Cases aus der Landwirtschaft und Agrarwirtschaft testen, ob Sie über ein Unternehmen nachdenken können, das seine eigene Umsatzlinie nicht kontrolliert — Rohstoffpreise, Wetter und Ertragsschwankungen stehen jeder Entscheidung in der Gewinn- und Verlustrechnung vorgelagert. Das Framework besteht aus drei Teilen: die Position in der Wertschöpfungskette verorten (Landwirtschaftsbetrieb, Verarbeiter oder Lieferant von Betriebsmitteln), Preisrisiko von Volumenrisiko trennen und die Fixkosten-Exposure anhand eines schlechten Jahres bemessen, nicht nur anhand eines durchschnittlichen. Kandidaten, die einen Standard-Profitabilitätsbaum anwenden, ohne ihn an die Exogenität der Rohstoffpreise anzupassen, übersehen meist den eigentlichen Hebel: Absicherung (Hedging), Diversifikation oder vertikale Integration — nicht Preissetzungsmacht.
Ein Getreidebauer und ein Softwareunternehmen sehen auf einer GuV völlig unterschiedlich aus, aber die Frage “warum sinken die Margen” taucht in beiden Interviews auf — der Unterschied ist, dass das eine Unternehmen seinen Verkaufspreis selbst bestimmt und das andere nimmt, was der Rohstoffmarkt vorgibt. Landwirtschafts- und Agribusiness-Cases tauchen in den Standard-Case-Sammlungen von McKinsey, BCG und Bain auf (nicht nur in Nischenpraxen für Agribusiness wie bei Kearney) und bringen Kandidaten ins Schwitzen, die “Profitabilität eines Bauernhofs” als generische Kostensenkungsübung behandeln, statt als Problem der Rohstoffpreis-Exponiertheit.
Warum Landwirtschafts-Cases keine Standard-Profitabilitäts-Cases sind
Ein Profitabilitäts-Case verlangt normalerweise, ein Margenproblem zu diagnostizieren, indem man Umsatz in Preis und Menge aufteilt und Kosten in Fixkosten und variable Kosten. Landwirtschafts-Cases behalten diese Struktur bei, fügen aber eine Ebene hinzu, mit der die meisten Kandidaten nicht rechnen: In bcg-agrico ist der Klient ein Hersteller von Landmaschinen, dessen Umsatz von der Kaufkraft der Landwirte abhängt, die wiederum von Rohstoffpreisen abhängt, die der Klient nicht selbst festlegt. Die eigentliche diagnostische Frage lautet nicht “Können wir die Preise erhöhen” — sondern “Was in der Wertschöpfungskette ist einem Preis- oder Ertragsschock ausgesetzt, den wir nicht kontrollieren können, und wie groß ist diese Exponiertheit, bevor wir irgendetwas empfehlen.”
Basierend auf unserer Analyse von Landwirtschafts- und Agribusiness-Cases in der CasesCoach-Bibliothek — darunter bain-fuquan-land, bain-the-grass-is-greener und mckinsey-almond-farm — platzieren etwa 60 % der Aufgabenstellungen den Kandidaten auf der Produktionsseite (ein Bauernhof, eine Ranch, ein Anbaubetrieb), wo Ertragsschwankungen und Inputkosten dominieren, während der Rest nachgelagert bei einem Verarbeiter, Zulieferer oder Maschinenhersteller angesiedelt ist, dessen Erfolg mit dem Rohstoffzyklus der landwirtschaftlichen Kunden steigt und fällt.
flowchart TD
A[Landwirtschafts- / Agribusiness-Case] --> B{Wo steht der Klient in der Wertschöpfungskette?}
B -->|Bauernhof, Ranch, Anbaubetrieb| C[Produktionsrisiko: Ertrag, Wetter, Inputkosten]
B -->|Verarbeiter oder Maschinenhersteller| D[Abgeleitetes Risiko: Rohstoffzyklus des Kunden]
B -->|Zulieferer: Saatgut, Dünger, Futter| E[Durchreichungsrisiko: Marge von beiden Seiten gequetscht]
C --> F[Preisrisiko von Mengenrisiko trennen]
D --> F
E --> F
F --> G[Fixkosten-Exponiertheit gegen ein Schlechtjahr-Szenario bemessen]
Die drei Risikoebenen, die Landwirtschafts-Cases prägen
Landwirtschafts-Aufgabenstellungen kreisen immer wieder um eine kleine Anzahl struktureller Merkmale, die in einem typischen Konsumgüter- oder Tech-Case nicht auftauchen. Fehlt eine davon, wird aus einer generischen Profitabilitäts-Antwort eine, die den Kern der Aufgabenstellung verfehlt.
| Risikoebene | Was es bedeutet | Was sich in Ihrem Framework ändert |
|---|---|---|
| Exogenität des Rohstoffpreises | Der Klient ist Preisnehmer, nicht Preissetzer, bei Inputs oder Outputs (oder beidem) | Preis als gegebene externe Variable behandeln, gegen die man sich absichert, nicht als Stellschraube zur Optimierung |
| Ertrags- und Wetterschwankungen | Die Ausgangsmenge schwankt von Jahr zu Jahr, unabhängig von Aufwand oder Kostenkontrolle | Ein Schlechtjahr-Szenario explizit modellieren — Fixkosten nicht gegen ein Durchschnittsjahr bemessen |
| Saisonalität und Working Capital | Umsatz fließt in engen Zeitfenstern (Ernte), während Kosten über das Jahr verteilt sind | Prüfen, ob die eigentliche Einschränkung die Profitabilität oder das Timing des Cashflows ist |
Framework: Position in der Wertschöpfungskette, Risiko, Stellschraube
Der sauberste Weg, einen Landwirtschafts-Case zu strukturieren, besteht darin, zuerst die Position des Klienten in der Wertschöpfungskette zu verorten, dann die beiden Risikotypen zu trennen und schließlich die Empfehlungs-Stellschraube auf die tatsächliche Exponiertheit abzustimmen — nicht auf ein generisches Kostensenkungs-Playbook.
mindmap
root((Framework für Landwirtschafts-Cases))
Position in der Wertschöpfungskette
Produktion: Bauernhof, Ranch, Anbaubetrieb
Verarbeitung: Mühle, Konservenfabrik, Genossenschaft
Inputlieferung: Saatgut, Dünger, Maschinen
Risikozerlegung
Preisrisiko
Exponiertheit gegenüber dem Rohstoffmarkt
Vertrags- vs. Spotpreise
Mengenrisiko
Wetter- und Ertragsschwankungen
Schädlinge, Krankheiten, Klimaschock
Empfehlungs-Stellschraube
Hedging und Terminkontrakte
Diversifizierung von Anbau oder Produkt
Vertikale Integration
Flexibilität der Kostenstruktur
Die Position in der Wertschöpfungskette ist zuerst entscheidend, weil sie bestimmt, welche Risiken primär und welche sekundär sind — ein Bauernhof trägt das Wetterrisiko direkt, während ein Maschinenhersteller es einen Schritt entfernt trägt, über die Kaufkraft seiner Kunden. Die Risikozerlegung zwingt dazu, “der Preis hat sich gegen uns bewegt” von “die Menge ist niedriger ausgefallen als geplant” zu trennen, denn die beiden Probleme erfordern entgegengesetzte Lösungen — Preisrisiko wird mit Hedging oder Verträgen gelöst, Mengenrisiko mit Diversifizierung oder operativer Flexibilität. Die Empfehlungs-Stellschraube ist der Punkt, an dem die meisten Kandidaten zu früh einsteigen; eine starke Antwort bemisst die Exponiertheit in konkreten Zahlen, bevor sie Hedging, Diversifizierung oder vertikale Integration als Lösung nennt.
Durchgerechnetes Beispiel: Profitabilität eines Bauernhofs unter Preisdruck
Aufgabenstellung: “Unser Klient baut Mandeln auf 2.000 Acres in Kalifornien an. Die Mandelpreise sind in den letzten zwei Jahren aufgrund eines Angebotsüberhangs um 30 % gefallen, und die Margen des Klienten sind von gesund auf Break-even-Punkt gesunken. Der Klient möchte wissen, ob er weiterhin Mandeln anbauen, auf eine andere Kultur umsteigen oder das Land verkaufen soll. Was empfehlen Sie?”
Dies spiegelt das reale Case-Muster hinter mckinsey-almond-farm wider: Die Menge und die Anbaufläche des Klienten haben sich nicht verändert, aber eine Rohstoffpreisschwankung hat die Marge so stark gedrückt, dass die Standardantwort “Kosten senken” das Problem nicht tatsächlich löst.
- Klären, ob es sich um ein Preisproblem oder ein Kostenproblem handelt. Bestätigen, dass der Ertrag pro Acre stabil ist und die Margenkompression durch den Preisrückgang von 30 % verursacht wird, nicht durch steigende Inputkosten oder fallende Ausbringung — das entscheidet, ob Kostensenkung die Lücke überhaupt schließen kann.
- Die Fixkosten-Exponiertheit bemessen. Mandelbäume sind ein mehrjähriger Vermögenswert mit hohen Umstellungskosten (Neupflanzungen brauchen 3-4 Jahre, bis neue Bäume Früchte tragen), also ist “Kultur wechseln” keine Entscheidung, die man quartalsweise trifft — das bereits investierte Kapital und die Amortisationsdauer jeder Alternative quantifizieren.
- Die zyklische Frage von der strukturellen trennen. Fragen, ob der Preisrückgang von 30 % einen vorübergehenden Angebotsüberhang widerspiegelt (Preise kehren zum Mittelwert zurück) oder einen strukturellen Wandel (neue, kostengünstige Anbauregionen treten dauerhaft in den Markt ein) — die Empfehlung kehrt sich je nach Antwort um.
- Die drei Optionen auf derselben Grundlage abwägen. Weiter Mandeln anzubauen ist nur sinnvoll, wenn der Preisrückgang zyklisch ist und der Klient 2-3 magere Jahre durchstehen kann; auf eine andere Kultur umzusteigen ist nur sinnvoll, wenn deren Margenprofil die Mandeln abzüglich Umpflanzungskosten und verlorener Jahre übertrifft; das Land zu verkaufen ist nur sinnvoll, wenn keiner der beiden Wege die Opportunitätskosten des Landes wieder einbringt.
- Mit der 5-R-Struktur empfehlen: das Margenkompressionsproblem zusammenfassen (Recap), Halten empfehlen, falls der Angebotsüberhang zyklisch ist (oder Diversifizierung der Anbaufläche, falls strukturell), die Break-even-Rechnung durchgehen (Reason), das mehrjährige Umpflanzungsrisiko hervorheben (Risk), und den Klienten mit einem konkreten nächsten Schritt binden (Retain) — eine 12-monatige Preistrend-Überprüfung, bevor Kapital in einen Kulturwechsel investiert wird.
Die Unterscheidung in Schritt 3 — zyklisch versus strukturell — ist in fast jedem Landwirtschafts-Case die Frage mit der höchsten Hebelwirkung, denn sie bestimmt, ob Geduld oder ein kapitalintensiver Richtungswechsel die richtige Antwort ist, und die meisten Kandidaten springen direkt zu “diversifizieren”, ohne zu prüfen, in welcher Situation sie sich tatsächlich befinden.
Arten von Landwirtschafts-Cases, denen Sie tatsächlich begegnen werden
| Case-Typ | Beispielszenario | Primäre analytische Perspektive |
|---|---|---|
| Profitabilität eines Bauernhofs / Anbaubetriebs | Rohstoffpreisrückgang drückt die Marge eines laufenden Bauernhofs | Zyklischer vs. struktureller Preiswandel, bemessen gegen Umpflanzungs- oder Umstellungskosten |
| Strategie eines Zulieferers | Saatgut-, Dünger- oder Maschinenunternehmen, exponiert gegenüber dem Rohstoffzyklus der Landwirte | Wachstumsstrategie, angepasst für einen Kundenstamm mit abgeleiteter Nachfrage |
| Verarbeiter- / Genossenschaftsbetrieb | Mühle, Konservenfabrik oder Verarbeitungsgenossenschaft, die saisonalen Durchsatz steuert | Operations-Framework, angewendet auf Kapazitätsbeschränkungen im Erntefenster |
| Neues Produkt / Markteintritt | Unternehmen tritt in eine neue Kultur, Region oder ein Agtech-Produktlinie ein | Markteintritt mit zusätzlichem Wetter- und Ertragsrisiko zur Standardbemessung |
| Nachhaltigkeits- / Ressourcen-Cases | Wasserknappheit, Emissionen oder Landnutzungs-Zielkonflikte im landwirtschaftlichen Betrieb | Kostensenkungs-Framework, abgewogen gegen langfristige Ressourcenbeschränkungen |
Firmen positionieren das unterschiedlich: Kearney betreibt eine eigene Praxis für Landwirtschaft und Lebensmittel, die die gesamte Transformation von Feld bis Teller abdeckt, während McKinsey, BCG und Bain Agribusiness in ihre breiteren Case-Sammlungen für Industrie und Konsumgüter einbetten — weshalb Sie eher auf einen Mandelbauernhof oder ein Düngemittelunternehmen als Standard-Case bei MBB stoßen als auf eine spezialisierte Interview-Schiene.
Landwirtschafts-Cases mit KI üben
Die Frage zyklisch versus strukturell aus dem durchgerechneten Beispiel oben ist genau die Art von Urteilsvermögen, das sich schwer allein anhand eines Framework-Diagramms üben lässt — Sie brauchen einen Interviewer, der nachfragt, wenn Sie zu “diversifizieren” springen, ohne zu prüfen, in welcher Situation Sie sich befinden. Das KI-Mock-Interview von CasesCoach bietet dafür zwei Modi: Der Guided Mode lenkt Sie zur Unterscheidung zyklisch-vs-strukturell, falls Ihre Struktur diese auslässt — der schnellste Weg, sich diese Gewohnheit anzutrainieren; der Expert Mode entfernt die Hinweise und simuliert einen Partner, der Ihre Bemessung mitten in der Analyse hinterfragt — näher an der Realität, wie ein echter Agribusiness-Case unter Druck abläuft.
Für eine tiefergehende Übung führt Sie Chat with Case durch ein reales Szenario aus Landwirtschaft oder Agribusiness über fünf Phasen — Hintergrund, Framework-Auswahl, Datenanfrage, Analyse und Schlussfolgerung — sodass Sie den vollständigen Ablauf einer Preis-versus-Menge-Diagnose wie im Mandel-Beispiel durchlaufen, nicht nur die Eingangsstruktur. Jede Sitzung wird in fünf Dimensionen bewertet: Struktur, Analyse, Kommunikation, unternehmerisches Urteilsvermögen und Mathematik, mit sofortigem Feedback, an welcher Stelle eine Antwort genau ins Stocken geraten ist.
Die wichtigsten Erkenntnisse
- Landwirtschafts- und Agribusiness-Cases fügen dem Standard-Profitabilitätsbaum eine Ebene der Rohstoffpreis-Exponiertheit hinzu — der Klient ist oft Preisnehmer, nicht Preissetzer
- Drei Risikoebenen prägen diesen Case-Typ: Exogenität des Rohstoffpreises, Ertrags- und Wetterschwankungen sowie saisonal bedingtes Working-Capital-Timing
- Verwenden Sie ein Framework “Position in der Wertschöpfungskette → Risikozerlegung → Empfehlungs-Stellschraube”, statt direkt zur Kostensenkung zu springen
- Die Frage zyklisch versus strukturell (ist ein Preisrückgang vorübergehend oder dauerhaft?) ist die diagnostische Frage mit der höchsten Hebelwirkung in fast jedem Landwirtschafts-Case
- Profitabilität des Bauernhofs, Strategie des Zulieferers, Betrieb des Verarbeiters, Markteintritt und Nachhaltigkeits-Zielkonflikte sind die fünf wiederkehrenden Case-Typen
Bereit, dieses Framework anzuwenden? Durchstöbern Sie Cases aus der Landwirtschaftsbranche wie AgriCo und Fuquan Land in unserer Case-Bibliothek, oder üben Sie die Preis-versus-Menge-Diagnose unter echtem Interviewdruck mit einem KI-Mock-Interview. Neue Konten erhalten 3 vollständige Cases plus eine KI-Mock-Sitzung kostenlos — upgraden Sie auf Pro, um alle 835+ Cases und mehrere Mock-Interview-Sitzungen freizuschalten.