Forecasting: Wie man seine Prognosen optimiert

Forecasting gehört in vielen Unternehmen zum Alltag. Durch Prognosen wird versucht, das Unternehmen für die Zukunft auszurichten. Wenn die Prognose möglichst präzise ist, gelingt auch die Steuerung umso besser. Doch was ist Forecasting überhaupt? Wo lauern Probleme? Und welche Entwicklungen zeichnen sich für die Zukunft ab?

Forecasting: Was ist das überhaupt?

Der Begriff Forecast kommt aus dem Englischen und wird auch mit Prognose oder Vorhersage übersetzt. Das Gabler Wirtschaftslexikon gibt für eine Prognose die Definition: „Aussage über zukünftige Ereignisse, bes. zukünftige Werte ökonomischer Variablen, beruhend auf Beobachtungen aus der Vergangenheit und auf theoretisch fundierten objektiven Verfahren.“

Die Zukunft vorherzusehen ist alles andere als einfach. Schließlich gibt es viele Entwicklungen, die auf ein Unternehmen einwirken, auf die es keinen Einfluss hat. Deshalb kann es auch vorkommen, dass Prognosen immer wieder angepasst werden müssen. Szenarien können dabei helfen, die verschiedenen Auswirkungen zu analysieren. Forecasting ist zudem eng verknüpft mit der Unternehmensplanung und der Budgetierung.

Ein Forecast stellt Daten her, mit denen mögliche Abweichungen von den Plandaten ermittelt werden können. So kann die Unternehmensführung bei etwaigen Fehlentwicklungen schnell aktiv werden und entsprechende Maßnahmen treffen. Es handelt sich also um ein operatives Steuerungsinstrument, welches die Geschäftsentwicklung prognostizieren soll, sodass Verbesserungsmaßnahmen ergriffen werden können. Bei den Prognosen braucht es Fingerspitzengefühl. Zu vorsichtige Prognosen können ebenso wie zu überschwängliche Prognosen unpräzise Ergebnisse liefern.

Forecasting: Wie häufig?

Wann wird ein Forecast erstellt? Und wie oft sollte das im Jahr stattfinden? Hier muss zunächst beachtet werden: Forecasts können regelmäßig oder auch ad-hoc erstellt werden.

Ad-hoc Forecasts können unterjährig erstellt werden (aus aktuellem Anlass). Wenn sich also ein Unternehmen aufgrund neuer Entwicklungen neu ausrichten muss, kann es „ad-hoc“ erforderlich sein, entsprechende Daten zu generieren.

Die regelmäßigen Forecasts können beispielsweise halbjährlich, quartalsweise oder monatlich erstellt werden. Im Vertrieb größerer Unternehmen werden beispielsweise Forecasts oft monatlich erstellt. So kann der Vertriebsleiter prüfen, ob die Vertriebsmitarbeiter die geplanten Ziele erreichen.

Nimmt man insbesondere das Thema Liquidität, wird schnell klar: Ein jährlicher Forecast reicht hier nicht aus. Die Geldflüsse in einem Unternehmen sind von den aktuellen Entwicklungen bestimmt. Ein Umsatzrückgang oder auch steigende Kosten können schnell dazu führen, dass sich die Liquiditätssituation vollkommen anders entwickelt, als zuvor abzusehen war. Gerade hier sollten deshalb Forecasts regelmäßig stattfinden. Prognosen sollten möglichst genau auf der Basis von zuverlässigen Daten erstellt werden.

Forecasting: Probleme und Kritik

Forecasts sind zwar häufig im Einsatz. Doch sie stoßen auch regelmäßig auf Kritik:

• Häufig wird bemängelt, das Forecasting sei zu ungenau.
• Der Prozess wird als zeitaufwendig, umständlich und kleinteilig wahrgenommen.

Nicht wenige Beteiligte, die an Forecasts mitwirken müssen, stellen die Frage, ob Forecasting der Unternehmenssteuerung wirklich weiterhelfen. Ungenaue Forecasts werden sogar als schädlich wahrgenommen. Wichtig: Vor allem kapitalmarktorientierte Unternehmen hadern mit ungenauen Forecasts. Stellt ein Unternehmen fest, dass der Gewinn geringer ausfallen wird, als ursprünglich prognostiziert, dann führt diese sog. Gewinnwarnung häufig kurzfristig zu einer Verschlechterung des Aktienkurses. Wenn Unternehmen vergleichbar oft ihre eigenen Prognosen kassieren müssen, stärkt das auch nicht unbedingt das Vertrauen der Anleger in die veröffentlichten Zahlen.

Forecasting: Cashflow Prognosen

Gerade im Liquiditätsmanagement spielen Forecasts eine große Rolle. Ungenaue Prognosen sind hier besonders riskant. Das zeigt sich besonderes beim Cashflow. Wird beispielsweise bei den Prognosen untertrieben, kann dies dazu führen, dass Investitionen nicht angegangen werden, weil (fälschlicherweise) davon ausgegangen wird, dass die Liquidität hier nicht ausreicht. Oder es wird sogar mehr Fremdkapital aufgenommen, als tatsächlich nötig ist. Das wiederum erhöht die Finanzierungskosten. Umgekehrt: Zu übertriebene Prognosen können dazu führen, dass mögliche Liquiditätsengpässe viel zu spät erkannt werden und das Unternehmen krisengefährdet ist.

Unpräzise Forecasts kosten das Unternehmen also unter Umständen viel Geld. Dies zeigt also: Präzise Forecasts sind wichtig, damit die richtigen strategischen Entscheidungen getroffen werden können.

Forecasting: Reicht Excel noch aus?

In vielen Unternehmen werden Forecasts nach wie vor in Excel erstellt. So werden einfache Trend- und Fortschreibungsmodelle generiert. Über viele Jahre war das eine bewährte Vorgehensweise. Doch die digitale Transformation schreitet immer mehr voran.

Das Tempo, Daten auszuwerten und zu bearbeiten, nimmt immer mehr zu. Exceltabellen, die manuell bearbeitet werden, kommen hier schnell an ihre Grenzen. Selbst, wenn Templates verwendet werden, stellt sich die Frage: Wie aktuell sind die Daten? Und wie werden diese Daten für weitere Reports und Analysen verfügbar gemacht?

In der Regel werden für den Forecast bestimmte Kennzahlen eingesetzt. Beispielsweise für Absatz, Gewinn, Umsatz oder auch Cashflow. Die entsprechenden Daten werden dann selektiert und aufbereitet. Bei den Prognosen müssen heute viele Entscheider den Spagat zwischen „Vorsicht“ und „Optimismus“ bewältigen. Und die Forecastdaten werden dann manuell in Berichte übertragen. Der ganze Prozess ist deshalb ressourcenintensiv und langwierig. Und nicht immer ist das Vertrauen in das Ergebnis allzugroß. Hat die Realität den Forecast bereits wieder überholt?

Die Anforderungen an Finanzabteilungen steigen immer mehr. Es werden schnellere Prozesse und Ergebnisse erwartet. Ein „Controlling in Echtzeit“ kann mithilfe von manuellen Exceltabellen kaum noch erfüllt werden.

Beispiel: Der Ausbruch der Corona-Pandemie im Jahr 2020 hat Unternehmen in Deutschland kalt erwischt. Innerhalb kürzester Zeit sorgten beispielsweise Lockdownmaßnahmen für komplett neue Bedingungen. Die ursprüngliche Unternehmensplanung war damit überholt. Forecasts mussten dringend angepasst werden. So schnell und flexibel zu reagieren, brachte manch ein Controlling an seine Grenzen. Doch Unternehmen mussten ermitteln: Wie wirken sich beispielsweise die vorübergehenden Ladenschließungen auf die Umsatzentwicklung aus? Wie steht es um die Liquidität? Müssen Soforthilfen beantragt werden? Verlässliche und entscheidungsrelevante Daten waren hier von existenzieller Bedeutung.

Wie das Forecasting verbessert werden kann

Viele Entscheider haben erkannt, wie viel Potenzial ein präzises Forecasting bieten kann. Doch wie können Forecasts verbessert werden? Hier gibt es zahlreiche Möglichkeiten, beispielsweise:
Es kann sich bewähren, verschiedene Methoden (z.B. qualitative und quantitative) im Forecasting anzuwenden und die Ergebnisse miteinander zu vergleichen. Welche Methode ist langfristig genauer?

Die Qualität des Forecasting sollte geprüft werden: Wie genau sind die Forecasts? Das kann durch Abweichungsanalysen gemessen werden. Wenn sich herausstellt, dass die Forecasts tatsächlich sehr unpräzise sind (oder immer unpräziser werden), dann sollte der komplette Prozess hinterfragt werden. Ist es Zeit, neue Tools einzusetzen?

Unternehmen sollten auch prüfen, wie häufig Forecasts erstellt werden (sollten). Würde es den Entscheidern helfen, wenn die Daten noch regelmäßiger angepasst werden würden?

Doch gerade im Forecasting sehen viele Entscheider eine wesentliche Optimierungsmöglichkeit im Einsatz moderner Technologien. Auch der Fachkräftemangel treibt diese Entwicklung voran.

Forecasting profitiert von Digitalisierung

Aus diesem Grund haben sich bereits immer mehr Firmen vom bisherigen Forecasting verabschiedet. Der Prozess kann durch moderne Technologien entscheidend verbessert werden. Es gibt mittlerweile Softwarelösungen und Tools, die speziell für das Controlling interessante Möglichkeiten bieten. So können Planung, Budgetierung und Forecasting miteinander automatisch verknüpft werden.

Ein hoher Grad an Automatisierung sorgt dafür, dass die manuelle Arbeit deutlich verringert wird. So werden beispielsweise Daten für das Forecasting automatisch selektiert und aufbereitet. Algorithmen helfen dabei, die Prognosegenauigkeit deutlich zu erhöhen. Und die Daten können direkt mit den Planungsdaten abgeglichen werden. Auch das Reporting wird erheblich entlastet.

Digitale Lösungen verbessern insbesondere das Forecasting im Bereich des Cashflows. Auf der Basis von Echtzeitdaten werden beispielsweise die Zahlungstransaktionen ermittelt. Zudem werden die Daten aus der Buchhaltung und Rechnungsstellung berücksichtigt. Das ermöglicht wesentlich genauere Cashflow Forecasts.

Doch nicht nur das: Moderne Tools können auch Szenarien planen – ohne großen Aufwand. So kann genau ermittelt werden, welche Folgen beispielsweise Zahlungsverzögerungen auf den Cashflow hätte.

Ist Predictive Forecasting die Zukunft?

Forecasting mittels Excel gehört in immer mehr Firmen der Vergangenheit an. Viele Entscheider sind bereits überzeugt: Predictive Forecasting wird die Prognosen verbessern. Mit Predictive Forecasting wird das bisherige Forecasting weiterentwickelt.

Es kommen noch mehr Daten zum Einsatz. Durch neue Technologien, wie künstliche Intelligenz (KI), maschinelles Lernen (Machine Learning) werden die Ergebnisse der Prognosen aufgrund umfangreicher Datenanalysen noch wesentlich genauer.

Die Studie „Predictive Planning and Forecasting on the Rise – Hype or Reality?“ des Analystenhauses BARC, für die 295 Unternehmen unterschiedlicher Größe und Branchen weltweit befragt wurden, zeigt, dass viele Unternehmen bereits entsprechend investiert haben:

• 27 Prozent der Befragten verwenden bereits prädiktive Algorithmen und Machine Learning (ML) in der Unternehmensplanung (Predictive Planning and Forecasting).
• Weitere 17 Prozent entwickeln aktuell entsprechende Lösungen oder setzen Prototypen ein.
• Vor allem die Teilautomatisierung von Forecasting motiviert viele Unternehmen zum Einsatz neuer Technologien.