Methoden zur Risikoanalyse: qualitativ und quantitativ
Die Risikoanalyse ist der zweite Schritt des Risikomanagements und konzentriert sich auf die Bewertung der Eintrittswahrscheinlichkeit und der möglichen Auswirkungen der bereits identifizierten Risiken. Beispielsweise könnte im bereits vorgestellten Tastaturentwicklungsteam das Risiko bestehen, dass nicht genügend Zeit für das Projekt eingeplant wurde. Eine solche Verzögerung könnte nicht nur das Projekt selbst gefährden, sondern auch weitere Probleme wie zusätzliche Kosten oder Qualitätseinbußen nach sich ziehen. Um die Eintrittswahrscheinlichkeit und die möglichen Auswirkungen dieses Risikos besser einschätzen zu können, werden qualitative und quantitative Analysemethoden eingesetzt.

Inhalt
Qualitative Risikoanalyse
Die qualitative Risikoanalyse konzentriert sich auf die Bewertung der Wahrscheinlichkeit des Eintretens eines Risikos und seiner Auswirkungen auf das Projekt. Dabei werden Aspekte wie Kosten, Zeitplan und Qualität des Endprodukts berücksichtigt. Die verwendeten Methoden sind in der Regel einfach anzuwenden, wenn auch nicht immer kosteneffizient. Zwei gängige Methoden werden im Folgenden näher erläutert.
Delphi-Methode
Die Delphi-Methode ist ein mehrstufiges Befragungsverfahren, das insbesondere dann eingesetzt wird, wenn empirische Daten fehlen. In diesem Fall wird das Wissen von Experten genutzt, um fundierte Vorhersagen über mögliche Risiken zu treffen. Das Verfahren beginnt mit einer individuellen Risikoeinschätzung durch die Experten. Diese Einschätzungen werden dann gemeinsam überprüft, insbesondere bei größeren Abweichungen. Dieser Prozess wird so lange wiederholt, bis ein Konsens erreicht ist. Anschließend werden die Risiken priorisiert, um sich auf die wesentlichen Problemfelder zu konzentrieren.
Trotz ihrer Effektivität birgt die Delphi-Methode auch Herausforderungen: Einige Teilnehmende können ihre Meinung zurückhalten, da sie kein Interesse am Erfolg der Diskussion haben, oder dominante Stimmen können den Diskurs verzerren. Außerdem ist die Methode zeitaufwändig und erfordert eine sorgfältige Moderation, um Verzerrungen zu minimieren. Dennoch bleibt die Delphi-Methode eine wertvolle Technik, um Prognosen in Bereichen mit hoher Unsicherheit und geringer Datenlage zu erstellen.
Swift-Analyse
Die Swift-Analyse („Structured What If Technique“) ist eine strukturierte „Was-wäre-wenn“-Technik, an der das gesamte Team beteiligt ist. Sie ähnelt einem Brainstorming, ist aber effizienter, da sie einem festen Rahmen folgt. Ziel ist es, eine Risikomatrix zu erstellen, die sowohl die Eintrittswahrscheinlichkeit als auch die Auswirkungen der Risiken darstellt.
Angenommen, das Entwicklungsteam für die Tastatur stellt fest, dass das Zeitmanagement ein Risiko darstellt. Im Team wird durchgespielt, was passieren würde („was wäre wenn“), wenn der Zeitplan überschritten würde. Mögliche Konsequenzen wie Kostensteigerungen oder Qualitätseinbußen werden diskutiert und geeignete Maßnahmen entwickelt, um diesen Risiken frühzeitig entgegenzuwirken.
Delphi-Methode
Die Delphi-Methode ist ein mehrstufiges Befragungsverfahren, das insbesondere dann eingesetzt wird, wenn empirische Daten fehlen. In diesem Fall wird das Wissen von Experten genutzt, um fundierte Vorhersagen über mögliche Risiken zu treffen. Das Verfahren beginnt mit einer individuellen Risikoeinschätzung durch die Experten. Diese Einschätzungen werden dann gemeinsam überprüft, insbesondere bei größeren Abweichungen. Dieser Prozess wird so lange wiederholt, bis ein Konsens erreicht ist. Anschließend werden die Risiken priorisiert, um sich auf die wesentlichen Problemfelder zu konzentrieren.
Trotz ihrer Effektivität birgt die Delphi-Methode auch Herausforderungen: Einige Teilnehmende können ihre Meinung zurückhalten, da sie kein Interesse am Erfolg der Diskussion haben, oder dominante Stimmen können den Diskurs verzerren. Außerdem ist die Methode zeitaufwändig und erfordert eine sorgfältige Moderation, um Verzerrungen zu minimieren. Dennoch bleibt die Delphi-Methode eine wertvolle Technik, um Prognosen in Bereichen mit hoher Unsicherheit und geringer Datenlage zu erstellen.
Swift-Analyse
Die Swift-Analyse („Structured What If Technique“) ist eine strukturierte „Was-wäre-wenn“-Technik, an der das gesamte Team beteiligt ist. Sie ähnelt einem Brainstorming, ist aber effizienter, da sie einem festen Rahmen folgt. Ziel ist es, eine Risikomatrix zu erstellen, die sowohl die Eintrittswahrscheinlichkeit als auch die Auswirkungen der Risiken darstellt.
Angenommen, das Entwicklungsteam für die Tastatur stellt fest, dass das Zeitmanagement ein Risiko darstellt. Im Team wird durchgespielt, was passieren würde („was wäre wenn“), wenn der Zeitplan überschritten würde. Mögliche Konsequenzen wie Kostensteigerungen oder Qualitätseinbußen werden diskutiert und geeignete Maßnahmen entwickelt, um diesen Risiken frühzeitig entgegenzuwirken.
Quantitative Risikoanalyse
Die quantitative Risikoanalyse ergänzt die qualitative Analyse durch eine numerische Bewertung der Risiken. Sie wird insbesondere für Risiken eingesetzt, die in der qualitativen Analyse als besonders kritisch eingestuft wurden. Zwei zentrale quantitative Methoden werden im Folgenden erläutert.
Entscheidungsbaumanalyse
Die Entscheidungsbaumanalyse ist eine Methode zur grafischen Darstellung verschiedener Entscheidungsmöglichkeiten. Sie beginnt mit einem zentralen Risiko und verzweigt sich je nach möglichen Konsequenzen und Handlungsalternativen in verschiedene Äste, bis alle Optionen und deren Auswirkungen visualisiert sind. Diese Struktur ermöglicht es, das Szenario mit dem größten Nutzen auszuwählen. Um eine fundierte Entscheidung treffen zu können, müssen für jede Option quantitative Werte vorliegen.
Ein Beispiel soll dies verdeutlichen: Das Tastaturprojekt steht vor dem Risiko, dass der geplante Zeitrahmen nicht eingehalten werden kann, obwohl ein Budget von 50.000 CHF zur Verfügung steht. Dieses zentrale Risiko führt zu verschiedenen Konsequenzen, die wiederum neue Knoten im Entscheidungsbaum darstellen. Mögliche Entscheidungen könnten sein, den Zeitplan zu verlängern oder das Budget zu erhöhen. Für jede dieser Entscheidungen gibt es verschiedene Maßnahmen, um mit dem Risiko umzugehen:
Entscheidungsbaumanalyse
Die Entscheidungsbaumanalyse ist eine Methode zur grafischen Darstellung verschiedener Entscheidungsmöglichkeiten. Sie beginnt mit einem zentralen Risiko und verzweigt sich je nach möglichen Konsequenzen und Handlungsalternativen in verschiedene Äste, bis alle Optionen und deren Auswirkungen visualisiert sind. Diese Struktur ermöglicht es, das Szenario mit dem größten Nutzen auszuwählen. Um eine fundierte Entscheidung treffen zu können, müssen für jede Option quantitative Werte vorliegen.
Ein Beispiel soll dies verdeutlichen: Das Tastaturprojekt steht vor dem Risiko, dass der geplante Zeitrahmen nicht eingehalten werden kann, obwohl ein Budget von 50.000 CHF zur Verfügung steht. Dieses zentrale Risiko führt zu verschiedenen Konsequenzen, die wiederum neue Knoten im Entscheidungsbaum darstellen. Mögliche Entscheidungen könnten sein, den Zeitplan zu verlängern oder das Budget zu erhöhen. Für jede dieser Entscheidungen gibt es verschiedene Maßnahmen, um mit dem Risiko umzugehen:

Diese möglichen Maßnahmen sind miteinander verknüpft und führen zu einer Kette von Konsequenzen, die den Entscheidungsbaum weiter verzweigen. Wird beispielsweise entschieden, den Zeitrahmen um 10 % zu verlängern, führt dies logischerweise zu einer Erhöhung des Budgets, da mehr Ressourcen benötigt werden. Wird stattdessen das Budget um 10 % erhöht, kann mehr Personal eingestellt werden, um den ursprünglichen Zeitrahmen einzuhalten. Auf diese Weise verzweigt sich der Entscheidungsbaum weiter, wobei jede Maßnahme und ihre Auswirkungen detailliert bewertet werden.
Da es sich bei der Entscheidungsbaumanalyse um eine quantitative Methode handelt, wird jeder Maßnahme ein numerischer Wert zugeordnet, der die Auswirkung auf das Budget darstellt. Darüber hinaus wird für jede Maßnahme eine Wahrscheinlichkeit angegeben, mit der sie umgesetzt wird.
Diese Wahrscheinlichkeiten addieren sich zu 100 %:
Da es sich bei der Entscheidungsbaumanalyse um eine quantitative Methode handelt, wird jeder Maßnahme ein numerischer Wert zugeordnet, der die Auswirkung auf das Budget darstellt. Darüber hinaus wird für jede Maßnahme eine Wahrscheinlichkeit angegeben, mit der sie umgesetzt wird.
Diese Wahrscheinlichkeiten addieren sich zu 100 %:

Dann wird der erwartete Wert berechnet, oder in diesem Fall, wie viel mehr Budget ausgegeben werden müsste. Dies wird auch als Expected Value (EV) bezeichnet.
Erwarteter Wert = (Maßnahme 1 x Wahrscheinlichkeit) + (Maßnahme 2 x Wahrscheinlichkeit) + (Maßnahme 3 x Wahrscheinlichkeit) - Kosten
Im Beispiel beträgt der erwartete Wert für die Zeitverlängerung 18.000 CHF und für die Budgeterhöhung 3.250 CHF. Dies bedeutet, dass der Verlust bei einer Budgeterhöhung geringer ist als bei einer Fristverlängerung und somit die Budgeterhöhung die bevorzugte Maßnahme zur Risikosteuerung ist.
Dieses einfache Beispiel zeigt, wie komplex die Entscheidungsbaumanalyse werden kann, wenn mehrere Entscheidungen und ihre Konsequenzen miteinander verknüpft sind. Dennoch bietet diese Methode eine übersichtliche Darstellung aller möglichen Szenarien und unterstützt damit eine fundierte Entscheidungsfindung.
Sensitivitätsanalyse
Die Sensitivitätsanalyse untersucht, wie empfindlich ein Endergebnis auf kleine Änderungen der Ausgangsparameter reagiert. Dabei wird der funktionale Zusammenhang zwischen Anfangs- und Endwert mathematisch beschrieben. Diese Methode ist besonders nützlich, um die Stabilität von Projektionen oder Vorhersagen zu bewerten und zu verstehen, welche Faktoren den größten Einfluss auf das Gesamtergebnis haben.
Ein klassisches Beispiel für die Anwendung der Sensitivitätsanalyse ist die Pareto-Analyse. Sie basiert auf dem Pareto-Prinzip, das besagt, dass oft nur ein kleiner Teil der Faktoren den größten Einfluss auf das Ergebnis hat. Ziel ist es, diese wenigen, aber kritischen Faktoren zu identifizieren und gezielt zu analysieren. In der Praxis wird eine quantifizierbare Größe (z. B. Zeit) mit einem Mengenelement (z. B. Einfluss einer Zeitverlängerung) verknüpft, um die Auswirkungen auf das Projekt sichtbar zu machen.
Ein konkretes Beispiel: Ein Projektteam könnte untersuchen, wie sich eine Verlängerung des Zeitplans auf das Gesamtprojekt auswirkt. Dazu werden verschiedene Risiken, die die Projektdauer beeinflussen können, aufgelistet und hinsichtlich ihrer Auswirkungen analysiert. Durch die Visualisierung dieser Risiken in einem Diagramm wird deutlich, welches Risiko den größten Einfluss hat und daher priorisiert werden sollte. Diese Vorgehensweise ermöglicht eine gezielte und effiziente Steuerung des Risikomanagements.
Erwarteter Wert = (Maßnahme 1 x Wahrscheinlichkeit) + (Maßnahme 2 x Wahrscheinlichkeit) + (Maßnahme 3 x Wahrscheinlichkeit) - Kosten
Im Beispiel beträgt der erwartete Wert für die Zeitverlängerung 18.000 CHF und für die Budgeterhöhung 3.250 CHF. Dies bedeutet, dass der Verlust bei einer Budgeterhöhung geringer ist als bei einer Fristverlängerung und somit die Budgeterhöhung die bevorzugte Maßnahme zur Risikosteuerung ist.
Dieses einfache Beispiel zeigt, wie komplex die Entscheidungsbaumanalyse werden kann, wenn mehrere Entscheidungen und ihre Konsequenzen miteinander verknüpft sind. Dennoch bietet diese Methode eine übersichtliche Darstellung aller möglichen Szenarien und unterstützt damit eine fundierte Entscheidungsfindung.
Sensitivitätsanalyse
Die Sensitivitätsanalyse untersucht, wie empfindlich ein Endergebnis auf kleine Änderungen der Ausgangsparameter reagiert. Dabei wird der funktionale Zusammenhang zwischen Anfangs- und Endwert mathematisch beschrieben. Diese Methode ist besonders nützlich, um die Stabilität von Projektionen oder Vorhersagen zu bewerten und zu verstehen, welche Faktoren den größten Einfluss auf das Gesamtergebnis haben.
Ein klassisches Beispiel für die Anwendung der Sensitivitätsanalyse ist die Pareto-Analyse. Sie basiert auf dem Pareto-Prinzip, das besagt, dass oft nur ein kleiner Teil der Faktoren den größten Einfluss auf das Ergebnis hat. Ziel ist es, diese wenigen, aber kritischen Faktoren zu identifizieren und gezielt zu analysieren. In der Praxis wird eine quantifizierbare Größe (z. B. Zeit) mit einem Mengenelement (z. B. Einfluss einer Zeitverlängerung) verknüpft, um die Auswirkungen auf das Projekt sichtbar zu machen.
Ein konkretes Beispiel: Ein Projektteam könnte untersuchen, wie sich eine Verlängerung des Zeitplans auf das Gesamtprojekt auswirkt. Dazu werden verschiedene Risiken, die die Projektdauer beeinflussen können, aufgelistet und hinsichtlich ihrer Auswirkungen analysiert. Durch die Visualisierung dieser Risiken in einem Diagramm wird deutlich, welches Risiko den größten Einfluss hat und daher priorisiert werden sollte. Diese Vorgehensweise ermöglicht eine gezielte und effiziente Steuerung des Risikomanagements.
Fazit
Die vorgestellten Methoden decken zwar nicht das gesamte Spektrum der Risikomanagementtechniken ab, geben aber einen guten Überblick über qualitative und quantitative Ansätze. Qualitative Methoden liefern wertvolle Erkenntnisse über die Eintrittswahrscheinlichkeit und die Auswirkungen von Risiken, während quantitative Methoden eine numerische Bewertung ermöglichen. Eine Kombination beider Ansätze schafft eine fundierte Basis für eine umfassende Risikoanalyse und ermöglicht ein gezieltes Risikomanagement.

Autor: IAPM intern
Schlagworte: Projektmanagement, Risikoanalyse, Risikomanagement