Risiken in Geschäftsszenarien richtig antizipieren für bessere Investitionsentscheidungen
Lernen Sie, wie Sie Chancen erkennen, Risiken antizipieren und fundierte Go/No-Go-Entscheidungen für Innovationen und neuartige Initiativen treffen
Wie sollten Sie mit Unsicherheiten in Geschäftsfällen umgehen? Dieser Artikel hilft, die Chancen zu verstehen, Risiken zu antizipieren und – was am wichtigsten ist – bessere Investitionsentscheidungen zu treffen.
Um für eine neue Geschäftsidee eine Finanzierung zu erhalten, ist früher oder später ein überzeugender Business Case erforderlich. Ein guter Business Case sollte nicht nur die Notwendigkeit der Initiative erläutern, sondern auch vorhersagen, wie das Unternehmen davon profitieren wird, entweder in finanzieller Hinsicht oder im Hinblick auf andere Unternehmensziele. Zu diesen Initiativen könnten die Entwicklung neuer Produkte, Dienstleistungen oder Geschäftsmodelle, Investitionen in neue Anlagen oder Maschinen, die Einführung neuer IT-Tools oder die Änderung von Prozessen und Arbeitsweisen gehören. All diesen Initiativen ist jedoch gemeinsam, dass Unternehmen nie ganz sicher sein können, dass der erwartete Wert in der Zukunft auch realisiert wird.
Obwohl die Zukunft ungewiss ist, müssen Führungskräfte heute Genehmigungs- und Investitionsentscheidungen für neue Geschäftsideen treffen. Um mit der Ungewissheit umzugehen, ist es wichtig, über die richtigen Instrumente zu verfügen, die es ermöglichen, die vor uns liegenden Chancen zu erkennen, die Risiken zu antizipieren und zu vermeiden, von ihnen überfallen zu werden.
Obwohl sie ein Standardinstrument zur Beschreibung und Bewertung neuer Geschäftsideen/Innovationen sind, erweisen sich herkömmliche Business Cases nicht als nützlich, wenn es darum geht, Entscheidungen angesichts eines hohen Maßes an Unsicherheit zu treffen – ein häufiges Merkmal von Innovationen und anderen neuartigen Initiativen. In diesem Artikel wird beschrieben, wie man die Unsicherheit in Business Cases einbeziehen kann und wie dies dazu beitragen kann, bessere und fundiertere Go/No-Go-Entscheidungen zu treffen.
Index
Die Schwächen des traditionellen Business Case
Das Kernproblem der traditionellen Business Cases ist die Finanzprognose. Finanzprognosen werden oft mit dem Blick in eine Kristallkugel gleichgesetzt. Eine weltweite Umfrage unter mehr als 500 Führungskräften, die mit Prognosen befasst sind, ergab, dass nur 1 % der Unternehmen ihre Finanzprognosen über einen Zeitraum von drei Jahren einhalten, wobei 70 % außerhalb einer Spanne von 5 % liegen [1]. Um den Kontext zu verdeutlichen, wird diese geringe Prognosegenauigkeit von Unternehmen mit einem etablierten Geschäft und historischen Daten abgeleitet, was die Schwierigkeiten bei der Vorhersage der finanziellen Ergebnisse einer neuen Geschäftsidee verdeutlicht.
Business Cases stellen den Wissensstand in den frühen Phasen einer neuen Idee dar, also zu einem Zeitpunkt, an dem die Unsicherheit am größten ist. Dennoch verwenden die meisten Finanzprognosen ein deterministisches Modell, das auf einer Reihe von Ein-Punkt-Eingangsvariablen basiert, um eine Reihe von Ausgangsvariablen zu berechnen. Dies führt zu einer Pseudogenauigkeit, bei der die Ungewissheit nicht ausreichend beachtet wird. In der Regel sind sich die Entscheidungsträger, die eine durchdachte Analyse der damit verbundenen Finanzdaten und Risiken erwarten, dieser Mängel bewusst und nehmen die Zahlen nicht für bare Münze. Dennoch fehlt es ihnen an Informationen darüber, wie unsicher die Zahlen wirklich sein könnten. Infolgedessen nutzen die Unternehmen weder die Chancen noch bewältigen sie die Risiken, die sich in hochgradig unsicheren Situationen ergeben [2].
Um die Ungewissheit in einem Business Case zu berücksichtigen, verlassen sich Unternehmen in der Regel auf die Berechnung von Worst- und Best-Case-Szenarien. Die Aussagekraft dieser Berechnungen ist jedoch begrenzt:
- Worst-Case- und Best-Case-Szenarien werden häufig auf der Ergebnisebene des Business Case dargestellt, wobei die Tatsache ignoriert wird, dass auch auf der Input-Ebene Unsicherheit besteht. Mit anderen Worten: Auf- und Abschläge werden verwendet, um die Unsicherheit der Einnahmen und anderer Ergebnisgrößen zu berücksichtigen, anstatt die unsicheren Inputfaktoren zu betrachten, die die Ergebnisse beeinflussen.
- Die Darstellung von Worst- und Best-Case-Szenarien als feste Werte gaukelt Sicherheit vor und schließt die Möglichkeit aus, dass in der Zukunft schlechtere oder bessere Ergebnisse eintreten könnten. In Wirklichkeit gibt es diese Gewissheit nicht.
- Szenarien können eine große Chance oder einen großen Verlust aufzeigen, aber ohne Informationen über die Wahrscheinlichkeit dieser Szenarien bleibt unklar, ob sie überhaupt realistisch sind. Folglich bleiben die Informationen unvollständig und potenziell irreführend.
Neben Finanzprognosen und Szenarioberechnungen enthalten Business Cases in der Regel auch einen Risikobereich, in dem die Annahmen einer neuen Initiative dargelegt werden und erklärt wird, was möglicherweise nicht wie geplant verläuft [3]. Häufig sind diese Risiken nicht ausdrücklich Teil einer Finanzprognose. Risiken, die in Form von Erzählungen dargestellt werden, machen es den Entscheidungsträgern unmöglich, die finanziellen Auswirkungen von Unwägbarkeiten richtig einzuschätzen. In vielen Fällen ist die Beziehung zwischen unsicheren Faktoren und finanziellen Ergebnissen nicht linear. Eine einfache Extrapolation der Finanzprognose ist nicht hilfreich, und die Annahme einer linearen Beziehung führt zu falschen Entscheidungen [4]. Außerdem wird in Geschäftsfällen selten nur ein einziger unsicherer Faktor aufgeführt, sondern ein ganzes Bündel von Faktoren. Die Bewertung der kombinierten finanziellen Auswirkungen mehrerer unsicherer Faktoren wird in traditionellen Geschäftsszenarien zu einer unmöglichen Aufgabe.
Zusammenfassend lässt sich sagen, dass herkömmliche Business Cases Mängel aufweisen, wenn es darum geht, Unsicherheiten in die Finanzprognose einer neuen Geschäftsidee einzubeziehen. Dadurch wird es schwieriger, eine überzeugende Geschichte über die Idee zu entwerfen und fundierte Investitionsentscheidungen zu treffen. Eine Methode, die zur Lösung dieser Probleme beiträgt und die in der Innovationsrechnung [5] sowie in der Risiko- und Entscheidungsanalyse [6] zunehmend Beachtung findet, ist die bereichsbezogene Modellierung.
Quantifizierung der Ungewissheit in bereichsbasierten Finanzmodellen
Modelle, die auf einer Spanne basieren, sind nützlich für die Berechnung finanzieller Ergebnisse unter verschiedenen Bedingungen unsicherer Inputfaktoren. In bereichsbasierten Modellen werden Eingabevariablen als Bereiche mit einem bestimmten Vertrauensniveau – z. B. 90 % – definiert, dass der wahre Wert innerhalb dieses Bereichs liegen wird. Daher spiegelt der jeweilige Bereich für alle unsicheren Inputfaktoren die wahrgenommene Unsicherheit wider und bezieht sie in das Finanzmodell ein. Zur Ausführung des Finanzmodells werden Zufallszahlen durch Anwendung von Wahrscheinlichkeitsverteilungen für die definierten Bereiche (z. B. Normalverteilung) erzeugt [7].
Beispiel: Ein deterministisches Modell würde eine Kostensenkung von 7,5 % als Inputfaktor für einen Business Case verwenden. Im Gegensatz dazu würde ein bereichsbasiertes Modell Werte verwenden, bei denen die Beteiligten zu 90 % sicher sind, dass die tatsächliche Kostenreduzierung innerhalb eines bestimmten Bereichs liegt, z. B. zwischen 5 % und 10 %.
Niemand kann genau vorhersagen, was in der Zukunft passieren wird, vor allem nicht bei der Vorbereitung eines Geschäftsvorfalls, der mit einem hohen Maß an Unsicherheit verbunden ist. Niemand sollte so tun, als könne man ein genaues Ergebnis vorhersagen. Durch die Verwendung von Spannen und Wahrscheinlichkeiten muss man sich nicht auf etwas festlegen, was man nicht genau weiß. Stattdessen erhöhen Bandbreiten die Präzision und Transparenz der Annahmen, die der Geschäftsidee zugrunde liegen. Angesichts der weltweit zunehmenden Ungewissheit und Volatilität [8] gewinnt die Verwendung von Bandbreiten anstelle von Einzelwerten auch in anderen Geschäftsbereichen, wie z. B. bei der Festlegung von Zielen und Planungsprozessen, zunehmend an Bedeutung [9].
Die Erstellung eines Business Case ist in der Regel eine Teamleistung, an der Experten aus verschiedenen Funktionen beteiligt sind. Die Verwendung von Bandbreiten hilft, die vorhandene Vielfalt zu erfassen. Auf diese Weise zeigt ein Finanzmodell nicht nur die Annahmen selbst, sondern auch die unterschiedlichen Perspektiven und Bewertungen der Teammitglieder. Die Unsicherheit des Teams wird also durch die Größe der Bandbreiten veranschaulicht, auf die sich das Team schließlich geeinigt hat.
Eines der bekanntesten Instrumente für den Umgang mit Unsicherheit in Finanzmodellen ist die Monte-Carlo-Simulation. Dabei handelt es sich um eine auf Zufallszahlen basierende Methode, bei der der Business Case eine große Anzahl von Simulationen durchläuft. Als Faustregel gilt, dass mindestens 1.000 Simulationen durchgeführt werden, aber je nach Grad der Ungewissheit und dem spezifischen Anwendungsfall können auch viel mehr Simulationsläufe erforderlich sein. Für unsichere Eingabefaktoren werden bei jeder Simulation Zufallszahlen generiert und das daraus resultierende Ergebnis wird berechnet. Das Ergebnis einer Monte-Carlo-Simulation ist eine Häufigkeitsverteilung der möglichen Ergebnisse. Die Durchführung von Monte-Carlo-Simulationen mit bereichsbasierten Finanzmodellen bietet eine zuverlässige Grundlage für Entscheidungsträger, um auf der Grundlage der Wahrscheinlichkeit relevanter Ergebnisse eine Go/No-Go-Entscheidung zu treffen.
Entscheidungsfindung mit einer probabilistischen Denkweise
Die Auswahl neuer Initiativen für Investitionen und Entwicklung ist wichtig, aber schwierig. Die Entscheidungsfindung wird häufig von persönlichen Vorurteilen, der Risikoaversion der Entscheidungsträger und dem Unternehmen beeinflusst [10]. Der menschliche Verstand, der von Natur aus deterministisch ist, behindert eine solide Entscheidungsfindung in Situationen mit hoher Unsicherheit, wie sie für die frühen Phasen neuer Geschäftsinitiativen typisch sind [11].
Reichweitenbasierte Finanzmodelle stellen Wahrscheinlichkeiten, z. B. für Einnahmen, Kosteneinsparungen oder Gewinne, in den Mittelpunkt des Entscheidungsprozesses. Sie fördern eine probabilistische Denkweise bei den an der Erstellung des Business Case Beteiligten und den Entscheidungsträgern. Dies erweitert die Perspektive auf eine Geschäftsidee vom Möglichen zum Wahrscheinlichen. Durch den Verzicht auf die trügerische Sicherheit von Ein-Punkt-Schätzungen verringern bereichsbasierte Modelle das Streben nach absoluter Sicherheit bei der Entscheidungsfindung. Die Menschen müssen nicht mehr so tun, als ob sie sicher wären. Dadurch werden der Business Case und seine Kommunikation genauer, ehrlicher und überprüfbarer [12]. Wahrscheinlichkeiten vermeiden Fehlinterpretationen, im Gegensatz zu Begriffen wie „relativ hohe Wahrscheinlichkeit“ oder „vielleicht“ [13]. Daten, die durch Monte-Carlo-Simulationen auf der Grundlage von bereichsbasierten Modellen gewonnen werden, bieten somit eine wertvolle Grundlage für die Darstellung einer überzeugenden Geschichte über die Geschäftsidee.
Die Vielfalt der möglichen Ergebnisse von Monte-Carlo-Simulationen ermöglicht es, Entscheidungen auf der Grundlage von Wahrscheinlichkeiten und Risikokennzahlen zu treffen:
- Ein Histogramm oder Tornado-Diagramm zeigt die Verteilung der Ergebnisse.
- Statistische Maße wie Mittelwert, Extremwerte und Quantile zeigen die Lage an.
- Maße der Ergebnisverteilung wie die Varianz und spezifische Risikomaße wie der Value-at-Risk helfen bei der Analyse der mit einer Geschäftsidee verbundenen Risiken.
- Wahrscheinlichkeitsbasierte Go/No-Go-Kriterien können als eindeutige Kriterien für Genehmigungsentscheidungen dienen. Investitionen können an eine bestimmte Wahrscheinlichkeit gebunden werden, ein bestimmtes Ergebnis zu erzielen. Gleichzeitig könnte eine Geschäftsidee auf der Grundlage eindeutiger No-Go-Kriterien gestoppt werden, z. B. bei Überschreiten einer bestimmten Verlustwahrscheinlichkeit [14].
- Informationen über die erwarteten Ergebnisse und Risiken verschiedener Projekte ermöglichen klarere Portfolio-Entscheidungen bei der Auswahl zwischen konkurrierenden Projekten und der Zuweisung von Ressourcen.
Die erfolgreiche Umsetzung eines neuen Vorhabens erfordert ein Verständnis der kritischen Annahmen und Unwägbarkeiten. Indem sie die kritischsten Bereiche eines Vorhabens aufdecken, helfen bereichsbasierte Finanzmodelle bei der Fokussierung und Priorisierung von Maßnahmen. Um eine systematische Verringerung der Unsicherheit zu unterstützen, haben viele Unternehmen gestaffelte und dosierte Finanzierungsprozesse eingeführt. In diesem Fall wird nicht über die Finanzierung des gesamten Projekts entschieden, sondern nur über die Finanzierung der nächsten Phase. Die Idee ist, den Entscheidungsträgern den Beweis zu liefern, dass kritische Annahmen der Geschäftsidee gültig sind [15]. Reichweitenbasierte Modelle erhöhen die Objektivität dieses Prozesses. Sie erleichtern es, neu gewonnene Informationen in eine Finanzprognose einfließen zu lassen, indem sie die Eingabebereiche aktualisieren. Dies führt zu fundierteren und sichereren Entscheidungen mit höherer Genauigkeit und Geschwindigkeit.
Erkenntnisse
Ungewissheit ist der Elefant im Raum jeder neuen Geschäftsidee. Die Vernachlässigung der Unsicherheit in Geschäftsfällen und Finanzprognosen führt zu einem unvollständigen und ungenauen Bild des Vorhabens. Die Umstellung von Punktschätzungen auf Bandbreiten und die Betrachtung der potenziellen Ergebnisse einer Geschäftsidee als Wahrscheinlichkeitsverteilung mag anfangs nicht selbstverständlich sein, aber die Mühe lohnt sich. Auf Spannen basierende Finanzmodelle, die durch Monte-Carlo-Simulationen ermöglicht werden, schaffen bessere Business Cases und unterstützen intelligentere Genehmigungsentscheidungen, indem sie:
- Verbesserung der Transparenz über die Unsicherheit, die einer neuen Idee zugrunde liegt,
- die Ausrichtung des Projektteams und der Entscheidungsträger auf die damit verbundenen Unsicherheiten, Chancen und Risiken,
- Unterstützung eines stufenweisen Finanzierungsprozesses, um die Unsicherheit der Idee proaktiv und systematisch zu verringern,
- eine fundierte, datengetriebene Grundlage für die Erstellung einer überzeugenden Geschichte über das Projekt zu liefern, und
- Bereitstellung von Daten, um Entscheidungen auf der Grundlage von Erfolgswahrscheinlichkeiten zu treffen und Ressourcen für die vielversprechendsten Vorhaben bereitzustellen.
Quellen
[1] KMPG, Forecasting with confidence: Insights from leading finance functions, https://assets.kpmg/content/dam/kpmg/pdf/2016/07/forecasting-with-confidence.pdf, 2007.
[2] Hugh Courtney, 20/20 Foresight: Crafting Strategy in an Uncertain World, 2001.
[3] Raymond Sheen / Amy Gallo, HBR Guide to Building Your Business Case: Tell a Compelling Story. Identify Stakeholders. Analyze Risk and Return, 2015.
[4] Bart de Langhe / Stefano Puntoni / Richard Larrick, Linear Thinking in a Nonlinear World, Harvard Business Review, https://hbr.org/2017/05/linear-thinking-in-a-nonlinear-world, May-June 2017.
[5] Tristan Kromer / Elijah Eilert, Innovation Accounting in Practice, https://innovationmetrics.co/innovation-accounting-in-practice, 2022.
[6] Douglas W. Hubbard, The Failure of Risk Management: Why It’s Broken and How to Fix It, 2nd Edition, 2020.
[7] Douglas W. Hubbard, How to Measure Anything: Finding the Value of „Intangibles“ in Business, 3rd Edition, 2014.
[8] Nicholas Bloom / Hites Ahir / Davide Furceri, Visualizing the Rise of Global Economic Uncertainty, Harvard Business Review, https://hbr.org/2022/09/visualizing-the-rise-of-global-economic-uncertainty, September 29, 2022.
[9] Nadya Zhexembayeva, 3 Ways to Bring Flexibility to Budgeting, Harvard Business Review, https://hbr.org/2022/09/3-ways-to-bring-flexibility-to-budgeting, September 28, 2022.
[10] Thorsten Grohsjean / Linus Dahlander / Ammon Salter / Paola Criscuolo, Better Ways to Green-Light New Projects, MIT Sloan Management Review, https://sloanreview.mit.edu/article/better-ways-to-green-light-new-projects, Vol. 63, No. 2, December 07, 2021.
[11] Mike Walsh, Develop a “Probabilistic” Approach to Managing Uncertainty, Harvard Business Review, https://hbr.org/2020/02/develop-a-probabilistic-approach-to-managing-uncertainty, February 20, 2020.
[12] Tristan Kromer / Elijah Eilert, Innovation Accounting: The Failure of the Business Case, https://innovationmetrics.co/innovation-accounting-the-failure-of-the-business-case, 2021.
[13] Andrew Mauboussin / Michael J. Mauboussin, If You Say Something Is “Likely,” How Likely Do People Think It Is?, Harvard Business Review, https://hbr.org/2018/07/if-you-say-something-is-likely-how-likely-do-people-think-it-is, July 03, 2018.
[14] Tristan Kromer, How to Make “Pivot or Persevere” Decisions in Your Innovation Accounting, https://kromatic.com/blog/how-to-make-pivot-or-persevere-decisions-in-your-innovation-accounting, 2022.
[15] Raymond Sheen / Amy Gallo, HBR Guide to Building Your Business Case: Tell a Compelling Story. Identify Stakeholders. Analyze Risk and Return, 2015.
Authors: Marcus Liehr und Elijah Eilert
Die Kommentarfunktion ist geschlossen.