Cash Visibility 2026: Warum CFOs die Treasury-Architektur endlich ernst nehmen

Ein globaler Hersteller mit Aktivitäten in 14 Ländern hat kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →ürzlich festgestellt, dass rund 340 Millionen US-Dollar ungenutzt bei Tochtergesellschaften in Südostasien lagen, vor allem weil das Treasury-Team in Frankfurt keine Echtzeit-Visibility auf diese Konten hatte. Das Geld war da. Das Unternehmen konnte es nur nicht klar genug sehen, um es einzusetzen. Das ist kein Randphänomen. Laut PwCs Global Treasury Survey (einer der belastbareren unabhängigen Benchmarks in diesem Feld) berichten über 60 % der großen Unternehmen, dass die Genauigkeit der Cash-Forecasts weiterhin ihr größter Schmerzpunkt im Treasury ist, selbst nach Jahren der Investitionen in Finanzsysteme.

Die Lücke zwischen dem, was CFOs ihrer Treasury-Funktion zutrauen, und dem, was sie tatsächlich liefert, ist oft erheblich. Und sie wird meist genau dann größererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen →, wenn die Bedingungen härter werden: steigende Zinsen, engere Kreditmärkte, geopolitische Störungen der Zahlungsströme.

Das strukturelle Problem, mit dem die meisten Treasury-Teams noch leben

Treasury-Technologie hat sich im letzten Jahrzehnt deutlich verbessert. Treasury Management Systeme von Anbietern wie Kyriba, ION und SAP (alle kommerzielle Plattformen, ihre Marketingunterlagen sind entsprechend zu lesen) haben Forecasting-Module, Bank-Connectivity-Layer und APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen →-basierte Integrationen ergänzt. Das Architekturproblem darunter bleibt in den meisten Organisationen bestehen: Cash-Daten werden noch zusammengesetzt und nicht live geführt.

Ein typisches Treasury-Team im mittleren bis großen Unternehmen zieht Kontoauszüge über SWIFT-MT940-Dateien, stimmt sie gegen ERP-Ledger ab, korrigiert um Intercompany-Positionen und erzeugt dann eine Cash-Position, die im besten Fall 24 Stunden alt ist. In volatilen FX-Umgebungen oder unter Liquiditätsstress ist dieser Verzug keine kleine Unannehmlichkeit. Er ist ein Handicap für jede Entscheidung.

Die Unternehmen, die dieses Modell wirklich hinter sich gelassen haben, teilen meist einige Merkmale. Sie haben ihre Bankbeziehungen so weit konsolidiert, dass API-Connectivity praktikabel wird, typischerweise mit einer Kerngruppe von vier bis sechs Relationship-Banken statt zwanzig und mehr lokalen Banken mit inkonsistenten Reporting-Standards. Sie haben die Datenaggregation von der Analyse innerhalb des Treasury getrennt, sodass Analysten nicht die ersten drei Stunden jedes Morgens damit verbringen, eine Position aufzubauen. Und sie haben bewusst entschieden, wo Treasury im ERP-Stack sitzt: entweder tief integriert oder klar getrennt, nicht unglücklich zwischen beidem.

Wo KI wirklich nützt und wo sie vor allem Lärm ist

Rund um KI-gestütztes Cash-Forecasting gibt es derzeit viel Begeisterung, die von Anbietern getrieben wird. Kyriba etwa vermarktet Forecasting-Fähigkeiten auf Machine-Learning-Basis als zentrales Differenzierungsmerkmal (eine Aussage, die man unabhängig prüfen sollte, denn die Genauigkeitsgewinne hängen stark von Datenqualität und Transaktionsvolumen ab). Das ehrliche Bild ist differenzierter.

Für Unternehmen mit hohen Transaktionsvolumina und relativ stabilen Geschäftsmodellen kann Machine Learning das kurzfristige Cash-Forecasting (eine bis dreizehn Wochen) spürbar verbessern. Mustererkennung über Payables-, Receivables- und Payroll-Zyklen bringt bei entsprechender Größe echten Mehrwert. Bei Unternehmen mit unregelmäßigen, projektbasierten Cash Flows oder mit erheblichen unstrukturierten Zuflüssen bleiben die Modelle oft hinter einem gut gepflegten Rolling Forecast zurück, den ein erfahrener Treasury-Analyst aufbaut.

Der langlebigere KI-Anwendungsfall im Treasury ist Exception Detection: ungewöhnliche Transaktionsmuster markieren, Anomalien bei Bankgebühren erkennen oder Intercompany-Abweichungen sichtbar machen, die sonst in Abstimmungsdateien verschwinden. Das ist weniger aufregend als „KI-Forecasting", aber hier liefert die Technologie verlässlich messbare Zeitgewinne.

Was das für den CFO bedeutet

Die Diskussion, die CFOs intern führen müssen, dreht sich weniger darum, welche Treasury-Plattform gekauft wird, und mehr darum, welches Problem sie eigentlich lösen wollen. Das läuft in der Regel auf zwei klar unterscheidbare Prioritäten hinaus, die unterschiedliche Antworten brauchen.

Die erste ist Visibility auf das Liquiditätsrisiko. Wenn der CFO nicht innerhalb von zwei Stunden sagen kann, wie die Netto-Cash-Position des Unternehmens in den fünf größten Währungen aussieht, ist das ein Governance-Versagen und keine Systemgrenze. Der Fix beginnt oft mit der Rationalisierung der Bankenstruktur, bevor Technologie überhaupt ins Spiel kommt. Von 30 Bankbeziehungen auf 12 zu kommen, eine notionale oder physische Cash-Pooling-Struktur einzuführen und Kontobezeichnungen über die Tochtergesellschaften hinweg zu standardisieren, sind die Voraussetzungen. Die Technologieinvestition ergibt mehr Sinn, sobald die darunterliegende Struktur einfacher ist.

Die zweite ist Working-Capital-Intelligence. Treasury verantwortet oder beeinflusst zunehmend die Diskussion über DSO bei Receivables, DPO bei Payables und Supply-Chain-Finance-Programme. Unternehmen wie Unilever und Siemens haben Treasury-Funktionen aufgebaut, die Working-Capital-Hebel aktiv als Liquiditätsquelle steuern und nicht nur als Finanzkennzahl betrachten. Dafür braucht Treasury Zugang zu operativen Daten (Order Management, Procurement, Zahlungsverhalten der Kunden), die traditionell in anderen Systemen liegen. Die Integrationsarbeit ist echt und braucht Zeit, aber der Effekt in Form freigesetzter Liquidität ist oft größer als alles, was sich allein über Anlageoptimierung erreichen lässt.

Ein dritter Druckpunkt, den man nennen sollte: das Monitoring von Counterparty-Risiken. Nach mehreren prominenten Bankenstressfällen 2023 wurden viele Treasury-Policies um strengere Konzentrationslimits und häufigeres Credit Monitoring ergänzt. Diese Praxis 2026 aufrechtzuerhalten, wenn die unmittelbare Erinnerung an diese Ereignisse verblasst ist, verlangt aktive Governance und nicht nur ein Policy-Dokument.

Praktische Prioritäten für die Treasury-Führung

• Erfassen Sie Ihren tatsächlichen Verzug in der Cash Visibility: Wie alt ist Ihre morgendliche Cash-Position und welche Entscheidungen werden darauf gestützt?
• Bevor Sie in Treasury-Technologie investieren, führen Sie ein Audit der Bankenstruktur durch. Der ROIROIReturn on Investment: das Verhältnis von Nettogewinn zu den Kosten einer Investition. Ein ROI von 300 % bedeutet, dass jeder investierte Dollar 3 Dollar zurückbringt.Vollständige Definition ansehen → einer Plattform fällt stark, wenn die zugrunde liegende Kontostruktur fragmentiert ist.
• Unterscheiden Sie zwischen Forecast-Genauigkeit (ein Daten- und Methodenproblem) und Forecast-Disziplin (ein Prozess- und Governance-Problem). Die meisten Organisationen haben das zweite Problem, nicht das erste.
• Verankern Sie den Working-Capital-Bezug ausdrücklich im Mandat des Treasury. Wenn Treasury keinen formalen Platz in den Diskussionen zu DSO und DPO hat, ist das eine Frage der Organisationsgestaltung, die man auf CFO-Ebene ansprechen sollte.
• Prüfen Sie Konzentrationslimits für Counterparties jährlich, nicht erst, wenn ein Marktereignis dazu zwingt.

Die CFOs, die 2026 am meisten aus ihrer Treasury-Funktion holen, sind nicht zwingend die mit den ausgefeiltesten Plattformen. Es sind die, die konsequent die Strukturen vereinfacht haben, auf denen diese Plattformen aufsetzen. Komplexität ist der versteckte Preis einer schwachen Treasury-Leistung, und sie erscheint selten als Position in einer Aufstellung, bis sie zur Krise wird.