Vier Schritte zum datengetriebenen Forecasting

Planung war über Jahrzehnte klar strukturiert: Ein Jahresbudget definierte Ziele und Leitplanken, Abweichungsanalysen erklärten die Vergangenheit, punktuelle Forecasts sorgten für Korrekturen. Dieses Modell setzt Stabilität voraus – und genau die fehlt zunehmend.

Die Gründe dafür: Schwankende Nachfragemuster, volatile Kosten, fragile Lieferketten und geopolitische Unsicherheiten. Parallel erhöhen KI‑basierte Geschäftsmodelle und datengetriebene Entscheidungen den Wettbewerbsdruck.

Der KPMG Global Tech Report 2026 zeigt: 67 Prozent der Unternehmen verlieren bei Markt‑ oder Technologieschocks Zeit – nicht aufgrund fehlender Planung, sondern weil Forecasts Veränderungen nicht früh genug in steuerungsrelevante Signale übersetzen.

Deshalb sollte sich der Fokus im Controlling verlagern: Entscheidend ist weniger die rechnerische Präzision eines Budgets als die Fähigkeit eines Forecasts, frühzeitig Handlungsbedarf aufzuzeigen. Ob das gelingt, hängt aus meiner Sicht von vier zentralen Prinzipien ab.

Jahresbudgets basieren auf Annahmen, die zum Zeitpunkt der Genehmigung oft schon nicht mehr gelten. Sie sind notwendig für Zielklarheit, Investitionsrahmen und Governance – aber ungeeignet für operative Steuerung in einem dynamischen Umfeld.

Was das für das Controlling bedeutet:
Budget und Steuerung sollten entkoppelt werden. Das Jahresbudget definiert den Rahmen, rollierende Forecasts steuern Entscheidungen. Regelmäßige Forecast‑Zyklen ermöglichen eine kontinuierliche Neubewertung von Ergebnis, Cashflow und zentralen Werttreibern – auf Basis aktueller Entwicklungen.

56 Prozent der Tech‑Verantwortlichen geben an, dass ihre Pläne rasch obsolet werden, weil sich das Umfeld schneller ändert als die zugrunde liegenden Annahmen.

Viele Forecasts entstehen als technische Fortschreibung historischer Werte. Doch die entscheidende Frage lautet nicht, was passiert ist, sondern unter welchen Annahmen das Kommende gedacht wird.

Was das für das Controlling bedeutet:

Forecasting sollte explizit annahmenbasiert werden. Preis‑, Mengen‑, Kosten‑, Risiko‑ und Volatilitätsannahmen sollten transparent dokumentiert, regelmäßig überprüft und bei Bedarf angepasst werden. So wird Planung nicht defensiv rechtfertigend, sondern aktiv gestaltend und anschlussfähig für Management‑Diskussionen.

47 Prozent der befragten Unternehmen priorisieren Forecasts, die systematisch operative Echtzeitdaten nutzen.

Was das für das Controlling bedeutet: 

Forecast‑Modelle sollten systematisch mit operativen Daten verknüpft werden – etwa Auftragsbestand, Nachfrageindikatoren, Preisentwicklungen oder Lieferperformance. KI‑gestützte Zeitreihenmodelle können dabei helfen, Muster früher zu erkennen. Controlling entwickelt sich so vom Rückspiegel‑Reporting zum Frühwarnsystem.

52 Prozent der High Performer sehen eine gute Datenzugänglichkeit (Data Accessibility) als zentrale Voraussetzung für wirksame Steuerung.

Was das für das Controlling bedeutet: 
Forecasting benötigt eine einheitliche, integrierte Datenbasis für Finanz‑ und operative Daten. Controlling übernimmt dabei eine aktive Ordnungsfunktion: Definition von KPI‑Logiken, Datenstandards und Governance‑Regeln. Ziel ist nicht mehr Datenmenge, sondern belastbare, konsistente Entscheidungsgrundlagen.

Forecasting wird zur strategischen Kernkompetenz im Controlling. Nicht Perfektion entscheidet, sondern Geschwindigkeit, Transparenz und Signalwirkung. Unternehmen, die Forecasts als Frühwarnsystem etablieren, gewinnen Zeit – und damit Handlungsspielraum.