Wie ein Maschinenbau-KMU operative Risiken um 34 Prozent senkte

Ausgangssituation

Die Meier GmbH & Co. KG (Name geändert) ist ein mittelständischer Maschinenbauer im Allgäu mit 120 Mitarbeitern und einem Jahresumsatz von rund 18 Millionen Euro. Das Unternehmen fertigt Präzisionskomponenten für die Automobilzulieferindustrie und den allgemeinen Maschinenbau. Das Geschäft läuft — zumindest oberflächlich betrachtet.

Der Geschäftsführer, ein zweiter Gesellschafter, und ein leitender Controller bilden die operative Führungsspitze. Sie verlassen sich auf ein bewährtes Trio: DATEV für die Buchhaltung, Excel für Controlling und Forecasting, und ein ERP-System aus den frühen 2010er-Jahren für Einkauf und Produktionsplanung. Die Daten sind vorhanden. Doch sie sprechen nicht miteinander.

Das Problem

In den ersten drei Quartalen 2025 häuften sich Überraschungen, die das Management in Bedrängnis brachten:

• Cashflow: Der DSO (Days Sales Outstanding) stieg von 42 auf 61 Tage. Zwei Großkunden verzögerten Zahlungen um jeweils über drei Wochen — ohne Vorwarnung. Die Liquiditätsreserve schrumpfte auf unter zwei Monatsgehälter.
• Lieferanten: Ein Schlüssellieferant für gehärtete Stähle lieferte zweimal hintereinander mit drei Wochen Verspätung. Die Information erreichte die Produktionsleitung erst, als die Materialien bereits hätten auf der Werkbank liegen müssen.
• Kunden: Zwei Bestandskunden, die zusammen 14 Prozent des Umsatzes ausmachten, kündigten innerhalb von sechs Wochen. Im Nachhinein zeigten sich Warnsignale: sinkende Bestellfrequenz, längere Reaktionszeiten auf Angebote, veränderte Ansprechpartner auf Kundenseite. Niemand hatte sie frühzeitig erkannt.

Die Folge: Ein Liquiditätsengpass im November 2025, der nur durch eine kurzfristige Kreditlinie bei der Hausbank abgefedert werden konnte. Die Konditionen waren ungünstig. Der Geschäftsführer wusste: Das darf nicht wieder passieren.

Die Lösung

Der Geschäftsführer entschied sich gegen eine komplette ERP-Erneuerung — zu teuer, zu lang, zu riskant. Stattdessen suchte er eine Lösung, die die bestehenden Systeme nutzt und ihre Daten verknüpft. Nach einem Maturity Check im Dezember 2025 startete die Einführung von NaveSight in drei Phasen:

Phase 1 — Finance & Cashflow (30 Tage):

Als erstes Modul wurde der Finance-Layer an DATEV und das Bankkonto angebunden. Die wichtigste Kennzahl: DSO-Drift mit 13-Wochen-Trend. Bereits nach zwei Wochen zeigte sich ein Muster: Kunden mit sinkender Bestellfrequenz tendierten systematisch zu späteren Zahlungen — noch bevor der Zahlungsverzug eintrat. Der Controller konnte proaktiv telefonieren, statt Mahnungen zu schreiben.

Phase 2 — Operations & Supply (90 Tage):

Das zweite Modul verknüpfte ERP-Lieferantendaten, Wareneingangsprüfungen und Produktionsplanung. Das entscheidende Pattern: Ein Lieferant lieferte weiterhin pünktlich, aber die Qualität der Wareneingangsprüfung zeigte eine verschobene Toleranzverteilung — ein Frühsignal für Produktionsprobleme beim Lieferanten. Drei Wochen vor dem tatsächlichen Delay wurde ein Eskalations-Alert ausgelöst. Der Einkauf konnte rechtzeitig auf einen Alternativlieferanten umsteigen.

Phase 3 — Cross-Module-Pattern (6 Monate):

Der Wendepunkt kam, als NaveSight ein Cross-Module-Signal erkannte: Ein Kundenkontakt zeigte gleichzeitig DSO-Anstieg, sinkende Bestellfrequenz und Wechsel des Ansprechpartners. Die Kombination aller drei Signale löste einen Churn-Frühwarn-Alert aus. Der Vertriebsleiter besuchte den Kunden persönlich, identifizierte ein Kommunikationsproblem bei der letzten Preisanpassung und konnte den Vertrag verlängern.

"Der Unterschied ist der Kontext. Früher hatten wir Zahlen. Jetzt wissen wir, was die Zahlen bedeuten — und was wir als Nächstes tun müssen."

Das Ergebnis

Nach zwölf Monaten liegen die Ergebnisse vor:

• DSO von 61 auf 49 Tage reduziert. Der Trend war nach 90 Tagen messbar, die Verbesserung nach sechs Monaten stabil.
• Kein unvorhergesehener Lieferanten-Delay mehr. Alle kritischen Lieferanten werden mindestens zwei Wochen vor potenziellen Problemen geflaggt. Die Ausschussrate sank um 18 Prozent.
• Zwei Kündigungen verhindert. Beide Kunden zeigten das gleiche Churn-Pattern wie die vorherigen Abgänge. Der Vertrieb reagierte frühzeitig.
• Operative Risiken insgesamt um 34 Prozent reduziert. Gemessen an einem selbst entwickelten Risk-Score, der Cashflow-, Supply- und Kundenrisiken gewichtet.

Die Investition amortisierte sich nach acht Monaten. Nicht durch Einsparungen, sondern durch verhinderte Kosten: Ein einziger verhinderter Kundenverlust hätte die Jahresgebühr für NaveSight über zehn Jahre finanziert.

Verwandte Inhalte

• Predictive Analytics in KMU: Die wissenschaftliche Basis
• Lieferantenrisiko frühzeitig erkennen
• DSO (Days Sales Outstanding)