Die essenzielle Frage in der Immobilien-Projektentwicklung ist jene, ob sich angesichts der systemisch bedingten Risiken eine Investition lohnt oder nicht. Darüber hinaus gilt es, zu bestimmen, auf welcher Grundlage eine Entscheidung getroffen werden kann, wenn insbesondere am Anfang des Projektes die meisten Parameter unklar und ungewiss sind. Dementsprechend gilt es, die wirklichen Risiken zu bestimmen, zu bewerten sowie im Rahmen des Risikomanagements zu steuern.
Die Monte-Carlo-Simulation ist in der Projektentwicklung bezüglich der Erfassung der Risiken ein immer wiederkehrender Begriff, ohne jedoch als Verfahren im breiten Praxiseinsatz etabliert zu sein. Ein Grund hierfür liegt durchaus in der hohen Komplexität der mathematisch-methodischen Grundlagen und deren Anwendung, was im Gegensatz zu der sehr praxisorientierten Branche steht.
Zu Anfang dieser Arbeit wird daher die These aufgestellt, dass die sogenannte Monte-Carlo-Methode ein adäquates, zielgerichtetes Verfahren zur Erfassung und Bewertung von Risiken im Rahmen der Projektentwicklung ist. Ausgehend von dieser These wird im Weiteren die Monte-Carlo-Methode näher beleuchtet, auf die Immobilienprojektentwicklung transferiert und anhand eines Referenzprojektes untersucht. Hierbei gilt es anfangs die Fragen zu beantworten, wie sich Risiko definiert, wie Risiken entstehen und welche Ausprägungen diese in der Projektentwicklung haben können. Ergänzend soll beleuchtet werden, wie das Risikomanagement in der Projektentwicklung erfolgen kann.
Davon ausgehend ist, bezogen auf die Monte-Carlo-Methode, zu erörtern, worauf diese basiert und wie sich diese definiert sowie wie diese in Grundzügen funktioniert. Im Detail soll dann erläutert werden, welche Bestandteile eine Monte-Carlo-Simulation hat und wie man erkannte Risiken der Projektentwicklung in deren Systematik überträgt. Ferner soll ein Vergleich zu anderen Prognoseverfahren gezogen und aufgezeigt werden, wie man die Ergebnisse einer Simulation interpretieren und kommunizieren kann. Anhand eines Beispielprojektes wird die oben aufgestellte These beantwortet, indem die Möglichkeiten und Vorteile verdeutlicht werden.
Inhaltsverzeichnis
1. Einleitung
1.1. Problemstellung
1.2. Zielsetzung und Fragestellungen
1.3. Struktur der Arbeit
2. Risiken in der Projektentwicklung
2.1. Übergeordnete Begriffsbestimmung
2.2. Untergliedernde Begriffsbestimmung
2.3. Herkunft von Risiken
2.4. Thematische Kategorisierung
2.5. Beispiele für Risiken
2.6. Prognostizierende Fortschreibung
2.7. Prozessualer Fortschritt
2.8. Risikomanagement
2.9. Zusammenfassung
3. Einführung in die Monte-Carlo-Simulation
3.1. Begriffsbestimmung
3.2. Historische Entwicklung
3.3. Methodische und mathematische Hintergründe
3.4. Anwendungen in der Projektentwicklung
3.5. Schematischer Ablauf
3.6. Gegenüberstellung Prognoseverfahren
3.7. Einbindung Risikomanagement
4. Elemente einer Monte-Carlo-Simulation
4.1. Modelle
4.2. Eingabewerte
4.2.1. Typisierung
4.2.2. Herleitung
4.2.3. Übersetzung der Eingabevariablen
4.2.4. Besonderheiten bei Eingabewerten
4.3. Simulation
4.3.1. Sampling
4.3.2. Pseudo-Zufallszahlen
4.3.3. Iterationen und Konvergenz
4.4. Ausgabewerte
4.4.1. Typen von Ausgabewerten
4.4.2. Lageparameter
4.4.3. Grafische Darstellung
4.5. Detaillierungsgrade
5. Beispielprojekt als Case-Study
5.1. Referenz aus der Literatur
5.2. Design
5.2.1. Definition Modelle
5.2.2. Definition der Sub-Units
5.3. Durchführung
5.3.1. Cost-Analysis
5.3.2. Schedule-Analysis
5.3.3. Cost-Schedule-Analysis
5.4. Ergebnisse
5.4.1. Ergebnisse Cost-Analysis
5.4.2. Ergebnis Schedule-Analysis
5.4.3. Ergebnis Cost-Schedule-Analysis
6. Diskussion
7. Ausblick für weitergehende Forschung
Zielsetzung & Themen
Die Arbeit untersucht, ob die Monte-Carlo-Simulation ein geeignetes und zielgerichtetes Verfahren zur quantitativen Erfassung und Bewertung von Risiken in der Immobilien-Projektentwicklung darstellt, um Entscheidungsgrundlagen unter Unsicherheit zu verbessern.
- Grundlagen des Risikomanagements in der Immobilienwirtschaft
- Methodik und mathematische Basis der Monte-Carlo-Simulation
- Vergleich von Prognoseverfahren (One-Point-Estimation vs. stochastische Verfahren)
- Anwendung der Methode anhand einer praxisorientierten Case-Study
- Sensitivitätsanalyse kritischer Einflussfaktoren (Risk Driver)
Auszug aus dem Buch
3.6. Gegenüberstellung Prognoseverfahren
Neben der Monte-Carlo-Methode sind noch weitere Verfahren, um die Parameter eines Projektes zu quantifizieren, vorhanden. Ausgehend vom deterministischen „Base-Case“ wird die Monte-Carlo-Simulation daher schrittweise als Weiterentwicklung der Szenario-Verfahren und anderer simulationsgestützter Methoden im Folgenden hergeleitet und gegenübergestellt.
Neben der allgemeinen Erläuterung der jeweiligen Methode wird diese auch anhand eines schematischen Beispiels veranschaulicht; dies beinhaltet jeweils drei Eingabevariablen, deren Werte entsprechend der Modelllogik des Verfahrens kombiniert werden.
Zum Abschluss des Kapitels soll auch bereits eine erste Aussage zur übergeordneten Verfahrensgüte der Monte-Carlo-Methode getroffen werden. Diesbezüglich soll jedoch vorangestellt werden, dass es keine ideale Abbildung der Wirklichkeit und der zukünftigen Ereignisse geben kann. So sind alle Prognosen unweigerlich nur Annäherungen an eine zu erwartende Wirklichkeit, bezogen auf die zum Zeitpunkt der Prognose zur Verfügung stehenden und absehbaren Informationen. Viel eher gilt es die Frage nach der valideren Prognose mittels der zur Verfügung stehenden Verfahren zu beantworten.
Zusammenfassung der Kapitel
1. Einleitung: Diese Einleitung führt in die Risikoproblematik der Immobilien-Projektentwicklung ein und benennt die These, dass die Monte-Carlo-Simulation ein geeignetes Verfahren zur Risikobewertung darstellt.
2. Risiken in der Projektentwicklung: Hier werden Risiken theoretisch definiert, kategorisiert und ihre Relevanz für Projektentwickler im Kontext von Informationsdefiziten erörtert.
3. Einführung in die Monte-Carlo-Simulation: Dieses Kapitel erläutert die Funktionsweise der Methode, ihre mathematischen Grundlagen sowie ihre Bedeutung als statistisches Prognosewerkzeug.
4. Elemente einer Monte-Carlo-Simulation: Hier werden die technischen Bestandteile wie die Erstellung von Modellen, die Wahl von Eingabewerten sowie statistische Simulationsvariablen detailliert beschrieben.
5. Beispielprojekt als Case-Study: Dieses Kapitel ist der praktische Teil, in dem ein fiktives Immobilienprojekt zur Anwendung der Monte-Carlo-Simulation analysiert wird.
6. Diskussion: Hier folgt die kritische Reflexion und Evaluierung der Ergebnisse im Hinblick auf die anfangs aufgestellte These zur Anwendbarkeit der Monte-Carlo-Methode.
7. Ausblick für weitergehende Forschung: Das letzte Kapitel identifiziert offene Forschungsfelder, wie die quantitative Bewertung von Mitigation-Strategien oder der Einsatz von Probability-Branching.
Schlüsselwörter
Monte-Carlo-Simulation, Immobilien-Projektentwicklung, Risikomanagement, Quantitative Risikoanalyse, PERT-Verteilung, Renditekennziffern, Sensitivitätsanalyse, Projektrisiko, Wahrscheinlichkeitsverteilung, Stochastik, Cashflow-Modell, Terminplan, Korrelationen, Prognose, Investitionsentscheidung.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit?
Die Arbeit untersucht die Eignung der Monte-Carlo-Simulation als ein zielgerichtetes, quantitatives Verfahren zur Risikobewertung in der Immobilien-Projektentwicklung.
Welche zentralen Themenbereiche werden behandelt?
Zu den Schwerpunkten gehören das allgemeine Risikomanagement, die mathematischen Grundlagen der Stochastik, Prognoseverfahren für Kosten und Termine sowie eine praxisnahe fallstudienbasierte Anwendung.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es zu belegen, dass die Monte-Carlo-Methode im Vergleich zu deterministischen Ansätzen (wie der bloßen Schätzung von Einzelwerten) fundiertere Entscheidungsgrundlagen liefert.
Welche wissenschaftliche Methode kommt zum Einsatz?
Die Arbeit nutzt Literaturanalysen zur theoretischen Fundierung und eine „Embedded Single-Case-Study“, in der ein realistisches Immobilienprojekt simuliert und ausgewertet wird.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die methodische Einführung der Simulation, die Definition von Modellelementen und Eingabewerten sowie die detaillierte Durchführung der Risikoanalysen in den Bereichen Kosten und Zeitmanagement.
Welche Schlagworte charakterisieren das Dokument?
Kernbegriffe sind Monte-Carlo-Simulation, Immobilien-Projektentwicklung, Risikomanagement, quantitative Risikoanalyse und stochastische Modellierung.
Warum ist das "Gesetz der großen Zahlen" für diese Arbeit wichtig?
Das Gesetz besagt, dass sich das Ergebnis komplexer Zufallsexperimente bei einer hohen Anzahl von Iterationen dem theoretischen Wert annähert, was die statistische Validität der Monte-Carlo-Methode begründet.
Was ist das sogenannte "Flaw of Averages"?
Es bezeichnet einen Denkfehler, bei dem Durchschnittswerte zur Prognose genutzt werden, wodurch extreme Randrisiken (Tails) ignoriert werden; die Monte-Carlo-Analyse korrigiert dies durch die Berücksichtigung von Wahrscheinlichkeitsverteilungen.
- Quote paper
- Simon Harfst (Author), 2019, Die Monte-Carlo-Simulation. Quantitatives Risikomanagement in der Immobilien-Projektentwicklung, Munich, GRIN Verlag, https://www.grin.com/document/1323680
