Was ist die Monte-Carlo-Simulation?

Die Monte-Carlo-Simulation ist das derzeit umfassendste Instrument für den Umgang mit Unsicherheit. Im Unterschied zu den bisherigen Verfahren, die trotz ihrer Komplexität nur einige wenige Varianten durchrechnen, erlaubt die Monte–Carlo-Methode die Simulation von zehntausenden Varianten. Grundsätzlich werden bei der Monte–Carlo–Simulation für sensitive Variablen Grenz- und Mittel­werte festgelegt. Innerhalb deren wird eine Wahrscheinlichkeitsverteilung angenommen. Zwischen dem festgelegten Minimal- und Maximal­wert werden zufällig beliebig viele (i. d. R. tausende) Werte ausgewählt, und für jeden einzelnen wird das Planungsprojekt gerechnet. Da die Auswahl der Werte gemäß ihrer Wahrscheinlichkeit erfolgt, können auch über die Ergebnisse der Berechnungen Wahrscheinlichkeitsaussagen getroffen werden: Man weiß dann z. B., dass der Gewinn mit einer Wahrscheinlichkeit von 20 % zwischen 10 und 12 liegen wird.

Die Monte-Carlo-Simulation präsentiert in einem kurzen Video:

Aufgrund der Vielfältigkeit der Berechnungen eignet sich die Monte-Carlo-Simulation auch sehr gut zur Durchführung von Sensitivitätsanalysen. Man kann damit alle Variablen eines Planungsprojekts zufälligen Stresstests unterziehen und herausfinden, auf welche Veränderungen das Ergebnis am sensitivsten reagiert. An dieser Stelle zeigen sich aber auch die Grenzen: Während es für einige wenige Variablen noch möglich ist, eine Simulation in Excel durchzuführen, steigt der Berechnungsaufwand sehr rasch an, da alle Ausprägungen einer Variable mit allen Ausprägungen aller anderen Variablen gerechnet werden müssen. Bei umfassenderen Planungsprojekten sind dazu zumindest eigene Programme notwendig, wenn nicht gar Großrechner. Der Vorteil der Monte Carlo Simulation liegt vor allem in der Mächtigkeit der Berechnungen. Innerhalb bestimmter Grenzen wird ein umfassendes Bild des Risikos gezeichnet, das auch gut verständlich und kommunizierbar ist. In den gewählten Grenzen liegen allerdings auch die Schwächen der Methode. Letztlich wird aus sehr wenigen Input-Annahmen ein riesiges Berechnungsgebäude gebaut, das vollständige Information vortäuscht. Außerhalb der gewählten Grenzen liegt das Restrisiko: Man muss aufpassen, dass einem dieses nicht den Rest gibt.