Forecasting

Forecasting: Vorausschauenden Unternehmenssteuerung

Forecasting hilft Unternehmen dabei, zukünftige Entwicklungen frühzeitig zu erkennen und auf dieser Basis fundierte Entscheidungen zu treffen. Durch die systematische Auswertung von Daten lassen sich Risiken minimieren, Chancen besser nutzen und betriebliche Abläufe effizienter gestalten. So wird Forecasting zu einem unverzichtbaren Instrument der strategischen und operativen Unternehmensplanung.

Forecasting – Auf einen Blick

• Forecasting-Methoden liefern Entscheidungsgrundlagen: Beim Forecasting kommen verschiedene Methoden wie Zeitreihenanalysen oder Experteneinschätzungen zum Einsatz, um fundierte Prognosen für die Unternehmensplanung zu ermöglichen.

• Daten sind die Basis jeder Prognose: Je umfangreicher und strukturierter die historischen Daten sind, desto präziser fällt der Forecast aus – besonders bei quantitativen Verfahren.

• Forecasts verbessern die Entscheidungsfindung: Durch frühzeitige Einschätzungen können Unternehmen ihre Planung optimieren, auf Marktveränderungen reagieren und operative Risiken minimieren.

• Kundenverhalten lässt sich gezielt analysieren: Mithilfe qualitativer Methoden wie Marktforschung oder Delphi-Technik werden Prognosen über Nachfrage, Produktakzeptanz und Kaufverhalten erstellt.

• Forecasting unterstützt Finanzprognosen und Ressourcenplanung: Ob Umsatzentwicklung, Liquidität oder Personaleinsatz – Forecasts liefern wichtige Kennzahlen für eine realistische, vorausschauende Unternehmenssteuerung.

Was ist Forecasting?

Beim Thema Forecasting geht es um ein Instrument zur Steuerung und Planung im Controlling. Der Begriff lässt sich mit Vorhersage oder Prognose übersetzen. Unternehmen planen im Rahmen von Forecasts beispielsweise monatliche Budgets für Kosten, Umsätze oder auch Gewinne sowie Liquidität.

Faktoren wie die Liquidität sind essenziell für Unternehmen. Daher müssen die entsprechenden Entwicklungen regelmäßig verfolgt werden. Andernfalls laufen Unternehmen Gefahr, Personaleinsätze nicht planen zu können, Marketingkosten sowie andere Ausgaben falsch zu kalkulieren oder das Budget nicht sinnvoll einzuteilen. Mit Forecasting werden Analysen ausgearbeitet und Trends beobachtet. Geschieht dies nicht, leidet ein Unternehmen darunter – vorhandene Ressourcen können beispielsweise nicht vollständig und gewinnbringend genutzt werden.

Eine Analyse oder Prognose in Bezug auf die Entwicklungen ist ein wichtiges Instrument im Controlling. Mithilfe einer sogenannten Zeitreihenprognose kann eine Kennzahl für die Zukunft möglichst genau abgeschätzt werden.

Was sind Zeitreihen?

Der Begriff Zeitreihe findet seinen Ursprung im Mathematischen und beschreibt den zeitlichen Verlauf von Beobachtungen und Messgrößen. Zeitreihen beinhalten wichtige statistische Kennzahlen, welche zeitlich geordnet sind. Eine solche Kennzahl kann z.B. die Anzahl von Absolventen einer bestimmten Ausbildung sein. Bei der Betrachtung dieser Zahlen im Verlauf mehrerer Jahre spricht man von einer Zeitreihe.

Die Vorhersage von zukünftigen Werten einer Messgröße basierend auf Zeitreihen wird als Zeitreihenprognose oder Zeitreihenanalyse bezeichnet. Im Englischen spricht man dabei vom Time Series Forecasting.

Wie funktioniert Forecasting?

Forecasting basiert auf Analysen historischer Daten und Kennzahlen durch einen Algorithmus. Diese künstliche Intelligenz erkennt künftige Entwicklungen anhand von sogenannten Zeitreihen und ermöglicht Unternehmen somit eine gewisse Planungssicherheit. Um eine konkrete Prognose erstellen und Vorhersagen tätigen zu können, müssen verschiedene Schritte durchlaufen werden.

Zu Beginn gilt es, die Kennzahlen in Form von Zeitreihen (Daten werden über einen längeren Zeitraum beobachtet) verfügbar zu machen. Anschließend werden die Entwicklungen auf Basis von intelligenter Software beschrieben. Mithilfe von Backtesting wird zudem noch sichergestellt, dass das Modell auch für die folgenden Entwicklungen und Planungen aussagekräftig ist. So können auch zukünftige Herausforderungen bewältigt werden.

Finale Forecasting-Modelle können jederzeit neue Vorhersagen produzieren. Bei der Software-Lösung handelt es sich um eine langfristige Investition für Consulting und Management eines Unternehmens.

Welche Ziele werden beim Forecasting verfolgt?

Forecasting oder auch Business Forecasting ist eine wichtige Methode zur vorausschauenden Planung in Unternehmen. Es unterstützt die Entscheidungsfindung auf Basis fundierter Daten und schafft die Grundlage dafür, zukünftige Entwicklungen möglichst realistisch einzuschätzen.

Durch die Analyse vergangener und aktueller Informationen lassen sich gezielte Maßnahmen ableiten, um die Geschäftsentwicklung aktiv zu steuern und Risiken frühzeitig zu erkennen. Die fünf wichtigsten Ziele für Unternehmen haben wir nachstehend zusammengefasst:

• Fundierte Entscheidungsgrundlage schaffen: Forecasting ermöglicht datenbasierte Entscheidungen auf strategischer und operativer Ebene und ersetzt reine Bauchentscheidungen durch belastbare Einschätzungen.

• Abweichungen frühzeitig erkennen: Durch kontinuierliche Prognosen lassen sich Abweichungen von Plänen, etwa in Produktion oder Logistik, rechtzeitig identifizieren und Gegenmaßnahmen einleiten.

• Kosten senken und Ressourcen effizient nutzen: Prognosen helfen dabei, Personal, Material und Kapital zielgerichtet einzuplanen und unnötige Ausgaben zu vermeiden.

• Risiken minimieren und Handlungsspielräume vergrößern: Mögliche Risiken – wie Marktveränderungen oder Lieferengpässe – werden frühzeitig erkannt, wodurch Unternehmen schneller und gezielter reagieren können.

• Langfristige Geschäftsentwicklung steuern: Langfristige Forecasts unterstützen bei der strategischen Ausrichtung des Unternehmens und bei Investitionsentscheidungen in neue Märkte, Produkte oder Technologien.

Forecasting-Methoden im Überblick

Für die Erstellung von Prognosen über die Zukunft sind verschiedene Methoden relevant. Allerdings sind dabei zwei Obergruppen besonders wichtig: die quantitative und die qualitative Methode.

Quantitative Methode

Die quantitative Prognosemethode stützt sich auf Zahlen, Daten und messbare Fakten, um Vorhersagen über die zukünftige Entwicklung eines Unternehmens oder Marktes zu treffen. Grundlage sind dabei vergangene Unternehmensdaten, insbesondere Verkaufszahlen, saisonale Schwankungen und Nachfragetrends. Mithilfe statistischer Modelle und mathematischer Verfahren – wie etwa Zeitreihenanalysen oder gleitender Durchschnitte – wird versucht, zukünftige Entwicklungen möglichst präzise abzubilden.

Je umfangreicher und verlässlicher die Datenbasis, desto aussagekräftiger und genauer fällt das Ergebnis aus. Besonders hilfreich ist diese Methode daher für Unternehmen mit einer gut dokumentierten Historie. Start-ups oder junge Unternehmen, die nur über wenige Daten verfügen, stoßen hier schnell an Grenzen.

Typische Methoden der quantitativen Prognose sind unter anderem:

• Naive Prognose: Der letzte bekannte Wert wird einfach als Prognosewert übernommen. Einfach, aber oft wenig präzise.

• Gleitende Durchschnitte: Hier wird der Mittelwert aus mehreren zurückliegenden Perioden berechnet, um kurzfristige Schwankungen auszugleichen.

• Exponentielle Glättung: Diese Methode gewichtet neuere Daten stärker als ältere und eignet sich besonders für kurzfristige Prognosen bei volatilen Märkten.

• Saisonale Indizes: Nützlich für Unternehmen mit saisonalen Zyklen (z. B. im Tourismus oder Einzelhandel), um Vorhersagen je nach Jahreszeit anzupassen.

Moderne Ansätze kombinieren klassische Statistik mit künstlicher Intelligenz und Machine Learning, um Prognosemodelle noch effizienter und dynamischer zu gestalten.

Qualitative Methode

Im Gegensatz zur quantitativen Methode geht es bei der qualitativen Methode primär um subjektive Einschätzungen von Experten, nicht um große Datensätze. Die zukünftige Nachfrage am Markt wird mithilfe von Fachwissen und Erfahrungswerten genau eingeschätzt. Unternehmen können Experten sowohl intern als auch extern beauftragen.

Diese Methode kommt besonders dann zum Einsatz, wenn kaum historische Daten vorliegen – beispielsweise bei der Einführung neuer Produkte, dem Eintritt in unbekannte Märkte oder bei außergewöhnlichen Ereignissen, die sich nicht einfach aus der Vergangenheit ableiten lassen.

Bei der qualitativen Methode gibt es zudem eine besondere Form der Prognose. Demand Forecasting beinhaltet die Vorhersage darüber, wie sich eine Verkaufspromotion auf Nachfrage und Kaufverhalten von Kunden auswirken wird.

Typische Ansätze des qualitativen Forecastings

Delphi-Methode: Bei dieser Technik wird ein mehrstufiger, anonymer Fragebogenprozess unter Fachleuten durchgeführt. In mehreren Runden geben die Experten ihre Einschätzungen zu einer bestimmten Fragestellung ab. Nach jeder Runde werden die Antworten zusammengefasst und den Teilnehmern erneut vorgelegt. Ziel ist es, durch iterative Rückmeldungen einen Konsens über zukünftige Entwicklungen zu erreichen – etwa über Marktpotenziale oder Absatzprognosen.

Marktforschung: Unternehmen führen Kundenbefragungen, Fokusgruppen oder Interviews durch, um die Meinung der Zielgruppe zu verstehen. Die daraus gewonnenen Erkenntnisse – etwa zur Kaufabsicht, Produktakzeptanz oder Markenwahrnehmung – können in die Prognose zukünftiger Entwicklungen einfließen. Besonders bei neuen Produkten oder Werbemaßnahmen ist die Marktforschung eine wichtige Grundlage für die qualitative Vorhersage.

Expertenpanels und Führungskräfte-Workshops: Interne und externe Experten (z.B. aus Vertrieb, Marketing oder Produktmanagement) bringen ihr Wissen über Marktveränderungen, Wettbewerber oder Kundenverhalten ein. Durch strukturierte Diskussionen und Bewertungsskalen entstehen Prognosen, die auf fundiertem Erfahrungswissen beruhen.

Vorteile der qualitativen Methode

• Einsatz bei Datenmangel: Ideal, wenn kaum oder keine historischen Zahlen verfügbar sind – z. B. bei Innovationsprojekten, Markteintritten oder Krisensituationen.

• Flexibilität: Auch außergewöhnliche Ereignisse oder untypische Einflüsse wie politische Veränderungen, Naturkatastrophen oder gesellschaftliche Trends können berücksichtigt werden.

• Expertenwissen: Die Einschätzungen stammen von Personen mit tiefem Markt- oder Produktverständnis, was quantitative Modelle oft nicht vollständig abbilden können.

Grenzen und Herausforderungen

• Subjektivität: Die Prognose hängt stark vom Urteilsvermögen der Beteiligten ab. Persönliche Meinungen oder Vorerfahrungen können das Ergebnis verzerren.

• Begrenzte Reproduzierbarkeit: Da Einschätzungen nicht auf festen Zahlen basieren, ist die Methode weniger transparent und schwerer zu standardisieren.

• Kurzfristige Verzerrung: Aktuelle Ereignisse oder Trends können überbewertet werden, während langfristige Entwicklungen unter den Tisch fallen.

Quellen

• Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD, englisch: Organisation for Economic Co-operation and Development). Glossary of statistical terms. Forecasting.
  https://stats.oecd.org/glossary/detail.asp?ID=3652