FAllgemein

Forecasting (Prognose)

Vorhersage zukünftiger Werte (Umsatz, Bedarf, Cashflow) aus Daten.

Forecasting (Prognose) ist die datenbasierte Vorhersage zukünftiger Entwicklungen – z. B. Umsatz, Absatz/Bedarf, Cashflow, Auslastung oder Lagerbestand – auf Basis historischer Daten und aktueller Einflussfaktoren. Ziel ist nicht „perfekt richtig zu liegen“, sondern bessere Entscheidungen zu treffen: planen, Risiken früh erkennen und Ressourcen (Personal, Einkauf, Budget) passend steuern.

Was bedeutet Forecasting für KMU konkret?

Für Geschäftsführer ist Forecasting vor allem ein Führungswerkzeug: Sie übersetzen Daten in eine belastbare Erwartung für die nächsten Wochen und Monate. Typische Fragen sind: „Wie viel verkaufen wir voraussichtlich nächsten Monat?“, „Wann wird es eng in der Liquidität?“ oder „Welche Artikel muss ich nachbestellen, bevor es zu Lieferengpässen kommt?“ Ein guter Forecast ist dabei immer transparent (Annahmen sind klar), aktualisierbar (Rolling Forecast) und handlungsorientiert (liefert Schwellenwerte und Maßnahmen).

Wie funktioniert Forecasting (Prognose)?

  • 1) Ziel & Horizont festlegen: Was wird prognostiziert (Umsatz, Cashflow, Bedarf) und in welchem Zeitraum (z. B. 13 Wochen, 3 Monate, 12 Monate)?
  • 2) Daten sammeln & bereinigen: ERP/Shop/CRM, Rechnungen, Lagerbewegungen, Marketing-Kalender, Saisonalität, Preisänderungen. Ohne saubere Daten wird der Forecast schnell „Zahlenkosmetik“.
  • 3) Muster erkennen: Trends, Saison, Wochentageffekte, Kampagnen, Feiertage, Lieferzeiten, Wiederkaufszyklen.
  • 4) Modell/Logik wählen: Von einfachen Methoden (Moving Average, Vorjahresvergleich) bis zu statistischen Zeitreihenmodellen oder ML. Wichtig: lieber „einfach & robust“ als „komplex & unverständlich“.
  • 5) Szenarien & Unsicherheit abbilden: Best-/Base-/Worst-Case, Bandbreiten statt Einzelzahl (z. B. 95%-Intervall), damit Entscheidungen risikoarm werden.
  • 6) Messen & verbessern: Forecast vs. Ist (z. B. MAPE), Ursachenanalyse, Anpassung der Annahmen – als wiederkehrender Prozess, nicht als Einmalprojekt.

Beispiele aus der Praxis

  • Umsatz-Forecast: Ein Dienstleister kombiniert Pipeline (Angebote, Abschlusswahrscheinlichkeiten) mit historischen Abschlussraten. Ergebnis: realistischere Monatsziele und frühere Gegenmaßnahmen bei Lücken.
  • Bedarfsprognose: Ein Händler prognostiziert Abverkauf pro SKU unter Berücksichtigung von Saison und Aktionen. Ergebnis: weniger Out-of-Stock und weniger Kapitalbindung im Lager.
  • Cashflow-Forecast: Ein KMU nutzt offene Posten, Zahlungsziele und wiederkehrende Kosten. Ergebnis: Liquiditätsengpässe werden Wochen vorher sichtbar – mit Zeit für Finanzierung oder Kostenschnitt.

Warum ist Forecasting wichtig?

Forecasting reduziert Überraschungen. Sie erkennen Engpässe (Liquidität, Personal, Material) früher, können Einkauf und Produktion glätten, Marketingbudgets effizienter einsetzen und Investitionen besser timen. Besonders in volatilen Zeiten ist ein laufend aktualisierter Forecast ein Wettbewerbsvorteil, weil Entscheidungen nicht aus dem Bauch heraus, sondern aus einer nachvollziehbaren Erwartung heraus getroffen werden.

Forecasting mit KI: sinnvoll, aber mit Leitplanken

Tools auf Basis von Large Language Model (LLM)-Systemen wie ChatGPT können Forecasting unterstützen (z. B. Daten erklären, Annahmen dokumentieren, Szenarien formulieren). Für echte Prognosen sollten Modelle jedoch auf Ihren Zahlen rechnen und Ergebnisse prüfbar bleiben – inklusive Governance (z. B. AI Governance) und Datenschutz (z. B. Datenschutz (DSGVO/GDPR) & KI), wenn sensible Unternehmensdaten verarbeitet werden.