Kennzahlen

Kann man Kennzahlen trauen? Lehren aus der Corona-Krise

Die Corona-Krise traf die Welt nicht nur unvorbereitet – sondern auch weitgehend unwissend. Ersteres ist eher nicht verzeihlich, letzteres eher verständlich. Die angesichts der neuen Herausforderung schlechte Wissensbasis führt bzw. verführt dazu, sich an leicht zu ermittelnden Messgrößen zu orientieren und – schlimmer noch – auf deren Basis zu entscheiden.

Das hat erst einmal nichts mit Vertrieb oder Controlling zu tun, ist aber ein herausragendes Beispiel dafür, was man mit Kennzahlen machen kann oder auch besser sein lassen sollte. Zwei zentrale Daten standen im Mittelpunkt des öffentlichen Interesses und der Berichterstattung: Die Zahl der Infizierten und die Zahl der Verstorbenen. Aus der Infiziertenzahl wurde die erste zentrale Kennzahl entwickelt, nämlich die Zahl der Tage, innerhalb derer sie sich verdoppelt. Politiker argumentierten mit ihr, Medien veröffentlichten sie und Wissenschaftler diskutierten über sie.

Für die Beurteilung einer Pandemie ist sie eine wichtige Größe, weil es hier im Wesentlichen um Wachstum geht und insbesondere sein Nachlassen. Je höher die Zahl der Tage bis zur Verdopplung ist, desto besser. Nur: Die Zahl der Infizierten ist nicht vernünftig zu bestimmen. Da nicht die gesamte Bevölkerung getestet wird, ist sie immer unvollständig.

Die Karriere einer Kennzahl

Je mehr getestet wird, desto mehr Infizierte werden gefunden. Was prinzipiell vorteilhaft ist, um Erkenntnisse zu gewinnen, wirkt sich aber negativ auf die Verdopplungszeit aus. Will man diese reduzieren, muss man einfach weniger testen. Infektionen sind nicht unbedingt an Symptomen zu erkennen, insofern ist die Kennzahl manipulierbar. Sie erzeugt nur eine Scheingenauigkeit. Es ist ein schlechtes Zeichen, wenn man sich nur auf sie verlässt.

Zudem lassen sich keine Vergleiche anstellen, weil in jedem Land unterschiedlich oft getestet wird. Außerdem sagt die Kennzahl nichts über die absolute Höhe der Infiziertenzahl aus. Und diese wiederum hat nur eine Aussagekraft, wenn sie auf die Einwohnerzahl bezogen wird (Inzidenzrate). So wurde anfangs übersehen, dass die Situation in Belgien oder der Schweiz schlimmer war als in Frankreich oder Italien. Zudem ist selbst eine hohe Zahl von Tagen keine gute Nachricht, denn es gibt immer noch ein Wachstum.

Intelligenter, aber schwerer zu ermitteln und zu verstehen, ist die zweite Kennzahl mit Krisen-Karriere, die Reproduktionsrate. Sie sagt aus, wie viele Menschen ein Infizierter ansteckt. Liegt sie unter eins, ist das Wachstum gebremst, das heißt die Zahl der Infizierten geht langsam zurück. Liegt sie über eins, steigt die Infiziertenzahl, mit den entsprechenden Belastungen für das Gesundheitssystem. Kann man verstehen. Aber es wäre zu schön, wenn sie auch noch leicht zu ermitteln wäre. Virologen sprechen von Modellen, die sie der Berechnung zugrunde legen. Die einfache Variante wäre: Infektionen am Tag t0 / Infektionen am Tag t-4. Wobei die Bezugsbasis davon ausgeht, dass eine Weitergabe des Virus im Schnitt nach vier Tagen erfolgt. Über solche Annahmen kann freilich diskutiert werden.

Die Unsicherheiten bleiben, aber der Umstand, dass über Kennzahlen diskutiert wird und auch andere in den Vordergrund rücken, ist ein gutes Zeichen. So sollte es auch in Unternehmen sein. Verbessern lässt sich immer etwas. Übrigens ist eine Reproduktionsrate nicht nur in der Medizin einsetzbar. Auch Wirkungen von Social Media lassen sich über sehr ähnliche Kennzahlen abbilden.

Diese Überlegungen sollten zu einem kritischen Verständnis des Kennzahleneinsatzes insgesamt beitragen. Sie können oft recht leicht manipuliert werden, ihre Auswahl kann interessengeleitet sein. Betrachten wir eine der zentralen gesellschaftlich relevanten Größen vor Corona: Die Pünktlichkeitsquote der Deutschen Bahn. Alle Züge mit max. 5:59 Minuten Verspätung sind offiziell pünktlich, was bei Anschlüssen mit vier Minuten Übergangszeit nicht hilft. Züge die ganz ausfallen, sind nicht unpünktlich, sie werden einfach nicht erfasst. Konsequenz: Kaum jemand nimmt die Größe noch ernst, zumindest nicht auf Seiten der Fahrgäste. Immerhin ist so eine manipulierte Kennzahl noch für Zeitvergleiche geeignet.

Was heißt das für den Vertrieb?

Auch im Vertrieb wird mit Kennzahlen gearbeitet, die auf zweifelhaften Daten beruhen. Ein Beispiel ist die Reklamationsrate – mit der Zielsetzung, sie möglichst zu reduzieren. Das wirft aber Fragen auf: Wenn es um Konsumgüter geht: Spricht eine geringe Reklamationsrate für eine hohe Produktqualität oder für eine geringe Nutzung? Was ist mit Produkten, die zwar gekauft, aber nicht genutzt werden (denken Sie nur an die vielen Heimtrainer, Küchengerätschaften oder Bücher, die vernachlässigt ihr Leben in einer Ecke fristen)? Reklamationen sprechen immerhin für Nutzung und Interesse und liefern Anregungen für Weiterentwicklungen.

Weitere Fragen im Reklamationszusammenhang: Werden nur berechtigte oder auch unberechtigte Reklamationen gezählt? Spielt der Auftrags-/Produktwert eine Rolle oder geht es nur um die Anzahl? Hier zeigt sich, dass man Reklamationsraten sehr unterschiedlich ausweisen kann und noch nicht einmal ein Zielwert eindeutig bestimmt werden kann.

Drei Problemfaktoren des Kennzahleneinsatzes

Worauf sollte man also im Umgang mit Kennzahlen achten? Einmal ist es die Datenquelle. Ist sie objektiv und konsistent? Manchmal gelingt es nicht, über einen längeren Zeitraum zuverlässig Daten zu ermitteln – ein Wechsel im IT-System, Personalwechsel, Umstellungen im Controlling usw. können hohe Hürden darstellen. Marktdaten basieren oft auf Schätzungen, und jeder Anbieter verfolgt andere Konzepte.

S-förmiger Verlauf von Entwicklungen

Bei Wachstumsraten kommt es oft zu einem mentalen Problem. Den meisten Menschen fällt es schwer, Änderungen von Trends vorherzusehen. Die meisten Entwicklungen verlaufen s-förmig, das heißt es gibt drei Phasen: Anfangs passiert fast gar nichts, man kann sich kaum vorstellen, dass eine Entwicklung überhaupt eintritt. Dann beginnt die Entwicklung, es kommt zu einem starken Anstieg. Politiker in Virus-Zeiten, Unternehmer in Wachstumsphasen, Kapitalanleger in Hausse- wie Baisse-Zeiten neigen dazu, diese Entwicklung erst einmal fortzuschreiben. Dass dies nicht unendlich so weitergehen kann, wird vielen nicht bewusst. So kommt es zu Euphoriephasen mit Kapazitätsaufbau ebenso wie zu Depressionsphasen mit Panikverkäufen.

Aber das S hat ja noch eine zweite Kehre. Bislang war es zumindest immer so. Auch dann ist ein Umdenken erforderlich und es fällt schwer, rechtzeitig die richtigen Entscheidungen zu fällen. Die Verdopplungszeit in viralen Zeiten ist übrigens ein recht guter Indikator dafür, dass eine Entwicklung eine Korrektur vornimmt.

Kennzahlen sind umso eingängiger, je leichter sie zu ermitteln sind. Allerdings leidet darunter die Aussagekraft. Beispielsweise gibt es ein klassisches Problem bei der Leistungsbewertung von Wissenschaftlern. Eine zentrale Rolle spielt ein Indexwert für die Publikationsleistung. Je mehr Artikel in möglichst angesehenen Zeitschriften veröffentlicht werden, desto besser. Problem dabei: Will ein Wissenschaftler Karriere machen, muss er theoretisch anspruchsvolle Artikel produzieren. Die Lehrleistung oder praxisnahe Veröffentlichungen sind weitgehend irrelevant. Wenn letzteres als Aufgabe der Hochschulen angesehen wird, erfolgt eine Fehlsteuerung.

Solche Probleme lassen sich zumindest teilweise in den Begriff bekommen, indem mehrere Größen parallel betrachtet werden. Der Aufwand steigt zwar, der Nutzen allerdings auch. Umsatzentwicklungen sollten möglichst mit Potenzialgrößen parallel erfasst werden, Besuchsquoten im Außendienst mit Umsätzen oder Deckungsbeiträgen, Neukundenanteile mit Bestandskundenumsätzen, Rentabilität mit Kundenzufriedenheit usw.

Der Umgang mit Kennzahlen im (Vertriebs-)Controlling ist nicht frei von Herausforderungen. Es gilt, sich nicht von der vermeintlichen Transparenz blenden zu lassen. Zunächst ist die Verfügbarkeit und Qualität der Daten zu hinterfragen. Dann sollte zur Steigerung der Aussagekraft nach ergänzenden Kennzahlen gesucht werden. Schließlich benötigt man noch ein Verständnis der denkbaren Entwicklung: Ist progressives Wachstum denkbar? Wie lange wird eine Entwicklung konstant weiter laufen?