Szenariomodellierung und Sensitivitätsanalyse

Gewinne:

• Fähigkeit, grundlegende/optimistische/pessimistische Szenarien mit klaren Annahmen zu erstellen und transparente, manuell überprüfbare Tabellenkalkulationen mit künstlicher Intelligenz zu erstellen
• Fähigkeit, Sensitivitäts- und Stresstestlogiken anzuwenden (wie stark sich das Ergebnis ändert, wenn Sie eine Annahme ändern) und kritische Annahmen zu identifizieren
• Sie können behaupten, dass es sich bei dem Szenario nicht um eine Vorhersage, sondern um eine bedingte „Wenn-Dann“-Übung handelt und dass die Verantwortung für die Annahme und das endgültige Urteil beim Ökonomen liegt.

Die Zukunft ist ungewiss, und die Aufgabe des Ökonomen besteht nicht darin, diese Unsicherheit mit einer präzisen Vorhersage zu vertuschen, sondern sie in geordneten Optionen sichtbar zu machen. Szenariomodellierung ist genau das: „Wenn der Wechselkurs auf dieses Niveau steigt, wenn das Wachstum so verläuft, wenn der Zinssatz so steigt, was wird das Ergebnis sein?“ Eine Haushaltsprognose, eine Schuldentragfähigkeitsanalyse, eine Investitionsdurchführbarkeit – alles sind durchdachte Szenarien. Künstliche Intelligenz ist hier ein starker Beschleuniger: Sie übersetzt Annahmen in Tabellenkalkulationen und generiert so in wenigen Minuten drei bis fünf Szenarien. Der kritischste Satz ist jedoch dieser: Das Szenario ist keine Vorhersage; Es handelt sich um eine bedingte „Wenn-Dann“-Übung, die auf expliziten Annahmen basiert, und die Verantwortung für die Annahmen liegt beim Ökonomen. Künstliche Intelligenz übernimmt die Berechnung; Es ist Sache des Menschen, zu entscheiden, welche Annahme vernünftig ist.

Anatomie des Drehbuchs

Teile eines soliden Drehbuchs:

• Grundlegendes (Basis-)Szenario. Die wahrscheinlichsten Annahmen sind: der „erwartete“ Weg.
• Optimistische und pessimistische Szenarien. Angemessene obere und untere Wanderwege rund um die Basis. Diese sollten gerechtfertigt und nicht willkürlich sein.
• Klare Annahmen. Die Zahlen, auf denen jedes Szenario basiert (Wachstum, Inflation, Wechselkurs, Zinsen), werden einzeln geschrieben. Die implizite Annahme ist das unhaltbare Szenario.
• Transparentes Konto. Formeln von der Eingabe bis zur Ausgabe müssen sichtbar und manuell überprüfbar sein. Ein Black-Box-Szenario wird nicht funktionieren.
• Fazit und Kommentar. Was zeigt der Unterschied zwischen den Szenarien? Welches Risiko ist wie groß?

Tipp: Stellen Sie optimistische/pessimistische Szenarien nicht als „Prognoseband“ dar. Dabei handelt es sich nicht um Wahrscheinlichkeiten, sondern um bedingte Konsequenzen: „Wenn der Wechselkurs um 30 % steigt, wird die Schuldenlast steigen.“ Der Satz sollte immer mit „if“ beginnen, damit der Leser die Bedingung erkennt.

Sensitivitätsanalyse: Welche Annahme ist entscheidend?

Der Ausgang eines Szenarios hängt von Dutzenden Annahmen ab, von denen jedoch nicht alle gleich wichtig sind. Die Sensitivitätsanalyse misst, wie stark sich das Ergebnis ändert, wenn Sie eine Annahme ändern, ceteris paribus. Wenn das Ergebnis sehr empfindlich auf eine Annahme reagiert (kleine Änderungen machen einen großen Unterschied im Ergebnis), ist diese Annahme von entscheidender Bedeutung und verdient die meiste Aufmerksamkeit, Überprüfung und Kommunikation.

Stresstests sind eine Erweiterung davon: Testen, wie sich das System/der Haushalt/die Schulden unter einem moderaten, aber harten negativen Schock verhält (z. B. plötzlicher Anstieg der Zinssätze, Zusammenbruch des Exportmarkts). Das Ziel besteht nicht darin, das Schlimmste vorherzusagen, sondern Bruchstellen vorherzusehen.

Achtung: Wenn Sie der KI sagen, sie solle „ein pessimistisches Szenario erstellen“, erhält sie möglicherweise eine willkürliche Zahl. Das pessimistische Szenario ist kein „Fall vom Himmel“, sondern eine berechtigte Annahme: Es muss eine historische oder logische Grundlage haben, etwa „eine Bewegung ähnlich dem Wechselkursschock 2018“. Sie begründen die Annahme.

Schritt-für-Schritt-Szenariostudie

1. Definieren Sie die Frage und das Ergebnis. Was projizieren wir? (Schulden/BIP, Haushaltssaldo, Cashflow)
2. Treibervariablen festlegen. Eine kleine Anzahl wichtiger Inputfaktoren (Wachstum, Inflation, Zinsen, Wechselkurs) bestimmen das Ergebnis.
3. Machen Sie grundlegende Annahmen und begründen Sie diese. Die Quelle und Logik jeder Zahl ist geschrieben.
4. Produzieren Sie die Skripte. Verschieben Sie Annahmen für Optimisten/Pessimisten mit Begründung.
5. Richten Sie ein transparentes Konto ein. Lassen Sie die KI die Formeln als sichtbare Tabelle/Code drucken.
6. Laufempfindlichkeit. Schütteln Sie jede Schlüsselannahme einzeln und messen Sie die Reaktion.
7. Kommentieren und filtern. Welche Annahme ist entscheidend? Sind die Ergebnisse angemessen? Das endgültige Urteil liegt beim Ökonomen.

drei Mini-Koffer

Fall 1 – Schuldentragfähigkeit. Ein Finanzanalyst prognostizierte das Verhältnis der Staatsverschuldung zum BIP für fünf Jahre. Er ließ die KI drei Szenarien erstellen: Basis (Wachstum 4 %, Zinssatz X %), optimistisch, pessimistisch. Die Sensitivitätsanalyse zeigte, dass das Ergebnis am empfindlichsten auf die reale Zins-Wachstums-Lücke (r−g) reagierte: Wenn das Wachstum unter den Zinssatz fiel, stieg die Schuldenquote schnell an. Der Analyst hob diese einzige kritische Annahme im Bericht hervor; Er konzentrierte seine Energie darauf, es zu bestätigen.

Fall 2 – Korrektur des willkürlich pessimistischen Szenarios. In einer Institution gab die KI ein „pessimistisches Szenario: Wachstum -10 %“ an, aber es entbehrte jeder Grundlage. Der Ökonom wandte ein: Das sei noch härter als die tiefste Krise in der Geschichte des Landes und ungerechtfertigt. Das pessimistische Szenario wurde basierend auf der durchschnittlichen Schwere der letzten beiden Rezessionen auf -3 % herabgestuft. Das Szenario war nun vertretbar.

Fall 3 – Transparentes Konto gespeichert. Bei einer Haushaltsprognose sahen die Ergebnisse seltsam aus. Da die Berechnung transparent war, schaute sich der Analyst die Tabelle an und fand den Fehler: Die künstliche Intelligenz hatte die Inflation auf die Einnahmenseite angewendet, aber vergessen, sie auf die Ausgabenseite anzuwenden. In einem Black-Box-Modell würde dieser Fehler verborgen bleiben; sichtbare Formeln offenbarten es.

Szenario-Entwurfstabelle

Artikel

gute Praxis

schlechte Praxis

Annahmen

Klar, begründet, mit Quellenangaben

geheim, willkürlich

Szenariobereich

Historisch/logisch fundiert

Zufälliges „hoch/tief“

Konto

Transparent, manuell prüfbar

Blackbox

Präsentation

„Wenn-Dann“, bedingt

Sicher als Vermutung

Empfindlichkeit

Kritische Annahme markiert

Alle Annahmen gelten als gleich

Vier kopierbare Vorlagen

1) Szenariogerüst:

Holen Sie sich diese Ausgabe [z.B. Schulden/BIP] Ich gehe von 5 Jahren aus. Treibervariablen: Wachstum, Inflation, Zinsen, Wechselkurs. Schlagen Sie mir eine KLARE Annahmentabelle für Basis/optimistisch/pessimistisch vor; Schreiben Sie neben jede Annahme eine Begründung. Rechnen Sie noch nicht; Lassen Sie mich zunächst die Annahmen bestätigen.

2) Transparente Tabelle/Code:

Berechnen Sie die Projektion mit den von mir genehmigten Annahmen. Halten Sie die Formeln SICHTBAR (damit klar ist, wie jede Zeile berechnet wurde). Nehmen Sie ein Jahr als Beispiel und zeigen Sie die Berechnung Schritt für Schritt, damit ich sie manuell überprüfen kann. Verwenden Sie keine Blackbox.

3) Sensitivitätsanalyse:

Passen Sie im Basisszenario jede Hauptannahme einzeln um ±X % an (andere sind konstant) und erstellen Sie eine Tabelle, um wie viel sich das Ergebnis ändert. Markieren Sie die beiden Annahmen, die das Ergebnis am meisten beeinflussen, als „kritisch“. Schlagen Sie eine Validierung dieser kritischen Annahmen vor.

4) Stresstest:

Geben Sie diesen angemessenen, aber harten Schock: [z.B. +X Punkt plötzlicher Anstieg des Zinssatzes, Y% Rückgang der Exporte]. Zeigen Sie, wie sich die Produktion unter diesem Schock verändert und ob sie einen kritischen Schwellenwert überschreitet (z. B. untragbare Schulden-/BIP-Grenze). Machen Sie deutlich, dass es sich hierbei um ein bedingtes Stressszenario und nicht um eine Vorhersage handelt.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwache Eingabeaufforderung:

Schreiben Sie mir ein optimistisches und ein pessimistisches Wirtschaftsszenario.

Künstliche Intelligenz erzeugt ungerechtfertigte Black-Box-Szenarien ohne Quellenangabe; Sie können Annahmen nicht sehen oder überprüfen.

Kraftvolle Aufforderung:

Ich werde das Verhältnis der Staatsverschuldung zum BIP für 2025-2029 prognostizieren. Basisszenario: Wachstum 4 %, Inflation 25 %, durchschnittlicher Zinssatz X %, Primärsaldo Y % (ich habe meine Quellen hinzugefügt). Spielen Sie Annahmen mit REASON für Optimisten/Pessimisten (für Pessimisten beziehen Sie sich auf die Schwere der letzten beiden Rezessionen). Richten Sie die Berechnung als transparente Tabelle ein, zeigen Sie ein Jahr an, das manuell überprüft werden soll, und führen Sie dann die R-G-Empfindlichkeit aus. Geben Sie im Text an, dass es sich bei den Szenarien um Bedingungen und nicht um Vorhersagen handelt.

Häufige Fehler

• Annahmen verbergen. Die unsichtbare Annahme ist unhaltbar.
• Beliebig optimistisch/pessimistisch. Ungerechtfertigte extreme Zahlen zerstören das Vertrauen.
• Darstellung des Szenarios als Vorhersage. Die „Wenn“-Gedankenbedingung verschwindet.
• Black-Box-Konto. Der Fehler wird ausgeblendet, eine Überprüfung wird unmöglich.
• Überspringen der Empfindlichkeit. Fehlmanagement von Risiken, ohne die entscheidende Annahme zu kennen.
• Die Annahme besteht darin, das Eigentum an künstliche Intelligenz abzutreten. Das Urteil gehört dem Menschen.

Zusammenfassend

Szenariomodellierung ist die Kunst, Unsicherheit durch klare und begründete Annahmen in bedingte Schlussfolgerungen umzusetzen. Basisszenarien/optimistische/pessimistische Szenarien müssen robust sein, Berechnungen müssen transparent und manuell überprüfbar sein; Eine Sensitivitätsanalyse sollte die kritische Annahme aufdecken. Künstliche Intelligenz beschleunigt die Berechnung und Optionen, aber die Begründung, Angemessenheit und endgültige Beurteilung der Annahmen liegt beim Ökonomen. Das Szenario ist keine Vorhersage, sondern eine „Wenn-dann“-Übung.

Anwendungsaufgabe

Wählen Sie eine Prognose für Ihr Unternehmen (Budget, Cashflow, Schuldenquote). Erstellen Sie mit der 1. Vorlage eine begründete Annahmentabelle, mit der 2. Vorlage eine transparente Berechnung und mit der 3. Vorlage eine Sensitivitätsanalyse. Identifizieren Sie die kritische Annahme, die das Ergebnis am meisten beeinflusst, und überprüfen Sie sie anhand der Originalquelle. Überprüfen Sie ein von der KI vorgeschlagenes Extremszenario auf Berechtigung und korrigieren Sie es gegebenenfalls.

Checkliste

• [ ] Ich habe die Annahmen jedes Szenarios klar und begründet niedergeschrieben.
• [ ] Ich stelle den Optimisten/Pessimisten auf eine historische oder logische Grundlage.
• [ ] Ich habe das Konto transparent gehalten und mindestens einen Zeitraum manuell überprüft.
• [ ] Ich habe die kritische Annahme durch eine Sensitivitätsanalyse identifiziert.
• [ ] Ich habe die kritische Annahme aus der Originalquelle bestätigt.
• [ ] Ich habe die Szenarien als bedingte „Wenn-Dann“ und nicht als Vorhersagen dargestellt.
• [ ] Das mutmaßliche Eigentum und das endgültige Urteil verbleiben bei mir.