umsetzt, muss aber weiterhin ein Mensch treffen“, sagt Kinzler. Dieser Punkt sei entscheidend: „Der Geschwindigkeitsvorteil, den die KI beim ‚Number Crunching‘ und bei der Maßnahmendefinition liefert, entfaltet nur dann seine Wirkung, wenn hinterher auch eine konsequente Umsetzung folgt.“

sabine.reifenberger[at]finance-magazin.de

Welche weiteren Einsatzmöglichkeiten sich für neue Technologien bieten, lesen Sie auf unserer Themenseite über Robotics und Künstliche Intelligenz. Weitere Informationen zur Verbesserung des Umlaufsvermögens finden Sie auf der Themenseite Working Capital Management.