{"id":229115,"date":"2026-05-15T11:33:44","date_gmt":"2026-05-15T09:33:44","guid":{"rendered":"https:\/\/www.ak-online.de\/?p=229115"},"modified":"2026-05-15T11:35:21","modified_gmt":"2026-05-15T09:35:21","slug":"forecast-value-added-fva","status":"publish","type":"post","link":"https:\/\/www.ak-online.de\/de\/forecast-value-added-fva\/","title":{"rendered":"Forecast Value Added (FVA)"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t

Forecast Value Added (FVA)<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Forecast Value Added (FVA) beschreibt die systematische Messung, ob einzelne Schritte innerhalb eines Forecast-Prozesses die Prognosequalit\u00e4t tats\u00e4chlich verbessern oder verschlechtern.<\/p>\n

Dabei wird analysiert, welchen Beitrag beispielsweise:<\/p>\n

    \n
  • statistische Forecasts<\/li>\n
  • Vertriebsanpassungen<\/li>\n
  • Marktinformationen<\/li>\n
  • Managementkorrekturen<\/li>\n
  • Konsensrunden im S&OP<\/li>\n<\/ul>\n

    zur finalen Prognose leisten.<\/p>\n

    Der Grundgedanke ist einfach: Nicht jede manuelle Anpassung macht einen Forecast besser.<\/p>\n

    Die Messung des FVA ist insbesondere dann wichtig, wenn Prognosen in mehreren Schleifen diskutiert und angepasst werden. Oft entsteht dabei erheblicher Aufwand, ohne dass sich die Prognoseg\u00fcte messbar verbessert.<\/p>\n

    Forecast Value Added schafft die notwendige Transparenz:<\/p>\n

      \n
    • Welche Planungsschritte echten Mehrwert schaffen<\/li>\n
    • Wo eventuell sogar systematische Verschlechterungen entstehen<\/li>\n
    • Welche Meetings oder Abstimmungen tats\u00e4chlich wirksam sind<\/li>\n<\/ul>\n

      Damit wird FVA zu einem wichtigen Instrument f\u00fcr die Weiterentwicklung von S&OP-Prozessen. Gerade in etablierten S&OP-Organisationen entsteht dadurch h\u00e4ufig die \u00fcberraschende Erkenntnis, dass mehr Abstimmung nicht automatisch bessere Planung bedeutet.<\/p>\n

      Der urspr\u00fcngliche akademische Ansatz des Forecast Value Added bewertet dabei prim\u00e4r, ob einzelne Prozessschritte die statistische Prognoseg\u00fcte verbessern oder verschlechtern. Typischerweise werden daf\u00fcr Kennzahlen wie Forecast Accuracy, MAPE oder Bias verwendet.<\/p>\n

      Aus Sicht der Supply Chain greift diese Betrachtung allerdings h\u00e4ufig zu kurz.<\/p>\n

      Eine h\u00f6here Prognosegenauigkeit ist kein Selbstzweck. Entscheidend ist vielmehr, ob sich durch die Planung die operative und wirtschaftliche Performance verbessert, beispielsweise durch:<\/p>\n

        \n
      • geringere Best\u00e4nde<\/li>\n
      • h\u00f6here Lieferbereitschaft<\/li>\n
      • weniger Obsoleszenz<\/li>\n
      • stabilere Produktionsprogramme<\/li>\n
      • geringere Sonderfrachten<\/li>\n
      • weniger Nervosit\u00e4t in der Supply Chain<\/li>\n
      • niedrigere Gesamtkosten<\/li>\n<\/ul>\n

        Genau hier liegt in der Praxis h\u00e4ufig die eigentliche Herausforderung: Ein Forecast kann statistisch \u201ebesser\u201c werden, ohne dass sich die operative Supply Chain verbessert \u2014 teilweise sogar im Gegenteil.<\/p>\n

        So kann beispielsweise:<\/p>\n

          \n
        • eine aggressive Gl\u00e4ttung den MAPE verbessern, gleichzeitig aber Fehlteile bei Nachfragespitzen erzeugen,<\/li>\n
        • ein bewusst h\u00f6her geplanter Vertriebsforecast formal die Prognoseg\u00fcte verschlechtern, gleichzeitig jedoch Lieferausf\u00e4lle verhindern,<\/li>\n
        • oder eine h\u00f6here Forecast Accuracy zu h\u00e4ufigeren Plan\u00e4nderungen und damit zu mehr Instabilit\u00e4t in Produktion und Beschaffung f\u00fchren.<\/li>\n<\/ul>\n

          Forecast Value Added sollte deshalb nicht isoliert als statistische Kennzahl verstanden werden. Wesentlich wichtiger ist die Frage, ob ein Planungsschritt tats\u00e4chlich zur Verbesserung der gesamten Supply-Chain-Performance beitr\u00e4gt.<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t

          \n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t
          \n\t\t\t\t\t\t\t\t\t

          Unser Tipp:<\/strong><\/p>\n

          \u00a0<\/p>\n

          Verwenden Sie den statistischen Forecast als Referenz<\/strong><\/p>\n

          \u00a0<\/p>\n

          Die Messung des FVA funktioniert nur mit einer neutralen Ausgangsbasis. Der statistische Forecast bildet dabei den Vergleichsma\u00dfstab f\u00fcr alle sp\u00e4teren Eingriffe.<\/p>\n

          \u00a0<\/p>\n

          Messen Sie Prognosefehler konsistent<\/strong><\/p>\n

          \u00a0<\/p>\n

          Unterschiedliche Kennzahlen f\u00fchren schnell zu Diskussionen. Sie sollten deshalb einen klaren Standard f\u00fcr die Messung der Prognosequalit\u00e4t definieren. Daf\u00fcr sollten Sie nicht die in der Praxis beliebte Kennzahl MAPE verwenden, sondern besser MAE oder RMSE. Zum besseren Verst\u00e4ndnis sei hier auf die aufschlussreichen Ver\u00f6ffentlichungen von Nikolaus Vandeput hingewiesen.<\/p>\n

          \u00a0<\/p>\n

          Achten Sie nicht nur auf Genauigkeit, sondern auch auf Lieferbereitschaft und Best\u00e4nde<\/strong><\/p>\n

          \u00a0<\/p>\n

          Manche Unternehmen entwickeln hochkomplexe Kennzahlen zur Messung der Prognoseg\u00fcte. Das kann nicht nur die Komplexit\u00e4t steigern, sondern f\u00fchrt irgendwann auch dazu, dass niemand mehr richtig versteht, wie der Wert zustande kommt.<\/p>\n

          Wichtiger noch: Der eigentliche Zweck einer guten Prognose besteht nicht darin, eine m\u00f6glichst hohe Forecast Accuracy zu erzielen. Ziel ist vielmehr, die gew\u00fcnschte Lieferbereitschaft mit m\u00f6glichst wenig Bestand und m\u00f6glichst geringen Kosten sicherzustellen.<\/p>\n

          F\u00fcr dieses Ziel spielt nicht nur die Prognosegenauigkeit eine Rolle, sondern auch die Qualit\u00e4t der Sicherheitsbestandsdimensionierung. Eine hohe Prognoseg\u00fcte kombiniert mit einem ungeeigneten Sicherheitsbestand kann zu geringerer Lieferbereitschaft und h\u00f6heren Best\u00e4nden f\u00fchren als eine etwas schlechtere Prognose mit passend ausgelegtem Sicherheitsbestand.<\/p>\n

          \u00a0<\/p>\n

          Verwenden Sie FVA prim\u00e4r zur Identifikation von Ineffizienzen im Prognoseprozess<\/strong><\/p>\n

          \u00a0<\/p>\n

          Forecast Value Added sollte aus unserer Sicht weder als Disziplinierungsinstrument noch als isolierte Zielgr\u00f6\u00dfe f\u00fcr kontinuierliche Optimierung verstanden werden.<\/p>\n

          In der Praxis wird h\u00e4ufig schnell der Punkt erreicht, an dem der Aufwand zur weiteren Verbesserung der Prognosegenauigkeit in keinem sinnvollen Verh\u00e4ltnis mehr zum tats\u00e4chlichen Nutzen steht.<\/p>\n

          Nach unserer Erfahrung ist es kontraproduktiv, Forecast Value Added oder Prognosegenauigkeit als Instrument zur Kontrolle einzelner Personen zu verwenden. Dies f\u00fchrt regelm\u00e4\u00dfig dazu, dass sowohl die Akzeptanz der Kennzahl als auch die Qualit\u00e4t des gesamten Planungsprozesses leiden.<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t

          \n\t\t\t\t\t
          \n\t\t\t\t
          \n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

          Forecast Value Added (FVA) beschreibt die systematische Messung, ob einzelne Schritte innerhalb eines Forecast-Prozesses die Prognosequalit\u00e4t tats\u00e4chlich verbessern oder verschlechtern. Dabei wird analysiert, welchen Beitrag beispielsweise: statistische Forecasts Vertriebsanpassungen Marktinformationen Managementkorrekturen Konsensrunden im S&OP zur finalen Prognose leisten. Der Grundgedanke ist einfach: Nicht jede manuelle Anpassung macht einen Forecast besser. Die Messung des FVA ist<\/p>\n","protected":false},"author":25,"featured_media":38685,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[20],"tags":[],"class_list":["post-229115","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-newsletter"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.ak-online.de\/de\/wp-json\/wp\/v2\/posts\/229115","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ak-online.de\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ak-online.de\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ak-online.de\/de\/wp-json\/wp\/v2\/users\/25"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ak-online.de\/de\/wp-json\/wp\/v2\/comments?post=229115"}],"version-history":[{"count":5,"href":"https:\/\/www.ak-online.de\/de\/wp-json\/wp\/v2\/posts\/229115\/revisions"}],"predecessor-version":[{"id":229127,"href":"https:\/\/www.ak-online.de\/de\/wp-json\/wp\/v2\/posts\/229115\/revisions\/229127"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ak-online.de\/de\/wp-json\/wp\/v2\/media\/38685"}],"wp:attachment":[{"href":"https:\/\/www.ak-online.de\/de\/wp-json\/wp\/v2\/media?parent=229115"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ak-online.de\/de\/wp-json\/wp\/v2\/categories?post=229115"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ak-online.de\/de\/wp-json\/wp\/v2\/tags?post=229115"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}