Spend Forecast

Der Spend Forecast bezeichnet die prognostizierte Entwicklung der Beschaffungsausgaben pro Warengruppe, Kostenstelle oder Lieferant über einen Planungshorizont von typischerweise 12 bis 24 Monaten. Er gehört seit den 1990er-Jahren zu den Kernergebnissen der Spend-Analyse und liefert die Datenbasis für Budgetierung, Sourcing-Wave-Pläne und Verhandlungsstrategien. Anders als die rückwärtsgerichtete Spend-Analyse modelliert der Spend Forecast zukünftige Ausgaben unter Berücksichtigung von Volumenentwicklung, Indexpreisen, Vertragslaufzeiten und makroökonomischen Annahmen.

Detaillierte Erklärung

Die BME-Trendstudie 2024 weist aus, dass 71 Prozent der DACH-Einkaufsorganisationen den Spend Forecast inzwischen rollierend monatlich aktualisieren; im Jahr 2020 lag dieser Anteil noch bei 38 Prozent. Deloitte berichtet im Global CPO Survey 2025, dass über 22 Prozent der Chief Procurement Officer mehr als 1 Million US-Dollar in generative KI- und Machine-Learning-Anwendungen investieren, mit Schwerpunkt auf Bedarfsprognose und Preisprognose über 12-Monats-Horizonte. Typische Modelle kombinieren ARIMA, Prophet oder Gradient-Boosting-Verfahren mit externen Signalen wie LME-Notierungen, EUR/USD-Kursen und Erzeugerpreisindex des Statistischen Bundesamts. Die Qualität eines Spend Forecast wird über MAPE (Mean Absolute Percentage Error) gemessen; Best-in-Class-Organisationen erreichen laut Hackett Group im Jahr 2024 Werte unter 7 Prozent auf Warengruppenebene, der Median liegt bei 14 Prozent. Inputs sind ERP-Daten aus SAP S/4HANA, Microsoft Dynamics 365 oder Oracle Procurement Cloud, ergänzt um Vertragsdaten aus dem CLM und externe Marktdaten von Anbietern wie S&P Commodity Insights oder Argus Media. Anwendungsfälle reichen von der Budgetplanung über die Identifikation von Inflations-Hotspots bis zur Priorisierung von Sourcing-Events bei Warengruppen mit erwarteten Preissteigerungen über 5 Prozent. Methodische Bezugsrahmen sind die DIN EN ISO 9001:2015 für die Planungs-Steuerung sowie die GoBD-Schreiben des Bundesfinanzministeriums vom 28.11.2019 für die Prognose-Dokumentation.

Praxisbeispiel (konkretes Einkaufsszenario)

Ein nordrhein-westfälischer Spezialchemie-Konzern mit 2.840 Mitarbeitern und 480 Mio. EUR Beschaffungsvolumen führt 2026 ein rollierendes Spend-Forecast-Modell auf Sievo-Basis ein. Datenbasis: 38 Monate ERP-Historie aus SAP S/4HANA, 240 aktive Verträge aus dem CLM, 14 externe Markt-Indizes. Modell-Architektur: ARIMA für mengenstabile Warengruppen, Prophet mit Saisonalität für Verpackung und Zusatzstoffe, Gradient-Boosting mit externen Signalen für volatile Rohstoff-Kategorien wie Polymer-Grundstoffe. Setup-Aufwand 7 Monate, Implementierungs-Budget 540.000 EUR plus 220.000 EUR Tool-Lizenz pro Jahr. Ergebnis nach 14 Monaten: MAPE im Konzern-Durchschnitt 8,4 Prozent, in den Top-10-Warengruppen unter 6 Prozent. Im 4. Quartal 2026 identifiziert das Modell drei Inflations-Hotspots in Höhe von 18,4 Mio. EUR Spend mit erwarteten Preissteigerungen über 6 Prozent — der CPO startet drei priorisierte Sourcing-Wellen, die einen kumulierten Vermeidungs-Effekt von 4,1 Mio. EUR realisieren. Der ROI des Forecast-Tools liegt damit nach 18 Monaten bei 5,4-fach gegenüber dem Investment.

Typische Fehler & Verhandlungskontext

Der erste Fehler ist die Vermischung von Forecast und Modell-Szenarien. Spend Forecast ist die Vorhersage der unveränderten Zukunft auf Basis von Trend, Saisonalität und Marktpreis-Index, während Spend Modelling explizit nach den Folgen einer aktiven Veränderung fragt. Wer beide Sichten in derselben Datei rechnet, mischt Treiber-Logik und macht weder die eine noch die andere Auswertung sauber nachvollziehbar. Der BME empfiehlt im Mustermodell Spend-Steuerung 2024 eine strikte Trennung in eigenen Datenmodellen und Dashboards. Der zweite Fehler ist die fehlende externe Markt-Signale. Ein Spend Forecast nur auf ERP-Historie ohne Indexpreise, Wechselkurse und Konjunktur-Indikatoren produziert glatte Kurven, die bei Markt-Verwerfungen wie Rohstoff-Schocks oder Wechselkurs-Bewegungen systematisch falsch liegen. Der dritte Fehler ist die Punkt-Schätzung ohne Konfidenz-Intervall. Ein Forecast-Wert von 18,4 Mio. EUR ohne 5-Prozent- und 95-Prozent-Quantil ist methodisch unvollständig — die Spannweite zwischen Best-Case und Worst-Case ist für Sourcing-Priorisierung wichtiger als der Punktwert. Verhandlungskontext: Bei [[indexkopplung-rohstoffe]] in Rahmenverträgen muss der Spend Forecast die Kopplungs-Logik explizit modellieren, damit Verhandlungs-Reservepreise und [[walk-away-point]] korrekt definiert werden können.

Verwandte Begriffe

Der Spend Forecast baut auf [[spend-analyse]], [[spend-cube]] und [[spend-visibility]] auf und ist die zukunftsgerichtete Ergänzung zur historischen Sicht. Er ist methodisch abzugrenzen von [[spend-modelling]] und [[what-if-analyse-einkauf]], die alternative Szenarien rechnen. Auf Tool-Seite wird er in [[procurement-analytics]], [[predictive-procurement]] und [[saas-procurement-suite]] abgebildet, mit Daten-Quellen aus [[sap-mm-detail]], [[microsoft-dynamics-365-einkauf]] und [[oracle-procurement-cloud]]. Externe Markt-Signale liefern [[commodity-hedging]] und [[indexkopplung-rohstoffe]]. Operativ verzahnt er sich mit [[bedarfsfenster]], [[nachfrageprognose]], [[forecast-accuracy]] und [[forecast-bias]] sowie mit [[sourcing-wave-plan]] und [[warengruppenstrategie]] in der Sourcing-Priorisierung.