Wie belastbar sind Prognosen wirklich? Und wie Unternehmen mit Unsicherheit umgehen sollten.

Kurzfassung (TL;DR) 

Prognosen sind kein Versprechen, sondern Wahrscheinlichkeitsaussagen. Gute Forecasts zeichnen sich nicht durch maximale Genauigkeit aus, sondern durch Transparenz, Konsistenz und die Fähigkeit, Unsicherheit systematisch abzubilden – etwa über Best- und Worst-Case-Szenarien.

Prognosen sind immer unsicher – das ist kein Fehler, sondern Realität

Forecasts gelten im Controlling häufig als Qualitätsmerkmal:
Je genauer die Prognose, desto besser das Controlling – so zumindest die verbreitete Annahme.

In der Praxis ist diese Erwartung jedoch problematisch.
Denn jede Prognose basiert auf Annahmen über eine Zukunft, die per Definition unsicher ist.

Forecast-Qualität bedeutet daher nicht:

• punktgenaue Vorhersagen,

• scheinbar exakte Monatswerte,

• oder minimale Abweichungen zum Ist.

Sondern:

einen belastbaren Rahmen für Entscheidungen unter Unsicherheit bereitzustellen.

 

Dieses Video thematisiert die Fragestellung, ob eine Planung wegen der Unsicherheiten in KMU überhaupt sinnvoll ist:

Was Forecast-Qualität wirklich ausmacht

1. Prognosegenauigkeit vs. Prognosenutzen

In der Statistik bezeichnet Prognosegenauigkeit die Abweichung zwischen prognostiziertem und tatsächlichem Wert.
Im Management ist jedoch entscheidender, ob eine Prognose handlungsrelevant war.

Ein Forecast kann numerisch „falsch“, aber strategisch extrem wertvoll sein – etwa wenn er:

• frühzeitig auf Liquiditätsrisiken hinweist,

• Entscheidungsspielräume sichtbar macht,

• oder Investitionen bewusst verzögert.

2. Scheingenauigkeit als zentrales Risiko

Ein häufiges Problem im Controlling ist die sogenannte Scheingenauigkeit:
Zahlen wirken präzise, sind es aber inhaltlich nicht.

Typische Anzeichen:

• Forecasts mit Nachkommastellen ohne belastbare Treiberlogik

• Monatswerte, die rein linear fortgeschrieben werden

• geringe Abweichungen, die durch Glättung „optimiert“ wurden

Scheingenauigkeit erzeugt trügerische Sicherheit – und ist damit gefährlicher als offen kommunizierte Unsicherheit.

Dies ist ein typisches Phänomen, wenn Excel-Fans Planung und Controlling selber auf Excel-Basis realisieren. Der Fokus verschiebt sich von unternehmerischer und strategischer Planung schnell (und häufig unbewusst) auf immer genauere und verschachteltere Formeln und Verknüpfungen. Im Vordergrund der Planung steht plötzlich die Realisierung des Excel-Charts an sich, nicht der unternehmerische Blick auf die Zukunft. Dies birgt ein hohes Risiko, da sich die Planung zunehmend von der zu erwartenden Realität entkoppelt. Und die Plandaten schnell den Anspruch verlieren, die Wirklichkeit überhaupt abzubilden. So wird Planung eher zu einer akademischen Übung als zu einem unternehmerischen Steuerungsinstrument.

3. Typische Forecast-Fehler in der Praxis

Bias (systematische Verzerrung)

Bias beschreibt eine systematische Verzerrung von Prognosen, z. B.:

• zu optimistische Umsatzannahmen

• zu konservative Kostenentwicklungen

Häufig entstehen diese Verzerrungen nicht bewusst, sondern durch Erfahrungswerte oder Erwartungshaltungen.

Ein typischer Effekt ist die nachträgliche "Optimierung" der Planung, wenn das Ergebnis der Planung nicht den eigenen Erwartungen oder Hoffnungen (oder den Erwartungen externer Stakeholder) entspricht. Es werden solange Änderungen vorgenommen (hier mehr Umsatz, dort geringere Kosten), bis das Ergebnis "passt". Dabei wird ganz aus den Augen verloren, dass die Planung die Zukunft möglich realistisch abbilden soll. Und nicht ein Wunschergebnis konstruiert, dass einem Realitätscheck schon im Augenblick der Planerstellung gar nicht mehr standhält. So wird die Chance vergeben, sich abzeichnende Probleme frühzeitig zu analysieren und notwendige Aktivitäten einzuleiten.

Overfitting

Overfitting liegt vor, wenn Prognosen zu stark an historische Daten angepasst werden.
Das Modell „passt“ perfekt zur Vergangenheit – versagt aber bei Strukturbrüchen.

Die ergänzt häufig den zweiten Punkt "Scheingenauigkeit als zentrales Risiko". Es werden Wachstumsannahmen auf die zweite Dezimalstelle nach dem Komma konstruiert, der allgemeine Blick auf das Branchen- und Wettbewerbsumfeld aber findet kaum statt. Die Planung ist dann ein mathematisches Kunstwerk, das aber nicht die unternehmerische Zukunft abbildet und als Steuerungsinstrument an Kraft verliert.

Glättungseffekte

Abweichungen werden bewusst oder unbewusst nivelliert, um „ruhige Verläufe“ zu erzeugen.
Das reduziert kurzfristig Diskussionen, verschlechtert aber die Frühwarnfunktion.

4. Szenarioplanung als Antwort auf Prognoseunsicherheit

Da Unsicherheit nicht eliminierbar ist, muss sie systematisch abgebildet werden.
Hier setzt die Szenarioplanung an.

Best-Case-, Base-Case- und Worst-Case-Szenarien

Statt eines einzelnen Forecasts werden mehrere konsistente Zukunftsbilder modelliert:

• Best Case: positive Marktentwicklung, hohe Auslastung, stabile Liquidität

• Base Case: realistische Erwartung auf Basis aktueller Informationen

• Worst Case: negative Abweichungen, Verzögerungen, Liquiditätsbelastungen

Wichtig:
Diese Szenarien sind keine Wunsch- oder Angstbilder, sondern logisch hergeleitete Alternativen.

Szenarien sind keine Parallelwelten

Hochwertige Szenarioplanung bedeutet:

• gleiche Struktur,

• gleiche Treiberlogik,

• unterschiedliche Annahmen.

Nur so lassen sich Szenarien vergleichen und für Entscheidungen nutzen.

Dieser Blogbeitrag beschäftigt sich explizit mit der Planung in Szenarien: www.companyon.de/blog/szenarioplanung-im-mittelstand-so-meistern-sie-unsicherheiten-bei-umsatz-kosten-und-liquiditaet

5. Die Rolle der integrierten Planung für belastbare Forecasts

Forecasts entfalten ihren Nutzen nur, wenn sie integriert sind.

Integrierte Planung bedeutet:

• Ergebnis-, Bilanz- und Liquiditätswirkungen sind logisch verknüpft

• Änderungen wirken automatisch auf alle Ebenen

• Investitionen, Finanzierung und Working Capital werden konsistent abgebildet

Ohne Integration entstehen:

• isolierte GuV-Forecasts,

• separate Liquiditätsrechnungen,

• widersprüchliche Aussagen.

Mehr Details zur Bedeutung der Integrierten Planung für das Controlling im Mittelstand finden Sie in diesem Blog-Beitrag: www.companyon.de/blog/was-versteht-man-unter-einer-integrierten-unternehmensplanung

6. Monatlicher Horizont statt operativer Tagessteuerung

Für strategische Entscheidungen im Mittelstand hat sich ein monatlicher Forecast-Horizont bewährt:

• ausreichend granular für Steuerung

• ausreichend stabil für belastbare Entscheidungen

• praktikabel im laufenden Geschäft

Der Fokus liegt nicht auf dem exakten täglichen Kontostand, sondern auf der Entwicklung über die kommenden Monate.

7. Regelmäßige Aktualisierung des Budgetplans in Forecasts

Der Budgetplan wird häufig einige Monate vor dem Start des geplanten Geschäftsjahres erstellt. Wie oben beschrieben, unter Unsicherheit und zwangsläufig auch mit Fehlern behaftet. Daher ist es sinnvoll und notwendig, den Budgetplan im dann laufenden Geschäftsjahr zu aktualisieren. Dies passiert auf zwei unterschiedlichen Ebenen und Zeiträumen:

1. Monatliche Aktualisierung der PLAN-Daten durch IST-Daten: Nach jedem Monatsabschluss sollten die IST-Zahlen in den Budgetplan übernommen werden und dort die ursprünglich geplanten PLAN-Werte ersetzen. So werden der neue Plan (der Forecast) und vor allem die abgeleiteten Ergebnis- und Liquiditätsprognosen automatisch von Monat zu Monat ganz automatisch genauer.

2. Quartalsweise Aktualisierung der PLAN-Daten: Sofern sich grundlegende Annahmen der Planerstellung verändern, sollten auch die PLAN-Werte im laufenden Jahr für die restlichen Monate angepasst werden. Wie häufig dies passiert ist davon abhängig, wann die Änderungen ein relevantes Niveau erreichen. Dies könnte ad hoc durch externe Einflüsse sein (Baumaßnahmen vor Einzelhandelsgeschäft blockiert die Laufkundschaft, Energiepreise steigen signifikant), die eine sofortige Anpassung notwendig machen. Durch regelmäßige Soll-Ist-Vergleiche zwischen den Werten des ursprünglichen Plans und den Monatsabschlüssen kann sichtbar werden, dass es eine systematisch Über- oder Unterschätzung von Kosten oder Umsätzen (siehe oben den Biasfehler unter Punkt 3.) gibt, die für die restlichen Plan-Monate aktualisiert werden sollte, damit Ergebnis- und Liquiditätsprognosen aussagekräftig bleiben. Dieser Blog-Beitrag beschäftigt sich speziell mit der Bedeutung von Soll-Ist-Vergleichen im Controlling: companyon.de/blog/plan-ist-vergleiche-richtig-nutzen-so-entstehen-bessere-entscheidungen

Damit diese Aktualisierung des Plans auch im stressigen Tagesgeschäft regelmäßig umgesetzt wird, ist es notwendig, dass der Aufwand für diese Anpassung möglichst gering ist. Und dass die Auswirkungen der Anpassungen auf alle Kennzahlen und Prognosen automatisch berücksichtigt und sichtbar werden.

Diese Webseite beschreibt ein solches Tool, dass Planung und Anpassung besonders auch für KMU realisierbar macht, Änderungen auf allen Ebenen automatisch berücksichtigt und die einfache Planung in Szenarien erlaubt: www.companyon.de/planung_einleitung

Fazit: Gute Forecasts reduzieren Unsicherheit – sie beseitigen sie nicht

Forecast-Qualität zeigt sich nicht in perfekten Zahlen, sondern in:

• transparenter Annahmenlogik,

• realistischer Unsicherheitsabbildung,

• konsistenten Szenarien,

• und klarer Entscheidungsunterstützung.

Wer Prognosen als Wahrheit verkauft, riskiert Fehlentscheidungen.
Wer sie als Werkzeug für strukturiertes Entscheiden unter Unsicherheit nutzt, gewinnt Handlungsspielraum.

Q&A – Häufige Fragen aus der Praxis

Wie viele Szenarien sind sinnvoll?
In der Regel reichen drei: Best, Base und Worst Case. Mehr erhöht die Komplexität ohne zusätzlichen Nutzen. Ausnahmen bilden Szenarien, die konkrete Entscheidsunterstützung bieten sollen: Lohnt sich die Einstellung zweier neuer Mitarbeiter im Vertrieb? Hier können im Szenario die Kosten- und Umsatzeffekte geplant und das Ergebnis prognostiziert werden. Gleiches gilt z.B. für größere Investitionsentscheidungen.

Wie oft sollten Forecasts aktualisiert werden?
Immer dann, wenn sich relevante Ist-Daten oder Annahmen ändern – idealerweise automatisiert. Ist-Daten können nach dem Monatsabschluss die Plandaten für den jeweiligen Monat überschreiben und den Plan so jeden Monat schärfen.

Sind exakte Forecasts überhaupt realistisch?
Nein. Realistisch sind belastbare Entscheidungsräume, keine punktgenauen Vorhersagen.