Die unbequeme Wahrheit über aktuelle Forecasting Trends lautet: Die meisten Unternehmen reden weiter über bessere Vorhersagen, obwohl sie in Wahrheit ein besseres Entscheidungssystem brauchen.
Das ist mehr als eine semantische Feinheit. In Workforce Management, Contact Centern, Supply Chain oder Finance reicht es längst nicht mehr, einen möglichst treffenden Wert für nächste Woche oder den nächsten Monat zu liefern. Wer Volatilität, Personalknappheit, schwankende Nachfrage und steigenden Kostendruck gleichzeitig steuern muss, braucht Forecasting, das schneller aktualisiert, Treiber sichtbar macht, Alternativen durchspielen kann und Unsicherheit sauber kommuniziert. Genau dort liegen die relevanten Bewegungen im Markt.
Die gute Nachricht: Es gibt klare Trends. Die weniger gute: Viele Organisationen modernisieren ihre Tools schneller als ihre Planungslogik.
Rolling Forecast verdrängt den Jahresplan als Denkzentrum
Der sichtbarste Trend ist prozessual, nicht algorithmisch: Rolling Forecasting wird zum Standard. In der FP&A Trends Survey 2024 ist der Rolling Forecast mit 49 Prozent die meistgenutzte Planungsmethode, deutlich vor dem Stand des Vorjahres. Das ist ein starkes Signal. Planung wird kontinuierlicher, der starre Takt des Jahresbudgets verliert an Deutungshoheit.
Für WFM- und Operations-Verantwortliche ist das folgerichtig. In servicegetriebenen Organisationen zerlegt Volatilität jede Logik, die auf festen Jahresannahmen ruht. Nachfrage verschiebt sich schneller, Kampagnen wirken kurzfristiger, Krankheitsquoten und Bearbeitungszeiten reagieren empfindlicher auf externe Ereignisse. Ein Forecast muss deshalb weniger die Zukunft „kennen“ als fortlaufend die beste aktuelle Sicht liefern.
Gleichzeitig zeigt dieselbe Studie, wie zäh alte Routinen sind: 45 Prozent arbeiten noch immer nach dem Muster „Vorjahr plus Wachstumsaufschlag“. Das ist der eigentliche Befund. Viele Unternehmen haben den Prozess modernisiert, aber nicht die Denkschule. Ein rollierender Plan mit statischer Fortschreibung ist noch kein reifes Forecasting.
Schneller soll es werden. Schneller wird es oft nicht.
Kaum ein Begriff wird im Forecasting so inflationär verwendet wie „Echtzeit“. Die Praxis ist nüchterner. Nur 18 Prozent der befragten Organisationen erstellen 2024 ihren Forecast innerhalb von zwei Tagen, 53 Prozent brauchen mehr als fünf Tage. Der Durchschnitt liegt sogar leicht über dem Wert von 2017.
Das ist mehr als ein Effizienzproblem. Wenn ein Forecast eine Woche braucht, ist er in dynamischen Umfeldern oft schon wieder halb veraltet, bevor er abgestimmt ist. In Contact Centern kennt man dieses Muster gut: Das Team diskutiert noch die Prognose, während sich Kanalmix, AHT oder Abwesenheiten längst verschoben haben.
Der Grund liegt häufig nicht im mathematischen Modell, sondern in der Vorarbeit. 45 Prozent der FP&A-Zeit gehen weiterhin für Datensammlung und Validierung drauf, nur 35 Prozent für Insights und Maßnahmen. Anders gesagt: Viele Forecast-Prozesse leiden weniger an zu wenig KI als an zu viel Datenhandarbeit. Wer diesen Flaschenhals nicht beseitigt, wird aus neuen Methoden nur begrenzten Nutzen ziehen.
Treiber statt Fortschreibung: Der Methodenwechsel läuft an
Ein zweiter zentraler Trend ist der Übergang von reiner Vergangenheitsfortschreibung zu Driver-Based Forecasting. 37 Prozent der Organisationen nutzen treiberbasierte Planung bereits, vollständig automatisierte Modelle sind mit 9 Prozent aber selten. Die Mehrheit arbeitet mit hybriden Setups: Treiber werden definiert, Berechnungen teilweise automatisiert, entscheidende Eingriffe bleiben manuell.
Das ist kein Zeichen des Scheiterns, sondern eine Zwischenphase. Denn die Idee hinter Treibermodellen ist fachlich überzeugend: Ein Forecast soll nicht nur extrapolieren, sondern erklären, was Nachfrage, Volumen oder Auslastung bewegt. Für Workforce Management ist das besonders relevant. Kontaktvolumen entstehen nicht aus der Zeitreihe allein, sondern aus Kampagnen, Rechnungszyklen, Produktänderungen, Störungen, Wetter, Feiertagen oder Self-Service-Quoten.
Dass Cloud-Plattformen solche Logiken inzwischen produktisieren, ist ein starkes Marktsignal. Treiberbasiertes Forecasting wandert aus Spezialprojekten in Standardsoftware. Wichtig ist dabei ein oft übersehener Punkt: Je stärker Treiber ins Modell einfließen, desto höher wird der Anspruch an Datenqualität, Governance und Verantwortlichkeiten. Ein schlechter Treiber ist gefährlicher als kein Treiber, weil er Scheingenauigkeit produziert.
Szenarioplanung wird wichtiger als der eine richtige Wert
Der vielleicht wichtigste Reifeschritt im Forecasting ist die Abkehr vom Kult des Punktwerts. Moderne Planung fragt nicht nur: Was wird wahrscheinlich passieren? Sie fragt vor allem: Was machen wir, wenn es anders kommt?
Genau deshalb steigt die Bedeutung von Szenarioplanung. Doch operativ bleibt sie schwach verankert. Nur 22 Prozent der Organisationen können Szenarien in Echtzeit oder innerhalb eines Tages rechnen, 21 Prozent sind dazu nach eigener Aussage gar nicht in der Lage. Das ist problematisch, weil Unsicherheit heute nicht mehr Ausnahme, sondern Betriebszustand ist.
Gerade in volatilen Lieferketten zeigt sich, wohin die Reise geht. Neun von zehn Supply-Chain-Führungskräften berichten 2024 von Störungen, gleichzeitig investieren viele in Advanced-Planning-and-Scheduling-Systeme, die mehrere Szenarien bewerten sollen. Der Trend dahinter ist eindeutig: Forecasting verschmilzt mit Resilienzmanagement.
Auch für serviceorientierte Organisationen ist das relevant. Wer nur den „wahrscheinlichsten“ Bedarf forecastet, plant zu linear. Wer drei belastbare Szenarien rechnen kann, steuert robuster: beim Recruiting, bei Schichtreserven, beim Nearshoring, bei Überlaufregeln oder beim Einsatz digitaler Kanäle. Reife zeigt sich deshalb weniger an der schönsten Prognosekurve als an der Fähigkeit, alternative Zukünfte schnell durchzuspielen.
KI kommt an – aber nicht als magische Abkürzung
Natürlich gehört KI zu den aktuellen Forecasting Trends. Aber der nüchterne Blick lohnt sich. Dort, wo AI/ML genutzt wird, bewerten 65 Prozent der Organisationen ihre Forecasts als gut oder sehr gut; ohne AI/ML liegt der Wert deutlich niedriger. Gleichzeitig ist die tatsächliche Nutzung im FP&A-Umfeld gering, und ein erheblicher Teil der Unternehmen bleibt skeptisch.
In Operations und Supply Chain ist die Adaption zwar weiter. Viele Führungskräfte setzen KI bereits für Risikoerkennung, Szenarioplanung und Störungsprognosen ein oder testen entsprechende Lösungen. Doch auch hier werden die Grenzen offen benannt: Integrationskomplexität und Datenprobleme sind die häufigsten Gründe dafür, dass Technologieinvestitionen hinter den Erwartungen zurückbleiben.
Die eigentliche Entwicklung ist deshalb differenzierter als der übliche Hype. Neue Foundation Models für Zeitreihen, etwa vortrainierte Universal Forecaster, verändern den Markt tatsächlich. Sie versprechen Zero-Shot- oder Few-Shot-Fähigkeiten, also brauchbare Forecasts auch mit geringer datensatzspezifischer Anpassung. Das senkt potenziell die Einstiegshürden.
Aber: Universal ist nicht automatisch überlegen. Die Forschung wird pluralistischer. Einfache lineare oder MLP-basierte Modelle schlagen komplexe Transformer in manchen Szenarien weiterhin. Wer Forecasting professionalisieren will, sollte daher nicht nach dem imposantesten Modell fragen, sondern nach dem robustesten Setup für den eigenen Anwendungsfall.
Wahrscheinlichkeiten, Stabilität und Hierarchien werden zum Reifegradtest
Ein weiterer wichtiger Trend bleibt außerhalb von Data-Science-Kreisen oft unterbelichtet: Gute Forecasts liefern heute nicht nur einen Wert, sondern Bandbreiten, Quantile und Unsicherheiten. Probabilistische Prognosen werden vom Spezialthema zum Standard. Das ist für die operative Steuerung entscheidend, weil Entscheidungen selten am Mittelwert scheitern, sondern an den Rändern.
Dazu kommt ein zweites Qualitätskriterium: Forecast Stabilität. In der Praxis ist ein minimal genaueres Modell nicht automatisch besser, wenn es von Woche zu Woche sprunghafte Signale sendet und damit Personalplanung, Einkauf oder Produktionssteuerung nervös macht. Konsistenz ist oft fast so wichtig wie Accuracy.
Für Unternehmen mit mehreren Ebenen der Planung kommt noch eine dritte Anforderung hinzu: Hierarchien müssen zusammenpassen. Der Forecast auf Gesamtvolumenebene, nach Kanal, Standort, Skill oder Produktgruppe darf sich nicht widersprechen. Unternehmensforecasting findet fast nie auf nur einer Aggregationsstufe statt. Genau deshalb gewinnen hierarchische und multivariate Modelle an Bedeutung.
Die eigentliche Baustelle heißt Integration
Am Ende führen viele Trends zu demselben Punkt zurück: Forecasting ist keine isolierte Modellfrage, sondern Teil eines Managementsystems. Nur 13 Prozent der Organisationen verfügen über einen vollständig integrierten Ansatz für strategische, finanzielle und operative Planung. Diese Stagnation erklärt, warum so viele Modernisierungsprojekte hinter ihren Versprechen bleiben.
Wer Forecasting verbessert, aber die Verbindung zu Kapazitätsplanung, Budgetlogik, Personalsteuerung und Szenarioentscheidungen nicht mitdenkt, optimiert nur einen Ausschnitt. Die Pharma-Praxis bestätigt das: Standardisierung, Datenintegration und automatisierte Qualitätsprüfungen sind dort oft dringlicher als das nächste Modellupgrade.
Die operative Konsequenz ist klar. Moderne Forecasting-Reife entsteht nicht zuerst durch mehr Rechenpower, sondern durch fünf Fähigkeiten: kontinuierliche Aktualisierung, saubere Treiberlogik, schnelle Szenarien, probabilistische Kommunikation und integrierte Anschlussfähigkeit an Entscheidungen.
Was Entscheider jetzt mitnehmen sollten
Die relevanten Forecasting Trends zeigen keine einzelne Revolution, sondern eine Verschiebung des Anspruchs. Forecasting soll nicht nur genauer werden. Es soll handlungsnäher, schneller, transparenter und belastbarer werden.
Für Führungskräfte in Workforce Management, Kundenservice und Operations ist das die entscheidende Botschaft: Der nächste Reifegrad liegt nicht darin, den einen perfekten Forecast zu suchen. Er liegt darin, aus Prognosen ein System zu machen, das unter Unsicherheit besser entscheidet.
Oder zugespitzt gesagt: Nicht das intelligenteste Modell gewinnt, sondern der Forecast, der im Betrieb tatsächlich steuerbar macht, was morgen schon wieder anders sein kann.
