48
lichen Risikomanagements um einen Fachbe-
griff handelt, der klar definiert ist und auch ent-
sprechend benutzt werden sollte, um Missver-
ständnisse zu vermeiden.
Eine Lösung könnte darin liegen, Begriffe zur
Risikokommunikation klar über eine Zuord-
nungstabelle zu definieren (z. B. „hohes Risi-
ko“ stünde für „1 bis 2 Mio €“, „häufig“ für
„60-75%“ oder Ähnliches). Dazu sollte auch
regelmäßig durch Befragungen geprüft wer-
den, ob die Begriffe verstanden werden bzw.
logisch erscheinen. Die Verwendung von Be-
griffen sollte auch klar zugeschnitten sein auf
den Ausdruck einer Wahrscheinlichkeit bei er-
eignisorientierten Risiken, da die Abschätzung
von Bandbreiten nicht mit solchen Begriffen
unterstützt werden kann. Andernfalls wird es
für die Anwender schwer, einen Begriff wie
„sicher“ z. B. auf eine sicher eintretende Drei-
ecksverteilung anzuwenden. Dazu wäre auch
zu klären, ob sich diese Wahrscheinlichkeit
auf einen einmaligen oder mehrmaligen Ein-
tritt bezieht.
Bei quantifizierten Risikoangaben z. B. in Form
von Drei-Punkt-Schätzungen oder Dreiecksver-
teilungen sollte dieses Problem jedoch nicht so
zum Tragen kommen, weil dazu noch Angaben
zu den Verteilungen und nicht nur verbale Infor-
mationen vorliegen. Damit ist klar, dass diese
Informationen im Rahmen von Risikoanalysen
erhoben werden, auch um eine Weiterverarbei-
tung zur Ableitung eines Gesamtrisikos zu er-
möglichen.
Fußnoten
1
Zu den typischen Herausforderungen der Risi-
koquantifizierung siehe Gleißner, W.: Grundla-
gen des Risikomanagements, München 2017,
S. 167ff.
2
Hillson, D.: Describing probability: The limita-
tions of natural language, PMI Global Congress
2005 EMEA Proceedings, S. 1-7, abrufbar un-
ter
05.pdf (18.12.2017)
3
Die Kästchen enthalten den Wert für 25% der
Angaben („links“), den Median (50%-Quantil)
und enden beim Wert für 75% der Angaben
(„rechts“). Dazu werden noch mit Strichen Aus-
reißer dargestellt, die nicht weiter als das ein-
einhalbfache der Länge des Kästchens entfernt
liegen (sog. Interquartilsabstand).
4
Dieser Effekt ist nicht auf Unterschiede in der
Note im Fach Mathematik oder der Abschluss-
note zurückzuführen, auch wenn Studierende
im Maschinenbau und Wirtschaftsingenieurwe-
sen sowohl deutlich bessere Mathematiknoten
(Median 2,0 vs. 3,0) als auch Abschlussnoten
(2,0 für Maschinenbau bzw. 1,8 für Wirt-
schaftsingenieurwesen vs. 2,7 für Sozialwis-
senschaften) aufweisen.
nicht eindeutig mit einer Wahrscheinlichkeit be-
legt sind, die der Bedeutung der Begriffe ent-
sprechen würde. Dieses Problem wird bei nicht
eindeutig belegten Begriffen wie
möglich, häufig
oder
höchstwahrscheinlich
noch gravierender,
laut der vorliegenden Studie mit Erstsemester-
studierenden kann die Spanne der zugeordne-
ten Wahrscheinlichkeiten hier teilweise mehr
als 40 Prozentpunkte betragen. Damit ist ein-
deutig, dass mit diesen Begriffen nicht fahrläs-
sig umgegangen werden sollte. Wie die Studie
auch zeigt, sind die Interpretationen der Begrif-
fe sowohl nach Geschlechtern als auch nach
Studienrichtungen unterschiedlich. Damit wird
es schwierig, allein mit solchen Begriffen Risi-
ken zu kommunizieren. Dazu kommt noch das
Problem bei international tätigen Unternehmen,
diese deutschen Begriffe in entsprechende
englische Begriffe zu übersetzen (siehe dazu
die Auswertung von Hillson 2005, der englische
Begriffe bei Teilnehmern einer internationalen
Konferenz abgefragt hatte). Es sollte deshalb
auch in anderen Sprachen und für andere
Stichproben wie z. B. mit mehrjähriger Berufs-
erfahrung oder mit verschiedenen Studienab-
schlüssen erforscht werden, wie diese Begriffe
interpretiert werden.
Ein wesentlicher Grund könnte darin liegen,
dass im Alltag Begriffe verwendet werden, die
zwar semantisch klar definiert sind – wie bspw.
„ausgeschlossen“ – diese jedoch umgangs-
sprachlich nicht so „streng“ verwendet werden.
Hier sollte bei der Risikoanalyse klargemacht
werden, dass es sich im Kontext des betrieb-
Abb. 4: Angabe der Wahrscheinlichkeiten je Begriff und Studienrichtung
Risikobegriffe
