Caspian Advisory Partners ist eine grenzüberschreitende Investment-Advisory-Firma mit Fokus auf Transaktionen im Bereich erneuerbare Energien im Versorgungsmaßstab in Zentralasien. Asel Bekova leitet die quantitative Deal-Analyse für die Emerging-Markets-Pipeline der Firma und verantwortet die Strukturierung von Projektfinanzierungen, die Vorbereitung für das Kreditkomitee und das Reporting für Investoren. Das Unternehmen arbeitet schlank, mit fundierter DCF-Expertise und einem Deal-Zeitplan, der in Wochen gemessen wird.
Drei Finanzierungsstrukturen, keine Kasachstan-Vorlage
Die Aufgabe: ein 25-jähriges DCF-Modell für ein Solar-PV-Projekt im Versorgungsmaßstab in Kasachstan erstellen, das drei Strukturen gleichzeitig abbildet — 100% Eigenkapital, ein Darlehen einer Geschäftsbank und ein Konzessionsdarlehen einer Entwicklungsfinanzierungsinstitution. Jede Struktur erforderte NPV, Equity IRR und DSCR: neun unterschiedliche finanzielle Outputs aus einem einzigen Projektzeitraum.
Für diesen Markt gab es keine Vorlage. Kasachstans Inflationshistorie und der heimische Energiemix ließen sich nicht durch europäische Benchmarks ersetzen. Der PPA-Preis musste an den tatsächlichen Solar-Auktionsergebnissen und dem regulierten Tarifsystem in Kasachstan ausgerichtet werden — nicht an LCOE-Schätzungen aus anderen Märkten. Mit generischen Eingaben entstehen NPV- und IRR-Werte, die einer Prüfung durch das Kreditkomitee nicht standhalten.
Drei aufeinanderfolgende Schritte waren nötig, bevor überhaupt eine eigentliche Analyse beginnen konnte: kasachische Makrodateien finden und einlesen, eine Python-Umgebung mit numpy_financial aufsetzen und Capex sowie PPA-Preis neu kalibrieren, nachdem die ersten Ergebnisse die glaubwürdigen lokalen Marktbedingungen nicht widerspiegelten. Manuell und nacheinander durchgeführt, hätte dies das Finanzierungsfenster leicht verfehlen können.
Energent.ai wurde zur Modell- und Delivery-Ebene
Der Agent übernahm jeden Schritt vom Rohinput bis zum finalen Deliverable:
- Ingested die Inflationshistorie und Dateien zum Energiemix aus Kasachstan aus dem lokalen Speicher — gefunden, gelesen und geparst, bevor auch nur eine Formel geschrieben wurde
- Constructed ein 25-jähriges Python-DCF-Modell für Umsatz, operative Aufwendungen, Schuldendienstpläne und Cashflows nach Schuldendienst an das Eigenkapital über alle drei Strukturen gleichzeitig
- Installed numpy_financial, führte das Modell aus und prüfte die ersten Ergebnisse anhand der Marktbedingungen in Kasachstan
- Recalibrated Capex und PPA-Preis mitten in der Sitzung auf die kasachischen Auktionsergebnisse und regulierten Tarifniveaus, ohne das Modell neu zu starten
- Produced einen strukturierten Analysebericht mit DCF-Methodik, Vergleich der Finanzierungsstrukturen, makroökonomischem Kontext für Kasachstan und verständlicher Interpretation der Kennzahlen
- Dispatched einen Visualisierungs-Subagenten, um ein interaktives HTML-Dashboard zum Vergleich von NPV, Equity IRR und DSCR über alle drei Strukturen für den gesamten 25-jährigen Horizont zu erstellen
Kein externer Modellierer. Kein separater Schritt zum Einrichten der Umgebung. Kein zusätzliches Visualisierungstool.
Lokale Kalibrierung, nicht nur schnellere Berechnung
- Kasachstan-spezifische Makroinputs — Inflationshistorie und Energiemix wurden direkt aus lokalen Dateien eingelesen, nicht durch generische Emerging-Markets-Proxys ersetzt, die einer Lender-Prüfung nicht standhalten
- Kalibrierung mitten in der Sitzung — als die ersten Capex- und PPA-Preisannahmen eine nicht glaubwürdige Wirtschaftlichkeitslücke ergaben, wurden beide Eingaben korrigiert und das Modell innerhalb derselben Sitzung neu gerechnet, nicht erst in einem weiteren Überarbeitungszyklus
- Parallele Erstellung der Deliverables — Analysebericht und HTML-Dashboard wurden gleichzeitig erstellt, wodurch ein mehrstufiger Workflow in eine einzige prüfbare Sitzung verdichtet wurde
- Komitee-taugliches Ausgabeformat — das Dashboard benötigte keine zusätzliche Formatierung und keinen Zugriff auf die Modelldatei, bevor es an die Mitglieder des Komitees verteilt werden konnte
Neun Outputs und ein Dashboard in einer einzigen prüfbaren Sitzung
- Neun finanzielle Outputs — NPV, Equity IRR und DSCR für jede der drei Finanzierungsstrukturen — erstellt und auf Kasachstan-spezifische Eingaben kalibriert
- Zwei präsentationsreife Artefakte geliefert: strukturierter Analysebericht und interaktives HTML-Vergleichs-Dashboard
- Korrektur der Annahmen mitten in der Sitzung abgeschlossen, ohne einen externen Spezialisten einzubinden oder das Modell neu zu starten
- Ein Workflow aus Datenerhebung, Modellerstellung, Annahmenprüfung und Dashboard-Erstellung in einer Sitzung verdichtet
"Bei einem Deal in einem Emerging Market ist der Schritt der Annahmenkalibrierung der Punkt, an dem die meiste Zeit verloren geht. Dass das in der Sitzung erledigt wurde — während die Unterlagen für das Komitee schon erstellt waren — bedeutete, dass wir uns auf die eigentlichen Abwägungen konzentrieren konnten, nicht auf den Modellaufbau." — Asel Bekova, Senior Finance Analyst bei Caspian Advisory Partners