Umsatzprognose erstellen 2026 — Methoden, Branchen-Modelle und Adressaten-Logik

Bottom-up-Methode

Vom Einzelnen zum Ganzen: Wie viele Kunden können Sie rea­lis­tisch erreichen? Wie viel kauft jeder Kunde? Wie oft?

Beispiel Re­stau­rant: 50 Sitz­plät­ze × 1,5 Umschlag × 25 Euro Durch­schnitts­um­satz × 26 Öff­nungs­ta­ge = 48.750 Euro/Monat. Abzüglich An­lauf­pha­se, sai­so­na­ler Schwan­kun­gen und Aus­fall­zei­ten.

Top-down-Methode

Vom Markt zum Un­ter­neh­men: Markt­vo­lu­men × er­reich­ba­rer Markt­an­teil. Nur als Plau­si­bi­li­täts­check geeignet, nicht als alleinige Methode.

Analogiemethode

Vergleich mit ähnlichen Un­ter­neh­men: Was setzen ver­gleich­ba­re Betriebe an ähnlichen Stand­or­ten um? Han­dels­re­gis­ter, Bran­chen­stu­di­en und Wett­be­wer­ber­ana­ly­se liefern die Daten.

Empfehlung

Bottom-up als Haupt­me­tho­de, Top-down und Analogie als Plau­si­bi­li­täts­check.

Volle Auslastung ab Tag 1

Kein Un­ter­neh­men startet mit 100% Aus­las­tung. Eine rea­lis­ti­sche An­lauf­kur­ve zeigt Bran­chen­kennt­nis.

Keine saisonalen Schwankungen

Jede Branche hat saisonale Muster. Ein linearer Um­satz­ver­lauf ist un­rea­lis­tisch.

Preise ohne Marktbezug

Die Preis­ge­stal­tung muss zum lokalen Markt und zur Ziel­grup­pe passen.

Fehlende Szenarien

Nur ein Best-Case-Szenario ist ein rotes Tuch für Förder­stellen und Inves­toren. Drei Szenarien (op­ti­mis­tisch, rea­lis­tisch, pes­si­mis­tisch) zeigen Pro­fes­sio­na­li­tät.

Für eine be­last­ba­re Umsatz­prognose gibt es zwei grund­le­gen­de Ansätze, die idea­ler­wei­se kom­bi­niert werden.

Bottom-Up-Methode

Aus­gangs­punkt: konkrete Leis­tungs­ein­hei­ten. Beispiel Gastro­nomie: 60 Sitz­plät­ze × 70 % Aus­las­tung × 18 € Durch­schnitts­bon × 300 Öff­nungs­ta­ge = Jah­res­um­satz. Jede Annahme wird einzeln her­ge­lei­tet und kann geprüft werden.

Top-Down-Methode

Aus­gangs­punkt: Ge­samt­markt. Beispiel: Markt­vo­lu­men 50 Mio. € × er­reich­ba­rer Markt­an­teil 0,5 % = Ziel­um­satz 250.000 €. Geeignet für neue Märkte, wo Bottom-Up-Daten fehlen.

Kombinierter Ansatz

Förder­stellen und Inves­toren erwarten, dass beide Methoden zu ähnlichen Er­geb­nis­sen führen. Starke Ab­wei­chun­gen deuten auf feh­ler­haf­te Annahmen hin.

Szenarioanalyse

Min­des­tens drei Szenarien: Best Case, Base Case, Worst Case. Der Worst Case muss zeigen, dass das Un­ter­neh­men auch bei pes­si­mis­ti­schen Annahmen über­le­bens­fä­hig ist.

Be­last­ba­re Umsatz­prognosen brauchen be­last­ba­re Daten. Diese Quellen liefern Branchen­kennzahlen:

Statistisches Bundesamt (Destatis)

Bran­chen­um­sät­ze, Be­triebs­grö­ßen­klas­sen, regionale Wirt­schafts­da­ten.

Branchenverbände

DEHOGA (Gastro­nomie), ZDH (Handwerk), DIHK (Handel), Bitkom (IT) — Bran­chen­re­ports mit Durch­schnitts­wer­ten.

Destatis-Gründungsstatistik

Daten zu Grün­dungs­ak­ti­vi­tät, Umsätzen und Über­le­bens­ra­ten in Deutsch­land.

IHK-Branchenporträts

Regionale Markt­da­ten, Grün­dungs­in­for­ma­tio­nen und Branchen­kennzahlen.

Eigene Erhebungen

Preis­re­cher­chen, Wettbewerbs­analyse, Test­ver­käu­fe, LOIs (Letters of Intent) von po­ten­zi­el­len Kunden.

PITCH & PAPER re­cher­chiert die re­le­van­ten Da­ten­quel­len für Ihr Vorhaben und in­te­griert sie in eine nach­voll­zieh­ba­re Umsatz­prognose. Mehr erfahren

Nicht jede Branche lässt sich gleich mo­del­lie­ren. Die Her­an­ge­hens­wei­se un­ter­schei­det sich deutlich.

Stationärer Handel

Formel: Ein­zugs­ge­biet × Kaufkraft × Markt­an­teil × Wie­der­ho­lungs­ra­te. Zu­sätz­li­che Faktoren: Lage (Pas­san­ten­fre­quenz), Sor­ti­ments­brei­te, saisonale Schwan­kun­gen. Primäre Da­ten­quel­le: IHK-Standort­analysen und Han­dels­ver­bands­re­ports.

Gastronomie

Formel: Sitz­plät­ze × Umschlag pro Sitzplatz × Durch­schnitts­bon × Öff­nungs­ta­ge. Zu­sätz­li­che Faktoren: An­lauf­pha­se (re­du­zier­te Aus­las­tung in Monat 1–6), Wet­ter­ab­hän­gig­keit bei Au­ßen­be­rei­chen, Sai­so­na­li­tät. Primäre Da­ten­quel­le: DEHOGA-Zah­len­spie­gel.

Dienstleistung und Beratung

Formel: Ab­re­chen­ba­re Stunden × Aus­las­tung × Stun­den­satz. Zu­sätz­li­che Faktoren: Ak­qui­se­dau­er im ersten Jahr, Zah­lungs­zie­le bei Ge­schäfts­kun­den. Primäre Da­ten­quel­le: Branchen-Bench­marks aus BDU, GPM oder ent­spre­chen­den Fach­ver­bän­den.

SaaS und Software

Formel: Neukunden × ARPU × Ver­weil­dau­er minus Churn. Zu­sätz­li­che Faktoren: CAC-Payback-Zeit, Con­ver­si­on-Raten aus Marketing-Trichter. Primäre Da­ten­quel­le: Benchmark-Reports wie SaaS Benchmark Germany oder SaaStr-Studien.

Handwerk

Formel: Pro­duk­ti­ve Stunden × Stun­den­satz × Ma­te­ri­al­zu­schlag. Zu­sätz­li­che Faktoren: Aus­las­tung im Jah­res­ver­lauf, Ge­währ­leis­tungs­rück­stel­lun­gen, Fahrzeit-/Rüstzeit-Anteil. Primäre Da­ten­quel­le: HWK-Be­triebs­ver­glei­che und ZDH-Kenn­zah­len.

Die Umsatz­prognose für B2B-Geschäfts­modelle folgt einer im Kern anderen Logik als für B2C. Wer die Un­ter­schie­de ignoriert, pro­du­ziert un­rea­lis­ti­sche Zahlen.

B2B — Sales-Pipeline-Modell

Aus­gangs­punkt: die Sales-Pipeline. Anzahl Leads × Con­ver­si­on-Rate zu qua­li­fi­zier­ten Leads × Con­ver­si­on zum Angebot × Con­ver­si­on zum Abschluss × Deal-Größe × Deal-Zyklus. Beispiel B2B-SaaS: 1.000 Website-Besucher/Monat × 5 % Demo-Request = 50 Demos × 30 % Angebot = 15 Angebote × 25 % Abschluss = 3,75 Neukunden × 12.000 € ARR = 45.000 € mo­nat­li­ches Neu­ge­schäft. Nach 12 Monaten: 45.000 € × 12 × (1 − 10 % Churn) = ca. 485.000 € ARR.

B2B — Sales-Zyklus

Im B2B dauert der Ver­trags­ab­schluss oft 3–9 Monate. Die Prognose muss den Zeit­ver­satz zwischen Lead-Ge­ne­rie­rung und Um­satz­bu­chung abbilden. Für eine Firma, die im Januar startet: erste Deals im Mai/Juni, erste nen­nens­wer­te Umsätze im 2. Halbjahr.

B2C — Traffic- und Conversion-Modell

Aus­gangs­punkt: Reich­wei­te und Con­ver­si­on. Marketing-Reich­wei­te × Click-Through-Rate × Con­ver­si­on-Rate × Average Order Value × Wie­der­ho­lungs­käu­fe. Beispiel B2C-E-Commerce: 50.000 Im­pres­sio­nen × 3 % CTR = 1.500 Besucher × 2 % Con­ver­si­on = 30 Käufe × 65 € AOV = 1.950 € Umsatz pro Kampagne.

B2C — Saisonalität und Impulskauf

Im B2C do­mi­nie­ren kürzere Zyklen, impulsive Kauf­ent­schei­dun­gen, stärkere Sai­so­na­li­tät. Weih­nachts­ge­schäft kann 35–50 % des Jah­res­um­sat­zes ausmachen, bei Geschenk-ori­en­tier­ten Produkten sogar 60 %.

Hybrid-Modelle

Viele Geschäfts­modelle sind nicht rein B2B oder B2C (z. B. Gastro­nomie mit B2B-Catering-Anteil, SaaS mit Freemium-Upgrade-Pfad). Jeder Kanal wird separat mo­del­liert, die Ge­samt­pro­gno­se ist die Summe der Kanäle.

Pipeline-Coverage im B2B

Richtwert: Pipeline-Volumen sollte min­des­tens 3x des Um­satz­ziels betragen, um rea­lis­tisch ab­schließ­bar zu sein. Wer 1 Mio. € Jah­res­um­satz plant, braucht 3 Mio. € qua­li­fi­zier­te Pipeline — das macht die Lead-Gen-An­for­de­run­gen konkret messbar.

In Geschäfts­modellen mit wie­der­keh­ren­den Kunden (SaaS, Abon­ne­ment, wie­der­hol­te B2C-Käufe) ist die Ko­hor­ten­ana­ly­se die wich­tigs­te Technik für rea­lis­ti­sche Umsatz­prognosen.

Was ist eine Kohorte?

Alle Kunden, die im selben Zeitraum gewonnen wurden (z. B. "Kohorte Januar 2025" oder "Kohorte Q1 2025"). Jede Kohorte wird über die Zeit verfolgt: wie viele bleiben Kunden, wie viel geben sie aus, wann kündigen sie.

Retention-Rate und Churn

Anteil der Kohorte, die nach N Monaten noch aktiver Kunde ist. Beispiel: Kohorte Januar 2024 hatte 100 Kunden, davon nach 12 Monaten 70 aktiv = 70 % Retention, 30 % Churn. Typische SaaS-Bench­marks: B2B-SaaS 85–95 % jährliche Retention, B2C-Abos 40–70 %.

Lifetime Value (LTV)

Er­war­te­ter Ge­samt­um­satz pro Kunde über die gesamte Kun­den­be­zie­hung. Formel ver­ein­facht: Durch­schnitt­li­cher Umsatz pro Kunde pro Monat / mo­nat­li­che Churn-Rate. Beispiel: 100 € MRR pro Kunde ÷ 3 % mo­nat­li­che Churn = 3.333 € LTV.

Kohorten-basierte Prognose

Umsatz Monat X = Summe aus: (Kohorte Monat 1 × Retention nach X−1 Monaten × durch­schnitt­li­cher Umsatz) + (Kohorte Monat 2 × Retention nach X−2 Monaten) + ... Plus Neu­ge­schäft aus Kohorte Monat X. So entsteht ein Umsatz-Verlauf, der Retention und Neu­ge­schäft kon­sis­tent in­te­griert.

Warum lineare Wachstumsprognosen scheitern

Eine lineare Umsatz­prognose (+10 % pro Monat) ignoriert Retention-Effekte. Neu­ge­schäft allein reicht nicht — wenn Retention schwach ist, kom­pen­siert selbst hohes Neu­ge­schäft nicht den Abfluss. Ko­hor­ten­ana­ly­se zeigt diese Dynamik trans­pa­rent.

Datenbasis vor Gründung

Gründer ohne his­to­ri­sche Kohorten-Daten müssen mit Branchen-Bench­marks arbeiten. Pu­bli­zier­te SaaS-Studien (OpenView, Chart­Mo­gul Bench­marks, SaaS Benchmark Germany) liefern typische Retention-Kurven für ver­schie­de­ne Preis­seg­men­te (SMB: niedriger Retention, En­ter­pri­se: höhere Retention).

Adressaten erwarten Kohorten bei SaaS

VCs und so­phis­ti­zier­te Business Angels fragen im B2B-SaaS-Pitch nach Kohorten — ohne diese Daten wirkt der Finanz­plan ama­teur­haft.

Sai­so­na­li­tät wird in Umsatz­prognosen re­gel­mä­ßig un­ter­schätzt. Lineare Monats-Prognosen verdecken kritische Schwan­kun­gen.

Saison-Faktoren nach Branche

Gastro­nomie im Tou­ris­mus­ge­biet: Hoch­sai­son Juni–September mit 60–70 % des Jah­res­um­sat­zes, Ne­ben­sai­son November–März oft defizitär. Ski­ge­bie­te umgekehrt (Hoch­sai­son Dezember–März). Einzel­handel Weih­nachts­ge­schäft: November–Dezember 25–40 % des Jah­res­um­sat­zes. E-Commerce mit Geschenk-Fokus: 50 %+ Peak im Q4. B2B-Software: typisch Februar–Juni und September–November starke Abschluss-Phasen, Juli–August und Dezember schwach wegen Ur­laubs­zei­ten.

Winter/Sommer-Geschäfte

Bau­hand­werk, Gartenbau, Fas­sa­den­bau haben starke Sai­so­na­li­tät (März–Oktober aktive Bauzeit, November–Februar Standby oder Indoor-Arbeit). Hei­zungs­bau umgekehrt (Herbst/Winter-Peak). Prognose muss Winter-Pause oder Re­du­zie­rung abbilden.

B2B-Einkaufszyklen

Groß­un­ter­neh­men bud­ge­tie­ren typisch jährlich — die Budget-Freigabe erfolgt oft Q1, Projekte starten Q2–Q3, Ab­schlüs­se häufig Ende Q4. Wer im B2B an Groß­kun­den verkauft, hat saisonale Muster trotz scheinbar bran­chen­über­grei­fen­dem Geschäft.

Sonder-Events

Messen (CES, Hannover Messe, Dmexco, OMR, Bits & Pretzels), branchen-spe­zi­fi­sche Kongresse, Saison-Events (Weih­nachts-Geschäft, Back-to-School, Som­mer­fe­ri­en). Für viele Anbieter bedeuten diese Events 10–30 % des Jah­res­um­sat­zes in zwei Wochen.

Saisonalität quantifizieren

Am ro­bus­tes­ten: Saison-Indizes aus his­to­ri­schen Daten der Branche (Destatis Pro­duk­ti­ons-Index, Einzel­handels-Umsätze nach Monat). Indexwert Januar = 80, Februar = 85, ... Dezember = 120 (mit 100 als Mo­nats­durch­schnitt) mul­ti­pli­ziert mit Durch­schnitts­pro­gno­se ergibt saisonal korrekte Mo­nats­wer­te.

Prognose-Implikation

Jah­res­um­satz-Prognose / 12 ≠ Mo­nats­um­satz. Saisonale Ver­tei­lung kann einzelne Monate bei 2x des Durch­schnitts zeigen, andere bei 0,3x. Liquiditäts­planung muss diese Schwan­kun­gen abbilden.

Warum Prognosen nicht einmalig sind

Eine Umsatz­prognose ist kein Vertrag mit der Zukunft — sie ist ein Ar­beits­in­stru­ment. Wer die ur­sprüng­li­che Prognose 12 Monate lang nicht anfasst, verliert den Bezug zur Realität und über­rascht Bank, Inves­toren und Steu­er­be­ra­ter bei der nächsten Plan-Ab­wei­chung. Die Pra­xis­re­gel: Plan-Ist-Vergleich am 10. jedes Monats, spä­tes­tens am 15.

Schwellenwerte für Plan-Revision

Kleinere Ab­wei­chun­gen (unter 10 Prozent vom Mo­nats­ziel) bleiben in der Regel un­kor­ri­giert — sie mitteln sich über die Rolling-Quartale aus. Ab 15 Prozent ku­mu­lier­ter Ab­wei­chung über zwei Monate ist eine formale Revision fällig: Ursache bestimmen, Prognose anpassen, Bank in­for­mie­ren, wenn Covenant-Relevanz besteht. Ab 25 Prozent ist der gesamte Finanz­plan neu auf­zu­set­zen und gegenüber Stake­hol­dern zu kom­mu­ni­zie­ren.

Rolling Forecast vs. Budget-Fixiert

Klas­si­sche Jah­res­bud­gets werden einmal im Herbst für das Folgejahr ver­ab­schie­det und dann ein­ge­fro­ren. Rolling Forecasts ver­län­gern sich au­to­ma­tisch: jeden Monat wird der hinterste Monat ab­ge­schnit­ten und hinten ein neuer angehängt. Für Grün­dun­gen und wachs­tums­star­ke Phasen ist Rolling überlegen, weil die Prognose-Qualität mit dem tat­säch­li­chen Da­ten­fluss mitwächst.

Kommunikation bei Plan-Abweichung

Banken und Haupt­gläu­bi­ger reagieren kon­struk­tiv auf früh kom­mu­ni­zier­te Prognose-Re­vi­sio­nen — de­struk­tiv auf nach­träg­lich bemerkte. Faust­re­gel: jede Plan-Revision, die negativ abweicht, per E-Mail an Steu­er­be­ra­ter und (bei laufenden Krediten) Hausbank mit kurzer Ur­sa­chen­be­schrei­bung und neuer Prognose. Das bewahrt Ver­trau­en­s­ka­pi­tal und ist bei späteren Ge­sprä­chen über Stundung, Auf­sto­ckung oder Re­fi­nan­zie­rung von direktem Wert.

Verbindung zur Steuervorauszahlung

Vier­tel­jähr­li­che Ein­kom­mens-, Kör­per­schaft- und Ge­wer­be­steu­er-Vor­aus­zah­lun­gen basieren auf dem Vor­jah­res­er­geb­nis. Wer im laufenden Jahr deutlich unter Vorjahr liegt, kann beim Finanzamt Anpassung der Vor­aus­zah­lun­gen be­an­tra­gen — das entlastet die Li­qui­di­tät sofort. Wer deutlich über Vorjahr liegt, sollte Rücklagen für die Nach­zah­lung am Jah­res­en­de aufbauen, um die Nach­zah­lung im Folgejahr nicht als Li­qui­di­täts­schock zu erleben.

Dieselbe Umsatz­prognose, un­ter­schied­li­che Adres­sa­ten, un­ter­schied­li­che Akzente.

Agentur für Arbeit (Gründungszuschuss)

Fokus auf An­lauf­pha­se und rea­lis­ti­sche Ent­wick­lung im ersten Jahr. Kon­ser­va­ti­ve Prognose bevorzugt — zu op­ti­mis­ti­sche Zahlen wirken unseriös. Monats-Gra­nu­la­ri­tät der ersten 12 Monate zeigt nüchterne Planung. Wichtig: Prognose muss den Un­ter­neh­mer­lohn über ALG-I-Niveau recht­fer­ti­gen.

Hausbank (Kreditfinanzierung)

Fokus auf Cashflow-Sta­bi­li­tät und Til­gungs­fä­hig­keit. Prognose mit rea­lis­ti­schen Ab­wei­chungs-Szenarien (Stress-Test). Banken rechnen Kre­dit­ra­ten gegen freien Cashflow — die Umsatz­prognose muss diese Kal­ku­la­ti­on tragen. Bei laufender Tilgung muss die Umsatz­prognose den ent­spre­chen­den zu­sätz­li­chen De­ckungs­bei­trag pro Monat tragen können.

Investoren (VC, Business Angels)

Fokus auf Wachstum und Ska­lier­bar­keit. Hockey-Stick-Kurven sind hier erwartbar, müssen aber mit konkreten Annahmen un­ter­füt­tert sein: Marketing-In­ves­ti­tio­nen, Sales-Team-Aufbau, Pro­dukt­wei­ter­ent­wick­lung. Jahr 1 kon­ser­va­tiv (Produkt-Markt-Fit-Phase), Jahr 2 Be­schleu­ni­gung, Jahr 3–5 starkes Wachstum.

Förderstellen (EXIST, ZIM, Horizon)

Fokus auf Ver­wer­tungs-Wahr­schein­lich­keit und Ar­beits­platz­ef­fek­te. For­schungs- und Ent­wick­lungs­pha­sen werden anders geplant als reine Markt­ein­trit­te. Umsatz-Prognose beginnt oft erst nach Projekt-Ende (Post-För­der­pha­se).

Franchise-Geber und Systempartner

Fokus auf Plau­si­bi­li­tät der Standort-Per­for­mance. Umsatz-Bench­marks aus Ver­gleichs-Stand­or­ten dienen als Korridor. Ab­wei­chun­gen brauchen konkrete Be­grün­dung (Stand­ort­vor­tei­le, Ziel­grup­pen-Dif­fe­ren­zen).

Gemeinsamer Nenner

Jeder Adressat erkennt un­rea­lis­ti­sche Annahmen. Die Anpassung an den Adres­sa­ten ist keine Zahlen-Kosmetik, sondern un­ter­schied­li­che Ak­zen­tu­ie­rung derselben be­last­ba­ren Basis-Prognose. Der Worst Case bleibt für alle Adres­sa­ten relevant — aber die Dar­stel­lung und Ge­wich­tung der Szenarien variiert. Siehe auch Executive Summary schreiben für Adres­sa­ten-spe­zi­fi­sche An­pas­sun­gen.

Weiterführende Ratgeber

Passen zu diesem Thema: Finanz­plan erstellen, Liquiditäts­planung, Markt­analyse.

Sta­tis­ti­sches Bundesamt und Bran­chen­ver­bän­de geben Ver­gleichs­wer­te. Gastro­nomie: Umsatz pro Qua­drat­me­ter Gastraum 2.500 bis 4.500 € jährlich; Re­stau­rant Pro-Kopf-Umsatz 18 bis 35 €; Café 6 bis 12 €; Bar/Kneipe 12 bis 22 €. Einzel­handel: Umsatz pro Qua­drat­me­ter Ver­kaufs­flä­che 3.500 bis 7.500 € Mode, 2.500 bis 4.000 € Le­bens­mit­tel, 4.000 bis 8.000 € Drogerie. Handwerk Bau­haupt­ge­wer­be: Umsatz pro Mit­ar­bei­ter 95.000 bis 140.000 €; SHK 110.000 bis 160.000 €; Elektro 105.000 bis 155.000 €. SaaS B2B: ARR pro Mit­ar­bei­ter Jahr 1 etwa 120.000 €, Jahr 3 etwa 220.000 €; CAC-Payback unter 18 Monaten; Net Revenue Retention über 100 Prozent gilt als gesund. Beratung: Tagessatz 600 bis 1.200 € mal 180 bis 220 pro­duk­ti­ve Tage = 108.000 bis 264.000 € Solo-Umsatz. Quelle für jeden Wert nennen, im Plan-Annex verlinken.

Für Sub­scrip­ti­on-Geschäfts­modelle ist das Cohort-Modell die saubere Methode. Pro Akquise-Monat (Cohort) wird die Ent­wick­lung über die Zeit verfolgt: Neukunden × ARPU = Initial-MRR-Beitrag, monatlich abnehmend um die Cohort-spe­zi­fi­sche Churn-Rate (log­arith­misch oder ex­po­nen­ti­ell anhand der Daten). Aggre­giert ergibt sich der gesamt-MRR als Summe aller aktiven Cohorts. ARR (Annual Recurring Revenue) = MRR × 12. Netto-Dollar-Retention (Expansion innerhalb Cohort − Churn) ist die zentrale Investor-Kennzahl: NDR >100 % bedeutet, dass eine Cohort über die Zeit mehr Umsatz generiert als am Anfang; NDR <90 % zeigt strukturelles Retention-Problem. In Pre-Seed/Seed-Pitches wird das Cohort-Modell oft als Hockey-Stick-Vermeider gezeigt — drei reale Cohorts mit echten Daten schlagen jede Top-down-Marktschätzung.

Für Beratung, Handwerk, Therapie und alle stun­den­ba­sier­ten Dienst­leis­tun­gen funk­tio­niert die Bottom-up-Logik über Kapazität × Stun­den­satz × Ver­füg­bar­keit. Pro Mit­ar­bei­ter: pro­duk­ti­ve Stunden pro Jahr 1.250–1.500 h (nicht 1.700 h Soll-Ar­beits­zeit — Krankheit, Urlaub, Rüstzeit, Akquise-Zeit abziehen), Stun­den­satz nach Markt-Korridor (siehe Branchen-Benchmark-Tabellen), Aus­las­tungs­grad 65–85 % (75 % als plau­si­bler Default für eta­blier­te Anbieter). Umsatz pro Mit­ar­bei­ter = 1.300 h × 90 €/h × 75 % ≈ 87.750 € — diese Zahl ist die obere Grenze. Bei Ska­lie­rung kommen Personal-/Re­crui­ting-Kosten dazu, die Um­satz­ent­wick­lung folgt nicht linear, sondern stufig (jeder neue Mit­ar­bei­ter braucht 3–6 Monate Anlauf-Phase mit re­du­zier­ter Aus­las­tung).

Branchen mit aus­ge­präg­ter Sai­so­na­li­tät (Gastro­nomie, Tourismus, E-Commerce, Bau) ver­fäl­schen lineare Hoch­rech­nun­gen. Der saubere Pfad: (1) His­to­ri­sche Daten der eigenen Branche ex­tra­hie­ren (Destatis-Indizes, Bran­chen­ver­band-Sta­tis­ti­ken, Kon­kur­renz-Daten aus Bun­des­an­zei­ger); (2) Saison-Index pro Monat berechnen (z. B. Gastro­nomie Dez 130, Jan 75, Aug 110); (3) Jah­res­um­satz auf Monate verteilen mit Saison-Index; (4) Wachs­tums­fak­tor (CAGR) separat anwenden. Wer einen flachen Mo­nats­um­satz im Plan ansetzt, si­gna­li­siert dem Reviewer entweder fehlende Branchen-Expertise oder bewusste Glättung — beides reduziert die Glaub­wür­dig­keit. Ein Plan mit klarer Saison-Kurve plus Wachstums-Trend ist deutlich über­zeugender.