CONTROLLER Magazin 5/2019

32 sprechenden Risiken und daraus resultierender Bandbreitenplanung neue Erkenntnisse (siehe Fallbeispiel) für das Management der FMG ge- wonnen werden, welches durch eine determi- nistische Simulation nicht möglich wäre. Weiterhin kann durch diese Simulation der Eigenkapitalbedarf (Value-at-Risk) bei der Bestimmung einer risikogerechten Finanzie- rungsstruktur, der Variationskoeffizient des Cashflows (als Maß für die Planungssicher- heit) und die Wahrscheinlichkeit einer „be- standsgefährdenden Entwicklung“ (im Sinne § 91 Abs. 2 AktG) abgeleitet werden. 15 Neben der Unterstützung der Unternehmensfüh- rung durch das Risikomanagement beim gegen- seitigen Abwägen von Erträgen und Risiken bei wesentlichen Entscheidungen, kann durch die Umsetzung der Risikoaggregation mittels Monte- Carlo-Simulationen auch das Risikobewusstsein im ganzen Unternehmen verbessert werden. Literaturverzeichnis  Bleuel, Hans-H. (2006): Monte-Carlo-Analy- sen im Risikomanagement. In: Controlling 18 (7), S. 371-378. eine stochastische Simulation mit Monte-Carlo- Simulationen notwendig und sinnvoll, um Risi- ken zu aggregieren sowie bestandsbedrohende Entwicklungen zu erkennen (vgl. Abbildung 7). 14 Die auf Basis relevanter Kriterien identifizierten Wahrscheinlichkeitsverteilungen bieten zur Quantifizierung der Risiken der FMG eine sehr gute Auswahl und können auch zur Approxima- tion von neu auftretenden Risiken verwendet werden. Bei Bedarf besteht zusätzlich die Mög- lichkeit, diese Auswahl um weitere Wahr- scheinlichkeitsverteilungen zu ergänzen. Zu- sätzlich können durch die Monte-Carlo-Simula- tion des Modells in Verbindung mit den ent- ten öffentlicher Verkehrsmittel erklärbar. Wäh- rend diese bestenfalls pünktlich, jedoch nie frü- her abfahren, scheinen Großprojekte bestenfalls im Budgetrahmen abgewickelt zu werden, in den meisten Fällen werden sie teurer. Da der Verteu- erung kaum Grenzen gesetzt sind, ist eine rechtsschiefe Verteilung – wie in Abbildung 6 durch eine Betaverteilung modelliert – plausibel. Stochastische Simulation vs. deterministische Simulation Die deterministischen Verfahren der Risiko­ aggregation sind unzureichend geeignet, somit ist Abb. 6: Verteilung der Investitionssumme eines Projektes Abb. 7: Risikosimulationsmethoden–Gegenüberstellung (Quelle: Eigene Darstellung in Anlehnung an Rommelfanger 2008, S. 36f, Gleißner 2017, S. 247ff) Monte-Carlo-Simulation