Vertrieb steuern mit dem Leitfaden für Kennzahlen und Forecast im Vertrieb

Das Wichtigste auf einen Blick

• Vertrieb steuern heißt, drei Kennzahlenfamilien zu trennen: Ergebnisgrößen wie Umsatz und Deckungsbeitrag, Prozessgrößen wie Conversion Rate und Verweildauer, Zukunftgrößen wie Pipeline und gewichteter Forecast.
• Ein Forecast wird belastbar, wenn jede Opportunity Kategorie, Wahrscheinlichkeit und Abschlussdatum trägt und die Summe gegen Ziel und Vorperiode geprüft wird.
• Dashboards arbeiten auf zwei Ebenen: Wochenwerte für das Verkaufsteam, Monatswerte für Geschäftsführung und Controlling.
• Salesforce, HubSpot und Tableau liefern Datenhaltung und Darstellung. Die Definition der Kennzahl bleibt Aufgabe der Geschäftsleitung.

Von der Karteikarte zum Datenmodell: wie Vertriebssteuerung entstand

Bis in die 1970er-Jahre beruhte Vertriebssteuerung auf Papier. Auftragsbücher, Karteikästen und Reisberichte bildeten das Gedächtnis des Verkaufs. Der Außendienst meldete wöchentlich, die Zentrale rechnete nach.

Mit der Auftragsabwicklung auf Großrechnern entstand in den 1970er- und 1980er-Jahren die erste durchgängig maschinelle Kette: Auftrag, Lieferung, Rechnung. Ein Forecast blieb davon getrennt und wurde von Hand geschätzt.

In den 1980er-Jahren kam der Begriff Sales Force Automation auf. Laptops ersetzten Papierberichte, doch die Datenbestände blieben zersplittert. Jede Landesgesellschaft pflegte eigene Listen und eigene Definitionen.

1993 gründete Thomas Siebel Siebel Systems und bündelte Verkauf, Marketing und Service in einer gemeinsamen Datenbank. Aus dem reinen Berichtswesen wurde ein Datenmodell mit einem festen Kundenobjekt.

1999 startete Salesforce mit Mietsoftware im Browser. Die Datenhaltung wurde zentral und für mittlere Betriebe bezahlbar. HubSpot folgte 2006 mit einem Schwerpunkt auf Marketing und Vertrieb für kleinere Teams.

Tableau, 2003 gegründet, stand für eine zweite Bewegung: Analyse und Visualisierung getrennt von der Datenhaltung. Dashboards lösten in den 2010er-Jahren die gedruckten Monatsberichte ab.

Seit den 2020er-Jahren rücken Prognosemodelle in den Vordergrund. Sie leiten aus Abschlusswahrscheinlichkeiten, Aktivitätsdaten und Verweildauer Muster ab, die ein Mensch in der Kürze der Zeit nicht sieht.

Die Leitfrage ist über die Jahrzehnte gleich geblieben. Wie viel Umsatz ist sicher, wie viel ist offen, und wo muss die Leitung eingreifen?

Für den Mittelstand kommt hinzu, dass Vertriebsstrukturen gewachsen sind und selten einheitlich dokumentiert wurden. Der DIHK bündelt unter dem Thema Unternehmensentwicklung Hinweise zu Digitalisierung und Prozessgestaltung, die sich auf Vertriebsorganisationen übertragen lassen: Hinweise des DIHK zur Unternehmensentwicklung.

Die drei Kennzahlenfamilien und ihre Rechenlogik

Ein Kennzahlenkatalog wächst schnell auf fünfzig Werte, wenn jede Abteilung eigene Wünsche anmeldet. Hilfreich ist eine Gliederung nach Zeitbezug: Ergebnis, Prozess und Zukunft.

Ergebnisgrößen messen das Gebuchte

Der Umsatz ist die gebuchte Rechnung eines Zeitraums, netto und ohne Umsatzsteuer. Der Auftragseingang erfasst bestätigte Bestellungen und liegt zeitlich vor dem Umsatz. Beide Größen werden in der Praxis häufig verwechselt.

Ein Quartalsziel von 1.000.000 Euro netto kann sich auf den Umsatz oder auf den Auftragseingang beziehen. Zwischen beiden können je nach Lieferzeit Wochen bis Monate liegen.

Weitere Ergebnisgrößen sind der Deckungsbeitrag je Auftrag, der durchschnittliche Auftragswert und der Anteil der Neukunden am Umsatz. Sie beantworten die Frage, was tatsächlich verdient wurde.

Prozessgrößen messen den Weg

Prozessgrößen beschreiben, wie Geschäfte entstehen. Dazu gehören die Zahl qualifizierter Leads, die Conversion Rate je Stufe, die Verweildauer je Stufe und die Angebotstrefferquote.

Die durchschnittliche Zykluslänge zeigt, wie viele Tage vom qualifizierten Kontakt bis zur Unterschrift vergehen. Der Median ist hier aussagekräftiger als der Mittelwert, weil einzelne Großprojekte das Bild stark verzerren.

Aktivitätsgrößen wie Ersttermine, Angebote und Telefonate je Verkäufer und Woche liefern den Frühindikator. Sie sagen nichts über Qualität, zeigen aber Engpässe früh genug.

Zukunftgrößen schätzen den Abschluss

Zukunftgrößen sind der Pipeline-Wert, der gewichtete Forecast, die Coverage Ratio, die Win Rate und die Slip Rate.

Die Win Rate ist der Anteil gewonnener an allen entschiedenen Opportunities. Die Slip Rate erfasst den Anteil der Geschäfte, die in eine spätere Periode rutschen. Beide Werte stammen aus der Auswertung abgeschlossener Perioden.

Die vier wichtigsten Formeln

• Conversion Rate = Abschlüsse geteilt durch qualifizierte Opportunities im selben Zeitraum, multipliziert mit 100.
• Gewichteter Forecast = Summe aus Opportunity-Wert mal Wahrscheinlichkeit der jeweiligen Stufe.
• Coverage Ratio = offener qualifizierter Pipeline-Wert geteilt durch das noch offene Periodenziel.
• Forecast-Genauigkeit = 1 minus dem Betrag der Abweichung zwischen Prognose und Ist, geteilt durch den Ist-Wert.

Kennzahl	Definition	Datenquelle	Rhythmus
Umsatz netto	gebuchte Rechnungen eines Zeitraums ohne Umsatzsteuer	ERP oder CRM	täglich
Auftragseingang	bestätigte Bestellungen im Zeitraum	Auftragsbestätigung	wöchentlich
Conversion Rate	Abschlüsse geteilt durch qualifizierte Opportunities, in Prozent	CRM-Stufenwechsel	wöchentlich
Durchschnittlicher Verkaufszyklus	Median der Tage von der Qualifizierung bis zur Unterschrift	CRM-Zeitstempel	monatlich
Coverage Ratio	offene qualifizierte Pipeline geteilt durch offenes Periodenziel	CRM und Zielplanung	wöchentlich

Pipeline-Kennzahlen: Stufen, Wahrscheinlichkeiten, Verweildauer

Bis in die 1990er-Jahre gab es im Vertrieb vor allem Statusfelder wie Angebot offen oder Auftrag erteilt. Mit den ersten CRM-Systemen kam das Stufenmodell in die Breite und mit ihm die Frage, wie weit ein Geschäft wirklich ist.

Ein brauchbares Modell hat fünf bis sieben Stufen. Jede Stufe endet mit einem Austrittskriterium, das sich prüfen lässt. Stufe drei endet etwa dann, wenn der Bedarf schriftlich bestätigt und ein Budgetrahmen genannt wurde.

Die Wahrscheinlichkeit je Stufe gehört aus eigenen Daten abgeleitet, nicht geschätzt. Wer Stufe vier mit 50 Prozent ansetzt, sollte prüfen, welcher Anteil der Geschäfte dieser Stufe in den letzten acht Quartalen tatsächlich abgeschlossen wurde.

Neben den Stufen tragen viele CRM-Systeme Forecast-Kategorien. Üblich sind Commit, Best Case, Pipeline und Omitted. Commit bedeutet, dass der Verkäufer für die Zahl einsteht, Best Case ist der optimistische Fall.

Die Verweildauer je Stufe liefert die beste Frühwarnung. Geschäfte, die länger als das Eineinhalbfache des Medians in einer Stufe stehen, gehören auf die Prüfliste der Vertriebsleitung.

Ein verbreitetes Problem ist die Stufeninflation. Geschäfte werden nach vorn geschoben, damit der Forecast besser aussieht. Gegenmittel sind stichprobenartige Stufenprüfungen und Austrittskriterien, die einen Nachweis verlangen.

Forecast-Methoden und ihre Fehlerquellen

Der Forecast war bis in die 1990er-Jahre eine Tabellenkalkulationsübung der Vertriebsleitung. Daten kamen aus dem Außendienst, die Rechnung entstand am Monatsende. Mit den CRM-Systemen wanderte die Schätzung in die Opportunity selbst.

Heute stehen mehrere Verfahren nebeneinander. Die Wahl hängt davon ab, wie viele abgeschlossene Geschäfte für eine Auswertung vorliegen.

1. Bottom-up: Summe der Opportunity-Werte, ungewichtet oder mit Stufenwahrscheinlichkeit gewichtet, gegliedert nach Commit und Best Case.
2. Top-down: Ableitung aus Marktanteil, Vorjahreswerten, Saisonmuster und Vertriebskapazität.
3. Zeitreihe: gleitender Durchschnitt, lineare Regression oder exponentielle Glättung über die Auftragseingänge der letzten Monate.
4. Kombination: Abgleich von Bottom-up und Top-down, Abweichungen werden begründet statt gemittelt.
5. Modellgestützt: Verfahren im CRM, die Aktivitätsdaten und historische Abschlussquoten verarbeiten.

Fehlerquellen wiederholen sich. Häufig sind systematische Überschätzung durch Commit ohne Prüfung, fehlende Slip Rate, unvollständige Pflichtfelder und Abschlüsse, die auf den letzten Tag eines Quartals fallen.

Die Forecast-Genauigkeit sollte je Monat, je Team und je Verkäufer gemessen werden. Erst eine Reihe über acht Quartale zeigt, ob ein Team strukturell zu hoch oder zu niedrig plant.

Ein Forecast ohne Reaktionsregel bleibt eine Zahl. Sinnvoll ist die Verknüpfung mit einer Schwelle: Bei einer Coverage Ratio unter 2,5 wird Neugeschäft in der obersten Stufe priorisiert, bei einem Commit unter 70 Prozent des Ziels wird die Prüfung der offenen Geschäfte vorgezogen.

Rechenbeispiel: gewichteter Forecast, Coverage und Puffer

Die folgende Beispielrechnung arbeitet mit Beträgen netto ohne Umsatzsteuer. Das Quartalsziel liegt bei 1.200.000 Euro. Bereits gebucht sind 480.000 Euro Auftragseingang, offen sind also 720.000 Euro.

In der offenen Pipeline stehen drei Gruppen: 900.000 Euro in der Stufe Angebot mit 40 Prozent, 500.000 Euro in der Stufe Verhandlung mit 60 Prozent und 200.000 Euro in der Stufe mündliche Zusage mit 80 Prozent.

1. Gewichteter Forecast: 900.000 mal 0,4 ergibt 360.000 Euro, 500.000 mal 0,6 ergibt 300.000 Euro, 200.000 mal 0,8 ergibt 160.000 Euro, Summe 820.000 Euro.
2. Gesamtprognose: 480.000 Euro gebucht plus 820.000 Euro gewichtet ergibt 1.300.000 Euro, also 100.000 Euro über Plan.
3. Coverage Ratio: 1.600.000 Euro offene Pipeline geteilt durch 720.000 Euro offenes Ziel ergibt 2,2.
4. Bereinigung: Bei einer Slip Rate von 15 Prozent sinkt der gewichtete Forecast auf 697.000 Euro, die Gesamtprognose auf 1.177.000 Euro.

Die unbereinigte Zahl signalisiert Zielerreichung, die bereinigte eine Lücke von 23.000 Euro. Genau diese Differenz gehört in die Forecast-Runde, nicht in eine Fußnote.

Dashboards: Ebenen, Rhythmus und Reaktionsregeln

Ein Dashboard ist kein Datenfriedhof. Es beantwortet je Ebene eine begrenzte Zahl von Fragen, und jede Kennzahl bekommt Zielwert, Verantwortlichen und Reaktionsregel.

Die Teamebene arbeitet wöchentlich. Gezeigt werden Aktivitäten der Woche, neu qualifizierte Opportunities, die Verteilung über die Stufen, Ausreißer bei der Verweildauer und die Abschlüsse der Woche. Der Forecast-Call am Montag nutzt genau diese Ansicht.

Die Managementebene arbeitet monatlich. Sie zeigt Auftragseingang, Umsatz netto ohne Umsatzsteuer, gewichteten Forecast, Coverage Ratio, Win Rate und die Forecast-Genauigkeit der letzten acht Quartale.

Eine dritte Ansicht ist die Frühwarnliste. Sie sammelt Geschäfte ohne Aktivität seit 21 Tagen, Abschlussdaten in der Vergangenheit, seit 60 Tagen unveränderte Wahrscheinlichkeiten und Angebote ohne Rückmeldung seit 30 Tagen.

Zur Steuerung gehört die Datenqualität als eigene Kennzahl. Gemessen wird der Anteil der Opportunities mit vollständigen Pflichtfeldern. Ein Zielwert von 95 Prozent ist realistisch, wöchentliche Messung ist wirksamer als ein Quartalsbericht.

Historisch hat sich der Rhythmus beschleunigt. In den 1990er-Jahren wurden diese Auswertungen quartalsweise gedruckt, in den 2000er-Jahren als Tabellenexport verteilt, heute als Dashboard mit Drill-down abgerufen.

Werkzeuge: Salesforce, HubSpot, Tableau im Zusammenspiel

Die Systemlandschaft hat drei Aufgaben: Datenhaltung, Auswertung und Darstellung. Werden sie vermischt, entstehen widersprüchliche Zahlen.

Salesforce führt Opportunities, Stufen, Forecast-Kategorien und Dashboards in einem Datenmodell. Die Konditionen stehen je Edition und Nutzer auf der offiziellen Preisliste der Salesforce Sales Cloud.

HubSpot verbindet Deals, Sequenzen und ein Forecast-Werkzeug in einem Paket, das auch kleinere Teams nutzen. Die Preisübersicht für HubSpot Sales zeigt die Staffelung, die Preisübersicht für das HubSpot CRM den Einstieg ohne Kosten.

Tableau übernimmt die Analyse- und Darstellungsschicht und verbindet CRM-Daten mit ERP- und Buchhaltungsdaten. Die Preisgestaltung von Tableau trennt Nutzerrollen nach Betrachter und Ersteller.

Bei allen drei Anbietern gilt: Die Preise werden je Nutzer und Monat ausgewiesen, die Laufzeit bindet meist über zwölf Monate. Ob Netto- oder Bruttodarstellung gilt, steht auf der jeweiligen Preisseite und ändert sich regelmäßig.

Fachlich entscheidend ist die Rollenverteilung. Das CRM führt die Opportunity, die Analyseebene liest mit. Ein zweiter Opportunity-Bestand in Tabellen gefährdet die Steuerung mehr als jede Modellfrage.

Einführung in 90 Tagen: Checkliste für den Aufbau

Der Aufbau gelingt in drei Phasen. Jede Phase hat ein prüfbares Ergebnis.

Phase eins, Tag 1 bis 30:

1. Kennzahlenkatalog auf höchstens zehn Werte begrenzen und je Wert Ziel, Verantwortlichen und Rhythmus festhalten.
2. Stufenmodell mit fünf bis sieben Stufen und objektiv prüfbaren Austrittskriterien festlegen.
3. Stufenwahrscheinlichkeiten aus den letzten acht Quartalen berechnen.
4. Pflichtfelder im CRM definieren, mindestens Wert, Abschlussdatum, Kategorie und nächster Schritt.
5. Zielwerte je Team und Periode schriftlich fixieren.

Phase zwei, Tag 31 bis 60:

• Forecast-Call montags, 45 Minuten, je Verkäufer drei Geschäfte im Detail.
• Deal Review für Geschäfte oberhalb eines Schwellenwerts, etwa 50.000 Euro netto.
• Wöchentliche Quote vollständiger Opportunities messen und veröffentlichen.

Phase drei, Tag 61 bis 90:

• Forecast-Genauigkeit je Monat und Team berechnen.
• Dashboards auf Team- und Managementebene aufbauen.
• Reaktionsregeln hinterlegen, etwa Pipeline-Aufbau bei einer Coverage Ratio unter 2,5.

Häufige Fragen

Worin unterscheidet sich die Pipeline vom Forecast?

Die Pipeline ist der Bestand aller offenen qualifizierten Geschäfte mit ihrem Bruttowert. Der Forecast ist eine Erwartung über den Abschluss in einem Zeitraum, meist gewichtet und in Kategorien wie Commit und Best Case gegliedert. Die Pipeline beschreibt die Möglichkeit, der Forecast die Wahrscheinlichkeit.

Wie viele Kennzahlen gehören auf ein Vertriebs-Dashboard?

Drei bis sieben je Ebene. Jede Kennzahl braucht Zielwert, Verantwortlichen und Reaktionsregel. Wer zwanzig Werte zeigt, verliert die Steuerungswirkung.

Wie oft sollte der Forecast aktualisiert werden?

Opportunity-Daten laufen täglich ein, die Forecast-Runde findet wöchentlich statt. Die Geschäftsführung sieht monatlich eine verdichtete Version mit dem Genauigkeitsvergleich der letzten acht Quartale.

Warum weicht der gewichtete Forecast regelmäßig vom Ergebnis ab?

Häufige Ursachen sind Stufeninflation, fehlende Slip Rate, Abschlüsse am letzten Quartalstag und unvollständige Pflichtfelder. Wer die Abweichung je Team misst, erkennt systematische Überschätzung und setzt einen Puffer.

Welche Rolle spielt KI im Forecast?

CRM-Anbieter ergänzen regelbasierte Forecasts um Modelle, die Aktivitätsdaten, Verweildauer und historische Abschlussquoten verarbeiten. Der Nutzen hängt an der Datenqualität. Ohne gepflegte Pflichtfelder bleiben auch Modellwerte unzuverlässig.