Skip to content

Forecast-Varianz-Rechner

Forecast-Varianz ist die Lücke zwischen dem, was Sie prognostiziert haben, und dem, was tatsächlich eingetreten ist. Drei Kennzahlen sind entscheidend: die absolute Varianz (die Differenz in Euro), die Varianz in Prozent (die relative Abweichung) und der Bias (ob Sie systematisch zu hoch oder zu niedrig prognostizieren). Dieser Rechner berechnet alle drei.

Inputs

Adjust the values. Results update live. The URL updates too — copy it to share your scenario.

Results

Updated live as you change inputs.

Absolute variance
—

Actual minus forecast. Negative = missed; positive = beat.

Variance %
—

Variance as % of forecast. Healthy quarterly band: within ±5%.

Absolute % error (MAPE proxy)
—

Magnitude of the miss regardless of direction. Sub-10% is healthy at series B+; sub-5% at scale.

under-water healthy strong

Embed this calculator on your site — single iframe, no JS dependency.

Warum Bias wichtiger ist als Varianz

Ein Team, das jedes Quartal um 12 % verfehlt, und ein Team, das um ±2 % schwankt und einen leichten positiven Bias hat, sehen auf der Headline-MAPE unterschiedlich aus — aber das zweite Team prognostiziert gut; das erste rät. Bias (die durchschnittliche Richtung der Abweichung über mehrere Perioden) ist die eigentliche Diagnosegröße.

Um Bias zu messen, reicht ein einzelner Zeitraum nicht aus. Berechnen Sie die Varianz % über mindestens vier aufeinanderfolgende Quartale und prüfen Sie, ob der Durchschnitt systematisch positiv oder negativ ist. Ein konstant negativer Wert bedeutet, dass Ihr Prognoseprozess strukturell zu optimistisch ist — unabhängig davon, wie gut die Eingaben einzelner Quartale erscheinen.

Wie die drei Ergebnisse zu interpretieren sind

  • Absolute Varianz — nützlich für Board-Updates ("wir haben das Ziel um 80.000 € verfehlt"). Weniger nützlich für Trends, weil die absolute Zahl mit dem Unternehmen wächst.
  • Varianz % — nützlich für den Vergleich über Zeiträume unterschiedlicher Größe. Negativ bedeutet Verfehlung; positiv bedeutet Übererfüllung.
  • MAPE-Proxy — nur die Größe der Abweichung, keine Richtung. Am besten für den Vergleich mit Branchenstandards geeignet.

Was als gute Prognosegenauigkeit gilt — nach Unternehmensphase

  • Vor Series A / Series A: ±20 % ist normal. Prognosen basieren auf einer Pipeline, die noch keine stabile Verteilung aufgebaut hat.
  • Series B–C: ±10 % ist der Maßstab. Eine MAPE unter 10 % zeigt, dass das Team ein echtes Modell aufgebaut hat — keinen wunschgetriebenen Ansatz.
  • Börsennotiert / Spätphase: ±2–5 %. Investoren reagieren auf Abweichungen außerhalb dieser Bandbreite aggressiv mit Kursabschlägen.

Einzelzeitraum vs. rollierende Analyse

Die Varianz eines einzelnen Quartals kann statistisches Rauschen sein. Die rollierende 4-Quartals-MAPE ist der Wert, den Sie im Betriebsrhythmus verfolgen sollten — sie glättet ein einzelnes schlechtes Quartal heraus und zeigt, ob sich die Prognose-Infrastruktur tatsächlich verbessert hat.

Für die Board-Kommunikation empfiehlt sich ein zweistufiger Ansatz: Die aktuelle Quartals-Varianz für die konkrete Abweichung, die rollierende MAPE für den Trendnachweis. "Unsere rollierende MAPE hat sich von 14 % auf 7 % verbessert" ist überzeugender als "wir haben dieses Quartal nur 3 % verfehlt."

Häufige Ursachen für systematische Forecast-Abweichungen

Sales-Optimismus im Commit-Forecast. Vertriebsteams neigen dazu, Deals zu früh als "committed" einzustufen. Das Ergebnis: der Commit-Forecast liegt regelmäßig über dem gewichteten statistischen Forecast. Wenn die beiden Zahlen in der Mitte des Quartals stark divergieren, ist meistens der Commit falsch — nicht die Win Rate.

Falsche Win Rate als Basis. Die Win Rate im Rechner sollte die historische Abschlussquote der Deals sein, die den Zeitraum erreichen — nicht die aller erstellten Opportunities. Eine Gesamt-Win-Rate von 25 % wird oft zu 35–45 % für Opportunities, die bis zum Abschlussdatum überleben, weil qualitätsschwache Deals früher herausfallen.

Saisonalität nicht berücksichtigt. Q4-Enterprise-Abschlüsse vs. Q1-Budgetfreigaben folgen eigenen Mustern. Eine uniform angewendete Win Rate ohne saisonale Anpassung produziert systematische Bias in vorhersehbaren Richtungen.

Prognosegenauigkeit als operativer KPI

Die meisten Unternehmen messen Prognosegenauigkeit reaktiv — nach dem Quartal. Leistungsstarke RevOps-Teams messen sie während des Quartals. Wöchentliche Checks der gewichteten Pipeline gegen den Commit-Forecast und gegen das Ziel zeigen Abweichungen, bevor sie unkorrigierbar werden. Fairview automatisiert diesen Abgleich über Forecast Confidence-Scores, die sich täglich aus Ihrer aktuellen Pipeline berechnen.

Was tun, wenn die Varianz konstant negativ ist

Drei Hebel stehen zur Verfügung: Den Forecast-Prozess korrigieren (realistischere Pipeline-Bewertung, strength-of-signal-Qualifizierung), die Win Rate aktualisieren (historische Conversion rate des aktuellen Cohorts verwenden, nicht des gesamten Verlaufs), oder das Ziel an die realistische Pipeline-Kapazität anpassen. Der letzte Hebel ist der politisch schwierigste — aber wenn die ersten beiden keinen Unterschied machen, ist das Ziel strukturell nicht erreichbar.

Häufige Fragen

Was ist Forecast-Varianz?

Forecast-Varianz ist die Differenz zwischen dem prognostizierten Wert und dem tatsächlichen Ergebnis eines Zeitraums. Eine negative Varianz bedeutet, dass das Ziel verfehlt wurde; eine positive Varianz bedeutet, dass es übertroffen wurde. Die Varianz wird sowohl absolut (in Euro) als auch prozentual ausgedrückt, damit ein periodenübergreifender Vergleich möglich ist.

Was ist MAPE und wie wird er berechnet?

MAPE steht für Mean Absolute Percentage Error (mittlerer absoluter prozentualer Fehler). Er misst die Größe der Abweichung unabhängig von der Richtung. Die Formel lautet: |Tatsächliches Ergebnis − Prognose| ÷ Prognose × 100. Unterhalb von 10 % gilt bei Series-B-Unternehmen als gesund; unterhalb von 5 % ist das Ziel für skalierte Organisationen. Der MAPE eignet sich besser für Benchmarking als die gerichtete Varianz, weil positive und negative Abweichungen sich bei der direkten Mittelwertbildung ausgleichen würden.

Was ist Forecast-Bias und warum ist er wichtiger als die Varianz eines einzelnen Quartals?

Forecast-Bias bezeichnet die systematische Tendenz, Prognosen konsistent zu hoch oder zu niedrig anzusetzen. Ein Team, das fünf Quartale in Folge um 8–12 % verfehlt, hat einen strukturellen Bias — keinen zufälligen Fehler. Bias ist wichtiger als die Varianz eines einzelnen Quartals, weil er Muster im Prognoseprozess aufdeckt, die behoben werden müssen. Um Bias zu messen, berechnen Sie den Durchschnitt der Varianz % über mindestens vier aufeinanderfolgende Quartale.

Was gilt als gute Prognosegenauigkeit?

Die Benchmarks nach Unternehmensphase: Vor Series A ist ±20 % normal, da die Pipeline noch keine stabile Verteilung aufgebaut hat. Bei Series B–C ist ±10 % der Maßstab — eine MAPE unter diesem Wert zeigt, dass das Team ein echtes Prognosemodell betreibt. Bei börsennotierten Unternehmen und in der Spätphase liegt das Ziel bei ±2–5 %; Investoren reagieren auf Abweichungen außerhalb dieses Bandes mit deutlichen Kursreaktionen.

Wie unterscheidet sich die Einzelquartals-Varianz von der rollierenden MAPE?

Die Varianz eines einzelnen Quartals kann statistisches Rauschen sein — ein ungewöhnlich großer Deal, ein verzögerter Abschluss oder ein saisonaler Ausreißer. Die rollierende 4-Quartals-MAPE ist der aussagekräftigere Indikator für den Betriebsrhythmus, weil sie ein einzelnes schlechtes Quartal herausglättet und zeigt, ob sich die Prognose-Infrastruktur strukturell verbessert hat. Verwenden Sie Einzelquartals-Werte für Board-Updates und die rollierende MAPE für die interne Steuerung.

Wie kann Fairview bei der Prognosegenauigkeit helfen?

Fairview verfolgt Forecast-Varianz, Bias und MAPE automatisch über Ihre echten Pipeline-Daten. Statt einmaliger Berechnungen erhalten Sie laufende Forecast Confidence-Scores, historische Bias-Trends und Next Best Actions — so sehen Sie sofort, wenn sich die Prognosequalität verschlechtert, und können rechtzeitig gegensteuern, bevor das Quartal verloren ist.

Nicht mehr einmalig berechnen — dauerhaft beobachten.

Fairview verfolgt diese Kennzahl über Ihre echten Daten und gibt Ihnen Handlungsempfehlungen — nicht nur Zahlen.

Fairview erleben Produkt ansehen