Wenn 90 % Forecast Accuracy nicht reichen

Hohe Forecast Accuracy bedeutet nicht automatisch bessere Entscheidungen. Entscheidend ist die Steuerungslogik dahinter.

Warum gute Kennzahlen schlechte Entscheidungen nicht verhindern

In vielen Unternehmen gilt eine Forecast Accuracy von 90 % als Beweis für funktionierendes Supply Chain Management. Gleichzeitig steigen Bestände, Lieferprobleme und operative Sondermassnahmen. Der Widerspruch ist kein Zufall – sondern systemisch.

Prozentwerte werden berichtet, Abweichungen erklärt, Massnahmen definiert. Und dennoch zeigen sich in der Praxis immer wieder dieselben Symptome: zu hohe Bestände, Liefereng-pässe, hektische Umplanungen, Eiltransporte oder Abschriften.

Gute Kennzahlen garantieren keine guten Entscheidungen.

Das Problem liegt selten im Forecast selbst. Es liegt in der Art und Weise, wie Forecasts verstanden, interpretiert und gesteuert werden.

KPIs sind das Dashboard – nicht der Motor

Kennzahlen sind notwendig. Sie schaffen Transparenz und Vergleichbarkeit. Doch sie sind stets rückblickend. Sie zeigen, was passiert ist, nicht warum es passiert ist.

Im Demand Planning werden KPIs häufig wie Zielgrössen behandelt:

• Forecast Accuracy soll steigen

• Bias soll sinken

• Planungsaufwand soll effizienter werden

Was dabei oft übersehen wird: KPIs sind Symptome.

Wer sie isoliert optimiert, bekämpft die Wirkung – nicht die Ursache.

Strategisches Supply Chain Management beginnt dort, wo nicht mehr gefragt wird:

„Wie gut ist unser Forecast?“

sondern:

„Welche Mechanismen treiben ihn – positiv oder negativ?“

Forecast Accuracy: Präzision ohne Relevanz?

Eine Forecast Accuracy von 90 % wirkt beeindruckend. Doch sie kann trügerisch sein.

Im Schweizer Mittelstand zeigt sich häufig:

• begrenzte Datenhistorie,

• Sonderaktionen, Kundenprojekte oder Einmaleffekte,

• hohe Granularität bei gleichzeitig geringer Datenstabilität.

Je feiner geplant wird (SKU, Kunde, Tag), desto mehr Rauschen entsteht. Statistische Modelle reagieren darauf sensibel – und liefern scheinbar präzise, aber strategisch wenig belastbare Ergebnisse.

Entscheidend ist nicht die mathematische Genauigkeit, sondern die Entscheidungsrelevanz des Forecasts. Ein weniger präziser, aber robuster Forecast ist oft wertvoller als ein hochgenauer, instabiler Plan.

Forecast Bias: Kein Rechenfehler, sondern Führungsfrage

Systematische Über- oder Unterplanung ist selten ein technisches Problem. Sie ist fast immer verhaltensgetrieben.

Im Mittelstand entstehen Bias-Effekte nicht primär durch formale Bonusmodelle, sondern durch:

• implizite Erwartungen der Geschäftsleitung,

• Zielkonflikte zwischen Verkauf, Produktion und SCM,

• Risikoaversion oder Wachstumsdruck.

Wenn Planung dazu dient, Erwartungen zu erfüllen statt Realität abzubilden, wird der Forecast politisch. Die Konsequenz sind stille Kompromisse – und operative Überraschungen.

Ein biasfreier Forecast setzt voraus, dass:

• Unsicherheit akzeptiert wird,

• Abweichungen erlaubt sind,

• Planung nicht sanktioniert, sondern als Entscheidungsgrundlage genutzt wird.

Das ist eine Frage der Führungskultur, nicht der Software.

Forecast Value Added: Mehr Arbeit heisst nicht bessere Planung

In vielen Organisationen wird intensiv am Forecast gearbeitet. Zahlen werden angepasst, Annahmen diskutiert, Excel-Tabellen verfeinert. Doch selten wird geprüft, ob diese Eingriffe den Forecast tatsächlich verbessern.

Forecast Value Added (FVA) stellt genau diese Frage:

Wird der Forecast durch menschliche Intervention besser – oder schlechter?

Die Erfahrung zeigt:

• manuelle Eingriffe erhöhen oft die Komplexität,

• sie verschlechtern die Konsistenz,

• sie erzeugen Scheingenauigkeit.

Reife Organisationen unterscheiden klar:

• stabile Volumen werden systemgestützt geplant,

• menschliche Intelligenz wird dort eingesetzt, wo sie echten Mehrwert bringt – bei Markteinführungen, strukturellen Brüchen oder Sondersituationen.

Das ist kein High-Tech-Ansatz, sondern Prozessdisziplin.

Der eigentliche Perspektivenwechsel

Ein leistungsfähiges Supply Chain Management misst KPIs nicht, um sie zu erfüllen, sondern um Zusammenhänge zu verstehen.

Wenn:

• die Forecast Accuracy niedrig ist, lohnt sich der Blick auf die Datenbasis.

• der Bias hoch ist, lohnt sich der Blick auf Anreiz- und Erwartungsstrukturen.

• der FVA negativ ist, lohnt sich der Blick auf den Planungsprozess.

Nicht mehr Ressourcen, nicht mehr Tools, sondern eine klarere Steuerungslogik führen zu besseren Ergebnissen.

Damit wird Forecasting zu einer Frage der Unternehmenssteuerung – nicht der Planungstechnik.

Fazit: Forecasting ist Teil der Unternehmenssteuerung

Forecasts entscheiden nicht über Prozentpunkte – sie entscheiden über:

• Kapitalbindung,

• Liefertreue,

• operative Stabilität,

• Widerstandsfähigkeit der Lieferkette.

Deshalb gehört Forecasting nicht in die operative Ecke, sondern in den strategischen Dialog zwischen Geschäftsleitung, SCM und Markt.

Wer beginnt, den Motor zu managen statt das Dashboard zu polieren, schafft nicht nur bessere KPIs – sondern bessere Entscheidungen.

Genau hier setzt strategisches Supply Chain Management an: nicht bei der Optimierung einzelner Kennzahlen, sondern bei der Gestaltung der Entscheidungslogik entlang der gesamten Lieferkette.