Monte-Carlo-Simulation im Risiko-Controlling E-Book

Robin Daume

• Herausgeber: UVK
• Kategorie: Fachliteratur
• Sprache: Deutsch

Seitenzahl: 139

Veröffentlichungsjahr: 2022

Beschreibung

Das Risiko-Controlling dient als Unterstützungsfunktion für das Risikomanagement und die Unternehmensführung. Es stellt Informationen, Instrumente und Prozesse für den Umgang mit Risiken bereit. Prüfungsstandards wie der IDW PS 340, das StaRUG und das FISG verpflichten Unternehmen, ein Risikofrüherkennungssystem einzurichten und dabei Risiken zu identifizieren, quantifizieren und zu aggregieren. Die Risikoaggregation ist somit eine wesentliche Anforderung an ein modernes Risikomanagementsystem. Mit der Risikoaggregation wird das Ziel verfolgt, die Gesamtrisikoposition eines Unternehmens zu bestimmen und die Kombinationseffekte der Einzelrisiken zu erfassen. Dies kann nur durch eine Risikosimulation im Sinne der Monte-Carlo-Simulation gewährleistet werden. Ziel dieses Buches ist es, am Beispiel eines Financial Models in Excel zu zeigen, wie die Monte-Carlo-Simulation im Risiko-Controlling praxisnah angewendet werden kann.

Leseprobe

Robin Daume ist Beteiligungs-Controller bei einem international ausgerichteten mittelständischen Unternehmen. Zuvor studierte er Controlling im gleichnamigen Masterstudiengang an der Hochschule für Wirtschaft und Umwelt Nürtingen-Geislingen. Dabei legte er seinen inhaltlichen Schwerpunkt auf den Bereich Risikomanagement und Risiko-Controlling.

Prof. Dr. Dr. Dietmar Ernst ist Professor für International Finance an der International School of Finance (ISF) der HfWU. Er ist Studiendekan und leitet den Masterstudiengang International Finance. Ferner ist er Direktor des European Institutes of Quantitative Finance (EIQF). Zuvor war er Investment-Manager bei einer Private Equity-Gesellschaft und über mehrere Jahre im Bereich Mergers & Acquisitions tätig. Dietmar Ernst hat an der Universität Tübingen Internationale Volkswirtschaftslehre studiert und sowohl in Wirtschaftswissenschaften als auch in Naturwissenschaften promoviert. Er ist Autor von Lehrbüchern und weiteren Veröffentlichungen.

Robin Daume, Dietmar Ernst

Monte-Carlo-Simulationim Risiko-Controlling

Am Beispiel eines Financial Models in Excel

Cover-Motiv: © iStockphoto MicroStockHub

1. Auflage 2022

DOI: https://www.doi.org/10.24053/9783739882000

© UVK Verlag 2022

– ein Unternehmen der Narr Francke Attempto Verlag GmbH + Co. KG Dischingerweg 5, D-72070 Tübingen

Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen.

Vorwort

Das Controlling gehört zu den wichtigsten Entscheidungsunterstützungsfunktionen in Unternehmen. Das Management kann sich darauf verlassen, bei Entscheidungen auf fundierte Informationen aus dem Controlling zurückgreifen zu können. Auch das Risiko-Controlling in Unternehmen hat sich in den letzten Jahren weiterentwickelt. Während sich in Banken und Versicherungen das Thema Risikomanagement aufgrund von Gesetzen und regulatorischen Vorgaben zu einer Kernkompetenz entwickelte, führte das Risikomanagement in Unternehmen lange Zeit ein Stiefmütterchendasein. Dies hat sich grundlegend mit dem Gesetz zur Kontrolle und Transparenz im Unternehmensbereich (KonTraG) geändert, das 1998 beschlossen wurde. Im Kern besteht dieses Gesetz aus der Verpflichtung des Vorstands, „geeignete Maßnahmen zu treffen, insbesondere ein Überwachungssystem einzurichten, damit den Fortbestand der Gesellschaft gefährdende Entwicklungen früh erkannt werden“1. Diese Regelungen gelten auch analog für die Rechtsform der GmbH („Ausstrahlwirkung“). Mit dem IDW PS 340 n.F. veröffentlichte das Institut der Wirtschaftsprüfer (IDW) einen deutschen Prüfstandard, der die Prüfung von Risikofrüherkennungssystemen der Unternehmen vorsieht. In den Beschreibungen des IDW PS 340 n.F. werden zukünftige, ungünstige Entwicklungen einem unternehmerischen Risiko zugeordnet. Im Vergleich zum Aktiengesetz beschreibt der Prüfstandard negative Abweichungen, ohne den Fokus auf das Worst-Case-Szenario zu setzen. Im Jahr 2021 wurden zwei Gesetze verabschiedet, die dem Risikomanagement und Risiko-Controlling weitere Bedeutung beimessen: Das StaRUG (Gesetz über den Stabilisierungs- und Restrukturierungsrahmen für Unternehmen) und das FISG (Gesetz zur Stärkung der Finanzmarktintegrität).

Das StaRUG spielt für die Risikofrüherkennung eine zentrale Rolle. Zu betonen ist, dass das StaRUG alle juristischen Personen betrifft. So sind alle juristischen Personen dazu verpflichtet, im Rahmen ihrer Krisenfrüherkennung mögliche „bestandsgefährdenden Entwicklungen“ zu erkennen und „geeignete Gegenmaßnahmen“ zu ergreifen, sobald eine schwere Krise droht.

Das FISG ist ein Änderungsgesetz, welches eine Vielzahl an bestehenden Gesetzen abändert oder ergänzt. Ein direkter Bezug zu Corporate Governance Systemen ergibt sich aus den Anpassungen des AktG in § 91 Abs. 3 sowie § 107 Abs. 4. Künftig muss ein Vorstand einer börsennotierten Gesellschaft sowohl ein Internes Kontrollsystem als auch ein Risikomanagementsystem einrichten (siehe § 91 Abs. 3 AktG n.F.).

Die Gesetze und Prüfungsstandards fordern von Unternehmen, Risiken zu identifizieren, zu quantifizieren und zu aggregieren. Denn es sind im Allgemeinen nicht Einzelrisiken, sondern Kombinationseffekte von Einzelrisiken, die bestandsgefährdende Entwicklungen auslösen. Die Risikoaggregation ist somit eine wesentliche Anforderung an ein modernes Risikomanagementsystem. Mit der Risikoaggregation wird das Ziel verfolgt, die Gesamtrisikoposition eines Unternehmens zu bestimmen und die Kombinationseffekte der Einzelrisiken zu erfassen. Dies kann nur durch eine Risikosimulation im Sinne der Monte-Carlo-Simulation gewährleistet werden.

Die Ergebnisse der Monte-Carlo-Simulation werden dann in der Risikoanalyse aufbereitet und ausgewertet. Sie dienen als Grundlage für unternehmerische Entscheidungen. Die Risikoanalyse liefert die Ausgangsbasis für alle weiteren Schritte der Maßnahmenplanung und -bewertung wie auch für die Risikoüberwachung.

Wir sehen, dass die Monte-Carlo-Simulation ein zentraler Baustein im Risikomanagementprozess darstellt, ohne den die o.g. gesetzlichen Anforderungen nicht erfüllt werden können. Das Risiko-Controlling dient als Unterstützungsfunktion für das Risikomanagement und die Unternehmensführung, indem es Informationen, Instrumente und Prozesse für den Umgang mit Risiken bereitstellt. Es trägt dazu bei, Risiken zu identifizieren, zu quantifizieren, zu aggregieren, zu steuern, zu kontrollieren und zu kommunizieren, um bestandsgefährdende Bedrohungen zu vermeiden und die Unternehmensexistenz zu gewährleisten.

Ziel dieses Buches ist es, am Beispiel eines Financial Models in Excel zu zeigen, wie die Monte-Carlo-Simulation im Risiko-Controlling praxisnah angewendet werden kann. Dazu haben wir eine Fallstudie erarbeitet, an derer die einzelnen Schritte der Quantifizierung, Aggregation und Risikoauswertung für einen Business Plan nachvollzogen werden kann.

Wer Interesse am Thema Risikomanagement bekommen hat, empfehlen wir den „Certified Financial Engineer (CFE) im Risikomanagement“. In diesem Zertifikatslehrgang lernen Sie Schritt für Schritt in Excel die Modellierung der quantitativen Methoden, die Sie im Risiko-Controlling besitzen müssten. Erfahren Sie mehr unter www.certified-financial-engineer.de

An dieser Stelle möchten wir Herrn Dr. Jürgen Schechler vom Verlag UVK für seine professionelle Unterstützung bei der Umsetzung dieses Buchprojektes danken. Ferner gilt unser Dank Herrn Prof. Dr. Werner Gleißner für seine fachliche Unterstützung und Herrn Dr. Uwe Wehrspohn von der Wehrspohn GmbH, der uns mit Risk Kit ein professionelles Excel-Add-In für die Monte-Carlo-Simulation zur Verfügung gestellt hat. Wir wünschen allen Leserinnen und Lesern interessante Erkenntnisse. Für Fragen und Anregungen stehen wir Ihnen gerne unter [email protected] zur Verfügung.

Robin Daume und Dietmar Ernst

1 § 91 Abs. 2 AktG.

Inhaltsverzeichnis

Vorwort

Abkürzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1Management Summary – Revolution im Controlling

2Monte-Carlo-Simulation in der Controlling-Literatur

2.1Bücher

2.1.1Bücher in Deutsch

2.1.2Bücher in Englisch

2.2Wissenschaftliche Artikel

2.2.1Wissenschaftliche Artikel in Deutsch

2.2.2Wissenschaftliche Artikel in Englisch

2.3Erkenntnisse für den praktischen Teil in Kapitel 5

3Risikomanagement und Risiko-Controlling

3.1Risikomanagement

3.1.1Risikobegriff

3.1.2Risikomanagementprozess

3.1.2.1Risikoidentifikation

3.1.2.2Risikoquantifizierung und -aggregation

3.1.2.3Risikosteuerung

3.1.2.4Risikoüberwachung und -berichterstattung

3.2Risiko-Controlling

3.2.1Schnittstellen im Risiko-Controlling und Controlling

3.2.2Schnittstellen im Risiko-Controlling und Risikomanagement

4Monte-Carlo-Simulation

4.1Aufbauprozess und Funktionsweise einer Monte-Carlo-Simulation

4.2Wahrscheinlichkeitsverteilungen

4.2.1Normalverteilung

4.2.2Dreiecksverteilung

4.2.3PERT-Verteilung

4.2.4Binomialverteilung

4.2.5Gleichverteilung

4.2.6Weibull-Verteilung

4.3Plan- und Erwartungswerte

5Monte-Carlo-Simulation mit dem Excel-Add-In Risk Kit am Beispiel der Monte-Carlo STAHL AG

5.1Ausgangslage

5.2Tabellenreiter des Financial Models

5.3Monte-Carlo-Parameter

5.3.1Dreiecksverteilung

5.3.2Normalverteilung

5.3.3Gleichverteilung

5.3.4Binomialverteilung

5.3.5Weibull-Verteilung

5.4Exkurs: Generierung von Verteilungsfunktionen durch Expertenbefragungen

5.5Bilanzkennzahlen

5.5.1Eigenkapital- und Fremdkapitalquote

5.5.1.1Beschreibung

5.5.1.2Simulation und Interpretation

5.5.2Working Capital

5.5.2.1Beschreibung

5.5.2.2Simulation und Interpretation

5.6GuV-Kennzahlen

5.6.1Betriebliches Ergebnis und Ergebnis vor Steuern

5.6.1.1Beschreibung

5.6.1.2Simulation und Interpretation

5.6.2Jahresüberschuss/(-fehlbetrag)

5.6.2.1Beschreibung

5.6.2.2Simulation und Interpretation

5.7Rentabilitätskennzahlen

5.7.1Umsatzrentabilität

5.7.1.1Beschreibung

5.7.1.2Simulation und Interpretation

5.7.2Return on Capital Employed

5.7.2.1Beschreibung

5.7.2.2Simulation und Interpretation

5.8STAHL AG Value Added

5.8.1Beschreibung

5.8.2Simulation und Interpretation

5.9Cashflows

5.9.1Cashflow aus der laufenden Geschäftstätigkeit

5.9.1.1Beschreibung

5.9.1.2Simulation und Interpretation

5.9.2Netto Cashflow

5.9.2.1Beschreibung

5.9.2.2Simulation und Interpretation

5.10Insolvenzwahrscheinlichkeit und Rating

5.10.1Beschreibung

5.10.2Simulation und Interpretation

5.11Risiko-Dashboard

5.11.1Beschreibung

5.11.2Aufbau und Inhalte

Literaturverzeichnis

Sachverzeichnis

Abkürzungsverzeichnis

AktG

Aktiengesetz

BilMog

Gesetz zur Modernisierung des Bilanzrechts

EBIT

Earnings Before Interests and Taxes

EVA

Economic Value Added

F&E

Forschung und Entwicklung

FIFO

First in, first out

FISG

Gesetz zur Stärkung der Finanzmarktintegrität

GJ

Geschäftsjahr

GuV

Gewinn- und Verlustrechnung

HGB

Handelsgesetzbuch

IDW

Institut der Wirtschaftsprüfer in Deutschland e.V.

KonTraG

Kontroll- und Transparenzgesetz

KPI

Key-Performance-Indicator

LIFO

Last in, first out

MCS

Monte-Carlo-Simulation

PS

Prüfstandard

RMS

Risikomanagementsystem

ROCE

Return on Capital Employed

ROI

Return on Investment

StaRUG

Unternehmensstabilisierungs- und -restrukturierungsgesetz

StVA

STAHL AG Value Added

VaR

Value at Risk

VBA

Visual Basic for Applications

WACC

Weighted Average Cost of Capital

WC

Working Capital

Abbildungsverzeichnis

Abb. 1

Klassischer Planwert und Monte-Carlo-Simulation

Abb. 2

Risikomatrix

Abb. 3

Risikosteuerung

Abb. 4

Zusammenhang Risiko-Controlling und Risikomanagement

Abb. 5

Prozess zur Erstellung einer MCS mit Microsoft Excel

Abb. 6

Aufbaustruktur von Plan- und Erwartungswerten am Beispiel des Umsatzes

Abb. 7

Bilanz Aktiva – erwartet.

Abb. 8

Bilanz Passiva – erwartet

Abb. 9

Monte-Carlo-Parameter in Microsoft Excel

Abb. 10

Dreiecksverteilung – Umsatzerlöse Planjahr t2

Abb. 11

Normalverteilung – Umsatzkosten Planjahr t2

Abb. 12

Gleichverteilung – sonstige Aufwendungen Planjahr t2

Abb. 13

Binomialverteilung – sonstige Aufwendungen Planjahr t2

Abb. 14

Weibull-Verteilung – Forschungs- und Entwicklungskosten Planjahr t2

Abb. 15

Histogramm – aggregierte Umsatzverteilung Planjahr t2

Abb. 16

Kalibrierung.

Abb. 17

Kalibrierungsergebnis

Abb. 18

Ergebnis der Aggregation von Expertenmeinungen

Abb. 19

Histogramm – Eigenkapitalquote Planjahr t2

Abb. 20

Eigenkapital- und Fremdkapitalquote in Microsoft Excel

Abb. 21

Histogramm – Working Capital Planjahr t2

Abb. 22

Working Capital Berechnung in Microsoft Excel

Abb. 23

Monte Carlo STAHL AG – GuV nach Umsatzkostenverfahren

Abb. 24

Histogramm – Betriebliches Ergebnis und Ergebnis vor Steuern Planjahr t2

Abb. 25

Histogramm – Jahresüberschuss/(-fehlbetrag) Planjahr t2

Abb. 26

Histogramm – Umsatzrentabilität Planjahr t2

Abb. 27

Umsatzrentabilität in Microsoft Excel

Abb. 28

Histogramm – Return on Capital Employed Planjahr t2

Abb. 29

Return on Capital Employed in Microsoft Excel

Abb. 30

Histogramm – STAHL AG Value Added (StVA) Planjahr t2

Abb. 31

STAHL AG Value Added (StVA) in Microsoft Excel

Abb. 32

M.C. STAHL AG – Struktur der Cashflows

Abb. 33

Histogramm – Cashflow aus der laufenden Geschäftstätigkeit Planjahr t2

Abb. 34

Abgleich von Netto Cashflow und liquiden Mitteln im Financial Model

Abb. 35

Histogramm – Netto Cashflow & Cashflow aus der laufenden Geschäftstätigkeit Planjahr t2

Abb. 36

Histogramm – Insolvenzwahrscheinlichkeit Planjahr t2

Abb. 37

Optimierung der Insolvenzwahrscheinlichkeit Planjahr t2

Abb. 38

Insolvenzwahrscheinlichkeit in Microsoft Excel

Abb. 39

Monte Carlo STAHL AG – Risiko-Dashboard

Tabellenverzeichnis

Tab. 1

Monte-Carlo-Simulation im Controlling – Bücher (Deutsch)

Tab. 2

Monte-Carlo-Simulation im Controlling – Bücher (Englisch)

Tab. 3

Monte-Carlo-Simulation im Controlling – wissenschaftliche Artikel (Deutsch)

Tab. 4

Monte-Carlo-Simulation im Controlling – wissenschaftliche Artikel (Englisch)

Tab. 5

Aufgaben des Controllers

Tab. 6

Tabellenreiter des Financial Models in Excel

Tab. 7

GuV-Positionen der Monte-Carlo-Parameter

Tab. 8

Auswirkungen von FIFO und LIFO auf die Umsatzkosten und Vorräte

Tab. 9

Insolvenzwahrscheinlichkeiten und Rating

1Management Summary – Revolution im Controlling

Auslöser: Die rasante Weiterentwicklung der nationalen und internationalen Gesetzeslage im Bereich des Risikomanagements hat auch eine Weiterentwicklung des Konzern-Controllings zur Folge. Das Aktiengesetz und auch Prüfstandards von WP-Gesellschaften schreiben eine Verpflichtung von Risikomanagement und insbesondere die Risikoquantifizierung vor. Viele weitere Gesetzestexte und Normen liefern Hinweise auf direkte, aber auch indirekte Verpflichtungen zur Errichtung eines Risikoüberwachungssystems.

Monte-Carlo-Simulation als Lösung: Die Monte-Carlo-Simulation kann als Verknüpfung des Risikomanagements mit dem Konzern-Controlling verstanden werden. Dieses Tool stellt den Übergang von der klassischen Unternehmensplanung hin zur Bandbreitenplanung dar. Die klassische Unternehmensplanung versteift sich auf eine mögliche Ausprägung der Kennzahl, wohingegen die Monte-Carlo-Simulation eine ganze Bandbreite an möglichen Entwicklungen der zugrundeliegenden Kennzahl, unter Berücksichtigung aller relevanten Risiken, ermitteln kann:

Abb. 1: Klassischer Planwert und Monte-Carlo-Simulation

Quelle: Eigene Darstellung.2

Nutzen: Die Monte-Carlo-Simulation trägt einen wesentlichen Teil dazu bei, Risiken frühzeitig zu erkennen und zu quantifizieren. Mit anderen Worten werden Risiken aufgedeckt und steuerbar gemacht. Der primäre Nutzen dieses Tools liegt somit in der Reduzierung der Eintrittswahrscheinlichkeit und des Schadenspotentials. Neben der Risikoprävention erhält das Konzern-Controlling einen deutlich umfangreicheren Informationsgehalt in Bezug auf Risiko und potenzielles Chancenverhalten der geplanten Kennzahl. Der Nutzen kann schon mit wenigen Eingabeparametern in der Monte-Carlo-Software kostengünstig ausgeschöpft werden.

Dienstleister: Als bester Dienstleister für eine Monte-Carlo-Software hat das Konzern-Controlling das Produkt „Risk Kit“ des Unternehmens WEHRSPOHN Gmbh & Co. KG ausgewählt. Die Auswahlkriterien lauten wie folgt:

Kosten: „Risk Kit“ schneidet im Vergleich zu konkurrierenden Produkten am kostengünstigsten ab und liefert alle wichtigen Funktionalitäten, die wir für unser Unternehmen benötigen.

Intuitiv: Die Benutzeroberfläche ist intuitiv und „spielerisch“ leicht bedienbar.

Support: regelmäßige Updates seitens des Herstellers sorgen für ein immer besserwerdendes Produkt.

Initialisierung: Überschaubare und nachvollziehbare Anleitungen gepaart mit Youtube-Videos und einem guten Kundenservice runden eine unkomplizierte Initialisierungsphase ab.

An dieser Stelle möchten wir betonen, dass es auch weitere Anbieter von Monte-Carlo-Simulationsprogrammen als Excel-Add-Ins gibt, die genauso den Anforderungen des Risiko-Controllings entsprechen. Dazu zählen beispielsweise Crystal Ball, @Risk oder andere.

Budget: Um „Risk Kit“ in unserem Unternehmen einführen zu können, benötigt das Konzern-Controlling ein zusätzliches Budget, das sich neben den Lizenzschlüsseln auf interne Arbeitsstunden zur Beschaffung aller relevanten Daten der Monte-Carlo-Software stützt. Der Break-even-point dieser Investition ist laut internen Expertenmeinungen bereits nach wenigen Monaten erreicht, weil der beschriebene Nutzen in Form von Risikoprävention und zielgerichtetem Reporting die Kosten schnell übersteigt.

2 Vgl. Freepik Company S.L. (Hrsg.) 2021, online.

2Monte-Carlo-Simulation in der Controlling-Literatur

In diesem Kapitel werden die wichtigsten Veröffentlichungen der Monte-Carlo-Simulation, mit Bezug zum Controlling, aufgearbeitet. Zum einen werden die inhaltlichen Schwerpunkte in Lehrbüchern analysiert, zum anderen mögliche Trendbewegungen in wissenschaftlichen Artikeln identifiziert. Hieraus ergibt sich eine thematische Betrachtungsweise im Rahmen der Lehrbücher und eine chronologische Betrachtungsweise im Bereich der wissenschaftlichen Artikel. Der Fokus dieses Kapitels liegt dabei auf deutsch- und englischsprachigen Lehrbüchern und wissenschaftlichen Artikeln.

2.1Bücher

2.1.1Bücher in Deutsch

In der deutschsprachigen Literatur gilt Prof. Dr. Werner Gleißner als führender Autor von stochastischen Simulationsmodellen im Controlling. Der Forschungsansatz von Gleißner deckt dabei nicht nur das Risikomanagement, sondern auch Thematiken rund um Rating und Unternehmensbewertungen ab. Gleißner’s Forschungsaktivitäten zielen u. a. auf die Risikoquantifizierung und Risikoaggregation ab, die er in seinem Buch Risikoaggregation und Monte-Carlo-Simulation – Schlüsseltechnologie für Risikomanagement und Controlling3, mit Unterstützung von Marco Wolfrum, ausführlich darstellt.

Zu Beginn des Buches, das im Jahr 2019 veröffentlich wurde, werden grundsätzliche Begriffe und Zusammenhänge im Bereich Risikomanagement erklärt. In diesem Kapitel nehmen die Autoren auch auf die rechtliche Grundlage des Aktiengesetzes und des Kontroll- und Transparenzgesetzes (KonTraG) Bezug. Mit dem KonTraG wurde im Jahr 1998 ein Gesetz veröffentlicht, das eine persönliche Haftung für Vorstände und Geschäftsführer vorsieht. Das Gesetz wurde aufgrund von spektakulären Unternehmenszusammenbrüchen, die durch Missmanagement entstanden sind, verabschiedet. Die Autoren beschreiben in diesem Teilkapitel die rechtlichen Grundlagen, die als Basis zur Einführung eines Risikomanagementsystems (RMS) herangezogen werden müssen.

Im dritten und vierten Kapitel wird die Risikoquantifizierung und -aggregation theoretisch und inhaltlich beschrieben. Um ein Risiko quantifizieren zu können, soll im ersten Schritt eine dem Risiko beschreibende Wahrscheinlichkeitsverteilung mit spezifischen Parametern herangezogen werden. Anschließend gehen die Autoren auf die Risikoaggregation ein, die nicht nur theoretisch, sondern auch inhaltlich am Beispiel einer einfachen Risikotabelle, mögliche Kombinationseffekte von Risiken veranschaulicht. Abgerundet wird das vierte Kapitel mit einer Simulation quantitativer Risiken am Beispiel einer Plan-GuV eines fiktiven Unternehmens.4

Ein weiteres Beispiel zur Integration der Monte-Carlo-Simulation im Controlling beschreiben die Autoren Claudia Maron, Anja Burgermeister und Stephen Walter. Der Bericht Digital meets Finance by DATEV, der von Digitalisierungsstrategien in der Unternehmensplanung handelt, wurde im Sammelwerk Digitalisierung & Controlling – Technologien, Instrumente, Praxisbeispiele im Jahr 2018 veröffentlicht. Der Fokus dieses Artikels liegt besonders auf dem Vergleich von der klassischen Planung, treiberbasierten Planung, Business Analytics in der Planung und der Planung bzw. Forecast mit der Monte-Carlo-Simulation, die bei der DATEV eG als Endstufe definiert ist. Die Autoren begründen diese oberste Planungsstufe mit den unzähligen Ergebnismöglichkeiten, die sich zwangsläufig aus der Zukunft ergeben und mit der Monte-Carlo-Simulation abgebildet werden können.5

Der Artikel unterscheidet sich von dem im Jahr 2019 veröffentlichten Buch von Werner Gleißner und Marco Wolfrum dahingehend, dass keine konkreten Beispiele simuliert werden, sondern die Monte-Carlo-Simulation als Planungstool in der Theorie in den Aufgabenbereich des Controllers eingeordnet wird.

Ein weiteres Literaturbeispiel wurde von Prof. Dr. Karsten Oehler, der Finanzprofessor an einer Hochschule in Frankfurt ist, in dem Sammelwerk Strategische Unternehmensführung mit Advanced Analytics – Neue Möglichkeiten von Big Data für Planung und Analyse erkennen und nutzen, im Jahr 2017 veröffentlicht. Mit seinem Beitrag Simulation im Controlling: Möglichkeiten und Chancen durch moderne Werkzeuge und Predictive Analytics beschreibt Oehler