Projekt-Risikomanagementsystem als Teil der digitalen Infrastruktur

Die Integration von Risikomanagementsystemen in die digitale Infrastruktur eines Unternehmens wird zu einem kritischen Faktor für die erfolgreiche Umsetzung von industriellen Großprojekten. Unter den Bedingungen globaler Unsicherheit und von Sanktionsbeschränkungen erweisen sich traditionelle Ansätze zur Bedrohungsbewertung als ineffektiv. Im Rahmen des Webinars analysiert Yana Krukhmaleva, Direktorin für die Entwicklung der digitalen Infrastruktur bei der Gazprom-Media Holding, die Entwicklung des Risikomanagements in Russland am Beispiel der größten Infrastrukturprojekte und erklärt, warum sich die Branche unweigerlich in Richtung Big Data bewegt.

Kognitive Verzerrungen und Subjektivität von Expertenbewertungen

Die klassische qualitative Risikoanalyse stützt sich oft auf Expertenmeinungen, die unweigerlich kognitiven Verzerrungen unterliegen. Basierend auf Forschungen im Bereich der Verhaltensökonomie zeigt die Referentin, dass der Mensch dazu neigt, unter Bedingungen der Unsicherheit irrational zu denken. In der Praxis führt dies zu einem formalen Ansatz: Experten vertiefen sich entweder nicht in eine tiefgehende Bedrohungsanalyse oder tappen in mentale Fallen wie den Dunning-Kruger-Effekt oder die Apophenie (die Suche nach Mustern, wo objektiv keine existieren).

Darüber hinaus entsteht bei der kollektiven Risikobewertung das Condorcet-Paradoxon – eine Situation, in der die Meinungen der Spezialisten so weit auseinandergehen, dass es mathematisch unmöglich ist, eine objektive Durchschnittsbewertung abzuleiten. Um den Grad der Übereinstimmung der Meinungen zu ermitteln, wird vorgeschlagen, den Kendall-Konkordanzkoeffizienten zu verwenden. Wenn die Übereinstimmung gering ist, muss der Projektmanager die Verantwortung für die endgültige Entscheidung übernehmen und sich dabei auf seine Kompetenzen stützen, anstatt auf gemittelte Punktzahlen.

Einschränkungen der Monte-Carlo-Simulation

Beim Versuch, sich von der Subjektivität der qualitativen Analyse zu lösen, gehen viele Unternehmen zu quantitativen Methoden über, insbesondere zur Monte-Carlo-Simulation. In der Präsentation wird jedoch der Hauptnachteil dieses Ansatzes detailliert untersucht: Die Eingabedaten für das mathematische Modell sind nach wie vor subjektive Expertenbewertungen.

• Fehlen integrierter Zeitpläne: Für das korrekte Funktionieren der Methode ist ein detaillierter, mehrstufiger Netzplan mit einer strikten Bindung von Ressourcen und Finanzen erforderlich. Bei Großprojekten werden solche Pläne selten in einem einheitlichen System ohne Verbindungsabbrüche geführt.
• Ignorieren der Risikokorrelation: Die Monte-Carlo-Methode kommt schlecht mit Situationen zurecht, in denen mehrere Risiken miteinander verbunden sind. Das System ist nicht in der Lage, komplexe Gesetze der Wahrscheinlichkeitstheorie bei der Summierung abhängiger Ereignisse automatisch zu berücksichtigen.

Infolgedessen verwandeln sich komplexe quantitative Modelle oft in ein Instrument zur Beruhigung des Managements, indem sie ein ideales Bild der Einhaltung von Fristen und Budgets zeichnen, das nichts mit der tatsächlichen Situation auf der Baustelle zu tun hat.

Big Data und prädiktive Analytik als Zukunft des Risikomanagements

Der einzige Weg, die Objektivität der Bewertung der Wahrscheinlichkeit von Ereignissen radikal zu erhöhen, ist die Nutzung von Big Data. Die Schaffung von Corporate Data Lakes ermöglicht es, umfangreiche Statistiken über Vorfälle, Geräteausfälle, Lieferunterbrechungen und externe Bedrohungen zu sammeln.

Die Hauptaufgabe in dieser Phase besteht darin, die Relevanz und Sauberkeit der Daten sicherzustellen und den menschlichen Faktor bei deren Eingabe so weit wie möglich auszuschließen. Die Informationserfassung sollte automatisch direkt von den Produktionsanlagen und angrenzenden Informationssystemen erfolgen. Nur auf der Grundlage zuverlässiger Datenmengen ist der effektive Einsatz von prädiktiver Analytik und maschinellen Lernalgorithmen für eine reale Risikoprognose möglich.

Bewertung der Experteneffizienz und Auswahl von IT-Tools

Ein wichtiges Problem der Unternehmensführung bleibt der Nachweis der wirtschaftlichen Effizienz der Risikomanagement-Abteilungen selbst. Die Referentin schlägt vor, den biserialen Korrelationskoeffizienten nach Pearson zu verwenden, um die ursprünglichen Prognosen der Experten mit dem tatsächlichen Eintreten von Ereignissen zu vergleichen. Wenn der Koeffizient nahe Null liegt, haben die Prognosen der Expertengruppe keinen praktischen Wert, und der Prozess muss überarbeitet werden.

Auch die Frage der Softwareauswahl wird aufgeworfen. Die Erfahrung mit der Nutzung schwerfälliger westlicher Systeme hat deren Anfälligkeit für Sanktionen und Inflexibilität gegenüber Benutzeranforderungen gezeigt. Heute verlagert sich der Fokus auf russische IT-Lösungen (z. B. die Plattform RisGap), die eine intuitivere Benutzeroberfläche, einfache Implementierung und Unabhängigkeit von externen Einschränkungen bieten.

Was Sie in diesem Webinar lernen werden:

• Warum versagen klassische Methoden der Risikobewertung bei industriellen Großprojekten?
• Wie lassen sich Unstimmigkeiten in Expertenbewertungen mithilfe mathematischer Koeffizienten aufdecken?
• Was sind die verborgenen Einschränkungen der Monte-Carlo-Methode bei der Analyse von Projektrisiken?
• Wie kann der menschliche Faktor bei der Datenerfassung für die prädiktive Analytik ausgeschlossen werden?
• Wie lässt sich die Effizienz der Arbeit interner Risikomanager mathematisch bewerten?