Umsatzprognose

Definition: Eine Umsatzprognose ist die systematische, datengestützte Vorhersage des zu erwartenden Gesamtumsatzes eines Unternehmens für einen definierten zukünftigen Zeitraum – typischerweise einen Monat, ein Quartal oder ein Geschäftsjahr. Sie ist breiter gefasst als der Verkaufsforecast, der sich primär auf die CRM-Pipeline-Neuabschlüsse konzentriert: Die Umsatzprognose berücksichtigt zusätzlich Bestandskundenumsätze, Vertragsverlängerungen, Wiederkaufraten, geplante Upselling-Erlöse und saisonale Effekte. Im CRM-Kontext fließen die gewichtete Neukundenl-Pipeline (Summe der Deal-Werte multipliziert mit der jeweiligen Abschlusswahrscheinlichkeit), die prognostizierten Bestandskundenumsätze aus Renewal- und Expansion-Daten sowie historische Basiswerte in die Gesamtprognose ein. Laut einer Studie von Clari, einer Revenue-Intelligence-Plattform aus Sunnyvale, Kalifornien (gegründet 2012 von Andy Byrne und Venkat Rangan), aus dem Jahr 2020 liegen 93 Prozent aller Unternehmen bei ihrer ursprünglichen Quartalsprognose um mehr als 5 Prozent daneben – ein Befund, der die strategische Bedeutung präziser Prognosemodelle und KI-gestützter Forecast-Systeme unterstreicht. Salesforce bezifferte 2022, dass Unternehmen mit KI-gestütztem Forecasting ihre Prognosegenauigkeit im Durchschnitt um 28 Prozent verbessern.

Erläuterung

Die wissenschaftliche Grundlage der Umsatzprognose liegt in der Zeitreihenanalyse und der Regressionsanalyse – mathematische Methoden, die im frühen 20. Jahrhundert von Statistikern wie Francis Galton (Regressionsbegriff, 1886) und später George E. P. Box und Gwilym Jenkins (Box-Jenkins-Methode zur Zeitreihenmodellierung, 1970, Holden-Day) entwickelt wurden. In der Unternehmenspraxis wurden diese Methoden ab den 1980er Jahren in CRM- und ERP-Systeme integriert, als die Rechenleistung für komplexere Modelle verfügbar wurde. Moderne CRM-Plattformen wie Salesforce Einstein Forecasting, HubSpot's Forecast-Modul und spezialisierte Revenue-Intelligence-Tools wie Clari, Gong oder People.ai nutzen heute Machine Learning, um historische Gewinn- und Verlustmuster, Vertriebsmitarbeiter-Verhalten und externe Signale in präziseren Prognosemodellen zu kombinieren. Gong, eine Conversation-Intelligence-Plattform (gegründet 2015 von Amit Bendov und Eilon Reshef in Tel Aviv, 2021 mit einer Bewertung von 7,25 Milliarden US-Dollar finanziert), analysiert Vertriebs-Calls und E-Mails per KI und leitet daraus Risikosignale für Deals ab, die direkt in die Umsatzprognose eingespeist werden. Ein McKinsey-Report aus dem Jahr 2021 („The revenue revolution in B2B sales") belegt, dass Unternehmen, die datengetriebene Revenue-Forecasting-Methoden einsetzen, eine um 15–25 Prozent höhere Quotaerreichung im Vertrieb erzielen als Unternehmen mit rein subjektiven Forecast-Methoden. Die DSGVO stellt keine direkten Anforderungen an Umsatzprognosen, da diese keine personenbezogenen Daten in die Außenwelt übermitteln, aber die zugrunde liegenden CRM-Daten müssen DSGVO-konform erhoben und verarbeitet worden sein.

Methoden der Umsatzprognose

• Pipeline-basierte Prognose: Klassische CRM-Methode: Deal-Wert × Abschlusswahrscheinlichkeit der Deal-Stage = gewichteter Forecast-Wert; einfach zu implementieren, aber abhängig von der Qualität der Deal-Pflege durch Vertriebsmitarbeiter.
• Historische Trendanalyse: Fortschreibung historischer Umsatzmuster unter Berücksichtigung von Wachstumsraten und Saisonalität; besonders wertvoll für Bestandskundenumsätze und wiederkehrende Erlöse (SaaS-MRR/ARR).
• Opportunity-Stage-basiertes Forecasting: Verfeinerte Version der Pipeline-Prognose mit historisch kalibrierten, stage-spezifischen Win-Rates statt pauschaler Deal-Stage-Wahrscheinlichkeiten; erhöht die Genauigkeit erheblich.
• KI-gestütztes Predictive Forecasting: Machine-Learning-Modelle analysieren hunderte von Signalen (Deal-Alter, Engagement-Level, Vertriebsmitarbeiter-Performance, externe Marktdaten) zur Prognose; Plattformen wie Salesforce Einstein Forecasting oder Clari bieten diese Funktion.

CRM-Implementierung der Umsatzprognose

• Forecast-Kategorien: Führende CRM-Systeme (Salesforce, HubSpot) nutzen Forecast-Kategorien wie „Commit" (sehr sicher), „Best Case" (optimistisch) und „Pipeline" (frühe Phase) zur Differenzierung der Prognosequalität.
• Automatische Aktualisierung: Deal-Änderungen im CRM aktualisieren die Umsatzprognose in Echtzeit; Dashboards zeigen die Prognose für laufende Periode, nächste Periode und volle Jahressicht.
• Szenario-Modellierung: Moderne Forecast-Tools erlauben die Simulation von Best-Case-, Base-Case- und Worst-Case-Szenarien, um Planungsrisiken zu quantifizieren und Gegenmaßnahmen zu planen.