# What-If-Analysis-Tool: Praktischer Leitfaden für Unternehmensentscheidungen

> Was ein what-if analysis tool ist, wie es funktioniert und warum KMU es für Szenarien, Risiko und Forecast nutzen. Erfahre, wie du es auswählst und integrierst.

Source: https://www.electe.net/de/beitrag/what-if-analysis-tool

Site guide: https://www.electe.net/de/llms.txt

Morgens schaust du auf die Preisliste, die Margen und die Auftragswarteschlange, dann kommt die Frage, die jeder Vertriebs- oder Finance-Verantwortliche gut kennt, **was passiert, wenn ich den Preis erhöhe, alles unverändert lasse oder die Promotion ändere**? Die richtige Antwort entsteht nicht allein aus dem Bauchgefühl, denn jede Entscheidung zu Pricing, Lagerbestand oder Forecast ist bereits ein Experiment über die Zukunft. Ein **what-if analysis tool** dient genau dazu, den Zweifel in eine lesbare Simulation zu verwandeln, damit du die Konsequenzen siehst, bevor du handelst.

Für ein KMU geht es nicht darum, mehr Daten zu haben als alle anderen. Es geht darum, eine einfache Methode zu haben, um Hypothesen zu prüfen, Szenarien zu vergleichen und zu verstehen, welche Variablen das Endergebnis wirklich beeinflussen. Microsoft Excel hat diese Logik seit Jahren vertraut gemacht, mit nativen Werkzeugen wie **Szenarien**, **Zielwertsuche** und **Datentabellen** [wie von Microsoft erklärt](https://support.microsoft.com/en-us/excel/introduction-to-what-if-analysis). IBM beschreibt es als eine Technik der strategischen Planung, die von einer **Baseline** ausgeht und Szenarien mit unterschiedlichen Annahmen aufbaut [IBM](https://www.ibm.com/think/topics/what-if-analysis). Wenn du von der Reaktion zur Antizipation übergehen willst, findest du hier einen praktischen Leitfaden, ohne unnötigen Fachjargon.

## Warum jede Unternehmensentscheidung ein Experiment ist

Ein Vertriebsleiter entscheidet, ob er die Preise erhöht. Ein Einkäufer fragt sich, ob er vor der Saisonspitze mehr Bestand ordern soll. Ein CFO muss verstehen, ob der Forecast eine Zahlungsverzögerung verkraftet. In allen drei Fällen ist die Entscheidung nie isoliert, denn jeder Hebel wirkt auf Margen, Cash und operative Zeiten.

### Vom Zweifel zur Simulation

Italienische KMU arbeiten oft gut in Sachen Reaktionsfähigkeit, aber Reaktionsfähigkeit allein reicht nicht, wenn sich Kosten ändern oder die Nachfrage sich schnell bewegt. Hier verändert das **what-if analysis tool** die Denkweise, denn es zwingt dich, Annahmen explizit zu machen, statt dich nur auf das Bauchgefühl des Moments zu verlassen. Es ist ein Schritt, der nur scheinbar einfach ist, aber in der Praxis sehr wirkungsvoll.

IBM beschreibt what-if analysis als eine Technik der strategischen Planung, die die Eingaben in Formeln verändert, um unterschiedliche Szenarien zu modellieren, und empfiehlt, von einer **Baseline** auszugehen und mehrere Szenarien mit unterschiedlichen Annahmen aufzubauen [IBM](https://www.ibm.com/think/topics/what-if-analysis). Dieser Ansatz funktioniert gut in KMU, weil er den Vergleich konkret macht. Du fragst nicht mehr, „Was glaube ich, wird passieren?“, du fragst, „Was passiert, wenn sich diese Variable ändert, und was kostet mich das Warten?“

> **Faustregel:** Wenn eine Entscheidung Preis, Menge, Zeitpläne oder Risiko verändern kann, verdient sie mindestens ein alternatives Szenario.

### Warum das Problem nicht der Datenmangel ist

Viele Unternehmen haben bereits die richtigen Zahlen in Excel, im Verwaltungssystem oder im CRM. Das Problem ist, dass diese Zahlen in getrennten Tabellen stehen bleiben, ohne eine Struktur, die die mögliche Zukunft zeigt. Eine gute Methode der Szenarioanalyse tut genau das, sie verbindet historische Daten mit den operativen Konsequenzen.

Wenn du heute noch mit manuellen Tabellen arbeitest, kann dir auch eine praktische Lektüre über [Automatisierung von Tabellenkalkulationen für die](https://www.electe.net/post/fogli-di-calcolo) helfen, denn der eigentliche Sprung ist nicht das Tabellenblatt an sich, sondern die Fähigkeit, es mit weniger wiederholenden Eingriffen mitdenken zu lassen. Das Ergebnis ist ein lesbarerer, schnellerer Prozess, der weniger vom Gedächtnis desjenigen abhängt, der die Datei aktualisiert.

## Was ein what-if analysis tool ist und wie es wirklich funktioniert

Ein **what-if analysis tool** ist eine Umgebung, die ein Modell nimmt, einen oder mehrere Inputs verändert und zeigt, wie sich die Outputs bewegen. Man muss nicht technisch denken, um es zu verstehen. Wenn du den Preis änderst, berechnet das System die Marge neu, wenn du die Lieferzeiten änderst, berechnet es die Bestandsdeckung neu, wenn du den Zinssatz änderst, berechnet es die Auswirkungen auf das Portfolio neu.

### Input, Modell, Szenarien und Output

Der Mechanismus stützt sich auf vier sehr einfache Blöcke.

- **Input.** Das sind die Variablen, die du ändern kannst, zum Beispiel Preis, Menge, Versandkosten oder Zinssatz.
- **Modell.** Das ist die Logik, die die Inputs mit den Ergebnissen verbindet, das kann eine Tabellenkalkulation, eine Formel oder ein Algorithmus sein.
- **Szenarien.** Das sind unterschiedliche Kombinationen von Werten, zum Beispiel best, worst und most likely.
- **Output.** Das sind die Ergebnisse, die du vergleichst, wie Marge, Umsatz, Cash oder Risiko.

Diese Struktur ähnelt eher einem Flugsimulator als einem statischen Bericht. Der Pilot testet nicht wirklich alle Flugbahnen in der realen Welt, sondern simuliert die Alternativen, bevor er die sicherste oder effizienteste auswählt. Nach derselben Logik musst du die Zukunft nicht „erraten“, du musst sehen, wie sich das Ergebnis verändert, wenn du an einem bestimmten Hebel drehst.

> Ein Forecast beantwortet „was passiert, wenn ich nichts ändere“. Das What-if beantwortet „was passiert, wenn ich etwas ändere“.

### Simulation und Forecast sind nicht dasselbe

KMU verwechseln oft die beiden Konzepte. Der Forecast verlängert die Gegenwart, geht von Trends aus und versucht, den weiteren Verlauf zu schätzen. Die What-if-Simulation dagegen verändert bewusst eine Annahme, um die Wirkung zu messen.

Microsoft erklärt, dass das Tool **What-If-Szenario** die Muster in vorhandenen Daten analysiert und es ermöglicht, die Auswirkung von Änderungen in einer Spalte auf den Wert einer anderen Spalte zu bewerten, wobei Änderungen als bestimmter Wert oder als prozentuale Erhöhung oder Verringerung festgelegt werden können [Microsoft](https://learn.microsoft.com/hu-hu/previous-versions/sql/2014/analysis-services/what-if-scenario-table-analysis-tools-for-excel?view=sql-server-2014). Das ist die gemeinsame Grundlage jedes ernstzunehmenden Tools, von Excel bis zu einer KI-Plattform. Wenn du dieses Schema verstehst, erkennst du die Logik auch dann wieder, wenn sich die Oberfläche ändert.

## Die drei historischen Grundlagen der Szenarioanalyse in Excel

Ein Vertriebsleiter öffnet Excel, um zu verstehen, was mit der Marge passiert, wenn sich der Preis ändert. Ein anderer, im Finance-Bereich, will prüfen, welcher Einnahmenstand nötig ist, um eine Fixkosten zu decken. In beiden Fällen ist die Frage dieselbe: Das Modell ändert einen Input und beobachtet, wie sich das Ergebnis bewegt.

Microsoft beschreibt die **What-If-Analyse** als den Prozess, Werte in Zellen zu ändern, um zu sehen, wie sich die Ergebnisse von Formeln verändern, und nennt drei native Tools: **Szenarien**, **Zielwertsuche** und **Datentabellen**. Diese Grundlage zählt, weil sie eines klar macht: Die Szenarioanalyse entstand nicht mit der KI, sondern mit der täglichen Arbeit an Tabellenkalkulationen.

### Szenarien, Zielwertsuche und Datentabellen

**Szenarien** sind nützlich, wenn du mehrere Sätze von Inputs speichern und die Ergebnisse vergleichen willst. Das ist die richtige Wahl, wenn du unterschiedliche Pläne bewertest, zum Beispiel vorsichtig, mittel und aggressiv. In einem Einzelhandelsgeschäft kann das bedeuten, eine leichte Promotion, eine mittlere Rabattkampagne und einen stärkeren Preisnachlass zu vergleichen, ohne das Modell jedes Mal von Grund auf neu zu erstellen.

Die **Zielwertsuche** funktioniert umgekehrt. Du gehst vom gewünschten Ergebnis aus und lässt das Tabellenblatt den nötigen Input-Wert berechnen, um dorthin zu gelangen. Für einen KMU-Unternehmer ist das nützlich, wenn der Zielpunkt klar ist, etwa die Mindestmarge, die gehalten werden muss, oder der Umsatz, der erreicht werden muss, um eine Ausgabe zu decken, und wenn man verstehen muss, welcher Preis, welches Volumen oder welche Konversionsrate dieses Ziel erreichbar macht.

**Datentabellen** dienen dazu zu sehen, wie sich ein Modell verändert, wenn ein oder zwei Inputs variieren. Sie sind besonders nützlich, wenn du schnell die Auswirkung eines Hebels oder zweier Hebel gemeinsam beobachten willst, ohne für jede Kombination separate Szenarien aufzubauen.

Ein unabhängiger technischer Leitfaden zu Excel erklärt, dass **Goal Seek** dazu dient, den nötigen Input-Wert zu finden, um ein gewünschtes Ergebnis zu erreichen, während **Data Tables** es ermöglichen zu untersuchen, wie die Variation eines oder zweier Inputs ein Finanzmodell beeinflusst, und der **Scenario Manager** mehrere Sätze von Inputs speichert, um deren Ergebnisse zu vergleichen [Corporate Finance Institute](https://corporatefinanceinstitute.com/resources/financial-modeling/what-if-analysis/). In der Praxis sind das drei verschiedene Wege, dieselbe Frage zu stellen, aber mit unterschiedlichem Kontroll- und Detailgrad.

Bei einem kleinen E-Commerce-Unternehmen zeigt sich die Logik sofort. Steigt der Preis und erhöhen sich die Versandkosten, zeigt das Modell, wie sich die Marge verschiebt. Reagiert der durchschnittliche Kunde schlechter als erwartet, wird das vorsichtigere Szenario glaubwürdiger als das optimistische. Die ELECTE-Lösung für Prognosen, [ELECTE-Lösung für Prognosen](https://tools.electe.net/previsione-vendite), führt diese Logik über die Tabelle hinaus, denn sie hilft, die Auswirkung der Variablen kontinuierlich zu erfassen, statt alles manuell neu zu berechnen.

### Warum sie Grundlagen sind, aber nicht das Ziel

Diese Tools bleiben manuell. Jedes Mal, wenn sich die Daten ändern, muss jemand Zellen, Formeln und Vergleiche aktualisieren. Bei wenigen Fällen funktioniert das gut, bei häufigen Abläufen wird es langsam und anfällig.

Die Stärke von Excel liegt in der Klarheit des Mechanismus. Die Grenze zeigt sich für viele KMU dann, wenn die Variablen zunehmen und die Daten kontinuierlich einlaufen. Hier kann eine KI-Plattform wie ELECTE dieselbe Logik weiterentwickeln, indem sie die Szenarien automatisch aktualisiert und die Tabellenkalkulation mit einer kontinuierlichen Szenarioanalyse verbindet, ohne dich zu zwingen, das Modell jedes Mal neu aufzubauen.

## Drei reale Anwendungsfälle für KMU zwischen Vertrieb, Lagerbestand und Risiko

Ein KMU erkennt den Wert eines **What-if-Analyse-Tools** sofort, wenn es mit einer konkreten Entscheidung verknüpft wird: Was passiert, wenn sich der Preis ändert, wenn das Lager sich verlangsamt, wenn die Kapitalkosten steigen. In Excel bleibt die Grundlogik dieselbe wie von [Microsoft](https://learn.microsoft.com/hu-hu/previous-versions/sql/2014/analysis-services/what-if-scenario-table-analysis-tools-for-excel?view=sql-server-2014) beschrieben, nämlich zu messen, wie die Veränderung eines Inputs ein Ergebnis verändert. Hier zählt aber vor allem der Kontext, denn das Modell wird erst dann nützlich, wenn es die Sprache des Geschäfts spricht.

### Umsatz, Lagerbestand und finanzielles Risiko

Im Einzelhandel kann ein Bekleidungsgeschäft drei sehr einfach lesbare Szenarien vergleichen. Wendet es eine aggressive Promotion an, senkt es den Preis, um das Volumen anzukurbeln. Verfolgt es eine stabile Politik, verteidigt es die Marge und beobachtet die Marktreaktion. Erhöht es die Preise, schützt es die Marge, kann aber den Warenumschlag verlangsamen. Der Punkt ist nicht, die abstrakt richtige Zahl zu wählen, sondern zu verstehen, welcher Hebel das Ergebnis wirklich verändert und welcher das Problem nur von einer Position zur anderen verschiebt.

Im Lager kann ein Elektronikhändler dieselbe Überlegung auf die Lieferzeiten des Lieferanten anwenden. Kommt die Nachbestellung zu spät, betrifft das Risiko nicht nur die Warenverfügbarkeit, sondern auch die Liquidität, die in stillstehender Ware gebunden ist. Hier hilft der Vergleich zwischen vorsichtigem und realistischem Szenario zu erkennen, wo die operative Spannung entsteht, ähnlich wie ein Armaturenbrett, das im Voraus anzeigt, ob der Treibstoff vor dem Ziel ausgehen wird.

Im Finanzbereich kann ein kleines Dienstleistungsunternehmen die Auswirkung einer Zinserhöhung auf das Kundenportfolio simulieren und das mildere vom strengeren Szenario trennen. Das macht die Abstimmung mit dem Management deutlich konkreter. Es wird nicht allgemein über Risiko gesprochen, sondern gezeigt, wo es in die Gewinn- und Verlustrechnung eingeht und welcher Bereich vor den anderen Aufmerksamkeit braucht.

Dieselbe Logik gilt für alle, die noch mit manuellen Tabellen arbeiten. Jede Aktualisierung erfordert, Zellen, Formeln und Vergleiche erneut anzufassen, und die Arbeit zieht sich genau dann in die Länge, wenn eine schnelle Antwort gebraucht würde. Eine KI-Lösung wie die [ELECTE-Lösung für Prognosen](https://tools.electe.net/previsione-vendite) kann aktuellere Daten einlesen und die Szenarien neu berechnen, ohne alles von Hand zu wiederholen, sodass der Vergleich zwischen Best-, Worst- und Most-likely-Fall aktuell bleibt, statt in einer vergessenen Datei zu verharren.

## Wie du das richtige Tool wählst, ohne dir das Leben zu erschweren

Ein **What-if-Analyse-Tool** zu wählen bedeutet nicht, der Software mit den meisten Funktionen hinterherzujagen. Es bedeutet zu verstehen, wie viel Zeit du heute verlierst, um Szenarien zu aktualisieren, wie viel Kontrolle du über das Modell behalten willst und wie stark du von technischen Personen abhängen musst. Für ein KMU ist die richtige Wahl oft die, die Reibung reduziert und den Vergleich sofort verständlich macht.

### Bewertungskriterien für Excel und KI-Plattformen

**Kriterium****Manuelles Excel****KI-Plattform, zum Beispiel ELECTE**BenutzerfreundlichkeitGut für einfache Fälle, erfordert aber Übung mit den FormelnStärker geführt, mit Abläufen, die für nicht-technische Nutzer gedacht sindIntegrationenOft manuell, mit wiederholten Exporten und AktualisierungenFlüssigere Anbindung an Datenquellen und interne ProzesseAutomatisierungBegrenzt, Szenarien müssen manuell aktualisiert werdenHöhere Kontinuität, mit Szenarien, die sich anhand neuer Daten neu berechnenTransparenzSehr hoch, wenn du die Datei lesen kannstHoch, wenn das Modell gut erklärt ist, muss aber von Fall zu Fall geprüft werdenSkalierbarkeitAm Anfang gut, verlangsamt sich dann bei komplexeren ModellenBesser geeignet, wenn die Daten wachsen und laufende Analysen gebraucht werden

Das wichtigste Kriterium ist für mich dieses, **wie oft du die Arbeit wiederholen musst**. Öffnest du die Datei jede Woche und korrigierst Daten, Formeln und Szenarien, liegen die wahren Kosten nicht in der Software, sondern in der operativen Zeit, die sich ansammelt. Die Entscheidung sollte an diesen Kosten gemessen werden, nicht am Listenpreis.

Eine KI-Plattform wie **ELECTE, eine KI-gestützte Data-Analytics-Plattform für KMU**, kann ein nützlicher Weg sein, wenn du Berichte automatisieren, Trends erkennen und Daten mit weniger manuellen Schritten in Erkenntnisse verwandeln willst. Wenn du verschiedene Lösungen prüfst, kann dir auch der [Electe-Leitfaden zu KI-Kosten](https://www.electe.net/post/build-vs-buy-ai-sme-2026) helfen, denn das Thema ist nicht nur Kaufen oder Bauen, sondern zu verstehen, wie viel Komplexität du intern verwalten willst.

### Die Frage, die du den Anbietern stellen solltest

Frag immer, ob das Tool die Szenarien selbstständig aktualisiert, ob es sich mit deinen echten Daten integriert und ob es dir verständlich macht, warum sich das Ergebnis ändert. Ist die Antwort vage, riskierst du eine hübsche, aber wenig nützliche Vitrine zu kaufen. Für ein KMU zählt die Klarheit des Modells fast so viel wie die Geschwindigkeit.

## Der eigentliche Sprung von manuellen zu sich selbst aktualisierenden Szenarien

Ein herkömmliches Tabellenblatt erzeugt einmalige Szenarien. Du baust sie auf, zeigst sie, speicherst sie. Dann vergeht eine Woche, neue Daten kommen rein, und du musst die ganze Runde wiederholen. Der Wert der Automatisierung liegt nicht nur darin, schneller zu sein, sondern darin, die Kontinuität zwischen einer Entscheidung und der nächsten nicht zu verlieren.

### Manuell versus kontinuierlich

Ein KI-Agent, der die eingehenden Daten überwacht, verändert genau diesen Ablauf. Er erkennt Anomalien, aktualisiert das Modell und erzeugt die Szenarien neu, ohne dass du die Datei wieder öffnen und alles von Hand korrigieren musst. Der repetitive Teil verlagert sich vom Schreibtisch des Teams zu einem ständig aktiven Prozess, der arbeitet, während du entscheidest.

Für ein KMU hat das drei klare Effekte. Das Reporting erfordert weniger operativen Zeitaufwand, weil du nicht jedes Mal dieselben Vergleiche neu aufbauen musst. Trends zeigen sich früher, weil das Modell nicht auf die manuelle Aktualisierung wartet. Entscheidungen werden schneller, weil der Vergleich zwischen Szenarien immer aktuell ist.

> Die menschliche Rolle verschwindet nicht. Sie verändert sich: weniger Ausführender, mehr Entscheider.

Der berechtigte Zweifel ist einfach: Braucht es noch jemanden, der die Ergebnisse interpretiert? Ja, natürlich. Die KI ersetzt nicht das unternehmerische Urteilsvermögen, aber sie eliminiert einen Großteil der mechanischen Arbeit, die das Urteilen verlangsamt. Für ein kleines Team bedeutet das, die Zeit derjenigen, die Vertrieb, Finance oder Operations leiten, besser zu nutzen.

## Best Practices für einen guten Start und operative Schlussfolgerungen

### Abschlusscheckliste zum Einstieg

- **Starte von einer messbaren Baseline aus.** Wenn du nicht weißt, wo du startest, weißt du nicht, ob sich das Szenario verbessert oder verschlechtert.
- **Ändere eine Variable nach der anderen.** So verstehst du, welcher Hebel das Ergebnis tatsächlich verändert.
- **Beziehe eine nicht-technische Person mit ein.** Wenn sie das Ergebnis versteht, ist das Modell auch in einem Meeting nachvollziehbar.
- **Schreibe die Annahmen auf, nicht nur die Zahlen.** Eine Zahl ohne Kontext wird schnell vergessen.
- **Überprüfe die Szenarien nach wichtigen Ereignissen.** Eine Veränderung am Markt, beim Lieferanten oder beim Preis verändert das Bild.
- **Verwende echte operative Daten.** Beispieldaten dienen zum Lernen, nicht zum Entscheiden.
- **Behandle die KI-Erkenntnisse als Arbeitsgrundlage.** Die endgültige Entscheidung bleibt menschlich.

Die What-If-Analyse eliminiert das Risiko nicht, sie macht es sichtbar und beherrschbar. Genau darin liegt ihr wahrer Wert für ein KMU, denn sie verwandelt die Zukunft von einer vagen Annahme in eine Reihe nachvollziehbarer Alternativen. Wenn du von einer einzigen Entscheidung und einer einzigen Variable ausgehst, baust du Vertrauen auf, ohne dir das Leben zu verkomplizieren.

---

ELECTE hilft dir dabei, verstreute Daten in nachvollziehbare Szenarien zu verwandeln, mit automatischen Reports, klar erkennbaren Trends und Prognosen, die sich ohne repetitive Arbeit aktualisieren. Wenn du das **what-if analysis tool** aus den manuellen Tabellen heraus- und in einen kontinuierlichen Entscheidungsfindungsprozess hineinbringen willst, besuche [ELECTE](https://www.electe.net) und prüfe, wie du es auf deine Unternehmensdaten anwenden kannst.