← Glossar · Methodik

OKRs (Objectives and Key Results)

OKRs (Objectives and Key Results, zu Deutsch Ziele und Schlüsselergebnisse) sind ein Zielsetzungsrahmen, der ein qualitatives, ambitioniertes Objective mit drei bis fünf messbaren Key Results koppelt, die definieren, wie Erfolg aussieht. Das Objective legt fest, wohin man will; die Key Results quantifizieren, ob man dort angekommen ist. Teams setzen sie in einem Rhythmus — meist quartalsweise — und bewerten sie am Ende.

Der Aufbau eines OKR

Ein Objective ist eine kurze, qualitative Absichtserklärung — einprägsam, richtungsweisend und leicht unbequem, sich darauf festzulegen. „Das Standardtool für das Onboarding neuer Produktteams werden“ ist ein Objective. Es ist für sich genommen nicht messbar, und das soll es auch nicht sein.

Jedes Objective trägt drei bis fünf Key Results: spezifische, numerische Ergebnisse, die belegen, dass das Objective erreicht wurde. Gute Key Results haben die Form „Kennzahl X von A auf B bis Datum bewegen“ — etwa „Aktivierungsrate von 34 % auf 50 % anheben“ oder „mediane Time-to-First-Value von 9 auf 3 Tage senken“. Wenn man darüber streiten kann, ob ein Key Result erreicht wurde, ist es falsch formuliert. Die Disziplin besteht darin, dass das Objective inspirierend und die Key Results unzweideutig sind.

Rhythmus, Bewertung und die 70-%-Norm

Die meisten Teams führen OKRs in einem Quartalsrhythmus, oft eingebettet unter jährlichen Unternehmens-OKRs, mit einem leichtgewichtigen wöchentlichen oder zweiwöchentlichen Check-in zur Aktualisierung der Zuversicht. Am Ende des Quartals wird jedes Key Result bewertet, meist auf einer Skala von 0,0 bis 1,0.

Eine weit verbreitete Konvention — popularisiert durch Googles Adaption von Andy Groves ursprünglicher Intel-Praxis — besagt, dass ein Durchschnitt von 0,7 das Ziel ist, nicht 1,0. Die Logik: Wer durchgängig 1,0 erreicht, hat seine Key Results zu vorsichtig gesetzt. „Stretch“- oder ambitionierte OKRs werden bewusst so gesetzt, dass 60–70 % ein starkes Ergebnis sind. Das funktioniert nur, wenn die Bewertung von Leistungsbeurteilungen entkoppelt bleibt; sobald OKRs direkt in die Vergütung einfließen, setzen Menschen sichere Ziele, und der Stretch verschwindet.

Die Output-versus-Outcome-Falle (warum OKRs scheitern)

Der häufigste Fehler ist, Key Results als To-do-Liste von Outputs statt als Outcomes zu formulieren. „Den neuen Onboarding-Flow ausliefern“ ist ein Output — man kann ihn ausliefern und trotzdem keine Kennzahl bewegen. „Die Woche-1-Retention auf 45 % erhöhen“ ist ein Outcome. Wenn Key Results nur eine verkappte Roadmap sind, werden OKRs zum Theater: Das Team markiert alles als erledigt, nichts ändert sich, und das Vertrauen in den Rahmen bröckelt.

Weitere wiederkehrende Fehlerquellen: zu viele OKRs (mehr als drei Objectives pro Team zersplittert den Fokus); sie starr top-down zu kaskadieren, sodass sie zu Zuweisungen statt Selbstverpflichtungen werden; sie zu setzen und bis zum Bewertungstag nie wieder anzuschauen; und Bewertungen an Boni zu koppeln, was die Ehrlichkeit tötet, die ambitionierte Ziele brauchen. OKRs sind ein Fokus- und Alignment-Werkzeug, kein Projekt-Tracker — es geht darum, zu verändern, was passiert, nicht zu protokollieren, was gebaut wurde.

Key Results in echten Daten verankern

Der schwierigste Teil von OKRs in der Praxis ist, Key Results mit einer lebenden Zahl verbunden zu halten statt mit einem Wert, den jemand jeden Freitag von Hand in eine Folie einträgt. Wenn die Kennzahl in einer Tabelle lebt, driften Check-ins ab und die Bewertung wird zur Debatte.

Ein Betriebssystem fürs Produkt hilft hier, indem es die zugrunde liegenden Signale auf einer gemeinsamen Basis hält: AIOProductOS verbindet Produkt-Analytics, Umsatz (MRR/ARR) und Kundenverhalten in einem Datensatz, und sein OKR-Modul kann ein Key Result gegen eine lebende Kennzahl auf der Basis verfolgen — sodass ein Ziel wie „Aktivierungsrate anheben“ oder „Expansionsumsatz steigern“ aus denselben Daten liest, mit denen der Rest des Teams arbeitet, statt aus einer statischen Momentaufnahme. Das hält das Gespräch darauf fokussiert, ob sich der Outcome bewegt — genau darum geht es bei diesem Rahmen.

FAQ

OKRs (Objectives and Key Results) — Fragen

Was ist der Unterschied zwischen einem Objective und einem Key Result?

Ein Objective ist qualitativ und richtungsweisend — es legt fest, was man erreichen will und warum es wichtig ist. Ein Key Result ist quantitativ und messbar — es definiert die konkrete Zahl, die belegt, dass das Objective erreicht wurde. Ein Objective hat typischerweise drei bis fünf Key Results. Enthält Ihr Objective eine Kennzahl, ist es wahrscheinlich eigentlich ein Key Result.

Wie viele OKRs sollte ein Team haben?

Weniger, als sich bequem anfühlt. Eine gängige Richtlinie sind ein bis drei Objectives pro Team pro Quartal, jeweils mit drei bis fünf Key Results. Mehr als das zersplittert den Fokus und signalisiert, dass man Aktivität statt Prioritäten verfolgt. OKRs sollen die wenigen wichtigsten Dinge klären, nicht alles Laufende katalogisieren.

Warum gilt 70 % als gutes OKR-Ergebnis?

Weil Stretch-OKRs bewusst über dem bequem Erreichbaren gesetzt werden. Erreicht ein Team durchgängig 1,0, waren die Ziele zu sicher gesetzt und Signal ging verloren. Ein Durchschnitt von etwa 0,7 deutet darauf hin, dass die Ziele wirklich ambitioniert waren. Diese Norm gilt nur, wenn die Bewertung von Leistungsbeurteilungen und Vergütung getrennt bleibt — sonst setzen Menschen niedrigere Ziele, um volle Punktzahl zu erreichen.

Sind OKRs dasselbe wie KPIs?

Nein. Ein KPI ist eine laufende Gesundheitskennzahl, die man kontinuierlich überwacht — wie Verfügbarkeit, Abwanderung oder NPS. Ein OKR ist ein zeitlich begrenztes Ziel, um in einem Rhythmus etwas zu verändern. Ein KPI zeigt, ob das Geschäft gesund ist; ein OKR zeigt, was man als Nächstes bewegen will. Ein aus der Spur geratener KPI kann zur Grundlage für das Key Result eines Quartals werden.

Verwandte Begriffe

OKRs (Objectives and Key Results) auf einer Basis erleben.

AIOProductOS bringt Ihre Kunden, Umsatz, Feedback und Produktarbeit auf einen einzigen, gemeinsamen Datensatz — so wird aus Theorie eine Abfrage gegen Ihre eigenen Daten. Connectors inklusive, keine Gebühr pro Connector; feste Pakete ab 199 $/Monat, jedes Modul inklusive. Jedes Paket startet mit 14 Tagen Einführung auf Ihren eigenen Daten.