top of page

Rolling Forecast - Glaskugel oder Ressourcenfresser?

In vielen Unternehmen sind Rolling Forecast-Projekte auf dem Vormarsch, da das Verständnis für die Notwendigkeit schnellerer Planungszyklen immer mehr zunimmt. Dies ist nicht zuletzt auf die zahlreichen Krisen und Veränderungen zurückzuführen, die das geschäftliche Umfeld in jüngster Zeit schwer durchschaubar gemacht haben.

Ein rollierender Forecast ist dabei nicht nur wichtig, um in turbulenten Zeiten schnell auf Veränderungen reagieren zu können. Vor allem soll durch stetige Abweichungsanalysen und Plan-Ist-Vergleiche die Planungsqualität verbessert werden.


Ein einfaches Wiederholen der herkömmlichen Jahresplanung reicht jedoch nicht aus, um den gewünschten Effekt zu erzielen. Oftmals sind die Forecast-Modelle zu aufwändig und undurchsichtig, sodass die Informationen bereits veraltet sind, sobald sie fertiggestellt wurden. Dadurch wird das "Einfrieren" der Zahlen notwendig.


Sätze wie "Das ist auf dem Investitionsstand 3 mit den alten Personalplanzahlen gerechnet" sollten im Zeitalter von Big Data und automatisierten Prozessen der Vergangenheit angehören. Durch Krisen und schnellere Veränderungen des wirtschaftlichen Umfelds sind neben der Genauigkeit neue Parameter für die Qualität eines Planungssystems heranzuziehen: Robustheit, Resilienz und Geschwindigkeit. In all diesen Aspekten haben viele Planungssysteme, insbesondere während der Corona-Pandemie, vollkommen versagt. Der Weg zum robusten Forecast-System – also einem System, das jederzeit unter allen Bedingungen sinnvolle und erkenntnisfördernde Ergebnisse liefert – ist lang, aber wichtig.

Besonders wichtig ist es, die Treiber auf kausale Logik zu überprüfen. Unvorhersehbare Ereignisse, die nicht in Vergangenheitsdaten abgebildet sind, können in Planungsmodellen nur abgebildet werden, wenn kausale Zusammenhänge korrekt dargestellt werden. Zu häufig werden Modelle übergenau an derzeitige Bedingungen angepasst und funktionieren unter größeren Änderungen der Umstände nicht mehr.


Es ist ratsam, die Anzahl und Komplexität der Planungsparameter gering zu halten. Unnötige Details erhöhen den Planungsaufwand und gleichzeitig die Unschärfe in den Zusammenhängen. Daher sollte man die Anzahl der Konten und Kostenstellen reduzieren.

Zudem sollte immer ein Vergleich und eine Verknüpfung zu Ist-Zahlen beibehalten werden, um kontinuierlich an der Planungsgenauigkeit zu arbeiten und Abweichungsanalysen durchzuführen.


Moderne Technologien und Automatisierung sollten genutzt werden, um Forecasts in Stunden statt in Tagen zu erstellen. Dadurch bleibt mehr Zeit, um sich inhaltlich mit den Ergebnissen auseinanderzusetzen.

Um einen guten Ansatzpunkt zu finden, sollte man zunächst versuchen, die Vergangenheit mit dem Rolling Forecast-Modell nachzubilden. Erst wenn damit gute Ergebnisse erzielt werden, sollte die Treiberlogik in die Zukunft übertragen werden.


Durch konsequente Verbesserung der Prämissen und Treiberlogiken sowie schnelle und automatisierte Datenverarbeitung kann ein Forecast-System sehr robust werden, das heißt, unter allen Umständen sinnvolle Ergebnisse liefern. Die Messung der Robustheit kann mit einem Stresstest für das Forecast-Modell erfolgen. Dabei werden einzelne Parameter oder Kombinationen von Parametern ungewöhnlich stark von den erwarteten Daten abweichen, und die Planung wird entsprechend durchgeführt. Experten können dann beurteilen, ob das reale Unternehmen sich in einer Ausnahmesituation genauso verhalten würde. Auf diese Weise wird der kausale Zusammenhang zwischen Treibern und Ergebnissen geprüft, und gleichzeitig kann das Unternehmen viel über die eigenen Wechselwirkungen lernen.


6 Ansichten0 Kommentare

Aktuelle Beiträge

Alle ansehen
bottom of page