Risiko ≠ Varianz – Warum Simulation keine Entscheidung ist

Executive Summary

In Vorstandssitzungen und Investment Committees gilt Monte-Carlo häufig als Goldstandard. Verteilungen, Konfidenzintervalle und Szenarioanalysen erzeugen den Eindruck mathematischer Belastbarkeit. Doch hier liegt ein strukturelles Missverständnis: Varianz ist kein Risiko – und Simulation ist keine Entscheidung.

Varianz misst Streuung. Risiko hingegen beschreibt die Gefahr, ein definiertes Ziel nicht zu erreichen. Diese beiden Konzepte sind mathematisch nicht identisch. Wer Streuung simuliert, hat noch keine Präferenzfunktion, keine Nebenbedingungen und keine Zielfunktion optimiert. Er hat lediglich Wahrscheinlichkeitsräume bewertet.

Monte-Carlo beantwortet die Frage: „Was könnte passieren?“
Entscheidungsoptimierung beantwortet die Frage: „Welche Option maximiert Zielerreichung unter Restriktionen?“

Simulation ist ein Bewertungsinstrument. Entscheidung ist ein Optimierungsproblem.

Das strukturelle Missverständnis

Monte-Carlo-Simulationen erzeugen tausende zufällige Pfade auf Basis angenommener Verteilungen. Das Resultat ist eine Wahrscheinlichkeitsverteilung möglicher Outcomes. Doch keine dieser Simulationen durchsucht systematisch den vollständigen Kombinationsraum eines Portfolios.

In komplexen Portfolios mit n Projekten existieren 2ⁿ Kombinationen. Bei 20 Projekten sind das über eine Million Optionen. Simulation bewertet Annahmen – sie identifiziert nicht das globale Optimum.

Simulation vs. Optimierung

Kriterium	Simulation (Monte-Carlo)	Optimierung
Ziel	Wahrscheinlichkeiten darstellen	Zielfunktion maximieren/minimieren
Logik	Zufallsbasierte Pfad-Generierung	Systematische Suche im Entscheidungsraum
Ergebnis	Verteilung möglicher Outcomes	Mathematisch optimales Portfolio
Entscheidung	Interpretation durch Management	Direkte Ableitung aus Zielfunktion

Warum Varianz kein Risiko ist

Hohe Varianz kann hohe Chancen bedeuten. Niedrige Varianz kann systematisch suboptimal sein. Risiko entsteht nicht durch Streuung, sondern durch Zielverfehlung relativ zur strategischen Funktion des Portfolios.

Ein Portfolio mit geringer Streuung kann dennoch signifikant unter seinem möglichen Optimum liegen. Das ist kein statistisches Problem – sondern ein strukturelles.

Die Governance-Dimension

Simulation verschiebt Verantwortung zurück ins Gremium. Ergebnisse müssen interpretiert werden. Diskussion ersetzt Berechnung. Meinung ersetzt mathematische Selektion.

Optimierung dagegen definiert ex ante eine Zielfunktion und identifiziert jene Kombination, die unter Budget-, Risiko- und Ressourcenrestriktionen den höchsten Wert erzeugt.

Das ist kein Szenario. Es ist eine Eigenschaft der Daten.

Fazit

Wer simuliert, versteht Unsicherheit.
Wer optimiert, trifft Entscheidungen.

Risikomanagement ohne Optimierung bleibt lokal plausibel – aber global potenziell suboptimal.

FAQ

Ist Monte-Carlo nutzlos?
Nein. Simulation ist wertvoll zur Sensitivitätsanalyse. Sie ersetzt jedoch keine Optimierungslogik.

Kann man Simulation und Optimierung kombinieren?
Ja. Simulation kann Unsicherheiten modellieren, Optimierung selektiert die beste Kombination unter diesen Unsicherheiten.

Warum reicht Szenarioplanung nicht aus?
Szenarien vergleichen einzelne Optionen. Sie durchsuchen nicht systematisch den vollständigen Entscheidungsraum.

Was ist der entscheidende Unterschied?
Simulation beschreibt Möglichkeiten. Optimierung berechnet das Optimum.