Wenn die Vergangenheit keine Basis ist: Prognose nach Kundenverlust

Italienischer Hersteller frischer Pasta, 104 Wochen ausgelieferte Kartons, ein Schlüsselkunde mittendrin verloren, mit der Frage nach dem Volumen im Status quo fürs nächste Jahr.

Ein zusammengesetzter Fall, gebaut aus der Art von Datei, die wir fast jede Woche sehen. Ein Hersteller frischer Pasta in der Emilia, rund 140 Beschäftigte, der Supermarktketten in Italien und Österreich beliefert. Eine dieser Ketten, ein Discounter, stellte ihre frische Pasta auf Handelsmarke um und nahm Mitte Dezember 2025 ihre letzte Lieferung ab. Sie hatte rund 18 % des Volumens ausgemacht.

Die Anfrage war dieselbe wie im vorigen Artikel dieser Reihe, fast wörtlich: „Geben Sie uns das nächste Jahr, wenn wir nichts ändern, damit wir sehen, was die neuen Kunden füllen müssen.“

Der Unterschied: Hier lautete die ehrliche Antwort, dass die Datei, so wie sie war, das nicht liefern konnte.

Wie die Datei aussah

104 Wochenzeilen, Oktober 2024 bis September 2026, eine Spalte: ausgelieferte Kartons insgesamt. Vor dem Bruch etwa 180.000 Kartons im Monat, danach etwa 146.000. Eine saubere Stufe, für jeden sichtbar, der zwei Sekunden auf die Grafik schaute.

Zwei Dinge standen nicht in der Datei. Es gab keine Spalte, die sagte, an welchen Kunden die Kartons gingen, also war der Verlust für jedes Modell, das sie las, unsichtbar. Und es gab nach dem Bruch nur 38 Wochen, weniger als ein volles Jahr, sodass das verbliebene Geschäft nie durch ein Weihnachten beobachtet worden war.

Was die Basis gemacht hat, und warum es falsch ist

Die Basisprognose schätzt Holt-Winters: ein Niveau, einen Trend und eine 52-Wochen-Saison, so geglättet, dass jüngere Wochen mehr wiegen. Es ist ein gutes Werkzeug für ein Geschäft, das sich im nächsten Jahr ungefähr so verhält wie in den letzten zwei. Dieses hier war in zwei Jahren zwei Geschäfte gewesen.

Mit der Datei so gefüttert, wie sie war, tat das Modell genau das, wofür es gebaut ist. Es sah das Niveau in wenigen Wochen um ein Fünftel fallen und hatte zwei Wege, das zu erklären: eine Niveauverschiebung oder einen Trend. Exponentielle Glättung kennt den Unterschied zwischen „ein Kunde ist gegangen“ und „die Nachfrage bröckelt“ nicht, also ging ein Teil des Rückgangs in den Trendterm, und der Trendterm wird nach vorn projiziert. Die Prognose fiel weiter, Monat für Monat, und landete im nächsten Jahr bei 1,57 Mio. Kartons: rund 10 % unter den 1,75 Mio., auf denen das Geschäft seit Januar bereits lief.

Auch die Saison war falsch. Die Weihnachtsspitze der Prognose war vor allem aus dem Dezember 2024 gelernt, als der Discounter noch Kunde war und für die Feiertage kräftig bestellte. Das Modell projizierte das Weihnachten eines anderen.

Und das 95-%-Intervall war breit, was nach Ehrlichkeit aussehen mag. Es war nicht die richtige Art. Ein Intervall beschreibt das Rauschen, das das Modell um seine eigene Geschichte gesehen hat. Wenn die Geschichte falsch ist, macht ein breites Band sie nicht richtig; es macht es nur schwerer, ihr zu widersprechen.

Was schiefgegangen wäre, hätte man es erzwungen

Auf 1,57 Mio. zu planen, hätte das Ziel für Neukunden rund 180.000 Kartons zu hoch gesetzt, weil die Lücke einen Rückgang enthalten hätte, der nie stattfand. Der Vertrieb hätte Volumen gejagt, um ein Loch zu füllen, das zum Teil aus Arithmetik bestand. Schlimmer: Im nächsten Jahr hätte das Geschäft seine Basis bequem übertroffen und geschlossen, die neuen Kunden hätten geliefert, während der größte Teil des „Übertreffens“ der eigene Fehler der Prognose war.

Die entgegengesetzte Abkürzung ist nicht besser. Nur die 38 Wochen nach dem Bruch zu schätzen, ergibt ein Modell ganz ohne Saison, weil es nie einen Dezember ohne den Discounter gesehen hat. Es würde die Weihnachtsproduktion auf eine Durchschnittswoche planen.

Was stattdessen zu tun ist

Die Lösung lag nicht im Modell. Sie lag in der Datei.

1. Die Reihe vergleichbar neu aufbauen. Das Fakturierungssystem wusste genau, was der Discounter jede Woche gekauft hatte. Das von allen 104 Wochen abzuziehen, ergab die Historie des Geschäfts, das noch existiert, mit zwei vollen Weihnachten darin. Neu aufgebaut wächst dieses Geschäft um etwa 2 % im Jahr, mit einer sauberen Dezemberspitze. Das ist eine Basis.
2. Die Basis auf der neu aufgebauten Reihe schätzen. Das nächste Jahr kam auf 1,84 Mio. Kartons, rund 2 % über der vergleichbaren Historie, mit einem Intervall von wenigen Prozent in beide Richtungen. Nicht aufregend. Richtig, soweit zwei Jahre das sagen können.
3. Den Ersatz getrennt planen. Neue Kunden kommen obendrauf, als eigene Linie, mit eigener Unsicherheit. Sie sind eine Vertriebsentscheidung, kein Teil des Status quo.

Lässt sich der Schock nicht so sauber herausrechnen, etwa bei einem Fabrikbrand, der die Produktion sechs Wochen stoppte, sind die Optionen ähnlich: die verlorenen Wochen durch eine Schätzung ersetzen und das sagen, oder zur Zeitreihe (ARIMA) wechseln und den Schock explizit mit einer Dummy-Variable modellieren, was nur funktioniert, wenn es auf beiden Seiten genug Wochen gibt. Geht beides nicht, ist die ehrliche Basis ein schriftlich festgehaltenes Urteil mit seinen Gründen, neu geschätzt, sobald ein volles Jahr nach dem Schock vorliegt.

Die Lehre

Eine Basis extrapoliert die Vergangenheit, also erbt sie alles, was die Vergangenheit enthält. Enthält die Historie ein Ereignis, das sich nicht wiederholt, trägt das Modell es weiter, als wäre es das Geschäft. Bevor Sie fragen, wie das nächste Jahr aussieht, wenn sich nichts ändert, prüfen Sie, ob die letzten zwei Jahre dasselbe Geschäft waren. Waren sie es nicht, bauen Sie zuerst die Historie neu auf: Diesen Schritt kann Ihnen keine Prognosemethode abnehmen.