Über Prognosen hinaus: Cashflow-Szenarioanalyse und Stresstests für ein resilientes Treasury

Standard-Treasury-Cashflow-Prognosen brechen in Krisen oftmals zusammen. Nicht weil die Zahlen falsch sind, sondern weil sie auf Annahmen gebaut sind, die bei Stress nicht mehr gelten. Die Antwort liegt nicht in noch genaueren Prognosen. Sie liegt im Aufbau einer robusten Cashflow-Szenarioanalyse, die Ihrem Treasury ermöglicht, Was-wäre-wenn-Fragen schnell zu beantworten. Nach dem Inflationsschock 2022-23 nennen viele CFOs fortgeschrittene Szenarioplanung als eine der Maßnahmen, mit denen ihre Organisationen besser mit Störungen umgehen. 

Die Prognose ist nicht das Problem, sondern die Annahmen dahinter

Viele Standard-Treasury-Prognosen bauen auf Annahmen, die sich vernünftig anfühlen, bis sie aufgrund einer Krise plötzlich implodieren. Der Inflationsschock 2022, das Lieferkettenproblem in der Pandemie um 2020-2021 und die Energiekrise 2022-23 im deutschen Mittelstand waren Ausnahmesituationen, die nahtlos ineinander übergingen. Trotz vieler aufeinanderfolgender Krisen haben viele Finanzfunktionen im Mittelstand keinen klaren Plan B, wenn sich die Grundannahmen plötzlich ändern.

Die Aufgabe des CFOs in volatilen Märkten ist nicht, hellzusehen, sondern besteht darin, ein Treasury aufzubauen, das in mehreren möglichen Zukunftsszenarien immer reibungslos funktioniert.

Viele mittelständische Finanzteams arbeiten jedoch mit einer einzigen Basis-Prognose. Vielleicht führen sie eine kleine Sensitivitätsanalyse durch, indem sie einen 10-prozentigen Umsatzeinbruch simulieren oder 50 Basispunkte zu den Kreditkosten hinzufügen. Aber das Modell hängt trotzdem an einer normalen, erwartbaren Entwicklung. Wenn die Bedingungen nicht leicht darunter liegen, sondern völlig außerhalb dieser Bandbreite, versagt dann schnell der gesamte Planungsapparat.

Bei robuster Cashflow-Szenarioanalyse und Stresstests geht es um eine differenzierte Modellarchitektur. Eine Prognose, die bei normalen Bedingungen auf Genauigkeit optimiert ist, ist bei ungewöhnlichen Bedingungen naturgemäß fragil. 

Eine durchdachte Cashflow-Szenarioanalyse im Rahmen eines umfassenden Cashflow-Managements fragt also nicht „Was wird passieren?”, sondern fragt „Wie ist unsere Position, wenn dies passiert?” Dieser Unterschied trennt Treasurys, die zurechtkommen, von solchen, die in Panik geraten.

Was ein sogenannter “Black Swan” tatsächlich für ein mittelständisches Finanzteam bedeutet

Nassim Talebs Black-Swan-Konzept ist weithin bekannt. Es handelt von einem Ereignis außerhalb der Verteilung der Erwartungen, vergleichbar mit einem einzelnen schwarzen Schwan unter hunderten weißen. Auf das Treasury umgemünzt: Ein Treasury-Modell versagt nicht, weil etwas Unerwartetes passiert, also ein schwarzer Schwan auftaucht. Es versagt, weil es nie darauf ausgelegt war, unter bekannten Inputs (weiße Schwäne) nützliche Zahlen zu liefern, für Szenarien, die es noch nicht gesehen hat (schwarze Schwäne). 

Drei solche Szenarien, die mittelständische Teams zwischen 2020 und 2023 tatsächlich erlebt haben:

Lieferkettenprobleme: Rund die Hälfte der KMU-Kunden des DSGV (Deutscher Sparkassen- und Giroverband) gaben beispielsweise an, direkt von Lieferkettenproblemen betroffen zu sein. Days Payable Outstanding (DPO) haben sich bei einigen Unternehmen drastisch verlängert, als Kunden ihr eigenes Working-Capital-Management verschärften und pandemiebedingte Stundungen ausliefern.

Währungsvolatilität: Erhebliche Schwankungen im Euro gegenüber dem britischen Pfund trafen deutsche Firmen mit bedeutenden Einnahmen aus dem Vereinigten Königreich hart.

Zinsanstieg: Die Leitzinserhöhungen der EZB zwischen Juli 2022 und September 2023 schlugen hart durch: Die EZB hob die Leitzinsen um 450 Basispunkte an. Der EURIBOR 12-Monats-Zinssatz blieb bis November 2023 auf einem Niveau von über 4 Prozent. Zinssteigerungen von rund 450 Basispunkten über etwa 14 Monate machten Festzinsmodelle obsolet und legten Refinanzierungsrisiken offen, die zuvor nicht ausreichend quantifiziert worden waren. 

Jedes dieser Szenarien ist eine Was-wäre-wenn-Frage, die längst nicht jedes starre Modell in Echtzeit beantworten konnte.

Der Unterschied zwischen einem Szenario und einer Sensitivität

Das ist der Kern dessen, was in der Praxis immer wieder durcheinandergebracht wird:

• Sensitivitätsanalyse: „Wenn sich eine Variable um X ändert, was passiert mit meinem Ergebnis?" Das ist linear und univariat, nützlich für Modellmechanik.
• Szenarioanalyse: „Wenn diese Kombination von Bedingungen gleichzeitig eintritt, wie ist meine Treasury-Position?" Nicht-linear und multivariat und wirklich nützlich für strategische Entscheidungsfindung.

In der Praxis sieht der Unterschied so aus (illustratives Beispiel):

Sensitivität: „Wenn der Euribor um 1 Prozent steigt, steigen unsere jährlichen Zinskosten um 340.000 Euro."

Szenario: „Wenn der Euribor um 1 Prozent steigt, während unsere zwei größten Kunden das DPO um 10 Tage verlängern und der Euro gegenüber dem Schweizer Franken um 5 Prozent schwächer wird, ist unsere Nettoliquiditätsposition nach 90 Tagen 1,2 Millionen Euro negativ, was eine strenge Covenant-Schwellenprüfung auslöst."

Das erste Beispiel, die Sensitivitätsanalyse, sagt Ihnen die Kosten einer sich bewegenden Variablen. Das Zweite, die Szenarioanalyse, sagt Ihnen, ob Sie ein Problem haben. Da sich komplexe Finanzmodelle entwickeln, ist die Bewältigung dieser multivariablen Komplexität genau der Grund, warum CFOs erklärbare KI benötigen, um Black-Box-Prognosen zu vermeiden.

In diesem komplexen Umfeld kommt CFOs laut der aktuellen Deloitte CFO Survey immer mehr Verantwortung zu. Viele Organisationen unterscheiden nicht formal zwischen Sensitivitäts- und Szenarioanalyse in ihrer Treasury-Planung. Es entsteht also eine strukturelle Lücke, die nur dann sichtbar wird, wenn sich mehrere Variablen gleichzeitig bewegen, und das passiert oft genau dann, wenn es am meisten darauf ankommt.

Aufbau einer Szenariobibliothek: das Drei-Horizonte-Framework

Viele mittelständische Treasurys profitieren davon, eine stehende Szenariobibliothek über drei Zeithorizonte hinweg in ihrer Liquiditätsplanung zu pflegen:

Horizont 1, operativ (0 bis 13 Wochen)

DPO- und DSO-Verschiebungen, Zahlungslaufverzögerungen, kurzfristige Währungsexposition, Covenant-Spielraum. Wöchentlich durchführen für Treasury-Cashflow-Prognose und Liquiditätspositionierung. Die Fragen sind taktisch: Haben wir Liquidität, um die Verpflichtungen dieser Woche zu erfüllen, wenn eine Schlüsselzahlung verzögert wird? Können wir eine unerwartete Umsatzsteuerverpflichtung gegenüber dem Finanzamt absorbieren, ohne teure Kontokorrentfazilitäten zu beanspruchen?

Horizont 2, strukturell (3 bis 18 Monate)

Zinsentwicklungen, Umsatz-Abwärtsszenarien (10, 20, 30 Prozent), Working-Capital-Verschlechterung. Monatlich durchführen, um Kreditfazilitätsdimensionierung, Absicherungsstrategie, Kapitalallokation zu informieren. Die Fragen sind strategisch: Wenn der Umsatz über zwei Quartale um 20 Prozent sinkt, verletzen wir Covenants? Was ist unser Finanzierungsbedarf, wenn sich das Working Capital gegen uns wendet?

Horizont 3, systemisch (18 Monate und darüber hinaus)

Geopolitische Störungen, regulatorische Änderungen, Ausfall von Geschäftspartnerbanken, branchenweite Schocks. Vierteljährlich durchführen, um Treasury-Risikomanagement-Politik und Risiko-Frameworks zu informieren. Die Fragen sind existenziell: Wenn unsere primäre Bankbeziehung ausfällt, können wir weiter operieren? Wenn Regulierung unser Finanzierungsmodell ändert, haben wir Zeit, uns anzupassen?

Tabelle: Drei-Horizonte-Framework für Cashflow-Szenarioanalyse im Treasury

Der praktische Ausgangspunkt für CFOs: ein Szenario, führen Sie es diese Woche durch

Hier ist eine vorgeschlagene Übung: Nehmen Sie Ihre aktuelle 13-Wochen-Cashflow-Prognose und identifizieren Sie die drei Annahmen, von denen sie am kritischsten abhängt. Typische Beispiele: Timing der Zahlung des größten Kunden, Wechselkurs der primären Betriebswährung, Kontokorrentfazilität-Spielraum.

Definieren Sie nun einen Stressfall für jeden: Zahlung um 10 Tage verzögert, Währung bewegt sich um 8 Prozent ungünstig, Kontokorrent zu 50 Prozent der zugesagten Menge gezogen.

Wenn diese Übung mit aktuellen Werkzeugen mehr als vier Stunden dauert, ist das Ihre Antwort, nicht die Zahl, die sie produziert. Die Einschränkung ist nicht die Fähigkeit Ihres Teams. Es sind die Systeme, mit denen sie arbeiten.

Warum die meisten Teams Szenarien nicht in Echtzeit durchführen können

Die Barriere ist nicht nur analytische Fähigkeit. Es ist auch Dateninfrastruktur. Eine nützliche multivariable Cashflow-Szenarioanalyse erfordert: Echtzeit-Banksalden, ERP-aktuelle Forderungen und Verbindlichkeiten, aktuelle Schuldenpläne und Währungsexposition nach Einheit und Währung. In den meisten mittelständischen Finanzfunktionen dauert es einen halben bis zwei Tage, diese Daten zusammenzubringen. Moderne Treasury-Plattformen mit nahtlosen Integrationen können diesen Prozess erheblich beschleunigen. Bis dahin hat sich die modellierte Bedingung bereits weiterbewegt.

Das ist nicht nur eine Geschichte über Stunden, die für administrative Aufgaben aufgewendet werden. Es geht darum, wie schnell oder langsam Sie während einer Krise reagieren können. KI-gesteuerte Treasury-Automatisierung kann diese Fähigkeit transformieren.

Die Frage ist nicht, ob Ihre Organisation mit einem Szenario konfrontiert wird, das Ihre Basis-Annahmen bricht. Die entscheidende Frage ist, ob Ihr Treasury die Frage „Wie ist unsere Position, wenn dies schlimmer wird?“ vor dem Vorstandsmeeting beantworten kann, und nicht erst danach.