Frühwarnindikatoren (Leading vs. Lagging Indicators)

Leading und Lagging Indicators bezeichnen zwei komplementäre Kategorien von Steuerungskennzahlen im Controlling. Während Lagging Indicators bereits eingetretene Ergebnisse und Zustände abbilden, liefern Leading Indicators frühzeitige Hinweise auf künftige Entwicklungen und ermöglichen damit eine proaktive Unternehmenssteuerung. Zheng et al. (2019, S. 537) betonen, dass eine wirksame Steuerung nicht allein auf vergangenheitsbezogenen Resultaten beruhen sollte, sondern auf einer Verbindung aus rückblickender und vorausschauender Informationsbasis. Ergänzend heben Brocal Fernandez et al. (2021, S. 2) hervor, dass neben bereits eingetretenen Ergebnissen auch jene technischen, organisatorischen und menschlichen Faktoren zu beachten sind, welche Entwicklungen überhaupt antreiben. Für das Controlling sind Leading und Lagging Indicators deshalb nicht als Gegensätze zu verstehen, sondern als zwei sich ergänzende Perspektiven auf Steuerungsinformationen.

Hintergrund und Relevanz im Controlling

Unternehmen agieren heute in einem zunehmend volatilen und unsicheren Umfeld. Sie müssen Schwankungen in Beschaffungs-, Finanzierungs- und Absatzmärkten sowie Risiken in Projekten, Prozessen und ihrem Umfeld frühzeitig erkennen und angemessen darauf reagieren (Schäffer & Botta, 2012, S. 8). Gleichzeitig ist das Top-Management häufig mit Problemen konfrontiert, die aufgrund überwiegend reaktiver Praktiken erst spät sichtbar werden (Bork & Elsholz, 2015, S. 384). Ein verspätetes Erkennen von Störungen, ungeplante Mehrkosten oder unzureichende Risiko- und Chancenanalysen erschweren es, Entwicklungen rechtzeitig zu antizipieren und frühzeitig geeignete Gegenmassnahmen einzuleiten (Liebau, 2014, zit. in Bork & Elsholz, 2015, S. 384).

Vor diesem Hintergrund stösst ein klassisches, stark vergangenheitsorientiertes Controlling an seine Grenzen. Erforderlich ist vielmehr ein zukunftsorientiertes und präventives Controlling, das potenzielle Abweichungen und Risiken bereits in ihrer Entstehung erkennt (Schäffer & Botta, 2012, S. 9–10). Frühwarnindikatoren leisten hierzu einen wichtigen Beitrag. Im vorausschauenden Controlling und im Risikomanagement helfen sie dabei, Unsicherheiten anhand relevanter Signale sichtbar zu machen und dadurch ein proaktives Management zu unterstützen (Schäffer & Botta, 2012, S. 11–12). Dazu werden typische Ursachen von Krisen und Problemen identifiziert, in geeignete Frühwarnindikatoren überführt und anschliessend in das Controlling, die treiberbasierte Planung sowie das Reporting integriert, um eine laufende Überwachung zu ermöglichen (Bork & Elsholz, 2015, S. 388).

Definition & Herkunft

⁠Die begriffliche Herkunft von Leading und Lagging Indicators lässt sich einerseits in der betriebswirtschaftlichen Diskussion um Frühwarnsysteme und andererseits in der Tradition konjunktureller Frühindikatoren verorten. Brokmann und Weinrich (2012, S. 24) zeigen, dass Frühwarnindikatoren dem Management Informationen bereitstellen sollen, mit denen kritische Entwicklungen möglichst früh erkannt und beeinflusst werden können. Zugleich verweisen sie darauf, dass die Begrifflichkeit des Frühwarnsystems bereits 1973 in die deutsche Betriebswirtschaft eingeführt wurde und sich daraus eine eigenständige Denktradition der Früherkennung entwickelt hat. Ergänzend macht Heinemann (2012, S. 112) am Beispiel der Konjunkturprognose deutlich, dass ein Indikator dann als frühzeitig relevant gilt, wenn er zeitlich vor einer Referenzgrösse verfügbar ist und einen belastbaren Beitrag zur Vorhersage ihrer Entwicklung leisten kann. In der volkswirtschaftlichen Analyse wird dabei häufig die Entwicklung des Bruttoinlandsprodukts als Referenzgrösse herangezogen. Damit wird sichtbar, dass die Logik von Leading und Lagging Indicators auf der grundlegenden Frage beruht, ob eine Kennzahl eher auf zukünftige Entwicklungen hinweist oder bereits eingetretene Entwicklungen widerspiegelt.

Davon abzugrenzen ist das Frühwarnsystem als übergeordnetes Konzept. Brokmann und Weinrich (2012, S. 24) verstehen Frühwarnindikatoren als Informationen, die dem Management zur frühen Erkennung möglicher Gefahren dienen. Daraus folgt, dass einzelne Leading oder Lagging Indicators noch kein Frühwarnsystem bilden. Ein Frühwarnsystem umfasst vielmehr die systematische Auswahl, Beobachtung und Einordnung solcher Informationen, damit aus einzelnen Signalen steuerungsrelevantes Wissen entsteht. Leading und Lagging Indicators sind somit Bausteine eines Frühwarnsystems, aber nicht mit dem Frühwarnsystem selbst gleichzusetzen.

Leading vs. Lagging Indicators

Abb. 1: Die Abbildung zeigt die kausale und zeitliche Beziehung zwischen Leading und Lagging Indicators (in Anlehnung an xraydelta videos, 2017)

Die Unterscheidung zwischen Leading und Lagging Indicators bildet einen zentralen Bestandteil des Verständnisses von Frühwarnindikatoren. Sie beruht auf der kausalen und zeitlich aufeinanderfolgenden Beziehung zwischen Ursachen (lead) und den daraus resultierenden Effekten (lag), wie die Abbildung 1 grafisch aufzeigt (Romeike, 2005, S. 277).

Grundlegende Abgrenzung

Leading Indicators sind frühzeitige Kennzahlen, die auf zukünftige Entwicklungen hinweisen und damit die Grundlage einer proaktiven Unternehmenssteuerung bilden. Sie erfassen Aktivitäten, Zustände oder Ereignisse, die mit hoher Wahrscheinlichkeit künftige Ergebnisse beeinflussen. So können beispielsweise häufige Audits, Schulungen oder eine zunehmende Anzahl von Verbesserungsvorschlägen als positive Frühindikatoren dienen. Ebenso können vermehrte Abweichungen, Reklamationen oder Prozessfehler als negative Frühwarnsignale interpretiert werden. (Lingard et al., 2017, S. 208)

Lagging Indicators hingegen sind nachlaufende Kennzahlen, die bereits eingetretene Ereignisse oder Resultate messen. Sie zeigen an, wie erfolgreich frühere Massnahmen gewirkt haben, und ermöglichen eine rückblickende Leistungsbewertung. Typische Lagging Indicators sind zum Beispiel Umsatz, EBIT, Ausschussquote, Kostenabweichungen oder Unfallzahlen. Diese Kennzahlen messen Folgen oder Ergebnisse vergangener Aktivitäten und gelten als reaktive Steuerungsgrössen. (Lingard et al., 2017, S. 208)

Anwendungsbeispiel im Business Performance Management

Business Performance Management bezeichnet die Steuerung und Beurteilung von Leistung anhand von Kennzahlen, wobei sowohl vergangene Ergebnisse als auch Hinweise auf zukünftige Entwicklungen berücksichtigt werden (Zheng et al., 2019, S. 535).

Lagging Indicators werden als nachlaufende Leistungskennzahlen verstanden, welche die Ergebnisse vergangener Handlungen widerspiegeln. Sie dienen somit primär der Darstellung bereits erzielter Resultate und kommunizieren ausschliesslich Entwicklungen, die in der Vergangenheit stattgefunden haben. Typische Beispiele hierfür sind Kennzahlen wie Umsatz, EBIT oder operativer Cashflow. (Zheng et al., 2019, S. 534)

Demgegenüber stellen Leading Indicators Input- bzw. Prozesskennzahlen dar, die genutzt werden, um die zukünftige Leistungsentwicklung eines Prozesses vorherzusagen. Sie ermöglichen eine vorausschauende Perspektive, indem sie frühzeitig Hinweise auf mögliche Entwicklungen liefern und somit eine proaktive Steuerung unterstützen. Beispiele hierfür sind die Anzahl neuer Kundenkontakte, Angebotsfragen oder Website-Besuche. (Zheng et al., 2019, S. 534)

Vorgehen zur Identifikation und Auswahl geeigneter Frühwarnindikatoren

Die Identifikation und Auswahl geeigneter Frühwarnindikatoren ist ein zentraler Schritt für ein ursachenorientiertes und proaktives Controlling. Dabei sind sowohl spezifische Auswahlkriterien als auch unterschiedliche Klassifikationsansätze zu berücksichtigen. Grundsätzlich kann zwischen operativen und strategischen Frühwarnindikatoren unterschieden werden. Diese können aus unterschiedlichen internen und externen Quellen stammen. In der Praxis werden Informationen aus den jeweiligen Beobachtungsbereichen systematisch ausgewertet und anhand definierter Kriterien beurteilt, bevor sie als Indikatoren in das Controlling übernommen werden.

Unterscheidung	Beobachtungsbereiche und Quellen	Kriterien wirksamer Indikatoren und Signale	Merkmale der Indikatoren
Operative Frühwarnindikatoren	Externe Beobachtungsbereiche: Konjunkturelle Entwicklungen Strukturelle Entwicklungen Kapitalmarkt Arbeitsmarkt Beschaffungsmarkt Absatzmarkt Technologischer Bereich Sozio-politischer Bereich Interne Beobachtungsbereiche: Produktprogramm Mitarbeitende Ausrüstung Ergebnis- und Finanzlage F&E Beschaffung Produktion Absatz Verwaltung (Baum & Coenenberg, 2007, zit. in Brokmann & Weinrich, 2012, S. 28)	Eindeutigkeit: möglichst klare Interpretierbarkeit ohne Fehlinterpretationen Vollständigkeit: möglichst umfassende Abbildung des relevanten Beobachtungsbereichs Vorlaufzeit: frühzeitiger Hinweis auf Entwicklungen mit ausreichendem Handlungsspielraum Temporale Stabilität: geringe Schwankungsanfälligkeit und konstante Vorlaufzeit zur Referenzgrösse Ökonomische Vertretbarkeit: angemessenes Verhältnis zwischen Informationsnutzen und Beschaffungsaufwand (Hinze, 2003; Krystek & Müller, 1999, zit. in Brokmann & Weinrich, 2012, S. 27)	wohlstrukturiert eher quantitativ eher wertfrei eher analytisch eher beweisend eher erfahrungsbegleitet (Krystek, 2007, zit. in Brokmann & Weinrich, 2012, S. 30)
Strategische Frühwarnsignale	360-Grad-Radar-Scanning und Monitoring: Beobachtung neuer Meinungen, Ideen und Einschätzungen in relevanten Medien und Fachdiskursen, beispielsweise in Zeitungen, Berichten, Forschungsbeiträgen, Seminaren oder auf Messen; besondere Aufmerksamkeit gilt dabei Schlüsselpersonen und einflussreichen Organisationen Beobachtung von Entwicklungen und Tendenzen in der Rechtsprechung im In- und Ausland (Krystek, 2006; Welgel & Al-Laham, 2008, zit. in Brokmann & Weinrich, 2012, S. 30-31)	Intuitive Gefühle: vage Wahrnehmung möglicher Bedrohungen oder Chancen Strategische Relevanz und Datengrundlage: Berücksichtigung schwacher Signale nur bei strategischer Relevanz und belastbarer Herkunft der Informationen (Baum et al., 2007; Nagel & Ley, 1994; Liebl, 1996, zit. in Brokmann & Weinrich, 2012, S. 30-31)	schlechtstrukturiert eher qualitativ eher wertbeladen, politisierend eher holistisch eher überzeugend eher kreativ (Krystek, 2007, zit. in Brokmann & Weinrich, 2012, S. 30)

Integration in bestehende Systeme

Frühwarnindikatoren entfalten ihren Nutzen erst, wenn sie in bestehende Management- und Steuerungssysteme integriert werden. Erst diese organisatorische Einbettung ermöglicht es, relevante Entwicklungen frühzeitig sichtbar zu machen und für die proaktive Steuerung nutzbar zu machen. Geeignete Anknüpfungspunkte bieten insbesondere Risikocockpits, integrierte Managementsysteme und, in begrenztem Umfang, auch die Balanced Scorecard:

Balanced Scorecard

Die Balanced Scorecard kann als Ordnungsrahmen dienen, um Frühwarnindikatoren in bestehende Steuerungssysteme einzubetten. Sie verknüpft Ergebniskennzahlen mit vorgelagerten Einflussgrössen und macht dadurch Ursache-Wirkungs-Beziehungen zwischen Leading und Lagging Indicators sichtbar. Frühwarnsignale lassen sich dabei den vier klassischen Perspektiven der Balanced Scorecard zuordnen. In der Prozessperspektive können beispielsweise verlängerte Bearbeitungszeiten oder fehlende Informationen auf Probleme hinweisen, in der Kundenperspektive etwa sinkende Servicequalität oder rückläufige Kundenzufriedenheit. In der Lern- und Wachstumsperspektive deuten unter anderem steigende Fluktuation oder zunehmende Konflikte auf künftige Belastungen hin. Solche Entwicklungen können sich zeitlich verzögert auch in der Finanzperspektive niederschlagen, etwa in Form steigender Aufwendungen, sinkender Einnahmen oder zunehmender Verluste. (Romeike, 2005, S. 277-278) Damit kann die Balanced Scorecard um eine präventive Komponente ergänzt werden. Frühwarnindikatoren tragen dazu bei, kritische Entwicklungen frühzeitig zu erkennen und eine rechtzeitige Gegensteuerung zu ermöglichen.

Risikocockpits

Die Integration von Frühwarnindikatoren in Risikocockpits ist ein zentrales Element des vorausschauenden Controllings und der kontinuierlichen Risikoanalyse. Risikocockpits dienen in erster Linie dazu, risikorelevante Informationen übersichtlich darzustellen und damit unerwartete Entwicklungen möglichst früh sichtbar zu machen. Als transparente Führungsinstrumente bündeln sie Indikatoren zu potenziellen Risiken und stellen diese dem Management in verdichteter Form zur Verfügung. Dadurch wird die Aufmerksamkeit gezielt auf mögliche Handlungsfelder gelenkt und der Handlungsspielraum für präventive Massnahmen erweitert. (Schäffer & Botta, 2012, S. 9-10)

Integrierte Managementsysteme

Die Integration von Frühwarnindikatoren in integrierte Managementsysteme, die typischerweise Qualitäts-, Umwelt- und Sicherheitssysteme umfassen, bietet einen erheblichen Mehrwert für die dynamische Analyse neu entstehender Risiken (Brocal Fernandez et al., 2021, S. 1). Solche Managementsysteme basieren in der Regel auf iterativen PDVA-Zyklen (Plan, Do, Verify, Act), die durch Frühwarnindikatoren gezielt unterstützt und um proaktive sowie korrigierende Massnahmen ergänzt werden können (Brocal Fernandez et al., 2021, S. 2). Dadurch wird insbesondere die Analyse und Steuerung von Risiken in den Bereichen Umwelt, Qualität und Sicherheit verbessert (Brocal Fernandez et al., 2021, S. 2-4).

Kritische Würdigung

Die Implementierung und Nutzung von Frühwarnindikatoren als Frühwarnsysteme bieten erhebliche Chancen für ein proaktives Controlling, unterliegt jedoch in der Praxis spezifischen Limitationen. Die Wirksamkeit eines solchen Frühwarnsystems hängt massgeblich davon ab, wie das Unternehmen mit den folgenden Herausforderungen umgeht.

Methodische und datenbezogene Grenzen

Die Aussagekraft von Frühwarnindikatoren wird durch die Verfügbarkeit und Beschaffenheit der zugrundeliegenden Daten eingeschränkt:

• Mangelnde Datenverfügbarkeit für die Zukunft: Informationen über zukünftige Entwicklungen liegen naturgemäss nicht als harte Fakten vor. Da sich die Zukunft oft nicht linear aus der Vergangenheit fortschreiben lässt, erfordert die Arbeit mit Frühwarnindikatoren ein hohes Mass an Marktverständnis und Intuition seitens der Controller (Schäffer & Botta, 2012, S. 12).
• Qualitätsanforderungen bei KI-Einsatz: Der Einsatz moderner Analyseverfahren wie Predictive Analytics setzt strukturierte und bereinigte Datenmengen voraus. In der Unternehmenspraxis ist die Aufbereitung dieser Daten oft sehr aufwendig, was die Nutzbarkeit von KI-basierten Indikatoren limitiert (Nishat et al., 2025, S. 822).
• Fehlende Kausalität: Der Zusammenhang zwischen dem Anschlagen eines Indikators und der tatsächlichen finanziellen Auswirkung ist selten eindeutig. Wirkungszusammenhänge sind in komplexen Umfeldern oft vielschichtig und lassen sich kaum isoliert über einzelne Indikatoren erklären (Kaplan & Norton, 2008, zit. in Brokmann & Weinrich, 2012, S. 18).
• Subjektivität qualitativer Daten: Strategische Frühwarnsignale liegen oft in unstrukturierter Form vor und sind stark interpretationsbedürftig. Diese Subjektivität kann bei der Auswertung zu Verzerrungen führen, da die Signale nicht eindeutig messbar sind (Brokmann & Weinrich, 2012, S. 29).
• Änderungsrisiko der Rahmenbedingungen: Wenn sich grundlegende Marktbedingungen ändern, verlieren historische Datenreihen ihre Gültigkeit als Referenz. Ein Indikator, der in der Vergangenheit funktioniert hat, kann bei einem Strukturbruch im Markt nutzlos werden (Bomhard, 2009, zit. in Weinrich, 2012, S. 383).

Organisatorische und psychologische Barrieren

Selbst valide Indikatoren können ihre Wirkung verfehlen, wenn menschliche Verhaltensmuster die Interpretation behindern:

• Kognitive Wahrnehmungsverzerrungen: Die menschliche Wahrnehmung ist begrenzt und anfällig für Fehleinschätzungen. Phänomene wie der (Survivorship) Bias oder die Tendenz, Gefahren zu verharmlosen, führen dazu, dass Warnsignale übersehen oder in ihrer Bedeutung unterschätzt werden (Brokmann & Weinrich, 2012, S. 20; Riegler et al., 2012, S. 336).
• Folgen von Fehlalarmen: Wenn Indikatoren zu sensibel eingestellt sind und häufig warnen, ohne dass ein Schaden eintritt, entsteht eine Abstumpfung gegenüber dem System. Dies kann von Verunsicherung bis hin zur kompletten Ignoranz der Warnmeldungen führen (Brokmann & Weinrich, 2012, S. 18).
• Fehlende Handlungsanreize: Kurzfristig orientierte Zielvorgaben können Entscheidungsträger davon abhalten, auf langfristige Frühwarnindikatoren zu reagieren. Oft fehlen die Anreize, Kosten für präventive Massnahmen aufzuwenden, wenn deren Nutzen erst in ferner Zukunft oder durch das Ausbleiben eines Schadens sichtbar wird (Brokmann & Weinrich, 2012, S. 36).

Diese Limitationen verdeutlichen, dass Frühwarnindikatoren zwar kein Allheilmittel sind, aber bei korrekter Einbettung in die Entscheidungsprozesse ein unverzichtbares Instrument für ein vorausschauendes Controlling bleiben. Ihr Erfolg hängt massgeblich von einer validen Datenbasis und der Bereitschaft ab, auch unsichere Informationen proaktiv zu nutzen. Zukünftig bieten insbesondere die Digitalisierung und KI-gestützte Analyseverfahren das Potenzial, die Prognosegüte dieser Indikatoren weiter zu präzisieren und die Unternehmenssteuerung somit von einer reaktiven Berichterstattung hin zu einem datengetriebenen Frühwarnsystem zu entwickeln.

Lern- und Praxismaterialien

Fallstudie
Fallstudie Mecorva AG - Frühwarnindikatoren

Quellen

• Bork, M. & Elsholz, C. (2015). Projektcontrolling als vorausschauendes Führungsinstrument. Controlling, 27(7), 384–390. München: Vahlen.
• Brocal Fernandez, F., Sanchez-Lite, A., Fuentes-Bargues, J. L., Sebastian, M. Á., & González-Gaya, C. (2021). Conceptual Classification of Leading Indicators for the Dynamic Analysis of Emerging Risks in Integ… Applied Sciences, 11(22), Article 10921.
• Brokmann, T., & Weinrich, G. (2012). Frühwarnindikatoren und Krisenfrühaufklärung – Ansätze und Praxisanforderungen. In J. Jacobs, J.-J. Riegler, H. Schulte-Mattler, & G. Weinrich (Hrsg.), Frühwarnindikatoren und Krisenfrühaufklärung: Konzepte zum präventiven Risikomanagement (S. 13–39). Springer Gabler.
• Heinemann, M. (2012). Konjunkturelle Frühindikatoren und Konjunkturprognosen. In J. Jacobs, J.-J. Riegler, H. Schulte-Mattler, & G. Weinrich (Hrsg.), Frühwarnindikatoren und Krisenfrühaufklärung: Konzepte zum präventiven Risikomanagement (S. 95–120). Springer Gabler.
• Lingard, H., Hallowell, M., Salas, R., & Pirzadeh, P. (2017). Leading or lagging? Temporal analysis of safety indicators on a large infrastructure construction p… Safety Science, 91, 206–220.
• Nishat, M. M., Ahsan, A. & Olsson, N. O. E. (2025). Applying Machine Learning for Predictive Analysis in Project-Based Data: Insights into Variation Or… Journal of Information Technology in Construction, 30, 807–825.
• Riegler, J.-J., Basse, T. & Grosse, S. (2012). Krisenfrühaufklärung durch Frühwarnindikatoren. In J. Jacobs, J.-J. Riegler, H. Schulte-Mattler & G. Weinrich (Hrsg.), Frühwarnindikatoren und Krisenfrühaufklärung: Konzepte zum präventiven Risikomanagement (S. 323–344). Springer Gabler.
• Romeike, F. (2005). Frühaufklärungssysteme. Controlling, 17(4–5), 271–280. München: Vahlen.
• Schäffer, U. & Botta, J. (2012). Hilfe, die Welt ist volatiler geworden! Implikationen für das Controlling. Controlling & Management, 56(2), 8–12. Springer Gabler.
• Weinrich, G. (2012). Einsatz eines Frühwarnradars am Beispiel der Karstadt-Insolvenz. In J. Jacobs, J.-J. Riegler, H. Schulte-Mattler, & G. Weinrich (Hrsg.), Frühwarnindikatoren und Krisenfrühaufklärung: Konzepte zum präventiven Risikomanagement (S. 363–393). Springer Gabler.
• xraydelta videos. (2017, 23. Oktober). PE Metrics Leading and Lagging Indicators [Video]. YouTube.
• Zheng, L., Baron, C., Esteban, P., Xue, R., Zhang, Q., & Yang, S. (2019). Using leading indicators to improve project performance measurement. Journal of Systems Science and Systems Engineering, 28(5), 529–554. Springer Gabler.

Autoren

• Marc Wermelinger
• Joel Zurkirchen
• Jeremy Stutz
• Benjamin Weber