Was ist ein Sales Forecast?
Sales Forecast (deutsch: Umsatzprognose/Vertriebsprognose) ist die datenbasierte Vorhersage des erwarteten Umsatzes für einen bestimmten Zeitraum. Der Forecast basiert auf der aktuellen Pipeline, Win Rates, dem Sales Cycle und der Einschätzung des Vertriebsteams. Er ist die zentrale Steuerungsgröße für Geschäftsführung, Finance und Revenue Operations.
— Vertriebswikinger Glossar
Jeder CEO stellt dieselbe Frage: "Werden wir unsere Zahlen erreichen?" Der Sales Forecast ist die Antwort. Und meistens ist diese Antwort falsch. Studien zeigen, dass über 50 % der prognostizierten Deals nicht im vorhergesagten Quartal abschließen. Die Forecast Accuracy liegt bei den meisten Unternehmen unter 80 %.
Warum? Weil Forecasting kein Wunschdenken sein darf. Ein Forecast, der auf "Ich glaube, der Deal kommt" basiert, ist kein Forecast – es ist Hoffnung. Ein guter Forecast basiert auf Daten, Prozessen und ehrlicher Einschätzung.
Sie wollen verlässliche Umsatzprognosen statt Bauchgefühl? Wir bauen Ihren Forecasting-Prozess →
Sales Forecast auf einen Blick
| Eigenschaft | Wert |
|---|---|
| Definition | Prognose des erwarteten Umsatzes für einen definierten Zeitraum |
| Typischer Zeitraum | Monat, Quartal, Jahr |
| Verantwortlich | VP Sales / Head of Sales / CRO |
| Datenquellen | CRM-Pipeline, historische Win Rates, AE-Einschätzung |
| Accuracy-Benchmark | Top-Performer: 85-95 %, Durchschnitt: 60-75 % |
| Cadence | Wöchentlich (Quartal), Monatlich (Jahr) |
| Häufigster Fehler | Optimism Bias – Deals werden zu positiv bewertet |
| Wichtigstes Tool | CRM mit Pipeline-Stages |
Die 4 Forecasting-Methoden
1. Pipeline-basierter Forecast (Weighted Pipeline)
Prinzip: Jeder Deal in der Pipeline wird mit seiner Stage-spezifischen Win Rate gewichtet.
Formel:$$text{Gewichteter Pipeline-Wert} = sum (text{Deal-Wert} times text{Stage-Win-Rate})$$
Beispiel:| Deal | Wert | Stage | Win Rate | Gewichteter Wert |
|---|---|---|---|---|
| CloudTech GmbH | 50.000 € | Discovery | 20 % | 10.000 € |
| DataPro AG | 80.000 € | Proposal | 50 % | 40.000 € |
| LogiSmart KG | 30.000 € | Verhandlung | 75 % | 22.500 € |
| TechVision SE | 120.000 € | Verbal Commit | 90 % | 108.000 € |
| Gesamt | 280.000 € | 180.500 € |
Vorteil: Objektiv, datenbasiert, einfach berechenbar.
Nachteil: Behandelt alle Deals in einer Stage gleich (ein 50.000-€-Deal in "Proposal" hat dieselbe Win Rate wie ein 500.000-€-Deal – was in der Realität oft nicht stimmt).
2. Historischer Forecast (Run Rate)
Prinzip: Prognose basierend auf historischen Ergebnissen. Was haben Sie in vergleichbaren Zeiträumen abgeschlossen?
Formel:$$text{Forecast} = text{Durchschnittlicher Umsatz (letzte 4 Quartale)} times text{Wachstumsfaktor}$$
Beispiel:| Quartal | Umsatz |
|---|---|
| Q1 2024 | 450.000 € |
| Q2 2024 | 520.000 € |
| Q3 2024 | 490.000 € |
| Q4 2024 | 560.000 € |
| Durchschnitt | 505.000 € |
| Forecast Q1 2025 (5 % Wachstum) | 530.250 € |
3. Multi-Variable Forecast
Prinzip: Kombination mehrerer Datenpunkte für eine realistischere Prognose.
Berücksichtigte Variablen:| Variable | Gewichtung | Quelle |
|---|---|---|
| Gewichtete Pipeline | 40 % | CRM |
| Historische Run Rate | 20 % | Finance |
| AE-Einschätzung (Commit) | 20 % | Vertrieb |
| Saisonale Faktoren | 10 % | Historische Daten |
| Markt-Indikatoren | 10 % | externe Daten |
4. KI-gestützter Forecast
Prinzip: Machine-Learning-Modelle analysieren historische Daten, CRM-Aktivitäten, E-Mail-Engagement und Meeting-Daten, um Abschlusswahrscheinlichkeiten deal-individuell zu berechnen.
Was KI besser kann als Menschen:- Muster in tausenden historischer Deals erkennen
- E-Mail-Sentiment und Engagement-Signale auswerten
- Frühwarnsignale identifizieren (Deal stalled, kein Champion-Kontakt seit 2 Wochen)
- Bias reduzieren (keine "Bauchgefühl"-Verzerrung)
- Qualitative Beziehungsinformationen bewerten ("Der Entscheider hat zwischen den Zeilen angedeutet, dass Budget eng ist")
- Einmaleffekte vorhersagen (Reorganisation beim Kunden, CEO-Wechsel)
- Ersetzen, was nicht im CRM steht (wenn AEs keine Notes schreiben, hat die KI keine Daten)
Tools: Clari, Gong Forecast, InsightSquared, People.ai
Die Forecast-Kategorien
Professionelle Vertriebsorganisationen arbeiten mit Forecast-Kategorien, die Deals nach Abschlusswahrscheinlichkeit gruppieren:
| Kategorie | Definition | Abschlusswahrscheinlichkeit |
|---|---|---|
| Closed Won | Unterschrieben, Vertrag vorliegt | 100 % |
| Commit | AE committed persönlich zum Abschluss in diesem Quartal | 85-95 % |
| Best Case | Realistisch, aber nicht sicher – abhängig von ext. Faktoren | 50-70 % |
| Pipeline | In Bearbeitung, aber kein klarer Commit-Zeitpunkt | 20-40 % |
| Omitted | Ausgeschlossen – wird dieses Quartal nicht abschließen | 0 % |
$$text{Forecast} = text{Closed Won} + text{Commit} + (x% times text{Best Case})$$
In den meisten Organisationen wird Best Case mit 30-50 % gewichtet. Pipeline wird nicht in den Forecast aufgenommen.
Der Forecasting-Prozess (Cadence)
Wöchentliche Forecast-Cadence
| Tag | Aktivität | Verantwortlich |
|---|---|---|
| Montag | Pipeline-Review: jeder AE aktualisiert seine Deals im CRM | AEs |
| Dienstag | 1:1 Forecast-Call: Manager reviewed Top-Deals mit jedem AE | Manager + AE |
| Mittwoch | Team Forecast-Meeting: Gesamtbild, Commit vs. Quota | VP Sales + Team |
| Donnerstag | Forecast-Submission an Leadership | VP Sales |
| Freitag | Action Items: Welche Deals brauchen Aufmerksamkeit? | Team |
Die 5 Fragen für jedes Forecast-1:1
- "Welche Deals sind Commit für dieses Quartal?" – Was genau macht Sie sicher?
- "Was hat sich seit letzter Woche verändert?" – Neue Risiken, neue Champions, Budget-Updates?
- "Was brauchen Sie, um Deal X zu schließen?" – Exec-Sponsor-Call, Referenzkunde, Discount-Freigabe?
- "Welche Deals stagnieren?" – Kein nächster Schritt seit 2+ Wochen → Deal at Risk
- "Was kommt nächste Woche rein?" – Welche Pipeline wird dieses Quartal noch relevant?
Forecast Accuracy verbessern
Die häufigsten Fehlerquellen
| Fehlerquelle | Auswirkung | Lösung |
|---|---|---|
| Optimism Bias | AEs bewerten Deals systematisch zu positiv | Strenge Commit-Kriterien, Manager-Challenge |
| Sandbagging | AEs halten Deals zurück, um Quota sicher zu erreichen | Transparente Kultur, keine Bestrafung für Updates |
| Stale Pipeline | Deals seit 90+ Tagen ohne Update blockieren Forecast | Pipeline-Hygiene: automatische Alerts + Bereinigung |
| Inkonsistente Stages | Jeder AE definiert "Proposal" anders | Klare Exit-Kriterien pro Stage |
| Kein CRM-Update | Deals stehen noch in "Discovery", obwohl der Proposal längst raus ist | CRM-Disziplin als KPI, Manager-Reviews |
Die Exit-Kriterien (Stage-Definitionen)
Ohne klare Exit-Kriterien ist jeder Forecast Rätselraten:
| Pipeline-Stage | Exit-Kriterien (was muss erfüllt sein?) |
|---|---|
| Qualification | ICP-Fit bestätigt, Pain identifiziert, Stakeholder bekannt |
| Discovery | Pain quantifiziert, Decision Process verstanden, Timeline klar |
| Proposal | Proposal an Decision Maker gesendet, Budget besprochen |
| Verhandlung | Pricing-Diskussion aktiv, Vertragsdetails in Klärung |
| Verbal Commit | Mündliche Zusage, Vertragsentwurf beim Kunden |
| Closed Won | Unterschriebener Vertrag |
Häufige Fehler beim Forecasting
❌ Fehler 1: Forecast = Wunschdenken
Problem: AE hat eine gute Demo geliefert. Prospect hat "klingt spannend" gesagt. Deal wird als "Commit" kategorisiert. Drei Wochen später: Ghost.
Besser: Commit-Kriterien definieren. Ein Deal ist erst Commit, wenn: schriftliche Budget-Bestätigung, Decision Maker involviert, Timeline vereinbart, nächster Schritt terminiert. "Klingt spannend" ist kein Commit.
❌ Fehler 2: Kein Challenge-Prozess
Problem: Manager fragt "Wie sieht der Forecast aus?", AE sagt "500k Commit", Manager notiert "500k". Keine Rückfragen, keine Validierung, kein Drill-Down.
Besser: Jeder Commit-Deal wird challenged: "Wer ist der Decision Maker? Haben Sie ihn getroffen? Was ist das identifizierte Buying Criteria? Welche Konkurrenz ist im Rennen?"
❌ Fehler 3: Pipeline-Inflation
Problem: Pipeline zeigt 5 Mio. €, davon sind 2 Mio. € in Deals, die seit 120 Tagen stagnieren. Niemand bereinigt. Forecast basiert auf inflationierter Pipeline.
Besser: Pipeline-Hygiene: Deals ohne Aktivität seit 60 Tagen werden automatisch als "at risk" markiert. Nach 90 Tagen: Review und ggf. Close Lost.
❌ Fehler 4: Forecast nur einmal im Monat
Problem: Forecast wird am Monatsende aktualisiert. Dazwischen: keine Sichtbarkeit, keine Steuerung, keine Frühwarnung.
Besser: Wöchentliche Forecast-Cadence. Deal-Updates mindestens 2x pro Woche. Tägliche Pipeline-Inspection für den letzten Monat des Quartals.
❌ Fehler 5: Forecast-Daten leben nicht im CRM
Problem: Forecast wird in Excel gepflegt. Deal-Updates passieren in Slack. Notizen stehen in Notizbüchern. Das CRM ist eine Datenruine.
Besser: Single Source of Truth = CRM. Alles, was den Forecast beeinflusst, gehört ins CRM: Deal-Stage, Close Date, Amount, Next Steps, Notizen. Kein CRM-Update, keine Provision.
Sales Forecast bei den Vertriebswikingern
Forecast-Accuracy ist keine Frage des Tools – es ist eine Frage der Disziplin. Wir sehen regelmäßig Unternehmen mit Salesforce Enterprise-Lizenzen und 40 % Forecast Accuracy. Und Unternehmen mit einem einfachen Pipedrive-Setup und 90 % Accuracy. Der Unterschied: klare Stage-Definitionen, disziplinierte Cadence und eine Kultur, in der ehrliches Forecasting belohnt wird.
Häufig gestellte Fragen zum Sales Forecast
Wie häufig sollte der Forecast aktualisiert werden?
Wöchentlich auf Deal-Ebene, mit formaler Submission an Leadership. In den letzten 3-4 Wochen des Quartals: tägliche Pipeline-Inspection für Commit-Deals.
Was ist eine gute Forecast Accuracy?
Der Benchmark für Top-Performer liegt bei 85-95 %. Alles unter 75 % deutet auf systematische Probleme hin (fehlende Stage-Kriterien, kein Challenge-Prozess, CRM-Hygiene-Mängel). Mehr dazu: Forecast Accuracy.
Welche Rolle spielt KI beim Forecasting?
KI kann Muster erkennen und Bias reduzieren – aber nur, wenn ausreichend Daten im CRM vorhanden sind. Die beste KI kann nicht vorhersagen, was nicht dokumentiert wurde. KI ist ein Multiplier, kein Ersatz für Prozess-Disziplin.
Wie gehe ich mit Sandbaggers um?
Sandbagging (Deals bewusst zurückhalten) ist oft ein Kulturproblem. Wenn AEs bestraft werden, weil sie einen Commit-Deal verlieren, werden sie konservativ. Lösung: Transparente Kultur, in der Pipeline-Updates keine negativen Konsequenzen haben. Belohnen Sie Accuracy, nicht Optimismus.
Zusammenfassung
In einem Satz: Ein Sales Forecast ist die datenbasierte Prognose Ihres erwarteten Umsatzes – und nur so gut wie die Disziplin, mit der Pipeline-Daten gepflegt, Deals validiert und Stage-Kriterien eingehalten werden.
5 Key Takeaways:- Forecast Accuracy hängt von klaren Stage-Definitionen ab – ohne Exit-Kriterien ist jeder Forecast Raten
- Der wöchentliche Forecast-Challenge-Prozess ist Pflicht – "Klingt spannend" ist kein Commit
- Die 4 Methoden (Weighted Pipeline, Historical, Multi-Variable, KI) ergänzen sich – nutzen Sie mindestens zwei
- Pipeline-Hygiene ist die Grundlage – stale Deals verfälschen jeden Forecast
- CRM ist die Single Source of Truth – was nicht im CRM steht, existiert nicht im Forecast
Weiterführend: Forecast Accuracy | Sales Pipeline | Win Rate | Pipeline Management
Brauchst du Unterstützung bei deiner Vertriebsstrategie?
Wir helfen B2B-Unternehmen dabei, ihre Vertriebsprozesse zu professionalisieren und skalierbar zu machen. Von der strategischen Beratung über Team-Training bis zum kompletten Aufbau deines Sales-Systems.