Monte-Carlo-Simulation im Projektmanagement erklärt

Die Monte-Carlo-Simulation ist das Nächste, was das Projektmanagement einer tatsächlich funktionierenden Kristallkugel hat. Statt zu fragen "Wann wird dieses Projekt fertig?" und ein einzelnes Datum zu akzeptieren, fragt sie "Wie hoch ist die Wahrscheinlichkeit, an jedem möglichen Datum fertig zu sein?" und führt dazu Tausende zufällig generierter Szenarien durch.

Das Ergebnis ist kein Versprechen. Es ist eine Wahrscheinlichkeitsverteilung: ein realistisches Bild aller Arten, wie sich Ihr Projekt entwickeln könnte, gewichtet danach, wie wahrscheinlich jedes Ergebnis ist. Dieser Wandel, von einem selbstsicher klingenden einzelnen Datum hin zu einer ehrlichen Spanne mit angehängten Wahrscheinlichkeiten, verändert, wie Teams planen, puffern und sich gegenüber Stakeholdern verpflichten.

Was ist die Monte-Carlo-Simulation?

Die Monte-Carlo-Simulation ist ein rechnerisches Verfahren, das viele zufällige Durchläufe ausführt, um Unsicherheit zu modellieren. Jeder Durchlauf ist eine plausible Version Ihres Projekts. Die Simulation erzeugt Tausende dieser Versionen, variiert dabei Aufgabendauern oder Kosten innerhalb festgelegter Spannen und fasst die Ergebnisse anschließend zu einer Wahrscheinlichkeitsverteilung zusammen.

Im Projektmanagement beantwortet sie zwei zentrale Fragen:

• Wie hoch ist die Wahrscheinlichkeit, das Projekt bis zu einem bestimmten Datum abzuschließen?
• Wie hoch ist die realistische Spanne der Gesamtkosten angesichts der Unsicherheit in den Aufgabenschätzungen?

Das Ergebnis ist eine S-Kurve (ein kumulatives Wahrscheinlichkeitsdiagramm), aus der Sie Aussagen ablesen können wie: "Es besteht eine Wahrscheinlichkeit von 70 %, bis zum 15. Oktober fertig zu sein" oder "Es besteht eine Wahrscheinlichkeit von 80 %, dass das Projekt weniger als 420.000 $ kostet."

Anders als ein Gantt-Diagramm, das eine einzelne Zeitleiste zeigt, zeigt Monte Carlo alle möglichen Zeitleisten und wie oft jede davon eintritt.

Key Facts

Die Methode ist nach dem Casino Monte Carlo in Monaco benannt, ein Verweis auf die Rolle von Zufall und Wahrscheinlichkeit sowohl beim Glücksspiel als auch bei der Modellierung komplexer Systeme. Die Technik wurde von den Mathematikern Stanislaw Ulam und dem Physiker John von Neumann Ende der 1940er-Jahre am Los Alamos National Laboratory im Rahmen der Forschung an Kernwaffen formalisiert, wo sie die Neutronendiffusion durch Zufallsstichproben modellieren mussten. Bei der Projektterminplanung laufen Simulationen typischerweise mit 1.000 bis 10.000 oder mehr Iterationen, um statistisch stabile Ergebnisse zu erzielen; weniger als 1.000 Iterationen können verrauschte Ergebnisse liefern, die sich zwischen Durchläufen deutlich verschieben.

Wie die Monte-Carlo-Simulation funktioniert

Der Motor hinter jedem Monte-Carlo-Durchlauf ist die zufällige Stichprobenziehung aus Wahrscheinlichkeitsverteilungen. Hier ist die Abfolge:

Schritt 1: Verteilungen den Aufgabendauern (oder Kosten) zuweisen. Statt einer einzelnen Schätzung erhält jede Aufgabe eine Spanne, meist definiert durch drei Werte: optimistisch (O), wahrscheinlichst (M) und pessimistisch (P). Diese fließen in eine Dreiecks- oder Beta-Verteilung ein. (Dies ist dieselbe Drei-Punkt-Eingabe, die bei der PERT-basierten Drei-Punkt-Schätzung verwendet wird.)

Schritt 2: Die Simulation wählt einen Zufallswert. Bei jeder Iteration zieht die Software für jede Aufgabe zufällig einen Dauerwert aus deren Verteilung. Eine Aufgabe mit O=3 Tagen, M=5 Tagen und P=12 Tagen liefert gelegentlich eine 3, häufig einen Wert nahe 5 und manchmal eine 11.

Schritt 3: Sie berechnet das Projektenddatum (oder die Kosten) für diesen Durchlauf. Die gezogenen Werte durchlaufen Ihr Projektnetzwerk unter Berücksichtigung der Aufgabenabhängigkeiten und ergeben ein mögliches Abschlussdatum.

Schritt 4: Tausende Male wiederholen. Jede Wiederholung ist ein unabhängiger Durchlauf. Nach 5.000 oder 10.000 Durchläufen haben Sie eine Häufigkeitsverteilung der Ergebnisse.

Schritt 5: Die S-Kurve ablesen. Die kumulative Häufigkeitskurve zeigt, welcher Prozentsatz der Durchläufe bis zu welchem Datum fertig war, und liefert direkte Wahrscheinlichkeitsaussagen.

Beispielhafte Drei-Punkt-Eingaben

Jede Zeile ist eine unabhängige Verteilung. Die Simulation zieht bei jeder Iteration alle fünf gleichzeitig, summiert den Netzwerkpfad und erfasst eine Abschlussdauer. Nach Tausenden von Durchläufen wird die Verteilung dieser erfassten Dauern zu Ihrer Prognose.

Monte Carlo vs. Einzelpunktschätzung

Einzelpunktschätzungen wirken präzise, tendieren aber zu Optimismus. Psychologisch verankern sich Teams an Best-Case-Szenarien. Monte Carlo beseitigt die Unsicherheit nicht. Sie macht sie sichtbar, damit Sie sie steuern können, statt so zu tun, als gäbe es sie nicht.

So führen Sie eine Monte-Carlo-Simulation durch

Schritt 1: Das Projektnetzwerk abbilden

Beginnen Sie mit einem vollständigen Netzplan der Aufgaben und Abhängigkeiten. Monte Carlo folgt demselben logischen Pfad wie Ihre Analyse der Methode des kritischen Pfads. Wenn Ihr Netzplan fehlerhaft oder unvollständig ist, liefert die Simulation eine trügerische Sicherheit. Überprüfen Sie zuerst Float und Slack im Zeitplan. Nahezu kritische Pfade mit geringem Float tragen maßgeblich zum Terminrisiko bei.

Schritt 2: Drei-Punkt-Schätzungen für jede Aufgabe zuweisen

Erfassen Sie für jede Aufgabe (oder zumindest jede unsichere Aufgabe) optimistische, wahrscheinlichste und pessimistische Dauern. Ziehen Sie diese aus historischen Daten, wo vorhanden. Wo nicht, nutzen Sie das Urteil von Fachexperten, drängen Sie aber auf wirklich weite pessimistische Werte. Die meisten Teams unterschätzen den pessimistischen Fall um den Faktor zwei.

Protokollieren Sie Ihre Schätzungen zusammen mit jeder Aufgabe in einem Risikoregister. So haben Sie einen zentralen Ort, um zu verfolgen, welche Aufgaben das größte Terminrisiko tragen und warum.

Schritt 3: Die Simulation ausführen

Importieren Sie Ihr Netzwerk und Ihre Verteilungen in ein Tool, das Monte Carlo unterstützt (Primavera Risk Analysis, @Risk für Excel, Oracle Crystal Ball, Microsoft Project mit Add-ins oder speziell entwickelte Tools wie Safran Risk). Legen Sie die Anzahl der Iterationen fest: 5.000 reichen in der Regel für eine klare Verteilung; 10.000 liefern schärfere Ränder.

Führen Sie die Simulation aus. Je nach Tool und Projektgröße dauert das Sekunden bis Minuten.

Schritt 4: Die S-Kurve ablesen und P50 sowie P80 bestimmen

Das Ergebnis ist eine kumulative Wahrscheinlichkeitskurve. Zwei Punkte sind am wichtigsten:

• P50: Das Datum, bis zu dem 50 % der Simulationsdurchläufe abgeschlossen waren. Dies ist das statistisch unverzerrte mediane Fertigstellungsdatum.
• P80: Das Datum, bis zu dem 80 % der Durchläufe abgeschlossen waren. Dies ist das Datum, zu dem Sie sich mit 80 % Konfidenz verpflichten können.

Die meisten Teams verwenden P50 als internes Planungsziel und P80 als das Datum, zu dem sie sich gegenüber externen Stakeholdern verpflichten. Manche Projekte mit hohem Risiko oder vertraglicher Bindung nutzen P85 oder P90.

Schritt 5: Auf Basis der Ergebnisse handeln

Wenn das P80-Datum vor Ihrer vertraglichen Frist liegt, haben Sie zeitlichen Spielraum. Wenn P50 die Frist bereits überschreitet, haben Sie ein strukturelles Problem: Reduzieren Sie jetzt den Umfang, fügen Sie Ressourcen hinzu oder passen Sie die Erwartungen an. Verhandeln Sie nicht mit dem P50-Datum, wenn der Vertrag verspätete Lieferung bestraft. Verhandeln Sie mit P80.

Nutzen Sie die Simulationsergebnisse, um herauszufinden, welche Aufgaben den größten Beitrag zur Terminvarianz leisten. Diese Aufgaben verdienen besondere Aufmerksamkeit bei der Risikominderung in Ihrem Plan zum Projektrisikomanagement und sollten in Ihrer Risikomatrix sichtbar sein.

Vorteile der Monte-Carlo-Simulation

Realistische Prognosen. Die Simulation berücksichtigt die gesamte Bandbreite möglicher Ergebnisse statt der optimistischen Punktschätzung des Managers. Projekte mit vielen voneinander abhängigen Aufgaben neigen besonders zum Merge-Bias-Effekt, bei dem parallele Pfade zusammenlaufen und der längste dominiert. Einzelpunktschätzungen übersehen dies regelmäßig.

Bessere Gespräche mit Stakeholdern. Ein P80-Datum und eine S-Kurve zu präsentieren ist ehrlicher und leichter zu vertreten als ein einzelnes Datum. Stakeholder, die Wahrscheinlichkeit verstehen, können fundierte Entscheidungen über akzeptables Risiko treffen.

Quantifiziertes Risikoausmaß. Die Streuung der Verteilung zeigt Ihnen, wie viel Unsicherheit besteht. Eine schmale Verteilung bedeutet, dass das Projekt gut verstanden ist. Eine breite Verteilung ist ein Signal für weitere Untersuchungen.

Prioritätengesteuertes Risikomanagement. Die Simulation identifiziert, welche Aufgaben am meisten zur Varianz beitragen, sodass Ihr Risikoregister und Ihr Minderungsbudget an den richtigen Stellen ansetzen.

Unterstützt Vertragsverhandlungen. Viele große Infrastruktur- und Verteidigungsprogramme erfordern inzwischen eine probabilistische Terminanalyse. Monte Carlo ist die Standardmethode.

Häufige Fehler

Fehlerhafte Eingabewerte (Garbage-in). Monte Carlo ist nur so gut wie die Verteilungen, mit denen Sie sie füttern. Teams, die pessimistische Werte komprimieren, um unangenehme Gespräche zu vermeiden (P = M + 20 %), erzeugen Ergebnisse, die präzise wirken, aber statistisch falsch sind. Die pessimistische Schätzung sollte einen plausiblen schlimmsten Fall widerspiegeln, keinen leicht schlechten Fall.

Korrelation zwischen Aufgaben ignorieren. Wenn sich eine Aufgabe verzögert, weil dieselbe Ressource bei drei Aufgaben zum Engpass wird, verzögern sich alle drei gemeinsam. Die meisten einfachen Monte-Carlo-Aufbauten behandeln Aufgaben als unabhängig. Wird die positive Korrelation (bei der eine Verzögerung tendenziell weitere verursacht) nicht modelliert, wird das Terminrisiko systematisch unterschätzt.

P50 als sichere Verpflichtung behandeln. P50 bedeutet, dass Sie eine 50%ige Wahrscheinlichkeit haben, zu spät zu sein. Das ist ein Münzwurf. Sich gegenüber Stakeholdern, die pünktliche Lieferung erwarten, auf ein P50-Datum festzulegen, ist ein Rezept für wiederkehrende Enttäuschung. Verwenden Sie für Verpflichtungen P80 oder höher.

Nur eine Simulation durchführen. Eingaben ändern sich im Projektverlauf. Führen Sie die Simulation an wichtigen Meilensteinen oder beim Eintreten eines größeren Risikos erneut durch. Eine statische Simulation, die beim Kickoff erstellt und nie wieder überprüft wird, vermittelt trügerische Sicherheit.

Die S-Kurve falsch lesen. Das P80-Datum ist nicht "der schlimmste Fall." Es ist der Punkt, an dem 80 % der Durchläufe fertig waren. Es besteht weiterhin eine 20%ige Wahrscheinlichkeit, später fertig zu werden, manchmal deutlich später, wenn die Verteilung einen langen Ausläufer hat.

Monte-Carlo-Beispiel: Software-Release-Projekt

Ein Softwareteam plant einen Produktrelease mit vier Hauptphasen. Ihre Drei-Punkt-Schätzungen lauten:

Eine einfache Einzelpunktschätzung mit den wahrscheinlichsten Werten ergibt insgesamt 74 Tage. Das Team plant eine Frist von 80 Tagen ab Projektstart und fühlt sich damit wohl.

Nach einer Monte-Carlo-Simulation mit 10.000 Iterationen sehen die Ergebnisse ganz anders aus:

Der P50-Wert liegt bereits über dem 80-Tage-Ziel. Es besteht eine Wahrscheinlichkeit von etwa 30 %, innerhalb von 80 Tagen fertig zu werden, weit unter jedem akzeptablen Konfidenzniveau für eine externe Release-Verpflichtung. Das Team hat nun klare Belege, um entweder den Umfang zu reduzieren, Ressourcen für die Backend-Phase (die Aufgabe mit der höchsten Varianz) hinzuzufügen oder das Release-Datum neu zu verhandeln. Die Durchführung der Simulation deckte ein Problem auf, das die Einzelpunktschätzung vollständig verschleiert hatte.

Häufig gestellte Fragen

Wie viele Iterationen sollte eine Monte-Carlo-Simulation ausführen?

Bei den meisten Projektzeitplänen liefern 1.000 Iterationen eine brauchbare Verteilung. 5.000 liefern stabile Ergebnisse für die übliche Berichterstattung. 10.000 sind der Standard für Analysen mit hohem Risiko oder vertraglicher Bindung, bei denen die Randwahrscheinlichkeiten wichtig sind. Mehr Iterationen kosten in moderner Software nichts, daher ist es eine sichere Gewohnheit, standardmäßig 5.000 bis 10.000 anzusetzen.

Was ist ein P80-Datum?

Ein P80-Datum ist das Projektabschlussdatum, bis zu dem 80 % der Simulationsdurchläufe fertig waren. Es bedeutet, dass angesichts Ihrer Aufgabenschätzungen und deren Unsicherheitsspannen eine Wahrscheinlichkeit von 80 % besteht, dass das Projekt bis zu diesem Datum oder früher abgeschlossen wird. Viele Projektmanagement-Standards empfehlen, P80 als "Konfidenzdatum" für externe Verpflichtungen anzugeben und P50 internen Teamzielen vorzubehalten.

Welche Tools führen Monte-Carlo-Simulationen für Projektzeitpläne durch?

Gängige Tools sind Oracle Primavera Risk Analysis (früher Pertmaster), Palisade @Risk für Excel, Oracle Crystal Ball, Safran Risk und Deltek Acumen Risk. Für leichtere Anwendungsfälle nutzen manche Teams Python-Bibliotheken (NumPy, SciPy), um eigene Simulationen zu erstellen. Microsoft Project enthält kein natives Monte Carlo, aber mehrere Add-ins binden es an.

Was ist der Unterschied zwischen der Monte-Carlo-Simulation und PERT?

Beide verwenden Drei-Punkt-Schätzungen (optimistisch, wahrscheinlichst, pessimistisch). PERT berechnet mithilfe einer Formel eine einzelne erwartete Dauer und Standardabweichung und liefert eine Antwort. Monte Carlo führt Tausende von Iterationen durch und liefert eine vollständige Wahrscheinlichkeitsverteilung, die nichtlineare Wechselwirkungen zwischen Aufgaben erfasst, einschließlich Merge-Bias, was die PERT-Formel nicht kann. Für komplexe Projekte mit vielen parallelen Pfaden ist Monte Carlo deutlich genauer.

Funktioniert die Monte-Carlo-Simulation auch für die Kostenprognose?

Ja. Dieselbe Technik gilt auch für Kosten. Statt Aufgabendauern weisen Sie Kostenverteilungen (optimistisch, wahrscheinlichst, pessimistisch) einzelnen Posten oder Arbeitspaketen zu. Die Simulation liefert eine Kostenwahrscheinlichkeitsverteilung mit P50-, P80- und P90-Werten, mit denen Sie Reserven auf Basis expliziter Konfidenzniveaus statt willkürlicher Prozentsätze festlegen können.

---

Die Lücke zwischen einer einzelnen Frist und einer Wahrscheinlichkeitsverteilung ist die Lücke zwischen trügerischer Sicherheit und fundierter Verpflichtung. Die Monte-Carlo-Simulation macht Ihr Projekt nicht weniger unsicher. Sie macht die Unsicherheit lesbar, sodass Sie die richtigen Aufgaben puffern, ehrliche Fristen aushandeln und Minderungspläne erstellen können, die die tatsächlichen Risikoquellen angehen, statt lediglich einen pauschalen 10-%-Puffer hinzuzufügen und auf das Beste zu hoffen.

Beginnen Sie mit Ihren Aufgaben mit der höchsten Varianz, kalibrieren Sie die pessimistischen Schätzungen ehrlich und führen Sie mindestens 5.000 Iterationen durch. Die S-Kurve, die Sie erhalten, verrät Ihnen mehr über das tatsächliche Terminrisiko Ihres Projekts, als es jedes Gantt-Diagramm je könnte.