Controllers Trickkiste: Ante (pre) Mortem Analysen vor der Entscheidung

Große und teure Projekte scheitern in Deutschland nicht gerade selten, wofür es leider zahlreiche Beispiele gibt. Besonders prominent ist Stuttgart 21, dessen Start nach jahrzehntelangen Verzögerungen gerade (6/2026) wieder verschoben wurde, wohl auf 2031 (vgl. Die Welt, 16.6.2026).  Auch der Berliner Flughafen und die Elbphilharmonie dauerten viel länger und erforderten ein Vielfaches des geplanten Budgets.

Im Bereich der Industrie fällt vielen gleich der desaströse Kauf von Monsanto durch die Bayer AG ein (vgl. hierzu Hoberg (2020), S. 1 ff.), der schon viele Milliarden gekostet hat und immer noch nicht endgültig abgeschlossen ist, selbst wenn es jetzt ein positives Urteil gab. Aber auch der Stadtwagen Smart hat Daimler viele Milliarden gekostet, bevor schließlich die Reißleine gezogen wurde. 

Allen Projekten gemeinsam ist, dass negative Szenarien nicht gründlich genug betrachtet wurden. Es müssen noch nicht einmal die sehr seltenen Black Swan Ereignisse sein, welche ins Chaos führen. Es reichen schon einige wenig realistische Annahmen, um ein Chaos auszulösen. Es ist zutiefst menschlich, dass bei der Begeisterung für ein Projekt die Risiken nicht ausreichend betrachtet werden. Teilweise tritt der Confirmation Bias auf, dem zufolge nur solche Informationen gesucht und berücksichtigt werden, welche die vorgefasste Präferenz unterstützen.

Eine Unterschätzung von Risiken kann besonders dann auftreten, wenn die Risiken nicht von den Entscheidenden getragen werden müssen bzw. wenn sie einseitig von den Projekten profitieren. Eine solche Vernachlässigung negativer Szenarien ist aber auch deshalb nicht akzeptabel ist, weil gegen einige Risiken Gegenstrategien möglich sind.

Das Grundproblem der Unsicherheit

Das Treffen guter Entscheidungen setzt voraus, dass die Unsicherheiten der Datenprognosen hinreichend berücksichtigt werden. Denn bei fast keiner Vorhersage kann man sicher sein, dass die prognostizierten Größen auch in ähnlicher Höhe wie erwartet eintreten. Von der Unsicherheit betroffen sind fast alle prognostizierten Größen wie z. B. Verkaufsmengen, Nettopreise, Material- und Personalkosten, Zinssätze, Steuern usw.

Nur in ganz wenigen Ausnahmefällen kann man von sicheren Werten ausgehen. Dies gilt z. B. für die nach dem EEG (Erneuerbare-Energie-Gesetz) geförderten Investitionen, für welche Einspeisevergütungen über 20 Jahre garantiert werden. Das ist toll für die Investoren, aber ein Wahnsinn für den Steuerbürger, der das bezahlen muss.

Andere Größen mögen ziemlich genau vorhergesagt werden können wie z. B. die Personalkosten in Deutschland, wobei auch hier Risiken lauern, weil die betrachteten Arbeitsschritte eventuell schon in einigen Jahren von günstigeren Robotern plus KI übernommen werden könnten, so dass in diesem Fall die Kosten langfristig fallen könnten. 

Bei den meisten Größen ist es aber so, dass ihre Vorhersagen mit großen Unsicherheiten behaftet sind. Schnelle unerwartete Änderungen können die Vorteilhaftigkeit von Handlungsmöglichkeiten von einem Tag auf den anderen vernichten. Angesichts der hohen Anzahl der zu prognostizierenden Größen und ihren möglichen Ausprägungen und Interdependenzen ist die Schlussfolgerung aus dem Unsicherheitsproblem unbefriedigend: Eine sichere exakte Lösung nicht möglich.

Dazu muss berücksichtigt werden, dass es sehr schnelle Änderungen geben kann, so dass unerwartet neue Szenarien auftauchen können. Ein Beispiel sind zahlreiche KiTa-Plätze, die „überraschenderweise“  - nach vielen Mangeljahren - frei sind. Das führt in vielen Gemeinden zu Chaos, wenn sie neue Tagesstätten geplant bzw. mit deren Bau schon begonnen haben. Die Prognosen – in diesem Fall, dass es langfristig großen KiTa-Platz Bedarf gibt – müss(t)en permanent überprüft werden.

Auch der sich beschleunigende Einsatz der künstlichen Intelligenz führt dazu, dass einige Geschäftsmodelle plötzlich obsolet werden. Als weiteres allgemeines (und trauriges) Beispiel sei die Invasion Russlands in die Ukraine genannt. Unter dem extremen Druck der russischen Aggressoren hat die Ukraine ihre Drohnenentwicklung derart beschleunigt, dass die Regeln des Krieges umgeschrieben werden müssen. Das bedeutet für fast alle Länder, dass sie ihre Angriffs- bzw. Verteidigungsstrategien überarbeiten müssen. Es ist wahrscheinlich, dass große Teile der Ausrüstung nicht mehr sinnvoll sind. Man kann nicht ausschließen, dass die Bundeswehr ihre Ausrüstung, wenn sie dann endlich kommt, gleich verschrotten lassen muss.

Ebenfalls lässt sich die Schließung der Straße von Hormus anführen. Dadurch änderten sich von einem Tag auf den anderen die Möglichkeiten der Energieversorgung in der ganzen Welt. 

Angesichts dieser Problemlage kann also nicht nach der optimalen Vorgehensweise gesucht werden, sondern nur nach einer möglichst wenig schlechten Methode. Dabei muss berücksichtig werden, dass sich der Aufwand für die fundierte Ermittlung von Daten in akzeptablen Grenzen hält.

Standardszenario als Ausgangspunkt

Wie in fast allen Unternehmen üblich werden im Rahmen einer Analyse im ersten Schritt die Handlungsmöglichkeiten (andere Begriffe: Projekte, Investitionen, Alternativen usw.) mit den wahrscheinlichsten Daten durchgerechnet. Als Ergebnis erhält man dann z. B. einen Kapitalwert (NPV Net Present Value) oder Endwert (FV Future Value), möglichst berechnet mit den Verfahren der VoFis (Vollständiger Finanzplan, vgl. z. B. Varnholt/Hoberg/Wilms/Lebefromm, S. 64 ff.). 

Mit der Evaluation des Basisszenarios darf aber die Analyse nicht abgebrochen werden, weil insb. viele Risiken (negative Abweichungen) auftreten können.

Es sind somit im nächsten Schritt mehrere (negativ) abweichende Szenarien zu betrachten, weil eine einwertige Prognose der Zukunft fast nie möglich ist (vgl. zur Szenarioanalyse Hoberg (2025), S. 1 ff.). Neue Szenarien können schon bei der Änderung einer einzigen Inputgröße notwendig werden, wie z. B. die Verteuerung der Energiepreise nach der Irankrise zeigt. Wenn bei einem neuen Produkt nicht klar ist, welche Mengen verkauft werden können, sollte man diese variieren. Allerdings würde man sich sehr schnell im Detail verlieren, wenn man für jede Änderung einer Größe alles neu durchrechnen wollte. Also versucht man häufig, Szenarien zu beschreiben, welche dann gleichzeitig viele geänderte Inputgrößen umfassen.

Ein Fall wie die Irankrise kann leider jederzeit wieder eintreten mit den negativen Auswirkungen auf die Verfügbarkeit von Energie, Dünger usw. Gleiches gilt für den Verlauf der Konjunktur oder der Rohstoffpreise, die auf viele Handlungsmöglichkeiten Einfluss nehmen. Die wild schwankenden Preise für Kakao und Kaffee sind Beispiele.

Wenn Unternehmen gut sind und auch ernsthaft Risikoszenarien berücksichtigen, kann das wie folgt aussehen:

 
Abb. 1: Beispiel für Endwerte in Abhängigkeit von Szenarien

Für alle Handlungsmöglichkeiten (HMs) – hier 3 – werden auch alternative Risikoszenarien (Ris Szen in Abb. 1)  in die Analyse integriert. Im Beispiel wurden die Endwerte für den Basisfall und die 3 Risikoszenarien ermittelt.

Die Handlungsmöglichkeit 1 hat zwar den höchsten Endwert im Basisszenario, aber im Risikoszenario 3 würde sie zu Verlusten führen. Ähnliches gilt für HM3 im Risikoszenario 2. Nur HM2 führt zu gleichmäßig hohen Ergebnissen. Üblicherweise wird empfohlen, für die 4 Szenarien die Wahrscheinlichkeiten so gut es geht zu schätzen und dann den Erwartungswert zu bilden. Das kann aber zu Problemen führen, wenn eine Handlungsmöglichkeit in einem der Szenarien sehr schlechte Werte aufweist, die aber bei der Erwartungswertbildung durch sehr positive Werte überkompensiert wird. Es empfiehlt sich, in einem ersten Schritt maximale Verluste je Szenario zu definieren.

Bei dieser Vorgehensweise tritt aber ein weiteres großes Problem auf. Die Szenarien müssten je nach Handlungsmöglichkeit unterschiedlich aussehen, weil sie teilweise spezifisch für die Handlungsmöglichkeit aufgestellt werden müssen. Man muss also zwischen allgemeinen und spezifischen Szenarien unterscheiden, weil bestimmte Risiken nur für bestimmte Handlungsmöglichkeiten zutreffen.

Als Beispiel für ein individuelles Problem sei eine millionenschwere Motorenentscheidung des Autokonzerns Stellantis (Fiat, Peugeot, Citroen, Opel usw.) angeführt. Dort entschied man sich für die Puretech Dreizylinder, den Zahnriemen für den Ventilantrieb nass zu bauen, also in den Ölkreislauf des Motors zu integrieren, weil das leichte Verbrauchsvorteile brachte. Da normale Motoröle den Zahnriemen zersetzen würden, mussten bestimmte Öle vorgeschrieben werden. Wenn falsches Öl beim Nachfüllen oder bei einem Ölwechsel verwendet wurde/wird, droh(t)en teure Motorschäden bei Millionen von Fahrzeugen.

Genau das ist passiert. Es gibt nun Tausende von Motorschäden, die riesige finanzielle Schäden ausgelöst haben. Es musste ein umfangreiches Kulanzpaket eingeführt werden. Die Probleme gelten  direkt und auch indirekt durch die Imageprobleme und die Unverkäuflichkeit von Gebrauchtwagen mit dieser Technik. Es ist kaum anzunehmen, dass Stellantis dieses Szenario vorher durchgespielt hatte. Aber man war stolz, dass der Motor einen internationalen Preis erhielt …

Und auch Monsanto lässt sich wieder anführen. Die Risiken der Produkthaftpflicht waren sicher bekannt, wurden aber wohl vernachlässigt.

Es kann also sehr wichtig sein, einmal eine pessimistische Brille aufzusetzen und zu analysieren, warum ein Projekt scheitern kann. Genau dies ist die Aufgabe einer Ante Mortem Analyse, die aber nur einen Teil der negativen Szenarien abdecken kann.

Das Ante Mortem Verfahren

Beim Ante Mortem Verfahren bekommt eine Gruppe von Mitarbeitern die Aufgabe zu überlegen, warum eine Handlungsmöglichkeit scheitern könnte, und das bevor größere Geldsummen ausgegeben wurden.

Dies bedeutet für die Mitarbeiter einen oft heilsamen Perspektivwechsel. Sie entdecken manchmal Gefährdungen, die sie als überzeugte Projektverfechter auch vor sich selbst nicht hätten zugeben wollen. Einige wenige Problempunkte seien aufgeführt:

• Konkurrenz arbeitet an einem ähnlichen besseren Produkt: Im Batteriewettlauf werden u.a. alternative Materialien anstelle des teuren Lithiums erforscht.
• Ein Anstieg der Energiekosten macht die Handlungsmöglichkeit unwirtschaftlich: (Beispiel Deutschland durch die naive Energiewende)
• Energieverfügbarkeit zu allen Jahreszeiten: Durch die Abschaltung vieler Kraftwerke und der Aufforderung vom damaligen Wirtschaftsminister Habeck, dann zu produzieren, wenn Strom zur Verfügung steht, können Stromabschaltungen insb. im Winter bei Dunkelflauten nicht mehr ausgeschlossen werden.
• Prozessrisiken: Dies gilt insb. in den USA. Der Fall Monsanto wird immer ein warnendes Beispiel bleiben.
• Technische Herausforderungen: Was passiert, wenn sich die Laborergebnisse nur schwer auf eine industrielle Produktion übertragen lassen? Als Beispiel wurde der Dieselskandal insb. von VW bekannt. Die geforderten Abgaswerte wurden nicht erreicht, was zur Manipulation der Emissionswerte führte.
• Projektmanagementprobleme: Der Flughafen Berlin hat gezeigt, dass sich einige Verantwortliche völlig überschätzt haben, was das Management eines Großprojektes angeht. (Das Wort Verantwortlicher trifft nur eingeschränkt zu, weil trotz der Milliardenverluste niemand zur Verantwortung gezogen wurde).
• Gesellschaftliche Herausforderungen: Produkte, welche von der Gesellschaft als schädlich angesehen werden, können ein ganzes Unternehmen herunterziehen. Auch hier kann man Monsanto anführen. 
• Hidden Agenda: Einige Entscheidungsträger haben mehr oder weniger geheime Beweggründe für ein Projekt: Bei Stuttgart 21 (jetzt frühestens 31) hatten es einige auf die Verwertung der wertvollen Grundstücke hinter dem Bahnhof abgesehen.
• Erpressungspotential: Als Beispiel sei das russische Gas angeführt. Trotz der großen Risiken wurden lange Zeit keine LNG-Terminals gebaut, so dass Deutschland nach der russischen Aggression nicht nur das Preisrisiko, sondern auch das Ausfallrisiko der Erdgasversorgung tragen musste.
• Rohstoffknappheit: Fast die ganze Welt ist bei seltenen Erden abhängig von China. Und wie sich gezeigt hat, setzt China das als Waffe ein.
• Patente von Konkurrenten können die eigenen Entwicklungen entwerten. Im Wettlauf um die Corona-Impfstoffe wurde das für einige weniger schnelle Unternehmen zum Problem.
• Staatliche Eingriffe: Wann immer der Staat in die Märkte eingreift, gibt es große, meist negative Wirkungen. So wurde z. B. das Preisniveau bei Wallboxen durch die Subvention von 900 Euro künstlich hoch gehalten. Viele Unternehmen überschätzten dadurch die Profitabilität dieses Segmentes und kamen nach Auslaufen der Subvention in große Schwierigkeiten.

Diese Liste ließe sich fast beliebig fortsetzen. 

Nach dem Brainstorming über wichtige Risikofaktoren einer Handlungsmöglichkeit muss danach eine Analyse stattfinden.

Bewertung der individuellen Risiken

Jedes Risiko muss im nächsten Schritt analysiert werden, wobei zu unterscheiden ist, ob das Materialisieren eines Risikos

1. zum Aus des Unternehmens
2. zu schwerwiegenden Folgen oder 
3. zu vertretbaren Verlusten

führen würde.

Erst wenn die Phase der Bewertung der spezifischen Szenarien vollzogen ist, können die Werte für die allgemeinen Szenarien aufgebaut werden. Damit ergibt sich die folgende Systematik auf dem Weg von der heute weit verbreiteten Planung im Quadranten links oben hin zu einem dynamischen Ansatz, bei dem viele Szenarien berücksichtigt werden, auch diejenigen, die zum Aus führen würden.

Abb.2: Systematisierung der Planungen mit Szenarien

Zu den „worse cases“ (über worst cases braucht man nicht zu diskutieren, weil dann alles schief läuft) gehören auch die sehr negativen Ante Mortem Szenarien.

Die Eindämmung von Risiken

Im nächsten Schritt ist zu untersuchen, ob bestimmte Ante Mortem Risiken reduziert werden können, was an dieser Stelle nur kurz diskutiert werden kann. Eine teilweise Risikoreduktion ist sowohl für einige allgemeine als auch spezielle Szenarien denkbar. Es muss allerdings darauf hingewiesen werden, dass in den meisten Fällen der Risikoreduktion Kosten auftreten, so dass die Vorteilhaftigkeit der konkreten Kombination von Handlungsmöglichkeit und Szenario geringer wird. Je nach Risikoneigung wird der Entscheidungsträger mehr oder weniger große Anteile an Risiken absichern.

Folgende Möglichkeiten der Risikoreduktion seien genannt:

1. Abschluss von Versicherungen. Dies ist z. B. bei Katastrophenfällen denkbar, so dass beim Eintritt negativer Szenarien eine Ausgleichszahlung beansprucht werden kann. Wenn in einem speziellen Szenario für eine Handlungsmöglichkeit die Gefahr einer Überschwemmung besteht, können deren Konsequenzen versichert werden.
2. Im Weiteren kann versucht werden, durch andere zusätzliche Handlungsmöglichkeit, die sich gegenläufig verhalten, einen Risikoausgleich zu schaffen. So könnte eine Ölmulti stärker in eigen Ölexploration und -produktion investieren, um Preissteigerung am Weltmarkt ausgleichen zu könne.
3. Gegen das Risiko vieler Rohstoffpreissteigerungen können teilweise Termingeschäfte schützen, bei denen heute schon festgelegt wird, zu welchem Preis an einem bestimmten Zeitpunkt der Rohstoff gekauft werden kann. Dem Vorteil des nach oben begrenzten Kaufpreises steht der Nachteil gegenüber, dass Preissenkungen nicht genutzt werden können. 
4. Z. B. Ölpreissteigerungen können auch über Optionen abgefedert werden (Hedging). Das Unternehmen zahlt zwar die höhere Optionsprämie (im Vergleich zum Termingeschäft, kann dann aber je nach Preisentwicklung entscheiden, ob man die Option ausübt oder nicht. Bei großen Preissteigerungen wird man dann zum vorher festgelegt (niedrigen) Preis kaufen. Wenn die Preise hingegen sinken, wird man die Option verfallen lassen, weil man sich günstiger eindecken kann.
5. Erweiterung der Handlungsmöglichkeiten. Ein Investor in Büroimmobilien hätte vor der Krise beschließen können, alternative Verwendungsmöglichkeiten bereits in der Planung vorzusehen, um dann ev. einen Umbau in Wohnungen, Altersheime usw. vornehmen zu können. Das wäre zwar teuer, aber viel besser als ein Totalverlust.

Die hier aufgeführten Maßnahmen zur Reduktion von Risiken führen zu zusätzlichen Kosten, was aber dann berechtigt ist, wenn bestimmte hohe Risiken weitgehend reduziert oder sogar ausgeschlossen werden können. Es ist offensichtlich, dass nur solche Risiken bearbeitet werden können, die explizit berücksichtigt sind. Die nicht erfassten Risiken, welche es fast immer gibt, müssen dann pauschal z. B. über Risikozuschläge in Zinssätzen oder über Abschläge einbezogen werden. 

Schlussfolgerungen

Das Problem der Unsicherheit kann nicht perfekt gelöst werden. Damit Entscheidungen gut fundiert getroffen werden können, sollte der Controller mit seinen Fachkollegen Ante Mortem Analysen durchführen, um zu bestimmen, wo massive Probleme auftauchen können. Dies sollte dann der Auftakt sein, um die Risiken zu bewerten. Bleiben sie zu groß (Beispiel Monsanto), sollte auf die Handlungsmöglichkeit verzichtet werden.

Umgekehrt können Absicherungsmaßnahmen Desaster verhindern oder zumindest verkleinern. So hat Saudi Arabien eine Pipeline gebaut, um nicht vollständig auf die Straße von Hormus angewiesen zu sein.

Angesichts der Unsicherheiten kann man aber nur hoffen, dass die Unternehmen die wichtigsten Szenarien berücksichtigt haben. Aber Ereignisse wie Vulkanausbrüche, Epidemien oder auch Kriege dürften fast alle Entscheidungsträger überrascht haben. Die Schlussfolgerung besteht darin, dass man damit rechnen muss, dass unerwartete und damit nicht berücksichtigte Szenarien eintreten können. Große Wachsamkeit und hohe Reaktionsbereitschaft (Resilienz) sind somit überlebenswichtig. Die Ante Mortem Analysen können dazu beitragen, dass die Überraschungen nicht zu groß werden.


Literaturverzeichnis:

• Hoberg, P.: Die Szenarientechnik in der BWL, in:  https://www.controllingportal.de/Fachinfo/Finanzplanung/Die-Szenarien-Technik-in-der-BWL., 1.7.2025.
• Hoberg, P.: Risiken bei Unternehmenskäufen: Beispiel Bayer Monsanto, in: https://www.controllingportal.de/Fachinfo/Investitionsrechnung/Risiken-bei-Unternehmenskaeufen-Beisp..., 23.3.2020.
• Klein, G.: Performing a Project Premortem, in: Harvard Business Review, Heft 9, 2007, S. 18-19.
• https://www.welt.de/politik/deutschland/article6a2844a02f1d3992450582a4/bahn-mehr-als-tausend-kilome...
• Varnholt, N., Hoberg, P., Wilms, S., Lebefromm, U.: Investitionsmanagement - Betriebswirtschaftliche Grundlagen und Umsetzung mit SAP®S/4HANA, Berlin/Boston 2023.

letzte Änderung P.D.P.H. am 14.07.2026 Autor:  Prof. Dr. Peter Hoberg

Autor:in

	Herr Prof. Dr. Peter Hoberg Professor für Betriebswirtschaftslehre an der Hochschule Worms. Seine Lehrschwerpunkte sind Kosten- und Leistungsrechnung, Investitionsrechnung, Entscheidungstheorie, Produktions- und Kostentheorie und Controlling. Prof. Hoberg schreibt auf Controlling-Portal.de regelmäßig Fachartikel, vor allem zu Kosten- und Leistungsrechnung sowie zu Investitionsrechnung.
weitere Fachbeiträge des Autors | Forenbeiträge