Die Dreiecksverteilung ist so etwas wie das erste Fahrrad des Risikomodellierers. Wenn jemand zum ersten Mal ein Risikomodell entwickelt, ist die Wahrscheinlichkeit groß, dass die Dreiecksverteilung dabei eine wichtige Rolle spielt. Sie wird allgemein als sehr intuitiv und gut verständlich empfunden und lässt sich deshalb auch gut erklären. Beides ist wichtig, um Akzeptanz für neue Methoden zu finden und sie einzuführen.
Wir zeigen im Folgenden an einem Beispiel, wie die Dreiecksverteilung definiert ist, welche Eigenschaften sie hat und wann sie passt. Wir simulieren die Dreiecksverteilung Schritt für Schritt in Excel mit Risk Kit und übertragen sie danach auf mehrere unsichere Größen in einem Modell. Dabei sehen wir auch, wo die Grenzen der Dreiecksverteilung liegen.
Was ist eine Dreiecksverteilung?
Eine Dreiecksverteilung wird durch drei Punkte festgelegt. Das Minimum a und das Maximum c bilden die Bandbreite, in der die Werte liegen. Im Inneren dieser Bandbreite liegt der wahrscheinlichste Wert b, den man auch Modus nennt. Er markiert den Bereich, in dem wir den Wert am ehesten erwarten. Es gilt also a ≤ b ≤ c.
Die drei Punkte sind die Ecken eines Dreiecks: Die Ecke A liegt beim Minimum, die Ecke B beim wahrscheinlichsten Wert und die Ecke C beim Maximum. Die Dichte der Verteilung steigt vom Minimum geradlinig bis zur Spitze beim wahrscheinlichsten Wert an und fällt von dort geradlinig bis zum Maximum ab:
f(x) = 2(x − a) / ((c − a)(b − a)) für a ≤ x ≤ b
f(x) = 2(c − x) / ((c − a)(c − b)) für b < x ≤ c
Außerhalb der Bandbreite von a bis c ist die Dichte null. Werte unter dem Minimum oder über dem Maximum kommen also nicht vor.
Wie sieht ein Beispiel für eine Dreiecksverteilung aus?
Schauen wir uns ein Beispiel an, in dem eine Dreiecksverteilung sinnvoll eingesetzt werden kann. Es geht um die Entscheidung, ob ein neues Produkt hergestellt werden soll. Die Entscheidung soll sich am Gewinn orientieren, den dieses Produkt verspricht.
Abbildung 1 zeigt die Kalkulation in Excel. Um das Produkt herzustellen, entstehen Kosten. Sie gliedern sich in Entwicklungskosten, Testkosten, Marketingkosten und Herstellungskosten in den Zellen C5 bis C8 und addieren sich in Zelle C9 zu Gesamtkosten von 10,25 Millionen Euro. Dem stehen Erträge gegenüber: Die Anzahl der verkauften Produkte in Zelle C11, hier 450.000 Stück, wird mit dem Stückpreis von 28 Euro in Zelle C12 multipliziert. Daraus ergibt sich in Zelle C13 ein Umsatz von 12,6 Millionen Euro. Umsatz minus Kosten ergibt in Zelle C15 einen Gewinn von 2,35 Millionen Euro.
Abbildung 1: Die Kalkulation für das neue Produkt mit einem Gewinn von 2,35 Millionen Euro in Zelle C15. In den Zellen E11 bis G11 stehen Minimum, wahrscheinlichster Wert und Maximum der verkauften Produkte.
Hier stellt sich die Frage, wie sicher diese Zahl ist. Mit welcher Wahrscheinlichkeit mache ich überhaupt einen Gewinn? Mit welcher Wahrscheinlichkeit liege ich in der Größenordnung von 2,35 Millionen Euro? Und welchen Wert erwarte ich insgesamt?
Die Anzahl der verkauften Produkte zum Beispiel ist ganz sicher unsicher. Vielleicht kann ich aber eine Untergrenze angeben, weil manche Kunden schon großes Interesse signalisiert haben. Sie haben gesagt, dass sie mindestens 150.000 Stück nachfragen würden, wenn das neue Produkt tatsächlich hergestellt wird. Das ist das Minimum. Umgekehrt gibt es auch eine Obergrenze, das Maximum, die durch unsere Produktionskapazitäten festgelegt wird. Vielleicht können wir nicht mehr als 550.000 Stück produzieren, weil dann alle Maschinen unter Vollgas laufen.
Diese Bandbreite wird im Inneren noch durch einen wahrscheinlichsten Wert strukturiert, zum Beispiel 450.000 Stück. Diese Zahl ergibt sich eventuell aus Vergleichsprojekten, die wir schon einmal gemacht haben. Wir haben also drei Punkte, die wir benennen können: das Minimum und das Maximum für die Bandbreite und im Inneren den wahrscheinlichsten Wert. In Abbildung 1 stehen sie rechts neben der Kalkulation in Zeile 11: das Minimum 150.000 in Zelle E11, der wahrscheinlichste Wert 450.000 in F11 und das Maximum 550.000 in G11.
Der wahrscheinlichste Wert ist nicht der Erwartungswert
Mit diesen drei Punkten können wir eine Dreiecksverteilung angeben. Abbildung 2 zeigt sie. Die waagerechte Achse zeigt die Anzahl der verkauften Produkte von 150.000 bis 550.000. Die senkrechte Achse zeigt die Dichte: Je höher die orange Fläche an einer Stelle ist, desto häufiger kommen Werte in dieser Gegend vor. Das Dreieck steigt vom Minimum bei 150.000 langsam bis zur Spitze beim wahrscheinlichsten Wert von 450.000 an und fällt danach steil bis zum Maximum bei 550.000 ab. Die linke Seite des Dreiecks ist also lang, die rechte kurz.
Abbildung 2: Die Dreiecksverteilung für die Anzahl der verkauften Produkte mit der Spitze bei 450.000. Die gestrichelte Linie zeigt den Erwartungswert von 383.333, der links von der Spitze liegt.
Wir sehen hier direkt, dass der wahrscheinlichste Wert nicht der Erwartungswert ist. Die gestrichelte Linie mit der Beschriftung „Erwartung“ liegt etwas links von der Spitze, auf der langen Seite des Dreiecks. Die Asymmetrie des Dreiecks zieht den Schwerpunkt nach links. Die Tabelle rechts nennt den Wert: Die Erwartung liegt bei 383.333,33. Der Erwartungswert ist hier also kleiner als der wahrscheinlichste Wert von 450.000.
Das ist eine wichtige Nebenbedingung, die man bei der Dreiecksverteilung kennen muss, damit man diese beiden Größen nicht verwechselt. Der wahrscheinlichste Wert ist nicht der Erwartungswert, es sei denn, das Dreieck ist symmetrisch. Dann fallen beide zusammen.
Wann passt eine Dreiecksverteilung?
An Abbildung 2 sehen wir auch gut, welche Eigenschaften die Dreiecksverteilung hat. Wir müssen sie kennen, wenn wir überlegen, wann wir sie einsetzen wollen. Es sind zwei.
Erstens ist die Dreiecksverteilung immer begrenzt. Es gibt immer ein Minimum und ein Maximum, und außerhalb dieses Bereichs werden keine Werte angenommen. Sie eignet sich also für Größen, die tatsächlich ein Minimum und ein Maximum haben. Diese Grenzen müssen wir aber auch kennen. Wenn wir Minimum und Maximum nicht kennen, wird es schon sehr viel schwieriger. Und wenn es sie gar nicht gibt, weil die Verteilung an den Seiten offen ist, dann eignet sich die Dreiecksverteilung nicht als Modell.
Zweitens fällt die Häufigkeit zu den Extremwerten hin nur geradlinig ab. Verglichen etwa mit der PERT-Verteilung liegt deshalb in der Nähe des Minimums und des Maximums noch relativ viel Wahrscheinlichkeitsmasse. Wenn wir die Dreiecksverteilung verwenden, müssen wir deshalb davon ausgehen, dass wir in der Simulation tatsächlich Ergebnisse in der Nähe des Minimums sehen und ebenso in der Nähe des Maximums. Das sind keine hypothetischen Werte, sondern Werte, die in der Simulation auch tatsächlich vorkommen. Das zeigt auch die Tabelle in Abbildung 2: 5 % der Werte liegen über 505.279, also nicht weit unter dem Maximum von 550.000.
Das sind die wichtigen Überlegungen, um die Dreiecksverteilung auszuwählen. Weiter unten prüfen wir sie an mehreren Kostenpositionen und sehen, wo die Dreiecksverteilung an ihre Grenzen kommt.
Wie simuliert man eine Dreiecksverteilung in Excel?
Kurz gesagt: Risk Kit ist ein Add-in für Microsoft Excel, mit dem man Monte-Carlo-Simulationen direkt in der Tabelle aufbaut und auswertet. Was wir hier zeigen, gilt aber allgemein. Ob man mit Risk Kit, mit Python oder mit einem anderen Tool simuliert: Die Dreiecksverteilung hat überall dieselben drei Parameter und liefert dieselben Ergebnisse.
Wir bleiben beim Beispiel aus Abbildung 1. Die drei Parameter stehen in Zeile 11: das Minimum in Zelle E11, der wahrscheinlichste Wert in F11 und das Maximum in G11. Die Dreiecksverteilung soll in Zelle C11 entstehen, in der bisher der feste Wert 450.000 für die Anzahl der verkauften Produkte steht. Der Gewinn in Zelle C15 wird mit der Formel =C13-C9 als Umsatz minus Kosten berechnet. Wir gehen in fünf Schritten vor:
- Zelle C11 auswählen, auf der Risk-Kit-Toolbar die Schaltfläche „Beliebt“ öffnen und „Triangular“ auswählen, den englischen Namen der Dreiecksverteilung.
- Im Eingabedialog die drei Ecken des Dreiecks angeben: A ist das Minimum, B der wahrscheinlichste Wert und C das Maximum. Wir tragen dort die Bezüge auf E11, F11 und G11 ein. Rechts neben den Feldern zeigt Risk Kit die Werte, auf die die Bezüge verweisen: 150000, 450000 und 550000. Im Feld „Name“ steht der Bezug auf die Beschriftung in Zelle B11. Sie erscheint als Titel über der Grafik.
- Über den kleinen Pfeil neben „Einfügen“ die Option „Einfügen & als Eingabezelle markieren“ wählen. Risk Kit schreibt die Dreiecksverteilung in Zelle C11 und markiert sie bei der Gelegenheit direkt als Eingabe. Im anschließenden Dialog steht im Feld „Ausgabename“ der Bezug auf B11, also die Beschriftung „Anzahl der verkauften Produkte“. Wir bestätigen mit „Aktualisieren“.
- Zelle C15 mit dem Gewinn auswählen und über die Schaltfläche „Ausgabe“ als Ausgabe markieren. Als Ausgabenamen nehmen wir die Beschriftung in Zelle B15, als Einheit EUR. Risk Kit ergänzt die Formel zu =C13-C9+OutputName(B15)+OutputUnit("EUR") und hebt die Zelle gelb hervor.
- Auf der Toolbar auf „Simulation“ klicken.
Abbildung 3 zeigt den Eingabedialog aus Schritt 2. Links in der Tabelle sieht man die drei Parameter in den Zellen E11, F11 und G11. Im Dialog rechts verweisen die Felder A, B und C auf diese Zellen. Der orange Keil verbindet den Dialog mit seiner Zielzelle C11. Die Grafik im Dialog zeigt sofort das Dreieck aus Abbildung 2, und die Tabelle daneben nennt Kennzahlen wie die Erwartung, das Minimum und das Maximum.
Abbildung 3: Der Eingabedialog der Funktion Triangular_variate für Zelle C11. Die Parameter A, B und C verweisen auf die Zellen E11, F11 und G11 mit Minimum, wahrscheinlichstem Wert und Maximum.
Abbildung 4 zeigt Schritt 3. Zelle C11 ist grün hervorgehoben, das ist die Markierung als Eingabe. Sie enthält jetzt eine Zufallszahl aus der Dreiecksverteilung, hier 535.585, und Umsatz und Gewinn ändern sich entsprechend mit. In der Bearbeitungsleiste steht die Formel =Triangular_variate(E11;F11;G11)+OutputName(B11). Im Dialog rechts steht im Feld „Ausgabename“ der Bezug auf B11. Trotz seines Namens benennt das Feld „Ausgabename“ jede Modellvariable, auch Eingaben.
Abbildung 4: Zelle C11 ist als Eingabe markiert und grün hervorgehoben. Die Bearbeitungsleiste zeigt die Formel =Triangular_variate(E11;F11;G11)+OutputName(B11).
Nach der Simulation sehen wir, wie sich die Dreiecksverteilung auf den Gewinn auswirkt. Abbildung 5 zeigt das Ergebnis. Links in der Liste steht der Gewinn unter „Ausgabe“ und die Anzahl der verkauften Produkte unter „Eingabe“. In der Mitte stehen die Kennzahlen der simulierten Gewinne, rechts ist ihr Histogramm. Dessen waagerechte Achse zeigt den Gewinn in Euro, und die Höhe der Säulen zeigt, wie häufig ein Gewinn in dieser Gegend vorkam.
Abbildung 5: Simulationsergebnis für den Gewinn. In der Mitte die Kennzahlen mit dem Mittelwert 447.818 Euro und dem 75-%-Quantil 2.336.892 Euro, rechts das Histogramm.
Der Gewinn ist ebenfalls dreiecksverteilt. Der Mittelwert liegt bei 447.818 Euro, das ist die gestrichelte Linie im Histogramm. Die Bandbreite reicht von rund 6 Millionen Euro Verlust bis zu einem Maximum von ungefähr 5,1 Millionen Euro Gewinn.
Allein durch die Unsicherheit in der Anzahl der verkauften Produkte ist der Gewinn also alles andere als fest.
Was bedeutet das für die 2,35 Millionen Euro aus der Tabellenkalkulation? In der Tabelle steht beim 75-%-Quantil der Wert 2.336.892 Euro: 75 % der simulierten Gewinne liegen darunter, 25 % darüber. Die 2,35 Millionen Euro werden also mit ungefähr 75 % Wahrscheinlichkeit nicht erreicht und mit ungefähr 25 % Wahrscheinlichkeit überschritten.
Wie modelliert man mehrere unsichere Größen mit Dreiecksverteilungen?
Das war eine erste Anwendung der Dreiecksverteilung, die wir noch verallgemeinern können. Bisher hing der Gewinn nur an einer unsicheren Größe, der Anzahl der verkauften Produkte. Damit waren der Absatz und folglich auch der Umsatz und der Gewinn unsicher. Der Umsatz ist aber nicht das Einzige, was unsicher ist. Dazu können unsichere Kosten kommen. Wir übertragen deshalb denselben Gedanken und dieselbe Anwendung der Dreiecksverteilung auf weitere Risikofaktoren. So bekommen wir ein differenzierteres Bild davon, welchen Unsicherheiten der Gewinn insgesamt ausgesetzt ist.
Diesen Schritt zeigt das zweite Video zur Dreiecksverteilung. Wir gehen ihn im Folgenden ebenfalls durch.
Entwicklungskosten
Wir schauen uns exemplarisch die Entwicklungskosten an. Sie sind mit 1,5 Millionen Euro prognostiziert. Das ist der wahrscheinlichste Wert oder Modus. Das Minimum liegt bei 750.000 Euro. Man sagt vielleicht: Das Ganze hat einen Mindestaufwand, und mit weniger als 750.000 Euro werden wir ganz und gar nicht in der Lage sein, das Produkt herzustellen. Wir gehen aber auch davon aus, dass wir maximal 1,75 Millionen Euro brauchen werden. Damit haben wir wieder die drei Punkte, die für die Dreiecksverteilung relevant sind.
In Abbildung 6 steht links die Kalkulation und rechts daneben eine Tabelle mit den Spalten Minimum, Modus und Maximum, mit einer Zeile je Kostenposition. Die Werte für die Entwicklungskosten stehen in Zeile 5. Wir fügen die Dreiecksverteilung in Zelle C5 genauso ein wie zuvor: Parameter A ist das Minimum in E5, die mittlere Ecke B ist der Modus in F5 und die Ecke C ist das Maximum in G5. Die Grafik im Dialog zeigt den Verlauf für die Entwicklungskosten von 750.000 Euro bis 1,75 Millionen Euro mit der Spitze beim wahrscheinlichsten Wert von 1,5 Millionen Euro. Anschließend markieren wir die Zelle als Eingabe, mit der Beschriftung als Ausgabenamen und EUR als Einheit.
Abbildung 6: Die Dreiecksverteilung für die Entwicklungskosten in Zelle C5. Die Parameter verweisen auf die Zellen E5, F5 und G5 mit Minimum, Modus und Maximum.
Ob die Dreiecksverteilung hier wirklich geeignet ist, ist allerdings eine offene Frage, die wir diskutieren müssten. Dass Entwicklungskosten nach unten begrenzt sind, ist nachvollziehbar. Ob sie auch nach oben begrenzt sind, ist eine andere Sache. Wenn wirklich ernsthafte Probleme auftreten, könnte das Maximum von 1,75 Millionen Euro eine Illusion sein. Wir sind hier an der Grenze dessen, was die Dreiecksverteilung sinnvoll darstellen kann, und machen potenziell Kompromisse.
Das ist auch der Grund, warum wir die Dreiecksverteilung eingangs das erste Fahrrad des Risikomodellierers genannt haben. Es ist das erste Fahrrad, vielleicht noch mit Stützrädern. Damit findet man einen Einstieg und kann arbeiten. Man macht aber möglicherweise auch Annahmen, die sehr schmerzhaft sein können und nicht unbedingt erfüllt sind. Bei den Entwicklungskosten können wir alles andere als sicher sein, dass es überhaupt ein Maximum gibt oder dass wir es kennen.
Testkosten
Die Testkosten haben ähnliche Eigenschaften wie die Entwicklungskosten. Die beiden hängen ja auch eng miteinander zusammen. Die Untergrenze liegt bei 200.000 Euro, der wahrscheinlichste Wert bei 250.000 Euro und das Maximum bei 350.000 Euro. Auch hier ist das Maximum aus denselben Gründen infrage zu stellen wie bei den Entwicklungskosten. Wenn es in der Entwicklung Probleme gibt und die Kosten aus dem Ruder laufen, wird dasselbe wahrscheinlich auch für die Testkosten passieren, weil wir immer noch einmal nachtesten müssen, wenn wir nachentwickelt haben. Deshalb ist es auch hier ein Kompromiss, anzunehmen, dass die Testkosten dreiecksverteilt sind. Wir übernehmen die Dreiecksverteilung dennoch und markieren die Zelle wie zuvor als Eingabe.
Marketingkosten
Bei den Marketingkosten ist die Lage etwas entspannter. Hier haben wir einen wahrscheinlichsten Wert von 5 Millionen Euro und ein Minimum von 4,9 Millionen Euro angenommen. Das kann zum Beispiel daran liegen, dass wir einen festen Marketingplan haben, der vorsieht, dass wir mindestens diese Summe ausgeben. Auch ein Maximum können wir hier sinnvoll annehmen, weil es im Grunde auf einer Entscheidung beruht, die wir einfach treffen können: Mehr als 7,5 Millionen Euro geben wir auf gar keinen Fall aus. Hier passt die Dreiecksverteilung also potenziell besser.
Herstellungskosten
Bei den Herstellungskosten liegt der wahrscheinlichste Wert bei 3,5 Millionen Euro und das Minimum bei 3 Millionen Euro. Das Minimum kann sich aus Arbeitszeiten ergeben, die wir kennen und die wir zum Beispiel für die Vorbereitung brauchen, damit die Produktion überhaupt starten kann. Das Maximum von 3,9 Millionen Euro setzen wir an, wenn wir wissen, dass wir es auf jeden Fall schaffen werden, in diesem Rahmen zu produzieren.
Das ist vor allem dann ein realistisches Modell, wenn die variablen Kosten vernachlässigbar sind, die durch die Anzahl der verkauften Produkte entstehen. Wenn man etwa Software herstellt, sind die variablen Kosten sehr gering. Dann kann man eine solche Kalkulation durchaus aufmachen, in der die Herstellungskosten von der Anzahl der verkauften Produkte unabhängig sind.
Abbildung 7 zeigt das fertige Modell. Die fünf unsicheren Größen in den Zellen C5 bis C8 und C11 sind grün als Eingaben markiert, der Gewinn in Zelle C15 ist gelb als Ausgabe markiert. Rechts steht die Tabelle mit Minimum, Modus und Maximum für alle fünf Größen. Die Bearbeitungsleiste zeigt die Formel für die Entwicklungskosten in Zelle C5: =Triangular_variate(E5;F5;G5)+OutputName(B5)+OutputUnit("EUR").
Abbildung 7: Das fertige Modell mit fünf dreiecksverteilten Eingaben (grün) und dem Gewinn als Ausgabe (gelb). Die Bearbeitungsleiste zeigt die Formel für Zelle C5.
Welche Annahmen stecken in einem solchen Modell?
Wenn wir ein solches umfassenderes Modell gebaut haben, ist es wichtig, sich vor Augen zu führen, welche Annahmen wir eigentlich gemacht haben.
Erstens haben wir angenommen, dass bei den Entwicklungskosten ein Maximum existiert und dass wir es kennen. Dasselbe gilt für die Testkosten. Wir haben oben schon gesehen, dass diese Annahme etwas auf tönernen Füßen steht.
Zweitens haben wir angenommen, dass die Häufigkeitsverteilung tatsächlich die Form eines Dreiecks hat. Die Häufigkeit läuft also geradlinig auf das Minimum und auf das Maximum zu, sodass Werte nahe diesen Extremwerten in der Simulation regelmäßig vorkommen und nicht nur hypothetisch sind. Kommen Extremwerte dagegen nur in ganz seltenen Fällen vor, dann hat die Verteilung zwar vielleicht ein Minimum und ein Maximum, aber nicht die Form eines Dreiecks. Diese Überlegung sollte man nicht vernachlässigen, denn hier ist eine Grenze der Dreiecksverteilung erreicht.
Drittens haben wir angenommen, dass alle einzelnen Unsicherheiten voneinander unabhängig sind. Das ist möglicherweise nicht ganz erfüllt. Entwicklungskosten und Testkosten hängen zusammen, wie wir bei den Testkosten gesehen haben. Wenn ich noch einmal nachentwickeln muss, muss ich auch noch einmal nachtesten. Wenn ich beim Entwickeln schnell war, bin ich auch beim Testen schnell. Das könnte man in einem nächsten Schritt verbessern und eine Abhängigkeit zwischen diesen beiden Unsicherheiten einfügen. Etwas Ähnliches gilt für die Marketingkosten und die Anzahl der verkauften Produkte, die hoffentlich zusammenhängen. Genau das ist ja das Ziel von Marketing: den Absatz zu erhöhen.
Die Annahmen, die wir machen, müssen wir uns klarmachen und auf den Prüfstand stellen. Damit erkennen wir die Grenzen dessen, was wir hier analysieren. Die Ergebnisse stehen immer unter dem Vorbehalt der Annahmen, die wir gemacht haben, und diese sollten entsprechend realistisch sein. Ein Modell zu entwickeln heißt daher, immer bessere Annahmen zu machen, die besser zu dem Fall passen, den man vor Augen hat.
Die Dreiecksverteilung passt hier sicherlich viel besser, als einfach nur einen festen Wert anzunehmen, was völlig unrealistisch ist. Sie ist viel realistischer, aber immer noch nicht perfekt.
Wie verändert sich das Ergebnis mit allen Unsicherheiten?
Schauen wir uns an, wie das Ergebnis der Simulation unter diesen Annahmen aussieht. Wir klicken wieder auf „Simulation“. Abbildung 8 ist aufgebaut wie Abbildung 5: Links stehen unter „Eingabe“ jetzt alle fünf unsicheren Größen, in der Mitte die Kennzahlen und rechts das Histogramm des Gewinns.
Abbildung 8: Simulationsergebnis für den Gewinn mit allen fünf unsicheren Größen. Der Mittelwert liegt bei −135.943 Euro, das Minimum bei −7.844.994 Euro und das Maximum bei 5.216.463 Euro.
Der Mittelwert der Gewinne ist unter Einbezug der Unsicherheit in den Kosten jetzt negativ: Er liegt bei −135.943 Euro. Auch das Verlustpotenzial ist gestiegen, das Minimum liegt jetzt bei rund −7,8 Millionen Euro. Das Gewinnpotenzial hat sich ebenfalls etwas erhöht, auf ein Maximum von rund 5,2 Millionen Euro. Das entsteht dadurch, dass wir in manchen sehr günstigen Fällen bei hohem Absatz niedrige Kosten haben.
Unter den gemachten Annahmen haben wir damit ein differenziertes Bild davon, wie sich diese Unsicherheiten auf den Gewinn auswirken.
Welche unsichere Größe beeinflusst den Gewinn am stärksten?
Wir können uns jetzt ansehen, wie sich die einzelnen Unsicherheitsfaktoren auf unseren Gewinn auswirken. Dazu markieren wir sie in der Liste links unter „Eingabe“ und klicken auf „Sensitivitäten berechnen“. Risk Kit setzt dann die markierte Ausgabezelle mit dem Gewinn in Bezug zu diesen Eingabezellen.
Das Ergebnis ist das Tornado-Diagramm in Abbildung 9. Jeder Balken steht für eine unsichere Größe, die waagerechte Achse zeigt die Wirkung auf den Gewinn in Euro. Je länger ein Balken ist, desto größer ist der Einfluss dieser Größe auf das Ergebnis. Ganz oben steht der wichtigste Einflussfaktor, der Absatz, also die Anzahl der verkauften Produkte. Danach kommen die Marketingkosten, die Entwicklungskosten, die Herstellungskosten und ganz unten, als unwichtigster Faktor, die Testkosten. Aus der Sensitivitätsanalyse ergibt sich so sofort eine Rangfolge der Einflussfaktoren nach ihrer Wichtigkeit.
Abbildung 9: Tornado-Diagramm der Sensitivitätsanalyse. Die Anzahl der verkauften Produkte hat den größten Einfluss auf den Gewinn, die Testkosten haben den kleinsten.
Was nehmen wir aus dem Beispiel mit?
Mit diesem Beispiel haben wir einen wichtigen Einstieg in die Modellierung gemacht. Wir haben gesehen, dass die Annahmen, die wir machen, das Modell eigentlich bilden.
Die Dreiecksverteilung hat ganz grundlegende Annahmen, die erfüllt sein müssen, damit sie ein sinnvolles Modell ist. Die Größe muss begrenzt sein. Und der Verlauf des Dreiecks hin zu den Extremwerten muss mehr oder weniger gegeben sein. Das heißt, dass auch in der Nähe der Extremwerte noch nennenswerte Wahrscheinlichkeitsmasse liegt, sodass sie in der Praxis auch vorkommen. Außerdem hatten wir angenommen, dass die Faktoren voneinander unabhängig sind. Diese Annahme hat nichts mit der Dreiecksverteilung zu tun, ist für ein solches Modell aber ebenfalls wichtig.
Von diesem Punkt aus können wir die Modellbildung Schritt für Schritt verbessern und unsere Annahmen kritisch hinterfragen.
Weitere Verteilungen
Den Überblick über alle Verteilungen gibt unser Leitfaden „Wann nehme ich welche Verteilung?“.
- Wann nehme ich eine Bernoulli-Verteilung in einer Monte-Carlo-Simulation?Definition, Formel und Beispiele: wann die Bernoulli-Verteilung passt und welche Rolle sie als Weiche in einer Simulation spielt.
- Wann nehme ich eine Binomialverteilung in einer Monte-Carlo-Simulation?Definition, Formel und Beispiele: wie die Binomialverteilung die Zahl der Erfolge in n unabhängigen Versuchen beschreibt und wie man sie in Excel berechnet.
- Wann nehme ich eine Poisson-Verteilung in einer Monte-Carlo-Simulation?Definition, Formel und Beispiele: wie die Poisson-Verteilung die Häufigkeit unabhängiger Ereignisse beschreibt und wann sie passt.
- Wann nehme ich eine Normalverteilung in einer Monte-Carlo-Simulation?Definition, Formel und Beispiele: wann die Normalverteilung passt, wo ihre Grenzen liegen und wie man sie abschneidet.
- Experteneinschätzungen in einer Monte-Carlo-Simulation quantifizieren: die ExpertverteilungExperteneinschätzungen besser quantifizieren: wie die Expertverteilung Schätzungen über Grenzen und Quantile abbildet, auch ohne festes Minimum oder Maximum.
- Wann nehme ich eine PERT-Verteilung in einer Monte-Carlo-Simulation?Definition, Formel und Beispiel: wie die PERT-Verteilung eine begrenzte Dauer mit Minimum, wahrscheinlichstem Wert und Maximum beschreibt und wo ihre Grenzen liegen.
- Wann nehme ich eine Lognormalverteilung in einer Monte-Carlo-Simulation?Definition, Eigenschaften und Grenzen: wann die Lognormalverteilung proportionale Wachstumsprozesse richtig beschreibt und wie man sie in Excel parametrisiert.
- Benutzerdefinierte Verteilungen in einer Monte-Carlo-Simulation: die Flex-VerteilungBenutzerdefinierte Verteilungen: wie die Flex-Verteilung aus Werten und Wahrscheinlichkeiten entsteht und wann sie passt, von Experteneinschätzungen bis zur Übertragung von Simulationsergebnissen.