Projektmanagement-ABC: M wie Monte-Carlo-Simulation

Risiken besser verstehen, Unsicherheiten managen und fundierte Entscheidungen treffen mit Hilfe der Monte-Carlo-Simulation

Was ist die Monte-Carlo-Simulation?

Die Monte-Carlo-Simulation ist eine mathematische Methode, die genutzt wird, um Unsicherheiten in Modellen durch zufällige Stichproben zu analysieren. Dabei werden wiederholt zufällige Werte innerhalb definierter Wahrscheinlichkeitsverteilungen für bestimmte Variablen erzeugt, um eine Vielzahl möglicher Ergebnisse zu simulieren. Durch die Analyse dieser simulierten Ergebnisse kann dann bestimmt werden, wie wahrscheinlich die verschiedenen Ergebnisse sind, auch wenn es zahlreiche Unsicherheiten gibt. Im Projektmanagement werden so beispielsweise mögliche Projektausgänge mit Variablen wie Zeit, Kosten oder Risiken simuliert. Diese Methode ist also besonders nützlich in Situationen, in denen viele Unbekannte oder Variablen existieren, deren exakter Wert schwer vorhersagbar ist.
Die Monte-Carlo-Simulation wurde in den 1940er Jahren entwickelt, um komplexe Probleme in der Kernforschung zu lösen. Insbesondere der ungarisch-amerikanische Wissenschaftler Stanislaw Ulam und der amerikanische Physiker John von Neumann trugen maßgeblich zur Entwicklung der Methode bei, während sie am Manhattan-Projekt arbeiteten, einem Forschungsprojekt zur Entwicklung der Atombombe. Der Name „Monte Carlo“ leitet sich von dem berühmten Glücksspielkasino im Fürstentum Monaco ab, da die Methode ähnliche Zufallsprozesse wie bei Glücksspielen nutzt, um Ergebnisse zu simulieren.

Funktionsweise der Monte-Carlo-Simulation

Zunächst werden für die unsicheren Variablen (z.B. Projektdauer, Kosten) realistische Bereiche oder Wahrscheinlichkeiten festgelegt. Das heißt, für jede unsichere Variable sollte es mindestens eine Schätzung des besten, schlechtesten und wahrscheinlichsten Wertes geben. Beispielsweise könnte die Dauer einer Aufgabe zwischen 5 und 10 Tagen liegen, wobei die wahrscheinlichste Dauer bei 7 Tagen liegt. Zusätzlich muss festgelegt werden, welche Wahrscheinlichkeitsverteilung für jede Variable passend ist. So kann die Wahrscheinlichkeit beispielsweise gemäß der Normalverteilung der Gaussschen Glockenkurve folgen. Das bedeutet, dass die meisten Werte nahe am Durchschnitt (Mittelwert) liegen, und die Werte unwahrscheinlicher werden, je weiter man sich vom Mittelwert entfernt. Insbesondere, wenn es keine Vermutung darüber gibt, welche Werte wahrscheinlicher sind, kann aber auch eine Gleichverteilung definiert werden, was bedeutet, dass jeder Wert innerhalb des festgelegten Bereiches gleich wahrscheinlich ist.
Anschließend werden mit der Monte-Carlo-Simulation durch Zufallsprozesse viele verschiedene Kombinationen dieser Variablen erstellt, um so verschiedene Szenarien zu erzeugen und eine gute Verteilung der Ergebnisse zu bekommen. Anstatt also eine einzige Schätzung zu haben, generiert die Methode so hunderte oder tausende möglicher Ergebnisse. Das heißt, nach der Simulation erhält man eine Verteilung der möglichen Ergebnisse. Im Projektmanagement kann das beispielsweise eine Liste von Projektdauern sein, die zeigen, wie lange ein Projekt unter verschiedenen Bedingungen dauern könnte. Grafisch aufbereitet kann man dann klar sehen, wie oft ein bestimmtes Ergebnis eintritt. Z. B. könnte in oben genanntem Beispiel die Dauer der Aufgabe bei 30 Prozent der Fälle sieben Tage betragen. Diese Ergebnisse können anschließend interpretiert und als Basis für Entscheidungen sowie zur Vermeidung von Risiken genommen werden.

Anwendung der Monte-Carlo-Simulation im Projektmanagement

Im Projektmanagement wird die Monte-Carlo-Simulation eingesetzt, um Unsicherheiten bei der Planung und Durchführung von Projekten besser zu managen. Da viele Projekte mit unvorhersehbaren Faktoren wie Zeit, Kosten und Ressourcen verbunden sind, hilft diese Methode, Risiken zu bewerten und fundierte Entscheidungen zu treffen. Beispielsweise in folgenden Bereichen:

• Zeitplanung: Ein Projekt besteht aus vielen Aufgaben, deren exakte Dauer schwer vorherzusagen ist. Die Monte-Carlo-Simulation hilft dabei, diese Unsicherheiten zu berücksichtigen, indem sie für jede Aufgabe eine Schätzung des kürzesten, längsten und wahrscheinlichsten Zeitrahmens vornimmt. Durch die Simulation vieler möglicher Zeitpläne kann man herausfinden, wie wahrscheinlich es ist, dass das Projekt innerhalb eines bestimmten Zeitrahmens abgeschlossen wird. Das ermöglicht es Projektleitenden, Pufferzeiten zu bestimmen und realistische Deadlines zu setzen.
• Kostenmanagement: Ähnlich wie bei der Zeitplanung können auch Kosten schwer vorherzusagen sein. Die Monte-Carlo-Simulation hilft, verschiedene Kostenszenarien zu simulieren, indem sie für jedes Kostenelement (Materialien, Personal, etc.) verschiedene mögliche Kosten erfasst. Durch die Simulation erhält man eine bessere Vorstellung von den Gesamtkosten des Projekts und kann fundierte Budgetentscheidungen treffen. So kann man beispielsweise abschätzen, wie wahrscheinlich es ist, ein bestimmtes Budget zu überschreiten.
• Risikomanagement: Risiken sind in jedem Projekt präsent, aber die Monte-Carlo-Simulation kann genutzt werden, um ihre Auswirkungen besser einzuschätzen. Wenn bestimmte Risiken eintreten, kann die Simulation zeigen, wie sich diese auf die Projektzeit, Kosten oder Qualität auswirken könnten. Dies ermöglicht eine präzisere Bewertung der Risiken und deren potenzieller Folgen. Projektleitende können dadurch Maßnahmen ergreifen, um diese Risiken zu minimieren, und verstehen, welche Risikomanagementstrategien am wirksamsten sind.

Vorteile der Monte-Carlo-Simulation

Besseres Verständnis von Unsicherheiten: Mit der Monte-Carlo-Simulation können Unsicherheiten in Projekten einfach berücksichtigt werden, da die Simulation eine Bandbreite von möglichen Ergebnissen mit deren Eintrittswahrscheinlichkeiten erstellt. Das hilft potenzielle Probleme frühzeitig zu erkennen.

• Fundierte Entscheidungsfindung: Auf Grundlage der Szenarien und Wahrscheinlichkeiten können fundierte Entscheidungen getroffen werden, um das bestmögliche Projektergebnis zu erzielen.
• Transparenz und Kommunikation: Auch die Kommunikation mit allen Stakeholdern wird erleichtert, insbesondere wenn es darum geht, komplexe Zusammenhänge zu visualisieren. Grafiken und Wahrscheinlichkeitsverteilungen mach es leichter, Risiken, Prognosen und Entscheidungen zu verstehen.
• Flexibilität bei verschiedenen Szenarien: Das Durchspielen verschiedener Szenarien hilft, alternative Strategien und Maßnahmenpläne zu entwickeln – schon bevor das Projekt gestartet wird. So sind Projektleitende während der Umsetzung des Projektes immer auf der sicheren Seite.
• Verbesserte Risikobewältigung: Außerdem hilft die Simulation, Wahrscheinlichkeiten und Auswirkungen potenzieller Risiken deutlich aufzuzeigen. So können die Risiken besser bewertet und Vorsichtsmaßnahmen eingeleitet werden.

Herausforderungen der Monte-Carlo-Simulation

• Komplexität der Methode: Die Monte-Carlo-Simulation ist recht komplex und daher nicht unbedingt leicht anwendbar. So erfordert die Simulation ein gutes Verständnis von Wahrscheinlichkeiten und Verteilungen, sowie möglichst gute Schätzungen, aber nicht jedes Projektteam hat hierfür die nötigen Experten.
• Abhängigkeit von genauen Daten: Die Qualität der Simulation hängt stark von den Eingabedaten ab. Ungenaue Schätzungen oder falsche Annahmen über Wahrscheinlichkeitsverteilungen führen zu fehlerhaften Ergebnissen. Es ist daher wichtig, realistische und fundierte Daten zu verwenden, was sich in der Praxis oft als schwierig erweist.
• Schwierigkeit bei der Interpretation: Auch wenn die Simulation viele nützliche Informationen liefert, kann es herausfordernd sein, die Ergebnisse richtig zu interpretieren und zu kommunizieren. Die Darstellung der Wahrscheinlichkeiten und Risiken muss gut erklärt werden, damit alle Beteiligten sie verstehen und darauf basierend passende Entscheidungen treffen können.
• Zeit- und Ressourcenaufwand: Obwohl die Methode wertvolle Informationen liefert, ist sie oft zeitaufwendig. Die Erhebung der notwendigen Daten, die Durchführung der Simulation und die Analyse der Ergebnisse erfordern zusätzliche Zeit und Ressourcen, was in vielen Projekten eine Herausforderung darstellt.

Fazit

Die Monte-Carlo-Simulation bietet klare Vorteile und kann dazu beitragen insbesondere bei großen, komplexen Projekten die Unsicherheiten und Risiken zu reduzieren. Sie ermöglicht eine präzisere und datengestützte Planung und verbessert die Entscheidungsfindung. Allerdings sollte der potenzielle Nutzen gegen den hohen Aufwand und die Herausforderungen, wie die Komplexität und die Notwendigkeit präziser Daten, abgewogen werden.

Erfahren Sie mehr über die Projekt- und Portfoliomanagementsoftware myPARM:

Sie möchten myPARM in einer Demovorführung kennenlernen? Dann vereinbaren Sie gleich einen Termin mit uns!