KI im Treasury und Cash Management: Wie Mittelstands-CFOs Liquidität in Echtzeit steuern

Ein mittelständischer Maschinenbauer mit 180 Millionen Euro Jahresumsatz betreibt 23 Bankkonten bei vier Banken. Jeden Morgen öffnet der Treasurer fünf verschiedene Bankportale, kopiert Salden in eine Excel-Datei, passt sie manuell für erwartete Zahlungseingänge und -ausgänge an und erstellt bis Mitte des Vormittags eine tägliche Kassenposition. Der Prozess dauert 90 Minuten. Der Prognosehorizont beträgt vier Tage. Darüber hinaus bricht die Transparenz deutlich ein.

Gleichzeitig liegen 4,2 Millionen Euro auf unverzinslichen Girokonten. Bei einem EZB-Einlagezinssatz von 2,5 Prozent bedeutet das 105.000 Euro entgangene Zinsen pro Jahr - still und leise, während der Treasurer noch immer kopiert und einfügt.

Das ist keine Ausnahme. Die EACT-Treasury-Umfrage 2025 stellte fest, dass die Cashflow-Prognose die einzige Top-Priorität europäischer Treasurer ist - und dennoch können nur 29 Prozent der Unternehmen ihre Liquidität sicher unter mehreren Stressszenarien modellieren³. Die Werkzeuge zur Lösung dieses Problems existieren. Die Adoptionslücke im Mittelstand ist noch immer weit.

Das Mittelstand-Treasury-Problem

Drei strukturelle Kräfte haben seit 2022 die Kosten unzureichender Liquiditätssteuerung im deutschen Mittelstand erhöht. Ihr Verständnis liefert den Business Case für Modernisierung - ohne KI-Hype.

Der Zinsschock hat noch Zähne

Der Zinserhöhungszyklus 2022-2024 hat die Ökonomie des Working Capital dauerhaft verändert. Die Zinsaufwendungen für deutsche Mittelstandsunternehmen erreichten laut KfW-Mittelstandspanel 2025 ihr höchstes Niveau seit 2014¹. Wenn kurzfristige Kredite 3-4 Prozent kosten und brachliegendes Kapital nichts einbringt, ist schlechtes Treasury-Management kein kleinerer Mangel mehr - es ist ein direkter Margenverlust.

• Kosten ungenutzter Liquidität - Jede Million Euro auf einem unverzinslichen Girokonto kostet bei aktuellen Zinssätzen rund 25.000-40.000 Euro pro Jahr an Opportunitätskosten.
• Kontokorrentexposure - Unternehmen, die ihre intraday Kassenposition nicht genau kennen, halten tendenziell größere Sicherheitspuffer oder zahlen unnötige Überziehungszinsen. Mittelstands-Überziehungsmargen liegen typischerweise 250-450 Basispunkte über EZB.
• Working-Capital-Zyklusdruck - Der J.P.-Morgan-Working-Capital-Index 2024 zeigte, dass DSO und DPO auf europäischen Märkten beide um 1-3 Tage gestiegen sind²⁴ - das streckt Cash-Zyklen und erhöht den Wert einer genauen Prognose.
• Banken verschärfen Kreditvergabe - KfW-Forschung bestätigt strengere Kreditpolitiken von Banken, was Liquiditäts-Selbstmanagement kritischer macht. Unternehmen, die ihrer Hausbank keine Cash-Transparenz nachweisen können, zahlen höhere Finanzierungskosten.

Die fragmentierte-Systeme-Falle

Das Mittelstands-Treasury-Problem ist primär kein Technologiedefizit - es ist ein Datenaggregationsproblem. Die meisten Unternehmen im Umsatzbereich von 50-500 Millionen Euro betreiben:

• Mehrere Banken - 5-15 Bankbeziehungen sind für Mittelstandsunternehmen mit europäischen Aktivitäten typisch. Jede Bank hat ein eigenes Portal, ein eigenes Kontoauszugsformat, einen eigenen Zeitplan für Intraday-Updates.
• Mehrere ERP-Module oder -Systeme - SAP S/4HANA Finance für die Konzernbuchhaltung, DATEV für eine Tochtergesellschaft, Lexware für eine kleinere Einheit - alle produzieren Kreditoren- und Debitorendaten in unterschiedlichen Formaten.
• Manuelle Konsolidierung - Der Treasurer aggregiert diese Daten manuell in Excel. Laut PwC Global Treasury Survey 2025 (350 Befragte) sind schlechte Datenqualität (76 Prozent), fehlende effektive Tools (53 Prozent) und mangelnde Beiträge der Geschäftsbereiche (46 Prozent) die drei größten Hindernisse für bessere Prognosen⁴.
• Wissensverlust durch Generationswechsel - Wenn erfahrene Boomer-Treasurer in Rente gehen, sind die von ihnen über 20-30 Jahre aufgebauten Excel-Treasury-Modelle, die Formellogik und die Bankbeziehungen schlecht dokumentiert. Die Succession Planning ist für Unternehmen, in denen eine Person das gesamte Treasury-Wissen hält, ein echtes Risiko.
• Keine Echtzeit-Position - Ohne automatisierten Kontoauszug-Abruf ist die tägliche Kassenposition beim Fertigstellen immer einige Stunden veraltet. Bei erheblichem täglichem Zahlungsvolumen ist das material.

Was KI im Treasury wirklich leistet

Das Wort “KI” wird im Treasury-Anbieter-Marketing unscharf verwendet. Hier ist eine präzise Aufschlüsselung dessen, was aktuelle KI-Technologie tatsächlich liefert - mit klarer Unterscheidung zwischen bewährten Fähigkeiten und Roadmap-Versprechen.

Was heute bewährt und verfügbar ist

• Multi-Bank-Cash-Konsolidierung - KI-Systeme verbinden sich per EBICS 3.0 oder Bank-APIs mit Bankkonten, rufen Intraday-Kontoauszüge automatisch ab und erstellen eine konsolidierte Kassenposition in Echtzeit. Das ersetzt manuelles Portal-Hopping durch ein einziges Dashboard. Keine 90-minütige Morgenroutine mehr.
• ML-basierte Cashflow-Prognose - Machine-Learning-Modelle, trainiert auf 12-24 Monaten historischer Transaktionsdaten, erstellen rollende Prognosen auf Tages-, Wochen- und Monatshorizont. Sie lernen saisonale Muster, Kundenzahlungsverhalten und Lieferantenzahlungszyklen. Forschung zeigt eine 37,2-prozentige Reduktion des Prognosefehlers gegenüber traditionellen Methoden⁹. Anbieter-Benchmarks (HighRadius, Kyriba) nennen 90-95 Prozent Genauigkeit am 13-Wochen-Horizont^8,28.
• Anomalieerkennung in Zahlungsläufen - KI-Modelle, trainiert auf historischen Zahlungsmustern, flaggen Abweichungen: ungewöhnliche Zahlungsempfänger-Konten, Beträge außerhalb normaler Bereiche, neue Zahlungsziele, Timing-Anomalien. Das ist die primäre technische Verteidigung gegen BEC und CEO-Fraud.
• Automatische Bankkontoauszugs-Abstimmung - KI gleicht eingehende Zahlungen mit offenen Forderungen ab, flaggt Ausnahmen zur menschlichen Überprüfung und reduziert nicht zugeordnete Positionen, die aktuell Buchhaltungszeit absorbieren.
• FX-Exposure-Berechnung - KI aggregiert FX-denominierte Forderungen, Verbindlichkeiten und Cash-Positionen aus ERP-Daten und erstellt ein konsolidiertes Netto-FX-Exposure nach Währung. Das ersetzt manuelle Währungs-für-Währungs-Tabellenarbeit.
• Bankgebühren-Analyse - KI analysiert Bankgebühren-Abrechnungen (oft in PDF oder MT940-Format) und benchmarkt Gebühren gegen Marktpreise - identifiziert Überabrechnung. Branchenerfahrung zeigt, dass 10-30 Prozent der Bankgebühren zu viel oder falsch kategorisiert berechnet werden.

Was sich noch in Entwicklung befindet

• Autonome Hedging-Empfehlungen - Manche Plattformen (SAP TRM + Joule, Kyriba) generieren FX-Hedge-Empfehlungen in natürlicher Sprache, die Ausführung erfordert jedoch weiterhin menschliche Freigabe. Vollständig autonomes Hedging ist für die meisten Mittelstandsunternehmen nicht geeignet.
• Gegenpartei-Risikoüberwachung - Automatisierte Überwachung von Bank-Bonitätsbewertungen und ESMA-Daten ist in Enterprise-TMS-Plattformen verfügbar, erfordert aber eine Dateninfrastruktur, die im Mittelstand selten vorhanden ist.
• Narrative Treasury-Berichte per KI - Joule in SAP S/4HANA und FIS Treasury GPT können narrative Treasury-Berichte aus strukturierten Daten erstellen. Die Qualität verbessert sich schnell, erfordert aber noch menschliche Überprüfung vor der Vorstandsverteilung.

8 Anwendungsfälle mit echten Zahlen

Jeder Anwendungsfall unten enthält mindestens einen konkreten Datenpunkt. Wo anbieterspezifische Angaben zitiert werden, sind sie als solche gekennzeichnet. Wo unabhängige Forschung existiert, wird diese bevorzugt.

1. Tägliche Liquiditätsposition - Konsolidierung

Das ist die häufigste und betrieblich kritischste Treasury-Aufgabe. Für ein Unternehmen mit 10-25 Bankkonten dauert manuelle Konsolidierung jeden Morgen 60-120 Minuten. KI ersetzt dies durch automatisierte Intraday-Daten-Pulls via EBICS 3.0 oder Bank-APIs.

• Vor KI - Treasurer öffnet 5-15 Bankportale, kopiert Salden nach Excel, passt für bekannte Cashflows an, erstellt bis Mitte des Vormittags die Tagesposition.
• Nach KI - Dashboard zeigt konsolidierte Position über alle Konten in Echtzeit, alle 15-30 Minuten aktualisiert. Morgenroutine sinkt von 90 Minuten auf eine 5-minütige Überprüfung.
• Werthebel - Freigewordene Zeit plus genauere Intraday-Positionierung reduziert brachliegendes Kapital und Überziehungskosten. Ein Unternehmen mit 50 Millionen Euro durchschnittlichem Tages-Cash und 1 Prozent Verbesserung der Overnight-Anlage erwirtschaftet 500.000 Euro pro Jahr.
• SAP-Hinweis - SAP S/4HANA Cash Management mit Joule kann das tägliche Treasury-Dashboard zu einem konfigurierten Zeitpunkt automatisch generieren und an relevante Stakeholder verteilen, ohne manuelle Schritte¹⁷.

2. 13-Wochen-Rolling-Forecast

Der 13-Wochen-Rolling-Forecast ist das Standard-Liquiditätsvisibilitäts-Tool für CFOs und Treasurer. Er deckt ein Finanzquartal ab und wird für Anlageentscheidungen, Kreditlinienmanagement und Vorstandsberichte genutzt. Manuelle Excel-basierte 13-Wochen-Prognosen im Mittelstand erreichen typischerweise 60-75 Prozent Genauigkeit bei vier Wochen.

• KI-Verbesserung - Machine-Learning-Modelle, trainiert auf 12-24 Monaten historischen Bankkontoauszugsdaten, Kreditoren-/Debitorenalterungsdaten, Lohnzyklen und saisonalen Mustern, erreichen 90-95 Prozent Prognosegenauigkeit bei 13 Wochen^8,9,28.
• Forschungsgrundlage - Tobelem und Reinhart (2024) demonstrierten eine 37,2-prozentige mittlere Reduktion des Cashflow-Prognosefehlers durch Deep Learning (LSTM/Transformer-Netzwerke) gegenüber traditionellen statistischen Methoden⁹.
• Praktische Anforderung - Modelle benötigen mindestens 12 Monate saubere historische Bankkontoauszugsdaten plus strukturierte AP/AR-Daten. Die meisten Mittelstandsunternehmen haben diese Daten bereits; der Engpass ist Aggregation, nicht Datenexistenz.
• Time-to-Value - Die meisten Teams sehen einen validierten 13-Wochen-KI-Forecast laufend innerhalb von 60-90 Tagen nach Anbindung der Bankdaten²⁷.

3. FX-Exposure-Erkennung und Hedging-Empfehlung

Deutsche Exporteure sehen sich anhaltendem FX-Risiko ausgesetzt. Die EUR/USD-Volatilität 2024-2025 war signifikant. Für ein Unternehmen mit 30 Millionen Euro jährlichen USD-Exporten bedeutet eine 5-prozentige ungesicherte FX-Bewegung einen P&L-Effekt von 1,5 Millionen Euro.

• Aktuelle Praxis - Viele Mittelstandsunternehmen sichern FX-Exposures quartalsweise oder jährlich auf Basis einer groben Durchsicht offener Rechnungen. Intra-Quartal-Exposures sind oft unüberwacht.
• KI-Ansatz - KI aggregiert alle FX-denominierten Positionen aus dem ERP (offene Forderungen, Verbindlichkeiten, Bestellungen, bestätigte Aufträge) und berechnet ein Echtzeit-Netto-Exposure nach Währungspaar. Sie generiert empfohlene Hedge-Beträge und Laufzeiten basierend auf dem Exposure-Profil und der Unternehmens-Hedging-Politik.
• Anbieterbeispiel - Kyribas FX-Modul konsolidiert ERP-Daten aus SAP, Oracle und anderen Quellen zu einer natürlichsprachlichen FX-Exposure-Zusammenfassung⁶. Coupa Treasury (Bellin TM5) hat ähnliche Funktionalität mit besonderer Stärke in DACH-Multi-Entitäts-Strukturen.

4. Working-Capital-Optimierung (DSO/DPO/DIO)

Working Capital ist der größte Hebel für Cash-Generierung in den meisten Mittelstandsunternehmen. Eine 5-Tage-Verbesserung der DSO (Debitorenlaufzeit) für ein Unternehmen mit 100 Millionen Euro Jahresumsatz setzt rund 1,4 Millionen Euro Cash frei.

• KI bei DSO - Machine-Learning-Modelle analysieren Kundenzahlungsverhalten und prognostizieren, welche Rechnungen zu spät bezahlt werden, um wie viele Tage, und mit welcher Wahrscheinlichkeit. Inkassoteams können hoch-Risiko-Rechnungen priorisieren, bevor sie überfällig werden.
• KI bei DPO - KI analysiert Lieferantenzahlungsbedingungen über alle Bestellungen hinweg und identifiziert Möglichkeiten für Skonto-Nutzung oder Zahlungsziel-Verlängerung, mit vollständiger Cashflow-Auswirkungsmodellierung.
• E-Rechnung-Effekt - Deutschlands verpflichtende B2B-E-Rechnung (strukturierter Empfang seit Januar 2025 verpflichtend) gibt KI-Working-Capital-Tools maschinenlesbare Rechnungsdaten automatisch - das verbessert Geschwindigkeit und Genauigkeit von AP-Cashflow-Prognosen¹³.

5. Konzern-Cash-Pooling und konzerninterne Finanzierung

Mittelstandsgruppen mit 3-30 Rechtseinheiten haben ein spezifisches Problem: Jede Tochter managt ihre eigene Liquidität, hält oft brachliegendes Kapital, während die Mutter oder eine Schwestergesellschaft Überziehungszinsen zahlt.

• Manuelle Situation - Treasurer erhält morgendliche Saldenberichte von Tochter-CFOs per E-Mail oder geteiltem Excel. Konzerninterne Überweisungen werden manuell ausgeführt, oft einmal täglich. Verpasste Sweeps sind häufig.
• KI-Situation - KI überwacht alle Einheiten-Konten in Echtzeit, berechnet optimale Sweep-Beträge, generiert konzerninterne Kreditdokumentation und präsentiert den Sweep zur Einzel-Klick-Freigabe.
• Werthebel - 20 Prozent weniger brachliegendes Kapital in Einheits-Girokonten für eine Gruppe mit 20 Einheiten und 2 Millionen Euro Durchschnitt pro Einheit bedeutet 4 Millionen Euro Verbesserung der Konzern-Cash-Effizienz - 100.000-160.000 Euro pro Jahr bei aktuellen Zinsen wert.

6. Zahlungsbetrug-Erkennung (BEC und CEO-Fraud)

Business Email Compromise (BEC) und CEO-Fraud sind die dominanten Zahlungsbetrugsbedrohungen für deutsche Mittelstandsunternehmen. Bitkom berichtete, dass Cyberangriffe 2024 einen Schaden von 178,6 Milliarden Euro verursachten, ein Anstieg um 30,4 Milliarden Euro gegenüber dem Vorjahr¹⁴.

• Das Ausmaß des Problems - Die Association of Corporate Treasurers berichtet, dass CEO-Fraud täglich mindestens 400 Firmen weltweit trifft²⁰. FBI-IC3-Daten zeigen BEC-Verluste von 2,8 Milliarden US-Dollar weltweit allein in 2024²¹.
• Wie KI Betrug erkennt - Trainiert auf historischen Zahlungsmustern, flaggt KI: neue Empfänger-Konten, Beträge außerhalb normaler Lieferantenbereiche, dringende Tageszahlungsanfragen außerhalb normaler Zeitpläne, BIC/IBAN-Kombinationen, die nicht zum Kreditorenstamm passen.
• Human-in-the-Loop-Anforderung - KI-Betrugs-Flags erfordern immer menschliche Überprüfung, bevor eine Zahlung blockiert wird. Kein KI-System sollte Zahlungen autonom blockieren - das Risiko falsch-positiver Treffer (Blockierung legitimer Lieferantenzahlungen) ist zu hoch.

7. Bankgebühren-Analyse und Abstimmung

Bankgebühren-Abstimmung ist eine der am konsistentesten vernachlässigten Treasury-Aufgaben im Mittelstand. Banken rechnen Dutzende Servicetypen ab (SEPA-Gutschriften, Daueraufträge, EBICS-Verbindungen, Kontoführung, SWIFT-Nachrichten) in Formaten, die schwer automatisch analysierbar sind.

• Die Möglichkeit - Branchenerfahrung aus Treasury-Beratung zeigt, dass 10-30 Prozent der Bankgebühren Fehler oder Berechnungen für tatsächlich nicht genutzte Dienste enthalten. Bei einem Unternehmen mit 50.000 Euro jährlichen Bankgebühren sind das 5.000-15.000 Euro pro Prüfungszyklus.
• ISO-20022-Verbesserung - Der Wechsel zu ISO-20022-MX-Formaten (seit November 2025 für SWIFT-Auslandszahlungen verpflichtend) bringt reichhaltigere, strukturiertere Gebührendaten - das macht KI-Gebühren-Abstimmung genauer¹¹.

8. Overnight-Anlage und Überschussliquiditäts-Optimierung

Bei EZB-Zinsen von 2,5 Prozent ist das Halten von Überschussliquidität auf Girokonten eine explizite Kostentscheidung. Ein Treasury-Team, das verfügbare Overnight-Liquidität genau identifiziert und in Geldmarktfonds, Repos oder Tagesgelkonten anlegt, erzielt relevante Zinserträge.

• Das Problem - Ohne genaue taggleiche Cash-Positionierung halten Treasurer Sicherheitspuffer. Das durchschnittliche Mittelstandsunternehmen hält nach unserer Erfahrung 15-25 Prozent mehr Cash auf Girokonten als operativ notwendig - wegen Prognoseunsicherheit.
• Regulatorischer Hinweis - SEPA Instant Payment (seit Oktober 2025 vollständig verpflichtend) bedeutet, dass Intraday-Liquiditätsanforderungen höher sind - Gelder können in unter 10 Sekunden ankommen¹⁰. Das macht Echtzeit-Positions-Transparenz noch wichtiger.

TMS-Marktübersicht 2026: Wer was liefert

Der deutsche Mittelstand hat einen eigenständigen Anbietermarkt, geprägt durch EBICS-Konnektivität, SAP-Integration, deutschsprachigen Support und DSGVO-Datenanforderungen. Hier ist eine ehrliche Einschätzung, was jeder wichtige Anbieter in 2026 tatsächlich liefert - nicht sein Marketing.

SAP S/4HANA Treasury Management + Joule

• Für wen - Unternehmen, die bereits SAP S/4HANA Finance betreiben. Das Treasury-Modul ist eine natürliche Erweiterung ohne zusätzliche Integrationskosten.
• Was Joule 2026 liefert - Ein Cash-Management-Agent, der tägliche Bankkontoauszüge analysiert und Abstimmungen automatisiert - potenziell 70 Prozent der Zeit, die Finance-Teams für manuelles Cash-Positioning aufwenden¹⁷. Joule kann automatisch ein tägliches Treasury-Dashboard generieren und an den CFO senden. Natürlichsprachliche FX-Exposure-Abfragen sind in S/4HANA Private Cloud verfügbar.
• Einschränkungen - Joules Treasury-Fähigkeiten sind in S/4HANA Cloud stärker als On-Premise. Custom Joule Skills (über Joule Studio seit Dezember 2025 verfügbar¹⁸) erfordern Entwickler-Ressourcen. Nicht als eigenständiges Treasury-Tool für Unternehmen ohne SAP geeignet.
• DACH-Eignung - Exzellent. Natives EBICS 3.0, SEPA und deutsche Bankkonnektivität. Starke HGB/IFRS-Buchführungsintegration.

Kyriba (CashAI)

• Für wen - Größere Mittelstandsunternehmen und untere Mid-Market-Unternehmen (200 Millionen Euro+ Umsatz), die ein dediziertes Cloud-TMS mit fortgeschrittener KI suchen.
• Was es 2026 liefert - Kyriba startete seine KI-Cashflow-Prognose-Suite im April 2024, mit ML-basierter Prognose, die Saisonalitäts- und Zahlungsverhaltensmuster lernt⁶. Die Plattform nennt 90 Prozent Prognosegenauigkeit für KI-Feature-Nutzer²⁸. GenAI wird genutzt, um Zahlungsformate inklusive ISO-20022-XML zu aktualisieren.
• DACH-Eignung - Gut. Europäische Rechenzentrumsoptionen verfügbar. EBICS-Konnektivität unterstützt, erfordert Konfiguration.

FIS Neural Treasury

• Für wen - Größere Konzerne und Finanzinstitutionen mit umfassenden TMS-Anforderungen.
• Was es 2026 liefert - FIS startete die Neural-Treasury-Suite 2025 mit Treasury GPT - dem ersten Large Language Model speziell für die Treasury-Branche⁷. Gewann den TMI Award 2025 für Innovation. Fraud Detection überwacht Transaktionsmuster kontinuierlich.
• DACH-Eignung - Moderat. Starke globale Bankkonnektivität, weniger DACH-spezifische Tradition als SAP oder Serrala.

Nomentia (hat TIPCO 2021 übernommen)

• Für wen - Europäische Mittelstandsunternehmen, mit besonderer Stärke in DACH, Benelux und Nordics. Nach der Übernahme des Wiener Unternehmens TIPCO hat Nomentia den stärksten DACH-Mid-Market-Footprint unter Nicht-SAP-TMS-Anbietern.
• Was es 2026 liefert - Modulares Cash- und Treasury-Management. Starke EBICS-3.0-Konnektivität. Das Nomentia-2025.11-Produktupdate¹⁵ erweiterte KI-gestützte Cashflow-Prognose. Multi-Entitäts-Cash-Pooling für Mittelstandsgruppen.
• DACH-Eignung - Exzellent. Europäische Datenhaltung, deutschsprachiger Support, EBICS 3.0 nativ, starke Hausbank-Konnektivität.

Agicap

• Für wen - Kleinere Mittelstandsunternehmen und wachsende KMUs (5-100 Millionen Euro Umsatz). Über 8.000 Kunden in Europa nach Series C über 45 Millionen Euro in 2024¹⁶.
• Was es 2026 liefert - 13-Wochen- und Rolling-Forecasts, Szenario-Modellierung, tägliche Cashflow-Dashboards mit ERP- und Bankkonnektivität. AR-Automatisierung (CashCollect), AP-Automatisierung, Ausgaben-Management. DATEV-Konnektivität verfügbar.
• DACH-Eignung - Gut. Deutsches UI, DATEV-Konnektivität, EBICS-Support, aktives DACH-Vertriebsteam.

Serrala FS2 (ehemals Hanse Orga)

• Für wen - Deutscher Mittelstand mit SAP, der eine deutsch-native Treasury- und Zahlungslösung sucht. Serrala (ehemals Hanse Orga Group, Hamburg) ist einer der wenigen deutschen Treasury-Software-Anbieter.
• Was es 2026 liefert - FS2 Cash deckt Cash-Positioning, Kontoauszugs-Verarbeitung und elektronische Bankkommunikation (EBICS/SWIFT) ab. Tiefe SAP-Integration - als SAP-adjacente Schicht aufgebaut. Starke AP-Automatisierung und Payment Factory. TMI-Award als beste ERP-basierte Treasury-Lösung.
• DACH-Eignung - Exzellent. Deutsch-nativ, tiefe EBICS-Integration, deutsches Bankpartner-Ökosystem, Hauptsitz in Hamburg.

Coupa Treasury (ehemals Bellin TM5)

• Für wen - Mittelstandsgruppen und Mid-Market-Unternehmen mit starken Multi-Entitäts-Treasury-, Netting- und In-House-Banking-Anforderungen. Bellin wurde in Ettenheim, Baden-Württemberg, gegründet und hat tiefe DACH-Mittelstands-Wurzeln.
• Was es 2026 liefert - TM5 deckt Cash-Management, Zahlungen, Netting, FX, Schulden, Anlagen und konzerninterne Buchführung ab. Besonders stark für Konzernstrukturen mit mehreren Tochtergesellschaften. EBICS-Konnektivität und SAP-Integration via direkte APIs.
• DACH-Eignung - Exzellent. Bellin-Erbe, deutsche Sprache, DACH-Bankkonnektivität, starke SAP-Integration.

Regulatorische Rückenwinde: Drei Änderungen, die KI-Treasury stärken

Drei regulatorische Änderungen, die zwischen 2024 und 2025 wirksam wurden, schaffen die Dateninfrastruktur und Zahlungsgeschwindigkeits-Veränderungen, die KI-Treasury wertvoller und praktikabler für den Mittelstand machen.

SEPA Instant Payment - Seit Oktober 2025 verpflichtend

Die EU-Sofortzahlungsverordnung (EU 2024/886) setzte eine zweistufige Verpflichtungsfrist¹⁰:

• 9. Januar 2025 - Alle EU-Zahlungsdienstleister müssen SEPA Instant Payments empfangen können (Überweisungen in unter 10 Sekunden, 24/7/365).
• 9. Oktober 2025 - Alle EU-Zahlungsdienstleister müssen SEPA Instant Payments auch senden können.

SWIFT-ISO-20022-Migration - Abgeschlossen November 2025

Ab dem 22. November 2025 hat SWIFT die Legacy-MT-Nachrichtenformate für grenzüberschreitende Zahlungen eingestellt. Alle grenzüberschreitenden Zahlungen nutzen nun das ISO-20022-MX-Format¹¹. Für Mittelstands-Treasury-Teams bedeutet das:

• Reichhaltigere Daten - ISO-20022-MX-Nachrichten tragen strukturierte Verwendungszweckinformationen, Zweckcodes und erweiterte Adressfelder, die MT-Nachrichten nicht hatten. KI-Cash-Abstimmungstools nutzen diese strukturierten Daten zur automatischen Zuordnung eingehender Zahlungen gegen offene Rechnungen.
• TMS-Update prüfen - Ihr TMS oder Ihre Treasury-Integrationsschicht muss das MX-Format verarbeiten können - prüfen Sie mit Ihrem Anbieter, ob das bereits umgesetzt wurde.

Deutschlands E-Rechnungspflicht - Phasenweise 2025-2028

Deutschlands B2B-E-Rechnungspflicht verlangt strukturierte elektronische Rechnungen für alle inländischen B2B-Transaktionen¹³:

• 1. Januar 2025 - Alle Unternehmen müssen strukturierte E-Rechnungen empfangen können (XRechnung, ZUGFeRD).
• 1. Januar 2027 - Unternehmen mit Jahresumsatz über 800.000 Euro müssen strukturierte E-Rechnungen für inländische B2B-Transaktionen ausstellen.
• 1. Januar 2028 - Alle Unternehmen unabhängig von der Größe müssen E-Rechnungen für inländische B2B-Transaktionen ausstellen.

Für das Treasury sind strukturierte E-Rechnungen maschinenlesbare Zahlungsverpflichtungen. KI-Cashflow-Prognosetools können Fälligkeitsdaten, Beträge und Zahlungskonditionen aus eingehenden XRechnung- oder ZUGFeRD-Dateien automatisch extrahieren - das ermöglicht genauere AP-Prognosen als je zuvor von PDF-Rechnungen möglich.

EBICS 3.0 - Das Fundament der Multi-Bank-Konnektivität

EBICS 3.0 ist seit November 2021 in Deutschland verpflichtend und der Standardkanal für sicheren Bank-zu-Unternehmen-Datenaustausch in Deutschland, der Schweiz und Österreich¹². Alle großen deutschen Banken (Deutsche Bank, Commerzbank, Helaba, BayernLB, LBBW, DZ Bank, Sparkassen) unterstützen EBICS 3.0.

• Was es für KI ermöglicht - EBICS 3.0 ist der Datenfeed, auf dem jedes KI-Cash-Positioning-Tool läuft. Es liefert Intraday- und End-of-Day-Bankkontoauszugsdaten im CAMT.052/053/054-Format automatisch. Ohne EBICS-Konnektivität kann KI-Cash-Positioning nicht funktionieren.
• Praktischer Aufwand - Die meisten Mittelstandsunternehmen haben bereits EBICS-Verbindungen für ihre ERP-Zahlungsläufe. Die Erweiterung auf ein Treasury-Tool erfordert eine Bankvollmachts-Änderung - einige Wochen administrativer Arbeit, keine Monate technischer Komplexität.

Umsetzung: Kosten, Zeitplan und Einstiegspunkt

Die praktische Frage für einen Mittelstands-CFO ist nicht, ob KI-Treasury Sinn ergibt - bei heutigen Zinssätzen und Betrugsrisiken ist das klar. Die Frage ist: Was kostet es, wie lange dauert es, und wo fängt man an?

Kostenbereiche nach Unternehmensgröße

Der 60-Tage-Einstiegspfad

1. Woche 1-2: Baseline-Audit - Aktuellen täglichen Cash-Prozess dokumentieren: wie viele Bankkonten, wie viele Portale, wie lange dauert es, was ist der Prognosehorizont und die Genauigkeit. Kosten brachliegenden Kapitals quantifizieren (Tagesdurchschnittssaldo x EZB-Zinssatz x 0,15 für typische Ineffizienz).
2. Woche 3-4: Bankkonnektivitäts-Check - Prüfen, welche Banken EBICS 3.0 unterstützen. EBICS-Zugang von Banken beantragen, wo nur Online-Banking-Portal-Zugang besteht. Das ist das technische Fundament.
3. Woche 5-6: Tool-Auswahl und Demos - Basierend auf Umsatz und bestehendem ERP auf 2-3 Anbieter eingrenzen. Demos mit Live-Daten wenn möglich. Gezielt fragen: Wie lange dauert es, unser erstes Bankkonto via EBICS anzubinden? Was erfordert die 13-Wochen-Prognose von uns an Datenvorbereitung?
4. Woche 7-8: Pilotumfang definieren - Einen konkreten Pilot definieren: entweder tägliche Cash-Positionierung über alle Bankkonten oder 13-Wochen-Cashflow-Prognose für eine Einheit. Baseline-KPI vorher festlegen (aktueller Zeitaufwand, aktuelle Prognosegenauigkeit).
5. Woche 9-12: Pilot-Durchführung - Erste Bank anbinden, historische Daten ziehen, erste KI-Prognose generieren. Für den ersten Monat mit bestehender Excel-Prognose vergleichen. Unterschied messen.
6. Woche 13-16: Beweisen und ausweiten - Pilot-Ergebnisse dem CFO mit gemessenem ROI vorstellen. Auf weitere Bankkonten, Einheiten oder Anwendungsfälle ausweiten. Der Mehrwert-Nachweis basiert jetzt auf echten Daten.

Wie Superkind in die Treasury-Modernisierung passt

Superkind entwickelt maßgeschneiderte KI-Agenten, die sich in Ihre bestehende Infrastruktur integrieren, ohne sie zu ersetzen. Im Treasury bedeutet das typischerweise eines von drei Einsatzmustern:

Muster 1: KI-Cash-Positioning-Schicht auf bestehendem SAP oder DATEV

Für Unternehmen, die SAP S/4HANA oder DATEV betreiben und kein vollständiges TMS einführen wollen, verbindet sich ein Superkind-Agent mit Ihren bestehenden EBICS-Bankverbindungen und ERP-Daten, aggregiert die Tagesposition automatisch und erstellt eine 13-Wochen-Prognose. Der Agent stellt Insights in einem Dashboard dar oder pusht eine Morgenzusammenfassung bis 8 Uhr an den CFO. Implementierung dauert 6-10 Wochen.

• Geeignet für - Unternehmen mit 20-300 Millionen Euro Umsatz, 3-20 Bankkonten und bestehender SAP- oder DATEV-Infrastruktur, die KI-Cash-Transparenz ohne vollständigen TMS-Austausch wollen.
• Was der Agent tut - Tägliche Positions-Konsolidierung aus EBICS-Daten, 13-Wochen-Rolling-Forecast, Anomalieerkennung in täglichen Zahlungsläufen, Überschuss-Liquiditäts-Alert wenn anlegbarer Überschuss einen definierten Schwellenwert überschreitet.

Muster 2: Konzern-Cash-Pooling-Automatisierung

Für Gruppen mit 3-15 Rechtseinheiten überwacht ein Superkind-Agent alle Einheits-Cash-Positionen in Echtzeit, berechnet optimale konzerninterne Sweep-Beträge, generiert konzerninterne Kreditdokumentation und präsentiert Sweeps zur Einzel-Klick-Freigabe.

• Geeignet für - Mittelstandsgruppen mit mehreren Einheiten, bestehender SAP- oder Coupa-Treasury-Infrastruktur, und einer Konzern-Treasury-Funktion, die derzeit 2-4 Stunden täglich für konzerninternes Cash-Management aufwendet.
• Werthebel - 15-20 Prozent weniger brachliegendes Kapital in Einheits-Girokonten plus 10-15 Stunden weniger manueller Treasury-Arbeit pro Woche im Konzern.

Muster 3: Zahlungsbetrug-Erkennungs-Schicht

Ein Superkind-Betrugserkennungs-Agent analysiert alle ausgehenden Zahlungsläufe vor der Ausführung, vergleicht Zahlungsempfänger-Konten, Beträge und Timing mit historischen Mustern, und flaggt Anomalien mit einem Risikowert für explizite menschliche Freigabe.

• Geeignet für - Jedes Unternehmen mit SAP-Zahlungsläufen oder manuellen Banküberweigungs-Freigabe-Workflows.
• Werthebel - Die Prävention eines einzigen erfolgreichen BEC-Angriffs (Durchschnittskosten: 50.000-500.000 Euro) amortisiert 3-5 Jahre Agent-Betrieb mehr als.

Henri Jung

Co-Founder von Superkind, wo er KMUs und Großunternehmen hilft, maßgeschneiderte KI-Agenten einzusetzen, die tatsächlich zu der Arbeitsweise ihrer Teams passen. Henri ist leidenschaftlich daran interessiert, die Lücke zwischen dem, was KI leisten kann, und dem Wert zu schließen, den sie in echten Unternehmen schafft. Er glaubt, dass der Mittelstand alles hat, was er braucht, um bei KI führend zu sein - er braucht nur den richtigen Ansatz.