Hvorfor klassisk CapEx-planlægning systematisk er suboptimal – og hvordan AI beregner det globale optimum

Resumé: Den bedste investering er ikke nødvendigvis den bedste investeringsbeslutning

Hvad nu, hvis virksomheder med de samme investeringsprojekter og det samme CAPEX-budget kunne opnå et markant højere samlet økonomisk bidrag – alene ved hjælp af en matematisk optimeret kombination af deres projekter?

Netop her ligger en af de største, hidtil underudnyttede muligheder inden for strategisk kapitalallokering.

CAPEX-beslutninger mislykkes ikke nødvendigvis på grund af manglende data, utilstrækkelige business cases eller manglende ledelseserfaring.

Den egentlige udfordring ligger ofte i den matematiske kompleksitet i beslutningsrummet.

Så snart der er mange investeringsprojekter at vælge imellem på samme tid, opstår der et eksponentielt stort antal mulige projektkombinationer.

Traditionel investeringsplanlægning fokuserer ofte på vurdering og prioritering af enkeltprojekter. Men selv økonomisk attraktive enkeltprojekter udgør tilsammen ikke automatisk den bedst mulige investeringsportefølje.

Det afgørende spørgsmål er derfor ikke, hvilke projekter der hver for sig er attraktive, men hvilken kombination af alle planlagte investeringer der, inden for de tilgængelige budget- og ressourcebegrænsninger, giver det største samlede økonomiske udbytte.

Med StratePlan undersøges dette spørgsmål ved hjælp af matematisk porteføljeoptimering og AI-baserede metoder.

Målet: systematisk at beregne investeringsbeslutninger allerede inden deres gennemførelse, sammenligne alternative scenarier og synliggøre uudnyttede værdiskabelsespotentialer.

1. CAPEX er ikke en beslutning om et enkelt projekt – men et kombinatorisk porteføljeproblem

I klassiske investeringsprocesser vurderes CAPEX-projekter ofte hver for sig.

Typiske beslutningskriterier er:

• Investeringsafkast (ROI)
• Intern forrentningsgrad (IRR)
• Netto nutidsværdi (NPV)
• Tilbagebetalingsperiode (Payback Period)
• Strategisk betydning
• Risiko og ressourcebehov

Disse nøgletal er vigtige og giver værdifuld information om den økonomiske attraktivitet af de enkelte investeringer.

De besvarer dog ikke automatisk det afgørende spørgsmål vedrørende porteføljen:

Hvilken kombination af de tilgængelige projekter maksimerer den samlede økonomiske værdiskabelse inden for et begrænset investeringsbudget?

Et projekt kan have et højt afkast (ROI) og alligevel ikke være en del af den økonomisk bedste portefølje.

Årsagen er enkel: Investeringsprojekter konkurrerer om de samme finansielle og operationelle ressourcer.

Hvis en stor del af CAPEX-budgettet bruges på et enkelt projekt, kan andre økonomisk attraktive projekter muligvis ikke længere gennemføres.

Den optimale kapitalallokering afhænger derfor ikke kun af de enkelte projekters attraktivitet, men også af deres samspil.

CAPEX-optimering er dermed en kombinatorisk beslutningsopgave inden for operations research.

Et andet væsentligt aspekt er usikkerheden omkring fremtidige investeringsresultater.

Læs mere herom i artiklen »Investeringsbeslutninger under usikkerhed – hvorfor klassiske metoder ikke er tilstrækkelige«.

2. Det undervurderede beslutningsrum: Hvorfor kompleksiteten vokser eksponentielt

Antallet af mulige investeringsporteføljer vokser ikke lineært med antallet af projekter.

I en forenklet model kan hvert projekt enten gennemføres eller ikke gennemføres.

Med N uafhængigt udvælgelige projekter giver dette teoretisk set^2N mulige kombinationer.

• 7 projekter: 128 mulige kombinationer
• 10 projekter: 1.024 mulige kombinationer
• 20 projekter: 1.048.576 mulige kombinationer
• 30 projekter: 1.073.741.824 mulige kombinationer
• 40 projekter: 1.099.511.627.776 mulige kombinationer
• 50 projekter: 1.125.899.906.842.624 mulige kombinationer
• 100 projekter: ca. 1,27 ×^10³⁰ mulige kombinationer

En virksomhed med 50 planlagte investeringsprojekter står således over for et teoretisk beslutningsrum på omkring 1,126 billiarder projektkombinationer.

Ikke alle kombinationer er mulige på grund af budgetbegrænsninger, afhængigheder mellem projekter eller ressourcebegrænsninger.

Alligevel illustrerer størrelsesordenen, hvorfor klassiske prioriteringsmetoder og manuelle scenarieanalyser hurtigt støder på praktiske begrænsninger.

Et investeringsudvalg kan ikke fuldt ud overskue dette beslutningsrum gennem diskussioner, erfaring eller en simpel rangliste.

Den egentlige udfordring består i inden for dette store beslutningsrum at identificere de kombinationer, der bedst muligt opfylder de definerede økonomiske mål.

3. Hvorfor Excel, scoringsmodeller og investeringsudvalg alene ikke er tilstrækkelige

Excel, scoringsmodeller og investeringsudvalg er etablerede elementer i professionel investeringsplanlægning.

De udfører vigtige opgaver inden for dataindsamling, rentabilitetsvurdering og beslutningstagning.

Deres begrænsninger kommer især til udtryk, når mange projekter samtidig skal optimeres under flere begrænsninger.

Excel: Effektivt, men ikke automatisk en porteføljeoptimering

Excel er fremragende til udarbejdelse af business cases, finansielle modeller og investeringsoversigter.

Matematiske optimeringer er i princippet også mulige med de relevante Solver-funktioner.

Store kombinatoriske beslutningsrum, mange binære variabler og komplekse sidebetingelser kan dog belaste ydeevnen i enkle Excel-Solver-modeller betydeligt.

De faktiske begrænsninger afhænger af den anvendte Solver, den matematiske model og problemets struktur.

Et Excel-regneark med 100 investeringsprojekter er ikke det samme som et matematisk optimeret udvalg af disse 100 projekter.

Scoringmodeller: Prioritering er ikke det samme som optimering

Scoringmodeller vurderer projekter ud fra definerede kriterier og udarbejder på baggrund heraf en rangorden.

Problemet er, at en rangordning ikke automatisk tager højde for de økonomiske interaktioner og budgetkonflikter mellem projekterne.

Et projekt med en lavere individuel score kan indgå i en økonomisk bedre samlet kombination.

Rækkefølgen af projekterne er derfor ikke det samme som den optimale sammensætning af porteføljen.

Investeringsudvalg: Få scenarier i stedet for systematisk optimering

I investeringsudvalg drøftes der ofte flere forberedte CAPEX-scenarier.

For eksempel:

• Den oprindeligt foreslåede investeringsportefølje
• Et reduceret budgetscenarie
• Et vækstorienteret investeringsscenarie
• Et konservativt scenarie med lavere risiko

Disse varianter kan være omhyggeligt udarbejdet.

De repræsenterer dog som regel kun et meget lille udsnit af de matematisk mulige projektkombinationer.

Derfor kan økonomisk mere attraktive alternativer forblive uopdagede.

Yderligere baggrundsinformation findes i artiklen »At forstå matematik og optimering – hvorfor bedre beslutninger kræver en anden beregningslogik«.

4. Et simpelt eksempel: Hvorfor det bedste enkeltprojekt ikke nødvendigvis udgør den bedste portefølje

En virksomhed råder over et CAPEX-budget på 10 millioner euro.

Der er tre investeringsprojekter at vælge imellem.

Projekt A har det højeste individuelle nettobidrag.

Hvis projekt A gennemføres, er der 3 millioner euro tilbage af CAPEX-budgettet. Dette beløb er ikke tilstrækkeligt til nogen af de øvrige projekter.

Det samlede nettoværditilskud udgør således 4 mio. euro.

Hvis derimod projekt B og C gennemføres sammen, udnyttes det samlede budget.

Det samlede nettobidrag udgør 6 millioner euro.

Porteføljen bestående af B og C opnår dermed en 50 % højere nettoværditilvækst med det samme investeringsbudget.

Dette forenklede eksempel viser den grundlæggende forskel mellem vurdering af enkeltprojekter og matematisk porteføljeoptimering.

Ved 50, 100 eller 300 investeringsprojekter bliver søgningen efter den bedste kombination tilsvarende mere kompleks.

5. Ex-ante-optimering: Beregning af den bedste projektkombination inden investeringsbeslutningen

Traditionel investeringsstyring fokuserer ofte på efterfølgende evaluering af allerede trufne beslutninger.

KPI'er som ROI, EBIT, kapitalafkast eller budgetafvigelser viser, hvilke resultater der er opnået.

Den matematiske ex-ante-optimering sætter ind tidligere.

Den undersøger allerede inden kapitalen bindes, hvilken kombination af planlagte projekter der under de definerede rammebetingelser opnår det højeste forventede samlede økonomiske bidrag.

Til dette formål inddrages relevante parametre i en fælles optimeringsmodel:

• Tilgængelige CAPEX-budgetter
• Forventede indtægter og udgifter
• Projektafhængigheder
• Ressource- og kapacitetsbegrænsninger
• Tidsmæssige begrænsninger
• Risiko- og strategiparametre
• Forpligtende investeringsprojekter

Ud fra disse oplysninger opstår der en matematisk beslutningsopgave.

Målet er at fastlægge den bedst mulige tilladte projektkombination for den definerede målfunktion.

I modsætning til en ren prioritering betragtes projekterne her ikke udelukkende isoleret, men undersøges som en sammenhængende portefølje.

6. Hvordan StratePlan muliggør matematisk CAPEX-optimering

StratePlan kombinerer matematiske optimeringsmetoder fra operations research med AI-baserede tilgange til effektiv analyse af store kombinatoriske beslutningsrum.

Til en grundlæggende økonomisk optimeringsmodel kræves der i første omgang kun tre oplysninger pr. projekt:

1. Projekt-ID: Entydig identifikation af investeringsprojektet
2. Udgifter: Planlagte investeringsudgifter
3. Indtægter: Forventede indtægter eller økonomisk afkast

Dataene kan f.eks. hentes fra en eksisterende investeringsplan i Excel.

Derudover defineres det disponible CAPEX-budget.

StratePlan undersøger derefter mulige projektkombinationer og beregner en portefølje i overensstemmelse med den fastlagte målfunktion.

Ved en optimering efter »Maximize Net Contribution« er det den samlede forventede nettobidrag fra den valgte portefølje, der er i fokus.

Udvidede modeller kan tage højde for yderligere begrænsninger og vurderingsparametre.

Resultatet er ikke blot en rangliste over de enkelte investeringsprojekter, men en matematisk beregnet kombination af projekter inden for det disponible budget.

Afhængigt af problemstillingen og den anvendte metode kan der findes en dokumenteret optimal eller en tilnærmelsesvis optimal løsning. Et matematisk bevis for det globale optimum kræver tilsvarende optimalitetskriterier.

7. Live på bestyrelsesmødet: Ændring og genberegning af CAPEX-scenarier

Den matematiske porteføljeoptimering bliver særligt interessant, når den integreres direkte i strategiske ledelsesbeslutninger.

Lad os forestille os en virksomhed med 100 planlagte investeringsprojekter.

Summen af alle investeringsønsker overstiger det disponible CAPEX-budget.

På bestyrelsesmødet præsenteres der først en optimeret projektkombination baseret på de eksisterende antagelser.

Nu begynder den strategiske diskussion.

Scenarie A: Maksimering af den samlede nettoværditilvækst

CFO’en spørger:

»Hvilken kombination af vores planlagte investeringer giver det højeste forventede nettoværditilskud med det eksisterende CAPEX-budget?«

StratePlan beregner en passende projektkombination.

Ledelsen får et overblik over de udvalgte projekter, den nødvendige kapitalindsats og det forventede samlede økonomiske bidrag.

Scenarie B: Reducere CAPEX med 15 %

CEO'en stiller spørgsmålet:

»Hvad sker der, hvis vi er nødt til at reducere vores investeringsbudget med 15 %?«

Budgetbegrænsningen justeres.

StratePlan beregner porteføljen på ny.

Bestyrelsen kan se, hvilke projekter der falder bort, og hvordan det forventede samlede økonomiske bidrag ændrer sig.

Scenarie C: Større vægt på strategiske investeringer

Et andet bestyrelsesmedlem spørger:

„Hvordan ændrer vores portefølje sig, hvis vi vægter digitalisering, energieffektivitet eller bestemte strategiske projekter højere?“

De relevante parametre justeres, og porteføljen optimeres på ny.

Resultaterne kan sammenlignes med de tidligere scenarier.

Scenarie D: Anvendelse af yderligere investeringskapital

CFO’en vil gerne vide:

»Hvilket yderligere nettobidrag til værdien kunne vi opnå, hvis vi øger vores CAPEX-budget med 20 millioner euro?«

Efter justering af budgettet foretages der en ny beregning.

På denne måde kan det modellerede yderligere værditilskud sammenlignes med den nødvendige kapitalindsats.

Ændr budgettet. Juster parametrene. Genberegn porteføljen. Sammenlign scenarier. Træf velunderbyggede beslutninger.

På den måde bliver en statisk investeringsplanlægning til et dynamisk beslutningsgrundlag for ledelsen.

8. Sensitivitetsanalyse: Hvor robust er den optimale investeringskombination?

En enkelt porteføljeoptimering giver i første omgang et resultat baseret på de definerede antagelser.

I praksis ændrer investeringsomkostninger, markedsforhold, ressourcer og strategiske prioriteter sig imidlertid.

Derfor er undersøgelsen af alternative scenarier særligt værdifuld.

Gennem målrettede ændringer af indgangsparametrene kan man blandt andet undersøge følgende spørgsmål:

• Hvilke projekter forbliver en del af porteføljen, selv med et reduceret CAPEX-budget?
• Hvilke investeringer er særligt følsomme over for stigende omkostninger?
• Hvordan ændrer nettoværditilførslen sig ved lavere indtægtsforventninger?
• Hvilken projektkombination opstår der ved ændrede strategiske vægtninger?
• Hvilke projekter konkurrerer særligt intensivt om de samme ressourcer?

Disse følsomhedsanalyser gør det muligt at undersøge stabiliteten i en investeringsstrategi under forskellige forudsætninger.

Ledelsen får dermed ikke blot en beregnet projektkombination, men kan også forstå, hvordan alternative økonomiske og strategiske rammebetingelser påvirker den samlede portefølje.

9. Opportunitetsomkostninger: Den økonomiske værdi af ikke-valgte alternativer

Hver investeringsbeslutning binder kapital.

Denne kapital er derefter ikke længere til rådighed for andre investeringsmuligheder.

De deraf følgende alternativomkostninger kommer ofte kun delvist til syne i klassiske investeringsprocesser.

En virksomhed kan vælge økonomisk attraktive enkeltprojekter og alligevel lade et betydeligt værdiskabelsespotentiale forblive uudnyttet.

Matematisk porteføljeoptimering gør det muligt at sammenligne den oprindeligt planlagte portefølje med en optimeret projektkombination.

Her kan især følgende størrelser sammenlignes:

• Samlet CAPEX-indsats
• Forventet nettoværditilførsel
• Porteføljens ROI
• Udvalgte og ikke-udvalgte projekter
• Resterende budgetmargener
• Forskelle mellem alternative investeringsscenarier

Forskellen mellem de modellerede resultater viser, hvilket økonomisk forbedringspotentiale der findes under de anvendte forudsætninger.

Den afgørende merværdi skabes ikke gennem yderligere investeringer, men gennem en bedre allokering af den allerede tilgængelige kapital.

10. Praksiseksempel: Klybeck-området i Basel – ca. 63 % højere kapitalafkast

Hvilket økonomisk potentiale matematisk porteføljeoptimering kan udløse, illustreres af StratePlan-referencen for Klybeck-området i Basel.

Som led i porteføljeoptimeringen for Central Real Estate AG og Swiss Life AG blev eksisterende investeringsalternativer undersøgt ved hjælp af matematiske optimeringsmetoder.

Det modellerede resultat:

• Oprindelig kapitalafkast: 7,0 %
• Optimeret kapitalafkast: 11,4 %
• Relativ afkastforbedring: ca. 63 %
• Yderligere modelleret økonomisk værditilførsel: ca. 30 millioner CHF

Forbedringen er modelleret ved at ændre sammensætningen af eksisterende investeringsalternativer med et uændret budget.

Disse resultater er projektspecifikke og udgør ikke en generel afkastgaranti.

Den centrale konklusion: Et højere samlet økonomisk bidrag kan opnås blot ved en bedre kombination af eksisterende investeringsprojekter – uden et yderligere CAPEX-budget.

11. Hvorfor det globale optimum er en matematisk og ikke en politisk udtalelse

Et globalt optimum betegner inden for en matematisk defineret model en gyldig løsning med den bedst mulige målfunktionsværdi.

Det betyder dog ikke, at enhver matematisk beregnet løsning automatisk udgør et påvist globalt optimum.

Ved store kombinatoriske beslutningsrum kan der anvendes forskellige optimeringsmetoder.

Nogle metoder muliggør under passende betingelser et matematisk bevis for optimalitet.

Andre metoder finder meget effektive tilnærmelsesløsninger inden for en begrænset beregningstid.

Det er derfor afgørende at skelne mellem:

• Bevist globalt optimale løsninger
• Tilnærmelsesvis optimale løsninger med dokumenteret løsningskvalitet
• Manuelt udvalgte eller blot prioriterede projektporteføljer

Kvaliteten af en matematisk optimering afhænger desuden af kvaliteten af de underliggende data, mål og begrænsninger.

Matematisk optimering erstatter ikke det forretningsmæssige ansvar. Den skaber et yderligere, systematisk grundlag for bedre investeringsbeslutninger.

12. Fra klassisk CAPEX-planlægning til beslutningsintelligens

Traditionel CAPEX-planlægning fokuserer på vurdering, prioritering og budgettering af enkelte investeringsprojekter.

Decision Intelligence udvider denne tilgang med en matematisk undersøgelse af mulige beslutningskombinationer.

Forskellen ligger i det centrale spørgsmål.

Klassisk CAPEX-planlægning:

„Hvilke af vores projekter er økonomisk attraktive og bør prioriteres?“

Matematisk porteføljeoptimering:

„Hvilken kombination af vores projekter maksimerer den samlede økonomiske værdiskabelse inden for de tilgængelige budget- og ressourcebegrænsninger?“

StratePlan supplerer eksisterende ERP-, controlling- og business intelligence-systemer med dette matematiske beslutningsniveau.

Virksomheder kan genbruge deres eksisterende investeringsdata og i første omgang gå i gang med optimeringen ved hjælp af enkle Excel-tabeller.

Dermed bliver matematisk porteføljeoptimering ikke kun tilgængelig for store koncerner, men også for mellemstore virksomheder med mere komplekse investeringsporteføljer.

13. Konklusion: Ikke længere at finansiere flere projekter – men at beregne den rigtige kombination

Traditionel CAPEX-planlægning er ikke i sig selv forkert.

Forretningsanalyser, ROI-beregninger, scoringsmodeller og investeringsudvalg forbliver vigtige komponenter i professionel virksomhedsledelse.

Men en isoleret vurdering af enkelte projekter besvarer ikke automatisk spørgsmålet om den økonomisk bedste kombination af alle planlagte investeringer.

Med et stigende antal projekter vokser det teoretiske beslutningsrum eksponentielt.

Ved 50 projekter opstår der allerede mere end en billion mulige kombinationer.

Denne kompleksitet kan ikke alene håndteres ved hjælp af yderligere møder, mere omfattende tabeller eller stadig nye prioriteringslister.

Den kræver egnede matematiske optimeringsmetoder.

StratePlan muliggør en systematisk undersøgelse af komplekse investeringsporteføljer under hensyntagen til økonomiske mål, disponible budgetter og definerede begrænsninger.

Dermed kan virksomheder beregne alternative projektkombinationer, sammenligne forskellige CAPEX-scenarier og identificere uudnyttet økonomisk potentiale.

Det afgørende spørgsmål er ikke længere: Hvilke investeringsprojekter er hver for sig mest attraktive?

Men: Hvilken kombination af vores investeringer giver det største samlede økonomiske bidrag med den disponible kapital?

Det er netop her, overgangen fra klassisk investeringsprioritering til matematisk CAPEX-optimering begynder.

StratePlan – Samme projekter. Samme budget. Optimal kombination. Bedre resultat.

Hvor meget mere økonomisk værditilførsel ligger der gemt i dit CAPEX-budget?

Find ud af, hvilken kombination af dine planlagte investeringsprojekter der inden for dit disponible budget kan opnå det højeste forventede nettobidrag.

Start med dine egne projektdata, og sammenlign matematisk optimerede investeringsscenarier.

Du kan optimere op til 15 projekter gratis.

Optimer op til 15 projekter gratis nu →