Ränthetsen kombiniert KI-gestützte Vorhersagemodelle mit von der Community verifizierten Leistungsprotokollen, sodass Entscheidungen zur Kapitalallokation auf validierten Daten und nicht auf Annahmen basieren können.
Die meisten kleineren Unternehmen verwalten überschüssige Liquidität auf der Grundlage vierteljährlicher Abstimmungen und ihres Bauchgefühls. Zwischen diesen Gelegenheiten entstehen Opportunitätskosten: Kapital, das weder aktiv arbeitet noch vor Volatilität geschützt ist. Das Entscheidungsmaterial hat Zeit, veraltet zu sein, bevor es überhaupt verwendet wird.
Das Problem ist selten ein Mangel an Daten, sondern ein Mangel an Struktur, um diese rechtzeitig zu interpretieren. Je mehr Variablen manuell abgewogen werden müssen, desto größer ist die Gefahr, dass wichtige Signale in der Masse untergehen.
Ränthetsen wurde auf der Grundlage einer einfachen Annahme entwickelt: Empfehlungen zur Kapitalallokation sollten im Nachhinein überprüfbar sein und nicht nur im Voraus akzeptiert werden. Daher besteht die Plattform aus zwei miteinander verbundenen Teilen – einer Analyse-Engine, die Finanzdaten verarbeitet, und einem öffentlichen Protokoll, das zeigt, wie gut sich frühere Empfehlungen tatsächlich bewährt haben.
Die Methodik richtet sich an Unternehmen, die ihre überschüssige Liquidität selbst verwalten und Entscheidungen auf der Grundlage validierter Daten und nicht auf der Grundlage individueller Prognosen treffen möchten. Die Plattform ersetzt keinen Finanzmanager, sondern fungiert als strukturierte Entscheidungsunterstützung in der laufenden Arbeit.
Die Engine verarbeitet große Mengen historischer und laufender Finanzdaten, um Muster zu identifizieren, die statistisch signifikant und nicht zufällig sind. Das Ergebnis sind Empfehlungen, die an das Liquiditätsprofil und den Risikorahmen jedes Unternehmens angepasst sind.
Historische Cashflows und Marktdaten werden in Vorhersagemodellen kombiniert, die kontinuierlich aktualisiert werden, um Trends zu erkennen, bevor sie in vierteljährlichen Berichten sichtbar werden.
Mittels algorithmischer Optimierung wird das Renditepotenzial gegen das Risiko abgewogen, wobei klare Grenzwerte an die Risikobereitschaft des Unternehmens angepasst werden.
Empfehlungen werden kontinuierlich angepasst, sobald neue Daten eingehen, sodass Entscheidungen mit Veränderungen der Liquidität Schritt halten können, anstatt ihnen hinterherzuhinken.
Jede von der Plattform generierte Empfehlung wird mit einem Zeitstempel versehen, bevor das Ergebnis bekannt ist. Das Ergebnis wird dann in einem offenen Protokoll veröffentlicht, in dem Abweichungen zwischen Prognose und tatsächlichem Ergebnis im Zeitverlauf verfolgt werden können.
Bestehende Abläufe für Rechnungswesen und Liquidität werden angebunden, ohne bestehende Systeme zu ersetzen. Zur Kalibrierung der Startposition werden historische Daten verwendet.
Das Vorhersagemodell wird an die spezifischen Ziele, den Zeithorizont und die Risikotoleranz des Unternehmens angepasst, bevor Empfehlungen ausgesprochen werden.
Empfehlungen werden zusammen mit einer zugrunde liegenden Begründung präsentiert, sodass die verantwortliche Person die endgültige Entscheidung in völliger Transparenz treffen kann.
Alle Finanzdaten werden im Einklang mit der DSGVO verarbeitet, wobei sowohl bei der Übertragung als auch bei der Speicherung eine Verschlüsselung erfolgt. Es werden nur die für die Analyse erforderlichen Datenpunkte erfasst und das Unternehmen behält die volle Kontrolle darüber, welche Quellen angebunden werden. Ohne ausdrückliche Einwilligung werden keine Daten an Dritte weitergegeben.
Die Modelle basieren auf einer Kombination aus Zeitreihenanalyse und maschinellem Lernen und werden vor der Bereitstellung anhand historischer Daten validiert. Die Genauigkeit wird kontinuierlich anhand realer Ergebnisse getestet, weshalb das Ergebnisprotokoll unabhängig davon aktualisiert wird, ob die Prognose korrekt war oder nicht.
Den Kosten der Plattform sollten die Opportunitätskosten gegenübergestellt werden, die entstehen, wenn Kapital über längere Zeiträume ungenutzt bleibt oder falsch zugewiesen wird. Da jede Empfehlung und ihr Ergebnis im öffentlichen Protokoll dokumentiert werden, ist es möglich, die Kostenrendite anhand der tatsächlichen Historie und nicht anhand von Annahmen zu beurteilen.