Break-Even-Analyse: Unsicherheit und Risiko bei mehreren ... / 5 Einsatz im Planungs- und Kontrollprozess

Wie oben erwähnt, setzt eine stochastische BEP-Analyse voraus, dass eine Absatz- und Kostenplanung erstellt wird. Sie wird damit Teil der Planung, Steuerung und Kontrolle unternehmerischer Risiken und Chancen.

Planungsphase

In der Planungsphase dient die oben erläuterte stochastische BEP-Analyse dazu, die Risiken quantitativ abzuschätzen. Anschließend sollte das Management überlegen, wie es mit den Risiken umgehen will. Hier können die üblichen Überlegungen zur a) Vermeidung, b) Verminderung, c) Begrenzung, d) Übertragung oder e) Vorsorge angestellt werden.^[1]

1. Das Absatzrisiko zu vermeiden, läuft jedoch dem unternehmerischen Dasein zuwider: Jede unternehmerische Tätigkeit ist risikobehaftet, bietet aber auch nur durch ihre Unsicherheit die Möglichkeit entsprechende Chancen zu realisieren, also beispielsweise mehr zu verkaufen als gedacht.
2. Absatzrisiken zu vermindern wäre denkbar über eine Sortimentspolitik, die Produkte mit unterschiedlichen Konjunkturverläufen enthält, so dass sich durch Diversifikation geringere Gesamtrisiken ergeben. Das ist in unserem zweiten Fall durch die Annahme negativer Korrelationen zwischen Produkten bereits angedeutet. Auf der Kostenseite ließe sich das Verlustrisiko mindern durch eine Variabilisierung von Fixkosten beispielsweise durch die Reduktion der Fertigungstiefe.
3. Eine Risikobegrenzung wäre denkbar in dem man je Produkt höhere Mindest-Deckungsbeiträge je Stück festsetzt und Produkte mit geringerem Stückdeckungsbeitrag aus dem Sortiment nehmen.
4. Eine Übertragung oder Überwälzung des Absatzrisikos findet beispielsweise bei Lieferverträgen mit garantierter Abnahme- oder Zahlungsverpflichtung (take-or-pay-Verträge) statt, wie sie in der Gastronomiebranche und der Energiewirtschaft vorkommen.
5. Im Sinne der Risikovorsorge kann hier der CVaR als jener Kapitalbeitrag gedeutet werden, den das Unternehmen vorhalten sollte, um Verluste abzudecken.^[2] Das verbleibende Restrisiko ist dann das unternehmerische Risiko. Ihm stehen entsprechend Chancen gegenüber die begründen, warum es eingegangen wird.

Umsetzungsphase

Verständlicherweise würde das Management dieses Unternehmens in der Implementierung nicht drei Monate abwarten, bis die Ergebnisse des Quartals bekannt sind, sondern sich früher informieren und ggf. reagieren. Nach dem ersten Monat wird ja schon deutlich auf welchem Weg sich das Unternehmen befindet und man kann ausgehend von den ersten Monats-Ist-Daten die folgenden prognostizieren sowie ggf. Gegenmaßnahmen überlegen. Das entspräche dem Konzept der rollenden Hochrechnung und Planung.^[3]

Kontrollphase

Es liegt nahe nach Ablauf des Zeitraums die anfangs verwendeten Annahmen zu prüfen und anzupassen, bspw. die tatsächliche Korrelation der Absatzdaten zu vergleichen mit der in der Planung verwendeten. Es empfiehlt sich jedoch hier nicht vorschnell zu handeln. Die tatsächlichen Absatzdaten sind immer auch Ergebnis von Einflüssen, die einmalig sind oder deren Natur nicht bekannt ist. Eine zu starke Orientierung an einzelnen Schwankungen der Vergangenheit führt zu einer Überbetonung solcher singulärer Effekte, die sich in der Zukunft nicht exakt so wiederholen. Nicht umsonst wird das als data fitting oder curve fitting bezeichnet. Die auf solche Methoden aufbauenden Prognosen sind meist ungenauer als wenn man die Vergangenheitsdaten etwas gröber betrachtet und nur den wesentlichen Trend verwendet.^[4]

Vorteile der stochastischen BEP-Analyse

In Summe bietet die stochastische BEP-Analyse Einsichten, die eine statische BEP-Analyse nicht liefern kann: Sie erlaubt die monetäre Quantifizierung des Verlustrisikos, was wiederum eine Vorarbeit für unternehmerische Entscheidungen im Umgang mit diesem Risiko ist, und sie lässt sich leicht in die Planung, Steuerung und Kontrolle einbinden, etwas was bei der statischen BEP-Analyse nicht so offensichtlich ist.

Keep it simple

Es empfiehlt sich für den ersten Einsatz der Methode nicht zu versuchen, die "Welt abzubilden" und möglichst alle Details zu integrieren, was Modelle sehr umfangreich, komplex und kaum noch handhabbar geschweige denn versteh- und erklärbar macht. Vielmehr sollte man mit einfachen aber realistischen Modellen zu arbeiten, die nur das wesentliche einer Fragestellung enthalten. Details kann man immer noch hinzufügen. Das begründet sich auch darin, dass das Ziel der Analyse ist, eine Vorstellung über die Größenordnung des Risikos zu erhalten. Alles andere lassen die Unsicherheiten der Modellparamater und der Modellstruktur meist auch gar nicht zu.

[1] Vgl. ausführlicher bspw. Vanini, 2012, S. 225 ff.

[2] Vgl. Gleißner, 2011, S. 349.

[3] Vgl. dazu Rieg/Bork, 2015.

[4] Vgl. Hibon/Makridakis, 2000, sowie weiterführend Armstrong, 2006.