FP&A 2026: Warum Ihr Forecast schon vor Quartalsende veraltet ist

Die CFO eines mittelgroßen Industriekonzerns beschrieb ihren Planungszyklus kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →ürzlich so: Ihr Team arbeitete elf Wochen am Jahresbudget 2025, stellte es im November dem Board vor und sah, wie rund 40 % der Annahmen bis Februar deutlich falsch wurden. Rohstoffpreise bewegten sich, ein wichtiger Kunde verhandelte Volumina neu, und zwei geplante Neueinstellungen blieben in der Beschaffungsfreigabe hängen. Das Budget überlebte als politisches Dokument. Als Entscheidungsinstrument funktionierte es fast unmittelbar nicht mehr.

Das ist keine ungewöhnliche Geschichte. Es ist der Normalzustand für FP&A-Teams, die noch mit klassischen Jahresplanungsarchitekturen arbeiten. Die Frage für CFOs lautet 2026 nicht, ob kontinuierliches Forecasting theoretisch überlegen ist. Sie lautet, warum die Umsetzung so ungleichmäßig bleibt und was jene Finanzfunktionen unterscheidet, die die Lücke wirklich geschlossen haben, von denen, die jeden Oktober Spreadsheet-Marathons laufen.

Die strukturelle Verschiebung, die längst läuft

Über Rolling Forecasts und driver-based Modellierung wird in Finanzkreisen seit mindestens einem Jahrzehnt diskutiert. Was sich seit etwa 2023 geändert hat, sind die Tools, die Datenverfügbarkeit und der Wettbewerbsdruck, schneller auf Signale zu reagieren.

FP&A-Plattformen wie Anaplan, Workday Adaptive Planning und OneStream sind deutlich gereift. Sie beherrschen heute Szenario-Verzweigungen, Echtzeit-Integration mit dem ERP und in gewissem Umfang automatisierte Abweichungskommentare. Das sind Anbieterprodukte mit klaren kommerziellen Interessen, ihre eigenen Benchmarking-Daten sind entsprechend zu lesen. Der Trend, den sie abbilden, ist aber unabhängig sichtbar: Finanzteams bei Unternehmen wie Unilever, Siemens und Schneider Electric haben öffentlich beschrieben, wie sie sich von statischen Jahresbudgets zu rollierenden Horizonten von 12 bis 18 Monaten bewegen, die monatlich oder quartalsweise aktualisiert werden.

Die andere wesentliche Verschiebung ist der Einzug KI-gestützter Forecasts in produktive Umgebungen, nicht nur in Pilotprojekte. Große Sprachmodelle werden genutzt, um erste Entwürfe von Abweichungserklärungen zu erzeugen, Anomalien in den Actuals gegenüber dem Plan zu markieren und Nachfragesignale aus unstrukturierten Daten zu heben (Protokolle von Vertriebsgesprächen, Support-Tickets, Ordermuster von Distributoren). Microsoft Copilot for Finance, eingebettet in Dynamics 365, ist Mitte 2026 das am breitesten ausgerollte Beispiel, wobei der praktische Nutzen stark von der Datenqualität und der Pflege des zugrunde liegenden ERP abhängt.

Auch driver-based Modellierung gewinnt an Boden, als die Methode, die Rolling Forecasts überhaupt tragfähig macht. Statt jede Position einzeln zu forecasten, identifiziert das Team fünf bis acht zentrale operative Treiber (ausgelieferte Einheiten, durchschnittlicher Verkaufspreis, Headcount, Auslastungsgrad) und baut das Finanzmodell darauf auf. Bewegt sich ein Treiber, aktualisieren sich die finanziellen Effekte automatisch. Das Konzept ist nicht neu, aber die Zahl der Finanzteams, die es tatsächlich praktizieren statt nur anzustreben, ist merklich gewachsen.

Was das für den CFO bedeutet

Die operative Konsequenz ist einfach, wird aber oft unterschätzt: Ein Rolling Forecast ist nicht bloß eine technische Änderung am Planungskalender. ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → verlangt ein anderes Verhältnis zwischen Finance und den Geschäftsbereichen.

Im klassischen Jahresbudgetzyklus arbeiten Bereichsleiter sechs bis acht Wochen intensiv mit Finance zusammen und ziehen sich dann bis zum Halbjahresreview weitgehend zurück. In einem kontinuierlichen Planungsmodell muss diese Zusammenarbeit dauerhaft sein. Finance braucht operative Daten aus Vertrieb, Supply Chain und HR im Monatsrhythmus, nicht quartalsweise. Das ist ebenso eine Verhaltens- und Organisationsfrage wie eine Systemfrage.

CFOs, die das erfolgreich bewältigt haben, machen meist zwei Dinge anders. Erstens behandeln sie den Forecast als gemeinsames Geschäftsdokument und nicht als Finance-Artefakt. Wenn der Vertriebsleiter die Umsatzannahmen besitzt und Abweichungen erklären muss, verbessert sich die Qualität des Inputs, und das Gespräch verschiebt sich von rückblickender Schuldzuweisung zu vorausschauender Anpassung. Zweitens verkleinern sie den Umfang des Forecasts, damit er tragfähig bleibt. Eine monatlich aktualisierte P&L-Prognose mit 150 Zeilen ist für die meisten Teams unrealistisch. Ein Modell mit 20 bis 30 Treibern, das die wesentlichen Finanzergebnisse erzeugt, ist es.

Die KI-Schicht bringt einen echten Produktivitätsgewinn, aber CFOs sollten genau sein, wo sie wirklich hilft. Automatisierte Abweichungskommentare sparen Analystenzeit. Anomalieerkennung in großen Transaktionsdatensätzen findet Fehler und Betrugssignale früher. Szenarien entstehen schneller. Was KI nicht zuverlässig leistet, jedenfalls noch nicht, ist eine bessere Qualität der zugrunde liegenden Geschäftsannahmen. Garbage in, garbage out gilt weiter. Ein Modell, das auf drei Jahren Post-Pandemie-Daten trainiert ist, trägt strukturelle Verzerrungen, die kein Algorithmus automatisch korrigiert.

Hinzu kommt eine Talentdimension, die Finanzverantwortliche unterschätzen. Der FP&A-Analyst von 2026 verbringt weniger Zeit damit, Modelle von Null aufzubauen, und mehr damit, Ergebnisse zu interpretieren, Annahmen zu stress-testen und Erkenntnisse an Stakeholder außerhalb von Finance zu vermitteln. Das ist ein anderes Skill-Profil als beim Excel-lastigen Analysten vor fünf Jahren. CFOs, die diese Fähigkeit in ihren Teams nicht aktiv entwickeln, haben am Ende technisch versierte Analysten, die einen Forecast nicht in eine Geschäftsempfehlung übersetzen können.

Konkrete Schritte, die sich jetzt lohnen

• Kartieren Sie Ihren aktuellen Forecast-Zyklus und zählen Sie die tatsächlichen Stunden für Datenerhebung gegenüber Analyse. In den meisten Teams ist das Verhältnis umgekehrt zu dem, was es sein sollte. Diese Lücke ist Ihr erstes Ziel.
• Identifizieren Sie Ihre vier bis sechs wirkungsstärksten Geschäftstreiber und prüfen Sie, ob Ihr Modell deren Zusammenhang zur P&L wirklich dynamisch abbildet oder ob Sie einzelne Positionen manuell nachziehen, wenn sich ein Treiber bewegt.
• Führen Sie vor der nächsten Board-Präsentation eine strukturierte Szenarioübung durch: nicht drei Standardszenarien mit den Labels „Base, Upside, Downside“, sondern Szenarien um konkret benannte Risiken herum (15 % Zollerhöhung auf einen zentralen Input, Volumenrückgang von 20 % bei einem Top-Kunden) mit ausdrücklicher Verantwortung für die Annahmen.
• Wenn Sie FP&A-Plattformen evaluieren, gewichten Sie Implementierungstiefe und Qualität der Datenintegration hoch. Die Software scheitert selten an Funktionen. Sie scheitert, weil die ERP-Daten, die sie speisen, inkonsistent sind, oder weil die Adoption in den Geschäftsbereichen nie richtig gesteuert wurde.
• Sprechen Sie ausdrücklich mit Ihrer FP&A-Führung darüber, welche Fähigkeiten sie im Team aufbaut, nicht nur welche Tools sie einführt.

Die CFOs, die 2026 das Meiste aus kontinuierlicher Planung machen, tun nichts Exotisches. Sie haben ihre Forecast-Architektur vereinfacht, saubere Datendisziplin weiter vorne im Prozess erzwungen und eine Routine monatlicher Gespräche mit dem Vertrieb etabliert, die den Forecast zu einem lebendigen Instrument machen statt zu einer Pflichtübung. Diese Kombination steht den meisten Finanzfunktionen offen. Die Hürde ist selten die Technologie.