Offizieller Skill · Finanzen

Annahmen eines Finanzmodells prüfen

v1.0.0 · Aktualisiert am 4. November 2026

Prüft die Annahmen eines Finanzmodells: listet jede mit Quelle auf, testet die Sensitivität, prüft die Plausibilität gegen die Historie und nennt die 3, die am meisten zählen.

Zum Pod meines Teams hinzufügen

Funktioniert in Claude, ChatGPT und Coding-Agents. In Team und Business aktualisiert sich der offizielle Skill in deinem Pod von selbst, wenn wir ihn verbessern.

Wann du ihn nutzt

Bevor ein Modell an Beirat, Bank oder Investoren geht
Ein Forecast sieht zu gut aus und niemand kann sagen, warum

Was du ihm gibst

Das Modell oder seine Eingaben und Ergebnisse
Tatsächliche Historie für dieselben Treiber
Benchmarks, denen du vertraust, mit Quelle (optional)

Was du bekommst

Eine Prüfung mit den 3 wichtigsten Annahmen, einer Sensitivitätstabelle, einer vollständigen Liste aller Annahmen und strukturellen Problemen.

So funktioniert er

Liste jede Annahme auf Auch fest eingetippte Zahlen in Formeln, nicht nur den Eingabe-Tab. Für jede: was sie ist, Wert, Einheit, Zeitraum, Quelle (Historie, Vertrag, Plan, Schätzung) und wer sie gesetzt hat. Standard dieses Skills: Ist die Quelle leer, markiere sie als „Schätzung“.
Trenn Treiber von Ergebnissen Treiber sind Eingaben (Conversion Rate, Preis, Churn, Einstellungsplan, Gehalt). Ergebnisse werden berechnet (Umsatz, Burn). Markiere jedes Ergebnis, das als Zahl eingetippt statt berechnet ist.
Teste die Sensitivität je einer Eingangsgröße Ändere jeden Treiber um einen festen Schritt (Standard dieses Skills: ±20 % oder eine realistische Spanne, die die Nutzerin oder der Nutzer nennt) und notier die Veränderung der wichtigsten Ergebnisgröße. Ordne die Treiber nach der Größe dieser Veränderung.
Prüf die Plausibilität Vergleich jeden Top-Treiber mit der eigenen Historie des Unternehmens: Eine Wachstumsrate, die doppelt so hoch ist wie der bisher beste Monat, oder ein Churn, der halb so hoch ist wie in der Historie, braucht einen Grund. Vergleich mit Benchmarks der Nutzerin oder des Nutzers und nenn sie als Quelle. Gibt es weder das eine noch das andere, schreib „[prüfen: keine Historie und kein Benchmark]“.
Nenn die 3, die am meisten zählen Die 3 Treiber mit dem größten Effekt auf die wichtigste Ergebnisgröße, jeweils mit: aktuellem Wert, den Belegen dafür, was mit dem Ergebnis passiert, wenn er nach unten falsch liegt, und was das Vertrauen erhöhen würde (Daten, die man sammelt, ein Test, den man fährt).
Notier strukturelle Probleme Einheiten, die nicht zusammenpassen (monatlich gegen jährlich), Timing (Neueinstellungen ab Monat 1 des Plans ohne Zeit fürs Recruiting), Treiber, die voneinander abhängen sollten, es aber nicht tun (mehr Vertriebsleute, gleiche Quote pro Person, Umsatz bewegt sich nicht).
Schreib die Zusammenfassung 2 bis 3 Sätze: was das Modell aussagt, auf welchen 3 Annahmen es beruht, und das größte Risiko.

Teile ihn mit deinem Team

Füge ihn einem AI Skill Pod hinzu, und alle im Team, auch Freelancer, nutzen dieselbe Version aus ihrer eigenen KI. Lies, wie Teams KI-Skills am besten teilen