Forderungsmanagement mit KI: vom Mahnwesen zum KI-Telefonagenten

Bei Transformance übernehmen CollectPulse und der KI-Agent Vero diesen Ablauf. 100 % der überfälligen Rechnungen werden innerhalb von 24 Stunden bearbeitet, in manuell arbeitenden Teams sind es 30 bis 40 %. Dieser Leitfaden behandelt Forderungen im B2B-Geschäft, nicht das Verbraucherinkasso. Er geht die einzelnen Schritte durch und zeigt, was sich ändert, wenn ein Agent die Arbeit erledigt und nicht mehr ein Regelwerk.

Das Wichtigste in Kürze

• KI verändert sieben Schritte im B2B-Forderungsmanagement: Priorisierung, Mahnwesen, Kundenansprache, Telefonate, Nachverfolgung von Zahlungszusagen, Übergabe von Streitfällen und die Liquiditätsprognose.
• Ein regelbasiertes Mahnwesen verschickt dieselbe Nachricht an festen Tagen. Ein KI-Agent entscheidet dagegen selbst, wen er kontaktiert, formuliert die Nachricht, ruft an und reagiert auf die Antwort. Die Grenzen dafür legen Sie fest.
• Mit CollectPulse übernimmt Vero 60 bis 80 % der Routinekontakte und führt 15 bis 20 Telefonate pro Stunde in über 70 Sprachen. Den Sachbearbeitern bleiben die Fälle, in denen es auf Ermessen ankommt.
• Streitfälle, die beim Mahnen auftauchen, gehen samt Nachweisen ins Abzugsmanagement. Zahlungszusagen schieben den erwarteten Zahlungseingang in die richtige Woche der Prognose.
• Die Kontrolle bleibt beim Menschen. Dafür sorgen Freigabestufen, ein Audit-Trail und ein KI-Anrufer, der sich zu Beginn jedes Anrufs als KI zu erkennen gibt.

In diesem Artikel

• Das Wichtigste in Kürze
• Was ist KI im Forderungsmanagement?
• Warum reicht ein automatisiertes Mahnwesen im B2B-Geschäft nicht aus?
• Was ändert KI in den einzelnen Schritten des Forderungsmanagements?
• Beispiel: eine überfällige Rechnung, vorher und nachher
• KI-Agent oder klassische Mahnsoftware: Wo liegt der Unterschied?
• Wo behält der Mensch die Kontrolle?
• So führen Sie KI im Forderungsmanagement ein
• Jede überfällige Rechnung bekommt einen nächsten Schritt

Was ist KI im Forderungsmanagement?

KI im Forderungsmanagement ist eine Form der Automatisierung, bei der Modelle und ein KI-Agent wie Vero von Transformance entscheiden, welche überfälligen B2B-Rechnungen bearbeitet werden. Der Agent verschickt die E-Mails, führt die Telefonate, wertet die Antworten aus und hält jedes Ergebnis an der Rechnung fest.

Es handelt sich um Software, die in Ihrem eigenen Debitorenprozess arbeitet, nicht um ein externes Inkassounternehmen. Sie setzt auf Ihrem bestehenden Prozess im Forderungsmanagement auf und ersetzt die manuellen Kontakte, nicht Ihre Kreditrichtlinie.

Fast vier von fünf Unternehmen in Westeuropa berichten, dass ihre B2B-Kunden zu spät zahlen. Rund ein Viertel der Rechnungen wird erst nach Fälligkeit beglichen (Atradius, 2026). Gleichzeitig ist die Zahlungslücke im B2B-Geschäft von 16 Tagen im Jahr 2023 auf 20 Tage im Jahr 2026 gewachsen. Gemeint ist der Abstand zwischen vereinbartem Zahlungsziel und tatsächlicher Zahlungsdauer (Intrum, 2026).

Verspätete Zahlungen sind in der B2B-Debitorenbuchhaltung der Normalfall. Entscheidend ist deshalb, wie viele überfällige Rechnungen Ihr Team überhaupt bearbeiten kann.

Warum reicht ein automatisiertes Mahnwesen im B2B-Geschäft nicht aus?

Ein automatisiertes Mahnwesen verschickt Zahlungserinnerungen nach Plan. Im B2B-Geschäft hängt das Geld aber oft an Dingen, gegen die keine Erinnerung hilft: am falschen Ansprechpartner, an einer Minderzahlung oder an einem strittigen Preis. Manche Kunden gehen auch ans Telefon, lassen E-Mails aber liegen.

Hinzu kommt ein Kapazitätsproblem. Ein Sachbearbeiter schafft 15 bis 20 Anrufe am Tag. Die vielen kleineren Rechnungen bekommen deshalb nie einen Anruf, und jede Rechnung, die liegen bleibt, treibt den DSO nach oben.

Diese Tage kosten Geld. Nach einer Schätzung der EU-Kommission brächte ein Tag weniger Zahlungsverzug den Unternehmen in der EU insgesamt 0,9 % mehr Cashflow (Europäische Kommission, 2023).

Das regelbasierte Mahnwesen ist als Grundlage richtig und bleibt bestehen. Die KI ändert, wer entscheidet und wer handelt.

Was ändert KI in den einzelnen Schritten des Forderungsmanagements?

KI verändert sieben Schritte, und jeder baut auf dem vorherigen auf. Der Risiko-Score bestimmt die Ansprache, die Ansprache bringt Antworten, und aus den Antworten werden Zahlungszusagen, Streitfälle oder Eskalationen, die wiederum die Prognose aktualisieren.

‍

‍

Arbeitsliste priorisieren, Zahlungen vorhersagen

Ohne KI richtet sich die Arbeitsliste nach den Altersklassen der Fälligkeitsanalyse und nach der Höhe des Saldos. Ein Prognosemodell (Predictive Modeling) bewertet dagegen jede offene Rechnung danach, ob und wann sie voraussichtlich bezahlt wird. Es stützt sich auf die Zahlungshistorie, auf Alter und Höhe der Rechnung, auf frühere Streitfälle und darauf, wie der Kunde beim letzten Kontakt reagiert hat.

Oben auf der Arbeitsliste steht dann, was den größten Zahlungseingang verspricht. Das Ergebnis: Jede überfällige Rechnung hat am Tag ihrer Fälligkeit eine nächste Aktion und einen Verantwortlichen, ob Agent oder Mensch.

Mahnwesen, das sich nach dem Kunden richtet

Ihre Fälligkeitsklassen bleiben als Richtlinie bestehen und geben den Rahmen vor. Innerhalb dieses Rahmens wählt die KI für jeden Kunden Zeitpunkt, Kanal und Tonfall.

Ein zuverlässiger Zahler, der drei Tage im Verzug ist, bekommt eine kurze Erinnerung mit der Rechnungskopie im Anhang. Ein notorisch säumiger Kunde mit hohem Saldo bekommt früher einen Anruf. Wie Sie den Mahnrhythmus gestalten, zeigt unser Beitrag zu Mahn-E-Mail-Vorlagen und Automatisierung. In CollectPulse übernimmt Vero 60 bis 80 % dieser Routinekontakte.

Persönliche Ansprache in der Sprache des Kunden

Vero schreibt jede Nachricht auf Basis der Rechnung, der offenen Posten des Kunden, früherer Streitfälle und bisheriger Gespräche. Möglich macht das Customer 360: ein Graph pro Kunde, der dem Agenten als Arbeitsgedächtnis dient. Vero kennt also die letzte Zusage und den letzten Streitfall, bevor die erste Zeile steht.

Die Nachrichten gehen in der Sprache des Kunden hinaus, ohne dass Sie dafür Muttersprachler einstellen müssen. Mahnt ein Shared Service Center für mehrere Gesellschaften in mehreren Ländern, bringt jede Gesellschaft eigene Konditionen und eigene Eskalationsbefugnisse mit. Wie sich das abbilden lässt, erklärt unser Beitrag zum automatisierten Mahnwesen im Konzern.

KI-Telefonagenten für Kunden, die sonst niemand anruft

Der KI-Telefonagent in CollectPulse führt 15 bis 20 Telefonate pro Stunde, und das in über 70 Sprachen. Ein Sachbearbeiter schafft 15 bis 20 am Tag. Zu Beginn jedes Anrufs gibt sich der Agent als KI zu erkennen. Danach geht er die offenen Rechnungen durch, fragt nach einem Zahlungstermin und hält das Ergebnis fest. Wie ein solcher Anruf Schritt für Schritt abläuft, beschreibt unser Praxisleitfaden zur KI-Telefonie im Forderungsmanagement.

Zahlungszusagen, die der Agent selbst nachhält

In vielen Teams landet eine Zahlungszusage in einem Notizfeld. Ein KI-Agent erfasst jede Zusage mit Datum und Betrag direkt an der Rechnung, egal ob sie per E-Mail oder am Telefon kam. Geht das Geld nicht ein, fasst der Agent am nächsten Tag nach. CollectPulse erfasst dreimal so viele Zahlungszusagen wie ein Team, das von Hand arbeitet.

Streitfälle gehen ins Abzugsmanagement, statt im Mahnlauf zu bleiben

In einem regelbasierten Ablauf bekommt eine strittige Rechnung so lange Mahnungen, bis jemand eine Mahnsperre setzt. Mit einem Agenten ist das anders. Stellt sich in einer Antwort oder einem Anruf ein Streitfall oder eine Minderzahlung heraus, endet das Mahnen für diesen Betrag. Typische Gründe sind Preisdifferenzen, fehlende Liefernachweise, Rabattaktionen und beschädigte Ware. Der Fall geht mit den Nachweisen im Anhang ins Streitfallmanagement.

ClaimIQ übernimmt ihn, erkennt Abzüge mit 97 % Genauigkeit und ordnet sie sechs Kategorien zu. Der unstrittige Saldo bleibt im Forderungsmanagement, sodass eine einzelne strittige Position nicht mehr die ganze Rechnung blockiert.

Zusagen und Streitfälle fließen in die Liquiditätsprognose

Mit einem Agenten landen Zusagetermine, strittige Beträge und vorhergesagte Zahlungstermine direkt in der Prognose. Der erwartete Zahlungseingang steht damit in der Woche, die der Kunde zugesagt hat. Strittige Beträge bleiben außen vor.

CashPulse rechnet mit genau diesen Terminen und erreicht bei Horizonten bis zu 90 Tagen eine Prognosegenauigkeit von 90 bis 95 % (100 minus MAPE). Weicht der Zahlungseingang von der Prognose ab, wirkt das auf die Priorisierung zurück: Eine gebrochene Zusage schiebt den Kunden auf der nächsten Arbeitsliste nach oben.

Beispiel: eine überfällige Rechnung, vorher und nachher

Die Zahlen in diesem Beispiel sind frei gewählt. Die italienische Gesellschaft eines Chemiekonzerns stellt einem Händler 48.000 EUR mit 60 Tagen Zahlungsziel in Rechnung. Das Shared Service Center des Konzerns betreut mit einem einzigen Team die Forderungen von 11 Gesellschaften.

Vorher: regelbasiertes Mahnwesen und manuelles Nachfassen

• Tag 3 nach Fälligkeit: Die erste Zahlungserinnerung geht aus der Vorlage hinaus, auf Englisch.
• Tag 17: Die Rechnung landet bei einem Sachbearbeiter, der kein Italienisch spricht. Er schickt eine E-Mail.
• Tag 24: Der Kunde antwortet, 6.200 EUR seien eine Preisdifferenz bei einer Position, und zahlt nichts, bis das geklärt ist. Die Notiz wandert in eine Tabelle, die Mahnungen laufen über die vollen 48.000 EUR weiter.
• Die Liquiditätsprognose zeigt weiterhin einen Zahlungseingang von 48.000 EUR zum Fälligkeitstermin.

Nachher: ein KI-Agent im Forderungsmanagement

• Tag 1 nach Fälligkeit: Die Rechnung rückt auf der Liste weit nach oben, weil dieser Kunde zum Quartalsende spät zahlt.
• Tag 1: Vero schickt eine E-Mail auf Italienisch mit Rechnungskopie und Kontoauszug. Keine Antwort.
• Tag 2: Vero ruft auf Italienisch an, gibt sich als KI zu erkennen und nimmt den Einwand zum Preis auf. Der Kunde sagt zu, 41.800 EUR bis zum 28. zu zahlen.
• Am selben Tag: Die Zusage steht an der Rechnung. Die 6.200 EUR gehen mit der Preisvereinbarung im Anhang an ClaimIQ, für diese Position stoppen die Mahnungen.
• Die Prognose verschiebt 41.800 EUR in die Woche des 28. und führt 6.200 EUR als strittig.
• Dem Sachbearbeiter bleibt eine einzige Aufgabe: die Weiterleitung des Streitfalls freigeben.

Der Agent hat nicht mehr Nachrichten verschickt als das Regelwerk. Anders ist der Zeitpunkt: Der Streitfall lag an Tag 2 auf dem Tisch statt an Tag 24. Und die 41.800 EUR stehen in der richtigen Prognosewoche.

KI-Agent oder klassische Mahnsoftware: Wo liegt der Unterschied?

Klassische Mahnsoftware führt die Regeln aus, die Sie festgelegt haben. Ein KI-Agent im Forderungsmanagement arbeitet innerhalb dieser Regeln. Er entscheidet aber selbst, wen er wann, in welcher Sprache und über welchen Kanal kontaktiert, und reagiert auf das, was der Kunde sagt.

‍

‍

Die rechte Spalte beschreibt agentische KI im Forderungsmanagement. Intrum schätzt, dass KI die Kosten für das Nachfassen bei verspäteten Zahlungen um rund 20 % senken kann. Die Schätzung beruht auf der Zeitersparnis, die Unternehmen für ihren Zahlungsverkehr angeben (Intrum, 2026).

Ein kleiner Debitorenbestand mit wenigen Kunden, einer Sprache und seltenen Streitfällen kommt mit einem regelbasierten Mahnwesen gut aus. Ein Agent lohnt sich umso mehr, je größer das Volumen ist und je mehr Gesellschaften, Sprachen und Streitfälle dazukommen.

Wo behält der Mensch die Kontrolle?

Der Agent handelt nur in dem Umfang, den Sie ihm einräumen. Jede Aktion wird protokolliert, und alles, was außerhalb der Richtlinie liegt, geht an einen Menschen.

Transformance arbeitet mit einem vierstufigen Freigabemodell (Lesen, Empfehlen, Ausführen, Buchen). Bei ERP-Buchungen ist immer ein Mensch eingebunden (Human-in-the-Loop). Alles steht in einem lückenlosen Audit-Trail. Dazu kommen SSO/SAML, rollenbasierte Zugriffskontrolle und der Betrieb in Ihrer eigenen VPC, sodass die Daten in Ihrer Cloud bleiben.

Beim Menschen bleiben strategische Kunden, Ratenzahlungen und ausgehandelte Konditionen, Kreditsperren sowie Streitfälle, die eine kaufmännische Entscheidung verlangen. Eine Eskalationsmatrix legt fest, wer welchen Fall bekommt.

Vero stellt sich in jedem Anruf zuerst als KI vor. Der Agent läuft in Microsoft Teams, wo Ihr Team ohnehin arbeitet.

So führen Sie KI im Forderungsmanagement ein

Beginnen Sie mit einer Gesellschaft, einer Nullmessung und einer schriftlichen Richtlinie. Erweitern Sie die Befugnisse des Agenten erst, wenn seine Ergebnisse überzeugen.

1. Wählen Sie eine Gesellschaft mit einem echten Rückstand an überfälligen Rechnungen. Messen Sie dort den heutigen Stand: DSO, Collections Effectiveness Index und die Quote eingehaltener Zahlungszusagen. Dazu kommt der Anteil überfälliger Rechnungen, die innerhalb von 24 Stunden bearbeitet werden.
2. Binden Sie das ERP und das Postfach des Forderungsmanagements an. Die Plattform lässt sich mit SAP S/4HANA und ECC, Oracle, NetSuite und Dynamics verbinden.
3. Legen Sie schriftlich fest, in welchem Rahmen der Agent arbeitet: Fälligkeitsklassen, Grenzen für den Tonfall, wer Ratenzahlungen freigeben darf und welche Kunden Ihr Team betreut.
4. Starten Sie auf der Stufe „Empfehlen“. Stellen Sie routinemäßige Erinnerungen und Anrufe auf „Ausführen“ um, sobald die Vorschläge des Agenten dem entsprechen, was Ihr Team tun würde.
5. Prüfen Sie in einem Proof of Value, was sich gegenüber der Nullmessung verändert hat.

Transformance führt diesen Proof of Value in 4 bis 5 Wochen an einer Gesellschaft durch. Der vollständige Rollout ist in 4 bis 8 Wochen abgeschlossen. Wann ein Inkassodienstleister trotzdem sinnvoll ist, zeigt unser Vergleich B2B-Forderungsmanagement: Software oder Dienstleister.

Jede überfällige Rechnung bekommt einen nächsten Schritt

Wo KI das Forderungsmanagement schneller macht, lässt sich genau sagen: Jede überfällige Rechnung bekommt am Tag ihrer Fälligkeit einen nächsten Schritt. Aus jeder Antwort wird ein dokumentiertes Ergebnis. Die Regeln bleiben als Richtlinie bestehen, der Agent übernimmt die Masse, und die Sachbearbeiter behalten die Entscheidungen.

Häufig gestellte Fragen

Wie verbessert KI das Forderungsmanagement?

KI sortiert überfällige Rechnungen nach Zahlungsrisiko und kontaktiert jeden Kunden rechtzeitig. Aus jeder Antwort wird ein dokumentierter nächster Schritt: eine Zahlungszusage, ein weitergeleiteter Streitfall oder eine Eskalation. Der Vorteil liegt in Abdeckung und Tempo: Manuelle Teams bearbeiten 30 bis 40 % der überfälligen Rechnungen innerhalb von 24 Stunden, CollectPulse bearbeitet 100 %.

Was ist automatisiertes Forderungsmanagement?

Automatisiertes Forderungsmanagement ist Software, die das Nachfassen bei überfälligen Forderungen übernimmt. Dazu gehören Zahlungserinnerungen, Kontoauszüge und Anrufe, das Nachhalten von Zahlungszusagen und die Weiterleitung von Streitfällen. Ihr Team muss so nicht mehr jeden Kontakt von Hand erledigen. Regelbasierte Tools automatisieren den Versand, KI-Tools entscheiden zusätzlich selbst und reagieren auf Antworten.

Was unterscheidet KI-Agenten im Forderungsmanagement von klassischer Mahnsoftware?

Klassische Mahnsoftware verschickt vordefinierte Nachrichten an festen Tagen. Ein KI-Agent im Forderungsmanagement, zum Beispiel Vero von Transformance, entscheidet, wen er kontaktiert, schreibt und verschickt die Nachricht, ruft den Kunden an und reagiert auf die Antwort. Dabei bleibt er in den Grenzen, die Sie festlegen.

Welche KI-Software für das Forderungsmanagement erledigt Aufgaben selbst, statt nur Arbeitslisten zu erstellen?

Achten Sie auf Software, deren Agent selbst E-Mails verschickt, Anrufe führt und jedes Ergebnis protokolliert. Gesteuert wird das über Freigabestufen. Eine sortierte Liste, die am Ende doch ein Sachbearbeiter abarbeitet, reicht nicht. CollectPulse arbeitet so: Vero übernimmt 60 bis 80 % der Routinekontakte.

Gibt sich der KI-Telefonagent als KI zu erkennen?

Ja. Vero gibt sich zu Beginn jedes Anrufs als KI zu erkennen, auch wenn er die Kreditorenbuchhaltung eines Kunden anruft.

Ersetzt KI die Teams im Forderungsmanagement?

Nein. KI übernimmt die Routine. Die Entscheidungen, bei denen es auf Urteilsvermögen ankommt, bleiben beim Team: strategische Kunden, ausgehandelte Ratenzahlungen, Kreditsperren und kaufmännische Streitfälle. Wenn der Agent 60 bis 80 % der Routinekontakte übernimmt, deckt dasselbe Team den gesamten Debitorenbestand ab.

Wie stark kann KI im Forderungsmanagement den DSO senken?

Bei Kunden von CollectPulse sinkt der DSO im Durchschnitt um 8 bis 12 Tage (Transformance-Kundendaten, 2026). Jeder Tag zählt. Nach einer Schätzung der EU-Kommission brächte ein Tag weniger Zahlungsverzug den Unternehmen in der EU insgesamt 0,9 % mehr Cashflow (Europäische Kommission, 2023). Weitere Hebel beschreibt unser Praxisleitfaden zur DSO-Senkung.