Wenn der Forecast immer falsch ist: Wie CFOs FP&A von Grund auf neu aufbauen

Ein mittelgroßererDas 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 → Industriehersteller braucht jedes Quartal sechs Wochen, um einen Rolling Forecast zusammenzustellen. Das Finance-Team konsolidiert die Zulieferungen von vierzehn Business Units, bringt widersprüchliche Annahmen in Einklang und produziert ein Deck mit 47 Slides, das etwa zehn Tage vor der Board-Sitzung auf dem Schreibtisch des CFO landet. Bis das Board es prüft, haben sich zwei der zugrunde liegenden Makroannahmen bereits verschoben. Der Forecast ist technisch korrekt und operativ nutzlos.

Das ist kein Einzelfall. Nach Untersuchungen von Gartner (ein unabhängiges Analystenhaus) glaubt weniger als jede dritte Finanzführungskraft, dass der aktuelle Forecast-Prozess ihr einen echten Vorteil bei Entscheidungen verschafft. Der Wert hat sich in fünf Jahren kaum bewegt, trotz erheblicher Investitionen in Planungssoftware und Analytics-Headcount. Das Problem sind nicht die Tools. Das Problem ist das Modell.

FP&A im Jahr 2026: was sich tatsächlich ändert

Der strukturelle Druck auf FP&A-Funktionen hat in den vergangenen Jahren zugenommen, getrieben von makroökonomischer Volatilität, engeren Kapitalmärkten und der Erwartung des Boards, Szenario-Intelligenz zu bekommen statt Punktschätzungen.

Drei Verschiebungen lohnen sich genauer zu verfolgen.

Erstens steht der Planungszyklus selbst unter Druck. Jahresbudgets, einst der Anker der Unternehmensplanung, haben in Organisationen mit volatilen Einstandskosten an Glaubwürdigkeit verloren. Konsumgüterhersteller, Energieunternehmen und alle Geschäfte mit erheblichem Währungs- oder Rohstoffexposure haben die Vorstellung weitgehend aufgegeben, dass ein Januar-Budget im August noch viel Bedeutung hat. Führende FP&A-Funktionen haben darauf mit 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 →ürzeren, laufenden Horizonten reagiert, typischerweise 12 bis 18 Monate auf kontinuierlicher Basis, wobei ein formales Reforecasting von wesentlichen Ereignissen ausgelöst wird und nicht von Kalenderterminen.

Zweitens ändert sich das Verhältnis zwischen FP&A und operativen Daten. Historisch erhielten Finance-Teams Daten aus den Business Units. Die Bewegung läuft inzwischen in beide Richtungen: FP&A-Teams bei Unternehmen wie Unilever und Siemens haben Finance Business Partner direkt in Commercial- und Supply-Chain-Funktionen eingebettet, sodass Forecast-Annahmen in Echtzeit gegen operative Signale getestet werden und nicht erst im Nachhinein zusammengesetzt. Das verlangt ein anderes Skill-Set. Ein Finance Business Partner, der ein Demand-Planning-Modell lesen oder ein Logistik-Dashboard hinterfragen kann, ist deutlich wertvoller als einer, der nur Spreadsheets konsolidieren kann.

Drittens ist KI-gestütztes Forecasting bei einer relevanten Zahl großer Organisationen vom Pilot in den Produktivbetrieb gewechselt. Die ehrliche Version dieser Geschichte ist komplizierter, als das Marketing der Anbieter suggeriert. Unternehmen wie Anaplan und Workday (beide kommerzielle Anbieter von FP&A-Plattformen, ihre Aussagen sind entsprechend zu gewichten) berichten von starker Adoption machine-learning-gestützter Forecast-Modelle. Unabhängige Assessments fallen gemischter aus. Der tatsächliche Nutzen zeigt sich in klar abgegrenzten Use Cases: Umsatz-Forecasting für Geschäfte mit hohem Transaktionsvolumen und sauberen historischen Daten, Modellierung von Personalkosten und Working-Capital-Projektionen. Breite, KI-generierte P&L-Forecasts bleiben weniger verlässlich, besonders in Geschäften im strukturellen Umbau.

Was das für den CFO bedeutet

Die Rolle des CFO dabei hat weniger mit Technologieauswahl zu tun als mit Organisationsdesign und intellektueller Ehrlichkeit.

Das Gefährlichste, was ein CFO tun kann, ist Präzision mit Genauigkeit zu verwechseln. Ein Forecast mit zwei Dezimalstellen, zusammengesetzt aus granularen Bottom-up-Inputs, kann systematisch falsch sein, wenn die zugrunde liegenden Annahmen nicht hinterfragt werden. Die Frage an jeden FP&A-Prozess lautet nicht „wie detailliert ist das?“, sondern „was müsste zutreffen, damit dieser Forecast wesentlich falsch ist, und woran würden wir es merken?“

Diese Neuausrichtung hat praktische Konsequenzen. Sie bedeutet, eine Szenario-Infrastruktur aufzubauen, die wirklich nutzbar ist, und nicht eine theoretische Übung, die Finance einmal im Jahr produziert und niemand heranzieht. CFOs bei Unternehmen wie Philips und Schneider Electric arbeiten mit drei bis vier aktiv gepflegten Szenarien, jedes mit eigenen Trigger-Indikatoren, sodass die Organisation ihren operativen Plan anpassen kann, wenn ein bestimmter Schwellenwert überschritten wird, statt auf das quartalsweise Reforecasting zu warten.

Es bedeutet auch, bereit zu sein, das FP&A-Team selbst umzubauen. Die Fähigkeiten für eine Forecast-Funktion, die auf kontinuierliches Monitoring, Szenariomanagement und Business Partnership ausgerichtet ist, unterscheiden sich deutlich von denen, die ein jährlicher Budgetprozess verlangt. Viele FP&A-Organisationen tragen erhebliche technische Schulden in ihrer Talentbasis, nicht nur in ihren Systemen.

Ein unterschätzter Hebel ist die Governance rund um Forecast-Annahmen. Wer verantwortet die Makroannahmen, auf denen der Plan aufbaut? Wer hinterfragt sie? In den meisten Organisationen werden diese Annahmen aus früheren Zyklen übernommen oder ohne große Prüfung aus einer einzigen externen Quelle gezogen. Ein kleiner, strukturierter Prozess zur Überprüfung der Annahmen, und sei es eine zweistündige Quartalssitzung mit dem CFO, dem Head of Strategy und einer externen Perspektive, bringt im Verhältnis zum Aufwand überproportional viel.

Praktische Schritte, die sich jetzt lohnen

• Erfassen Sie die Latenz in Ihrem aktuellen Forecast-Zyklus. Identifizieren Sie konkret, wo zwischen Datenentstehung und entscheidungsreifem Output Zeit verloren geht. In den meisten Organisationen gehen 60 bis 70 Prozent der Zykluszeit für Datenkonsolidierung und Abstimmung drauf, nicht für Analyse.
• Trennen Sie das Budget (politisch, jährlich, für Performance Management) vom Forecast (operativ, kontinuierlich, für Entscheidungen). Beides zu vermischen ist der häufigste Grund, warum FP&A im Geschäft an Glaubwürdigkeit verliert.
• Bevor Sie in neue Planungssoftware investieren, prüfen Sie die Qualität der Daten, die in Ihre aktuellen Tools fließen. Eine ausgefeilte Planungsplattform auf inkonsistenten operativen Daten produziert ausgefeilt aussehendes Rauschen.
• Definieren Sie zwei oder drei konkrete Forecast-Kennzahlen, die Sie jedes Quartal gegen die Ist-Werte verfolgen. Forecast-Genauigkeit je Business Unit, Richtung der Verzerrung und durchschnittliche Abweichung 90 Tage im Voraus sind alle messbar. Genauigkeit sichtbar zu machen schafft Verantwortlichkeit, was Prozessdokumentation nicht leistet.
• Identifizieren Sie eine Finance-Business-Partner-Rolle, die näher an eine stark volatile Geschäftsfunktion gerückt werden könnte, etwa Supply Chain oder Commercial Pricing, und behandeln Sie sie als strukturelles Experiment, bevor Sie skalieren.

Der CFO, der fragt „wie machen wir unseren Forecast genauer?“, stellt die falsche Frage. Nützlicher ist: „wie machen wir unsere Organisation schneller darin, zu reagieren, wenn der Forecast sich als falsch erweist?“ Diese Fähigkeit aufzubauen unterscheidet eine kompetente FP&A-Funktion von einer strategisch wertvollen.