Datengetriebene Forecasts können dem Controlling aussagekräftigere Planungen liefern.

tchadawa - stock.adobe.com

03.03.21
Finanzabteilung

Mit datengetriebenen Forecasts gegen Gewinnwarnungen

Schlechte Prognosefähigkeiten können schlimmstensfalls zu Gewinnwarnungen führen. Datengetriebene Forecasts können Abhilfe schaffen. So führt man sie ein.

Immer wieder schocken Unternehmen mit Gewinnwarnungen den Kapitalmarkt. Die Folgen für die Unternehmen zeigen sich meist prompt: Anleger sind verunsichert und enttäuscht, die Aktie rauscht ab. Besonders negativ auf den Unternehmenswert wirken sich Gewinnwarnungen dann aus, wenn sie nichts mit allgemeinen Marktentwicklungen wie etwa der Coronavirus-Pandemie zu tun haben, sondern auf einer unsicheren und mangelhaften Finanzprognose beruhen.
 
Das zeigt eine aktuelle Studie von PwC und der Justus-Liebig Universität Gießen, in der mehr als 7500 Gewinnwarnungen untersucht wurden. Der Forecast soll den Unternehmen eigentlich Aufschluss darüber geben, in welche Richtung sich die Geschäftszahlen entwickeln können. Auf Basis dieser Ergebnisse erstellt der CFO eine Prognose, die er dem Kapitalmarkt kommuniziert – und gegebenenfalls korrigieren muss, wenn sie doch nicht eintrifft.
 
In seiner Studie fand PwC heraus, dass nach unten korrigierte Geschäftsergebnisse zu einem durchschnittlichen Verlust des Unternehmenswertes in Höhe von 158 Millionen Euro führten. Ein schlechter Forecast kann also viel Vertrauen kosten.

Forecasts hängen von der Datenqualität ab

Doch wie kann man die Prognosequalität erhöhen? Als Grund für unsichere Forecasts nennen die Studienteilnehmer die Datengrundlage, auf der solche Prognosen erstellt werden. So sagen lediglich 41 Prozent, dass sie über die notwendigen Daten für ein gutes Forecasting verfügen – dazu gehören neben internen Daten oftmals auch externe makroökonomische Daten.

Besonders Letztere würden bei vielen Unternehmen zu kurz kommen, meinen die Studienautoren Frauke Schleer-van Gellecom und Roland Werner von PwC. Schleer-van Gellecom ist Senior Managerin für Predictive Excellence, Werner ist verantwortlich für den Bereich Finance Transformation bei PwC.

Doch selbst wenn alle relevanten Daten vorhanden sind, müssen sie miteinander intelligent in Beziehung gesetzt werden, um eine möglichst sichere Prognose zu stellen – eine Herausforderung, auch angesichts der großen Datenmenge. Ein Lösungsansatz können datengetriebene, auf Künstliche Intelligenz basierende Forecasts sein, glaubt Schleer-van Gellecom.

Gemeint sind damit Forecasts, die durch lernende Systeme automatisiert und unverzerrt erstellt werden. Der Gegenpart dazu sind manuelle Auswertungen, etwa auf Basis von Excel-Tabellen, Rückschlüsse werden dabei nicht selten aus dem Bauchgefühl heraus gezogen. „Datengetriebene Prognosen sind den manuellen Forecasts von Controllern häufig überlegen“, so Schleer-van Gellecom. Ihrer Meinung nach verbessere sich nicht nur die Genauigkeit des Forecasts. Auch würden auf KI basierende Tools unerwartete Abweichungen schneller sehen, wodurch Controller früher Gegensteuerungsmaßnahmen entwickeln können. „Das senkt die Wahrscheinlichkeit für Gewinnwarnungen“, glaubt sie.

BASF nutzt datengetriebenen Forecast

Die Vorteile scheinen auf der Hand zu liegen – dennoch werden datengetriebene Forecasts keineswegs flächendeckend eingesetzt, hat Roland Werner beobachtet. „Die großen Unternehmen nutzen solche Forecasts schon öfter, allerdings gibt es hier große Unterschiede, was den Reifegrad solcher Tools angeht.“ 

Eine weitere Frage ist: Setzt man nur noch auf den datengetriebenen Forecast, so wie es zum Beispiel der Dax-Konzern BASF macht, oder lässt man ihn nebenher laufen und nutzt ihn als Zweitmeinung? Meistens entscheiden sich Unternehmen zunächst für Letzteres, meint der Transformation-Experte. Sowohl Wissenschaft als auch Praxis würden zeigen, dass die Kombination von „Mensch und Maschine“ das beste Ergebnis erzielt. „Anders als bei Großkonzernen ist das Thema im Mittelstand bisher nicht so ausgeprägt – doch die Bereitschaft, es jetzt anzugehen, ist gewachsen“, meint Werner.

Wie führt man Data-driven Forecasts ein?

Aber woran hapert es noch bei der Einführung? Bei der Implementierung gebe es einiges zu beachten, meint Schleer-van Gellecom, die auch Dozentin für Business Forecasting an der Justus-Liebig Universität Gießen ist. Ihre Empfehlung: Zunächst sollte sich nicht das gesamte Controlling damit beschäftigen, sondern ein kleineres Projektteam. Dieses sucht dann ein geeignetes Tool aus, welches mit Künstlicher Intelligenz einen Forecast berechnen kann.

„In einem nächsten Schritt sollte sich das Team nicht gleich den gesamten Unternehmens-Forecast vornehmen, sondern einen Teilbereich, zum Beispiel die Umsatzplanung.“ Dabei kann sich das Team auch mit den Kollegen aus dem Data Science abstimmen, um den Zugriff auf alle internen Daten sicherzustellen, Algorithmen zu plausibilisieren und möglichst effizient zu arbeiten.

Wichtig: Das Team sollte gerade während der Einführungsphase in engem Austausch mit dem CFO und dem übrigen Management sein. „Das ist essentiell, damit der neue Forecast an Vertrauen gewinnt. Denn wenn die Finanzabteilung nicht hinreichend involviert ist, wird das Thema im Nachhinein auf wenig Akzeptanz treffen.“ Zu dieser Aufklärungsarbeit gehört auch, alle Daten, die im Forecast berücksichtigt wurden, dem Controlling transparent zu machen. „Hilfreich kann auch eine Art Wiki oder Q&A sein“, rät die Dozentin.

Erst danach kann das Controlling ein erstes Fazit ziehen, welche Informationen wirklich wertvoll waren. „Darauf können sie dann für einen nächsten Teilbereich einen datengetriebenen Forecast erstellen und immer so weiter“, empfiehlt die Senior Managerin.

„Wenn die Finanzfunktion nicht hinreichend involviert wird, wird das Thema im Nachhinein auf wenig Akzeptanz treffen.“

Frauke Schleer-van Gellecom, Senior Managerin für Predictive Excellence bei PwC

Fehler beim datengetriebenen Forecast

Bei der Umstellung auf einen datengetriebenen Forecast gibt es aber auch einige Stolperfallen, auf die Controller achten sollten. „Der wohl größte Fehler ist zu denken, dass es von heute auf Morgen geht, schließlich ist das eine Transformation, und die braucht Zeit“, warnt PwC-Partner Werner. Zeit bezieht er darauf, bis Mitarbeiter den Ablauf des Tools verstehen und sich an das neue System gewöhnt haben.

sarah.backhaus[at]finance-magazin.de

Weitere Infos zu modernen Tools in der Finanzabteilung finden Sie auf unserer Themenseite Robotics und Künstliche Intelligenz