Warum stößt die klassische Jahresplanung an ihre Grenzen?

Ein Budget wird im Herbst verabschiedet und beschreibt Annahmen, die im Januar schon veraltet sein können: Ein Rohstoffpreis steigt, ein Großkunde storniert, ein Wettbewerber senkt Preise. Im Februar arbeitet die Finanzabteilung dann mit Zahlen, die niemand mehr ernst nimmt, aber formal weiter gelten.

Der Controller pflegt die Abweichungen in Excel-Tabellen nach, die Vertriebsleitung meldet mündlich, dass die Absatzplanung nicht mehr haltbar ist, und die Geschäftsführung trifft Entscheidungen auf Basis von Bauchgefühl statt auf Basis aktueller Zahlen. Diese Lücke zwischen Planwert und Wirklichkeit kostet Zeit in jedem Monatsabschluss und schafft Unsicherheit bei Investitionsentscheidungen.

Ursache ist meist nicht mangelnder Wille, sondern der starre Rhythmus: Ein Budget wird einmal im Jahr aufgestellt und erst zwölf Monate später wieder angefasst. Zwischenzeitliche Marktveränderungen finden im Zahlenwerk keinen Platz, solange niemand den Planungsprozess grundlegend anders organisiert.

Der Ausweg liegt nicht darin, das Budget häufiger neu zu verhandeln, sondern die Planung selbst rollierend anzulegen. KI-gestützte Forecast- und Budgetplanung setzt genau hier an: Sie aktualisiert Prognosen auf Basis laufender Ist-Daten und macht den wandernden Planungshorizont praktisch handhabbar, ohne dass jede Anpassung eine neue Planungsrunde im gesamten Haus auslöst.

Was leistet KI-gestützte Forecast- und Budgetplanung genau?

KI-gestützte Forecast- und Budgetplanung ist eine Kombination aus statistischen Verfahren, maschinellem Lernen und regelbasierter Logik, die Ist-Daten aus Buchhaltung, Vertrieb und Personal auswertet und daraus aktualisierte Hochrechnungen erstellt. Sie erkennt Muster in historischen Zahlen, markiert Abweichungen und liefert Szenarien. Die inhaltliche Bewertung und Freigabe bleibt beim Controlling.

Wichtig ist die Abgrenzung der Verfahren: Klassische Statistik extrapoliert Zeitreihen nach festen Formeln, etwa gleitende Durchschnitte oder saisonale Indizes. Maschinelles Lernen erkennt zusätzlich nichtlineare Zusammenhänge zwischen mehreren Einflussgrößen, etwa zwischen Auftragseingang, Personalkapazität und Materialverfügbarkeit. Sprachmodelle wiederum werden nicht für die Zahlenberechnung selbst eingesetzt, sondern um Kommentare zu Abweichungen zu formulieren, Planungsannahmen zu dokumentieren oder Rückfragen aus Fachbereichen in strukturierte Eingaben zu übersetzen.

Die Software übernimmt die rechnerische Fleißarbeit: Sie zieht Kontensalden, gleicht Ist- gegen Plan-Werte ab, aktualisiert Hochrechnungen bei neuen Buchungen und stellt Abweichungen grafisch dar. Sie übernimmt nicht die Entscheidung, welche Annahme für das nächste Quartal gilt, und sie unterschreibt keinen Forecast, der gegenüber Banken oder Gesellschaftern kommuniziert wird.

Diese Trennung ist kein technisches Detail, sondern der Kern des Ansatzes: Ein System kann Wahrscheinlichkeiten berechnen, aber keine unternehmerische Verantwortung tragen. Wer eine Einführung plant, sollte deshalb von Anfang an festlegen, welche Schritte automatisiert laufen und welche eine Freigabe durch die Finanzleitung erfordern. Mehr zur Einordnung von Assistenzsystemen im Unternehmenskontext liefert unser Beitrag zur KI-Beratung für Unternehmen.

Was unterscheidet Budget, Forecast und Hochrechnung?

Budget, Forecast und Hochrechnung werden im Sprachgebrauch oft vermischt, meinen aber unterschiedliche Dinge: Das Budget ist die verbindliche Jahresplanung, der Forecast eine laufend aktualisierte Erwartung für die Zukunft, und die Hochrechnung schätzt das Jahresergebnis auf Basis der bereits erreichten Ist-Zahlen. Alle drei Begriffe erfüllen unterschiedliche Zwecke im Planungskalender.

In der Praxis führt die Vermischung zu Missverständnissen, etwa wenn eine Fachabteilung glaubt, ein aktualisierter Forecast ersetze automatisch das genehmigte Budget. Das Budget bleibt in der Regel als Vergleichsmaßstab bestehen, während der Forecast die realistischere Erwartung daneben zeigt.

Die folgende Übersicht ordnet die drei Begriffe nach Zweck, üblicher Frequenz, Verantwortung und Änderbarkeit im laufenden Geschäftsjahr ein.

Wie funktioniert ein Rolling Forecast in der Praxis?

Ein Rolling Forecast verschiebt den Planungshorizont mit jedem Monat um einen Monat nach vorne, sodass immer ein fester Zeitraum von zwölf bis achtzehn Monaten in die Zukunft geplant bleibt, statt am Jahresende zu enden. Dieser wandernde Horizont verhindert, dass der Blick nach vorn zum Jahreswechsel abrupt endet, wie es die rollierende Planung als Methode beschreibt rollierende Planung.

Konkret bedeutet das: Ende Januar wird der Monat Januar aus der Vergangenheit mit Ist-Zahlen geschlossen, und gleichzeitig rückt ein neuer Monat, etwa der übernächste Januar des Folgejahres, ans Ende des Planungsfensters. Die KI-gestützte Forecast- und Budgetplanung übernimmt dabei die rechnerische Aktualisierung: Sie schreibt bekannte Trends fort, markiert ungewöhnliche Abweichungen und schlägt aktualisierte Werte für die kommenden Monate vor.

Das Controlling prüft diese Vorschläge, passt Annahmen an, etwa bei einem bekannten Großauftrag oder einer geplanten Preiserhöhung, und gibt die aktualisierte Planung frei. Diese Freigabe wird dokumentiert, damit im Nachhinein nachvollziehbar bleibt, wer welche Annahme wann geändert hat. Wie sich ein solcher Freigabeprozess sauber protokollieren lässt, zeigt unser Beitrag zum Change Management, der die gleichen Grundsätze auf andere Fachprozesse überträgt.

Der Aufwand pro Zyklus sinkt gegenüber einer klassischen Jahresplanung, weil nicht jedes Mal von Null begonnen wird, sondern nur die neuen Informationen eingearbeitet werden. Voraussetzung ist, dass die zugrunde liegenden Daten monatlich sauber vorliegen und die Fachbereiche ihre Annahmen zeitnah einbringen, statt sie erst zum Jahresende nachzuliefern.

Welche Daten braucht KI-gestützte Forecast- und Budgetplanung?

KI-gestützte Forecast- und Budgetplanung benötigt strukturierte Ist-Daten aus mehreren Quellen: Sachkonten und Kostenstellen aus der Finanzbuchhaltung, den offenen Auftragsbestand aus dem ERP-System, Absatzmengen aus dem Vertrieb, Kopfzahlen aus der Personalabteilung sowie Zahlungseingänge für die Liquiditätsplanung. Je vollständiger diese Quellen angebunden sind, desto verlässlicher werden die daraus abgeleiteten Prognosen.

Für eine belastbare Modellbildung sind in der Regel mindestens zwei bis drei Jahre monatlicher Historie erforderlich, damit saisonale Muster, etwa ein starkes viertes Quartal im Handel oder ein Umsatzeinbruch im Sommer, statistisch von einmaligen Ausreißern unterschieden werden können. Kürzere Historien liefern zwar erste Trends, die Prognosegüte bleibt dann jedoch eingeschränkt.

Neben der Menge zählt die Qualität: Kontenpläne müssen über die Jahre konsistent bebucht sein, Kostenstellen dürfen nicht willkürlich umbenannt werden, und Buchungen sollten zeitnah und vollständig erfasst sein. Wo Buchhaltungsdaten in ein Forecast-Modell einfließen, bleibt die GoBD-konforme Nachvollziehbarkeit der Ursprungsdaten die Grundlage, auf der jede weitere Auswertung aufsetzt.

In der Praxis stammen diese Daten meist bereits aus DATEV, einem SAP-System oder einer vorhandenen Excel-Planung. Eine KI-gestützte Erweiterung ersetzt diese Werkzeuge nicht, sondern liest ihre Daten aus und ergänzt sie um eine automatisierte Aktualisierung. Bevor eine Einführung beginnt, lohnt sich deshalb eine technische Bestandsaufnahme, die prüft, welche Schnittstellen bereits vorhanden sind und wo Datenlücken bestehen, etwa bei uneinheitlich gepflegten Kostenstellen oder fehlender Verknüpfung zwischen Vertriebs- und Finanzsystem.

Wie entstehen Szenarien und Was-wäre-wenn-Rechnungen?

Szenarien entstehen durch treiberbasierte Planung: Statt Umsatz und Kosten direkt zu schätzen, werden zentrale Werttreiber wie Absatzmenge, Einkaufspreis oder Investitionsvolumen einzeln verändert, und das System berechnet die Auswirkung auf Ergebnis und Liquidität. So lassen sich mehrere benannte Szenarien, etwa ein optimistischer und ein vorsichtiger Fall, nebeneinander vergleichen.

Grundlage dafür ist ein Werttreiberbaum, der die einzelnen Faktoren und ihre rechnerischen Zusammenhänge abbildet: Der Absatz multipliziert mit dem Verkaufspreis ergibt den Umsatz, der Wareneinsatz aus Menge und Einkaufspreis ergibt die Materialkosten. Wird ein Treiber verändert, zieht sich die Änderung automatisch durch alle abhängigen Positionen bis zum Ergebnis. Wie ein solches Modell technisch mit Geschäftsprozessen verzahnt wird, beschreibt unser Beitrag zum Geschäftsprozessmanagement.

Ein Beispiel: Sinkt der Einkaufspreis für einen zentralen Rohstoff um einen bestimmten Prozentsatz, während der Absatz konstant bleibt und gleichzeitig eine geplante Investition in eine neue Anlage um ein Quartal verschoben wird, zeigt die Simulation sofort, wie sich Deckungsbeitrag und Liquidität in den betroffenen Monaten verändern. Diese Rechnung dauert mit einem angebundenen System Minuten statt Tage in Excel.

Statt eines einzelnen Punktwerts geben belastbare Szenarien eine Bandbreite aus, etwa einen wahrscheinlichen Korridor zwischen einem konservativen und einem optimistischen Ergebnis. Das entspricht der unternehmerischen Realität besser als eine scheinbar exakte Zahl und erleichtert der Geschäftsführung, Entscheidungen auf Basis von Risiko und Chance statt auf Basis einer einzigen Prognose zu treffen. Die Auswahl, welches Szenario der Planung zugrunde gelegt wird, bleibt dabei stets eine Entscheidung des Managements, nicht des Systems.

Wie genau sind Forecasts aus KI-gestützter Forecast- und Budgetplanung?

Forecasts aus KI-gestützter Forecast- und Budgetplanung sind bei stabilen, gut dokumentierten Größen wie Personalkosten, Mieten oder wiederkehrenden Umsätzen mit Vertragsbindung meist zuverlässig. Bei volatilen Größen wie Auftragseingang neuer Kunden, Rohstoffpreisen oder saisonalen Sondereffekten sinkt die Genauigkeit deutlich, weil die Trainingsdaten solche Ausreißer selten in ausreichender Zahl enthalten.

Herstellerangaben zu Fehlerquoten stammen fast immer aus Testläufen mit kuratierten, vollständigen Datensätzen des Anbieters selbst. Übertragen auf reale Buchhaltungsdaten mit Lücken, Nachbuchungen und uneinheitlichen Kontenrahmen fallen die Abweichungen in der Praxis oft höher aus. Eine Zahl ohne Angabe des Prognosehorizonts, der Branche und der Datenbasis lässt sich fachlich kaum einordnen und sollte nicht ungeprüft übernommen werden.

Backtesting ist deshalb das eigentliche Prüfmittel: Das Modell rechnet auf Basis vergangener Perioden eine Prognose, die anschließend mit den tatsächlich eingetretenen Werten verglichen wird. Erst mehrere solcher Rückrechnungen über unterschiedliche Zeiträume zeigen, wie belastbar ein Forecast für das jeweilige Unternehmen tatsächlich ist. Bei rollierender Planung wird dieser Abgleich mit jeder neuen Runde wiederholt, wie es die rollierende Prognose als Methode vorsieht rollierende Prognose.

ANCUD IT legt Backtesting-Ergebnisse offen, bevor ein Modell produktiv genutzt wird, und weist auf Bereiche mit hoher Unsicherheit gesondert hin. Das Controlling entscheidet dann, welche Positionen automatisiert fortgeschrieben und welche manuell nachjustiert werden.

Wie fügt sich KI-gestützte Forecast- und Budgetplanung in DATEV, SAP und Excel ein?

KI-gestützte Forecast- und Budgetplanung fügt sich über Schnittstellen in bestehende Systeme ein, statt sie zu ersetzen: Ist-Daten werden aus DATEV oder SAP ausgelesen, in einer Planungsschicht wie Jedox, LucaNet, Corporate Planning oder SAP Analytics Cloud verarbeitet und die Ergebnisse fließen zurück nach Excel oder Power BI, wo Fachbereiche sie gewohnt weiterbearbeiten.

Die konkrete Anbindung hängt von der vorhandenen Landschaft ab. DATEV liefert Buchhaltungsdaten meist über standardisierte Exporte oder eine Schnittstelle, SAP-Systeme über SAP Analytics Cloud oder direkte Tabellenanbindungen. Wer bereits mit IBM Planning Analytics, Anaplan oder Agicap arbeitet, kann die dortigen Planungsmodelle um zusätzliche Treiberdaten und automatisierte Hochrechnungen erweitern, statt eine neue Plattform einzuführen. Spezialisierte Anbieter bündeln Planung, Budgetierung und Forecasting in einer Umgebung, was für Unternehmen mit mehreren Planungssystemen eine Konsolidierung erleichtern kann, aber nicht für jede Unternehmensgröße den geringsten Aufwand bedeutet.

Für die Liquiditätssicht kommt häufig Agicap zum Einsatz, weil das Werkzeug Zahlungsströme direkt aus Bankkonten und Rechnungssystemen zieht. Power BI dient in vielen Mittelstandsbetrieben als Auswertungsebene, auf der Ist-Werte, Budget und Forecast nebeneinander dargestellt werden, ohne dass Anwender ihre gewohnte Oberfläche wechseln müssen.

Vor jeder Integration steht eine technische Bestandsaufnahme: Welche Systeme sind im Einsatz, wie sauber sind die Kontenzuordnungen, wo entstehen heute manuelle Übertragungen zwischen DATEV, ERP und Excel. Erst danach lässt sich seriös einschätzen, welcher Integrationsweg den geringsten Aufwand bei größtem Nutzen bringt. ANCUD IT bindet dabei vorhandene Werkzeuge weiter ein, wo sie fachlich passen, und schlägt einen Systemwechsel nur vor, wenn die bestehende Lösung die Anforderungen nachweislich nicht mehr erfüllt. Mehr zur Anbindung von Planungssystemen an bestehende Prozesslandschaften liefert unser Beitrag zu Geschäftsprozessmanagement mit Camunda.

Muss die Excel-Planung ersetzt werden?

Nein, in vielen Fällen nicht. Excel kann als vertraute Eingabe- und Auswertungsoberfläche erhalten bleiben, während Datenhaltung und Versionierung in eine zentrale Planungsschicht wandern. So bleiben Formeln und Ansichten der Fachbereiche nutzbar, ohne dass mehrere Kopien derselben Datei mit widersprüchlichen Ständen im Umlauf sind.

Das eigentliche Problem klassischer Excel-Planung ist selten die Oberfläche, sondern die fehlende zentrale Datenhaltung: Jede Abteilung pflegt eine eigene Version, Formeln werden versehentlich überschrieben, und niemand kann im Nachhinein nachvollziehen, wer welche Annahme wann geändert hat. Eine angebundene Planungsdatenbank löst genau dieses Problem, während die Tabelle als Frontend bestehen bleibt. Wie sich solche zentralen Datenhaltungen technisch abbilden lassen, zeigt unser Beitrag zu Data Engineering.

Ein vollständiger Ersatz wird dann sinnvoll, wenn die Zahl der Planungsebenen, Gesellschaften oder Szenarien so groß wird, dass Excel an technische Grenzen stößt, etwa bei sehr vielen verknüpften Arbeitsmappen oder bei konzernweiter Konsolidierung mit mehreren Währungen. Auch wenn Prüfungspflichten eine lückenlose, systemseitige Nachvollziehbarkeit verlangen, reicht eine reine Tabellenlösung oft nicht mehr aus.

Die Entscheidung sollte nicht pauschal fallen, sondern anhand der tatsächlichen Fallzahlen und Freigabeprozesse im Unternehmen getroffen werden. Eine kurze technische Bestandsaufnahme zeigt in der Regel schnell, ob eine Erweiterung ausreicht oder ein Systemwechsel ansteht.

Wer verantwortet Annahmen und Freigaben im Forecast?

Der Fachbereich liefert die Treiberwerte, etwa geplante Auftragseingänge oder Personalzugänge, das Controlling konsolidiert diese Werte mit den Ist-Zahlen zu einem Gesamtforecast, und die Geschäftsführung gibt die konsolidierte Fassung frei. Das KI-System erstellt Vorschläge und Berechnungen, trifft aber keine eigenständige Entscheidung über Annahmen oder Freigaben.

Diese Aufteilung ist keine Formalität, sondern schützt vor stillen Fehlern: Wenn der Vertrieb eine Umsatzannahme ohne Rückmeldung an das Controlling ändert, verzerrt das den Forecast, ohne dass jemand es bemerkt. Deshalb läuft jede Änderung an Treiberwerten über ein festgelegtes Formular oder ein Eingabefeld in der Planungssoftware, nicht über informelle Zuruf-Kommunikation.

Jede Änderung an Annahmen wird protokolliert: wer den Wert geändert hat, wann, mit welcher Begründung und welcher Vorwert ersetzt wurde. Dieses Protokoll ist nicht nur für interne Nachvollziehbarkeit wichtig, sondern auch dann relevant, wenn der Forecast in die Lageberichterstattung einfließt und im Rahmen einer Prüfung nachvollzogen werden muss. Ein sauberes Rechte- und Rollenkonzept in der Planungssoftware verhindert, dass Personen außerhalb ihres Zuständigkeitsbereichs Werte verändern.

Diese klare Rollenverteilung lässt sich mit den Grundsätzen ordnungsmäßiger Verarbeitung vergleichen, die ANCUD IT auch bei der Automatisierung anderer Fachprozesse anwendet, etwa im Rahmen des Change Managements für IT-Systeme Change Management. Wer Freigaben, Änderungen und Verantwortlichkeiten von Anfang an klar zuordnet, vermeidet spätere Diskussionen über die Herkunft einer Zahl.

Welche Rolle spielt die Liquiditätsplanung?

Die Liquiditätsplanung übersetzt den Ergebnisforecast in eine Zahlungsstromsicht und zeigt, wann Geld tatsächlich auf dem Konto ankommt oder abfließt. Zahlungsziele, Skontoabzüge, Investitionsauszahlungen und die Auslastung von Kreditlinien wirken sich auf die Liquidität aus, ohne dass sie im Ergebnisforecast in gleicher Weise sichtbar werden.

Ein Beispiel macht den Unterschied deutlich: Ein Auftrag mit 90 Tagen Zahlungsziel erscheint im Ergebnisforecast sofort als Umsatz, schlägt sich in der Liquiditätssicht aber erst drei Monate später nieder. Skonto-Vereinbarungen verschieben Zahlungseingänge in die Gegenrichtung, und größere Investitionsauszahlungen können eine an sich profitable Periode kurzfristig in einen Liquiditätsengpass drehen.

Deshalb werden beide Sichten getrennt geführt: Der Ergebnisforecast bildet die wirtschaftliche Entwicklung ab, die Liquiditätsplanung die tatsächliche Zahlungsfähigkeit. Werkzeuge wie Agicap sind auf diese zweite Sicht spezialisiert und ziehen Zahlungsdaten direkt aus Bankkonten, während der Ergebnisforecast in Werkzeugen wie SAP Analytics Cloud oder Jedox gepflegt wird. Wie sich solche Datenflüsse aus mehreren Quellen sauber zusammenführen lassen, beschreibt unser Beitrag zur Datenanalyse mit Machine Learning.

Für die Geschäftsführung ist gerade die Liquiditätssicht oft die entscheidungsrelevantere, weil sie unmittelbar zeigt, ob Kreditlinien ausreichen oder rechtzeitig nachverhandelt werden müssen. Eine gute Forecast- und Budgetplanung stellt beide Sichten nebeneinander, statt sie zu vermischen.

Welche handelsrechtlichen Anforderungen berührt der Forecast?

Für Kapitalgesellschaften berührt der Forecast den Prognosebericht nach Paragraf 289 Absatz 1 Satz 4 HGB und Paragraf 315 HGB, der als Pflichtbestandteil des Lageberichts die voraussichtliche Entwicklung mit den wesentlichen Chancen und Risiken darstellt. Der Deutsche Rechnungslegungs Standard DRS 20.120 konkretisiert diese Pflicht und verlangt einen Mindestprognosehorizont von einem Jahr.

DRS 20 verlangt außerdem, dass die zugrunde liegenden Annahmen offengelegt werden, nicht nur das Ergebnis der Prognose selbst. Ein internes Forecast-Modell, das treiberbasiert arbeitet und Annahmen dokumentiert, liefert dafür bereits die notwendige Grundlage, sofern die Werte nachvollziehbar aus dem operativen Geschäft abgeleitet sind und nicht als reine Modellausgabe ohne Erläuterung übernommen werden.

Fließen Buchhaltungsdaten aus DATEV oder dem ERP-System in das Forecast-Modell ein, gelten die Grundsätze zur ordnungsmäßigen Führung und Aufbewahrung von Büchern, kurz GoBD, als Referenzrahmen für Nachvollziehbarkeit: Datenherkunft, Verarbeitungsschritte und Änderungen müssen im Nachhinein rekonstruierbar sein. Das betrifft auch Werte, die im Rahmen einer laufenden Aktualisierung regelmäßig fortgeschrieben werden.

Diese Anforderungen sprechen nicht gegen den Einsatz von KI-Unterstützung, sie setzen aber einen Rahmen: Die Annahmen hinter jeder Modellausgabe müssen erklärbar und die Änderungshistorie lückenlos sein. Wer die technische Bestandsaufnahme vor Einführung sorgfältig durchführt, richtet Protokollierung und Dokumentation gleich so ein, dass sie im Ernstfall der handelsrechtlichen Berichtspflicht standhalten.

Wie steht es um Datenschutz und Datenhoheit?

Personalkosten, Gehaltsdaten und einzelne Kundenkonditionen sind personenbezogene oder besonders schützenswerte Daten. Eine KI-gestützte Forecast- und Budgetplanung darf sie nur verarbeiten, wenn Zugriffsrechte, Aggregationsebene und Speicherort vorab geklärt sind. ANCUD IT setzt auf lokale oder europäische Verarbeitung ohne Weitergabe an Drittanbieter zu Trainingszwecken.

In der Praxis heißt das: Personalkosten fließen häufig nur aggregiert auf Kostenstellenebene in das Forecast-Modell ein, nicht als Einzeldatensatz je Mitarbeiter. Wer welche Planungsebene sehen darf, wird über Rollen im vorhandenen ERP- oder Planungssystem geregelt, nicht neu erfunden. Das Modell selbst erhält nur die Datenausschnitte, die für die jeweilige Auswertung nötig sind.

Ein zentraler Punkt ist die Frage, wo die Verarbeitung stattfindet und ob Daten das Unternehmen verlassen. Bei sensiblen Finanz- und Personaldaten ist eine private, lokal betriebene KI-Lösung oft die einzige vertretbare Option, weil sie ausschließt, dass Planungsdaten in ein fremdes Trainingsmodell einfließen. Wie ANCUD IT diesen Betrieb technisch umsetzt, beschreibt die Seite zu private und lokale KI-Lösungen.

Datenschutz ist damit kein nachgelagertes Thema, sondern Teil der technischen Bestandsaufnahme am Anfang jedes Projekts. Erst wenn geklärt ist, welche Daten wohin fließen und wer sie einsehen darf, wird ein Modell aufgesetzt. Das gilt unabhängig davon, ob die bestehende Systemlandschaft aus DATEV, SAP oder einer Kombination aus Excel und ERP-System besteht.

Welche Grenzen hat KI-gestützte Forecast- und Budgetplanung?

KI-gestützte Forecast- und Budgetplanung stößt an Grenzen, wo die Vergangenheit kein verlässlicher Wegweiser mehr ist: bei Strukturbrüchen wie einer Übernahme, bei einmaligen Ereignissen wie einem Großauftrag oder Förderprogramm, und bei kurzen Datenhistorien, aus denen sich kaum ein stabiles Muster ableiten lässt. Ein Modell erkennt solche Ausnahmen nicht von selbst als Ausnahme.

Ein weiteres Risiko ist Scheinsicherheit. Ein Forecast, der auf zwei Nachkommastellen genau ausgegeben wird, wirkt exakter, als die zugrunde liegenden Annahmen es hergeben. Wenn Umsatzentwicklung, Materialpreise oder Personalkosten mit Unsicherheit behaftet sind, sollte auch das Ergebnis als Bandbreite oder Szenario dargestellt werden, nicht als einzelne, scheinbar präzise Zahl. Wer diese Unschärfe nicht kommuniziert, verschiebt das Risiko lediglich auf die Person, die die Zahl später verteidigen muss.

Modelle veralten außerdem, wenn sich Geschäftsmodell, Kontenstruktur oder Kostenstellenlogik ändern. Ein Rolling Forecast, der einmal eingerichtet wurde, braucht regelmäßige Pflege: neue Treiber, angepasste Gewichtungen, gelegentlich ein komplettes Neuaufsetzen einzelner Teilmodelle. Ohne diese Pflege driften Prognose und Realität schleichend auseinander, ohne dass es im laufenden Betrieb sofort auffällt. Wie sich solche Modelle mit vertretbarem Aufwand pflegen lassen, beschreibt unser Beitrag zur Überwachung und Wartung.

Deshalb bleibt die Einschätzung von Annahmen und Sondereffekten Aufgabe des Controllings. Das System liefert eine Hochrechnung auf Basis von Mustern, die Einordnung von Ausreißern, Sondereffekten und strategischen Weichenstellungen bleibt bei den Menschen, die das Geschäft kennen. Diese Grenze wird bei ANCUD IT nicht verschwiegen, sondern in jedem Projekt offen benannt.

Wie läuft ein Einführungsprojekt ab?

Ein Einführungsprojekt beginnt mit einer technischen Bestandsaufnahme der vorhandenen Systeme und Daten, führt über einen Pilotbereich mit klar abgegrenztem Umfang und endet im Regelbetrieb mit dokumentierten Freigabeprozessen. Beteiligt sind Controlling, IT und die Fachbereichsleitung des Pilotbereichs, nicht das gesamte Unternehmen auf einmal.

In der Bestandsaufnahme wird geprüft, welche Datenquellen vorhanden sind, wie die Kontenstruktur aufgebaut ist und welche Planungssoftware bereits im Einsatz ist, etwa Jedox, LucaNet, Corporate Planning oder eine Excel-basierte Lösung. Ergebnis ist eine Einschätzung, welche Daten sich für ein Forecast-Modell eignen und wo zunächst Datenqualität oder Kontenlogik bereinigt werden müssen.

Danach folgt ein Pilot auf einem eingegrenzten Bereich, etwa eine Kostenstelle, eine Sparte oder ein Land. Dort wird ein Rolling Forecast oder eine treiberbasierte Planung aufgebaut und über mehrere Monate gegen die tatsächlichen Ist-Zahlen geprüft. Das Controlling bewertet, ob die Abweichungen plausibel sind und ob die Annahmen des Modells nachvollziehbar bleiben. Erst danach fällt die Entscheidung, den Ansatz auf weitere Bereiche auszuweiten.

Im Regelbetrieb wird festgelegt, wer Annahmen ändern darf, wie Änderungen protokolliert werden und in welchem Rhythmus der Forecast aktualisiert wird. Diese Rollenverteilung orientiert sich an bestehenden Freigabeprozessen im Unternehmen und wird nicht neu erfunden. Wo bereits Prozessautomatisierung im Einsatz ist, etwa im Rahmen von Geschäftsprozessmanagement, lässt sich die Aktualisierung des Forecasts in bestehende Abläufe einbinden statt eine separate Insellösung zu schaffen.

Wie lange dauert die Einführung von KI-gestützter Forecast- und Budgetplanung?

Eine realistische Einführung dauert von der Bestandsaufnahme bis zum belastbaren Pilotergebnis meist mehrere Monate, abhängig von Datenqualität und Abschlussrhythmus. Wer nur einen jährlichen Abschluss hat, braucht länger, um Forecast und Ist-Zahlen mehrfach zu vergleichen, als ein Unternehmen mit monatlicher BWA und stabiler Kontenstruktur.

Die Bestandsaufnahme selbst nimmt üblicherweise wenige Wochen in Anspruch. Anschließend wird das Modell für den Pilotbereich aufgesetzt und mit historischen Daten kalibriert, was je nach Datenlage weitere Wochen bis wenige Monate dauert. Der eigentliche Praxistest folgt danach: Der Forecast läuft parallel zum bestehenden Planungsprozess, wird monatlich oder quartalsweise mit den Ist-Zahlen verglichen und dabei nachjustiert.

Erst wenn diese Vergleiche über mehrere Zyklen hinweg stabile Ergebnisse liefern, ist eine Ausweitung auf weitere Bereiche sinnvoll. Eine feste Dauer für das Gesamtprojekt lässt sich seriös nicht pauschal nennen, weil sie stark von der Zahl der Datenquellen, dem Zustand der Kontenstruktur und der Bereitschaft der Fachbereiche abhängt, die Ergebnisse regelmäßig zu prüfen.

Wichtiger als ein fester Zeitplan ist deshalb der Ablauf in überprüfbaren Schritten: Bestandsaufnahme, Pilot, Bewertung, Ausweitung. Jeder Schritt liefert ein Zwischenergebnis, mit dem sich vor der nächsten Investition entscheiden lässt, ob sich die Einführung fortsetzt.

Was kostet KI-gestützte Forecast- und Budgetplanung?

Die Kosten einer KI-gestützten Forecast- und Budgetplanung hängen von der Anzahl der Datenquellen, dem Zustand der Kontenstruktur, der Zahl der Planungsobjekte und dem gewählten Betriebsmodell ab. Ein Festpreis lässt sich seriös nicht nennen, bevor diese Faktoren in einer technischen Bestandsaufnahme geklärt sind.

Vorhandene Lizenzen für Planungssoftware wie Jedox, SAP Analytics Cloud oder vergleichbare Werkzeuge fließen in die Kalkulation ein, weil sie oft weiterverwendet und um Prognosefunktionen ergänzt werden, statt sie zu ersetzen. Auch die Frage, ob die Lösung lokal, in einer europäischen Cloud oder hybrid betrieben wird, wirkt sich auf laufende Kosten und Aufwand für Betrieb und Wartung aus. Welche Hostingoptionen dabei grundsätzlich in Frage kommen, beschreibt unser Beitrag zu Hostingoptionen.

Die folgende Übersicht zeigt die wesentlichen Kostentreiber, ohne konkrete Beträge zu nennen, da diese erst nach der Bestandsaufnahme seriös beziffert werden können.

Wie starten Sie mit KI-gestützter Forecast- und Budgetplanung?

Der erste Schritt ist eine technische Bestandsaufnahme der vorhandenen Datenquellen, Kontenstruktur und Planungssoftware, gefolgt von einem Pilotprojekt in einem eingegrenzten Bereich. Nach wenigen Wochen liegt eine belastbare Entscheidungsgrundlage vor, ob sich eine Ausweitung auf weitere Bereiche lohnt.

Diese Bestandsaufnahme klärt, welche Daten aus DATEV, SAP oder Excel-Planungen für einen Rolling Forecast geeignet sind und wo zunächst Datenqualität oder Zugriffsrechte angepasst werden müssen. Sie liefert außerdem eine realistische Einschätzung, welches Betriebsmodell für sensible Finanz- und Personaldaten in Frage kommt. Wer sich einen Überblick über verwandte Automatisierungsthemen verschaffen möchte, findet dazu Hintergrund im Blog von ANCUD IT.

Statt einer unternehmensweiten Einführung auf Verdacht empfiehlt sich ein Pilot auf einer Kostenstelle oder einem Geschäftsbereich, an dem sich Genauigkeit und Grenzen des Modells in der Praxis zeigen. So bleibt das Risiko überschaubar, während belastbare Erfahrungswerte entstehen.

ANCUD IT begleitet diesen Einstieg mit einer neutralen Bestandsaufnahme, die vorhandene Systeme einbezieht statt sie zu ersetzen. Nehmen Sie Kontakt auf, um den Umfang einer ersten Bestandsaufnahme für Ihre Forecast- und Budgetplanung zu besprechen.