startup-financial-modeling

Überblick über die startup-financial-modeling-Skill

Was startup-financial-modeling leistet

Die startup-financial-modeling-Skill hilft einem Agenten dabei, ein 3- bis 5-jähriges Finanzmodell für Startups zu erstellen – für Planung, Fundraising und operative Entscheidungen. Sie richtet sich an Unternehmen in der Frühphase, die mehr Struktur brauchen als ein allgemeiner Prompt wie „mach mir eine Forecast“, insbesondere wenn Umsatzentwicklung von Kundengewinnung, Retention, Pricing, Hiring und Cash Burn über die Zeit abhängt.

Für wen sich diese Skill eignet

Diese startup-financial-modeling skill passt am besten zu Gründer:innen, Finance-Leads, Operatorn, Startup-Berater:innen und produktnahen Analyst:innen, die investorenfähige Logik wollen, ohne bei null in einem leeren Sheet anfangen zu müssen. Besonders nützlich ist sie für typische Fragen in Seed- und Series-A-Phasen, etwa:

• Wie lange reicht unsere Runway unter dem aktuellen Hiring-Plan?
• Welcher Umsatzpfad ergibt sich aus unseren Annahmen zu Akquise und Retention?
• Wann müssen wir die nächste Runde raisen?
• Wie verändern Best-/Base-/Worst-Case Burn und Cash-out-Datum?

Das eigentliche Job-to-be-done

Die meisten Nutzer wollen nicht einfach nur „ein Modell“. Sie wollen eine Forecast, die sie vertreten können. Der Wert von startup-financial-modeling liegt darin, dass das Modell auf explizite Treiber ausgerichtet wird: Kohortenwachstum, ARPU, Retention, Kostenblöcke, Burn, Runway und Szenarioanalyse. Das ist für Entscheidungen deutlich nützlicher als eine flache Top-Line-Prognose auf Basis eines CAGR.

Was sie von einem generischen Finance-Prompt unterscheidet

Der wichtigste Unterschied ist die Struktur. Die Skill stellt startupspezifische Modellierungsmuster in den Mittelpunkt, zum Beispiel:

• kohortenbasierte Umsatzlogik
• detaillierte Kategorien für operative Kosten
• Cashflow- und Runway-Analyse
• Fundraising-Szenarioplanung

Damit ist sie für SaaS- und andere Recurring-Revenue-Startups deutlich besser geeignet als ein Einmal-Prompt, der direkt auf Gesamtsummen springt, ohne die Annahmen sichtbar zu machen.

Wichtige Grenzen vor der Installation

Diese Skill ist ein dokumentgetriebener Leitfaden, kein fertiges Spreadsheet, keine Code-Library und keine Rules Engine. Im Skill-Ordner sind keine Skripte, Templates oder Support-Dateien enthalten. Installiere startup-financial-modeling, wenn du ein stärkeres Prompting-Framework für einen AI-Agenten willst – nicht, wenn du auditierte Standards für Financial Modeling, Accounting-Compliance oder ein sofort nutzbares Excel-Modell brauchst.

So nutzt du die startup-financial-modeling-Skill

startup-financial-modeling Installationskontext

Die Upstream-Skill enthält keinen eigenen Install-Befehl in SKILL.md, aber Nutzer des Verzeichnisses fügen Skills typischerweise aus dem Parent-Repository hinzu. Ein gängiges Muster ist:

npx skills add https://github.com/wshobson/agents --skill startup-financial-modeling

Nach der Installation solltest du vor allem diese Quelldatei lesen:

• plugins/startup-business-analyst/skills/startup-financial-modeling/SKILL.md

Da es hier keine zusätzlichen Referenzen oder Helper-Dateien gibt, steckt fast die komplette nutzbare Anleitung in genau dieser einen Datei.

Lies zuerst diese Datei

Beginne mit SKILL.md und konzentriere dich in dieser Reihenfolge auf folgende Abschnitte:

1. Overview
2. Core Components
3. Revenue Model
4. Cost Structure
5. die weiter unten stehenden Abschnitte zu cash flow, runway und scenarios

So kommst du schneller zur eigentlichen Modelllogik, als wenn du das gesamte Repository nur überfliegst.

Welche Inputs die Skill braucht

startup-financial-modeling usage wird deutlich besser, wenn du konkrete Treiber angibst, statt nur „eine Projektion“ zu verlangen. Mindestens diese Angaben sollte der Agent bekommen:

• Geschäftsmodell: SaaS, marketplace, fintech, usage-based, services-hybrid
• Pricing: Plans, ARPU, Vertragslaufzeit, Annahmen zu Expansion
• Akquise: monatliche Neukunden oder Leads-to-close-Funnel
• Retention: logo churn, revenue churn oder cohort retention curve
• COGS: Hosting, Support, Payment Fees, Third-Party-Tools
• Betriebskosten: Headcount-Plan, Gehälter, Marketing Spend, G&A
• Start-Cash und bestehender Burn
• Fundraising-Annahmen: Rundengröße, Timing, Verwässerungsziel, Runway-Ziel
• Planungshorizont: meist 36, 48 oder 60 Monate

Wenn diese Punkte offenbleiben, wird das Modell sehr schnell generisch.

Gute Prompt-Struktur für startup-financial-modeling

Ein guter Prompt für den startup-financial-modeling guide sollte sowohl Annahmen als auch Outputs anfordern. Sinnvoll ist eine Struktur mit:

• Unternehmensphase und Geschäftsmodell
• aktuellen Kennzahlen
• Zielhorizont
• benötigten Szenarien
• gewünschtem Output-Format
• konkreten Finance-Fragen, die beantwortet werden sollen

Beispiel:

„Use the startup-financial-modeling skill to build a 36-month model for a B2B SaaS startup. We have 120 customers, $28k MRR, 2.5% monthly logo churn, $240 ARPU, and add 18 new customers per month today. Assume CAC starts at $900 and improves 10% over 12 months. Team is 8 people today and grows to 14 over 18 months. Starting cash is $1.4M. Show base, upside, and downside cases with monthly revenue, COGS, opex, burn, runway, and suggested raise timing.”

Das ist deutlich handlungsnäher als „make a startup forecast“.

Ein grobes Ziel in modellfähige Inputs übersetzen

Wenn du nur das Ziel kennst, formuliere zuerst Fragen zu den Treibern. Zum Beispiel:

Grobes Ziel:

• „I need investor financials for a seed raise.“

Besserer Prompt:

• „Use startup-financial-modeling for Finance planning. Build a 48-month monthly model for a seed-stage B2B SaaS company. Ask me for any missing assumptions before modeling. Include customer growth by cohort, retention, pricing, COGS, hiring plan, burn, runway, and a financing case with a $3M raise in month 6.”

Das funktioniert, weil du dem Agenten ausdrücklich erlaubst, fehlende Inputs erst einzusammeln, bevor er rät.

Bester Workflow in der Praxis

Ein praxistauglicher Workflow für startup-financial-modeling usage sieht so aus:

1. Geschäftsmodell und Zeithorizont definieren.
2. Aktuelle Baseline-Kennzahlen angeben.
3. Den Agenten bitten, fehlende Annahmen aufzulisten.
4. Zentrale Treiber vor der Projektion bestätigen.
5. Monatliche Modell-Outputs erzeugen.
6. Best-/Base-/Worst-Case-Szenarien ergänzen.
7. Cash-out-Datum und Raise-Timing einem Stresstest unterziehen.
8. Das Modell in eine Investor- oder Board-Storyline überführen.

Der wichtigste Schritt ist die Prüfung der Annahmen vor der Projektion. Genau dort lassen sich die meisten schlechten Outputs verhindern.

Wofür sich die Skill am besten eignet

Auf Basis der Quelldatei ist startup-financial-modeling besonders stark, wenn das Unternehmen wiederkehrende Umsätze hat und Kundenkohorten relevant sind. Gut geeignet ist sie für:

• B2B SaaS
• Subscription-Produkte
• retention-getriebene Geschäftsmodelle
• Fundraising-Planung in frühen Phasen
• Runway- und Burn-Analysen

Für projektbasierte Einmalumsätze ist sie weniger naheliegend geeignet, es sei denn, du passt die Umsatzlogik entsprechend an.

Welche Ausgabeformate du anfordern solltest

Lass das Output-Format nicht vage. Bitte den Agenten um eines oder mehrere dieser Formate:

• monatliche Tabelle für 24–60 Monate
• Tabelle mit den Annahmen
• Szenario-Vergleichstabelle
• Fundraising-Timeline
• Schätzung des Break-even-Monats
• board-taugliche Erklärung der wichtigsten Sensitivitäten

Wenn du die Arbeit nachher in Sheets oder Excel übernehmen willst, fordere einfache Tabellen an, bei denen die Formellogik in Worten beschrieben ist.

Häufige Hürden bei der Einführung

Vor der Installation von startup-financial-modeling liegen die größten Blocker meist nicht in der Technik, sondern in der Qualität der Inputs:

• keine Retention-Annahmen
• keine klare Pricing-Logik
• kein Headcount-Plan
• keine Trennung zwischen COGS und opex
• kein Kontext zu Start-Cash oder Schulden
• Wunsch nach Jahreswerten, obwohl Runway monatliche Details braucht

Die Skill sorgt für Struktur, aber sie kann dir keine belastbaren operativen Annahmen erfinden.

So bekommst du bessere Szenarioplanung

Das Repository betont Szenarioanalyse deutlich, also nutze das bewusst. Ein brauchbares Setup ist, pro Fall nur wenige Treiber zu variieren:

• Akquisevolumen
• Retention/churn
• ARPU oder Expansion Revenue
• Hiring-Tempo
• Fundraising-Timing

Wenn sich in jedem Szenario jede Zeile ändert, wird das Ergebnis für Investor:innen oder Operator kaum noch erklärbar.

FAQ zur startup-financial-modeling-Skill

Lohnt sich die Installation von startup-financial-modeling?

Ja, wenn du möchtest, dass ein Agent startupspezifische Finanzlogik nutzt statt generischer Forecast-Sprache. Die startup-financial-modeling skill gibt ein klareres Modellierungsgerüst als gewöhnliche Prompts, auch wenn sie keine Spreadsheet-Dateien oder Automatisierung mitliefert.

Ist startup-financial-modeling für Einsteiger geeignet?

Ja, mit einer wichtigen Einschränkung: Auch Einsteiger müssen grundlegende Business-Annahmen liefern. Die Skill kann das Modell strukturieren, ersetzt aber nicht das Verständnis von Begriffen wie ARPU, churn, COGS, burn und runway.

Worin unterscheidet sie sich davon, ChatGPT einfach nach einer Forecast zu fragen?

Normale Prompts überspringen oft die Treiberlogik und springen direkt zu zusammengefassten Zahlen. startup-financial-modeling ist nützlicher, wenn du den Weg von den Annahmen zu den Outputs brauchst – vor allem bei Kohortenumsätzen, Kostenkategorien und Cash Planning.

Kann ich startup-financial-modeling auch für Nicht-SaaS-Unternehmen nutzen?

Teilweise. Am besten passt sie, wenn sich Umsatz über wiederholtes Kundenverhalten und wiederkehrende Unit Economics modellieren lässt. Bei transaktionslastigen oder stark serviceorientierten Geschäftsmodellen musst du den Revenue-Teil oft auf bookings, utilization, project margins oder take rate umbauen.

Erstellt die Skill ein Spreadsheet?

Nicht von selbst. Die Repository-Hinweise zeigen in diesem Skill-Ordner nur SKILL.md, ohne Templates oder Skripte. Erwarte also Guidance für einen Agenten, kein herunterladbares Finanzmodell.

Wann sollte ich startup-financial-modeling nicht verwenden?

Verzichte darauf, wenn du Folgendes brauchst:

• auditierte Jahresabschlüsse
• Steuer- oder GAAP-Beratung
• lender-grade Finanzunterlagen
• rechtliche cap table-Modellierung
• ein sofort einsatzbereites Excel-Workbook

Auch wenn dein Geschäftsmodell keine sinnvolle Kohorten-, Retention- oder Recurring-Revenue-Logik hat, ist der Fit eher schwach.

So verbesserst du die startup-financial-modeling-Skill

Gib Treiber-Inputs statt Zielwerte vor

Der schnellste Weg zu besseren Outputs mit startup-financial-modeling ist, keine Zielbilder wie „get to $10M ARR“ zu prompten. Liefere stattdessen die Treiber, die zu diesem Ergebnis führen könnten:

• customer adds pro Monat
• retention nach cohort
• pricing nach Segment
• Zeitpunkt von Upsells
• CAC auf Channel-Ebene
• Hiring-Ramp
• infra cost pro Kunde

So wird das Modell erklärbar statt nur aspirativ.

Bitte den Agenten, Annahmen und Berechnungen zu trennen

Ein häufiger Fehler sind versteckte Annahmen, die direkt in die Forecast gemischt werden. Die Ergebnisse werden besser, wenn du explizit nach Folgendem fragst:

1. assumption table
2. formula logic
3. monthly outputs
4. scenario deltas
5. key sensitivities

So lassen sich schlechte Annahmen erkennen, bevor du dich auf die Zahlen verlässt.

Erzwinge monatliche Details bei Runway-Fragen

Wenn es dir um Cash Planning geht, sind Monatswerte entscheidend. Jahresansichten verdecken das Cash-out-Risiko. Für bessere startup-financial-modeling for Finance-Ergebnisse solltest du monatliche Projektionen mindestens bis zum nächsten erwarteten Raise oder bis zum Break-even anfordern.

Schärfe die Annahmen zu Retention und Expansion nach

Schwache Retention-Inputs sind das größte Qualitätsrisiko in Modellen mit wiederkehrendem Umsatz. Statt „churn is low“ solltest du zum Beispiel so etwas angeben:

• 3% monthly logo churn in months 1-12
• net revenue retention of 105% for enterprise accounts
• expansion starts after month 4 for 20% of retained customers

Selbst grobe Zahlen dieser Art sind besser als vager Optimismus.

Verbessere das Kostenmodell mit sauberem Hiring-Timing

Viele Startup-Modelle unterschätzen den Burn, weil Headcount zu pauschal modelliert wird. Gib daher an:

• Rolle
• Startmonat
• fully loaded salary
• Provision, falls relevant
• einmalige Recruiting- oder Equipment-Kosten

Das verbessert Burn- und Runway-Outputs spürbar.

Nutze disziplinierte Szenarien

Bitte nicht um zehn Szenarien. Bitte um drei klare Fälle und definiere, was sich jeweils ändert. Beispiel:

• Base: current conversion and churn hold
• Upside: churn improves 20%, CAC improves 15%
• Downside: sales hiring slips 3 months, churn worsens 25%

So bleibt die Szenariologik entscheidungsrelevant.

Fordere einen Sanity-Check-Abschnitt an

Eine gute Möglichkeit, den Output des startup-financial-modeling guide zu verbessern, ist die Bitte an den Agenten, unrealistische Annahmen zu markieren, zum Beispiel:

• ARR-Wachstum weit über der Hiring-Kapazität
• Gross Margin, die nicht zu den Infrastrukturkosten passt
• CAC payback schlechter als die Cash Runway
• Raise-Timing erst nach dem Cash-out

So fallen Modellprobleme auf, die eine sauber aussehende Tabelle sonst leicht verdeckt.

Iteriere nach dem ersten Entwurf

Der erste Entwurf sollte nicht dein finales Modell sein. Besser wird er mit Rückfragen wie:

• Which 3 assumptions drive most variance in runway?
• What would make this model investor-unconvincing?
• Which metrics need real data instead of estimates?
• What changes if hiring is delayed by one quarter?

So wird die Skill von einem einmaligen Output zu einem echten Planungswerkzeug.

Passe die Umsatzlogik an, wenn dein Geschäft atypisch ist

Wenn du startup-financial-modeling für ein marketplace-, fintech- oder services-hybrid-Geschäft installierst, weise den Agenten an, die Standardannahmen für SaaS dort zu ersetzen, wo es nötig ist. Beispiele:

• marketplace: GMV, take rate, buyer/seller cohorts
• fintech: transaction volume, interchange, loss assumptions
• services hybrid: billable headcount, utilization, project margin

Ohne diese Anpassung kann der Output zwar polished wirken, aber fachlich schlecht zum Geschäftsmodell passen.