Cashflow voorspellen met AI: van boekhoudexport naar 90-dagenprognose

Je kijkt naar je banksaldo en vraagt je af of je over zes weken de salarissen, de btw-aangifte en die grote leveranciersfactuur tegelijk kunt betalen. Voor veel ondernemers en finance-teams blijft cashflow een onderbuikgevoel, tot het moment dat het misgaat. Een cashflowprognose haalt dat gevoel uit de onderbuik: je ziet weken vooruit welke weken krap worden, zodat je op tijd kunt bijsturen. Met de export uit je boekhouding en een laag AI eromheen bouw je zo'n prognose zelf, zonder dure treasury-software. Deze gids is voor ondernemers in het MKB en finance-teams in grotere organisaties die met Moneybird of Exact Online werken en hun liquiditeit 90 dagen vooruit willen zien, automatisch bijgewerkt.

Wat een AI-cashflowprognose wel en niet is

Eerst even scherp: AI verzint geen cijfers, en dat wil je ook niet. De ruggengraat van je prognose is de directe methode, waarbij je de verwachte inkomsten en uitgaven per week optelt zonder afschrijvingen of andere boekhoudkundige posten. Dat geeft een eerlijk beeld van je werkelijke kaspositie. Bij de directe methode tel je de echte kasontvangsten en betalingen, niets meer. Een horizon van dertien weken (ongeveer 90 dagen) is de gangbare keuze: lang genoeg om een kwartaal te overzien, kort genoeg om betrouwbaar te blijven, want de nauwkeurigheid daalt naarmate je verder vooruit kijkt.

De AI doet het werk eromheen: transacties categoriseren, terugkerende patronen herkennen, scenario's doorrekenen in begrijpelijke taal en uitleggen waarom je prognose afweek van de werkelijkheid. De rekensom zelf hoort deterministisch te zijn, in een spreadsheet of een paar regels Python, niet iets dat een taalmodel “inschat”. Houd die scheiding strikt. Laat je het model getallen optellen, dan krijg je een prognose die overtuigend klinkt maar nergens op steunt.

Wat je nodig hebt

• Toegang tot je boekhouding: Moneybird of Exact Online, met de rechten om data op te halen via de API of een export.
• Een plek voor de cijfers: Google Sheets of Excel is genoeg om mee te beginnen.
• Een AI-model met API-toegang voor de categorisatie- en scenario-stap (bijvoorbeeld Claude of GPT).
• Optioneel een automatiseringstool zoals n8n om de wekelijkse update zonder handwerk te draaien.
• In het begin een uurtje per week om de prognose te ijken tegen wat er werkelijk gebeurde.

Zo bouw je de prognose, stap voor stap

In vijf stappen bouw je een AI-cashflowprognose: je haalt je transacties en openstaande facturen uit Moneybird of Exact, structureert ze tot een wekelijkse kasstroom volgens de directe methode, laat AI categoriseren en scenario's bouwen, koppelt de uitkomst aan een spreadsheet-dashboard en automatiseert de wekelijkse update. Doorloop de stappen in deze volgorde.

Stap 1: Haal je cijfers uit Moneybird of Exact

Begin bij de bron. De Moneybird-API is REST en levert JSON; authenticatie gaat via OAuth2 of een persoonlijk token, waarbij je met scopes de rechten beperkt. Je bankmutaties staan op het financial_mutations-endpoint, met velden als date, amount, contra_account_name en de geboekte grootboekrekening. Let op de paginering: een aanroep geeft maximaal 100 mutaties terug, dus voor de volledige historie gebruik je de synchronisatie-API en loop je door de pagina's heen. De basis-URL heeft de vorm https://moneybird.com/api/v2/{administration_id}/financial_mutations.json.

Voor de inkomende kant zijn je openstaande verkoopfacturen het belangrijkst. Die haal je op via het sales_invoices-endpoint, gefilterd op status (open, pending_payment, late), met total_price_incl_tax en due_date als de cijfers die je nodig hebt. Respecteer de rate-limits en de Retry-After-header, anders loop je tegen blokkades aan. Exact Online werkt vergelijkbaar via zijn eigen REST-API. Werk je nog niet geautomatiseerd met je facturen, dan is het de moeite waard om eerst je inkomende facturen automatisch te laten inlezen en boeken met OCR, zodat je verplichtingen compleet in de boekhouding staan voordat je ze gaat voorspellen.

Stap 2: Structureer tot een wekelijkse kasstroom

Bouw per week dezelfde regel op: beginsaldo, plus verwachte inkomsten, min verwachte uitgaven, geeft eindsaldo (en dat eindsaldo is het beginsaldo van de week erna). De inkomsten plak je op de due_date van je openstaande verkoopfacturen, aangevuld met terugkerende omzet zoals abonnementen. Krijg je een vast deel van je omzet via Stripe-betalingen die je in je boekhouding laat landen, neem die voorspelbare stroom dan apart mee. Bij de uitgaven zet je openstaande inkoopfacturen, salarissen, de btw-afdracht, huur en vaste lasten op de week waarin ze vervallen. Vergeet de btw niet: voor je liquiditeit is dat een echte kaspost, ook al is het geen kosten.

Stap 3: Laat AI categoriseren en scenario's bouwen

Nu komt de AI-laag. Geef het model de geexporteerde transacties en een heldere opdracht: categoriseer elke transactie (omzet, personeel, leveranciers, belastingen, overig) en markeer wat terugkerend is. Voor dit soort routinewerk volstaat een snel, goedkoop model als Claude Haiku 4.5 prima; voor de scenario-redenering pak je een sterker model zoals Claude Opus 4.8.

Vraag in dezelfde prompt om drie scenario's op je kasstroom: een verwacht scenario, een pessimistisch scenario (klanten betalen gemiddeld twee weken later, omzet 15% lager) en een optimistisch scenario. Laat het model de scenario's beschrijven en de aannames benoemen, maar laat het de bedragen niet zelf uitrekenen: die percentages voer je door in je spreadsheetformules. Zo gebruik je AI voor wat het goed kan (patronen herkennen, redeneren, uitleggen) en houd je de rekenkern controleerbaar.

Stap 4: Koppel aan een spreadsheet-dashboard

Zet de wekelijkse kasstroom in een dashboard waarin je in een oogopslag de krappe weken ziet. Google Sheets werkt prima als lichte database en rekenmachine voor je bedrijf: kolommen per week, rijen per categorie, en voorwaardelijke opmaak die elke week onder je minimumbuffer rood kleurt. Voeg een regel toe met je drie scenario's naast elkaar, zodat je niet alleen de verwachte lijn ziet maar ook hoe diep je in het rood zou kunnen zakken als het tegenzit.

Stap 5: Automatiseer de wekelijkse update

Een prognose die je met de hand bijwerkt, werk je na drie weken niet meer bij. Automatiseer het daarom. Met een no-code automatisering in n8n laat je elke maandagochtend een flow lopen die de verse cijfers uit Moneybird haalt, ze langs het AI-model stuurt voor categorisatie en de spreadsheet bijwerkt. Bouw er meteen een variantiecheck in: vergelijk de prognose van vorige week met wat er werkelijk binnenkwam en uitging. Die wekelijkse vergelijking van voorspelling en realiteit is precies wat een rollende prognose betrouwbaar maakt, omdat je leert waar je structureel te optimistisch of te voorzichtig was.

Valkuilen

• AI cijfers laten verzinnen. De grootste fout is een taalmodel laten optellen. Het geeft een vloeiend, plausibel getal dat zomaar tientallen procenten naast de waarheid kan zitten. Rekenen doet je spreadsheet, niet het model.
• Vervaldatum verwarren met betaaldatum. Klanten betalen later dan due_date. Bouw een correctie op je werkelijke betaalgedrag in, bijvoorbeeld een gemiddelde vertraging van tien dagen, anders is je prognose structureel te optimistisch.
• Paginering vergeten. Door de limiet van 100 records per aanroep mis je zonder doorlussen een deel van je transacties, en dan klopt je beginsaldo al niet.
• Te ruime rechten. Zet je API-token nooit hard in je code en geef het alleen de scopes die het echt nodig heeft.
• Nooit ijken. Een prognose die je niet wekelijks tegen de realiteit legt, verliest binnen een maand zijn waarde. De variantiecheck is geen luxe, het is de motor.

Kant-en-klaar vs. maatwerk

Er bestaan goede kant-en-klare cashflowtools, en voor een deel van de lezers zijn die de snelste route. Het belangrijkste om te weten: de meeste internationale tools koppelen wel met QuickBooks en Xero, maar niet standaard met de Nederlandse pakketten Moneybird en Exact. Dat maakt het verschil tussen een paar klikken en een eigen koppeling.

Aan de bovenkant lopen de prijzen flink op: Agicap begint volgens een vergelijking van cashflowsoftware al bij enkele duizenden euro's per jaar. Voor dat geld krijg je wel bankkoppelingen, scenario's en onderhoud uit handen.

De afweging is dus niet “goedkoop versus duur”, maar “passend versus algemeen”. Gebruik je QuickBooks of Xero en wil je geen onderhoud, dan is een standaardtool logisch. Draai je op Moneybird of Exact, ken je je eigen betaalpatronen en wil je specifieke scenario's (een aflopend contract, een seizoenspiek, een investering), dan wint zelf bouwen het op precisie en op prijs, mits je de tijd voor onderhoud meeneemt.

Tot slot

Cashflow voorspellen is geen glazen bol. Je voorspelt niet de toekomst, je maakt zichtbaar wat je al weet maar nog niet hebt opgeteld: welke facturen vervallen, wanneer de btw moet, hoe laat je klanten doorgaans betalen. De winst zit niet in een perfect getal, maar in de weken die je vooruit kijkt en de rust om op tijd te handelen in plaats van te schrikken. Begin klein, met een simpele spreadsheet en de export van deze week, en laat de prognose elke week een beetje slimmer worden door hem tegen de werkelijkheid te leggen. Een prognose die meegroeit met je eigen betaalgedrag is meer waard dan welke dure tool ook die jouw bedrijf niet kent.