Kunden mit unterschiedlicher Rentabilität: Warum die Auftragserteilung oft zu grob ist

Wenn ein Unternehmen Aufträge vergeben oder Angebote kalkulieren muss, wirkt der klassische Blick oft wie eine Landkarte im Maßstab 1:1.000.000: Man sieht die großen Wege, aber nicht die Nebenstraßen, auf denen später Kosten, Risiken und Verzögerungen entstehen. Genau hier entscheidet sich, ob ein „guter Kunde“ wirklich gut ist – oder nur zuverlässig zahlt. Die Herausforderung lautet: Kunden sind nicht nur Umsatzträger, sondern unterschiedlich rentabel, und diese Unterschiede werden in vielen Organisationen zu spät oder zu unvollständig sichtbar gemacht.

Im Finanz- und Bankumfeld zeigt sich das besonders klar, weil das Geschäft von Risiko, Liquidität und regulatorischen Anforderungen abhängt. Trotzdem gilt das Grundproblem auch für Industrie, Handel oder Dienstleistungen. Wer Aufträge bewertet, muss verstehen, wie Rentabilität entsteht: aus Preis, Kosten, gebundenem Kapital, Prozessaufwand, Zahlungsdauer und Durchlaufzeiten. Und vor allem: Aus dem, was ein Kunde im Alltag verursacht, nicht aus dem, was er im Jahresbericht verspricht.

Warum „Umsatz“ keine Rentabilität ist

Viele Unternehmen arbeiten zuerst mit Umsatzlogik, weil sie am schnellsten zu messen ist. Umsatz lässt sich in Tabellen darstellen, kurzfristig planen und scheinbar objektiv vergleichen. Rentabilität dagegen ist ein Zusammenspiel aus Deckungsbeiträgen, direkten und indirekten Kosten sowie dem Preis für Risiko. Zwei Kunden können gleich viel Umsatz bringen, aber sehr unterschiedlich viel Kapitalkosten, Forderungsausfallrisiko oder operative Belastung erzeugen.

In meinen Jahren als Wirtschaftsjournalist bin ich öfter auf den Moment gestoßen, in dem eine Auswertung plötzlich alles auf den Kopf stellt. Ein mittelständischer Dienstleister erzählte mir, er habe „zwei Topkunden“. Die Zahlen zeigten jedoch: Der eine benötigte Sonderformate, kurze Taktzeiten und verursachte hohe Abstimmungsaufwände. Der andere war „langsam“, aber planbar und verursachte kaum Zusatzarbeit. Am Ende war der „langsame“ Kunde profitabler, obwohl sein Umsatz geringer war.

Im Bank- und Fintech-Kontext sieht man dieses Muster ebenfalls. Ein Kunde kann hohe Umsätze im Zahlungsverkehr erzeugen und gleichzeitig eine hohe Risikoprämie oder hohe Kosten für Compliance verursachen. Rentabilität entsteht dann nicht nur im Ertrag, sondern in der Differenz zwischen Erträgen und dem gesamten Aufwand aus Risiko, Betrieb und Regulierung.

Die Mechanik der Rentabilität: Wo der Gewinn wirklich entsteht

Rentabilität ist selten nur eine Frage der Preiskalkulation. Entscheidend ist, welche Kosten in den einzelnen Phasen anfallen: Akquise, Angebotserstellung, Vertragsverhandlung, Umsetzung, Service, Inkasso und Abwicklung. Wenn diese Phasen in der Kostenrechnung nicht sauber getrennt werden, werden Verluste unsichtbar, bis der Jahresabschluss sie gnadenlos benennt.

In der Praxis hilft es, Rentabilität wie ein Fluss zu betrachten. Zuerst fließt Geld herein, dann fließt es aus. Je mehr Umwege der Fluss nimmt, desto weniger kommt am Ende an. „Umwege“ sind hier nicht nur operative Schleifen, sondern auch Verzögerungen, Reklamationen, Nacharbeiten, Sonderkonditionen und lange Zahlungsziele.

Ein konkretes Beispiel aus dem Dienstleistungsbereich: Wenn ein Kunde häufig Last-Minute-Änderungen macht, steigt die Prozesskostenlast. Selbst wenn der Stundensatz gleich bleibt, erhöht sich der Anteil unproduktiver Zeit. In vielen Unternehmen werden solche Unterschiede erst dann erkennbar, wenn man die Projektdaten systematisch mit Kostenpositionen verknüpft.

Direkte Kosten, indirekte Kosten und „versteckte“ Kosten

Direkte Kosten sind relativ klar: Material, direkte Arbeitszeit, Transport oder Abrechnungsaufwände. Indirekte Kosten sind schwieriger, weil sie oft über Schlüsselsätze umgelegt werden. Genau dort entstehen Verzerrungen, wenn die Schlüssel nicht die tatsächliche Belastung widerspiegeln.

Besonders tückisch sind versteckte Kosten. Das sind Kostenblöcke, die nicht als „Kosten des Kunden“ erscheinen, obwohl sie durch den Kunden entstehen. Dazu gehören etwa zusätzliche Abstimmungsrunden, erhöhte Sicherheitsanforderungen, häufige Anpassungen in IT-Systemen oder ein erhöhtes Risiko für Zahlungsausfälle.

Für Unternehmen, die Angebote für Kundenstruktur und Auftragspipeline bewerten, ist diese Unterscheidung zentral. Wer die versteckten Kosten nicht erfasst, wird später vermutlich zu aggressiv kalkulieren oder unnötige Risiken eingehen.

Gebundenes Kapital und Kapitalkosten im Hintergrund

Rentabilität hängt auch davon ab, wie viel Kapital gebunden wird. Das kann im klassischen Geschäft durch Lagerbestände und Forderungen entstehen. Im Finanzbereich wirkt zusätzlich die Kapitalunterlegung: Je höher das Risiko und je komplexer das Geschäft, desto höher können regulatorische Kapitalanforderungen ausfallen.

Für Banken und Fintechs ist das Thema besonders präsent. Ein Produkt mit gleicher Marge kann sich deutlich anders anfühlen, wenn die erforderlichen Eigenmittel höher sind oder die Prozesskosten für Monitoring und Reporting steigen. Unternehmen, die Aufträge bewerten, müssen daher Kapitalkosten als Teil der Wirtschaftlichkeit betrachten.

Selbst außerhalb des Bankgeschäfts ist der Gedanke nützlich: Wer lange auf Zahlungen wartet, finanziert den Kunden im Kern mit. Das ist im Jahresabschluss nicht immer sofort sichtbar, wirkt aber über Liquiditätskosten und Opportunitäten.

Warum viele Unternehmen die Auftragseinschätzung zu spät schärfen

Oft beginnt alles mit dem Vertrieb. Angebote werden erstellt, Preise kalkuliert, dann kommt der Kunde. Die operative Realität meldet sich später: verzögerte Freigaben, erhöhte Servicebedarfe, Rückfragen, mehr Abstimmungen. Wenn die Kostentransparenz nicht früh genug vorhanden ist, wird aus einer guten Idee eine schlechte Entscheidung.

Ein typischer Auslöser ist eine starr strukturierte Kostenrechnung. Wenn jedes Projekt in ähnliche Kostenschablonen fällt, werden Kundenunterschiede geglättet. Das ist bequem, aber es führt zu einer „Durchschnittsrendite“, die im Einzelfall falsche Anreize setzt.

Eine zweite Ursache ist die Trennung von Daten. Rentabilität entsteht aus mehreren Datenquellen: Vertragsdaten, Abrechnungsdaten, CRM-Daten, Prozessdaten, Forderungsdaten, Reklamationsdaten. In vielen Unternehmen sind diese Systeme historisch gewachsen und kommunizieren nur teilweise miteinander.

Der Unterschied zwischen Kundensegmentierung und Kundenrentabilität

Kundensegmentierung ordnet Kunden nach Umsatz, Branche, Größe oder Strategie ein. Das kann ein guter Anfang sein. Kundenrentabilität geht darüber hinaus und fragt: Welche Erträge stehen welchen Kosten gegenüber, wenn man die Belastung je Kunde wirklich abbildet?

Wichtig ist dabei, dass Rentabilität dynamisch ist. Ein Kunde kann im ersten Jahr profitabel sein und später durch wachsende Sonderwünsche oder längere Zahlungsfristen kippen. Segmentierung ist dagegen oft statisch und braucht regelmäßig neue Updates.

Für das Thema „Kunden mit unterschiedlicher Rentabilität – wie Unternehmen ihre Aufträge besser bewerten können“ bedeutet das: Unternehmen sollten nicht nur segmentieren, sondern die Rentabilität als lebenden Parameter behandeln.

Von der Kontaktdaten-Logik zur Auftragssicht: Der Bewertungsansatz

Damit Aufträge besser bewertet werden, braucht es einen Bewertungsprozess, der nicht erst bei der Abrechnung ansetzt. Ein gutes Modell beginnt beim Angebot: Welche Leistung wird konkret erbracht, unter welchen Rahmenbedingungen, in welchem Zeitplan und mit welchem Risiko? Dann wird die Wirtschaftlichkeit nicht als Zahl auf dem Papier, sondern als Spiegel dieser Annahmen modelliert.

In der Praxis bedeutet das: Unternehmen definieren Faktoren, die Rentabilität treiben. Das können Zahlungsziele, die Komplexität des Kundenprozesses, die Wahrscheinlichkeit von Nacharbeiten, die Anzahl der Freigabeschleifen oder die erwartete Belastung im Support sein. Jede dieser Variablen kann man in ein scoringbasiertes System übersetzen.

Ich habe erlebt, wie Teams mit einfachen Schablonen starten. Zunächst werden nur wenige Faktoren berücksichtigt, die tatsächlich häufig auftreten. Danach wird das Modell erweitert, sobald mehr Daten vorliegen. Entscheidend ist der Start, weil ein Modell, das nie im Alltag getestet wird, bleibt Theorie.

Ein Rentabilitätsmodell, das im Vertrieb funktioniert

Viele Modelle scheitern, weil sie im Vertrieb nicht „bedienbar“ sind. Wenn die Berechnung zu kompliziert ist oder die Verantwortlichen keinen klaren Nutzen sehen, bleibt es bei einem BI-Projekt. Damit ein Bewertungsansatz funktioniert, braucht er zwei Eigenschaften: Verständlichkeit und Handlungsspielraum.

Verständlichkeit heißt: Vertrieb und Projektsteuerung müssen nachvollziehen können, warum ein Auftrag als profitabel oder riskant eingestuft wird. Handlungsspielraum heißt: Das Team muss auf die Bewertung reagieren können, etwa durch Preisaufschläge, geänderte Rahmenbedingungen, klarere Prozessabsprachen oder Anpassungen in der Kapazitätsplanung.

Ein hilfreicher Zwischenschritt ist, das Modell an eine Entscheidungskategorie zu koppeln: Grün, Gelb oder Rot. Grün heißt: Auftrag kann mit Standardbedingungen akzeptiert werden. Gelb bedeutet: Bedingungen müssen angepasst werden. Rot heißt: Auftrag nur bei sehr klaren Gegenmaßnahmen oder gar nicht.

Regulatorischer Kontext: Rechtliche Änderungen als Kosten- und Risikohebel

Im Finanzsektor ist Rentabilität ohne Rechtsrahmen nicht denkbar. Regulatorische Änderungen wirken selten nur auf eine einzelne Zeile in der GuV. Sie verändern Prozesse, Meldepflichten, Dokumentationsstandards, Produktgestaltung und Risikomanagement. All das schlägt sich am Ende in Kosten nieder – manchmal sogar in der Marge, weil Produkte weniger flexibel werden.

Für Banken und Fintechs ist daher entscheidend, die Auswirkungen rechtlicher Anpassungen in den Bewertungsprozess zu integrieren. Ein Auftrag ist nicht nur eine wirtschaftliche Chance, sondern auch eine Verpflichtung gegenüber einem Regelwerk, das laufend konkretisiert wird. Das betrifft beispielsweise Anforderungen an Sorgfalt, Transparenz, Monitoring, Datenschutz und Betrugsprävention.

Je genauer ein Unternehmen solche Änderungen in Kosten- und Risikotreiber übersetzt, desto weniger überrascht es die Realität. Gleichzeitig entsteht eine bessere Grundlage, um Aufträge im Hinblick auf ihre Rentabilität zu beurteilen.

Dokumentation, Compliance und Prozesskosten

Compliance ist nicht „gratis“, nur weil sie rechtlich notwendig ist. Dokumentation benötigt Zeit, Systeme müssen angepasst werden, Schulungen laufen, Audits kosten Ressourcen. Für einzelne Kunden können Compliance-Aufwände stark variieren, etwa je nach Produktmix, Jurisdiktion oder Transaktionsprofil.

Wenn Unternehmen diese Unterschiede in der Kundenbewertung berücksichtigen, sinkt die Gefahr, dass bestimmte Kundengruppen systematisch zu günstig kalkuliert werden. Genau an dieser Stelle macht das Thema „Kunden mit unterschiedlicher Rentabilität“ in der Praxis einen spürbaren Unterschied.

Gerade bei langfristigen Verträgen kann die Wirkung groß sein: Was heute als „Standardprozess“ gilt, kann morgen durch zusätzliche Anforderungen mehr Aufwand bedeuten. Dann wird Rentabilität zu einer Frage der Anpassungsfähigkeit im Betrieb.

Datenbasis schaffen: Welche Informationen wirklich zählen

Ohne Daten bleibt Rentabilität ein Gefühl. Mit Daten wird sie zu einer Entscheidungshilfe. Der Einstieg muss jedoch pragmatisch sein: Nicht jedes Unternehmen kann sofort ein Data-Warehouse im großen Stil aufbauen. Viele erreichen viel mit gutem Datenmanagement in Etappen.

Typische Datenquellen sind Vertrags- und Konditionsdaten, Abrechnungsdaten, Ticket- und Supportdaten, Projekt- oder Prozessdaten, Reklamationshistorien sowie Zahlungsdaten. Im Finanzbereich kommen zusätzlich Risiko- und Monitoringdaten hinzu. Entscheidend ist, dass Daten so verknüpft werden, dass man den Kunden oder Auftrag bis zur Ergebniswirkung nachvollziehen kann.

In der Praxis hat sich bewährt, zuerst ein „Minimum Viable Dataset“ zu definieren. Es umfasst die Variablen, die eine Renditebewertung zuverlässig tragen. Alles Weitere kann später ergänzt werden.

KPIs, die mehr verraten als Umsatz

Für eine Kundenbewertung sind KPIs nützlich, die Aufwand und Risiko abbilden. Dazu gehören etwa Bearbeitungszeiten, Anzahl der Rückfragen, Quote der Nacharbeiten, durchschnittliche Ticketdauer, Zahlungsziel- und Zahlungsverzugsmuster sowie Storno- oder Reklamationsraten.

Im Zahlungsverkehr oder bei Kreditprodukten kann man zusätzlich Transaktionsvolumen, Gebührenwirkung, Risikoindikatoren und Ausfallraten analysieren. Wichtig ist, dass die KPIs mit Kostenblöcken verknüpft werden, sonst bleiben sie nur Kennzahlen ohne Steuerung.

Ein hilfreiches Prinzip lautet: Jede Kennzahl sollte eine Frage beantworten, die das Unternehmen im Alltag wirklich stellt. Wenn sie keine Entscheidung beeinflusst, ist sie meistens nur statistischer Ballast.

Bewertungslogik für Aufträge: Von Annahmen zu überprüfbaren Modellen

Ein Auftrag wird selten auf Basis einer einzigen Zahl entschieden. Meist ist es ein Mix aus Deckungsbeitrag, Risiko, Kapazitätsbedarf und strategischer Relevanz. Wer Kundenrentabilität sinnvoll nutzt, sollte diese Faktoren in eine durchgängige Bewertungslogik gießen.

Ein Ansatz ist, den Auftrag entlang einer Wertkette zu modellieren: Einnahmen aus Preis und Konditionen, variable Kosten, fixe Kostenanteile, erwartete Nacharbeits- und Servicekosten, Risiko- und Kapitalkosten sowie Compliance- und Prozessaufwand. Danach kann man die Bewertung in eine Erwartungsrendite übersetzen.

So entsteht ein Rahmen, in dem Vertrieb nicht nur verkauft, sondern auch kalkuliert. Die wichtigste Frage lautet: Was kostet der Auftrag wirklich, wenn man den Kunden realistisch beschreibt?

Beispiel für ein Scoring: Einfach starten, sauber begründen

Ein Scoring-Modell kann bei der Auftragseinschätzung helfen, ohne zu kompliziert zu werden. Ein Unternehmen kann etwa drei Kategorien definieren: Profitabilitätspotenzial, Prozessbelastung und Risikoniveau. Jede Kategorie erhält Punkte anhand klarer Kriterien.

Damit das Modell akzeptiert wird, braucht es eine dokumentierte Begründung. Ein Score ohne Erklärung führt zu Misstrauen. Dagegen steigt die Akzeptanz, wenn die Teams sehen, dass die Kriterien aus echten Daten und häufigen Ereignissen abgeleitet wurden.

Im Folgenden ein vereinfachtes Beispiel, das Unternehmen als Startpunkt nutzen können:

Kategorie	Beispiel-Kriterien	Auswirkung
Profitabilitätspotenzial	Deckungsbeitrag pro Stunde/Einheit, Konditionen, erwarteter Umfang	hoher Deckungsbeitrag = mehr Punkte
Prozessbelastung	Anzahl Abstimmungsrunden, Sonderanforderungen, Servicehistorie	hohe Zusatzarbeit = weniger Punkte
Risikoniveau	Zahlungsverzug, Vertragsstreitquote, regulatorische Komplexität	hohes Risiko = weniger Punkte

Die konkrete Ausgestaltung hängt vom Geschäftsmodell ab. Aber die Logik bleibt gleich: Der Score muss in eine Entscheidung übersetzt werden. Nur dann bringt er echte Wirkung.

Wie man Kundenunterschiede erkennt: Methoden jenseits der Bauchentscheidung

Um Kunden mit unterschiedlicher Rentabilität zu erkennen, reichen Reports über Umsatz nicht aus. Unternehmen brauchen Methoden, die die Wirkung von Kundenverhalten sichtbar machen. Das kann eine Kombination aus Kohortenanalyse, Projektcontrolling und fortlaufendem Monitoring sein.

Eine Möglichkeit ist die Kohortenbetrachtung: Man gruppiert Kunden nach Einstieg in den Zeitraum und verfolgt die Entwicklung ihrer Profitabilität über Monate oder Quartale. So sieht man, ob Kunden später kippen, weil Prozesse komplexer werden oder weil Zahlungsziele schlechter werden.

Eine andere Möglichkeit ist die Verbindung von Verträgen mit Prozessdaten. Wenn ein Kunde in Projekten immer wieder in die „Nacharbeits-Schleife“ rutscht, muss sich das in den Kosten niederschlagen. Ohne diese Brücke bleibt die Problematik unsichtbar.

Activity-Based Costing: Wenn Aufwand die Wahrheit sagt

Activity-Based Costing (ABC) ist ein Ansatz, der Kosten nicht nur nach Abteilungen verteilt, sondern nach Aktivitäten. Damit lässt sich der Einfluss von Kunden auf konkrete Tätigkeiten besser abbilden. Ein Kunde, der viele Sonderabnahmen braucht, treibt bestimmte Aktivitäten hoch. Ein Kunde, der Standards nutzt, belastet diese Aktivitäten weniger.

ABC ist nicht immer trivial, aber es kann in ausgewählten Bereichen sehr wertvoll sein. Ein Unternehmen kann etwa zunächst nur die Aktivitäten erfassen, die typischerweise die größten Abweichungen verursachen: Angebotsänderungen, Projektkommunikation, Support und Nacharbeit.

Gerade wenn die Kostenrechnung bisher stark pauschaliert war, schafft ABC eine bessere Gesprächsbasis zwischen Vertrieb und Controlling. Plötzlich wird klar, warum der „gute Umsatz“ nicht automatisch „guter Gewinn“ ist.

Verhandlungsspielräume nutzen: Rentabilität in Vertragsbedingungen übersetzen

Bewertung ist nur die halbe Miete. Entscheidend ist, dass Unternehmen mit der Bewertung handeln. Viele Rentabilitätsprobleme lassen sich über Vertragsbedingungen entschärfen: Zahlungsziele, Preisanpassungsklauseln, Rahmen für Änderungswünsche, Leistungstiefe und Abnahmeprozesse.

Wenn ein Kunde in der Vergangenheit durch viele Last-Minute-Änderungen Kosten verursacht hat, kann man das in den Vertrag übersetzen. Das heißt nicht, „den Kunden zu bestrafen“, sondern klare Regeln zu setzen, die Aufwand fair verteilen.

Im Finanzsektor zeigt sich das in Service Level Agreements, Gebührenstrukturen, Risikoprämien und Transparenzpflichten. Je nach Rechtsrahmen müssen diese Elemente so gestaltet werden, dass sie rechtssicher sind und gleichzeitig wirtschaftlich wirken.

Preisgestaltung: Nicht nur Rabatt, sondern Struktur

Rabattdenken ist eine häufige Falle. Ein Kunde bekommt einen Preisvorteil, aber die Kostenlast steigt durch zusätzliche Leistungen, die im Rabatt nicht enthalten waren. Am Ende sinkt die Marge, ohne dass der Aufwand sichtbar gegengerechnet wird.

Besser funktioniert eine Preisstruktur, die Aufwand abbildet. Dazu gehören etwa gestaffelte Gebühren nach Komplexität, Zuschläge für bestimmte Prozessschritte oder Preisbestandteile, die sich nach tatsächlichen Nutzungs- und Risikoparametern richten.

Unternehmen müssen dabei im Blick behalten, dass solche Strukturen rechtlich und vertraglich sauber formuliert sein müssen. Ein komplexer Preis ist nur dann sinnvoll, wenn er verständlich dokumentiert und kontrollierbar ist.

Das Zusammenspiel von Risiko und Rentabilität: Zahlungsrisiken früh einpreisen

Zahlungsrisiken sind ein direkter Rentabilitätshebel. Ein Kunde, der regelmäßig in Verzug gerät, verursacht nicht nur Ausfallrisiken, sondern auch Opportunitätskosten durch gebundenes Kapital. Zusätzlich entstehen Inkasso- und Abstimmungsaufwände.

Wenn Unternehmen Kundenrentabilität bewerten, sollten sie daher Zahlungsprofile in die Auftragseinschätzung integrieren. Wer ein Zahlungsziel „gewährt“, entscheidet faktisch über Liquiditätskosten. Das sollte in der Angebotssituation nicht erst nachträglich passieren.

Im Bankumfeld ist das Prinzip identisch, nur mit anderen Variablen: Risikoindikatoren, Portfolioqualität, Ausfallhistorien und regulatorische Anforderungen. Auch hier gilt: Risiko ist nicht nur ein Verlustereignis, sondern eine laufende Kostenstruktur.

Warum Risiko-Modelle nicht automatisch Vertriebsgold sind

Viele Risikoabteilungen arbeiten mit Modellen, die gut auf Portfolioebene funktionieren. Im Vertrieb werden diese Modelle aber manchmal als „Black Box“ wahrgenommen. Die Folge: Vertriebsentscheidungen werden entweder übermäßig vorsichtig oder zu optimistisch, weil die Risikoauswirkung nicht in den Gesprächskontext übersetzt wird.

Für eine bessere Auftragsbewertung braucht es deshalb Übersetzungsarbeit. Risikoindikatoren müssen in handlungsrelevante Bedingungen übersetzt werden: etwa in Kautionsmodelle, Limitierungen, Laufzeitsteuerung oder Anpassungen in den Konditionen.

So wird aus Risiko kein reines Kontrollinstrument, sondern ein Steuerungsfaktor für Rentabilität.

Operatives Controlling: Nachlaufkosten als Trainingsdaten

Ein großes Lernfeld liegt in den Nachlaufkosten. Viele Unternehmen sehen erst im Rückblick, welche Aufträge problematisch waren. Genau diese Informationen sollte man als Trainingsdaten nutzen, um zukünftige Bewertungen besser zu machen.

Wer Projekt- oder Auftragsergebnisse systematisch mit den ursprünglichen Bewertungsannahmen verknüpft, kann Fehlkalkulationen reduzieren. Das ist wie bei Wettervorhersagen: Je besser man die Abweichungen auswertet, desto besser wird das nächste Modell.

Im Alltag reicht dafür oft ein strukturierter Post-Mortem-Mechanismus. Nicht jedes Projekt muss komplett analysiert werden, aber die Ausreißer sollten reflektiert werden: Wo waren die Annahmen zu optimistisch? Welche Kostenblöcke wurden unterschätzt? Welche Prozessbedingungen waren nicht klar?

Die Rolle von Feedbackschleifen zwischen Teams

Rentabilitätsbewertung ist Teamarbeit. Vertrieb, Controlling, Projektmanagement und in Finanzinstituten zusätzlich Risiko, Compliance und Operations müssen dieselbe Sprache sprechen. Wenn Vertrieb eine Zahl liefert, Controlling aber die Kosten anders verbucht, entstehen Reibungen, die später zu „Modellmüdigkeit“ führen.

Gute Feedbackschleifen bestehen aus klaren Verantwortlichkeiten und kurzen Intervallen. Beispielsweise können quartalsweise Reviews stattfinden, in denen die wichtigsten Rentabilitätsabweichungen besprochen werden: welche Kunden treiben Kosten, welche verbessern die Marge, wo gibt es Muster?

In meinen Gesprächen mit Projektteams hat sich gezeigt: Je schneller diese Schleifen sind, desto höher ist die Akzeptanz. Denn dann wird sichtbar, dass das Modell nicht nur Zahlen produziert, sondern Entscheidungen verbessert.

Regeln für die Umsetzung: Governance, Rollen und Datenqualität

Ein Bewertungsmodell muss gesteuert werden. Sonst wird es zu einem weiteren Dokument, das niemand pflegt. Governance heißt hier: Wer ist verantwortlich für die Definition der Rentabilitätslogik? Wer prüft die Datenqualität? Wer passt die Kriterien an neue regulatorische oder operative Gegebenheiten an?

Rollen sind dabei nicht bloß Bürokratie. Sie sorgen dafür, dass das Modell nicht bei jedem Wechsel in der Organisation neu erfunden werden muss. In der Praxis ist eine Kombination aus Business Owner und Datenverantwortlichen häufig sinnvoll: Der Business Owner entscheidet über Logik und Kriterien, die Datenverantwortlichen sichern die technischen Grundlagen.

Datenqualität ist ein unterschätzter Faktor. Wenn Kundenkennungen inkonsistent sind oder Kostenstellen falsch zugeordnet werden, entstehen scheinbar „plausible“, aber falsche Rentabilitätsbilder. Diese Fehler sind besonders gefährlich, weil sie wie echte Erkenntnisse wirken.

Was passiert, wenn das Modell „zu gut“ aussieht?

Manchmal wird ein Modell schnell eingeführt, aber nicht kritisch geprüft. Dann kann es passieren, dass es zunächst brillante Ergebnisse zeigt, weil Daten selektiv sind oder Kosten in der Vergangenheit anders verbucht wurden. Das kann zu einer Illusion führen: Unternehmen sehen Rentabilität, die nur in der Datenstruktur existiert.

Deshalb ist Plausibilisierung wichtig. Unternehmen sollten Perioden vergleichen, Abweichungen prüfen und sich bewusst machen, dass ein Modell nur so gut ist wie die Annahmen. Gerade im Kontext wechselnder regulatorischer Anforderungen müssen Modelle regelmäßig überprüft werden.

In einem Umfeld, in dem rechtliche Änderungen Kosten und Prozesse verschieben, ist dieses Vorgehen besonders relevant. Rentabilität ist nicht statisch, sie hängt von Rahmenbedingungen ab.

Beispiele aus dem Alltag: So wird Rentabilität in Entscheidungen übersetzt

Ich denke oft an eine kleine Begegnung mit einem Controlling-Team in einem mittelständischen Unternehmen. Dort hatte man zunächst nur gesehen, welche Kunden die meisten Fälle hatten. Nach der Einführung einer rentabilitätsorientierten Betrachtung stellte sich heraus, dass einige Kunden zwar viele Anfragen stellten, aber überwiegend Standardleistungen ohne Zusatzkosten buchten. Andere Kunden waren ähnlich groß, brauchten aber extrem viele Abstimmungen und verursachten überproportionalen Aufwand in der Qualitätssicherung.

Der Unterschied wurde nicht „mit Schuldzuweisungen“ gelöst, sondern mit besseren Angebotsvarianten. Der Vertrieb bekam Vorlagen, in denen Zusatzaufwand als Preismodul abgebildet wurde. Gleichzeitig wurden Service Levels für bestimmte Kundentypen definiert. Das Ergebnis war eine ruhigere Zusammenarbeit: weniger Überraschungen, klarere Erwartungen und eine deutlich bessere Marge.

Ein zweites Beispiel betrifft eine Zusammenarbeit in der Finanzbranche: Ein Fintech musste unterschiedliche Kundensegmente betreuen, die sich stark in Compliance-Aufwand und KYC-Komplexität unterschieden. Die Teams haben die Rentabilität nicht allein über Gebühren gemessen, sondern über den tatsächlichen operativen Aufwand pro Kunde. Dadurch konnte man Angebote differenzieren, ohne das Produktfundament zu ändern.

Von der Analyse zur Steuerung: Schrittplan für bessere Auftragsergebnisse

Um Kunden mit unterschiedlicher Rentabilität tatsächlich in die Auftragspraxis zu übertragen, braucht es einen klaren Ablauf. Dieser Ablauf muss dabei nicht monatelang dauern. Wichtig ist, dass die Schritte aufeinander aufbauen und getestet werden.

Ein praxistauglicher Start beginnt meist mit einem Überblick: Welche Kunden sind profitabel, welche nicht – und vor allem warum? Danach definiert man die Faktoren, die die Unterschiede erklären. Anschließend wird ein Bewertungsmechanismus implementiert, der in den Angebotsprozess passt.

Zum Schluss wird das System laufend justiert. Rentabilität verändert sich. Darum muss die Steuerung kontinuierlich sein, nicht einmalig.

Konkreter Umsetzungsfahrplan

• Schritt 1: Daten sichten und Kostenblöcke identifizieren, die je Auftrag entstehen (inklusive Prozess- und Serviceaufwand).

• Schritt 2: Kundenhistorie in Kohorten betrachten und Abweichungen über Zeit prüfen, statt nur über ein Jahr zu urteilen.

• Schritt 3: Treiber definieren und in ein Scoring oder eine Erwartungsrendite übersetzen, die im Vertrieb verständlich ist.

• Schritt 4: Vertrags- und Angebotsbausteine ableiten, damit Bewertungen zu konkreten Verhandlungspunkten werden.

• Schritt 5: Feedbackschleifen einbauen und Nachlaufkosten systematisch in die nächste Modellversion übernehmen.

• Schritt 6: Governance festlegen, damit das Modell gepflegt wird und regulatorische Änderungen berücksichtigt.

Dieser Fahrplan funktioniert branchenübergreifend. Entscheidend ist, dass Unternehmen den Modellkern bewusst klein halten und iterativ erweitern.

Typische Stolpersteine: Warum gute Modelle trotzdem scheitern

Ein häufiger Stolperstein ist die fehlende Verknüpfung zwischen Modell und Entscheidung. Wenn ein Scoring existiert, aber nicht in Angebot, Freigabe oder Preisgestaltung einfließt, bleibt es eine nette Statistik. Die Organisation lernt dann nicht, weil niemand handeln muss.

Ein zweiter Stolperstein ist die Überkomplexität. Wenn das Modell zu viele Variablen enthält, wird es schwer zu erklären und schwer zu pflegen. Teams verlieren dann schnell die Geduld und greifen wieder auf die alte Bauchlogik zurück.

Ein dritter Stolperstein ist fehlende Datenqualität. Wenn Kundenzuordnung, Kostenstellen oder Prozessereignisse nicht sauber sind, werden falsche Rentabilitätsmuster „belohnt“. Später kann man diese Fehler nur schwer korrigieren, weil sie in Entscheidungen eingeschleust wurden.

Wie man die Akzeptanz im Unternehmen gewinnt

Akzeptanz entsteht nicht durch PowerPoint-Folien, sondern durch Praxisbezug. Unternehmen sollten das Modell zunächst in einem Pilotbereich einsetzen, dort klare Entscheidungsgrenzen definieren und anschließend zeigen, welche Entscheidungen besser wurden. Zahlen allein überzeugen selten, aber klare Beispiele aus echten Fällen wirken.

Wichtig ist außerdem, die betroffenen Teams früh einzubeziehen. Vertrieb und Projektmanagement müssen das Gefühl haben, dass das Modell ihnen Arbeit abnimmt und nicht zusätzliche Bürokratie erzeugt. Wenn die Bewertungen in Gesprächen helfen, statt sie zu verkomplizieren, steigt die Bereitschaft enorm.

In Finanzinstituten spielt zusätzlich die Abstimmung zwischen Risiko, Compliance und Business eine Rolle. Wenn diese Gruppen das Modell gemeinsam betreuen, sinken die Reibungsverluste.

Monetäre Trends und ihre Wirkung auf Rentabilität

Rentabilität wird nicht nur durch interne Prozesse bestimmt, sondern auch durch das wirtschaftliche Umfeld. Zinsniveaus, Liquiditätsprämien und Risikoaversion beeinflussen, wie teuer es ist, Kapital bereitzustellen. Gerade in Zeiten schwankender Geldpolitik werden Kapitalkosten spürbarer, selbst wenn Erlöse kurzfristig stabil wirken.

Für Unternehmen im Kredit- und Zahlungsbereich bedeutet das: Produktmargen werden empfindlicher gegenüber Veränderungen bei Refinanzierung und Risiko. Wer Aufträge bewertet, muss deshalb nicht nur die nominalen Gebühren, sondern den Gesamtdeckungsbeitrag nach Kapitalkosten betrachten.

Monetäre Trends wirken dabei indirekt auf das Kundenverhalten. Wenn sich das wirtschaftliche Umfeld verschlechtert, verlängern sich Zahlungsziele häufiger, Ausfallrisiken steigen und der Serviceaufwand kann zunehmen. Die Rentabilität bestimmter Kundengruppen kippt dann oft schneller als erwartet.

Liquiditätsdruck und Forderungsmanagement

Ein praktischer Effekt des Umfelds: Forderungsmanagement wird strategischer. Unternehmen, die Kunden mit unterschiedlicher Rentabilität unterscheiden, können Zahlungsbedingungen gezielter setzen. Wer gute Zahlungsprofile hat, bekommt andere Konditionen als ein Kunde, der regelmäßig in Verzug gerät.

Das ist keine harte Maßnahme, sondern wirtschaftliche Logik. Gleichzeitig reduziert es den Druck auf die eigene Liquidität. Gerade bei knapper werdender Finanzierung wird das relevant, weil die Kosten von Kapital nicht mehr „im Hintergrund“ verschwinden.

Auftragsevaluation sollte deshalb auch die erwartete Zahlungsdynamik berücksichtigen. Ein Auftrag mit scheinbar hoher Marge kann unattraktiv werden, wenn die Liquiditätsbelastung steigt.

Wie Fintechs und Banken besonders profitieren können

Im Finanzbereich ist die Verbindung von Kundenrentabilität und Auftragsevaluierung besonders eng. Viele Produkte sind modular, skaliert und datengetrieben. Das bedeutet: Wenn ein Unternehmen die Treiber der Rentabilität erkennt, kann es Angebote schneller anpassen als in klassischen, stark manuellen Geschäftsmodellen.

Fintechs haben oft den Vorteil, dass sie Daten technisch leichter aggregieren können. Banken wiederum haben tiefere Kundenbeziehungen, aber manchmal komplizierte Legacy-Prozesse. In beiden Fällen lohnt es sich, Kundenunterschiede in den Bewertungsmechanismus einzubauen, statt die Rentabilität erst auf Portfolioebene zu entdecken.

Die stärkste Wirkung entsteht, wenn die Bewertung im Prozess greift: bei Freigaben, bei Limits, bei Konditionsvorschlägen und bei der Produktkonfiguration.

Grenzen und Verantwortung bei der Automatisierung

Automatisierte Bewertungsmodelle können Entscheidungen beschleunigen. Gleichzeitig müssen sie transparent und kontrollierbar bleiben. In regulierten Umfeldern ist wichtig, dass Modelle nachvollziehbar sind und nicht nur als „Schwarzbox“ in Freigabeprozesse laufen.

Außerdem ist Automatisierung kein Ersatz für Datenhygiene und Prozessdisziplin. Wenn Eingabedaten schlecht sind oder Ereignisse falsch zugeordnet werden, verstärkt ein automatisiertes Modell die Fehler nur schneller.

Deshalb sollten Unternehmen die Automatisierung als Ergänzung zur menschlichen Prüfung betrachten. Die beste Mischung entsteht oft dort, wo klare Regeln und begrenzte Ausnahmen zusammenwirken.

Ein Blick auf die Weiterentwicklung: Von Rentabilitätsmessung zu Rentabilitätsdesign

Viele Unternehmen starten mit Messung: Wie profitabel ist Kunde A? Wie profitabel ist Kunde B? Der nächste Schritt ist Rentabilitätsdesign. Das bedeutet: Unternehmen gestalten Produkte, Prozesse und Angebote so, dass sie die gewünschte Rentabilität wahrscheinlicher machen.

Rentabilitätsdesign kann etwa heißen, dass man Onboarding und Servicepfade so strukturiert, dass Standardkunden effizient bedient werden. Es kann auch heißen, dass man Zusatzleistungen als klar abgegrenzte Module anbietet, statt sie „nebenbei“ zu liefern und später zu merken, dass sie die Marge auffressen.

So wird Rentabilität nicht nur gemessen, sondern aktiv beeinflusst. Genau da liegt der Unterschied zwischen reiner Controlling-Transparenz und echter Steuerungskompetenz.

Welche Fragen Unternehmen ab jetzt stärker stellen sollten

• Welche Kosten entstehen, bevor der Auftrag überhaupt gestartet ist, und wie werden sie in der Kalkulation berücksichtigt?

• Welche Prozessereignisse sind bei bestimmten Kunden typisch, und können sie in Vertragsbausteinen abgebildet werden?

• Wie beeinflusst die erwartete Zahlungsdynamik die Wirtschaftlichkeit, auch wenn der Preis stimmt?

• Welche regulatorischen oder compliancebezogenen Aufwände ändern sich bei einzelnen Kundentypen besonders stark?

• Wie schnell lernt die Organisation aus Abweichungen zwischen Planung und Realität?

Diese Fragen wirken simpel, aber sie zwingen dazu, genauer hinzuschauen. Und genau daraus entsteht die bessere Auftragseinschätzung.

Warum der Zielkonflikt zwischen Wachstum und Rentabilität neu verhandelt werden muss

Wachstum ist attraktiv. Es liefert Skaleneffekte, stärkt Verhandlungspositionen und kann die Fixkostenquote verbessern. Doch Wachstum ohne Rentabilitätslogik erzeugt häufig eine zweite Realität: Die Kosten steigen schneller als die Marge, weil man neue Kunden auf die gleiche Weise bedient wie alte – obwohl sie andere Anforderungen mitbringen.

Wer Kunden mit unterschiedlicher Rentabilität sauber unterscheidet, kann Wachstum differenzierter planen. Man muss nicht weniger verkaufen, aber man muss anders auswählen und anders verhandeln. Das ist die praktische Antwort auf den Zielkonflikt: Wachstum wird gezielter.

In meinem Arbeitsalltag sehe ich immer wieder, dass Unternehmen hier am liebsten „irgendwann später“ ansetzen. In Wahrheit ist der bessere Zeitpunkt der, in dem die ersten Entscheidungen im Vertrieb fallen. Danach wird das Korsett aus Verpflichtungen häufig zu eng, um die Wirtschaftlichkeit noch zu drehen.

Wenn Aufträge realistischer bewertet werden, wird die Zusammenarbeit mit Kunden oft sogar einfacher. Klarere Erwartungen, faire Konditionen und ein besser abgestimmter Prozess reduzieren Reibung. Und genau das spürt man im Ergebnis: weniger Nacharbeit, weniger Konflikte, stabile Margen.

Die nächste Entwicklungsstufe besteht darin, die Rentabilitätslogik nicht als Jahresprojekt zu behandeln, sondern als laufendes System. Sobald Bewertungsdaten und Vertrags- und Prozessentscheidungen zusammenspielen, entsteht ein Kreislauf, der die Qualität der Auftragseinschätzung kontinuierlich verbessert. Genau an diesem Punkt wird aus dem Thema mehr als ein Controlling-Thema—es wird zu einem Steuerungsprinzip für das gesamte Geschäft.

So wird aus der anfänglichen Frage „Wie viel Umsatz macht dieser Kunde?“ die entscheidende Frage „Wie verteilt sich der Aufwand, wie entwickelt sich das Risiko, und welche Marge bleibt wirklich übrig?“ Und genau darauf sollten Unternehmen ihre Auftragspraxis ausrichten, wenn sie dauerhaft gesund wachsen wollen, ohne sich im Kleingedruckten finanziell zu verheddern.