Deine Verkaufsprognose ist wahrscheinlich falsch.
Nicht ein bisschen falsch. Spektakulär falsch. Laut Xactly’s 2024 Sales Forecasting Benchmark Report schaffen es nur 20 % der Vertriebsorganisationen, Prognosen innerhalb von 5 % der tatsächlichen Ergebnisse zu treffen, während 43 % ihre Ziele um 10 % oder mehr verfehlen.
Jede zehnte Organisation liegt regelmäßig um 25 % oder mehr daneben — das ist weniger Prognose als Hoffen mit Tabellen.
Der Schaden verstärkt sich. Wenn du zu niedrig liegst, bist du unterbesetzt, lässt Geld auf dem Tisch liegen und gerätst ins Schleudern, wenn Aufträge reinkommen, die du nie eingeplant hast. Wenn du zu hoch liegst, gibst du zu viel aus, stellst zu viele Leute ein und erklärst dann dem Vorstand, warum der Umsatz am Ende doch zu kurz kam. Keines von beidem macht Spaß.
Die Prognose-Runde, die jeder kennt
Dave Kellogg, ein erfahrener Tech-Manager, der Jahrzehnte in SaaS-Führung verbracht hat, beschreibt das unproduktive Prognose-Gespräch, das sich in unzähligen Unternehmen abspielt: “CEO: What’s the forecast? CRO: Same as before, $3.400K.”
Woche für Woche ändert sich nichts, weil niemand neue Informationen hat. Nur Bauchgefühl, verkleidet als CRM-Daten.
Er nennt auch die unbequeme Wahrheit über Pipeline-Planung: “Just as no battle plan survives first contact with the enemy, no pipeline plan survives first contact with the market.” Deine sorgfältig gebaute Prognose sieht großartig aus — bis Deals anfangen, sich wie echte Deals zu verhalten.
Das tiefere Problem ist der Ablauf. Die meisten Verkaufsprognosen entstehen immer noch so wie vor Jahrzehnten: Vertriebsmitarbeiter schätzen ihre Deals, Manager rollen die Zahlen auf, die Führung packt einen Puffer drauf, und am Ende hoffen alle, dass die finale Zahl halbwegs plausibel ist.
Wo menschliche Prognosen scheitern
Vertriebsmitarbeiter sind optimistisch. Der Deal, an dem sie seit Wochen arbeiten, fühlt sich näher an, als die Daten hergeben. Hoffnung ist eine starke Droge, aber eine furchtbare Prognosemethode.
Daniel Harding von MaxContactAustralia brachte es simpel auf den Punkt: “It can be very difficult to forecast if deals in the pipeline do not have accurate ARRs assigned to them or if they are at the wrong stage.”
Falsche Phase. Falscher Wert. Falsches Abschlussdatum. Such dir dein Gift aus — die Prognose leidet so oder so, egal welcher Datenpunkt kippt.
John Judge, SVP of Sales bei Crayon, traf das Stimmungsproblem genau, als er sagte: “‘I think’ and ‘I feel’ are the two phrases I fear the most when I hear them from sales reps. I want them to know, and Gong helps us know.”
Er will Daten, kein Bauchgefühl. Die meisten Manager auch. Die Herausforderung ist, sie zu bekommen.
Klassische Prognosen, die auf Einschätzungen von Vertriebsmitarbeitern und Manager-Intuition basieren, bleiben oft irgendwo bei rund 70 % Genauigkeit hängen. Eine Gartner-Studie zeigt, dass die mediane Genauigkeit unter befragten Organisationen zwischen 70–79 % liegt und nur 7 % jemals 90 % oder mehr erreichen.
Diese 70-%-Decke ist nicht nur ein Datenproblem oder ein Menschenproblem. Es ist ein Methodenproblem.
Was KI-Prognosen anders macht
KI automatisiert nicht einfach denselben kaputten Prozess, nur schneller.
Mustererkennung im großen Maßstab verändert, was möglich ist. Ein KI-Modell kann Tausende historischer Deals analysieren und identifizieren, welche Faktoren Abschlüsse tatsächlich vorhergesagt haben — nicht das, was Vertriebsmitarbeiter glaubten, sondern das, was die Zahlen zeigen.
Ein Hacker-News-Kommentator namens mchusma machte einen interessanten Punkt über Prognosen in Startups: “All forecasts for startups are wildly wrong. But I think of forecasting as a way of validating a strategy.”
Dieses Umdenken zählt. Das Ziel ist nicht, die Zukunft mit perfekter Genauigkeit vorherzusagen. Perfekte Genauigkeit gibt es nicht, und ihr hinterherzujagen verbrennt Energie. Das Ziel ist, Unsicherheit genug zu reduzieren, um bessere Entscheidungen zu treffen — und Probleme zu sehen, bevor sie zu Katastrophen werden.
KI hilft bei beidem. Sie fängt Signale ein, die Menschen übersehen: Muster in der E-Mail-Interaktion, Veränderungen in der Terminfrequenz, Zeiten, wie lange Angebote angesehen werden, Verschiebungen bei den beteiligten Personen. Diese Frühindikatoren zeigen die Deal-Gesundheit, bevor Vertriebsmitarbeiter das CRM aktualisieren. Manchmal bevor sie überhaupt merken, dass sich etwas geändert hat.
Der Abbau von Verzerrungen hilft auch. Ein KI-Modell hängt nicht emotional an einem Deal, an dem es hart gearbeitet hat. Es schaut auf die Daten und berechnet Wahrscheinlichkeiten, ohne auf ein bestimmtes Ergebnis zu hoffen.
Unternehmen, die KI-Prognose-Werkzeuge einsetzen, berichten 15–20 % höhere Prognosegenauigkeit, 25 % kürzere Verkaufszyklen und bis zu 30 % Verbesserung bei der Quotenerreichung. Die Effekte verstärken sich, weil bessere Prognosen bessere Ressourcenverteilung ermöglichen, was bessere Umsetzung ermöglicht, was bessere Daten für zukünftige Prognosen erzeugt.
Das Datenqualitätsproblem, über das niemand reden will
Hier kommt der unangenehme Teil. Deine KI-Prognosen werden nur so gut sein wie deine Daten.
Deloitte schätzt, dass Unternehmen jährlich bis zu $14 Millionen durch schlechte Datenqualität verlieren, und laut Forschung zu KI-Prognose-Einführungen ist der häufigste Grund für gescheiterte Einführungen mit 63 % die CRM-Datenqualität. Lösungen wie Salesforce Einstein Forecasting scheitern, wenn Vorhersagemodelle, die auf unvollständigen, veralteten oder falsch markierten Daten trainiert wurden, Prognosen produzieren, die im Grunde teures Rauschen sind.
Ein ausgefeiltes KI-System mit schlechten Daten wird eine einfache Tabelle mit sauberen Daten und disziplinierten Aktualisierungen unterbieten.
Das ist keine spannende Nachricht, aber eine notwendige. Bevor du in schicke Prognosewerkzeuge investierst, prüf dein CRM. Wie viele Deals haben fehlende Beträge? Wie viele haben Abschlussdaten, die mehrfach nach hinten gerutscht sind? Wie viele Chancen hängen seit Monaten in derselben Phase, ohne Aktivität?
Räum das zuerst auf. Dann leg KI darüber.
Praktische Schritte zu besseren Prognosen
Du brauchst keine Unternehmenssoftware, um anzufangen. Das hier funktioniert.
Setz eine Basislinie für deine aktuelle Genauigkeit. Rechne aus, wie weit deine Prognosen in den letzten vier Quartalen danebenlagen. Nutze Mean Absolute Percentage Error (MAPE), um eine konsistente Kennzahl zu haben. Wenn du bei 70 % Genauigkeit bist, weißt du, wo du startest. Wenn du bei 50 % bist, weißt du, dass du größere Probleme hast als die Auswahl eines Werkzeugs.
Finde heraus, was in deinem Geschäft tatsächlich Abschlüsse vorhersagt. Zieh dir deine gewonnenen und verlorenen Deals aus dem letzten Jahr. Such nach Mustern. Was hatten die Gewinne gemeinsam? Was teilten die Verluste? Wie viele Beteiligte waren involviert? Wie lang war der Verkaufszyklus? Gab es eine Demo? Wann ging das Angebot raus? Deine Muster sind wichtiger als generische Ratschläge aus Rahmenwerken, die für andere Unternehmen gebaut wurden.
Baue ein Scoring-System auf Basis deiner Muster. Sobald du weißt, was Erfolg vorhersagt, baue ein Bewertungsraster. Gewichte die Faktoren, die am meisten zählen. Wende es konsequent auf deine aktuelle Pipeline an. Es wird nicht perfekt sein, aber es wird konsistenter sein als Bauchgefühl — und Konsistenz ist die halbe Miete.
Prognostiziere mit gewichteten Wahrscheinlichkeiten statt mit Ja/Nein. Statt zu fragen, ob dieser Deal schließen wird, frag nach der Wahrscheinlichkeit. Ein $100K-Deal mit 30 % Wahrscheinlichkeit trägt $30K zur gewichteten Prognose bei. Summier das auf, und du bekommst ein realistischeres Bild als den rohen Pipeline-Wert, der immer übertreibt, was am Ende wirklich landet.
Beobachte Frühindikatoren, nicht nur Spätindikatoren. Phasenfortschritt sagt dir, wo Deals stehen. Durchlaufgeschwindigkeit sagt dir, wohin sie gehen. E-Mail-Interaktion und Meeting-Frequenz zeigen dir, ob sie sich tatsächlich bewegen oder nur in einer Phase festhängen, die aktiv klingt.
Warnsignale, dass deine Prognose lügt
Achte auf diese Muster. Sie bedeuten meistens Ärger.
Abdeckung sinkt. Wenn deine Pipeline nicht mit der Quote Schritt hält, wird dich keine Prognosemethode retten. Du brauchst mehr Deals.
Abschlussdaten häufen sich am Quartalsende. Wenn zu viele Deals als Abschlussdatum den letzten Tag des Quartals haben, ist das Wunschdenken, keine Prognose. Vertriebsmitarbeiter wählen ein praktisches Datum, nicht das, an dem der Kunde wirklich unterschreibt.
Abhängigkeit von einem großen Deal. Wenn das Treffen der Prognose davon abhängt, dass ein großer Deal kommt, ist deine Prognose eigentlich eine Wette. Wetten gehen manchmal auf. Es bleiben Wetten.
Tempo wird langsamer ohne Erklärung. Wenn Deals länger dauern, als historische Normen nahelegen, hat sich etwas verändert. Vielleicht hat sich der Markt verschoben. Vielleicht sitzt deine Produktpositionierung schief. Vielleicht muss deine Preisgestaltung angepasst werden. Die Prognose sagt dir nicht warum, aber sie sollte dir sagen, dass etwas nicht stimmt.
Der Ehrlichkeitsfaktor
Jay Fuchs, the senior director of global growth at HubSpot, war deutlich darüber, was er gesehen hat: “I’ve seen sales organizations without detailed forecasts, or with sloppy forecasts, file for bankruptcy when their cash flow predictions failed.”
Das ist keine Übertreibung. Liquidität hängt davon ab, zu wissen, was kommt. Gehaltszahlungen hängen von der Liquidität ab. Alles hängt an irgendetwas, und die Prognose liegt im Fundament des Ganzen.
Die Lösung ist nicht mehr Optimismus oder bessere Werkzeuge oder schickere KI. Die Lösung ist Ehrlichkeit.
Kommuniziere Spannen statt Einzelzahlen. Sag, du prognostizierst $1,2M mit einer Spanne von $1,0–1,4M. Das ist ehrlicher und nützlicher, als so zu tun, als wüsstest du exakt, was passieren wird.
Erkläre deine Annahmen. Was muss gut laufen, damit die Prognose trifft? Was sind die Risiken? Wenn die Führung die Annahmen versteht, kann sie bessere Entscheidungen treffen, selbst wenn die Prognose danebenliegt.
Aktualisiere häufig. Eine Prognose, die zwei Wochen alt ist, ist ein historisches Dokument, kein Planungswerkzeug.
Trenne Zusage von Prognose. Die Zusage ist das, wofür du bereit bist, deinen Ruf aufs Spiel zu setzen. Die Prognose ist deine beste Schätzung. Sie können sich unterscheiden, und diese Differenz offen anzuerkennen ist gesund.
Prognosen mit allem anderen verbinden
Bessere Prognosen sind nicht nur dazu da, die Zukunft vorherzusagen. Sie sind dazu da, sie zu verändern.
Wenn du riskante Deals früh erkennst, kannst du eingreifen, bevor sie rutschen. Wenn du Abdeckungslücken siehst, kannst du die Akquise beschleunigen. Wenn du festgefahrene Deals siehst, kannst du Nachfass-Sequenzen ausführen, um sie wieder in Bewegung zu bringen.
Prognose und Umsetzung bilden eine Schleife. Bessere Prognosen zeigen Probleme. Bessere Umsetzung löst sie. Bessere Ergebnisse verbessern zukünftige Prognosen.
Deine CRM-Daten sind das Fundament. Deine Interessentenrecherche füllt die Pipeline. Deine Prognose sagt dir, ob es reicht.
Die Frage ist nicht, ob deine Prognose falsch sein wird. Sie wird es sein. Die Frage ist, ob du weniger falsch sein wirst als vorher — und ob du die Abweichungen früh genug siehst, um etwas dagegen zu tun.
