Warum herkömmliche Markteinführungsprognosen in dynamischen Märkten versagen

Wie man die Markteinführung plant, wenn Ausschreibungsregeln, Preisänderungen und Generika die Nachfrage verändern können.

Warum herkömmliche Markteinführungsprognosen in dynamischen Märkten versagen
4 Minuten lesen
8. September 2026 (Aktualisiert am 18. September 2026)
Matteo Fabiani

„Prognosen spielen seit jeher eine zentrale Rolle bei der strategischen Entscheidungsfindung. Nirgendwo wird dies deutlicher als im Gesundheitswesen. Von der Markteinführungsplanung und Preisgestaltung bis hin zur Marktzugangsstrategie und Investitionen in die Produktpipeline – Prognosen bilden die Grundlage für einige der folgenreichsten Entscheidungen der Branche.“

Dennoch basieren viele Prognoseansätze nach wie vor auf der Vergangenheit. Historische Umsatzdaten geben zwar Aufschluss darüber, wie sich der Markt bisher entwickelt hat, sagen aber nicht unbedingt etwas darüber aus, wohin er sich entwickeln wird. In Märkten, die durch Innovationen, politische Veränderungen, Beschaffungsentscheidungen und KI-getriebene Umbrüche neu gestaltet werden, ist das Verständnis des menschlichen Verhaltens und der Entscheidungsfindung ebenso wichtig wie das Verständnis historischer Trends.“

– Matteo Fabiani, stellvertretender Direktor | SKIM

Die Herausforderung: Prognose der Akzeptanz neuer Produkte in einem dynamischen Markt

Zur Vorbereitung der Markteinführung musste unser Kunde nicht nur das Akzeptanzpotenzial eines neuartigen Kontrastmittels einschätzen, sondern auch verstehen, wie sich künftige Marktveränderungen im Laufe der Zeit auf die Akzeptanz auswirken könnten. Zwar zeichnete sich das Produkt durch eine klare Differenzierung aus, doch herrschte erhebliche Unsicherheit darüber, wie die Akteure im Gesundheitswesen in einem zunehmend wettbewerbsintensiven und preissensiblen Markt reagieren würden.

Die Prognose musste mehrere Entscheidungsträger, Ausschreibungsvereinbarungen, Portfolioverträge und den wachsenden Druck sowohl durch Marken- als auch durch Generika-Wettbewerber berücksichtigen. Der Kunde wollte außerdem verstehen, wie zukünftige Ereignisse die Nachfrage in den kommenden Jahren verändern könnten (selbst solche, die er noch nicht genau definieren konnte).

Herkömmliche Prognoseansätze konnten zwar Teile der Herausforderung bewältigen, indem sie sich auf historische Trends stützten, aber sie lieferten kein vollständiges Bild. Die Frage lautete: Wie lässt sich eine Prognose erstellen, die in einem Markt, der nicht stillsteht, robust bleibt?

Unsere Lösung: Das „Goldilocks“-Problem

Um diese Herausforderung zu bewältigen, entwickelte SKIM ein integriertes Prognosekonzept, das die Stärken historischer Marktdaten mit der Vorhersagekraft von Präferenzmodellen kombinierte.

Im Mittelpunkt des Ansatzes stand das sogenannte „Goldilocks-Problem“. Historische Absatzdaten können zwar ein realistisches Bild der Marktdynamik vermitteln, sind jedoch naturgemäß rückblickend und können Ereignisse, die noch nicht eingetreten sind, nur schwer berücksichtigen. Die Wahlmodellierung hingegen kann erfassen, wie Interessengruppen auf unterschiedliche Produktprofile, Preisstrategien und Wettbewerbsszenarien reagieren, spiegelt jedoch möglicherweise nicht vollständig die realen Einschränkungen wider, die die Akzeptanz beeinflussen.

„Allzu oft sind Prognoseteams gezwungen, sich zwischen Realismus und Flexibilität zu entscheiden. Historische Umsatzdaten erklären die Vergangenheit, während Wahlmodellierung einen Blick in die Zukunft wirft. Durch die Kombination der Stärken beider Ansätze haben wir einen Prognoseansatz entwickelt, der weiterhin auf der realen Marktdynamik basiert und sich gleichzeitig an zukünftige Veränderungen anpasst.“

– Matteo Fabiani, stellvertretender Direktor | SKIM

Anstatt uns auf eine einzige Methodik zu stützen, haben wir beide Ansätze miteinander kombiniert. Historische Absatzdaten dienten dazu, die Prognosen auf das beobachtete Marktverhalten abzustützen, während mithilfe fortschrittlicher Entscheidungsmodellierung quantifiziert wurde, wie verschiedene Akteure im Gesundheitswesen auf künftige Abwägungen und Marktszenarien reagieren würden.

Um den Realismus weiter zu steigern, wurden in das Modell die Auswirkungen realer Ereignisse wie Ausschreibungen, Vertragsabschlüsse und Entscheidungsprozesse unter Einbeziehung verschiedener Interessengruppen einbezogen. Zukünftige Ereignisse wie die Markteinführung von Konkurrenzprodukten oder Generika sowie Preisänderungen wurden anschließend in die Prognose integriert, um zu simulieren, wie sich die Akzeptanz und der Marktanteil im Laufe der Zeit entwickeln könnten.

Das Ergebnis war ein dynamisches Prognosetool, das dem Kunden half, Unsicherheiten zu analysieren, strategische Annahmen zu überprüfen und selbst in noch nie dagewesenen Szenarien fundiertere Entscheidungen zur Markteinführung zu treffen.

Das Ergebnis: Ein zweckmäßiges Modell als Leitfaden für die Strategie

Das Ergebnis war mehr als nur eine Prognose. Der Kunde erlangte ein gemeinsames Verständnis der Faktoren, die den Erfolg der Markteinführung am ehesten beeinflussen würden, der Szenarien, die die Marktakzeptanz im Laufe der Zeit verändern könnten, sowie der strategischen Hebel, die zur Reaktion zur Verfügung stehen. Dies ermöglichte es den Teams, Entscheidungen bezüglich Markteinführung, Preisgestaltung und Marktzugang selbst angesichts erheblicher Unsicherheiten mit größerer Zuversicht zu bewerten.

Ein Schlüsselelement des Projekts bestand darin, sicherzustellen, dass die richtigen Stakeholder während des gesamten Forschungsprozesses einbezogen wurden. Teams aus den Bereichen Prognose, Marktforschung, Vertrieb und Marktzugang trugen dazu bei, die Annahmen, Szenarien und geschäftlichen Fragestellungen zu formulieren, auf denen das Modell basierte. Dies stärkte nicht nur die Qualität der Ergebnisse, sondern förderte auch frühzeitig die Abstimmung auf eine gemeinsame Sichtweise des Marktes und der bevorstehenden Herausforderungen.

Die endgültigen Ergebnisse wurden mit Blick auf die Endnutzer konzipiert. Anstelle einer statischen Prognose entwickelte „ SKIM “ ein intuitives Simulationswerkzeug und ein Berichtsrahmenwerk, das es den Teams ermöglichte, eigenständig Szenarien zu untersuchen, strategische Optionen zu bewerten und Annahmen anzupassen, sobald sich die Marktbedingungen veränderten. Indem den Beteiligten eine gemeinsame Sprache und ein gemeinsames Entscheidungsrahmenwerk an die Hand gegeben wurden, unterstützte die Untersuchung die strategische Planung noch lange nach der Vorlage der ersten Startprognose.

Was dies für die Prognosen im Gesundheitswesen bedeutet

Unsere Arbeit hat eine einfache, aber wichtige Erkenntnis deutlich gemacht: Bei einer besseren Prognose geht es nicht um mehr Daten. Es geht darum, fundiertere Erkenntnisse zu gewinnen, bessere Entscheidungen zu ermöglichen und eine gemeinsame Sichtweise auf die Zukunft zu schaffen. Dabei lassen sich drei wichtige Erkenntnisse hervorheben:

Dynamische Modellierung ist statischen Annahmen überlegen. Durch die Kombination historischer Verkaufszahlen mit Conjoint-Präferenzen haben wir eine Prognose erstellt, die sowohl glaubwürdig als auch flexibel ist und sich für verschiedene Zukunftsszenarien eignet.

Die fundiertesten Prognosen berücksichtigen mehrere Perspektiven. Historische Daten sorgen für Glaubwürdigkeit, während Erkenntnisse zum Verbraucherverhalten Aufschluss darüber geben, wie Märkte auf Veränderungen reagieren könnten. Zusammen ergeben sie ein zuverlässigeres Bild der zukünftigen Nachfrage.

Ein gemeinsames Verständnis führt zu besseren Entscheidungen. Wenn sich die Teams aus den Bereichen Vertrieb, Prognose und Marktzugang auf dieselben Annahmen einigen, verläuft die Planung schneller, sicherer und koordinierter.

Das Fazit lautet: Wenn man verhaltenswissenschaftliche Erkenntnisse mit den realen Rahmenbedingungen verbindet, geht man von der Vorhersage der Zukunft dazu über, diese tatsächlich zu gestalten.

Vertrauen in Entscheidungen bezüglich Start und Zugang schaffen

Wenn Sie die Chancen eines neuen Produkts auf einem wettbewerbsintensiven Gesundheitsmarkt einschätzen möchten, kombiniert „ SKIM “ Prognosen und Präferenzforschung, um mehr Sicherheit und fundierte Erkenntnisse für die strategische Planung zu liefern.

Bei einer besseren Prognose geht es nicht nur darum, die Nachfrage vorherzusagen. Es geht darum, zu verstehen, wie sich Märkte entwickeln könnten und was dies für die Markteinführung, die Preisgestaltung, den Marktzugang und die Portfoliostrategie bedeutet. Die fundiertesten Entscheidungen basieren nicht allein auf mehr Daten, sondern auf einem tieferen Verständnis dafür, wie die Beteiligten voraussichtlich auf sich ändernde Marktbedingungen reagieren werden.

Da die Gesundheitsmärkte zunehmend von Wettbewerbs-, Preis- und Zugangsdynamiken geprägt werden, können Prognosen sich nicht mehr ausschließlich auf vergangene Ereignisse stützen. Unternehmen benötigen Instrumente, die ihnen helfen zu verstehen, wie die Beteiligten auf künftige Entwicklungen reagieren könnten.

Nehmen Sie Kontakt mit uns auf, um Ihre nächste Herausforderung im Bereich der strategischen Prognosen zu besprechen.

Matteo Fabiani

Geschrieben von

Matteo Fabiani

Matteo hat einen Bachelor of Science (BSc) in Soziologie (mit Auszeichnung) und einen Master of Science (MSc) in Methoden der Sozialforschung von der University of Surrey, wo er sich auf quantitative und qualitative Forschungsmethoden, statistische Modellierung und die Konzeption von Umfragen spezialisiert hat. Als stellvertretender Direktor bei der „ SKIM “ Group ist Matteo einer der Leiter des Geschäftsbereichs Gesundheitswesen und konzentriert sich dabei auf strategisches Wachstum, Kundenbeziehungen und exzellente Forschungsarbeit.

Mehr über Matteo Fabiani