Working Capital Management im KI-Zeitalter: Chancen, Grenzen und Erfolgsfaktoren

Von Prof. Markus Rupp, Jasmin Renfer, Stephan Renfer

Die Arbeit entstand im Forschungsgebiet «Künstliche Intelligenz im Working Capital Management», in dem Prof. Markus Rupp als Auftraggeber gewirkt hat. Ziel war es, praxisnah zu untersuchen, wie Schweizer Unternehmen KI im Working Capital Management heute einsetzen, welche Wirkungen erkennbar sind und welche Herausforderungen sich in der Umsetzung zeigen.

Working Capital Management als Hebel für Liquidität

Working Capital Management ist für Unternehmen zentral, weil es direkt auf Liquidität, Kapitalbindung und operative Effizienz wirkt. Im Mittelpunkt stehen dabei drei Prozesse: der Order-to-Cash Process bzw. Debitorenprozess, der Inventory Process bzw. Lagerprozess sowie der Purchase-to-Pay Process bzw. Kreditorenprozess. Diese Prozesse werden typischerweise anhand der Kennzahlen Days Sales Outstanding (DSO), Days Inventory Outstanding (DIO) und Days Payables Outstanding (DPO) analysiert. Zusammen beeinflussen diese Prozesse den Cash Conversion Cycle und damit die Frage, wie lange Kapital im Unternehmen gebunden bleibt.

KI kann hier an verschiedenen Stellen unterstützen: Bei der Rechnungsverarbeitung, im Forderungsmanagement, bei Prognosen zu Zahlungseingängen, bei der Analyse von Lagerbeständen oder bei der Optimierung von Zahlungszeitpunkten. Die Masterarbeit zeigt jedoch auch, dass Unternehmen den Begriff KI sehr unterschiedlich verwenden – teilweise für regelbasierte Automatisierungen, teilweise für datenbasierte Prognosemodelle oder lernende Systeme.

Qualitative Einblicke aus Schweizer Unternehmen

Die zentrale Forschungsfrage der Masterarbeit lautete:

Wie wird Künstliche Intelligenz im Working Capital Management in Schweizer Unternehmen eingesetzt?

Zur Beantwortung der Forschungsfrage führten die Autorin und der Autor qualitative Interviews mit Schweizer Unternehmen durch. Dadurch konnten nicht nur konkrete Einsatzfelder identifiziert, sondern auch Wahrnehmungen, Akzeptanzfaktoren und organisatorische Voraussetzungen herausgearbeitet werden.

Ergänzend wurde untersucht, wie KI und Automatisierung in Unternehmen wahrgenommen werden. Diese zweite Perspektive ist wichtig, weil technologische Lösungen nur dann Wirkung entfalten, wenn sie organisatorisch verstanden, akzeptiert und sinnvoll in bestehende Prozesse eingebettet werden.

KI wird heute vor allem operativ eingesetzt

Die Ergebnisse zeigen, dass KI im Working Capital Management derzeit vor allem in transaktionalen und operativen Prozessen eingesetzt wird. Beispiele sind die Automatisierung von Routinetätigkeiten, die digitale Verarbeitung von Rechnungen, die Unterstützung von Prognosen oder die Analyse grosser Datenmengen.

Besonders dort, wo Unternehmen bereits über eine gute digitale Infrastruktur verfügen, können KI-Anwendungen schneller integriert werden. Diese Unternehmen profitieren eher von Effizienzgewinnen, höherer Transparenz und besseren Entscheidungsgrundlagen. Bei Unternehmen mit geringerem digitalem Reifegrad stehen hingegen häufig zuerst Grundsatzthemen im Vordergrund: Datenqualität, Systemintegration, klare Verantwortlichkeiten und eine belastbare Prozessbasis.

Datenqualität und Systemintegration bleiben zentrale Hürden

Eine Erkenntnis der Arbeit ist, dass der Nutzen von KI stark von der Qualität der vorhandenen Daten abhängt. Schlechte Stammdaten, isolierte Systeme oder fehlende Schnittstellen begrenzen den möglichen Mehrwert. KI kann nur dann gute Empfehlungen oder Prognosen liefern, wenn die zugrunde liegenden Daten vollständig, konsistent und aktuell sind.

Neben technischen Fragen spielen auch organisatorische und kulturelle Aspekte eine wichtige Rolle. Mitarbeitende und Führungskräfte müssen verstehen, was KI leisten kann – und was nicht. Zudem braucht es klare Regeln zu Datenschutz, Compliance und Verantwortung. Gerade im Finanzbereich ist entscheidend, dass automatisierte Empfehlungen nachvollziehbar bleiben und nicht unkritisch übernommen werden.

Der digitale Reifegrad entscheidet über den Nutzen

Die Arbeit macht deutlich, dass KI im Working Capital Management kein isoliertes IT-Projekt ist. Der digitale Reifegrad eines Unternehmens beeinflusst wesentlich, wie erfolgreich KI-Lösungen eingesetzt werden können. Unternehmen mit standardisierten Prozessen, integrierten Systemen und einer datenorientierten Kultur sind besser in der Lage, KI auch über operative Aufgaben hinaus für Steuerungs- und Entscheidungsprozesse zu nutzen.

Damit bestätigt die Untersuchung eine zentrale Erkenntnis: KI schafft nicht automatisch Effizienz. Sie verstärkt vielmehr die Qualität der bestehenden Prozesse und Datenstrukturen. Wer seine Prozesse nicht kennt, seine Daten nicht im Griff hat oder keine klare Zielsetzung verfolgt, wird auch mit KI nur begrenzte Wirkung erzielen.

Schrittweise Umsetzung statt grosser Technologiewurf

Für die Praxis ergibt sich daraus eine klare Empfehlung, KI im Working Capital Management schrittweise zu entwickeln. Sinnvoll ist ein Vorgehen, bei dem zuerst Prozesse analysiert, Datenqualität verbessert und konkrete Anwendungsfälle priorisiert werden. Danach können Pilotprojekte zeigen, wo KI tatsächlich Mehrwert schafft – etwa bei Prognosen, in der Rechnungsverarbeitung oder im Forderungsmanagement.

Ebenso wichtig ist die aktive Einbindung der Mitarbeitenden. KI verändert Rollenprofile im Finanzbereich. Routineaufgaben werden stärker automatisiert, während Analyse, Interpretation und Steuerung an Bedeutung gewinnen. Damit verschiebt sich die Finanzfunktion zunehmend von der reinen Verarbeitung hin zur datenbasierten Entscheidungsunterstützung.

Zusammenfassung

Abbildung 1 zeigt, dass Künstliche Intelligenz im Working Capital Management erhebliches Potenzial bietet. Sie kann Prozesse beschleunigen, Prognosen verbessern, Transparenz erhöhen und finanzielle Steuerungsentscheide unterstützen. Dieses Potenzial entsteht jedoch nicht allein durch Technologie. Entscheidend sind eine solide Datenbasis, integrierte Systeme, klare Ziele, Change Management und eine Unternehmenskultur, die datenbasierte Innovation ermöglicht.

Das Forschungsgebiet KI im Working Capital Management, in dem Prof. Markus Rupp als Auftraggeber gewirkt hat, zeigt Chancen, Grenzen und Erfolgsfaktoren, wie Unternehmen ihre kurzfristige Liquiditätssteuerung in einer zunehmend digitalen und KI-gestützten Finanzwelt weiterentwickeln können.

Für CFO’s und Treasurer ergeben sich daraus fünf zentrale Empfehlungen:

• Datenqualität priorisieren
• KI-Anwendungsfälle mit klarem Business Case auswählen
• Mitarbeitende frühzeitig einbeziehen
• Schrittweise statt revolutionär vorgehen
• Working Capital Management als strategisches KI-Einsatzfeld positionieren

Disclaimer: dieser Blogbeitrag wurde mit KI gegengelesen