46
nagement – Risiken, Chancen, Grundlagen und
Umsetzung, in: Controller Magazin, Heft März/
April 2018, S. 66-73.
Gleißner, W. (2001): Identifikation, Messung
und Aggregation von Risiken, in: Gleißner, W. /
Meier, G. (Hrsg.): Wertorientiertes Risiko-Ma-
nagement für Industrie und Handel, Wiesba-
den, S. 111-137.
Gleißner, W. (2011): Risikoanalyse und Repli-
kation für Unternehmensbewertung und werto-
rientierte Unternehmenssteuerung, in: WiSt
7/11, S. 345-352.
Gleißner, W. (2017a): Grundlagen des Risiko-
managements, 3. Aufl., München 2017.
Gleißner, W. (2017b): Risikomanagement,
KonTraG und IDW PS 340, in: WPg, 3/2017,
S. 158-164.
Graumann, M. (2014): Die angemessene In-
formationsgrundlage bei Entscheidung, in:
Wisu, 3/2014, S. 317-320.
Vanini, U. (2014): Instrumente für eine syste-
matische Identifikation von Risiken, in: Control-
ler Magazin, 4/2014, S. 65-70.
Vose, D. (2008): Risk Analysis A quantitative
guide, 3. Aufl., John Wiley & Sons, Ltd, 2008.
Zeder, M. (2007): Extreme Value Theory im
Risikomanagement, Zürich 2007.
Fazit
Für die Quantifizierung von Risiken sollte man
einige Grundprinzipien beachten, die in Abbil-
dung 3 zusammengefasst sind. Neben der im
Controlling und im Risikomanagement selbst-
verständlichen Anforderung nach Transparenz,
die eine Begründung und möglichst exakte Her-
leitung der Risikoquantifizierung erfordert, ist
insbesondere zu beachten, dass man sich bei
jedem Risiko über die jeweils bestgeeignete Art
der Risikoquantifizierung Gedanken machen
sollte. Ein pauschaler Ansatz von Schadens
höhe und Eintrittswahrscheinlichkeit ist nicht
sachgerecht. Ein strukturierter Leitfaden zur
Risikoquantifizierung findet sich im zweiten Teil
dieses Beitrags.
Literaturverzeichnis I
Bamberg, G. / Baur, F. / Krapp, M. (2009):
Statistik, 15. Aufl., München 2009.
Cottin, C. / Döhler, S. (2009): Risikoanalyse,
Vieweg + Teubner, Wiesbaden 2009.
Dorfleitner, G. / Gleißner, W. (2018): Valuing
streams of risky cashflows with risk-value mo-
dels, in: Journal of Risk, Heft 3/2018, S. 1-27.
Fuchs, J. (2018): Quantifizierung von schwan-
kungsbehafteten Sachverhalten im Risikoma-
läufigen“ Charakter hat. Bei der Quantifizie-
rung wird die zum Quantifizierungszeitpunkt
verfügbare Information (bestmöglich) ausge-
wertet. Wie erwähnt, können dies auch sub-
jektive Expertenschätzungen sein, die aber
entsprechend zu begründen sind. Im Zeitver-
lauf werden neue Informationen über das Risi-
ko verfügbar, die zur Verbesserung der Risiko-
quantifizierung genutzt werden sollten. Risiko-
quantifizierung ist also ein Lernprozess, der
auf dem Gedankengut der sogenannten
Bayes’schen Statistiken aufbaut, demzufolge
z. B. die Parameter einer Wahrscheinlichkeits-
verteilung immer nur „vorläufige“ Schätzun-
gen darstellen. Entsprechend ist die Quantifi-
zierung eines Risikos keine einmalige Aufga-
be, sondern ein kontinuierlicher Prozess, bei
dem neue Informationen – speziell auch über
eingetretene Auswirkungen eines Risikos –
bei der Risikoquantifizierung berücksichtigt
werden.
Im Allgemeinen wird man bei der Quantifizie-
rung von Risiken feststellen, dass „optimale
Datengrundlagen“ nicht existieren. Aber dies ist
prinzipiell kein Problem, da Risikoquantifizie-
rung grundsätzlich mit jedem verfügbaren Da-
tenstand zurechtkommt. Die damit einherge-
henden methodischen Herausforderungen wer-
den im zweiten Teil des Beitrags betrachtet.
Abb. 3: Grundsätze der Risikoquantifizierung (Quelle: Gleißner, 2017a, S. 178)
Risikoanalyse (I)
