Unternehmen werden am Ende des Tages nicht an schönen Absichtserklärungen gemessen, sondern an harten, überprüfbaren Ergebnissen: Umsatz, EBIT, Cashflow oder Liquidität. Diese Zahlen bestimmen, ob Gehälter gezahlt, Investitionen getätigt oder Krisen überstanden werden können. In der Unternehmenssteuerung dominieren daher quantitative Zielgrößen – präzise, vergleichbar und direkt am Erfolg oder Misserfolg messbar.
Umso erstaunlicher erscheint es auf den ersten Blick, dass im Risikomanagement vieler Unternehmen nach wie vor qualitative Methoden wie bunte Risiko-Heatmaps oder subjektive Einschätzungen dominieren. Bunte Risiko-Heatmaps helfen nicht, den Gesundheitszustand (freie Risikotragfähigkeit) eines Unternehmens zu ermitteln. Und sie helfen noch weniger, wenn die Kasse leer ist. Risiken werden nicht selten in Kategorien wie "hoch", "mittel" oder "gering" eingestuft, oftmals auf Basis reiner Expertenmeinung. Dabei ist längst klar: Risiken wirken am Ende des Tages auf Zahlen – sie bedrohen Umsätze, erhöhen Kosten oder gefährden die Liquidität. Eine "rote" Zone in einer Risikomatrix klingt dramatisch, doch ohne quantitative Einschätzung bleibt unklar, wie groß der tatsächliche Impact beispielsweise auf die Liquidität bzw. Risikotragfähigkeit ist.
Wenn wir es mit komplexen Entscheidungen unter Risiko zu tun haben, ist es deshalb zwingend notwendig, entsprechende analytische und quantitative Risikomodelle einzusetzen, so der renommierte Mediziner und Neurowissenschaftler Bernd Weber. Wieso arbeiten viele Unternehmen immer noch mit qualitativen Ansätzen und wieso empfehlen Standards (siehe BSI-Standard 200-3 "Risikoanalyse basierend auf Basis von IT-Grundschutz") derartige Ansätze, die in der Praxis keinen Mehrwert schaffen (außer einen neuen Papiertiger).
Ein Grund liegt in der scheinbaren Komplexität der Risikomodellierung. Viele Unternehmen scheuen sich, Risiken tatsächlich zu quantifizieren, weil sie glauben, es fehle ihnen an Daten oder mathematischen Werkzeugen. Hier kommen stochastische Methoden ins Spiel. Sie ermöglichen es, Unsicherheiten mathematisch zu modellieren – etwa durch Wahrscheinlichkeitsverteilungen oder Simulationen wie Monte-Carlo-Analysen.
Bereits zu Beginn des 18. Jahrhunderts verstand der Schweizer Mathematiker Jakob Bernoulli Stochastik als eine Methode, mit der man aus unvollständigem Wissen trotzdem zuverlässige Aussagen über zukünftige Ereignisse treffen kann. Für Bernoulli war die Stochastik ein Mittel, um die Lücke zwischen Wissen und Unwissen zu überbrücken – eine Brücke zwischen Zufall und Berechenbarkeit. Stochastik kann daher auch als die "Kunst des Vermutens" bezeichnet werden.
Sie möchten erfahren, wie quantitative Methoden in der Praxis wirksam umgesetzt werden können und wie man "Fans" auf der Geschäftsleitungsebene gewinnt? Dann verpassen Sie nicht das spannende Live-Webinar von GBTEC am 2. Juni um 10:00 Uhr. Darin thematisiert Frank Romeike, warum sich die stochastische Simulation bei der Bewertung und Aggregation von Risiken als besonders praxistaugliche Methode bewährt hat und welche unverzichtbaren Vorteile sich daraus für Unternehmen ergeben.
Seien Sie dabei und werfen wir gemeinsam einen spannenden Blick in die Zukunft eines wirksamen Risikomanagements und zur "Vermessung des Ungewissen".
