Vom quartalsweisen Re-Forecast zum kontinuierlichen Forecasting – ohne die Kontrolle zu verlieren

Immer aktuelle Forecasts klingen großartig – bis der Controller fragt, woher eine Zahl stammt. Kontinuierliches Forecasting funktioniert nur, wenn jeder Refresh auf ein abgestimmtes Modell zurückführt.

Ein Finanzteam aus dem Mittelstand, mit dem ich gesprochen habe, verbrachte früher den Großteil von drei Wochen pro Quartal damit, seinen Forecast neu aufzubauen. Ist-Zahlen ziehen. Sie erneut ins Modell eintippen. Den Regionalleitern hinterherlaufen, um die aktualisierte Pipeline zu bekommen. Darüber streiten, welche Version der Personaldatei nun die gültige ist. Bis die aktualisierten Zahlen beim CFO ankamen, beschrieben sie ein Unternehmen, das längst weitergezogen war.

Das ist die Falle des periodischen Re-Forecasts. Sie investieren enormen Aufwand, um eine Momentaufnahme zu erstellen, die schon veraltet ist, sobald sie fertig ist. Die naheliegende Antwort im Jahr 2026 lautet kontinuierliches Forecasting: KI nimmt Ist-Zahlen auf, sobald sie gebucht werden, aktualisiert die Projektionen rollierend und hält den Blick nach vorn stets aktuell. Das IBM Institute for Business Value hat das Potenzial mit harten Zahlen belegt: Rollierende Forecasts liefern demnach rund 12 % höhere Genauigkeit als klassische Budgets und halbieren den Erstellungsaufwand in etwa.

Warum verläuft der Umstieg dann so schleppend? Umfragen der AFP beziffern die Verbreitung rollierender Forecasts auf rund 42 %, doch Deloitte sieht den nachhaltigen, tatsächlichen Einsatz eher bei 25 %. Die meisten Unternehmen stecken mitten im Übergang fest. Der Grund ist nicht die Technologie. Es ist die Kontrolle.

Die Sorge ist berechtigt

Wenn Sie quartalsweise neu planen, bringt Ihnen die Langsamkeit etwas ein: einen Kontrollpunkt. Jemand stimmt die Ist-Zahlen ab, jemand zeichnet ab, jemand kann die Frage „Woher kommt das?” beantworten, bevor die Präsentation hinausgeht. Verdichten Sie den Zyklus auf einen täglichen oder stündlichen Refresh, verlieren Sie genau jene natürliche Stelle, an der ein Mensch die Datenbasis überprüft.

Genau das ist das Fehlerbild, das Controllern den Schlaf raubt. Ein KI-gestützter Forecast aktualisiert sich über Nacht gegen das, was die Quellsysteme gerade hergeben. Ein Umsatz-Feed hat eine Charge Rechnungen doppelt gezählt. Ein Wechselkurs wurde nicht aktualisiert. Eine verspätete Buchung hat die Marge des Vormonats um zwei Punkte verschoben. Der Forecast extrapoliert pflichtbewusst aus den verfälschten Ist-Zahlen, und am Morgen zeigt die Vorstandssicht eine selbstbewusste, präzise, falsche Zahl. Niemand hat sie angefasst. Niemand kann sie erklären. Das ist schlimmer als der dreiwöchige Re-Forecast, denn in der langsamen Variante saß zumindest ein Mensch im Prozess, der die Doppelzählung bemerkt hätte.

Geschwindigkeit ohne Fundament liefert Ihnen keinen besseren Forecast. Sie liefert Ihnen dieselben Fehler – nur schneller und mit mehr Autorität.

Kontinuierlich heißt nicht ungesteuert

Der erste Reflex ist, das Tempo wieder zu drosseln. Das ist die falsche Lehre. Das Problem war nie die Frequenz des Refreshs; es war, dass der Refresh auf driftenden Quelldaten ohne Anker lief.

Die Lösung besteht darin, eine abgestimmte Datenbasis unter den kontinuierlichen Kreislauf zu legen. Bevor irgendeine KI-Extrapolation stattfindet, müssen die Ist-Zahlen, die in den Forecast einfließen, mit dem Hauptbuch übereinstimmen. Nicht ungefähr. Übereinstimmen, wie ein Controller es meint: Der Umsatz in der Forecast-Basis entspricht dem Umsatz im Hauptbuch, der Kassenbestand entspricht dem, was die Abstimmung ausweist, und jede Differenz wird identifiziert, nicht stillschweigend absorbiert.

Sobald dieser Anker existiert, wird kontinuierliches Forecasting sicher. Jeder Refresh startet von Zahlen, die bereits mit der Quelle abgestimmt sind. Die KI leitet die Wahrheit nicht in jedem Lauf neu her; sie projiziert von einer Basis nach vorn, die sich bereits bewährt hat. Bricht ein Feed weg, fängt der Abstimmungsschritt den Bruch ab, bevor er den Forecast erreicht – nicht erst, nachdem er den Vorstand erreicht hat.

Das ist dasselbe Prinzip, das hinter treiberbasiertem Forecasting steht: Lassen Sie die KI die Teile übernehmen, die sie beherrscht, und halten Sie die Teile, die exakt sein müssen, aus dem Modell heraus.

Was die KI tun sollte und was nicht

Seien Sie präzise bei der Arbeitsteilung, denn die Anbieter sind es nicht.

Ein LLM ist wirklich nützlich, um unsaubere Eingaben aufzunehmen, darauf hinzuweisen, dass eine Forecast-Annahme nicht zum Trend zu passen scheint, und die Erklärung zu entwerfen, warum die neue Sicht von der vorigen abweicht. Es ist gut in Sprache und Mustern.

Beim Rechnen ist es unzuverlässig. Unabhängige Finanz-Benchmarks zeigen durchgängig, dass selbst die besten Modelle bei Aufgaben in Finanz-Tabellen im unteren bis mittleren 80er-Bereich stagnieren – das heißt, etwa jede sechste numerische Operation ist falsch. Darauf lässt sich kein kontinuierlicher Forecast betreiben. Die Berechnung, die die Buchungen dieses Monats in den Umsatz des nächsten Quartals überführt, die Konsolidierung über Gesellschaften hinweg, die Cash-Conversion-Rechnung – all das muss über eine deterministische Engine laufen, nicht über die probabilistische Vermutung des Modells, wie das Ergebnis aussehen sollte.

Die Architektur für ein kontinuierliches Forecasting, das ein Controller unterzeichnen kann, sieht also ungefähr so aus. Verbinden Sie die Buchhaltungs- und Datenplattformen. Stimmen Sie die Ist-Zahlen kontinuierlich mit dem Hauptbuch ab, damit die Datenbasis stets belegt ist. Lassen Sie die KI Werte abrufen und aktualisierte Projektionen vorschlagen. Lassen Sie jede Berechnung durch die deterministische Engine laufen. Und sorgen Sie dafür, dass sich jedes Ergebnis bis zu den Quellzahlen zurückverfolgen lässt, aus denen es entstanden ist, sodass es jeder nachvollziehen kann.

Genau dieser letzte Punkt stellt den Kontrollpunkt wieder her, den Sie verloren haben, als Sie den Quartalszyklus abgeschafft haben. Die Kontrolle wohnt nicht mehr im Kalender. Sie wohnt in der Schicht.

Das Governance-Muster

Kontinuierlich heißt nicht: eine Blackbox, die die Vorstandssicht aktualisiert, während alle schlafen. Die Teams, die das richtig machen, halten einige Leitplanken ein.

Sie versionieren die Datenbasis, sodass „der Forecast mit Stand Dienstag” etwas ist, das Sie aufrufen und verteidigen können – und keine Zahl, die längst überschrieben wurde. Sie trennen die abgestimmte Basis, die die KI lesen, aber nicht stillschweigend ändern darf, von der Szenario-Schicht, in der alternative Annahmen leben. Und sie lassen Menschen die Richtlinie oberhalb des Systems setzen – sie entscheiden, welche Annahmen zulässig sind und welche Schwellenwerte eine Prüfung erfordern, statt jeden einzelnen Refresh freizugeben. Jeden Refresh freizugeben baut nur genau den Engpass wieder auf, dem Sie entkommen wollten.

Wenn ein Forecast sich um eine Vorstandsfrage herum flexibel zeigen muss, läuft das Szenario auf derselben abgestimmten Basis, sodass der Vergleich auf Augenhöhe stattfindet. Das ist der Mechanismus hinter Szenario- und What-if-Modellierung in Vorstandsgeschwindigkeit, und er hängt vollständig davon ab, dass die Basis überhaupt vertrauenswürdig ist.

Die ehrliche Grenze

Kontinuierliches Forecasting wird einen Forecast nicht reparieren, der aus menschlichen Gründen falsch war. Wenn Ihre Pipeline-Annahmen zu optimistisch sind, macht es Sie nur in Echtzeit optimistisch, wenn Sie sie stündlich aktualisieren. Die abgestimmte Datenbasis garantiert, dass die Zahlen mit der Quelle übereinstimmen und die Mathematik korrekt ist. Sie garantiert nicht Ihr Urteilsvermögen über die Zukunft. Halten Sie diese Unterscheidung klar, sonst vertrauen Sie dem Forecast aus den falschen Gründen.

Was er sehr wohl liefert, ist dies: einen Blick nach vorn, der stets aktuell, stets abgestimmt und stets nachvollziehbar ist. Der dreiwöchige Re-Forecast verschwindet. Die Kontrolle bleibt. Ein Controller kann nach wie vor jede Zahl im Forecast herausgreifen und bis ins Hauptbuch zurückverfolgen – und das ist der einzige Test, der wirklich zählt.

Wenn Ihr kontinuierlicher Forecast diese Frage übersteht, können Sie ihn verteidigen. Wenn nicht, haben Sie das Raten automatisiert. Um zu sehen, wie eine abgestimmte Datenbasis ein stets aktuelles Forecasting prüfbar macht statt nur schnell, buchen Sie eine Demo.