SaaS-Prognosemodell: MRR mit 3 Inputs vorhersagen

Die meisten SaaS-Prognosemodelle scheitern, weil sie zu viel lösen wollen. Gründer öffnen eine Tabelle und beginnen, Akquise-Annahmen, Conversion-Raten, Kanal-Splits, Churn nach Kohorte, Expansion nach Plan-Tier, Hiring-Impact auf Kapazität und Preissensitivität hinzuzufügen. Jeder Input fühlt sich nützlich an. Zusammen produzieren sie ein Modell, das technisch umfassend und praktisch nutzlos ist — zu viele Variablen, um ihnen zu vertrauen, zu komplex zum Aktualisieren, und zu optimistisch, weil jede einzelne Annahme leicht zu großzügig war.

Das 3-Input-Prognosemodell startet von einer anderen Prämisse: Ein Gründer, der wissen will, wie das MRR des nächsten Monats aussehen wird, braucht kein Modell, das alles vorhersagt. Er braucht ein Modell, das die drei Bewegungen erfasst, die die Veränderung wiederkehrender Einnahmen tatsächlich antreiben.

Was ist ein SaaS-Prognosemodell?

Ein SaaS-Prognosemodell ist eine wiederholbare Methode, um zu schätzen, wie sich wiederkehrender Umsatz in der nächsten Periode verändern wird, basierend auf einer kleinen Anzahl ehrlicher Annahmen. Es ist keine Vorhersage — kein Forecast ist das. Es ist eine strukturierte Schätzung, die dem Gründer eine konkrete Zahl gibt, gegen die er das Geschäft messen kann, plus eine Spanne von Szenarien, die zeigt, wie sensibel diese Zahl gegenüber den Annahmen ist, die am wahrscheinlichsten falsch liegen.

Die engere Definition unterscheidet es von einem vollen SaaS-Finanzmodell: ein Prognosemodell fokussiert sich auf MRR-Bewegung, während ein Finanzmodell auch Kosten, Cash und Runway abdeckt. Für die meisten Gründer ist das Prognosemodell die erste und am häufigsten genutzte Schicht — monatlich aktualisiert, um das erwartete End-MRR zu produzieren, dann gegen Ist-Werte verglichen, um Annahmen zu kalibrieren. Y Combinators Startup-Finanzguidance macht einen ähnlichen Punkt: mit dem einfachsten Modell starten, das die operative Frage beantwortet, und Komplexität nur verdienen, wenn das Geschäft es verlangt.

Für das breitere Modell, das Kosten und Runway einschließt, siehe SaaS-Finanzmodell: Das minimale Sheet, das Runway vorhersagt.

Jede Prognose braucht eine saubere MRR-Basis. Hol dir deine in 90 Sekunden aus Stripe →

Die 3 Inputs, die ausreichen

Die drei Bewegungen, die fast alle MRR-Veränderung in einem frühphasigen SaaS-Produkt erklären:

Input 1: Neues MRR. Der erwartete wiederkehrende Umsatz von Kunden, die derzeit nicht zahlen. Das ist der Akquise-Beitrag — wie viel frischer wiederkehrender Umsatz wahrscheinlich von neuen zahlenden Kunden in dieser Periode landen wird. Aktuelle Monatsdurchschnitte als Startpunkt verwenden; keine heroischen Conversion-Raten modellieren.

Input 2: Expansion MRR. Der erwartete zusätzliche wiederkehrende Umsatz von bestehenden Kunden, die upgraden oder ihre Nutzung erhöhen. Das kann Null sein, wenn es noch keinen Upgrade-Pfad gibt — aber es sollte nicht aus dem Modell ausgelassen werden, weil das Annehmen seiner Abwesenheit den Forecast ungenauer macht, sobald Upgrade-Verhalten existiert.

Input 3: Churned MRR. Der erwartete verlorene wiederkehrende Umsatz. Das ist der am häufigsten unterschätzte Input — Gründer neigen dazu, die Churn-Rate des letzten Monats optimistisch anzuwenden oder anzunehmen, dass „dieser Monat besser wird”. Aktuelle Durchschnitte verwenden; im Downside-Szenario aktuelle Durchschnitte mit 1,2–1,3 multiplizieren, um die Sensitivität zu testen.

Die Kernformel

Nächster-Monat-MRR = Aktuelles MRR + Neues MRR + Expansion MRR − Churned MRR

Das ist das komplette Modell. Contraction MRR als vierten Input hinzuzufügen lohnt sich, sobald das Geschäft messbare Downgrade-Aktivität hat — aber für die meisten frühphasigen SaaS umfasst Churn den größten Teil der Verluste, und die 3-Input-Version ist genau genug.

Für die sauberen Definitionen, was in MRR gehört, siehe Was ist MRR? Die saubere Version.

Warum das 3-Input-Modell funktioniert

Mehr Detail in einem Prognosemodell produziert nicht mehr Genauigkeit — es produziert mehr Stellen, an denen Optimismus sich verstecken kann. Ein 30-Input-Modell, bei dem jeder Input 5 % zu optimistisch ist, produziert einen Forecast, der systematisch in dieselbe Richtung falsch liegt, ohne offensichtliche Möglichkeit zu identifizieren, wo der Fehler reinkam.

Das 3-Input-Modell hat drei Stellen, an denen Annahmen gegen Ist-Werte geprüft und kalibriert werden können. Wenn der Forecast daneben liegt, ist sofort klar, ob neues MRR überschätzt, Churned MRR unterschätzt oder Expansion abwesend war. Diese Diagnose ist es, die das Modell über die Zeit verbessert.

Dieses Modell erfasst auch die Struktur des Problems korrekt: die Fähigkeit des Gründers, MRR zu beeinflussen, konzentriert sich auf genau diese drei Bewegungen — neue Kunden finden, Upgrade-Pfade schaffen und bestehende behalten. Ein Modell mit 30 Inputs verteilt die Aufmerksamkeit des Gründers über Dimensionen, die er kurzfristig nur begrenzt beeinflussen kann. Das 3-Input-Modell fokussiert sie. Bessemers State of the Cloud Report zeigt konsistent, dass die leistungsstärksten SaaS-Unternehmen um eine kleine Anzahl von Betriebshebeln optimieren — Akquise-Rate, Expansion und Churn — statt zu versuchen, Dutzende von Variablen gleichzeitig zu managen.

Rechenbeispiel: MRR mit 3 Inputs prognostizieren

Ein SaaS-Analytics-Produkt in Monat vier. Aktueller Stand:

Aktuelles MRR: 10.000 €

Forecast-Inputs für den nächsten Monat:

Neues MRR: 1.500 €
Expansion MRR: 600 €
Churned MRR: 500 €

Basis-Fall-Forecast:

Nächster-Monat-MRR = 10.000 + 1.500 + 600 − 500 = 11.600

Prognostiziertes End-MRR: 11.600 €

Der Forecast ist komplett. Jetzt beginnt die nützliche Arbeit: die Annahmen prüfen.

Sind diese Inputs ehrlich?

Neues MRR von 1.500 € — basiert das auf aktuellen Conversion-Raten, angewendet auf aktuelle Pipeline? Oder ist es eine runde Zahl, die sich richtig anfühlte? Wenn die letzten drei Monate neues MRR bei 1.200 €, 1.100 € und 1.300 € lagen, dann sind 1.500 € optimistisch. Eine konservativere Schätzung verwendet den aktuellen Durchschnitt: 1.200 €.

Expansion MRR von 600 € — war Expansion auf diesem Niveau konsistent, oder ist sie variabel? Wenn Expansion letzten Monat 800 € war und den Monat davor 200 €, dann ist 600 € als Schätzung vielleicht vernünftig, verdient aber Prüfung.

Churned MRR von 500 € — ist das in freiwillig und fehlgeschlagene Zahlung aufgeteilt? Fehlgeschlagene-Zahlungen-Churn ist durch eine Dunning-Sequenz teilweise wiederherstellbar; freiwilliger Churn erfordert Produktarbeit. Wenn die letzten Monate 200–250 € fehlgeschlagene-Zahlungen-Churn zeigen, könnte eine gut implementierte Dunning-Sequenz den realisierten Churned MRR reduzieren. Der Forecast sollte erreichbaren Churn widerspiegeln, nicht aspirationalen Churn.

Drei Szenarien mit derselben Formel

Der Wert des 3-Input-Modells multipliziert sich, wenn es über drei Szenarien statt einem läuft. Die Szenariostruktur ist einfach: die drei Inputs ändern, um verschiedene operative Realitäten widerzuspiegeln, End-MRR für jedes berechnen und die Lücke vergleichen.

Basis-Fall — aktuelle Betriebsannahmen:

Neues MRR: 1.500 € · Expansion: 600 € · Churned: 500 €
Forecast: 10.000 + 1.500 + 600 − 500 = 11.600 €

Upside-Fall — leicht bessere Akquise, bessere Retention:

Neues MRR: 1.800 € · Expansion: 700 € · Churned: 450 €
Forecast: 10.000 + 1.800 + 700 − 450 = 12.050 €

Downside-Fall — langsameres Wachstum, höherer Churn:

Neues MRR: 1.200 € · Expansion: 500 € · Churned: 700 €
Forecast: 10.000 + 1.200 + 500 − 700 = 11.000 €

Nebeneinander-Tabelle:

Szenario	Neues MRR	Expansion	Churned	End-MRR	Differenz zum Basis
Basis	1.500	600	500	11.600	—
Upside	1.800	700	450	12.050	+450
Downside	1.200	500	700	11.000	−600

Die Lücke zwischen Basis und Downside beträgt 600 € End-MRR — was 7.200 € annualisiert sind. Das ist das operative Risiko, über das der Gründer nachdenken sollte, nicht die polierte Mittezahl.

Für die vollständige Szenario-Stresstest-Methodik, siehe Szenariomodellierung für Bootstrapper: Stresstest in 15 Minuten.

Die Forecast-Gewohnheit, die das Modell nützlich macht

Ein Prognosemodell, das einmal erstellt und nie gegen Ist-Werte verglichen wird, ist nur eine formatierte Meinung. Das Modell wird durch Wiederholung nützlich:

Vor dem Monat: die drei Inputs für die Periode auf Basis aktueller Trends und Erwartungen setzen. Einen Basis-, Upside- und Downside-Forecast produzieren.

Während des Monats: neues MRR, Expansion und Churn tracken, wie sie eintreten. NoNoiseMetrics zeigt diese in Echtzeit aus Stripe — kein manuelles Tracking nötig.

Nach dem Monat: Forecast mit Ist vergleichen. Wenn der Forecast daneben lag, identifizieren, welcher Input falsch war und um wie viel. Die Annahmen-Methodik anpassen (nicht nur die Zahl) für den nächsten Monat.

Diese Schleife — Forecast, Track, Vergleich, Kalibrierung — ist es, die ein 3-Input-Modell progressiv bessere Schätzungen produzieren lässt. Der erste Forecast wird ungenau sein. Der sechste oder siebte wird kalibriert sein auf das, wie dieses spezifische Geschäft sich tatsächlich verhält.

Für die Vergleichsschicht, siehe Budget vs Ist: Die wöchentliche Schleife, die dich am Leben hält. KeyBanc Capital Markets SaaS Survey-Daten zeigen, dass Gründer, die Forecast vs. Ist monatlich tracken, materiell bessere Kapitalallokationsentscheidungen treffen als solche, die jährlich reviewen.

Häufige SaaS-Prognosemodell-Fehler

Zu viele Inputs. Jeder zusätzliche Input ist eine weitere Stelle, an der Optimismus sich verstecken kann. Gründer, die 15-Input-Prognosemodelle bauen, haben selten die Daten, um 15 Inputs ehrlich zu befüllen — die meisten Inputs sind Vermutungen, die sich zu einem strukturell optimistischen Output kompoundieren. Drei ehrliche Inputs schlagen fünfzehn Vermutungen.

Neues MRR an Ambitionen statt Ist-Werten verankern. Die zuverlässigste Schätzung des nächsten Monats neues MRR ist ein leicht angepasster Durchschnitt der letzten Monate. Gründer, die neues MRR auf Basis von Potenzial prognostizieren — „wir haben fünf gute Leads” — überschätzen diesen Input systematisch. Ist-Werte als Anker verwenden; nur nach oben anpassen, wenn eine spezifische, konkrete Änderung der Akquise-Aktivität es rechtfertigt.

Expansion MRR ignorieren. Eine häufige Vereinfachung, die die Modellgenauigkeit reduziert, sobald das Geschäft reift. Wenn das Produkt einen Upgrade-Pfad hat und Kunden ihn nutzen, trägt Expansion MRR materiell zum monatlichen MRR-Wachstum bei. Es auszulassen macht den Forecast in guten Monaten zu pessimistisch und lässt neues MRR wichtiger erscheinen, als es ist.

Churned MRR unterschätzen. Der am weitesten verbreitete Fehler. Gründer wenden den tatsächlichen Churn des letzten Monats an — der oft ein guter Monat war — statt eines überlegten Durchschnitts. Das Downside-Szenario existiert speziell, um diese Annahme unter Druck zu testen. Was passiert, wenn Churn 40 % höher ist als erwartet? Diese Antwort sollte informieren, wie viel Runway wirklich komfortabel ist, nicht der polierte Basis-Fall.

Kein Vergleich mit Ist-Werten. Ein Forecast, der nie gegen das geprüft wird, was tatsächlich passiert ist, kann sich nicht verbessern. Das ist der kritische Schritt, den die meisten Gründer überspringen, oft weil der Vergleich offenbart, dass Annahmen falsch waren — was unbequem, aber notwendig ist.

Wann einen 4. Input hinzufügen: Contraction MRR

Contraction MRR (wiederkehrender Umsatz, der durch Downgrades verloren geht, ohne volle Kündigung) lohnt sich als vierter Input, sobald es ein messbarer und materieller Teil des Geschäfts wird. Im frühphasigen SaaS, wo die meisten Kunden auf festen Tiers sind, ist Contraction oft nahe Null und kann konzeptionell sicher in Churned MRR eingefaltet werden.

Das Signal, dass Contraction eine eigene Zeile verdient: wenn Downgrade-Events konsistent in Stripe-Daten erscheinen — Kunden, die von Growth zu Starter wechseln, oder Seat-Zahlen reduzieren — und der aggregierte Impact mehr als 5–10 % des Churned MRR beträgt, tracke es separat. Die Intervention für Contraction (Preisstruktur, Packaging-Klarheit, Downgrade-Friction) unterscheidet sich von der Intervention für volle Kündigung, und das Modell sollte diesen Unterschied widerspiegeln.

SaaS-Revenue-Prognosemodell: Die Automatisierungsversion

Ein nützliches Revenue-Forecast-Tool erfordert keine manuelle Tabellenarbeit. Die minimale automatisierte Version:

Aktuelles MRR aus einer vertrauenswürdigen Billing-Quelle ziehen (Stripe Subscription Events)
Die drei historischen Inputs — aktueller Neues-MRR-Durchschnitt, aktueller Expansion-Durchschnitt, aktueller Churned-MRR-Durchschnitt — als Defaults anzeigen
Den Gründer jeden Input anpassen und zwischen Szenarien umschalten lassen
Forecast-End-MRR für jedes Szenario nebeneinander anzeigen
Nach Monatsschluss Forecast mit Ist vergleichen und das Delta pro Input anzeigen

NoNoiseMetrics baut das als Teil des Runway Forecasters — ein leichtgewichtiges Tool, das einen 3-Input-Forecast aus Live-Stripe-Daten produziert, ohne Tabellenarbeit und ohne manuelle Input-Befüllung.

JSON-Modell für einen 3-Input-SaaS-Forecast

{
  "saas_forecast_model": {
    "period": "2026-05",
    "currency": "EUR",
    "current_mrr": 10000,
    "inputs": {
      "new_mrr": 1500,
      "expansion_mrr": 600,
      "churned_mrr": 500
    },
    "formula": "current_mrr + new_mrr + expansion_mrr - churned_mrr",
    "forecast_ending_mrr": 11600
  },
  "scenarios": {
    "base": {
      "new_mrr": 1500,
      "expansion_mrr": 600,
      "churned_mrr": 500,
      "ending_mrr": 11600
    },
    "upside": {
      "new_mrr": 1800,
      "expansion_mrr": 700,
      "churned_mrr": 450,
      "ending_mrr": 12050
    },
    "downside": {
      "new_mrr": 1200,
      "expansion_mrr": 500,
      "churned_mrr": 700,
      "ending_mrr": 11000
    }
  },
  "forecast_habit": {
    "before_month": "3 Inputs aus aktuellen Durchschnitten setzen",
    "during_month": "Ist-Werte aus Billing tracken",
    "after_month": "Forecast vs. Ist vergleichen; Annahmen kalibrieren"
  }
}

FAQ

Was ist ein SaaS-Prognosemodell?

Ein SaaS-Prognosemodell ist eine wiederholbare Methode, um zu schätzen, wie sich wiederkehrender Umsatz in der nächsten Periode verändern wird, basierend auf einer kleinen Anzahl expliziter Annahmen. Die minimale Version verwendet drei Inputs — neues MRR, Expansion MRR und Churned MRR —, um das End-MRR des nächsten Monats aus der aktuellen Basis zu prognostizieren.

Wie prognostiziert man MRR für SaaS?

Die Formel lautet: Nächster-Monat-MRR = Aktuelles MRR + Neues MRR + Expansion MRR − Churned MRR. Aktuelle Monatsdurchschnitte als Basis für jeden Input verwenden statt aspirationaler Ziele. Den Forecast über drei Szenarien (Basis, Upside, Downside) laufen lassen, um die Spanne realistischer Ergebnisse zu verstehen.

Welche Inputs sind in einem SaaS-Prognosemodell am wichtigsten?

Neues MRR (Akquise-Beitrag), Expansion MRR (Upgrade-Beitrag) und Churned MRR (Verluste). Churned MRR ist typischerweise der folgenschwerste Input, weil er am häufigsten unterschätzt wird. Für die meisten frühphasigen SaaS-Produkte erklären diese drei Inputs den Großteil der monatlichen MRR-Veränderung.

Wie detailliert sollte ein SaaS-Prognosemodell sein?

Nur so detailliert, wie die Qualität der verfügbaren Daten es unterstützen kann. Drei Inputs, ehrlich aus aktuellen Ist-Werten befüllt, produzieren zuverlässigere Forecasts als fünfzehn Inputs, die mit Schätzungen befüllt sind. Komplexität sollte durch spezifische Geschäftsbedürfnisse verdient werden, nicht angewendet, um den Eindruck von Sophistikation zu erzeugen.

Was ist der Unterschied zwischen einem SaaS-Prognosemodell und einem SaaS-Finanzmodell?

Ein SaaS-Prognosemodell fokussiert sich auf die Projektion wiederkehrender Umsatzbewegung — neues MRR, Expansion, Churn und End-MRR. Ein SaaS-Finanzmodell ist breiter und schließt Kosten, Burn, Cash und Runway ein. Die meisten Gründer sollten mit dem Prognosemodell starten (leichtgewichtig, monatlich aktualisiert) und es in ein Finanzmodell einbetten, wenn Kosten- und Runway-Tracking materiell für Entscheidungen wird.

Wie genau ist ein 3-Input-SaaS-Prognosemodell?

Die Genauigkeit hängt von der Qualität und Ehrlichkeit der drei Inputs ab, nicht von der Anzahl der Inputs. Ein 3-Input-Modell, das gegen sechs Monate Ist-Werte kalibriert ist, übertrifft typischerweise ein 30-Input-Modell, das mit Erstschätzungen befüllt ist. Das Modell wird genauer durch die monatliche Forecast-vs.-Ist-Vergleichsschleife, nicht durch das Hinzufügen weiterer Inputs.

Was ist ein SaaS-Revenue-Prognosemodell vs. ein SaaS-Revenue-Modell?

Ein SaaS-Revenue-Prognosemodell projiziert zukünftige MRR-Bewegung basierend auf expliziten Annahmen. Ein SaaS-Revenue-Modell kann sich auf die breitere Preis- und Monetarisierungsstruktur beziehen — das Modell, das bestimmt, wie das Produkt Kunden berechnet. Beide sind nützlich; sie beantworten verschiedene Fragen.

Mit einem schmutzigen MRR zu planen bedeutet, falsch zu planen. Fang mit Zahlen an, denen du vertrauen kannst →