SAP Cash Application und Machine Learning in der Debitorenbuchhaltung: Abgleich, Training, Konfidenz und Steuerung
Stand
SAP Cash Application schlägt Zuordnungen zwischen Bankpositionen und offenen Forderungen vor und gleicht die aus, deren Konfidenz einen Schwellenwert überschreitet. Dieses Modul erklärt die beiden Produkte (FI-AR-Service und FI-CA-Add-on), die Trainingsdaten des Add-on-Modells, die Art, wie Konfidenzbänder eine Wahrscheinlichkeit in eine Buchung verwandeln, und den täglichen Zyklus aus Training, Inferenz und Verarbeitung der Vorschläge. Danach behandelt es den Service als Kontrolle im Rechnungswesen: ein Register aus Schwellenwerten, Trainingsdaten, Stichproben und Verantwortlichen. Joule und Agenten werden ehrlich eingeordnet: Die Extraktion von Zahlungsavisen ist für Public Edition als allgemein verfügbar aufgeführt, der Reklamationsagent als Beta und der Cash-Collection-Agent als angekündigt. Ein ausführbarer Schwellenwert-Durchlauf vermittelt die Sicht des Fehlerbudgets.
Was Sie lernen
- Eine nicht zugeordnete Bankposition in die Abfolge Regeln, Machine-Learning-Vorschlag, Prüfung und Klärungsfall einordnen
- Zwischen dem FI-AR-Service und dem FI-CA-Add-on von der Order-to-Cash-Seite aus wählen
- Die Trainingsdaten des Add-on-Modells und die in der Lektion genannte Mengenanforderung aufzählen
- Einen Schwellenwert-Durchlauf auf einer Vorschlagsliste ausführen und einen Schwellenwert fürs automatische Ausgleichen gegen ein Fehlerbudget wählen
- Ein Kontrollregister mit vier Feldern und ein Statuslabel für Joule- und Agentenfunktionen rund um Cash Application schreiben
Überblick
SAP Cash Application ist ein Machine-Learning-Service, der Zuordnungen zwischen eingehenden Zahlungen und offenen Forderungen vorschlägt und die Vorschläge, bei denen er sich sicher ist, selbst ausgleicht. Eine Kontoauszugsposition, die die Buchungs- und Ausgleichsregeln nicht zuordnen können, wird zu einem Klärungsfall oder einer unverarbeiteten Position; der Service erhält diese Position zusammen mit den offenen Forderungen, liefert einen Vorschlag mit einem Konfidenzwert zurück, und das ERP-System gleicht ihn aus, zeigt ihn einem Zahlungsabstimmer oder blendet ihn aus. Die SAP-Learning-Lektion Reviewing the SAP Cash Application Daily Process Flow beschreibt genau diese Reihenfolge: zuerst die Regeln, dann Machine Learning für den Rest, und nur Positionen ohne jeden Vorschlag bleiben für den Buchhalter übrig. Nach dem Stand vom 5. November 2026 nennt die Lektion, dass Vorschläge oberhalb des konfigurierten Schwellenwerts für das automatische Ausgleichen automatisch ausgeglichen werden und dass Vorschläge darunter für den Abstimmer in den Nachbearbeitungs-Apps sichtbar bleiben.
Voraussetzungen
- Ausgleich von Forderungen in SAP S/4HANA — siehe M425
- Umfang von Joule für Finance — siehe M354
- Grundkenntnisse in Python, um das Skript der Übung auszuführen
Lernergebnisse
- Erklären, warum die Regeln zuerst laufen und das Modell nur den Rest der nicht zugeordneten Positionen sieht
- Die Tabelle der Übung reproduzieren: sechs Schwellen mit ausgeglichenen, falschen, zu prüfenden und ausgeblendeten Positionen
- Einen Konfidenzwert als Modellausgabe lesen und nicht als gemessene Trefferquote
- Die Jobs und Status des Add-on-Zyklus benennen: Training, Status 80, Inferenz, Verarbeitung der Vorschläge
- Für Reklamations- und Cash-Collection-Agenten sagen, ob die gelesenen Quellen sie als Beta, allgemein verfügbar oder angekündigt bezeichnen
Vollständiges Modul im Consultant-Tarif — 19,90 €/Monat. Das vollständige Modul ergänzt: den Entscheidungsrahmen · das durchgehende Szenario · die KPI-Scorecard · die Anti-Muster · die Codeblöcke · die Wissenskontrolle · die Schemata.
Offene SAP-Projekte
Aktuelle SAP-Analytics-Projekte und Stellen im DACH-Raum: SAP-Analytics-Projekte im DACH-Raum.