Sales Forecasting Prozess aufbauen: Eine Schritt-für-Schritt-Anleitung

Warum die meisten Sales Forecasts scheitern

Ein Sales Forecast ist so zuverlässig wie die Daten, auf denen er basiert. Das klingt offensichtlich — und doch kämpfen die meisten Unternehmen mit denselben strukturellen Problemen: CRM-Daten, die nur dann gepflegt werden, wenn der Vertriebsleiter nachfragt. Pipeline-Stufen, die unterschiedlich interpretiert werden je nach Mitarbeitendem. Forecast-Meetings, die länger dauern als der Forecast zuverlässig ist.

Die Folge: Forecasts, die systematisch zu optimistisch sind (weil Vertriebsmitarbeitende Deal-Risiken unterschätzen), oder Forecasts, die zu pessimistisch sind (weil Vertriebsleiter Puffer einbauen). In beiden Fällen ist der Forecast nicht als Entscheidungsgrundlage nutzbar.

Ein wiederholbarer Sales Forecasting Prozess löst diese Probleme nicht durch bessere Software allein — sondern durch klare Prozessstruktur, die gute Datenpflege erzwingt und systematisch aus Forecast-Fehlern lernt. Die folgenden fünf Schritte beschreiben diesen Aufbau von Grund auf.

Schritt 1: Die Datengrundlage schaffen

Bevor Sie über Forecast-Methoden nachdenken, brauchen Sie saubere Daten. Die drei wichtigsten Datenqualitätsfragen für einen Sales Forecast sind: Sind alle Deals im CRM erfasst? Sind die Felder, die für die Prognose relevant sind (Deal-Größe, Abschlussdatum, Stufe, Entscheidungsverantwortliche), vollständig und aktuell? Gibt es historische Daten, aus denen echte Abschlussquoten je Pipeline-Stufe berechnet werden können?

Historische Daten sind die Grundlage für jede statistisch fundierte Prognose. Mindestens sechs Monate Abschlussdaten nach Pipeline-Stufe sind notwendig, um realistische Abschlusswahrscheinlichkeiten zu berechnen. Wenn diese Daten nicht vorliegen, müssen Sie zunächst mit angenommenen Wahrscheinlichkeiten beginnen und diese über drei bis vier Quartale kalibrieren.

CRM-Hygiene-Maßnahmen, die den größten Unterschied machen: klare Regeln, welche Felder Pflichtfelder sind; ein wöchentlicher Daten-Review, bei dem veraltete Deals identifiziert werden; und eine Konvention für das Abschlussdatum (ist es das voraussichtliche Unterzeichnungsdatum oder das erwartete Go-Live-Datum? Beide Interpretationen führen zu systematisch falschen Forecasts, wenn sie gemischt werden). Für die Forecast-Genauigkeit lesen Sie auch den Artikel über Forecast Accuracy.

Schritt 2: Pipeline-Stufen definieren

Pipeline-Stufen sind nur dann nützlich, wenn sie einheitlich interpretiert werden. Die häufigste Fehlerquelle: Stufen, die nach Aktivitäten benannt sind ("Demo gemacht", "Angebot gesendet"), statt nach beobachtbarem Kundenverhalten. "Demo gemacht" ist eine Aktivität des Vertriebsmitarbeitenden, kein Signal vom Kunden. "Kunde hat Budget bestätigt und Zeitplan definiert" ist ein Kundensignal.

Eine bewährte Struktur für B2B-SaaS mit vier bis sechs Pipeline-Stufen:

Die Abschlusswahrscheinlichkeiten in dieser Tabelle sind Richtwerte. Kalibrieren Sie sie nach drei bis vier Quartalen mit Ihren eigenen Abschlussdaten — branchenspezifische, deal-größenspezifische und region-spezifische Abweichungen sind normal und sollten abgebildet werden.

Schritt 3: Die Forecast-Methode wählen

Es gibt drei grundlegende Methoden für einen Sales Forecast im B2B-SaaS-Kontext, die sich in ihrer Komplexität und Datenabhängigkeit unterscheiden:

Gewichtete Pipeline-Methode: Der Deal-Wert jeder Pipeline-Stufe wird mit der Abschlusswahrscheinlichkeit dieser Stufe multipliziert. Die Summe ist der Forecast. Vorteil: einfach zu berechnen und zu kommunizieren. Nachteil: Die Qualität hängt vollständig von der Kalibrierung der Abschlusswahrscheinlichkeiten ab.

Kategoriebasierte Methode (Commit / Best Case / Pipeline): Vertriebsmitarbeitende kategorisieren Deals subjektiv. "Commit" bedeutet, der Mitarbeitende ist sicher; "Best Case" bedeutet, es ist möglich; "Pipeline" bedeutet, es ist qualifiziert aber unsicher. Vorteil: berücksichtigt Qualitätsunterschiede innerhalb derselben Pipeline-Stufe. Nachteil: anfällig für Bias.

Historisch basierte Methode: Der Forecast basiert auf durchschnittlichen Abschlussraten aus historischen Daten, gewichtet nach Verkaufszykluslänge. Am genauesten bei ausreichend historischen Daten, aber erfordert mindestens 12 Monate saubere CRM-Daten als Grundlage.

Die meisten reifen Unternehmen nutzen eine Kombination: historische Daten als Basismodell, ergänzt durch subjektive Kategorisierung für Deal-spezifische Risiken. Für die Implementierung dieser Methoden bietet sich die Umsatzprognose-Funktion in Fairview als Ausgangspunkt an.

Schritt 4: Die Forecast-Kadenz einrichten

Ein Forecast, der nur einmal pro Monat erstellt wird, ist für wöchentliche Entscheidungen nutzlos. Die optimale Forecast-Kadenz hat drei Ebenen:

Das wöchentliche Forecast-Meeting ist der entscheidende operative Rhythmus. Es sollte nicht mehr als 30 Minuten dauern und sich auf Deals konzentrieren, die im laufenden Quartal noch abgeschlossen werden sollen. Kein "allgemeiner Pipeline-Status" — das Ziel ist eine klare Antwort auf die Frage: "Was ändert sich gegenüber letzter Woche?"

Die häufigste Dysfunktion im wöchentlichen Forecast-Meeting: Es wird mehr Zeit damit verbracht, Daten zu klären, als Entscheidungen zu treffen. Das ist ein Symptom schlechter CRM-Datenqualität. Wenn das Meeting beginnt und alle ersten zehn Minuten damit verbringen, Deals zu aktualisieren, ist das ein starkes Signal, dass Schritt 1 (Datengrundlage) noch nicht abgeschlossen ist.

Schritt 5: Forecast-Genauigkeit messen und verbessern

Ein Forecast ohne Genauigkeitsmessung ist ein Ritual ohne Feedback-Schleife. Die zwei wichtigsten Metriken für Forecast-Genauigkeit sind:

Zusätzlich zur Genauigkeit sollten Sie Bias messen: Ist der Forecast systematisch zu optimistisch (Ergebnis liegt regelmäßig unter Forecast) oder zu pessimistisch (Ergebnis liegt regelmäßig über Forecast)? Systematischer Bias ist oft einfacher zu korrigieren als zufällige Ungenauigkeit — er deutet auf ein strukturelles Problem hin, wie z. B. zu optimistische Abschlusswahrscheinlichkeiten in bestimmten Pipeline-Stufen.

Ein konkretes Verbesserungsbeispiel: Wenn Deals in der Pipeline-Stufe "Verhandlung" historisch zu 60 % abgeschlossen werden, Ihr Forecast aber 80 % Wahrscheinlichkeit annimmt, ist die Korrektur direkt: Passen Sie die angenommene Abschlusswahrscheinlichkeit für diese Stufe an. Das ist eine einfache Kalibrierung, die den MAPE oft um 5–10 Prozentpunkte verbessert.

Für Teams, die ihren Forecast-Prozess systematisch auf Stufe 3 (Integriert) oder 4 (Predictive) des RevOps Reifegradmodells heben wollen, ist die Forecast Confidence-Funktion in Fairview der nächste logische Schritt — sie zeigt nicht nur den aktuellen Forecast, sondern auch die Konfidenzintervalle und die Deal-spezifischen Risikofaktoren.

Häufige Fehler beim Aufbau eines Sales Forecasting Prozesses

Selbst Unternehmen, die alle fünf Schritte methodisch befolgen, scheitern oft an wiederkehrenden Fehlern. Das Kennen dieser Fehler im Voraus reduziert die Lernzeit erheblich.

Fehler 1: Forecast und Pipeline-Management vermischen. Pipeline-Management (Deals hinzufügen, qualifizieren, voranbringen) und Forecast (schätzen, was abgeschlossen wird) sind verschiedene Prozesse. Wenn beide in denselben Meetings behandelt werden, wird keines von beiden gut gemacht. Trennen Sie die Agendapunkte explizit — Pipeline-Reviews sind für den Status von Deals; Forecast-Reviews sind für die Schätzung des Quartalsergebnisses.

Fehler 2: Zu viele Pipeline-Stufen einführen. Mehr Stufen bedeuten mehr Datenpflegeaufwand für Vertriebsmitarbeitende — und damit weniger zuverlässige Daten. Jede Stufe, die kein klares Eintritts-Kriterium hat, wird inkonsistent gepflegt. Beginnen Sie mit vier Stufen und fügen Sie nur dann eine fünfte hinzu, wenn Sie einen konkreten Grund haben.

Fehler 3: Forecast-Genauigkeit nur einmal pro Quartal messen. Forecast-Genauigkeit verbessert sich durch Feedback-Schleifen — und die sind nur wirksam, wenn Feedback schnell kommt. Messen Sie Forecast-Genauigkeit wöchentlich für den aktuellen Quartals-Forecast und monatlich für den rollierenden Jahres-Forecast. Ohne regelmäßige Messung wissen Sie nicht, ob Ihre Kalibrierungsanpassungen wirken.

Ein weiterer häufiger Fehler: Forecast-Prozesse aufzubauen, ohne die Vertriebsmitarbeitenden einzubeziehen. Ein Forecast-System, das als Kontrollinstrument wahrgenommen wird, statt als Planungshilfe, wird von Teams unterlaufen — durch selektive Datenpflege oder systematisch pessimistischen Forecast. Die Einführung eines neuen Forecast-Prozesses sollte immer mit einer klaren Kommunikation beginnen: Wozu dient der Forecast, und wie hilft er dem einzelnen Mitarbeitenden, seine eigenen Ziele zu erreichen?

Häufig gestellte Fragen