Wer kennt die Aussagen nicht: »Der Business Case lohnt sich!« oder »Das neue digitale Geschäftsmodell hat großes Potenzial«. Doch nicht selten stecken hinter solchen Phrasen nur ein Bauchgefühl und damit einhergehend überzogene Erwartungen der Verantwortlichen. Das Problem: Oft schenken Manager*innen der Berechnung von Business Cases zu wenig Beachtung. Die zuverlässige Berechnung zukünftiger Ereignisse ist schwierig und viele Projekte scheitern aufgrund falscher Annahmen.

Daten statt Bauchgefühl

Aber nun von vorn. Unter einem Business Case versteht man ein Szenario, um zukünftige Investitionen besser beurteilen zu können. Grundsätzlich kann das vieles sein. Nehmen wir beispielsweise die Beurteilung eines neuen Geschäftsmodells im Bereich der Künstlichen Intelligenz: Um als Unternehmer das Investitionsrisiko besser einschätzen zu können, muss das Geschäftsszenario – in unserem Fall eine Anwendung mit Künstlicher Intelligenz – in Hinblick auf seine Rentabilität untersucht werden. Mit anderen Worten: Das Projekt muss unter strategischen und betriebswirtschaftlichen Kriterien bewertet und den Risiken gegenübergestellt werden.

In der Praxis ist die Excel-Tabelle bestehend aus Umsatzpotenzial, Kostenübersicht, Kennzahlen, Break-Even-Analysen und daraus resultierenden Entwicklungsszenarien schnell zusammengestellt. Oft hakt es allerdings nicht an der Berechnung, sondern an den zugrunde gelegten Annahmen, die eben häufig eher einem Bauchgefühl als einer soliden Datenquelle entstammen.

Wie groß ist das Marktpotenzial?

Zur Einschätzung der zukünftigen Investition ist das Marktpotenzial von entscheidender Bedeutung – eine Zahl, die idealerweise in Kundengruppen und Regionen heruntergebrochen werden kann. Aber woher bekomme ich diese Daten? Im B2C-Bereich (also dem Geschäft mit Privatpersonen) können oftmals Marktforschungsdaten zugekauft werden. Gerade bei Konsumgütern gibt es sogenannte Handels- oder Verbraucherpanels, welche den Markt regelmäßig und repräsentativ beobachten. Im B2B-Bereich (der Geschäftsbeziehung zwischen Unternehmen) sind solche Daten hingegen oft nicht verfügbar. Die Erhebung der Daten für eine zuverlässige Berechnung ist somit schwierig. In der Praxis kommen Unternehmen aus nachvollziehbaren Kosten- und Zeitgründen genau an dieser Stelle zur Annahme von (falschen) Parametern.

Nehmen wir die einfache Berechnung des Marktvolumens, das sich zusammensetzt aus der Anzahl der Käufer, der Menge sowie dem Preis. In Bezug auf unser zuvor genanntes Beispiel eines neuen Geschäftsmodells mit Künstlicher Intelligenz stellen sich somit die Fragen:

  • Wie viele Käufer*innen interessieren sich für die neuartige KI-Anwendung?
  • Wie umfassend wird das Produkt in Unternehmen eingesetzt und was ist ein Kunde bereit für KI zu bezahlen?

Erschwerend kommt hinzu: Der Nutzwert von neuartigen Technologien wie Künstlicher Intelligenz ist nicht einfach zu bestimmen. Neben möglichem Umsatzwachstum und Kostensenkungspotenzialen gilt es, nicht-monetäre Aspekte zu berücksichtigen, wie beispielsweise die »Technologieführerschaft«.

Werden bei der Erstellung des Business Cases unwissentlich falsche Werte festgelegt, kann das dramatische Folgen für das Projekt sowie das Unternehmen haben. Denn die final vorgelegte Prognose wird von Manager*innen nur selten hinterfragt – ebenfalls aus Zeit und Komplexitätsgründen. Für viele Entscheider*innen reicht es, wenn sie exponentielles Wachstum des zukünftigen Geschäftsmodells sehen: Den sogenannten »Hockey-Stick«. Und so werden aus fiktiven Annahmen reale Probleme.

Wenn Sie eine Sache aus diesem Blogbeitrag mitnehmen, dann ist es bitte folgende: Annahmen in einem Business Case müssen empirisch validiert werden. Dies ist für einen realistischen Business Case unerlässlich und kann dem Unternehmen viel Zeit und Geld einsparen!

Es gibt eine Reihe von Möglichkeiten, realgetreue Annahmen zu erhalten:

  • Befragung von Abnehmern oder Distributoren ähnlicher Produkte in einem definierten Zeitraum
  • Interviews mit Expert*innen aus der Branche
  • Kennzahlen vergleichbarer Unternehmen verwenden (Geschäftsberichte, Bundesanzeiger.de)
  • Vorhandenes Datenmaterial nutzen (Bestehende wissenschaftliche Studien, Publikationen, Fachbeiträge sowie Statistiken und Datenbanken)

Es gilt der Grundsatz: Niemals nur eine der genannten Vorgehensweisen verwenden. Annahmen sollten immer aus mehreren Perspektiven beleuchtet werden.

Um besonders relevante Kenngrößen in der Berechnung zu identifizieren, ist meist zusätzlich eine Sensitivitätsanalyse sinnvoll. Mit ihr lässt sich ermitteln, wie stark eine prozentuale Änderung des Wertes das Gesamtergebnis beeinflusst. Kenngrößen mit großer Hebelwirkung sollten besonders akribisch abgeleitet und recherchiert werden.

Wenn Sie mehr über unsere Vorgehensweise zur empirischen Validierung von Business Case-Annahmen und derer Berechnung erfahren möchten, kontaktieren Sie mich gerne.






Philipp Christel

Philipp Christel ist wissenschaftlicher Mitarbeiter des Forschungs- und Innovationszentrums Kognitive Dienstleistungssysteme KODIS, dem Standort des Fraunhofer IAO am Bildungscampus in Heilbronn. Er beschäftigt sich mit datenbasierten Service-Produkten, Business Development & digitalen Geschäftsmodellen und interessiert sich insbesondere für Fragestellungen rund um das Thema Künstliche Intelligenz.

Autorenprofil - LinkedIn



Kategorien: New Work / Connected Work
Tags: , ,