Sales Forecasting entscheidet in vielen mittelständischen B2B-Unternehmen darüber, ob Geschäftsführung und Vertriebsleitung fundierte Entscheidungen über Personalplanung, Liquidität und Investitionen treffen können, oder ob sie sich auf optimistische Bauchgefühle einzelner Vertriebsmitarbeitender verlassen müssen. Eine belastbare Umsatzprognose erfordert mehr als die reine Addition aller offenen Opportunities in der Pipeline, sie verlangt eine systematische Bewertung der Abschlusswahrscheinlichkeit jedes einzelnen Geschäfts sowie eine ehrliche Auseinandersetzung mit der eigenen Prognosegüte in der Vergangenheit. Dieser Beitrag stellt die gängigen Forecasting-Methoden vor, erklärt, wie sich eine Vertriebspipeline realistisch bewerten lässt, und zeigt, welche Fehlerquellen die Prognosequalität im Mittelstand am häufigsten verzerren.
Titelbild: Foto von Dylan Gillis auf Unsplash.
Warum viele B2B-Vertriebsprognosen zu optimistisch ausfallen
Ein systematischer Verzerrungsfaktor in der Vertriebsprognose ist der sogenannte Optimismus-Bias: Vertriebsmitarbeitende neigen dazu, die Abschlusswahrscheinlichkeit eigener Opportunities zu überschätzen, sowohl aus Eigeninteresse an einer guten Zielerreichung als auch aus echtem Enthusiasmus für die eigenen Projekte. Wird die Pipeline lediglich nach der subjektiven Einschätzung der einzelnen Vertriebsmitarbeitenden bewertet, kumulieren sich diese individuellen Verzerrungen zu einer insgesamt zu optimistischen Gesamtprognose. Hinzu kommt, dass viele Betriebe keine systematische Nachverfolgung der eigenen Prognosegenauigkeit betreiben und daher gar nicht wissen, wie stark ihre bisherigen Forecasts von den tatsächlichen Ergebnissen abgewichen sind.
Gängige Forecasting-Methoden im Überblick
Pipeline-basiertes Forecasting
Bei dieser weit verbreiteten Methode wird jeder Opportunity in der Pipeline eine Abschlusswahrscheinlichkeit zugeordnet, meist gekoppelt an die jeweilige Vertriebsphase. Der gewichtete Wert ergibt sich aus dem Produkt von Auftragsvolumen und Abschlusswahrscheinlichkeit, summiert über alle offenen Opportunities. Diese Methode ist vergleichsweise einfach umzusetzen, sofern ein CRM-System mit sauber gepflegten Phasenzuordnungen vorhanden ist.
Commit-Forecasting
Beim Commit-Forecasting kategorisieren Vertriebsmitarbeitende ihre Opportunities in Kategorien wie Commit, also sicher, Best Case, also wahrscheinlich, und Pipeline, also unsicher. Die Vertriebsleitung aggregiert diese Kategorien zu einer Gesamtprognose und wendet dabei häufig zusätzliche Erfahrungswerte an, etwa einen Abschlag auf die Best-Case-Kategorie basierend auf historischer Trefferquote.
Statistisches Forecasting
Größere Vertriebsorganisationen mit ausreichender Datenhistorie setzen zunehmend auf statistische Modelle, die auf Basis vergangener Opportunities und deren Merkmale, etwa Branche, Auftragsgröße oder Vertriebsmitarbeiter, eine wahrscheinlichkeitsbasierte Prognose erstellen. Für die meisten mittelständischen B2B-Vertriebe mit begrenzter Datenmenge ist dieser Ansatz jedoch nur eingeschränkt praktikabel, da belastbare statistische Modelle eine gewisse Menge historischer, sauber dokumentierter Abschlüsse voraussetzen.
| Methode | Voraussetzung | Eignung für den Mittelstand |
|---|---|---|
| Pipeline-basiertes Forecasting | CRM mit gepflegten Phasen | Hoch |
| Commit-Forecasting | Erfahrene Vertriebsleitung | Hoch |
| Statistisches Forecasting | Umfangreiche Datenhistorie | Mittel bis gering |
Pipeline-Bewertung: Von der Vertriebsphase zur Abschlusswahrscheinlichkeit
Die Zuordnung von Abschlusswahrscheinlichkeiten zu Vertriebsphasen sollte nicht willkürlich erfolgen, sondern auf einer Auswertung historischer Abschlussquoten je Phase basieren. Ein Betrieb, der feststellt, dass Opportunities in der Phase Angebotsverhandlung historisch in 60 % der Fälle abgeschlossen werden, sollte diesen Wert als Ausgangspunkt verwenden, statt pauschale Schätzwerte aus Vertriebsliteratur zu übernehmen, die selten zur eigenen Vertriebsrealität passen. Diese phasenbezogenen Wahrscheinlichkeiten sollten regelmäßig, mindestens jährlich, anhand aktueller Abschlussdaten überprüft und angepasst werden, da sich Vertriebsprozesse und Marktbedingungen über die Zeit verändern.
Zusätzlich zur reinen Phasenzuordnung empfiehlt sich eine Prüfung qualitativer Signale, etwa ob ein konkreter Ansprechpartner mit Entscheidungsbefugnis identifiziert wurde, ob ein Budget bestätigt ist und ob ein realistischer Entscheidungszeitpunkt bekannt ist. Opportunities, die formal in einer fortgeschrittenen Phase stehen, aber diese qualitativen Kriterien nicht erfüllen, sollten in der Bewertung konservativer behandelt werden als das reine Phasenmodell nahelegt.
Praktisches Vorgehen zur Pipeline-Bewertung
- Historische Abschlussquoten je Vertriebsphase auswerten, basierend auf mindestens den letzten zwölf Monaten abgeschlossener Opportunities.
- Abschlusswahrscheinlichkeiten je Phase festlegen und im CRM-System hinterlegen.
- Qualitative Kriterien definieren, etwa bestätigtes Budget oder identifizierter Entscheider, die eine Anpassung der Standardwahrscheinlichkeit rechtfertigen.
- Pipeline regelmäßig bereinigen und veraltete oder inaktive Opportunities aus der Bewertung entfernen.
- Forecast mit tatsächlichem Ergebnis vergleichen und Abweichungen dokumentieren, um die Prognosemethodik kontinuierlich zu verbessern.
- Forecast-Reviews in regelmäßigen Abständen mit dem gesamten Vertriebsteam durchführen, um Einschätzungen zu kalibrieren.
„Eine Pipeline, die nie bereinigt wird, ist keine Vertriebssteuerung, sondern eine Wunschliste.“
Segmentierung der Pipeline nach Kundentyp und Auftragsgröße
Eine pauschale Betrachtung der Gesamtpipeline verdeckt häufig relevante Unterschiede zwischen Kundensegmenten. Neukundengeschäfte weisen in der Regel deutlich niedrigere und volatilere Abschlussquoten auf als Erweiterungs- oder Folgegeschäfte mit Bestandskunden, da Bestandskunden bereits Vertrauen in Leistungsfähigkeit und Zuverlässigkeit des Anbieters aufgebaut haben. Wird die Pipeline ohne diese Differenzierung bewertet, führt ein hoher Anteil an Neukundenopportunities tendenziell zu einer Überschätzung der Gesamtabschlussquote, während ein hoher Bestandskundenanteil das Gegenteil bewirken kann. Eine getrennte Auswertung der Abschlussquoten nach Neukunden- und Bestandskundengeschäft sowie nach Auftragsgrößenklassen liefert der Vertriebsleitung präzisere Steuerungsgrößen und erlaubt gezieltere Investitionsentscheidungen, etwa bei der Frage, ob zusätzliche Kapazitäten eher in die Neukundenakquise oder in den Ausbau bestehender Kundenbeziehungen fließen sollten.
Forecast-Kategorien und Kommunikation gegenüber der Geschäftsführung
Für die Kommunikation gegenüber der Geschäftsführung hat sich die Unterscheidung zwischen Commit, Best Case und Pipeline bewährt, da sie unterschiedliche Sicherheitsgrade transparent macht, statt eine einzelne, scheinbar präzise Zahl zu präsentieren. Die Commit-Kategorie sollte ausschließlich Opportunities enthalten, bei denen die Vertriebsmitarbeitenden nahezu sicher von einem Abschluss innerhalb des Prognosezeitraums ausgehen, während die Best-Case-Kategorie zusätzliche, aber unsicherere Geschäfte umfasst. Diese Dreiteilung erlaubt es der Geschäftsführung, Planungsentscheidungen risikoadjustiert zu treffen, etwa Investitionen primär auf Basis der Commit-Zahlen zu planen und die Best-Case-Zahlen als oberes Potenzial zu behandeln.
Forecast Accuracy als Steuerungsgröße
Neben der eigentlichen Prognose sollte jeder Vertrieb die eigene Prognosegenauigkeit, die sogenannte Forecast Accuracy, systematisch nachhalten. Dabei wird der prognostizierte Wert eines Zeitraums mit dem tatsächlich realisierten Umsatz verglichen. Eine konstant zu optimistische Prognose deutet auf systematische Überschätzung einzelner Vertriebsmitarbeitender oder Vertriebsphasen hin, während eine konstant zu pessimistische Prognose ebenfalls ein Kalibrierungsproblem darstellt, da sie zu übervorsichtigen Geschäftsentscheidungen führen kann. Die Forecast Accuracy sollte idealerweise sowohl auf Gesamtebene als auch je Vertriebsmitarbeitendem ausgewertet werden, um gezielte Kalibrierungsgespräche mit einzelnen Personen führen zu können, deren Einschätzungen systematisch von der Realität abweichen.
Saisonale Effekte und Budgetzyklen berücksichtigen
Viele B2B-Vertriebe unterliegen saisonalen Schwankungen, die sich aus den Budgetzyklen der Kunden ergeben, etwa einer Häufung von Abschlüssen zum Ende des Kalenderjahres, wenn Restbudgets verausgabt werden, oder einer Investitionszurückhaltung in den ersten Wochen eines neuen Geschäftsjahres, solange Budgets noch nicht final freigegeben sind. Ein Forecast, der diese saisonalen Muster ignoriert und lediglich lineare Durchschnittswerte aus dem Vorquartal fortschreibt, unterschätzt systematisch die Schwankungsbreite zwischen den Quartalen. Betriebe mit mehrjähriger Datenhistorie sollten saisonale Korrekturfaktoren je Quartal ableiten und in die Forecast-Berechnung einfließen lassen, um diese wiederkehrenden Muster angemessen abzubilden, statt sie jedes Jahr erneut als Überraschung zu behandeln.
Typische Fehlerquellen beim Sales Forecasting
Eine der häufigsten Fehlerquellen ist die sogenannte Sandbagging-Praxis, bei der Vertriebsmitarbeitende Opportunities bewusst konservativer einstufen, als es die tatsächliche Situation rechtfertigt, um in einer späteren Periode eine positive Überraschung präsentieren zu können. Das entgegengesetzte Problem, die systematische Überschätzung zur Erfüllung kurzfristiger Zielvorgaben, tritt ebenso häufig auf. Ein weiterer verbreiteter Fehler ist die unzureichende Pipeline-Hygiene: Werden längst inaktive oder gescheiterte Opportunities nicht konsequent aus der Pipeline entfernt, verzerren sie die Gesamtbewertung erheblich. Schließlich wird Forecasting in vielen Betrieben als reine Vertriebsaufgabe behandelt, ohne dass Finance und Geschäftsführung die zugrunde liegende Methodik und ihre Grenzen verstehen, was im Ergebnis häufig zu überzogenen Erwartungen an die Prognosepräzision führt.
Rolle des CRM-Systems bei der Pipeline-Bewertung
Ein CRM-System ist kein Selbstzweck, sondern die zentrale Dateninfrastruktur für ein belastbares Sales Forecasting. Entscheidend ist dabei nicht die Anzahl der verfügbaren Funktionen, sondern die Disziplin, mit der Vertriebsmitarbeitende Phasenwechsel, Entscheiderkontakte und Terminfolgen zeitnah dokumentieren. Ein CRM-System, das nur einmal wöchentlich vor dem Forecast-Meeting nachträglich aktualisiert wird, liefert selbst mit ausgefeilten Auswertungsfunktionen keine verlässliche Datenbasis, weil die eingetragenen Phasen dann eher die aktuelle Erwartungshaltung als den tatsächlichen Verhandlungsstand widerspiegeln. Betriebe, die auf tagesaktuelle Pflege bestehen, etwa durch eine feste Regel, dass jede Kundeninteraktion binnen 24 Stunden im System hinterlegt wird, erzielen in aller Regel eine spürbar höhere Prognosegüte als solche, die Forecasting als nachgelagerten Reporting-Akt behandeln.
Wichtig ist außerdem eine klare Definition, wann eine Opportunity überhaupt als solche im CRM-System angelegt werden darf. Wird bereits jede erste unverbindliche Anfrage als Opportunity erfasst, bläht dies die Pipeline künstlich auf und verzerrt sowohl die Gesamtsumme als auch die phasenbezogenen Abschlussquoten. Ein sauberer Qualifizierungsprozess, der erst nach Bestätigung von Bedarf und grundsätzlichem Budgetrahmen eine Opportunity eröffnet, schafft eine deutlich aussagekräftigere Datengrundlage für die spätere Bewertung.
Zusammenspiel von Vertrieb, Finance und Geschäftsführung
Sales Forecasting entfaltet seinen vollen Nutzen erst, wenn die Prognose nicht isoliert im Vertrieb verbleibt, sondern systematisch mit der Finanzplanung verzahnt wird. Finance-Abteilungen benötigen die Umsatzprognose für die Liquiditätsplanung, für Personalentscheidungen und häufig auch für die Kommunikation gegenüber Banken oder Gesellschaftern. Wenn Vertrieb und Finance mit unterschiedlichen Zahlen arbeiten, etwa weil Finance konservativere Annahmen trifft als der Vertrieb kommuniziert, entstehen Reibungsverluste und Vertrauensprobleme zwischen den Abteilungen. Ein regelmäßiger, idealerweise monatlicher Abgleichtermin zwischen Vertriebsleitung und Finance, bei dem die Forecast-Methodik und die zugrunde liegenden Annahmen gemeinsam besprochen werden, reduziert dieses Risiko erheblich.
Für die Geschäftsführung ist es zudem hilfreich, wenn der Forecast nicht als einzelne Punktschätzung, sondern als Bandbreite mit Unter- und Obergrenze kommuniziert wird. Diese Bandbreite lässt sich aus der Differenz zwischen Commit- und Best-Case-Kategorie ableiten und vermittelt der Geschäftsführung ein realistischeres Bild der tatsächlichen Unsicherheit, als es eine einzelne, scheinbar exakte Zahl könnte.
Forecasting bei langen Verkaufszyklen und komplexen B2B-Projekten
Bei B2B-Vertrieben mit langen Verkaufszyklen, etwa im Anlagenbau, in der IT-Beratung oder bei erklärungsbedürftigen Investitionsgütern, stellt sich Sales Forecasting besonders anspruchsvoll dar, da zwischen Erstkontakt und Abschluss häufig sechs bis achtzehn Monate liegen und sich innerhalb dieses Zeitraums Ansprechpartner, Budgetrahmen oder strategische Prioritäten beim Kunden ändern können. In solchen Konstellationen empfiehlt sich eine feingranularere Phaseneinteilung mit mehr Zwischenschritten als im klassischen Modell, damit Verschiebungen frühzeitig sichtbar werden, statt erst kurz vor dem geplanten Abschlussdatum aufzufallen. Zusätzlich sollte bei langen Zyklen ein fester Rhythmus für die erneute Validierung älterer Opportunities eingeführt werden, etwa eine verpflichtende Reaktivierungsprüfung nach neunzig Tagen ohne dokumentierten Fortschritt, um zu verhindern, dass längst erkaltete Geschäfte die Pipeline dauerhaft aufblähen.
Praxisbeispiel: Forecast-Kalibrierung in einem mittelständischen Maschinenbaubetrieb
Ein mittelständischer Maschinenbaubetrieb mit einem sechsköpfigen Vertriebsteam stellte über mehrere Quartale hinweg fest, dass die tatsächlich realisierten Umsätze regelmäßig zwanzig bis dreißig Prozent unter der gemeldeten Forecast-Summe lagen. Eine Analyse der historischen Daten ergab, dass insbesondere zwei Vertriebsmitarbeitende systematisch zu optimistische Abschlusswahrscheinlichkeiten meldeten, während die übrigen Teammitglieder vergleichsweise präzise Einschätzungen abgaben. Statt pauschal einen unternehmensweiten Sicherheitsabschlag auf den Gesamtforecast einzuführen, entschied sich die Vertriebsleitung für individuelle Kalibrierungsgespräche mit den betroffenen Mitarbeitenden und für die Einführung mitarbeiterspezifischer Korrekturfaktoren auf Basis der historischen Forecast Accuracy. Nach zwei weiteren Quartalen hatte sich die Prognosegenauigkeit auf dem Gesamtteamlevel deutlich verbessert, ohne dass die eigentliche Vertriebsarbeit der betroffenen Mitarbeitenden in Frage gestellt werden musste.
Technologische Unterstützung: KI-gestützte Forecasting-Tools
Eine wachsende Zahl von CRM-Anbietern integriert mittlerweile KI-gestützte Forecasting-Funktionen, die auf Basis historischer Daten automatisierte Abschlusswahrscheinlichkeiten je Opportunity berechnen und dabei über die reine Phasenzuordnung hinausgehende Signale einbeziehen, etwa die Kommunikationsfrequenz mit dem Kunden oder die Reaktionsgeschwindigkeit auf Angebote. Für mittelständische B2B-Vertriebe mit überschaubarer Datenhistorie sollten solche Funktionen als Ergänzung, nicht als Ersatz für die menschliche Einschätzung der Vertriebsmitarbeitenden verstanden werden, da die zugrunde liegenden Modelle bei geringer Datenmenge und ungewöhnlichen Einzelgeschäften an ihre Grenzen stoßen. Ein sinnvoller Einsatz besteht häufig darin, die KI-basierte Einschätzung als zusätzlichen Vergleichswert neben der klassischen Commit-Best-Case-Pipeline-Kategorisierung darzustellen und größere Abweichungen zwischen beiden Werten gezielt zu hinterfragen.
Weiterführende Praxisleitfäden zur Vertriebssteuerung bietet der Bundesverband mittelständische Wirtschaft, der regelmäßig Fachbeiträge zu Vertriebsprozessen im Mittelstand veröffentlicht.
Vertriebscoaching auf Basis von Forecast-Abweichungen
Ein oft ungenutztes Potenzial liegt darin, systematische Forecast-Abweichungen nicht nur zur Korrektur der Prognosemethodik, sondern gezielt für individuelles Vertriebscoaching zu nutzen. Wenn ein Vertriebsmitarbeitender wiederholt Opportunities in fortgeschrittenen Phasen führt, die anschließend nicht zum Abschluss kommen, deutet dies häufig auf ein strukturelles Problem im Verkaufsprozess hin, etwa eine unzureichende Bedarfsanalyse zu Beginn oder eine zu frühe Angebotsabgabe ohne belastbare Entscheiderbindung. Die Forecast-Daten liefern damit nicht nur eine Steuerungsgröße für die Geschäftsführung, sondern auch eine diagnostische Grundlage für die Vertriebsleitung, um gezielte Entwicklungsgespräche zu führen, statt pauschale Leistungsbewertungen vorzunehmen, die die eigentliche Ursache unentdeckt lassen.
FAQ
Wie oft sollte ein Sales Forecast aktualisiert werden?
In den meisten B2B-Vertrieben empfiehlt sich eine wöchentliche Aktualisierung der Pipeline-Daten und eine monatliche Gesamtprognose gegenüber der Geschäftsführung.
Was ist der Unterschied zwischen Commit und Best Case?
Commit umfasst Opportunities, deren Abschluss innerhalb des Prognosezeitraums nahezu sicher erscheint, während Best Case zusätzliche, aber unsicherere Geschäfte einschließt.
Wie erkennt man Sandbagging in der Pipeline?
Ein Hinweis ist eine ungewöhnlich hohe Abschlussrate am Ende eines Berichtszeitraums bei zuvor konservativ eingestuften Opportunities, die auf eine bewusste Zurückhaltung hindeuten kann.
Reicht ein einfaches CRM-System für gutes Forecasting?
Ja, entscheidend ist weniger die Softwareausstattung als die konsequente Pflege von Phasenzuordnungen und die regelmäßige Bereinigung der Pipeline.
Wie lässt sich die Forecast Accuracy verbessern?
Durch regelmäßigen Abgleich von Prognose und tatsächlichem Ergebnis, Auswertung je Vertriebsmitarbeitendem und gezielte Kalibrierungsgespräche bei systematischen Abweichungen.
Sollten alle Opportunities gleich bewertet werden?
Nein, die Bewertung sollte neben der Vertriebsphase auch qualitative Kriterien wie Budget, Entscheider und Zeitrahmen berücksichtigen.
