Business-Analytics-Ansätze zur Unterstützung des Control ... / 3.3 Analyse von Planannahmen zur Identifikation von operativen Risiken

Analyse von Planannahmen als Instrument der Risikoidentifikation

Ein retrograder Ansatz zur ganzheitlichen Risikoidentifikation ist die Analyse der Annahmen der operativen Planung und Budgetierung. Die geplante Gewinnentwicklung eines Unternehmens ist das Ergebnis eines auf zahlreichen Annahmen beruhenden Planungs- und Budgetierungsprozesses. Allerdings sind die Planannahmen vielfach unsicher und bergen somit Risiken für das Unternehmen, da hier Abweichungen von der geplanten Gewinnentwicklung auftreten können. So hängt z. B. die zukünftige Umsatzentwicklung stark von der prognostizierten Marktentwicklung und dem Verhalten der Wettbewerber bei der Absatzpreis- und Absatzmengenfestlegung ab.

Durch systematische Variation der Planungsannahmen und detaillierte Abweichungsanalysen im Sinne einer Sensitivitätsanalyse lassen sich die maßgeblichen Risikofaktoren der zukünftigen Gewinnentwicklung identifizieren, durch geeignete Kennzahlen messbar machen und überwachen. Eine derartige Risikoidentifikation kann dann im Rahmen der quantitativen Risikoanalyse zur Risikobewertung genutzt werden, in dem die Abweichungen monetär bewertet und ihre Eintrittswahrscheinlichkeit geschätzt werden. Können für die zukünftigen Entwicklungen wesentlicher Planannahmen sogar Verteilungen geschätzt werden, kann die GuV-Planung z. B. mit Hilfe der Monte-Carlo-Simulation zu einer stochastischen Planung ausgebaut werden.^[1]

Abb. 3 zeigt eine Übersicht über die kritischen und wesentlichen Risiken des Lufthansa-Konzerns. Insbesondere die vorwiegend externen quantitativen Risiken resultieren aus einer Fehleinschätzung wesentlicher Planungsannahmen. Daher kann die Einstufung ihres Bedeutungsgrads für den Erfolg von Lufthansa durch deren systematische Variation und Analyse der Auswirkungen auf die Gewinn- und Verlustrechnung ermittelt werden.

	Bedeutungsgrad	Ausprägungsform	Trend
Quantitative Risiken
Treibstoffpreisänderungen	kritisch	sehr hoch	→
Wechselkursänderungen	wesentlich	sehr hoch	→
Erlösrisiken	wesentlich	sehr hoch	→
Verlust des Investment Grade Ratings	kritisch	sehr hoch	↑
Verstöße gegen Compliance-Anforderungen	kritisch	mittel	→
Kursverluste aus Kapitalanlagen beim Pensionsvermögen	kritisch	sehr gering	→
Kreditrisiken	wesentlich	gering	→
Qualitative Risiken
Cyber-Risiken	kritisch	sehr hoch	↑
Pandemische Erkrankungen	kritisch	hoch	→
Flugbetriebsrisiken	kritisch	sehr gering	→
Personalrisiken	wesentlich	hoch	→
Krisen, Kriege, politische Unruhen etc.	wesentlich	hoch	↑
Verschärfung der Lärmgesetzgebung	wesentlich	hoch	↑
Markteintritt Original Equipment Manufacturer	kritisch	hoch	→
Verunreinigte Lebensmittel	kritisch	gering	→

Abb. 3: Wesentliche und kritische Risiken des Lufthansa-Konzerns^[2]

Business Analytics zur Weiterentwicklung von Annahmenanalysen

Die mathematische Verknüpfung von Plangrößen und Annahmen ermöglicht eine multidimensionale Berechnung von Simulationsszenarien. Verschiedene Maßnahmen können bezüglich ihrer Auswirkungen auf das Unternehmensergebnis miteinander verglichen werden. Zudem können die Szenarien durch die Kombination von Digital Forecasts und Expertenschätzungen mit Wahrscheinlichkeiten hinterlegt werden. Durch den Einsatz von Monte-Carlo-Simulationen kann die Komplexität von Steuerungsmodellen reduziert und die Transparenz erhöht werden. Derzeitige Einsatzgebiete liegen in der Erlössteuerung bei Produkten und Dienstleistungen mit festen Kapazitäten und hohem Fixkostenanteil wie z. B. bei der Passagierbeförderung im Luftverkehr. Auf der Grundlage von Nachfrageprognosen sowie Annahmen zu den vorhandenen Kapazitäten, der Dauer des Verkaufszeitraums sowie ggf. Preispunkten kann durch Simulationsmodelle eine Erlösoptimierung für die verfügbare Kapazität erfolgen. Idealerweise können diese Simulationsmodelle auch mit den auf Business Analytics basierenden Forecasts verknüpft werden.^[3] Die Identifikation kritischer Planannahmen kann die Basis für die Festlegung möglicher Früherkennungsindikatoren darstellen.

[1] Vgl. Gleißner, 2017, S. 111 ff. sowie S. 251 ff.

[2] In starker Anlehnung an Lufthansa Konzern, Geschäftsbericht 2016, S. 60.

[3] Vgl. hier und im Folgenden Mehanna/Tatzel/Vogel, 2016, 505 f.