Jede Geschäftsplanung ist mit Unsicherheiten verbunden. Sei es die Umsatzentwicklung, Rohstoffpreise oder globale Lieferketten – äußere Faktoren lassen sich oft nur schwer vorhersagen. Traditionelle Planungsmethoden stoßen hier schnell an ihre Grenzen.
Der SAP Analytics Cloud (SAC) Kompass bringt eine neue Dimension der Risikobewertung und Szenarienanalyse in die strategische Planung. Im Gegensatz zur klassischen Planung, bei der feste Zahlen für den Planungsumfang definiert werden, bietet der Kompass eine probabilistische Herangehensweise. Während in der traditionellen Planung oft nur wenige Szenarien wie Best-Case und Worst-Case betrachtet werden, werden im Kompass tausende mögliche Entwicklungen simuliert. Dadurch entsteht ein realistischeres Bild der möglichen Geschäftsergebnisse, das die gesamte Bandbreite an Unsicherheiten und Einflussfaktoren berücksichtigt.
Aber wie genau funktioniert das? Und warum könnte der SAC Kompass der Schlüssel zu einer präziseren, agileren Unternehmensplanung sein? In diesem Beitrag werfen wir einen detaillierten Blick auf die Funktionen, Vorteile und Anwendungsmöglichkeiten dieser neuen Lösung.
Monte-Carlo-Simulation in der SAC
Mit dem Kompass ist es möglich, eine Monte-Carlo-Simulation direkt in der SAP Analytics Cloud auszuführen. Sie ist eine simulationsbasierte mathematische Methode, die verwendet wird, um die Wahrscheinlichkeitsverteilung möglicher Geschäftsergebnisse zu berechnen. Dafür müssen Unternehmen festlegen, welche Einflussfaktoren relevant sind und in welchem Wertebereich sie schwanken können. Die Monte-Carlo-Methode nutzt diese Vorgaben, um anhand zufällig gezogener Werte zahlreiche Szenarien zu simulieren. So entsteht eine Gesamtverteilung, die zeigt, mit welcher Wahrscheinlichkeit ein bestimmtes Ergebnis eintritt – etwa ob der Umsatz im nächsten Jahr ein bestimmtes Niveau erreichen kann.
Diese mathematische Technik hilft Unternehmen, die Bandbreite möglicher Entwicklungen zu verstehen, wenn zentrale Einflussgrößen nicht exakt planbar sind oder wenn vormals stabile Faktoren plötzlich mit hoher Unsicherheit und Risiken behaftet sind.
Keine KI – Du bestimmst die Parameter
Im Gegensatz zu Machine Learning oder Predictive Planning erkennt die Monte-Carlo-Simulation weder eigenständig Trends in historischen Daten noch bestimmte Ereignisse und deren Einfluss auf die Ergebnisse. Stattdessen basiert sie auf den Vorgaben des Nutzers, der relevante Einflussfaktoren sowie deren Unsicherheiten und mögliche Schwankungsbreiten festlegt. Dennoch unterstützt die Methode Unternehmen dabei, Risiken gezielt zu quantifizieren und fundierte Entscheidungen zu treffen.
SAC Kompass in der Praxis: So funktioniert die Simulation
Um den SAC Kompass nutzen zu können, wird zunächst eine Planungslizenz (Planning Standard) benötigt. Die Funktion kann auf zwei Wegen aufgerufen werden:
-
Über das SAC-Menü im Bereich „Kompass“ – hier können gespeicherte Szenarien aufgerufen oder neue Simulationen erstellt werden.
-
Direkt aus einer Datenzelle in einer Story – hierbei werden die Ziel-KPI und relevante Filter automatisch aus dem Kontext der Datenzelle übernommen.
Der zweite Ansatz eignet sich besonders gut, um gezielt realistische Planwerte für einzelne Datenzellen zu simulieren. Aktuell ist jedoch zu beachten, dass aus eingeschränkten Kennzahlen in der Story kein direkter Absprung in den Kompass möglich ist.
Wer hingegen einen größeren Umfang simulieren möchte, wie beispielsweise ein gesamtes Geschäftsergebnis für einen bestimmten Zeitraum, startet am besten eine neue Simulation im Kompass-Menü.
Basis einer Simulation ist immer ein Planungs- oder Analysemodell, in dem die Abhängigkeiten zwischen den Treibern und der zu simulierenden Ziel-KPI definiert sind. Ein Beispiel wäre die Bruttomarge, die von Faktoren wie Produktpreisen, Rohstoffkosten oder Steuersätzen beeinflusst wird.
Die Ziel-KPI kann im SAC-Modell unterschiedlich definiert sein:
-
Ein berechnetes Konto mit Formeln,
-
Ein übergeordneter Knoten in einer Kontohierarchie,
-
Eine berechnete Kennzahl oder Umrechnungskennzahl,
-
Eine Kombination aus Kennzahl und Konto
Zudem ist es zwingend erforderlich, eine Dimension vom Typ „Date“ für den gewünschten Zeitraum der Simulation auszuwählen. Zusätzlich können weitere Dimensionen, wie regionale Einschränkungen, als Filter gesetzt werden. Dabei ist jedoch zu beachten, dass die hier ausgewählten Filter die Basis für das Szenario sind und nicht mehr geändert werden können.
Praxisbeispiel: Monte-Carlo-Simulation für NextJuice
Aufbau des Modells
Für unser Szenario wollten wir das Seamless-Planning-Modell unseres fiktiven Getränkelieferanten NextJuice nutzen, das wir kürzlich in einem Blogbeitrag vorgestellt haben. Dabei stießen wir schon auf die erste Herausforderung, denn der SAC Kompass unterstützt aktuell noch keine Seamless-Planning-Modelle. Das bedeutete für uns: zurück auf Start und ein neues Import-Modell analog zu unserem Seamless-Planning-Modell anlegen.
Unser Modell ist ein Kennzahlenmodell für eine operative Sales-Planung auf Produktebene – differenziert nach weiteren Dimensionen wie Produktkategorie, Standort und Stores. Es basiert auf vier Basiskennzahlen:
Da unser Modell keine Account-Dimension enthält, haben wir zusätzlich berechnete Kennzahlen zur Ermittlung von Umsatz, Rohertrag und Bruttomarge angelegt.
Die beiden Treiber Preis und Kosten pro Stück waren bereits im ursprünglichen Seamless-Planning-Modell mit dem “Durchschnitt” als Ausnahmeaggregation definiert, um eine aggregierte Planung über mehrere Standorte hinweg zu ermöglichen. Hier stießen wir jedoch auf eine weitere Einschränkung: Im Kompass werden nur Treiber mit dem Standard-Aggregationstyp „Summe“ unterstützt. Auch wenn sich Preise und Stückkosten ihrer Natur nach nicht sinnvoll summieren lassen, mussten wir den Aggregationstyp dennoch auf „Summe“ umstellen und mit Hilfe gezielter Filter in der Wertekonfiguration realistische Annahmen auf Produktebene treffen.
In unserem Beispiel nutzen wir die berechnete Kennzahl „Bruttomarge“ als Ziel-KPI, in der auch der Rabatt berücksichtigt wird.
Aktuelle Marktentwicklung als Einflussfaktor
In unserem Anwendungsszenario berücksichtigen wir die aktuelle Marktlage der Getränkeindustrie, die einen Abwärtstrend zeigt.
Diese Entwicklung ist auf eine Kombination mehrerer Faktoren zurückzuführen:
-
Gestiegene Inflationsrate
-
Höhere Zölle und Transportkosten
-
Wachsendes Gesundheits- und Umweltbewusstsein
Um wirtschaftlich tragfähig zu bleiben, müssen wir Preisanpassungen vornehmen, um Margen stabil zu halten oder Verluste zu begrenzen. Diese Preissteigerungen sind jedoch nicht risikofrei, da sie die Nachfrage zusätzlich belasten können. Für die Simulation der Bruttomarge für den Monat April verwenden wir die aktuelle Forecast-Version als Basis.
SAP Planungswerkzeuge im Vergleich -
Laden Sie sich hier das Whitepaper herunter!
Die Eingabewerte für die relevanten Treiber werden im SAC Kompass über die Wertekonfiguration abgebildet. Die dabei definierten Wertebereiche, bestehend aus einem Minimal- und einem Maximalwert, dienen nicht als feste Grenzen, sondern bilden eine Bandbreite möglicher Schwankungen und Unsicherheiten ab. Die Baseline stellt den Referenzwert dar, der für die Simulation herangezogen wird, sofern keine eigene Wertekonfiguration definiert wurde. Hier kann man auch nochmal sehen, dass Preise, Stückkosten und der Rabatt ohne Filter summiert dargestellt werden, was wie oben beschrieben mit der Limitierung der Aggregationstypen zusammenhängt.
Für die Simulation der Bruttomarge legen wir folgende Annahmen zugrunde:
- Kosten:
Gestiegene Einfuhrzölle führen zu deutlich höheren Beschaffungskosten bei Importwaren. - Rabatte:
Die zuletzt gewährten Rabatte für unsere umsatzstärksten Kunden sind angesichts der gestiegenen Kosten nicht mehr wirtschaftlich tragbar. - Preise
Preissteigerungen auf Produktgruppen mit wachsender Nachfrage – vor allem im Bereich gesunder oder nachhaltig positionierter Getränke. - Verkaufsmenge
Leichter Rückgang der Gesamtnachfrage nach alkoholischen Getränken.
Weiterhin kann pro Treiber die Verteilung für die Simulation ausgewählt werden. Derzeit stehen zwei Optionen zur Verfügung: die Normalverteilung und die Gleichverteilung.
In unserem Szenario verwenden wir die Normalverteilung, die auch standardmäßig ausgewählt ist. Bevor die Simulation gestartet wird, kann noch der gewünschte Präzisionsgrad ausgewählt werden:
- Vorschau = 1.000 Simulationen
- Mittlere Präzision = 10.000 Simulationen
- Hohe Präzision = 100.000 Simulationen
Wir haben uns in unserem Beispiel für die mittlere Präzision entschieden, da sie ein gutes Verhältnis zwischen Rechenzeit und Aussagekraft bietet.
Nach der Ausführung der Simulation bekommen wir die grafische Ansicht zu sehen. Hier hat man die Möglichkeit, mit Hilfe eines Schiebereglers die Simulation interaktiv zu interpretieren und die Wahrscheinlichkeitsverteilung für verschiedene Ausprägungen der Bruttomarge zu untersuchen. In unserem Fall steht der Schieberegler auf der Baseline. Sie entspricht unserem Vorjahresergebnis, welches wir unverändert als Ausgangswert in den Forecast übernommen haben und der für den Monat April bei 1.457.692 USD liegt. Mit einer Eintrittswahrscheinlichkeit von nur ca. 1 % zeigt die Simulation deutlich, dass wir selbst im „optimistischen Fall“ unser Vorjahresniveau unter den aktuellen Annahmen voraussichtlich nicht erreichen werden.
Zusätzlich werden im unteren Bereich drei Ergebniskacheln angezeigt, die das Resultat der Simulation in drei Szenarien unterteilen:
- Pessimistisches Szenario (<5 %)
- Realistisches Szenario (ca. 90 %)
- Optimistisches Szenario (>5 %)
Die Grenzwerte dieser Bereiche können bei Bedarf in den Simulationseinstellungen angepasst werden und neu verteilt werden. Das Ergebnis der Simulation kann in einer privaten Version gespeichert und danach für alle User veröffentlicht werden. Dadurch hat man die Möglichkeit, gespeicherte Szenarien als Vergleichsversion bei einer neuen Simulation zu nutzen.
Fazit und Ausblick: Viel Potential, aber begrenzte Flexibilität
Der SAC Kompass bietet eine gute Möglichkeit, schnelle Simulationen mit manuell festgelegten Werten durchzuführen. Dadurch lassen sich verschiedene Szenarien mit wenig Aufwand für den Fachbereich durchspielen, was insbesondere für erste Analysen oder schnelle strategische Überlegungen nützlich ist.
Allerdings zeigt sich, dass der Funktionsumfang aktuell noch stark eingeschränkt ist. Dies betrifft sowohl die Flexibilität der Modellierung als auch die Anpassungsmöglichkeiten. Wir haben die Erfahrung gemacht, dass der hohe Aufwand für die Erstellung eines geeigneten Modells ein zentrales Hindernis darstellt, da kein Modell, das wir für Planungen verwenden, direkt kompatibel für den SAC Kompass war. Damit der SAC Kompass hilfreich genutzt werden kann, muss entweder eine Account-Dimension oder eine ausreichend detailliert berechnete Kennzahl vorhanden sein. Dies macht die Anwendung für viele Nutzer nicht sofort zugänglich und erfordert eine sorgfältige Vorbereitung.
Wohin geht die Reise? Unsere Erwartungen an den SAC Kompass
Aktuell sind auf der SAC Roadmap nur wenige Neuerungen für den Kompass geplant. Für Q2/2025 sind zwei Features angekündigt:
- Kennzeichnung und Entfernung nicht unterstützter Treiber
- Möglichkeit, die Simulation aus einer Datenzelle heraus in einem neuen Browser-Tab zu starten
Daher haben wir einige klare Erwartungen und Weiterentwicklungsideen.
- Unterstützung verschiedener Kennzahl-Typen als Treiber
Tatsächlich würden wir eher eine breitere Unterstützung verschiedener Treiber-Definitionen erwarten, statt künftig nur noch besser darauf hingewiesen zu werden, dass bestimmte Treiber nicht nutzbar sind. Die derzeitigen Einschränkungen in der Treiber-Konfiguration passen nicht immer zur Struktur des jeweiligen Planungsmodells. In manchen Fällen kann es beispielsweise erforderlich sein, Treiber und Ziel-Kennzahlen als persistente Kennzahlen im Modell zu haben und die Berechnungslogik über Data Actions abzubilden – besonders dann, wenn Berechnungen zu komplex sind, um sie über Formeln abzubilden. Hinzu kommen Einschränkungen bei Aggregation und Disaggregation. Hier wäre es wünschenswert, dass auch solche Kennzahl-Konzepte in Zukunft besser berücksichtigt werden.
- Hinterlegung von Kontextinformationen zu Treibern
Häufig sind externe Einflussgrößen wie Inflationsindex, Zinssätze oder Wetterdaten gar nicht direkt im Modell integriert. Deren Auswirkungen müssen dann implizit in die vorhandenen Treiber eingerechnet werden, beispielsweise in die Einkaufskosten. Eine sinnvolle Ergänzung wäre daher eine Funktion zur Hinterlegung erklärender Kontextinformationen direkt an den genutzten Treibern. Momentan lassen sich solche Faktoren nur in der Beschreibung des Szenarios dokumentieren.
- Renaissance der Werttreiberbäume
Da der Kompass und die Werttreiberbäume auf sehr ähnlichen Ideen beruhen wäre es wünschenswert, dass diese Ansätze künftig stärker miteinander verknüpft werden. Gerade weil es um die Werttreiberbäume zuletzt sehr ruhig geworden ist, sehen wir Potenzial in einer Weiterentwicklung, bei der der Kompass nicht nur eine einzelne Ziel-KPI simuliert, sondern auf ganze Werttreiberstrukturen angewendet werden kann. So ließen sich auch Zwischenebenen innerhalb der Kennzahlenhierarchie probabilistisch analysieren und visualisieren. Das würde den Kompass auf eine neue Ebene heben und den Werttreiberbäumen vielleicht zu einer kleinen Renaissance verhelfen.
- Ergebnisfilter für simulationsübergreifende Analysen
Ein weiterer großer Mehrwert wäre die Möglichkeit, Simulationsergebnisse in größeren Simulationen gezielt zu filtern, etwa nach Regionen. Wer eine regionale Analyse durchführen möchte, muss derzeit für jede Region eine eigene Simulation erstellen, anstatt eine übergreifende Simulation gezielt nach bestimmten Dimensionen zu filtern.
Was dem Kompass noch fehlt
Um den SAC Kompass insgesamt flexibler und praxisnaher zu gestalten, wären zudem folgende Erweiterungen wünschenswert:
- Prozentuale Wertekonfiguration statt nur absolute Eingaben, um flexibler mit relativen Änderungen zu arbeiten
- Integration als Story-Komponente anstelle eines rein kontextbasierten Absprungs, ergänzt durch eine passende Scripting-API zur Parametrisierung, Durchführung und Ergebnisabfrage
- Simulationsergebnisse als Datenquelle nutzbar machen, anstatt sie nur in der Visualisierung anzuzeigen. Besonders interessant wäre hier, in welcher Detailtiefe die Daten zur Verfügung stehen und inwieweit Filter aus der Wertekonfiguration darauf Einfluss haben
Der SAC Kompass ist ein vielversprechender Ansatz für Simulationen, doch es bleibt abzuwarten, inwiefern SAP ihn weiterentwickelt, um ihn wirklich als leistungsfähiges Werkzeug für die Unternehmensplanung zu etablieren.
Haben Sie Fragen zu diesem oder anderen Themen? Nehmen Sie einfach Kontakt zu uns auf - wir freuen uns auf den Austausch mit Ihnen!
