Torsten Stau - Methoden der projektorientierten Risikoanalyse

Diese Behauptung von Franke ist mit Vorsicht zu genießen, denn die Bewertungsbasis ist mit Sicherheit von den Projektzielen abhängig. Bei Projekten, deren Priorität eindeutig auf dem Fertigstellungstermin liegt, ist ein Kostenansatz ziemlich verfehlt. Als Beispiel denke man an die Stadien in Italien, die bis zum Beginn der Fußballweltmeisterschaft fertiggestellt werden mussten, koste es, was es wolle.

Rein formal gesehen heißt Bewertung die Zuordnung von Zahlenwerten zu Objekten nach irgendeiner Regel. Da die identifizierten Risiken gewöhnlich von verschiedenen Typen sind, ist es nicht einfach, eine einheitliche Bewertungsbasis zu finden, deren Genauigkeit mit den Anforderungen von Risikobewertung und anschließender Risikoverdichtung übereinstimmt. Charette [4] führt einige unterschiedliche Bewertungsmöglichkeiten an:

Der einfachste Maßstab, den man benutzen kann, ist der nominelle Maßstab (nominal scale / identity-taxonomy scale) . Die Ereignisse werden nur aufgezählt. Die Risiken werden anhand einer oder mehrere Eigenschaften unterschieden. Solche Maßstäbe wurden bereits beim Kategorisieren der Risiken während der Risikoidentifikation benutzt. Man benutzt diese Maßstäbe, wenn man die Verflechtungen eines Risikos nicht vollständig kennt, d.h. wenn man seine Zusammenhänge mit anderen, besser bekannten Risiken nicht kennt.

Ein etwas komplizierterer Maßstab ist der Ordnungsmaßstab (ordinal scale / order-risk scale) . Die Risiken werden nach irgendeinem Kriterium geordnet. Bezüglich dieses Kriteriums wird nur unterschieden, ob ein Risiko größer als, kleiner als oder gleich einem anderen Risiko ist, aber nicht, um wieviel größer oder kleiner es ist. Das Kriterium kann subjektiv oder objektiv sein, solange es durchgehend benutzt wird. Beispielsweise lassen sich politische Risiken auf diese Weise ordnen (politisch selbstmörderisch, gleichgültig oder vorteilhaft).

Eine weitere Möglichkeit ist ein Kardinalmaßstab (cardinal scale / interval scale). Jetzt werden die Risiken nicht nur nach Kriterien geordnet, sondern auch die Differenzen explizit berechnet. Eine solche Skala bewegt sich gewöhnlich zwischen einem Anfangs- und einem Endpunkt. Ein einfaches Beispiel wäre ein Thermometer.

Die letzte Möglichkeit ist ein Verhältnismaßstab (ratio scale / zero reference scale). Auch hier werden die Risiken geordnet und die Differenzen berechnet, aber der Maßstab beginnt an einem einheitlichen Beziehungspunkt. Ein Verhältnismaßstab ist also nichts anderes als ein Kardinalmaßstab, dessen Anfangs- oder Endpunkt sich an einer geeigneten physikalischen Grenze orientiert. Da diese Maßstäbe für kosten-, zeit- und leistungsbedingte Risiken am besten geeignet sind, werden sie im Folgenden ausschließlich verwendet.

Ein weiterer Bewertungsmaßstab ist die Zuordnung von Wahrscheinlichkeiten. Im Rahmen der Risikoanalyse kommt dieser Methode die größte Bedeutung zu, wie man später noch sehen wird.

Je komplexer ein gewählter Bewertungsmaßstab ist, desto genauer und verständlicher kann ein Risiko bewertet werden. Da die Informationen über die einzelnen Risiken auf unterschiedliche Weise gewonnen wurden, müssen unter Umständen auch verschiedene Maßstäbe benutzt werden. Informationen können auf drei verschiedene Arten vorliegen (vgl. u.a. Charette [4]):

Informationen können einfach in "erzählerischer" Form (narrative information) vorliegen, d.h. sie enthalten keinerlei qualitative oder quantitative Aussagen über die betreffenden Risiken. Daraus ergibt sich automatisch, dass entweder nominelle oder Ordnungsmaßstäbe benötigt werden.

Qualitative Informationen (qualitative information) werden gewöhnlich durch geordnete Bewertungssysteme dargestellt, beispielsweise eine Skala, in der Risiken als hoch oder niedrig oder zwischen irgendwelchen Grenzen liegend angegeben werden. Die Darstellung kann auch anschaulich mittels Farben dargestellt werden. Ein Problem, dass auch die Benutzung von Kardinal- oder Verhältnismaßstäben verhindert, ist die Tatsache, dass die zur Beschreibung benutzten Worte unpräzise sind, wie z.B.:

Unter solchen Begriffen und Formulierungen verstehen verschiedene Personen möglicherweise nicht genau dasselbe. Es ist einsichtig, dass dieses Problem zu Fehlentscheidungen wegen falscher Annahmen führen kann bzw. schon oft geführt hat.

Quantitative Informationen (quantitative information) werden gewöhnlich nach Kardinal- oder Verhältnismaßstäben bewertet, wobei im wesentlichen Eintrittswahrscheinlichkeiten zum Tragen kommen. Mit anderen Worten, es werden explizit Zahlen benutzt. Hier ist jedoch Vorsicht geboten, denn Wahrscheinlichkeiten sind keine genauen Berechnungen, sondern nur Annahmen. Zahlen können irreführend und Statistiken voller Fallen sein. Trotzdem sind quantitative Informationen wesentlich genauer und eindeutiger als qualitative Informationen.

Die Zuordnung der Informationen zu den Bewertungsmaßstäben ist normalerweise nicht einfach, da zwischen den einzelnen Risiken in der Regel sehr komplizierte Abhängigkeiten bestehen. Außerdem treten qualitative und quantitative Informationen in der Regel nie getrennt voneinander auf.

Nicht nur die in der Phase der Risikoidentifikation erkannten und klassifizierten Risiken des Projekts müssen bewertet werden. Auch durch die an der Risikoanalyse beteiligten Experten und sonstigen Personen, durch die benutzten Mittel, Techniken und Verfahren entstehen neue Unsicherheiten und Risiken, für die dieselben Aussagen gelten, die bisher über die Projektrisiken getroffen worden sind. Unter mangelnden Informationen getroffene Entscheidungen führen zu neuen Risiken, ebenso die Verbreitung von Informationen, da diese fehlinterpretiert oder falsch verstanden werden können. Diesen Zusammenhang bezeichnet Charette [4] als information availability bias.

Menschen denken und beurteilen völlig unterschiedlich. Das gilt natürlich auch für die Experten, die an der Risikoanalyse beteiligt sind. Alternativen werden unterschiedlich wahrgenommen und eingeschätzt (selective perception) und tatsächliche Ergebnisse können durch Festhalten an früheren Überlegungen und Bewertungen verzerrt werden (anchoring).

Alle von Experten geschätzten Wahrscheinlichkeiten sind subjektive Wahrscheinlichkeiten. So werden eventuell zu schätzende Ereignisse mit höheren Wahrscheinlichkeiten belegt, je einfacher sie in die Vorstellungswelt eines Experten passen (availability). Liegen über bestimmte Ereignisklassen bereits Belege vor, so lässt sich ein Experte leicht dahingehend beeinflussen, die Wahrscheinlichkeit eines zu dieser Klasse gehörenden Ereignisses anhand der Klassenzugehörigkeit zu bewerten, wobei vorherige Informationen völlig missachtet werden (representativeness).

Die Einflussgrößen auf das subjektive Schätzen von Wahrscheinlichkeiten werden als kognitive Einflussgrößen bezeichnet. Diesen Einflüssen unterliegen nicht nur Laien, sondern auch erfahrene Experten, sobald sie intuitiv denken. Es handelt sich oftmals um unbewusste und unkontrollierbare Einflüsse, die bei der Bewertung subjektiver Wahrscheinlichkeiten zu entsprechender Voreingenommenheit führen können (siehe hierzu auch Buße [16]).

Sicherlich spielen eine ganze Reihe weiterer psychologischer Gründe eine Rolle. Leider ist mir bis jetzt keine Untersuchung bekannt, die sich explizit mit diesem Thema befasst. Man denke auch an die in vielen Lebensbereichen vorherrschende Ansicht "das wurde immer so gemacht und bleibt auch so."