Wie ich mit der ABC-Analyse den Umsatz eines medizinischen Zentrums gesteigert habe

Ich leite ein medizinisches Zentrum, das auf Psychotherapie und Suchtbehandlung spezialisiert ist und seit mehr als 30 Jahren am Markt ist.

In dieser Zeit hat sich vieles geändert: die Behandlungsansätze, das Verhalten der Patienten, die Struktur der Nachfrage, der Wettbewerb, die Wirtschaftlichkeit des medizinischen Geschäfts. Eine Aufgabe aber ändert sich für eine Leitung nie — stetiges Wachstum zu liefern, ohne die Qualität der Versorgung zu senken und ohne die Klinik in ein kommerzielles Fließband zu verwandeln.

Unser Profil sind Patienten mit Suchterkrankungen und psychischen Störungen: Alkohol- und andere Abhängigkeiten, Angststörungen, depressive Zustände, Panikattacken, Anpassungsstörungen, Schlafprobleme, emotionale Erschöpfung und die psychosomatischen Beschwerden, die damit einhergehen.

Die Patientenbasis ist äußerst uneinheitlich. Es gibt Patienten, die eine langfristige Therapie durchlaufen und regelmäßig wiederkommen. Es gibt solche, die saisonal kommen. Es gibt solche, die ein- oder zweimal kamen und nie wieder. Es gibt Patienten mit hohem Durchschnittsbon, aber seltenen Besuchen. Und es gibt solche, die oft kommen und eine kleine Marge erzeugen.

Für die Leitung einer Klinik folgt daraus ein Schluss: man kann die gesamte Patientenbasis nicht gleich steuern. Genau deshalb habe ich zur ABC-Analyse gegriffen — nicht als Finanzberichterstattung, sondern als Werkzeug für Führungsentscheidungen.

Die Theorie erzähle ich hier nicht nach — sie steht in eigenen Beiträgen: was die ABC-Analyse in einfachen Worten ist und wie die komplexe ABC-Methode funktioniert. Es folgt nur, was ich getan habe, welche Entscheidungen ich getroffen habe und was daraus wurde.

Für eine medizinische Einrichtung ist das keine Nebenfrage. Patientendaten sind vertrauliche Informationen, und ich kann nicht zulassen, dass sie an fremde Plattformen gegeben werden.

Deshalb habe ich ein Werkzeug gewählt, bei dem die Berechnung direkt im Browser läuft: Die Datei wird auf keinen Server geladen, gerechnet wird auf meinem eigenen Computer, und keine einzige Zeile verlässt ihn. In der Praxis sieht das so aus: Ich öffne die Tabelle einfach in einer Weboberfläche und bekomme einen Bericht, ohne irgendetwas zu versenden.

Zusätzlich habe ich den Export anonymisiert: interne Codes statt Namen. Für die Analyse reicht das, denn die Gruppen entstehen aus Zahlen und nicht aus Namen. Es ist ohnehin eine nützliche Gewohnheit: Eine anonymisierte Tabelle ist eine, die man ohne Sorge in einer Besprechung öffnet oder einem Berater zeigt.

Ich habe die ABC nicht sofort auf die ganze Basis gerechnet.

Der erste Schritt war die Segmentierung der Patienten nach der Art der erbrachten Versorgung. Der Grund ist einfach: Ein langes Suchtbehandlungsprogramm und ein kurzer Therapiezyklus bei einer Angststörung haben grundsätzlich verschiedene Modelle der Leistungsinanspruchnahme. In einer Tabelle stehen sie einander im Weg — ein Patient, der nach den Maßstäben der einen Versorgungslinie „teuer“ ist, sieht nach den Maßstäben der anderen billig aus, und die Gruppen werden sinnlos.

Erst danach bin ich zur wirtschaftlichen Segmentierung übergegangen.

Ich habe die ABC nicht auf den Umsatz gebaut. Eine zusammengesetzte Jahresgröße erwies sich als weit aussagekräftiger, die Folgendes berücksichtigt:

• die Marge eines einzelnen Termins;
• die Zahl der Besuche;
• die Gesamtmarge des Patienten im Jahr;
• den wirtschaftlichen Wert des Patienten für das Zentrum.

Das heißt, ich beantwortete nicht die Frage „wie viel hat der Patient gezahlt“, sondern die Frage „welche echte Marge hat dieser Patient im Jahr erzeugt“.

Dafür habe ich die komplexe ABC genommen — sie berechnet die Klassen über zwei Kennzahlen zugleich und führt sie in einer einzigen Matrix zusammen. In meinem Fall waren das:

• die Marge des Patienten im Jahr;
• die Zahl der Besuche pro Jahr.

Jeder Patient bekommt einen zweibuchstabigen Code: der erste Buchstabe ist die Klasse nach der Marge, der zweite die Klasse nach der Zahl der Besuche. AA ist eine hohe Marge und viele Besuche, AC eine hohe Marge bei seltenen Besuchen, CA eine niedrige Marge bei häufigen Besuchen, CC eine niedrige Marge und seltene Besuche.

In der Praxis dauert die Arbeit ein paar Minuten: den Export öffnen und die zwei nötigen Spalten anhaken.

Der Bericht ist eine Matrix aus neun Zellen: jede Kombination der beiden Buchstaben, in jeder die Zahl der Patienten und ihr Anteil an der Basis. Eine Zelle lässt sich anklicken, um die Liste genau dieser Menschen zu bekommen — und das macht aus der Analyse ein Arbeitsmittel statt eines Bildes.

Unter der Matrix steht derselbe Export mit der Berechnung und dem Code, der jeder Zeile zugewiesen wurde. Der Bericht wird nach XLSX exportiert, sodass Sie ihn von dort mit den gewohnten Mitteln bearbeiten können.

Für meine Basis kam die Verteilung so heraus:

• AA — 5 % der Patienten. Die höchste Marge und der größte finanzielle Wert für das Zentrum.
• AB, BB, BA — 65 % der Patienten (20 %, 30 % und 15 %). Systematische, regelmäßige Patienten: Sie kommen regelmäßig wieder und durchlaufen eine langfristige Therapie.
• AC — 25 % der Patienten. Ein hoher Bon bei niedriger Besuchsfrequenz und daher niedrige wirtschaftliche Effizienz.
• CA — 2 % der Patienten. Eine niedrige Marge bei hoher Besuchsfrequenz.
• CC — 3 % der Patienten. Eine niedrige Marge und seltene Besuche.

Und hier wird es interessant.

Die Kategorien AB, BB und BA sind 65 % der Basis. Menschen, die dem Zentrum bereits vertrauen, regelmäßig wiederkommen und ihre Therapie fortsetzen.

Meiner Ansicht nach ist das einer der wichtigsten Schlüsse der Analyse: man muss nicht immer neue Patienten suchen. Manchmal steckt das größere Wachstumspotenzial in der Basis, die man bereits hat.

Die Aufgabe war also nicht, diesen Menschen aggressiv zusätzliche Leistungen zu verkaufen. Die Aufgabe war eine andere — die Struktur der umfassenden Versorgung bequemer und stimmiger zu machen.

Nach der Analyse haben wir keine einzige allgemeine Kampagne für alle gefahren. Für jede Gruppe wurde eine eigene Entscheidung getroffen — und das ist wohl der wichtigste praktische Gedanke dieser ganzen Fallstudie.

AB / BB / BA — wir haben das umfassende Format gestärkt

Für regelmäßige, systematische Patienten haben wir Paketangebote hinzugefügt. Die Logik ist einfach: Wenn jemand ohnehin mehrere Arten der Versorgung regelmäßig in Anspruch nimmt, ist es für ihn bequemer, sie in einem klaren umfassenden Format zu erhalten.

Das hat das Leistungsvolumen innerhalb der bestehenden Basis erhöht — ohne ständig neuen Traffic einzukaufen.

Ergebnis: 30 % Umsatzwachstum in diesem Segment. Wir haben nicht einfach die Zahl der Patienten erhöht — wir haben die wirtschaftliche Rendite der Basis erhöht, die wir bereits hatten.

AC — hoher Bon, aber niedrige Effizienz

Die merkwürdigste Gruppe, 25 % der Basis. Auf den ersten Blick sehen solche Patienten attraktiv aus: ein hoher Bon. Aber die Kombination der Buchstaben zeigt, was ein Umsatzbericht nicht zeigt: Das Geld ist da, die Frequenz nicht. Kommt ein Patient selten, macht die Kostenstruktur seiner Betreuung seinen wirtschaftlichen Wert merklich niedriger, als eine einzelne Zahlung vermuten lässt.

Wir haben also weder das Produkt noch den Preis scharf geändert. Wir haben eine eigene Kampagne mit einem einzigen Ziel gestartet — die Besuchsfrequenz zu erhöhen, nicht den Bon.

Beim Kontrollschnitt sahen wir in dieser Gruppe keine nennenswerte Bewegung. Auch das ist ein Ergebnis: Analytik muss nicht nur zeigen, was gewirkt hat, sondern auch, wo eine Entscheidung mehr Zeit braucht.

CA — niedrige Marge bei hoher Frequenz

Hier ist die Lage umgekehrt: 2 % der Basis, die Patienten kommen oft, aber die wirtschaftliche Effizienz eines einzelnen Besuchs ist niedrig.

Wir haben das Leistungspaket um rund 15 % seines Werts erweitert. Das Ziel war nicht einfach, den Preis zu erhöhen, sondern die Struktur der Inanspruchnahme zu ändern und den Wert eines Behandlungszyklus zu erhöhen.

Im Ergebnis schrumpfte der Anteil dieser Kategorie, und ein Teil der Patienten wanderte in die effizienteren AB/BB/BA. Umsatzwachstum in dieser Richtung — 35 %.

Ich betone: Für ein medizinisches Geschäft zählt nicht nur das Wachstum der Besuchszahl, sondern dass der Patient in ein stabileres Versorgungsmodell wechselt. Dass eine „schlechte“ Zelle schrumpft, weil Menschen in eine „gute“ gewechselt sind, ist ein Ergebnis, auch wenn die Gesamtzahl der Patienten gleich geblieben ist.

CC — niedrige Frequenz und niedrige Marge

Die kleinste Gruppe, 3 % der Basis. Wir haben dafür kein nennenswertes Marketingbudget ausgegeben — stattdessen haben wir eine informierende Ansprache über das erweiterte Leistungsspektrum des Zentrums gefahren.

Etwa 1 % der Patienten dieser Gruppe kam in den aktiven Kontakt zurück.

Aus Sicht des klassischen Marketings ist 1 % nicht viel. Bei der Steuerung einer Basis zählt aber eine andere Frage mehr: wie viel es kostet, einen Patienten zurückzuholen, und welchen langfristigen Wert er erzeugen wird. Wenn kein nennenswertes Budget nötig war, ist selbst eine kleine Reaktivierung wirtschaftlich gerechtfertigt.

Aus Grundsatz habe ich das Ergebnis nicht sofort nach dem Wirksamwerden der Änderungen bewertet. Den wiederholten Schnitt haben wir drei Monate später gemacht — so ließen sich nicht die Eindrücke des Teams vergleichen, sondern die tatsächlichen Veränderungen in der Struktur der Basis.

Das Ergebnis:

• AB / BB / BA — der Umsatz wuchs um 30 %;
• CA — der Umsatz wuchs um 35 %, der Anteil der Kategorie schrumpfte, ein Teil der Patienten wanderte in effizientere Kategorien;
• AC — keine nennenswerte Bewegung, die Gruppe braucht mehr Zeit;
• CC — etwa 1 % der Patienten reaktiviert.

Der wiederholte Schnitt hat das Wichtigste gezeigt: Die ABC hörte auf, eine einmalige Tabelle zu sein, und wurde zu einem arbeitenden Führungszyklus.

Daten → Segmentierung → Hypothese → Handlung → Messung → Korrektur.

Dieselbe Analyse, drei Monate später mit denselben Einstellungen wiederholt, ist die billigste Prüfung einer Hypothese, die eine Leitung hat. Deshalb lohnt es sich, die Einstellungen aufzuschreiben: Mit anderen Gruppenschwellen verliert der Vergleich seinen Sinn.

Vor der Analyse sahen wir, wie viele medizinische Zentren, vor allem auf die allgemeinen Kennzahlen: Zahl der Patienten, Umsatz, Auslastung der Fachkräfte.

Die ABC hat mich andere Fragen stellen lassen.

Nicht „wie viele Patienten haben wir“, sondern „welche Patienten schaffen die wirtschaftliche Stabilität des Zentrums“.

Nicht „wie erhöhen wir die Zahl der Besuche“, sondern „wie ändern wir die Struktur der Leistungen, damit der Patient eine umfassendere Versorgung und das Zentrum einen Zuwachs an Effizienz bekommt“.

Nicht „welche Kampagne bringt mehr Anfragen“, sondern „für welche Gruppe von Patienten ergibt diese Kampagne überhaupt einen Sinn“.

Und das ist der wichtigste Führungseffekt: Die Methode gibt keine fertigen Entscheidungen aus, sie verengt die Frage auf eine Gruppe, für die sich tatsächlich entscheiden lässt.

In unserem Zentrum liegen die durchschnittlichen Kosten eines Besuchs bei etwa 30 € und die durchschnittliche Marge bei etwa 18 € je Patient. Bei 25 Psychotherapeuten im Dienstplan wird selbst eine kleine Änderung im Verhalten der Basis bedeutsam: Jeder zusätzliche Besuch bei einer Marge von 18 € erzeugt 18 € Margenergebnis.

Deshalb bedeuten 30–35 % Umsatzwachstum in einzelnen Segmenten weit mehr als einfach eine Zunahme der Erstanfragen.

Der Grundgedanke war nicht, den Umsatz gleichmäßig für alle über 500 Patienten zu erhöhen, sondern herauszuarbeiten, wo genau das Wachstumspotenzial liegt, und verschiedene Führungshandlungen auf verschiedene Gruppen zu richten.

Ein medizinisches Zentrum ist kein Einzelhandel. Klassische Vertriebswerkzeuge lassen sich hierher nicht mechanisch übertragen:

• ein Patient kann hohe Leistungskosten bei niedriger Marge haben;
• die Summe eines einzelnen Besuchs kann klein sein, der Jahreswert dank Regelmäßigkeit aber hoch;
• ein heute wirtschaftlich unbedeutender Patient kann in einigen Monaten in ein stabiles Behandlungsmodell wechseln.

Den Wert eines Patienten kann man nicht an einem einzelnen Besuch beurteilen. Ich würde empfehlen, auf mindestens vier Größen zu sehen: Umsatz, Marge, Häufigkeit der Besuche und Stabilität der Besuche über die Zeit.

Und nicht alles zu analysieren, was in Sicht ist, sondern das, was die Entscheidung beeinflusst:

• das Problem liegt bei den Patienten — wir analysieren Patienten;
• das Problem liegt bei den Leistungen — wir analysieren Leistungen: welche tatsächlich Gewinn erzeugen, welche einen hohen Bon bei niedriger Rentabilität haben, welche sich zu einem Paket schnüren lassen;
• die Frage betrifft die Auslastung — wir analysieren Fachkräfte;
• Sie müssen zwei Faktoren zugleich sehen — die komplexe Analyse.

Eine Zeile in der Tabelle kann alles sein: ein Patient, eine Leistung, eine Fachkraft. Deshalb beantwortet ein und dasselbe Vorgehen sehr verschiedene Führungsfragen.

Die ABC erwies sich für mich nicht als Finanzinstrument, sondern als Instrument des Führungsdenkens. Sie lässt die Patientenbasis nicht als eine einzige Masse sehen, sondern als System verschiedener Verhaltensmodelle.

Irgendwo muss man die Besuchsfrequenz erhöhen. Irgendwo — eine umfassende Versorgung anbieten. Irgendwo — die Wirtschaftlichkeit eines Pakets überdenken. Irgendwo — den Patienten schlicht daran erinnern, was das Zentrum kann. Und irgendwo — nichts ändern und der Hypothese Zeit geben.

Das Wachstum, das wir bekommen haben, kam vor allem daher, dass wir die Basis, die wir bereits hatten, wirksamer gesteuert haben.

Und für mich als Leitung ist das der wichtigste Schluss: Wachstum im medizinischen Geschäft beginnt nicht immer damit, neue Patienten zu gewinnen. Manchmal beginnt es damit, dass die Leitung der Klinik die Struktur der eigenen Basis endlich sieht.

Deshalb behandle ich die ABC heute nicht als Bericht für die Leitung, sondern als Teil eines regelmäßigen Führungszyklus: analysieren → entscheiden → prüfen → messen → ausweiten.

Sie wissen, wie viele Patienten Sie haben. Aber wissen Sie, welche davon Gewinn erzeugen? Sie wissen, welche Leistungen sich verkaufen. Aber wissen Sie, welche davon sich wirklich lohnen? Sie sehen, wie ausgelastet Ihre Fachkräfte sind. Aber wissen Sie, wer den größten wirtschaftlichen Wert schafft?

Um eine solche Durchsicht zu wiederholen, brauchen Sie einen Jahresexport und ein paar Minuten:

1. Exportieren Sie die Tabelle: eine Zeile ist ein Patient (oder eine Leistung, oder eine Fachkraft), die Spalten sind die Marge des Jahres und die Zahl der Besuche.
2. Anonymisieren Sie sie: interne Codes statt Namen.
3. Öffnen Sie die benötigte Analyse und laden Sie die Datei — gerechnet wird im Browser, die Datei wird nirgendwohin gesendet.
4. Prüfen Sie die Gruppenschwellen, erstellen Sie den Bericht, exportieren Sie ihn nach XLSX.
5. Treffen Sie für jede Gruppe eine Entscheidung — für verschiedene Gruppen eine verschiedene.
6. Wiederholen Sie dieselbe Analyse mit denselben Einstellungen drei Monate später.

Wenn Ihnen die Methoden neu sind, beginnen Sie mit der Theorie: ABC-Analyse in einfachen Worten und die komplexe ABC-Methode.

Eine Tabelle allein steigert keinen Gewinn. Der Gewinn wächst, wenn die Leitung nach der Analyse eine Entscheidung trifft — und drei Monate später prüft, ob die Hypothese aufgegangen ist.

Analysieren. Entscheiden. Das Ergebnis prüfen.