Viele Budgets und Forecasts entstehen bei uns im Controlling mit Blick in den Rückspiegel:
– Vorjahreswert plus x Prozent
– Zeitreihe fortschreiben
– Trends leicht korrigieren
Das funktioniert, solange die Zukunft der Vergangenheit ähnelt.
Schwierig wird es dann, wenn ein echter Bruch kommt: ein Produkt-Rückruf, ein Reputationsschaden, ein aggressiver Wettbewerber oder ein harter Preisimpuls.
Genau solche Szenarien habe ich mit MiroFish getestet.
MiroFish ist eine kürzlich sehr populär gewordene Open-Source-KI-Engine, die auf Schwarm-Intelligenz basiert. Tausende autonomer KI-Agenten simulieren wirtschaftliche Szenarien, um zukünftige Entwicklungen abzuleiten.
Das Projekt wurde von dem Entwickler Guo Hangjiang (BaiFu) erstellt und erreichte schnell eine hohe Popularität auf GitHub (Trending List).
Mein Testcase mit MiroFish:
➡️ Ich habe als Basis 2 Produkte: SPIDER & COBRA
➡️ Im Q1 2026 einen Qualitäts-Rückruf für SPIDER
➡️ SPIDER ist das 70-CHF-Mass-Market-Produkt.
➡️ Im Q2 2026 folgt ein transparenter Relaunch mit 20 % Discount und 24 Monaten Garantie.
➡️ COBRA mit 120 CHF steht gleichzeitig als Premium-Alternative bereit.
Nun das Spannende:
– Welche Akteure reagieren wie auf den Rückruf und das obige Szenario?
– Wie verschiebt sich die Nachfrage?
– Welche Effekte bleiben temporär und welche dauerhaft?
Was hat MiroFish gemacht?
➡️ Aus vier kurzen Briefing-Dokumenten (Firma, Ist-Zahlen, Szenario, Marktumfeld) leitet MiroFish 23 Personas ab. Darunter:
– Schweizer Konsumenten unterschiedlicher Preissegmente
– Konkurrenten wie Alpentek und Helvetia
– Eine simulierte Konsumenten-Community
– Fachmedien und Tech-Blogger
– Retail-Ketten und Online-Händler
– Interne Stimmen (CEO, Verkaufsleitung, etc.)
➡️ Jede Persona hat das Szenario aus ihrer Perspektive durchgespielt mit authentischen Social-Posts für Q1, Q2 und H2 und einer Schätzung des Demand-Impacts pro Produkt, inklusive Begründung.
➡️ Eine zweite Aggregation verdichtet die 23 Stimmen zu einem Gesamtverdict mit quartalsweisen Budgetfaktoren, dokumentiertem Dissens und Confidence pro Aussage.
✅ Das Resultat nach rund 15 Minuten KI-Laufzeit:
➡️ Recovery-Pfad 2: partielle Erholung mit dauerhaftem Mix-Shift
➡️ SPIDER Q1: −52 %, H2: −10 %
➡️ COBRA Q1: +15 %, H2: +5 %
➡️ Netto-Budget-Impact SPIDER + COBRA zusammen: −425’000 CHF
➡️ 37 % des SPIDER-Verlusts wandern zu COBRA
Für mich ist der interessante Punkt jedoch nicht nur die budgetierten Zahlen.
Der interessante Punkt ist die Planungslogik dahinter.
Das Modell zeigt eben nicht nur: „Umsatz runter.“ Sondern:
– Wie stark ist der Einbruch?
– Wie viel davon wird intern kannibalisiert?
– Wie schnell ist eine Erholung realistisch?
– Kehren wir nach dem Rückruf auf das alte Niveau zurück?
Für mich ist das eine spannendere Budget- und Forecast-Alternative zum klassischen ‹Vorjahr plus 3 %›.
