<?page no="0"?> Dietmar Ernst / Joachim Häcker / Sebastian Schmitz Erwartungstreue Planung und Zukunftserfolgsplanung Ein Praxishandbuch <?page no="1"?> Erwartungstreue Planung und Zukunftserfolgsplanung <?page no="2"?> Prof. Dr. Dr. Dietmar Ernst ist Professor für Quantitative Finance an der International School of Finance der Hochschule für Wirtschaft und Umwelt (HfWU) in Nürtingen. Prof. Dr. Dr. Joachim Häcker ist Professor für Corporate Finance an der HM München und Adjunct Professor an der University of Louisville (USA). WP Sebastian Schmitz, M.A., MBA ist Alumni des Masterstudiengangs Applied Quantitative Finance des European Institute of Quantitative Finance. Er ist in eigener Praxis im Bereich Corporate Finance, Unternehmensbewertung, Transaktionsberatung, Jahres- und Konzernabschlussprüfung und Beteiligungscontrolling tätig. <?page no="3"?> Dietmar Ernst / Joachim Häcker / Sebastian Schmitz Erwartungstreue Planung und Zukunftserfolgsplanung Ein Praxishandbuch <?page no="4"?> Umschlagabbildung: © peppi18 · iStockphoto Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http: / / dnb.dnb.de abrufbar. https: / / doi.org/ 10.24053/ 9783381149124 © UVK Verlag 2026 - 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 Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Alle Informationen in diesem Buch wurden mit großer Sorgfalt erstellt. Fehler können dennoch nicht völlig ausgeschlossen werden. Weder Verlag noch Autor: innen oder Herausgeber: innen übernehmen deshalb eine Gewährleistung für die Korrektheit des Inhaltes und haften nicht für fehlerhafte Angaben und deren Folgen. Diese Publikation enthält gegebenenfalls Links zu externen Inhalten Dritter, auf die weder Verlag noch Autor: innen oder Herausgeber: innen Einfluss haben. Für die Inhalte der verlinkten Seiten sind stets die jeweiligen Anbieter oder Betreibenden der Seiten verantwortlich. Internet: www.narr.de eMail: info@narr.de Druck: Elanders Waiblingen GmbH ISBN 978-3-381-14911-7 (Print) ISBN 978-3-381-14912-4 (ePDF) ISBN 978-3-381-14913-1 (ePub) <?page no="5"?> Inhaltsverzeichnis Abbildungsverzeichnis ..........................................................................................9 Tabellenverzeichnis................................................................................................9 Abkürzungsverzeichnis.......................................................................................11 Zusammenfassung................................................................................................13 Abstract...................................................................................................................15 1 Einleitung .........................................................................................17 2 Begriffliche und konzeptionelle Grundlagen erwartungstreuer Planungen ........................................................................................21 3 Erwartungstreue Planung in der englischsprachigen Literatur ......... 25 3.1 Begriffe im Englischen ............................................................................25 3.2 Englischsprachige Forschungsansätze ................................................25 3.2.1 Assumption-Based Planning..................................................................25 3.2.2 Scenario Planning.....................................................................................26 3.2.3 Expected Value of Including Uncertainty (EVIU) .............................27 3.2.4 Robust Decision Making (RDM) ...........................................................28 3.2.5 Real Options...............................................................................................28 4 Regulatorische und normative Anforderungen ................................. 31 4.1 Gesetzliche und normative Anforderungen an die Planung..........31 4.2 Krisenfrüherkennungspflichten nach StaRUG und AktG ..............32 4.3 Die Rolle der Business Judgment Rule bei unternehmerischen Entscheidungen.........................................................................................32 4.4 Ausgestaltung und Anforderungen an Krisenfrüherkennungs- und Risikomanagementsysteme ...........................................................33 4.5 Risikoaggregation und deren Bedeutung für die Unternehmensplanung............................................................................33 4.6 Kritik am IDW S 16 und der Umgang mit stochastischen Verfahren ..........................................................................................................34 4.7 Erwartungstreue Planung als Grundlage wirksamer Frühwarnsysteme........................................................................................................35 <?page no="6"?> 6 Inhaltsverzeichnis 4.8 Insolvenzrechtliche Anforderungen an Planung und Prognose... 36 4.8.1 Zahlungsunfähigkeit ............................................................................ 36 4.8.2 Überschuldung und drohende Zahlungsunfähigkeit.................... 37 4.9 Rechnungslegungsbezogene Vorschriften ......................................... 38 4.9.1 Fortführungsannahme nach HGB und IFRS ................................... 38 4.9.2 Anforderungen der Lageberichterstattung (DRS 20).................... 39 4.10 IFRS 13 und fair-value-basierte Bewertungsansätze ....................... 39 4.11 Unternehmensbewertung nach IDW ES 1 ......................................... 40 4.11.1 Differenzierung zwischen Managementplanung und Zukunftserfolgsplanung .......................................................................................41 4.11.2 Begriff und Anforderungen an die Zukunftserfolgsplanung ..... 41 4.11.3 Dreistufige Bewertungsarchitektur: Managementplanung, Bewerterrolle, Zukunftserfolgsplanung .......................................... 44 4.12 Methodische Überleitung zur erwartungstreuen Planung............. 45 5 Managementplanung im Übergang zur erwartungstreuen Planung . 47 5.1 Analyse der Ausgangsplanung ............................................................. 47 5.1.1 Grundlagen .............................................................................................47 5.1.2 Gewinnung eines Verständnisses hinsichtlich des Planungsprozesses .................................................................................................48 5.1.3 Rechnerische und formelle Plausibilität .......................................... 49 5.1.4 Materielle interne Plausibilität .......................................................... 51 5.1.5 Materielle externe Plausibilität .......................................................... 52 5.2 Risikoidentifikation und Risikoinventar ............................................ 53 5.2.1 Instrumente der Risikoidentifikation ............................................... 53 5.2.2 Aufbau des Risikoinventars ................................................................ 57 5.3 Risikoquantifizierung mit geeigneten Verteilungen........................ 58 5.3.1 Grundlagen .............................................................................................58 5.3.2 Umsatzerlöse ..........................................................................................61 5.3.3 Materialaufwand ...................................................................................66 5.3.4 Personalaufwand ...................................................................................68 5.3.5 Sonstige betriebliche Aufwendungen ‒ Schadensereignisse ........ 70 5.4 Zeitlogik und Fortschreibung in Mehrjahresplänen ....................... 72 5.4.1 Status quo................................................................................................72 5.4.2 Stochastische Prozesse......................................................................... 74 <?page no="7"?> Inhaltsverzeichnis 7 5.4.3 Stochastische Prozesse mit Mean-Reversion ..................................76 5.5 Simulationsbasierte Risikoaggregation und Risikomaße................78 6 Fallstudie: Von der Managementplanung zur erwartungstreuen Unternehmensplanung .....................................................................83 6.1 Unternehmenspräsentation....................................................................83 6.2 Analyse des Planungsprozesses ............................................................84 6.3 Formelle Konsistenz- und Plausibilitätsanalyse................................86 6.3.1 Rechnerische Konsistenz der integrierten Planung .....................86 6.3.2 Annahmen Konsistenz .........................................................................87 6.4 Analyse der internen Plausibilität ........................................................88 6.4.1 Gewinn- und Verlustrechnung...........................................................88 6.4.2 Bilanz und Cashflow.............................................................................90 6.5 Analyse der externen Plausibilität .......................................................92 6.6 Analyse der Ergebnisse der Risikoinventur .......................................95 6.7 Anpassung der Planungsrechnung ......................................................98 6.7.1 Anpassung der deterministischen Parameter.................................98 6.7.2 Berücksichtigung von Wahrscheinlichkeitsverteilungen......... 100 6.8 Simulation und Interpretation der Simulationsergebnisse............. 106 7 Fazit ...............................................................................................111 Literaturverzeichnis .......................................................................................... 113 Index ..................................................................................................................... 119 <?page no="9"?> 1 Abbildungsverzeichnis Abb. 1: Risikoquantifizierung ............................................................................59 Abb. 2: Trunkierte Normalverteilung ..............................................................67 Abb. 3: Managementplanung der MEDO........................................................86 Abb. 4: Analytische Prüfungshandlungen ......................................................89 Abb. 5: Dreiecksverteilung .............................................................................. 102 Abb. 6: Poisson-Verteilung .............................................................................. 103 Abb. 7: Lognormalverteilung .......................................................................... 104 Abb. 8: Erwartungstreue Unternehmensplanung der MEDO................. 107 Abb. 9: Risikomaße............................................................................................ 107 Tabellenverzeichnis Tab. 1: Maßstäbe für die Plausibilität...............................................................50 Tab. 2: Instrumente der Risikoidentifikation .................................................54 Tab. 3: Risikoinventar ..........................................................................................58 Tab. 4: Ergebnisse Analyse der internen Plausibilität .................................92 Tab. 5: Risikoinventar der MEDO .....................................................................97 Tab. 6: Risikoquantifizierung bei der MEDO .................................................98 <?page no="11"?> Abkürzungsverzeichnis 3D dreidimensional AktG Aktiengesetz BC Zeitschrift für Bilanzierung, Rechnungswesen und Controlling CAGR Compound Annual Growth Rate CVaR Conditional Value at Risk DOOH Digital Out-of-Home DSO Days Sales Outstanding EBIT Earnings Before Interest and Taxes EBITDA Earnings Before Interest, Taxes, Depreciation and Amortization FMEA Failure Mode and Effects Analysis FTA Fault Tree Analysis GmbH Gesellschaft mit beschränkter Haftung GmbHR GmbH-Rundschau GoP 3.0 Grundsätze ordnungsgemäßer Planung (Version 3.0) GuV Gewinn- und Verlustrechnung HDAX Aktienindex für große und mittelgroße deutsche Unternehmen HGB Handelsgesetzbuch IDW Institut der Wirtschaftsprüfer in Deutschland e.V. IDW ES Entwurf einer Neufassung des IDW-Standards IDW PS IDW-Prüfungsstandard IfM Institut für Mittelstandsforschung LED Light Emitting Diode <?page no="12"?> 12 Abkürzungsverzeichnis OOH Out-of-Home OU Ornstein-Uhlenbeck PERT Program Evaluation and Review Technique RMA Risk Management & Rating Association e.V. StaRUG Unternehmensstabilisierungs- und -restrukturierungsgesetz TEUR Tausend Euro (Tsd. EUR) TKP Tausend-Kontakt-Preis (Werbekosten pro 1.000 Sichtkontakte) VaR Value at Risk WP Wirtschaftsprüfer WPg Die Wirtschaftsprüfung ZinsO Zeitschrift für das gesamte Insolvenz- und Sanierungsrecht ZfP Zeitschrift für Personalforschung <?page no="13"?> Zusammenfassung 13 Zusammenfassung In einer zunehmend volatilen und krisenanfälligen Welt stoßen klassische deterministische Managementplanungen an ihre Grenzen. Sie basieren auf Zielwerten anstatt auf Erwartungswerten und vernachlässigen systematisch Risiken und Unsicherheiten. Unser Praxishandbuch zeigt, dass eine erwartungstreue Planung als risikointegrierte, auf Erwartungswerten beruhende Unternehmensplanung nicht nur methodisch fundiert, sondern auch regulatorisch geboten ist. Sie erfüllt zentrale Anforderungen nach § 91 und § 93 AktG sowie § 1 StaRUG und entspricht den Vorgaben des IDW ES  in der neuen Fassung, wo die Trennung von Management- und Zukunftserfolgsplanung noch präzisiert und verschärft wird. Im Mittelpunkt unseres Praxishandbuchs steht die Transformation einer klassischen Managementplanung in eine erwartungstreue Planung. Dazu werden deterministische Planwerte analysiert, auf Plausibilität geprüft und durch eine systematische Risikoidentifikation ergänzt. Anschließend erfolgt die Quantifizierung über geeignete Wahrscheinlichkeitsverteilungen, gefolgt von einer Monte-Carlo-Simulation zur Aggregation der Risiken und Ableitung relevanter Risikomaße. Anhand einer Fallstudie zur Media DOOH GmbH wird die praktische Umsetzung der Konzepte demonstriert. Die Simulationsergebnisse zeigen, dass durch Integration von Risiken eine fundiertere Einschätzung der zukünftigen Unternehmensentwicklung möglich wird. Die daraus abgeleitete erwartungstreue Planung erfüllt die Anforderungen des IDW ES 1 und kann als Basis für objektive Unternehmensbewertungen sowie wirksame Krisenfrüherkennung dienen. <?page no="15"?> Abstract 15 Abstract In an increasingly volatile and crisis-prone world, traditional deterministic management planning reaches its limits. These plans are typically based on target values rather than expected values and systematically neglect risks and uncertainties. This thesis demonstrates that expectation-based planning, which integrates risk and is grounded in expected values, offers a methodologically sound and legally required alternative. It meets key requirements set forth in § 91 and § 93 AktG and § 1 StaRUG, and aligns with the standards of IDW ES 1, particularly regarding the distinction between management planning and future success planning. The core of this thesis is the transformation of a conventional deterministic management plan into an expectation-based plan. This involves analyzing existing plan values, assessing their plausibility, and systematically identifying relevant risks. These risks are then quantified using appropriate probability distributions, followed by a Monte Carlo simulation to aggregate risks and derive key risk measures. A case study involving Media DOOH GmbH illustrates the practical application of these concepts. The simulation results show that integrating risks enables a more realistic assessment of future business development. The resulting expectation-based plan complies with the requirements of IDW ES 1 and provides a robust foundation for objective business valuation and effective early crisis detection. <?page no="17"?> 1 Einleitung 17 1 Einleitung In den vergangenen Jahren sahen sich Unternehmen weltweit mit einer Reihe erheblicher Unsicherheiten konfrontiert. Geopolitische Krisen 1 , globale Pandemien 2 , Lieferkettenstörungen 3 und ein sprunghafter Anstieg der Inflation 4 haben deutlich gemacht, wie fragil und kurzlebig traditionelle Planungsprämissen sein können. Eine deterministische Unternehmensplanung, die mit festen Zielwerten und statischen Szenarien operiert, stößt in einer derart volatilen Umwelt schnell an ihre Grenzen. Die Folge ist eine Erosion der Prognosegüte und Planungszuverlässigkeit. Ein einziger Planwert vermag die Bandbreite möglicher Entwicklungen kaum abzubilden, wodurch das Management Gefahr läuft, von der Realität überholt zu werden. Diese Beobachtung verweist auf ein grundlegendes Problem: In einer Welt im Krisenmodus verlieren herkömmliche deterministische Planungskonzepte spürbar an Aussagekraft und praktischer Relevanz. 5 Diese Erkenntnis spiegelt sich auch im wissenschaftlichen Diskurs wider. Seit einigen Jahren mehren sich Stimmen, die die begrifflichen Schwächen und Zielkonflikte traditioneller Planungsmethoden hervorheben. 6 Eine klassische Managementplanung mit strikt deterministischen Vorgaben verdichtet die Zukunft auf einen einzigen Zielwert und unterschlägt damit systematisch die zugrundeliegenden Unsicherheiten. 7 8 9 Das Konzept der erwartungstreuen Planung ist daher bereits länger in Fachliteratur und Praxis verankert. Standards wie der IDW ES 1 rücken Unternehmensplanungen mit Erwartungswerten stärker in den Fokus der 1 Vgl. Zinets, N., Vasovic, A., https: / / www.reuters.com/ world/ europe/ putin-orders-militaryoperations-ukraine-demands-kyiv-forces-surrender-2022-02-24/ , Abruf am 20.05.2025 2 Vgl. Reuters, https: / / www.reuters.com/ article/ business/ healthcare-pharmaceuticals/ chinese-officials-investigate-cause-of-pneumonia-outbreak-in-wuhan-idUSKBN1YZ0GO/ , Abruf am 20.05.2025 3 Vgl. Jaganathan et al., https: / / www.reuters.com/ world/ middle-east/ container-ship-runsaground-within-suez-canal-causing-traffic-jam-2021-03-24/ , Abruf am 20.05.2025 4 Vgl. dpa, https: / / www.zeit.de/ news/ 2022-09/ 13/ sprunghafter-anstieg-teuerungsrate-beifast-8-prozent, Abruf am 20.05.2025 5 Vgl. Hirt et al., 2020, S. 8 6 Vgl. Ihlau S., Duscha, H., 2013, S. 2350 ff. 7 Vgl. Gleißner, W., Grundmann, T., 2003, S. 459 8 Vgl. Barth, T., Ernst, D., Marx, S., 2023, S. 106 9 Vgl. Behringer, S., Gleißner, W., 2018, S. 857 f. <?page no="18"?> 18 1 Einleitung Bewertungspraxis. 10 Auch die GoP 3.0 fordern Planungen auf Basis von Erwartungswerten, also realisierbaren Durchschnittswerten unter Berücksichtigung von Chancen und Risiken 11 . Der Planungsprozess wird damit explizit als strukturierter Umgang mit Unsicherheit verstanden und nicht als starre Zielvorgabe. 12 Gleichzeitig zeigt die Planungspraxis eine deutliche Diskrepanz zu diesen Anforderungen. Planwerte dienen häufig nicht als neutrale Erwartungswerte, sondern als interne Steuerungsziele, teils zur Kontrolle von Verantwortungsbereichen, teils zur Motivation oder strategischen Außendarstellung eingesetzt. Häufig werden historische Daten mechanisch fortgeschrieben, ohne strukturelle Veränderungen angemessen zu reflektieren. Politische Motive, Bonusregelungen und persönliche Einschätzungen prägen die Planungen zusätzlich. Der Einfluss kognitiver Verzerrungen wie Optimismus- oder Ankereffekte ist empirisch gut belegt. Viele Unternehmen erstellen bewusst konservative oder ambitionierte Planungen. 13 Beide Ansätze verfehlen eine realitätsnahe Abbildung der Zukunft. 14 Das Ziel unseres Praxishandbuchs ist es, zu analysieren, wie sich eine traditionell deterministische Managementplanung zu einer erwartungstreuen Planung weiterentwickeln lässt, die stochastische Einflussgrößen systematisch integriert, methodischen und regulatorischen Anforderungen genügt und dadurch eine Unternehmensbewertung auf Basis unternehmensspezifischer Risiken ermöglicht. Der Aufbau des Praxishandbuchs gliedert sich wie folgt: Kapitel zwei definiert und grenzt den Begriff der Erwartungstreue sowie das Konzept der erwartungstreuen Planung ab und ordnet beides in den Rahmen betriebswirtschaftlicher Planung ein. Im dritten Kapitel werden die normativen Rahmenbedingungen beleuchtet und zentrale rechtliche Anforderungen analysiert, insbesondere zur Krisenfrüherkennung sowie zur unternehmerischen Sorgfaltspflicht. Es wird herausgearbeitet, inwieweit diese Vorgaben eine risikointegrierte, erwartungstreue Planung implizieren. Auf dieser Basis entwickelt das vierte Kapitel ein Konzept zur praktischen Umsetzung erwartungstreuer Planung. Schrittweise wird erläutert, wie 10 Vgl. IDW ES 1, Tz. 51 f. 11 Auch nach der Rechtsprechung sind Ergebnis der Unternehmensplanung stets die „im Mittel zu erwartenden“, nicht jedoch mit „Sicherheitsabschlägen versehenen“ Zahlen (Quelle: Vgl. OLG Frankfurt am Main v. 29.04.2011 - 21 W 13/ 11, Juris-Rdn. 26). 12 Vgl. BDU, GoP 2022, S. 10 f. 13 Vgl. Wieland-Blöse, H., Pfender, S., 2018, Tz. 16 14 Vgl. Behringer, S., Gleißner, W., 2018, S. 858 f. <?page no="19"?> eine deterministische Managementplanung analysiert, um stochastische Elemente erweitert und darauf aufbauend eine Risikoquantifizierung und -aggregation mittels Monte-Carlo-Simulation durchgeführt werden kann. Das fünfte Kapitel enthält eine Fallstudie, in der eine deterministische Managementplanung schrittweise in eine erwartungstreue Planung überführt wird. Anhand dieses Praxisbeispiels wird aufgezeigt, wie sich die theoretisch entwickelten Konzepte konkret anwenden lassen. Abschließend werden die Erkenntnisse zusammengefasst, beide Planungsansätze im Hinblick auf Effektivität und Praxistauglichkeit verglichen und relevante Schlussfolgerungen für die Praxis abgeleitet. 1 Einleitung 19 <?page no="21"?> 2 Begriffliche und konzeptionelle Grundlagen erwartungstreuer Planungen Erwartungstreue bezeichnet in der Statistik die Eigenschaft eines Schätzers, im Mittel den tatsächlichen, aber unbekannten Parameter einer Zufallsgröße korrekt wiederzugeben. Die Statistik definiert den Erwartungswert dabei als das mit den jeweiligen Wahrscheinlichkeiten gewichtete Mittel aller möglichen Werte einer Zufallsvariable. Als Maß für das erwartete Verhalten einer Zufallsgröße wird der Erwartungswert vor dem Eintreten eines Ereignisses (ex ante) herangezogen, während das arithmetische Mittel die zentrale Tendenz vergangener Beobachtungen beschreibt und somit ex post ermittelt wird. Ein erwartungstreuer Planwert kann jedoch nur theoretisch als bekannt gelten, da er auf vollständiger Information über die zugrunde liegende Wahrscheinlichkeitsverteilung beruht, eine Voraussetzung, die in der betriebswirtschaftlichen Planung grundsätzlich nicht erfüllt ist. Es ist daher zwischen dem tatsächlichen, aber nicht beobachtbaren Erwartungswert   𝐸𝐸(𝑋𝑋) = 𝜇𝜇 einer Planungsgröße 𝑋𝑋 und dem darauf zielenden Schätzwert 𝐸𝐸�𝑋𝑋� � = 𝜇𝜇 zu unterscheiden. 15 16 Risiken sind Abweichungen vom Erwartungswert. Diese Abweichungen können ein Upside-Potenzial (Chancen) oder ein Downside-Potenzial (Gefahren) darstellen. Abweichungen vom Erwartungswert sind ein wesentliches Merkmal jeder unternehmerischen Planung unter Unsicherheit. Eine fundierte Planung erfordert daher die explizite Berücksichtigung von Risiken. 17 In diesem Zusammenhang bezeichnet ein Risiko die zufallsbedingte positive und negative Streuung einer Größe um ihren Erwartungswert. Da der Erwartungswert im Sinne eines erwartungstreuen Planwertes in der Praxis nicht direkt beobachtbar ist und nur geschätzt werden kann, lassen sich drei Formen des Risikos unterscheiden: 15 Vgl. Rieg, R., Gleißner W., 2022, S. 1409 16 Vgl. Barth, T., Ernst, D., Marx, S., 2023, S. 106 17 Vgl. Börner, C., Ernst, D., Hoffmann, I., 2023, S. 3 <?page no="22"?> Parameterunsicherheit (Modellrisiko): Die Abweichung des geschätzten Erwartungswerts 𝐸𝐸�𝑋𝑋� � vom tatsächlichen Erwartungswert μ (Meta-Risiko). Erklärung: Als Parameterunsicherheit wird die Unsicherheit über die konkreten Werte von Parametern innerhalb eines bekannten Modells bezeichnet. Das Modell selbst wird als gegeben angenommen, jedoch sind die Eingabegrößen (Parameter) mit Unsicherheit behaftet. Inhärente Variabilität: Die Streuung der Zufallsgröße 𝑋𝑋 um den wahren Erwartungswert 𝜇𝜇 . Erklärung: Als inhärente Variabilität wird die natürliche Streuung oder Schwankung eines Phänomens bezeichnet, die nicht durch Unwissenheit oder Messfehler, sondern durch zufällige, systemimmanente Einflüsse entsteht. Es handelt sich somit um eine grundlegende Eigenschaft der Realität selbst. Selbst bei perfektem Wissen und perfekten Messinstrumenten besteht die inhärente Variabilität weiter. Gesamtunsicherheit der Prognose: Die Streuung von 𝑋𝑋 um den geschätzten Erwartungswert  𝐸𝐸�𝑋𝑋� � . 18 Erklärung: Die Gesamtunsicherheit einer Prognose bezeichnet die Gesamtheit aller Unsicherheiten, die deren Aussagekraft und Verlässlichkeit beeinflussen. Sie setzt sich aus Modellunsicherheit, Parameterunsicherheit und Störgrößen bzw. Zufallseinflüssen zusammen. Die Qualität einer Schätzung des Erwartungswerts bemisst sich an vier zentralen Kriterien:  Erwartungstreue,  Effizienz,  Konsistenz und  Suffizienz. Die Erwartungstreue haben wir bereits erläutert. Die Effizienz ist ein Maß für die Streuung der Schätzwerte um den wahren Parameter. Die Varianz gibt an, wie stark die Schätzwerte vom wahren Wert abweichen. Konsistenz beschreibt die Eigenschaft eines Schätzers, mit wachsender Stichprobengröße zunehmend genauer zu werden und sich dem wahren Parameterwert anzunähern. Suffizienz stellt sicher, dass alle relevan- 18 Vgl. Rieg, R., Gleißner W., 2022, S. 1409 22 2 Begriffliche und konzeptionelle Grundlagen <?page no="23"?> ten Informationen aus den verfügbaren Daten für die Schätzung genutzt werden. 19 Eine formal verstandene Erwartungstreue setzt die Existenz stabiler funktionaler Zusammenhänge voraus. Praktisch lassen sich solche Relationen, etwa der Einfluss des Zinsniveaus auf Investitionsentscheidungen, unter kontrollierten Bedingungen modellieren und für Prognosen nutzen. Die betriebliche Planung hingegen ist zwangsläufig zukunftsgerichtet und beruht auf Annahmen über Kausalitäten, die nicht nur unsicher, sondern häufig instabil sind. Technologische Entwicklungen, politische Rahmenbedingungen und Marktverhalten unterliegen dynamischen Veränderungen, die eine systematische Extrapolation historischer Muster erschweren. Eine im engeren Sinne erwartungstreue Planung impliziert jedoch genau dies: die Ableitbarkeit zukünftiger Entwicklungen aus vergangenen Daten. Diese Prämisse steht im Widerspruch zur Realität ökonomischer Prozesse, die durch Unsicherheit, Diskontinuitäten und nicht-lineare Effekte geprägt sind. Vor diesem Hintergrund erscheinen Prognosen nicht als deterministische Pfade, sondern als stochastischer Prozesse, die sich zu Wahrscheinlichkeitsverteilungen künftiger Ergebnisse verdichten. 20 Zudem ist jede Planung hochgradig kontextabhängig. Sie bezieht sich auf ein konkretes Unternehmen, spezifische Ziele, individuelle Strukturen und oft auch qualitative Einschätzungen. Anders als statistische Schätzverfahren, die auf Reproduzierbarkeit und Standardisierung zielen, sind Planungsmodelle inhaltlich wie methodisch unternehmensspezifisch. Erwartungstreue lässt sich unter diesen Bedingungen weder normativ einfordern noch formal nachweisen. Die Übertragung des statistischen Begriffs der Erwartungstreue auf betriebliche Planungsprozesse stößt damit auf grundlegende methodische und konzeptionelle Grenzen. Erwartungstreue dient daher in erster Linie als theoretischer Maßstab, weniger jedoch als praktisch überprüfbares Qualitätskriterium. 21 Dennoch rechtfertigt dies kein generelles Ablehnen des Konzepts. Vielmehr stellt sich für die Methode der erwartungstreuen Planung folgende Frage: Wie können unter Unsicherheit Verfahren gestaltet werden, die möglichst geringe Verzerrungen aufweisen, Abweichungen syste- 19 Vgl. Börner, C., Ernst, D., Hoffmann, I., 2023, S. 3 20 Vgl. Rieg, R., Gleißner W., 2022, S. 1410 21 Vgl. Rieg, R., Gleißner W., 2022, S. 1411 2 Begriffliche und konzeptionelle Grundlagen 23 <?page no="24"?> matisch erfassen und Entscheidungsgrundlagen schaffen, die gegenüber modellimmanenten Risiken robust sind? Hier setzen moderne, simulative Prognoseansätze an: Sie ermöglichen es, Unsicherheiten nicht nur zu akzeptieren, sondern sie in Form vollständiger Verteilungen zu modellieren und in die Planung zu integrieren. 22 Planungsverfahren reichen von  subjektiven Einschätzungen über  daten- und modellgestützten Verfahren mit expliziter Risikoabbildung bis zu  stochastischen Prognoseverfahren. Subjektive Planwerte basieren meist auf Erfahrung oder Konsens und sind anfällig für kognitive Verzerrungen. Modellbasierte Ansätze nutzen Vergangenheitsdaten, bilden Unsicherheiten aber oft nicht explizit ab und setzen konstante Rahmenbedingungen voraus. Den höchsten Anspruch an Erwartungstreue erfüllen stochastische Prognoseverfahren. Sie integrieren systematisch neben historischen Daten auch zukunftsbezogene Einschätzungen und Risiken. Besonders hervorzuheben sind hierbei Monte-Carlo-Simulationen. Erst durch eine solche stochastische Modellierung wird eine fundierte, statistisch konsistente und entscheidungsrelevante Planung unter Unsicherheit möglich. 23 22 Vgl. Rieg, R., 2018, S. 24 f. 23 Vgl. Gleißner, W., Wolfrum, M., 2019, S. 24 f. 24 2 Begriffliche und konzeptionelle Grundlagen erwartungstreuer Planungen <?page no="25"?> 3 Erwartungstreue Planung in der englischsprachigen Literatur Die Suche nach „erwartungstreuer Planung“ in der englischsprachigen Literatur führt nur zu wenigen direkten Ergebnissen. Eine eindeutige Übersetzung existiert nicht. Am ehesten findet man Begriffe wie unbiased planning oder unbiased forecasts , die entweder in streng statistischem Kontext verwendet werden oder Planung ohne manipulative Absicht bezeichnen. 24 3.1 Begriffe im Englischen Im Englischen finden sich folgende Begriffe, die der erwartungstreuen Planung bzw. Zukunftserfolgsplanung nahekommen: a. Unbiased planning („unbiased forecasts“) - Schätzungen sind im Mittel korrekt. b. Expected-value planning - Planungen auf Basis des Erwartungswertes aller möglichen Zukunftsverläufe 25 c. Probabilistic forecasting, stochastic planning - Einbezug von Wahrscheinlichkeitsverteilungen 26 d. Decision-analytic planning under uncertainty - systematische Berücksichtigung von Unsicherheit 27 e. Scenario-Based Planning with Expected Values - Verwendung von Erwartungswerten in Szenarien, häufig in Standards des Risikomanagements 28 3.2 Englischsprachige Forschungsansätze 3.2.1 Assumption-Based Planning Assumption-Based Planning (ABP) ist ein methodischer Ansatz, der die in jeder Planung enthaltenen Annahmen explizit macht, deren Verletz- 24 Vgl. Makridakis, S., Wheelwright, S. C., Hyndman, R. J.,1998. 25 Vgl. Clemen, R. T., Reilly, T., 2013. 26 Vgl. Morgan, M. G., Henrion, M., 1990. 27 Vgl. Clemen, R. T., Reilly, T., 2013. 28 Vgl. Schoemaker, P. J. H., 1995; van der Heijden, K., 2005. <?page no="26"?> 26 3 Erwartungstreue Planung in der englischsprachigen Literatur lichkeit analysiert und Maßnahmen für den Fall unerwarteter Entwicklungen entwickelt. Jede Planung stützt sich auf explizite oder implizite Annahmen über Umweltbedingungen, Technologien, Märkte oder politische Rahmenbedingungen. ABP bewertet diese Annahmen, formuliert Frühwarnindikatoren (signposts) sowie Vorsorgemaßnahmen (shaping actions) und stärkt damit die Flexibilität von Organisationen. Die methodische Umsetzung erfolgt typischerweise in fünf Schritten: [1] Identifikation zentraler Annahmen [2] Analyse ihrer Verletzlichkeit [3] Entwicklung von Indikatoren für Annahmeausfälle [4] Ableitung von Maßnahmen zur Risikominderung [5] Integration in die Gesamtstrategie ABP wurde in der RAND Corporation entwickelt und findet Anwendung in Militär- und Sicherheitsstrategien, im Technologie- und Innovationsmanagement sowie in Infrastruktur- und Energieplanungen, wo langfristige Unsicherheit über politische, ökonomische oder technologische Entwicklungen besteht. 29 ABP unterstützt strategisches Denken, indem es Pläne robuster gegenüber Unsicherheit macht, eine proaktive Auseinandersetzung mit potenziellen Überraschungen ermöglicht und ein adaptives Management fördert. Dadurch sinkt die Wahrscheinlichkeit von Planungsfehlschlägen, während die organisatorische Resilienz gestärkt wird. 3.2.2 Scenario Planning Scenario Planning (Szenarioplanung) entwirft mehrere plausible Zukunftsbilder, die auf unterschiedlichen Kombinationen von Schlüsselfaktoren und Unsicherheiten beruhen. Ziel ist nicht die Vorhersage einer bestimmten Zukunft, sondern die Entwicklung robuster Strategien für eine Vielzahl möglicher Entwicklungen. Die methodische Umsetzung umfasst typischerweise fünf Schritte: [1] Identifikation relevanter Einflussfaktoren [2] Auswahl kritischer Unsicherheiten [3] Entwicklung konsistenter Szenarien als Zukunftsbilder [4] Analyse der Implikationen für bestehende Strategien [5] Ableitung robuster Handlungsoptionen 29 Vgl. Dewar, J. A., 2002. <?page no="27"?> 3.2 Englischsprachige Forschungsansätze 27 Anwendungsfelder reichen von der Öl- und Energieindustrie ( Shell als Pionier) über Regierungs- und Sicherheitspolitik bis hin zu Unternehmens- und Innovationsmanagement. Auch in Nachhaltigkeits- und Klimapolitik wird Szenarioplanung eingesetzt, um langfristige Pfade unter Unsicherheit zu explorieren. 30 Scenario Planning unterstützt strategisches Denken, indem es Organisationen befähigt, über lineare Prognosen hinauszublicken, blinde Flecken zu erkennen und Strategien zu entwickeln, die in mehreren möglichen Zukunftsumwelten tragfähig bleiben. 3.2.3 Expected Value of Including Uncertainty (EVIU) Der Ansatz des Expected Value of Including Uncertainty (EVIU) quantifiziert den Mehrwert, der entsteht, wenn Unsicherheit systematisch in Entscheidungsprozesse einbezogen wird. Er misst die Differenz im erwarteten Nutzen zwischen einer deterministischen Entscheidung (ohne Unsicherheitsmodellierung) und einer probabilistischen Entscheidung (mit expliziter Berücksichtigung von Wahrscheinlichkeiten oder Szenarien). Ein hoher EVIU-Wert zeigt, dass Unsicherheitsmodellierung die Entscheidungsqualität verbessert; ein niedriger Wert weist darauf hin, dass der zusätzliche Aufwand wenig Nutzen bringt. Die methodische Umsetzung umfasst drei Schritte: [1] Definition der Entscheidungsalternativen und Modellierung relevanter Unsicherheiten [2] Berechnung erwarteter Ergebnisse mit und ohne Unsicherheitsintegration [3] Bestimmung der Differenz als Maß für den erwarteten Wert der Unsicherheitsintegration Anwendungsfelder sind u. a. Klimapolitik, Energiesystemplanung, Infrastrukturprojekte und Gesundheitsökonomie, wo komplexe Wahrscheinlichkeitsverteilungen entscheidungsrelevant sind. 31 EVIU unterstützt strategisches Denken, indem es Organisationen hilft, den Nutzen von Unsicherheitsanalysen abzuschätzen und Ressourcen gezielt dort einzusetzen, wo die Modellierung von Unsicherheit tatsächlich einen erheblichen Mehrwert für belastbare Entscheidungen bietet. 30 Vgl. Wack, P.,1985a und 1985b; van der Heijden, K. 2005. 31 Vgl. Raiffa, H., Schlaifer, R., 1961; Howard, R. A., Abbas, A. E., 2015. <?page no="28"?> 28 3 Erwartungstreue Planung in der englischsprachigen Literatur 3.2.4 Robust Decision Making (RDM) Robust Decision Making (RDM) ist ein planungs- und strategieorientierter Ansatz, der speziell für Entscheidungen unter tiefgreifender Unsicherheit (deep uncertainty) entwickelt wurde. Anders als klassische Optimierungs- oder Erwartungswertmethoden, die nach einer „besten“ Lösung für ein prognostiziertes Zukunftsbild suchen, identifiziert RDM Strategien, die über eine Vielzahl möglicher Zukünfte hinweg tragfähig bleiben. Die methodische Umsetzung umfasst typischerweise fünf Schritte: [1] Definition möglicher Strategien [2] Generierung eines breiten Spektrums an Szenarien mittels Simulation oder Explorationsmodellen [3] Bewertung der Strategien in allen Szenarien [4] Identifikation von Verwundbarkeiten [5] Entwicklung robusterer Strategien oder Anpassungspfade Anwendungsfelder sind vor allem die Wasserressourcen- und Klimapolitik (z. B. Dürre- und Flutmanagement, Anpassungsstrategien an den Klimawandel), Verkehrs- und Infrastrukturplanung sowie langfristige Investitionsentscheidungen unter hoher Unsicherheit. 32 RDM stärkt strategisches Denken, indem es Organisationen befähigt, Unsicherheit aktiv zu berücksichtigen, statt sie zu reduzieren oder zu ignorieren. Es fördert die Entwicklung von Strategien, die zwar nicht optimal für eine einzelne Zukunft sind, dafür aber resilient und adaptiv über viele mögliche Entwicklungen hinweg - und trägt so wesentlich zur langfristigen Handlungsfähigkeit und Risikominimierung bei. 3.2.5 Real Options Der Real-Options-Ansatz (Real Options Approach, ROA) 33 erweitert klassische Investitions- und Planungsmodelle, indem er die Flexibilität des Managements unter Unsicherheit berücksichtigt. Anders als traditionelle statische Bewertungsmethoden wie der Discounted Cashflow (DCF) erlaubt ROA strategische Entscheidungen wie Verschieben, Erweitern, Verkleinern oder Aufgeben von Projekten in Abhängigkeit von sich verändernden Rahmenbedingungen. Die Grundidee: Optionen werden als reale Investitionsmöglichkeiten verstanden. Das Management besitzt das Recht, aber nicht die Pflicht, zu 32 Vgl. Lempert, R. J., Popper, S. W., Bankes, S. C. (2003). 33 Ernst, E., Häcker, J. (2002). <?page no="29"?> 3.2 Englischsprachige Forschungsansätze 29 investieren oder Anpassungen vorzunehmen - analog zu Finanzoptionen. Zur Bewertung dienen analytische, numerische und simulationsbasierte Verfahren, etwa Binomialmodelle, Finite-Differenzen oder Monte-Carlo- Simulationen. 34 Anwendungsfelder reichen von Anlagen- und Kapazitätsplanung (z. B. Wasserkraft) über Forschung & Entwicklung in der Pharmaindustrie bis hin zu emissionsbezogener Planung. 34 Vgl. Dixit, A. K., Pindyck, R. S., 1994; Trigeorgis, L., 1996. <?page no="31"?> 4 Regulatorische und normative Anforderungen 4.1 Gesetzliche und normative Anforderungen an die Planung Die Bedeutung der Unternehmensplanung geht heute weit über rein operative Steuerungsfunktionen hinaus. Sie hat sich zu einem zentralen Bestandteil rechtlicher, haftungsbezogener und normativer Verantwortung entwickelt. Aktuelle gesetzliche Vorgaben fordern von der Geschäftsleitung nicht nur formale Konsistenz, sondern auch inhaltliche Belastbarkeit und eine nachvollziehbare Auseinandersetzung mit Risiken. Besondere Relevanz haben dabei die  gesetzlichen Vorgaben zur Risikobzw. Krisenfrüherkennung (§ 1 StaRUG, § 91 Abs. 2 AktG), wie sie bisher im IDW-Standard zur Prüfung des Risikofrüherkennungssystems nach § 91 Abs. 2 AktG (IDW PS 340) konkretisiert sind, sowie  die Anforderungen an das unternehmerische Ermessen im Lichte der Business Judgment Rule (§ 93 Abs. 1 AktG). Zusätzlich hat der Fachausschuss Sanierung und Insolvenz (FAS) des IDW den Standard IDW S 16 verabschiedet, der die Anforderungen des § 1 StaRUG an ein Krisenfrüherkennungs- und Krisenmanagementsystem vor dem Hintergrund des aktuellen Stands von Theorie, Praxis und Rechtsprechung konkretisieren soll. Eine Pflicht zur risikoorientierten Unternehmensplanung ergibt sich ebenfalls aus § 15a InsO, wonach Geschäftsleiter jederzeit in der Lage sein müssen, eine Insolvenzreife im Sinne der §§ 17, 19 InsO zu erkennen. Auch in der nationalen und internationalen Rechnungslegung gewinnen wahrscheinlichkeitsgewichtete Planungselemente zunehmend an Bedeutung, etwa bei der Beurteilung der Unternehmensfortführung, Bewertungen bzw. Impairmenttests und Berichterstattungspflichten im Anhang und Lagebericht. Der Entwurf des IDW ES 1 greift diese Entwicklung auf, indem er zwischen einer vom Management erstellten Unternehmensplanung (Managementplanung) und einer Zukunfts-erfolgsplanung im Sinne einer erwartungstreuen Planung unterscheidet und damit Planungen im Hinblick auf ihre Erwartungstreue unterschiedlich gewichtet. Ziel dieses Kapitels ist es, die einschlägigen rechtlichen und normativen Grundlagen zu systematisieren und auf dieser Basis zu prüfen, inwieweit das Konzept der erwartungstreuen Planung diesen Anforderungen gerecht wird. <?page no="32"?> 32 4 Regulatorische und normative Anforderungen 4.2 Krisenfrüherkennungspflichten nach StaRUG und AktG Seit dem 1. Januar 2021 normiert § 1 StaRUG eine rechtsformübergreifende Verpflichtung zur Einrichtung eines Krisenfrüherkennungssystems durch die Geschäftsleiter juristischer Personen. Inhaltlich entspricht diese Pflicht der bereits seit dem Inkrafttreten des KonTraG im Jahr 1998 bestehenden Anforderung des § 91 Abs. 2 AktG zur Implementierung eines Risikofrüherkennungssystems für Aktiengesellschaften. Für GmbHs und haftungsbeschränkten Personengesellschaften ergab sich eine entsprechende Verpflichtung bereits vor Inkrafttreten des StaRUG mittelbar über die inzwischen nahezu einhellig anerkannte Ausstrahlungswirkung des § 91 Abs. 2 AktG. 35 Schon vor Inkrafttreten des § 91 Abs. 2 AktG entsprach es ständiger Rechtsprechung der Zivilgerichte, dass bei unternehmerischen Entscheidungen Chancen und Risiken sorgfältig abzuwägen und unangemessene Geschäfte zu unterlassen sind. 36 4.3 Die Rolle der Business Judgment Rule bei unternehmerischen Entscheidungen Darüber hinaus ergibt sich die Verpflichtung zur Einrichtung eines funktionierenden Krisenfrüherkennungssystems nicht nur aus § 1 StaRUG bzw. § 91 Abs. 2 AktG, sondern auch aus der Business Judgment Rule des § 93 Abs. 1 AktG. Diese verlangt, dass Geschäftsleiter unternehmerische Entscheidungen auf Grundlage angemessener Informationen treffen und dabei die Sorgfalt eines ordentlichen und gewissenhaften Geschäftsleiters wahren. Im Haftungsfall hat der Geschäftsleiter darzulegen, dass diese Voraussetzungen erfüllt waren. Ein wirksames Frühwarnsystem kann hierfür regelmäßig den erforderlichen Nachweis liefern. 37 Obwohl § 93 Abs. 1 AktG nur für Aktiengesellschaften gilt, wird die darin verankerte Business Judgment Rule und die Exkulpationsmöglichkeit aufgrund ihrer anerkannten Ausstrahlungswirkung auch auf GmbHs und GmbH & Co. KGs angewendet. 38 Die Mitglieder des zur Geschäftsführung berufenen Organs der betreffenden Unternehmen haben daher gemäß § 1 StaRUG und §§ 91 und 93 AktG fortlaufend die Entwicklungen zu beobachten, welche den Fortbestand der Gesell- 35 Vgl. RegE KonTrAG BT-Drucks. 13/ 9712,1998, S. 15 36 Vgl. Ziemons, H., 2023, Tz. 631 37 Vgl. Nickert, A., Nickert, C., 2021, S. 411 38 Vgl. Altmeppen, H., 2023, § 43 Rz. 6 ff. <?page no="33"?> 4.5 Risikoaggregation und deren Bedeutung 33 schaft gefährden könnten. Sobald bestandsgefährdende Entwicklungen erkannt werden, sind geeignete Gegenmaßnahmen zu ergreifen und dem Aufsichtsorgan zu berichten. 39 4.4 Ausgestaltung und Anforderungen an Krisenfrüherkennungs- und Risikomanagementsysteme Die konkrete Ausgestaltung von Krisenbzw. Risikofrüherkennungssystemen sowie der damit verbundenen Krisenmanagementprozesse obliegt ebenfalls der Geschäftsleitung und richtet sich gemäß IDW PS 340 unter anderem nach der Größe, Struktur, Komplexität und Risikotragfähigkeit des Unternehmens. 40 Der IDW S 16 trägt diesem Grundsatz ebenfalls Rechnung und stellt zusätzlich klar, dass unabhängig von der Unternehmensgröße und Rechtsform eine frühzeitige Risikoidentifikation notwendig ist. 41 Zudem empfiehlt er einen risikobasierten Planungsprozess, in dem sämtliche wesentlichen künftigen Chancen und Risiken adäquat in die Unternehmensplanung einbezogen werden. Dadurch soll sichergestellt werden, dass die Erkenntnisse aus der laufenden Risikoerfassung und -bewertung unmittelbar in die Planungsrechnung einfließen. Risiken sind systematisch zu bewerten, wobei Eintrittswahrscheinlichkeit, Schadenspotenzial und Risikotragfähigkeit des Unternehmens zu berücksichtigen sind. 42 4.5 Risikoaggregation und deren Bedeutung für die Unternehmensplanung Nach IDW PS 340 und IDW S 16 sind bestandsgefährdende Entwicklungen als Risiken zu verstehen, die isoliert oder im Zusammenwirken mit weiteren Risiken der Fortführung des Unternehmens entgegenstehen können. 43 44 39 Vgl. Bei der Kellen, M., 2024, § 1 Rn. 31 40 Vgl. IDW PS 340, Tz. 12 41 Vgl. IDW S 16, Tz. 10 42 Vgl. IDW S 16, Tz. 44 f. 43 Vgl. IDW PS 340, Tz. 9 44 Vgl. IDW S 16, Tz. 22 <?page no="34"?> 34 4 Regulatorische und normative Anforderungen In der Praxis handelt es sich dabei weniger um singuläre Großrisiken als vielmehr um die Akkumulation mehrerer Einzelrisiken, die für sich genommen nicht bestandsgefährdend wären, jedoch in ihrer Gesamtheit eine erhebliche Gefährdungslage begründen können. Die Feststellung, ob eine solche Gefährdung des Fortbestands vorliegt, setzt demnach zwingend eine Aggregation der identifizierten Einzelrisiken voraus. 45 46 Daher hat das verantwortliche Organ sicherzustellen, dass nicht lediglich solche Risiken erfasst und überwacht werden, die für sich genommen bereits eine Bestandsgefährdung begründen, sondern insbesondere auch solche Einzelrisiken, die erst im Zusammenwirken mit anderen Risiken eine kumulative Gefährdungslage hervorrufen können. 47 Diese Aggregation kann nur dann eine belastbare Entscheidungsgrundlage bieten, wenn den Risiken konkrete Werte zugeordnet werden. Eine bloße qualitative Beschreibung einzelner Risiken reicht insofern nicht aus. 48 Auch die Entscheidung, eine Quantifizierung zu unterlassen, stellt eine implizite Bewertung dar, und zwar durch die Annahme eines erwarteten Schadensausmaßes von Null. 49 Ziel der Risikoaggregation ist nicht die einfache Aufsummierung von Erwartungswerten, sondern eine realitätsnahe Ermittlung des Gesamtrisikoumfangs unter Einbeziehung möglicher Interdependenzen. Die lineare Addition von Produkten aus Eintrittswahrscheinlichkeit und Schadenshöhe wird daher zu Recht kritisiert, da sie Korrelationseffekte ignoriert. Gerade bei abhängigen Risiken können sich negative Auswirkungen teilweise verstärken. Eine Aggregation erfordert daher den Einsatz von Simulationsverfahren wie der Monte-Carlo-Simulation, die durch die Abbildung zahlreicher Szenarien eine realistische Verteilung des Gesamtrisikos ermöglicht. 50 4.6 Kritik am IDW S 16 und der Umgang mit stochastischen Verfahren Der IDW S 16 verzichtet allerdings ausdrücklich auf eine Pflicht zur Anwendung solcher stochastischer Verfahren. Er hält bereits ein einzelnes, vom Management als überwiegend wahrscheinlich eingestuftes Sze- 45 Vgl. IDW S 16, Tz. 22 46 Vgl. IDW PS 340, Tz. 11 47 Vgl. Gleißner, W., 2018, S. 2771 48 Vgl. IDW S 16, Tz. 44. 49 Vgl. Nickert, A., Nickert, C., 2021, S. 403 50 Vgl. Mochty, L., Hoffmann, D., Hülsberg, F., 2018, S. 3061 <?page no="35"?> nario für grundsätzlich ausreichend und sieht weder die Ableitung spezieller Kennzahlen noch den Einsatz von Monte-Carlo-Simulationen als zwingend erforderlich an. 51 Dieser Ansatz stößt jedoch auf Kritik, da er zentrale Risikoaspekte ausblendet und die Komplexität potenzieller Gefährdungslagen unterschätzt. Ein Szenario, das als „überwiegend wahrscheinlich“ gilt, reicht zur Bewertung bestandsgefährdender Entwicklungen nicht aus. Erforderlich ist die Einbeziehung von Extremszenarien und Erwartungswerten. Die explizite Ablehnung der Pflicht zur Anwendung stochastischer Methoden zur Risikoaggregation widerspricht dem anerkannten Stand von Wissenschaft und Praxis und unterminiert den Nutzen eines wirksamen Risikofrüherkennungssystems. Ohne Risikoaggregation bleiben Interdependenzen und Long-Tail-Risiken unberücksichtigt. Nur stochastische Verfahren ermöglichen eine belastbare Quantifizierung der Wahrscheinlichkeit existenzbedrohender Entwicklungen. 52 4.7 Erwartungstreue Planung als Grundlage wirksamer Frühwarnsysteme Systeme zur Risikofrüherkennung setzen daher zwingend eine um Risikodimensionen erweiterte integrierte und prognosefähige Unternehmensplanung voraus. Nur durch die Verknüpfung von Risiken mittels Wahrscheinlichkeitsverteilungen mit den jeweiligen Planungsgrößen lässt sich beurteilen, ob etwaige bestandsgefährdende Risiken oder Insolvenzgründe eintreten könnten. 53 Eine erwartungstreue Unternehmensplanung erfüllt diese Anforderungen, da sie sich systematisch an realistischen Erwartungswerten orientiert und dabei Chancen und Risiken berücksichtigt. Sie stellt damit nicht nur eine methodisch fundierte Grundlage für die Aggregation und Bewertung von Risiken dar, sondern erlaubt auch deren belastbare Verknüpfung mit den Planpositionen. Auf diese Weise wird sie dem Anspruch eines vorausschauenden, auf Unsicherheiten reagierenden Frühwarnsystems im Sinne des § 1 StaRUG sowie § 91 AktG flankiert durch § 93 AktG gerecht. 54 51 Vgl. IDW S 16, Tz. 44 f. 52 Vgl. Beissenhirtz, V. et al, 2025, S. 1337 53 Vgl. Nickert, A., Nickert, C., 2021, S. 408 54 Vgl. Berger et al., 2021, S. 2710 ff. 4.7 Grundlage wirksamer Frühwarnsysteme 35 <?page no="36"?> 36 4 Regulatorische und normative Anforderungen 4.8 Insolvenzrechtliche Anforderungen an Planung und Prognose 4.8.1 Zahlungsunfähigkeit Die Pflicht zur Einrichtung wirksamer Überwachungs- und Planungssysteme zur Risikofrüherkennung ergibt sich jedoch nicht allein aus den bisher beschriebenen gesellschaftsrechtlichen Vorgaben. Auch das Insolvenzrecht stellt hohe Anforderungen an die laufende Beobachtung der wirtschaftlichen Lage des Unternehmens. Die gesetzlichen Vertreter juristischer Personen sind gemäß § 15a InsO im Falle von Zahlungsunfähigkeit oder Überschuldung verpflichtet, unverzüglich, das heißt ohne schuldhaftes Zögern, die Eröffnung des Insolvenzverfahrens zu beantragen. Das Gesetz sieht hierfür Fristen von drei Wochen ab Eintritt der Zahlungsunfähigkeit und sechs Wochen ab Eintritt der Überschuldung vor. Diese Fristen dürfen jedoch nur dann ausgeschöpft werden, wenn Maßnahmen zur Beseitigung des Insolvenzeröffnungsgrundes eingeleitet wurden oder werden, die mit hinreichender Wahrscheinlichkeit innerhalb der jeweiligen Frist erfolgreich sein werden. Im Rahmen der Prüfung auf Zahlungsunfähigkeit nach § 17 InsO ist zwischen einer bloßen Zahlungsstockung und tatsächlicher Zahlungsunfähigkeit abzugrenzen. Hierzu ist zunächst ein stichtagsbezogener Finanzstatus zu erstellen, der die fälligen Zahlungsverpflichtungen dem verfügbaren Zahlungsmittelbestand gegenüberstellt. Ergibt sich daraus eine schädliche Liquiditätslücke, ist zusätzlich ein zeitraumbezogener Finanzplan für die folgenden drei Wochen aufzustellen, in dem sämtliche im Prognosezeitraum erwarteten Ein- und Auszahlungen einzubeziehen sind. Keine Zahlungsunfähigkeit liegt vor, wenn der Finanzplan mit überwiegender Wahrscheinlichkeit belegt, dass sich die schädliche Liquiditätslücke innerhalb des Dreiwochenzeitraums vollständig schließen lässt. Ist eine Schließung der Liquiditätslücke innerhalb von drei Wochen nicht möglich, ist der Prognosezeitraum in Ausnahmefällen auf bis zu drei, in besonders begründeten Fällen auf längstens sechs Monate auszudehnen. Entscheidend bleibt jedoch stets, dass die Schließung der Liquiditätslücke mit hinreichender Wahrscheinlichkeit prognostiziert werden kann. Andernfalls <?page no="37"?> ist von Zahlungsunfähigkeit auszugehen und der Insolvenzantragspflicht ist unverzüglich nachzukommen. 55 4.8.2 Überschuldung und drohende Zahlungsunfähigkeit Neben der Zahlungsunfähigkeit ist die Überschuldung nach § 19 InsO ein eigenständiger Eröffnungsgrund für das Insolvenzverfahren. Die Prüfung der Überschuldung erfolgt regelmäßig in zwei Stufen: [1] Zunächst ist eine Fortbestehensprognose zu erstellen, die beurteilt, ob das Unternehmen mittelfristig fortgeführt werden kann. Fällt diese Prognose positiv aus, liegt keine Überschuldung im Sinne des § 19 Abs. 2 InsO vor. Bei negativer Fortbestehensprognose erfolgt Schritt 2. [2] In einem zweiten Schritt ist das Reinvermögen zu berechnen. Dabei sind Vermögen und Verbindlichkeiten zum Stichtag gegenüberzustellen, wobei Liquidationswerte anzusetzen sind. Ergibt sich dabei ein negatives Reinvermögen, ist von einer Überschuldung auszugehen, die eine Antragspflicht begründet. Andernfalls liegt zumindest eine drohende Zahlungsunfähigkeit vor, die ein Antragsrecht eröffnet. 56 Grundlage für die Fortbestehensprognose sind das Unternehmenskonzept sowie ein darauf basierender Finanzplan im Rahmen einer integrierten Planung. Ausgehend von der Stichtagsliquidität wird darin die künftige finanzielle Entwicklung abgebildet, um eine mögliche finanzielle Unterdeckung zu prüfen, die dem Fortbestand des Unternehmens entgegensteht. Der Prognosezeitraum umfasst gemäß § 19 Abs. 2 Satz 1 InsO zwölf Monate ab dem Beurteilungsstichtag. Der Gesetzgeber fordert, dass der Fortbestand des Unternehmens in diesem Zeitraum nach den Umständen überwiegend wahrscheinlich ist. Dies erfordert ein Gesamturteil über den künftigen wirtschaftlichen Verlauf. Der IDW S 11 konkretisiert die Anforderung wie folgt: „Für eine positive Fortbestehensprognose muss die Aufrechterhaltung der Zahlungsfähigkeit innerhalb des Prognosezeitraums wahrscheinlicher sein als der Eintritt einer Zahlungsunfähigkeit.“ 57 55 Vgl. IDW S 11, Rn. 13 ff. 56 Vgl. IDW S 11, Rn. 57 57 IDW S 11, Rn. 68 4.8 Insolvenzrechtliche Anforderungen 37 <?page no="38"?> 38 4 Regulatorische und normative Anforderungen Drohende Zahlungsunfähigkeit liegt vor, wenn am Beurteilungsstichtag zwar noch keine schädliche Liquiditätslücke im Sinne des § 17 InsO besteht, nach der integrierten Finanz- und Liquiditätsplanung jedoch absehbar ist, dass die verfügbaren Zahlungsmittel im Prognosezeitraum von 24 Monaten (§ 18 Abs. 2 InsO) nicht ausreichen werden, um sämtliche fälligen Zahlungsverpflichtungen zu erfüllen. Der Einsatz einer erwartungstreuen Planung erfüllt die insolvenzrechtlichen Prognoseanforderungen, da insbesondere die im Finanzplan (§ 17 InsO) und in der Fortbestehensprognose (§ 19 InsO) geforderte überwiegende Wahrscheinlichkeit durch verteilungsbasierte Annahmen wesentlich besser und belastbarer prognostiziert werden kann. Denn durch den Einsatz stochastischer Elemente lassen sich die Ergebnisse der zukünftigen Liquiditätsentwicklung als Wahrscheinlichkeitsverteilung abbilden. So wird transparent, ob in der Mehrzahl der Fälle, d.h. mit überwiegender Wahrscheinlichkeit, keine kritische Liquiditätsunterdeckung eintritt. Im Gegensatz zur deterministischen Managementplanung ermöglicht erst der Einsatz stochastischer Verfahren eine valide und nachvollziehbare Beurteilung des Maßstabs der überwiegenden Wahrscheinlichkeit. 4.9 Rechnungslegungsbezogene Vorschriften 4.9.1 Fortführungsannahme nach HGB und IFRS Neben der Krisenfrüherkennung und den insolvenzrechtlichen Prognosen sind auch die Rechnungslegungsvorschriften näher zu betrachten. Bereits bei der Aufstellung des Abschlusses sind die gesetzlichen Vertreter verpflichtet, eine Beurteilung der Fortführungsfähigkeit des Unternehmens vorzunehmen. Diese Verpflichtung ergibt sich unmittelbar aus dem Rechnungslegungsgrundsatz der Unternehmensfortführung gemäß § 252 Abs. 1 Nr. 2 HGB sowie aus IAS 1.25. Die Entscheidung, ob der Abschluss unter der Annahme der Fortführung oder unter Aufgabe der Unternehmenstätigkeit aufzustellen ist, setzt eine zukunftsgerichtete Einschätzung voraus, die zwangsläufig auf einer fundierten und plausiblen Planung basieren muss. Eine Unternehmensplanung, die lediglich formal konsistent erscheint, reicht dabei nicht aus. Vielmehr ist eine methodisch nachvollziehbare, belastbare und risikosensitive Planung <?page no="39"?> erforderlich, um der mit dieser Einschätzung verbundenen Verantwortung gerecht zu werden. 58 Eine erwartungstreue Planung, die systematisch auf bandbreitenorientierten Erwartungswerten beruht, Risiken adäquat abbildet und methodisch transparent ist, erfüllt diese Anforderungen in besonderem Maße. Ihre Ergebnisse zeigen ein Spektrum plausibler Entwicklungsmöglichkeiten auf. Dies ermöglicht es, im Rahmen von Intervallen und unter Berücksichtigung von Konfidenzniveaus zu beurteilen, in welchem Maße die Fortführungsprognose als angemessen einzustufen ist oder ob eine Abkehr vom Grundsatz der Unternehmensfortführung mit einer entsprechenden Bilanzierung nach den Vorgaben des IDW RS HFA 17 erforderlich wird. 4.9.2 Anforderungen der Lageberichterstattung (DRS 20) Auch im Rahmen der Lageberichterstattung nach §§ 289 bzw. 315 HGB, insbesondere für die Erstellung des Prognose-, Chancen- und Risikoberichts, ist eine konsistente, zukunftsgerichtete Unternehmensplanung unerlässlich. Die Anforderungen des DRS 20 an Prognosen, insbesondere hinsichtlich Transparenz, Vergleichbarkeit und Nachvollziehbarkeit der zugrunde liegenden Annahmen 59 machen deutlich, dass eine punktuelle oder rein qualitative Einschätzung ungeeignet ist. Vielmehr verlangt der Standard, insbesondere in Fällen erhöhter Unsicherheit 60 , die Darstellung plausibler Szenarien sowie bandbreitenorientierter Erwartungswerte, um Entwicklungstendenzen, Chancen und Risiken realistisch und nachvollziehbar abbilden zu können. Eine erwartungstreue Planung erfüllt die Anforderungen des DRS 20, da sie Risiken integriert, Szenarien bandbreitenorientiert darstellt und damit eine tragfähige Grundlage für den Prognose-, Chancen- und Risikobericht schafft. 4.10 IFRS 13 und fair-value-basierte Bewertungsansätze Die Integration risikobasierter Bewertungsansätze ist in der internationalen Rechnungslegung längst etabliert. IFRS 13 bildet den übergreifenden Bewertungsstandard der internationalen Rechnungslegung, der 58 Vgl. IDW PS 270, Tz. A8 ff. 59 Vgl. DRS 20, Tz. 120 ff. 60 Vgl. DRS 20, Tz. 133 f. 4.10 IFRS 13 und fair-value-basierte Bewertungsansätze 39 <?page no="40"?> 40 4 Regulatorische und normative Anforderungen einen einheitlichen Rahmen für die Ermittlung des beizulegenden Zeitwerts (Fair Value) vorgibt. Zur Ermittlung des beizulegenden Zeitwerts sieht IFRS 13 drei grundlegende Bewertungsansätze vor: - Market Approach (auf Basis beobachtbarer Marktpreise), - Cost Approach (Kosten der Wiederbeschaffung abzüglich Wertminderung) und - Income Approach (diskontierte zukünftige Zahlungsströme). Ergänzt wird dieser Rahmen durch eine Fair-Value-Hierarchie, die die eingesetzten Bewertungsinputs nach ihrer Verlässlichkeit in drei Stufen gliedert: - Level 1: direkt beobachtbare Marktpreise, - Level 2: abgeleitete, marktbezogene Informationen, - Level 3: nicht beobachtbare Inputs, wie unternehmensspezifische Schätzungen zu Cashflows, Volatilität oder Diskontsätzen. Bewertungen mit Inputs des Levels 3 erfordern daher ein besonders hohes Maß an methodischer Transparenz, Dokumentation und Plausibilität. Bei kapitalwertbasierten Verfahren (Income Approach) verlangt IFRS 13, dass künftige Zahlungsströme unter Unsicherheit prognostiziert und mit einem angemessenen Zinssatz abgezinst werden. Dabei werden Zahlungsströme nicht als deterministischer Wert geschätzt, sondern sind auf Basis wahrscheinlichkeitsgewichteter Szenarien zu bestimmen. Verfahren wie der Expected-Cash-Flow-Ansatz setzen voraus, dass sowohl Unsicherheiten in Höhe und Zeitpunkt der Zahlungsströme als auch Risikoprämien marktgerecht abgebildet werden. 61 Die Anwendung dieser Methoden impliziert die Notwendigkeit einer erwartungstreuen Planung, da wahrscheinlichkeitsgewichtete Inputfaktoren den Anforderungen an die Marktteilnehmersicht, die Verlässlichkeit der Bewertung und die Vergleichbarkeit der Berichterstattung genügen. 4.11 Unternehmensbewertung nach IDW ES 1 Mit dem im November 2024 veröffentlichten Entwurf für eine Neufassung des IDW S 1 („IDW ES 1“) hat das Institut der Wirtschaftsprüfer wesentliche Grundsätze der Unternehmensbewertung überarbeitet, mit dem Ziel, den Standard an aktuelle fachliche, regulatorische und ökonomische Entwicklungen anzupassen. 61 Vgl. IFRS 13, B10 ff. <?page no="41"?> und Zukunftserfolgsplanung Zukünftig ist zwischen der [1] Managementplanung, die als erster Anhaltspunkt für die Einschätzung künftiger Erfolgsgrößen dient, und [2] der Zukunftserfolgsplanung als maßgeblicher Bewertungsgrundlage zu differenzieren. Die Managementplanung spiegelt in der Regel die subjektiven Zielvorstellungen des Managements wider. Sie ist häufig geprägt von internen Anreiz- und Steuerungssystemen (z. B. Bonus- und Vergütungsmodellen), ambitionierten Vertriebs- und Wachstumszielen sowie Erwägungen zur strategischen Außenwirkung gegenüber Kapitalgebern oder der Öffentlichkeit. Infolge ihrer Funktion als Steuerungsinstrument zielt die Managementplanung in der Praxis häufig nicht auf eine neutrale Zukunftsabbildung. Trotz erheblicher Unsicherheiten wird meist ein einzelner Zielwert festgelegt, der eher der internen Ausrichtung als einer realistischen Prognose dient. 62 4.11.2 Begriff und Anforderungen an die Zukunftserfolgsplanung Gemäß dem Entwurf der Neufassung des Bewertungsstandards IDW ES 1 n.F. bezeichnet die Zukunftserfolgsplanung jene integrierte Prognose künftiger finanzieller Erfolge eines Unternehmens, die als zentrale Bewertungsgrundlage dient. Der Begriff „Zukunftserfolgsplanung“ ist ein zusammengesetzter Rechtsbegriff, der sich aus den Komponenten „Zukunft“, „Erfolg“ und „Planung“ ableitet und so erstmals in Tz. 51-53 IDW ES 1 als Anforderung an die Unternehmensplanung eingeführt wird. Der Bestandteil „Zukunft“ kennzeichnet den prognostischen Charakter der Planung. Im Gegensatz zur rückblickenden Analyse historischer Daten richtet sich der Blick explizit auf künftige Entwicklungen. Damit ist eine unvermeidbare Unsicherheit verbunden, die eine strukturierte Auseinandersetzung mit 62 Vgl. Rieg, R, 2018, S. 22 4.11 Unternehmensbewertung nach IDW ES 1 41 4.11.1 Differenzierung zwischen Managementplanung <?page no="42"?> 42 4 Regulatorische und normative Anforderungen möglichen Szenarien, Eintrittswahrscheinlichkeiten und Risiken erforderlich macht. Der Ausdruck „Erfolg“ bezeichnet im betriebswirtschaftlichen Bewertungskontext den positiven oder negativen ökonomischen Ausgang unternehmerischer Tätigkeit, etwa in Form von Jahresüberschüssen, Jahresfehlbeträgen oder Free Cashflows. Diese Erfolgsgrößen sind periodisiert 63 und bilden die Grundlage für die Bewertung künftiger Kapitalströme. Schließlich verweist das Element „Planung“ auf einen strukturierten, zielgerichteten Prozess. Planung ist hier nicht als schlichte Hochrechnung oder Schätzung zu verstehen, sondern als methodisch fundierte, nachvollziehbar hergeleitete Entscheidungsgrundlage, die die prognostische Verarbeitung von Informationen voraussetzt. 64 Die Planung ist daher nicht nur rechnerisch formal, sondern auch inhaltlich plausibilisiert, integriert und kohärent. Ziel jeder Unternehmensbewertung ist es, einen belastbaren finanziellen Wert zu ermitteln, der aus Sicht eines objektiven, wirtschaftlich rational handelnden Marktteilnehmers nachvollziehbar ist. Bewertungsverfahren beruhen dabei methodisch auf der Kapitalisierung von zukünftigen finanziellen Überschüssen. Der Bewerter hat sich daher im Rahmen der Bewertung systematisch mit der Frage auseinanderzusetzen, mit welcher Wahrscheinlichkeit bestimmte finanzielle Überschüsse künftig eintreten. Genau an dieser Stelle setzt die Zukunftserfolgsplanung an. Sie ist die instrumentelle Antwort auf die Notwendigkeit einer Erwartungswertorientierung unter Unsicherheit. Die Zukunftserfolgsplanung verfolgt den Zweck, nicht lediglich einen subjektiven Planungswert abzubilden, sondern eine systematisch hergeleitete, plausible Erwartung der künftigen Unternehmensentwicklung. Eine solche Prognose ist nur dann belastbar, wenn sie nicht punktuell, sondern im Verhältnis zu denkbaren Alternativen erfolgt, also auf Grundlage einer Bandbreite möglicher Szenarien, deren jeweilige Eintrittswahrscheinlichkeiten beurteilt werden. Damit erfüllt sie die Funktion eines Bewertungsmaßstabs ex ante, der darauf zielt, den Unternehmenswert nicht als Best-Case oder Wunschbild, sondern als gewichtetes Mittel aus allen realistisch möglichen Entwicklungen abzubilden. Die Zukunftserfolgsplanung ist in ihrer systematischen Bedeutung im Kontext des IDW ES 1 eng verknüpft mit den Begriffen Managementpla- 63 Vgl. § 252 Abs. 1 Nr. 5 HGB 64 Vgl. Rieg, R., Gleißner W., 2022, S. 1411 <?page no="43"?> nung, Bewertungsfunktion, Wertkonzept und Plausibilitätsverantwortung. In den Textziffern 51-53 des IDW ES 1 wird die Zukunftserfolgsplanung nicht isoliert, sondern in bewusster Abgrenzung zur Managementplanung eingeführt. Sie stellt somit nicht lediglich eine Fortschreibung bestehender Planwerte dar, sondern fungiert als eigenständiges, vom Bewerter verantwortetes Element der Bewertungsarchitektur. Welcher Zusammenhang besteht zwischen der Zukunftserfolgsplanung im IDW-Sinne und einer erwartungstreuen Planung? Die Zukunftserfolgsplanung im IDW-Sinne ist per Definition erwartungstreu. Das heißt konkret: [1] Sie hat die objektiv erwarteten Werte der künftigen Erfolgsgrößen abzubilden. [2] Eine Vorsichtsplanung (z. B. bewusst pessimistischer Ansatz) oder eine Zielplanung (z. B. ambitionierte Managementziele) ist nicht gleichbedeutend mit einer Zukunftserfolgsplanung nach IDW. [3] Wenn die Managementplanung nicht erwartungstreu ist (z. B. stark vorsichtig oder optimistisch), muss der Bewerter diese anpassen oder selbst eine erwartungstreue Planung entwickeln. Warum verwendet das IDW dann den Begriff Zukunftserfolgsplanung und nicht den der erwartungstreuen Planung? Die Begriffswahl des IDW wirkt auf den ersten Blick tatsächlich etwas verwirrend. Wir fassen daher das Verständnis des IDW aus den IDW-Verlautbarungen und Kommentierungen zusammen: 1. Grund für den Begriff „Zukunftserfolgsplanung“ Das IDW möchte deutlich machen, was geplant wird: nämlich die zukünftigen finanziellen Überschüsse (Erfolge) eines Unternehmens. Der Begriff betont also den Inhalt (Erfolgsgrößen → GuV, Bilanz, Cashflows) und nicht die Qualitätseigenschaft der Planung. Die Zukunftserfolgsplanung ist damit ein neutraler Oberbegriff für die integrierte Unternehmensplanung, die Grundlage jeder Bewertung bildet. 2. Warum nicht nur „erwartungstreue Planung“? „Erwartungstreue“ beschreibt eine Eigenschaft der Planung (keine systematische Über- oder Unterschätzung). Das IDW wollte aber einen Begriff, der die Funktion im Bewertungsprozess bezeichnet. Daher gilt die Zukunftserfolgsplanung als die zentrale Bewertungsgrundlage, unabhängig davon, wie sie zunächst aus dem Unternehmen kommt. Erst im zweiten Schritt legt das IDW fest: Diese Zukunftserfolgsplanung muss für Bewertungszwecke erwartungstreu ausgestaltet sein. 4.11 Unternehmensbewertung nach IDW ES 1 43 <?page no="44"?> 44 4 Regulatorische und normative Anforderungen 4.11.3 Dreistufige Bewertungsarchitektur: Managementplanung, Bewerterrolle, Zukunftserfolgsplanung Systematisch ergibt sich daraus ein funktionaler Dreischritt: [1] Die Managementplanung bildet (sofern vorhanden) die Ausgangsbasis - sie ist Input, jedoch nicht identisch mit der Bewertungsgrundlage. [2] Der Bewerter - in seiner Funktion als neutraler Gutachter oder Sachverständiger - übernimmt eine kritisch-plausibilisierende Rolle, indem er die Managementplanung prüft, anpasst oder ersetzt. 65 [3] Das Ergebnis ist die Zukunftserfolgsplanung - eine vom Bewerter verantwortete, integrierte, an den Bewertungskontext angepasste Mehrjahresplanung mit Herleitung eines nachhaltigen Ergebnisses. 66 Die Funktion des Bewerters bildet somit das Bindeglied zwischen Managementplanung und Zukunftserfolgsplanung. Daraus ergibt sich die Anforderung, dass der Wirtschaftsprüfer eigenständig beurteilen muss, ob die Planung des Managements im Hinblick auf das zugrunde liegende Wertkonzept und die vereinbarte Bewertungsfunktion eine tragfähige Basis für die Ableitung der Zukunftserfolgsplanung darstellt. Die Funktion der Managementplanung beschränkt sich damit auf die eines zu plausibilisierenden Ausgangspunkts (Kapitel 4.1). 67 Nur durch diese funktionale Trennung lässt sich das Schutzziel des IDW ES 1 erreichen, nämlich sicherzustellen, dass der ermittelte Unternehmenswert auf intersubjektiv nachvollziehbaren und plausiblen Erwartungswerten basiert. Damit stellt sich die Frage, wie die geforderten Erwartungswerte methodisch fundiert zu ermitteln sind. Aus dem Zusammenspiel von Bewertungszweck, Bewerterrolle und Bewertungsmethodik folgt, dass solche Werte nicht aus einem einzelnen Szenario, der Managementplanung, abgeleitet werden können. Vielmehr erfordert eine belastbare Erwartungsrechnung die strukturierte Auseinandersetzung mit mehreren denkbaren Zukunftsverläufen und deren jeweiligen Eintrittswahrscheinlichkeiten. Bewertet wird nicht die isolierte Plausibilität eines auf einer Managementplanung beruhenden Szenarios, sondern dessen relative Wahrscheinlichkeit im Vergleich zu alternativen Entwicklungen und der Einfluss dieser Wahrscheinlichkeitsverteilung auf den Unternehmenswert. 65 Vgl. IDW ES 1, Tz. 52 f. 66 Vgl. IDW ES 1, Tz. 63 67 Vgl. Thees, A., 2025, S. 301 <?page no="45"?> 4.12 Methodische Überleitung zur erwartungstreuen Planung Vor diesem Hintergrund stellt sich die Frage, wie aus einer gegebenen Managementplanung eine zukunftsgerichtete, plausibilisierte und erwartungswertbasierte Planungsrechnung entwickelt werden kann, die den Anforderungen an eine Zukunftserfolgsplanung im Sinne des IDW ES 1 gerecht wird. Im Folgenden wird daher aufgezeigt, wie der Bewerter ausgehend von einer häufig deterministisch geprägten Managementplanung systematisch zu einer erwartungstreuen Planung überleitet, die durch Wahrscheinlichkeitsgewichtung, Integration von Chancen und Risiken sowie methodische Konsistenz die Voraussetzungen einer belastbaren Zukunftserfolgsplanung erfüllt. 4.12 Methodische Überleitung zur erwartungstreuen Planung 45 <?page no="47"?> 5 Managementplanung im Übergang zur erwartungstreuen Planung 5.1 Analyse der Ausgangsplanung 5.1.1 Grundlagen Eine systematische Analyse des Planerstellungsprozesses sowie eine formelle und materielle Prüfung der (Teil-)Pläne bilden die Grundlage, um strukturelle Schwächen, Zielkonflikte und potenzielle Verzerrungen durch interne Einflussnahmen offenzulegen. Planwerte werden in der Praxis häufig nicht als neutrale Erwartungswerte verstanden, sondern als interne Steuerungsgrößen definiert, beispielsweise zur Durchsetzung ambitionierter Zielvorgaben oder zur Legitimation von Vergütungsmechanismen. In der Folge werden Risiken häufig nicht adäquat berücksichtigt, während historische Daten mechanisch fortgeschrieben und strukturelle Brüche ignoriert werden. 68 Gerade im Kontext von Unternehmensbewertungen kommt der Analyse deterministischer Planungen eine besondere Bedeutung zu. Die derzeitige Überarbeitung des IDW S 1 betont explizit die Abgrenzung zwischen der vom Management erstellten Planung und der für Bewertungszwecke zu erstellenden Zukunftserfolgsplanung. 69 Wirtschaftsprüfer sind, insbesondere in der Funktion als neutraler Gutachter, regelmäßig gefordert, die Managementplanung auf ihre Eignung hin zu plausibilisieren und gegebenenfalls anzupassen oder zu ergänzen. Eine Integration von Risikodimensionen auf Basis von Wahrscheinlichkeitsverteilungen erhöht die Erwartungstreue der Planung und führt dazu, dass die Bezeichnung Zukunftserfolgsplanung im eigentlichen Sinne erfüllt wird, nämlich als realitätsnahe Abbildung eines bandbreitenorientierten Erwartungswerts 70 künftiger Unternehmenserfolge. Erst auf Basis einer fundierten Analyse lässt sich die deterministische Ausgangsplanung sachgerecht bewerten und in eine erwartungstreue Planung überführen. 71 Aus diesem Grund werden im Folgenden die wesentlichen Schritte der Planungsanalyse sowie der Übergang zu einer erwartungstreuen Planung systematisch erläutert. 68 Vgl. Ihlau S., Duscha, H., 2013, S. 2350 f. 69 Vgl. IDW ES 1, Tz. 52 70 Vgl. IDW Praxishinweis 2/ 2018, Tz. 25 71 Vgl. Gleißner, W., 2008, S. 85 <?page no="48"?> 48 5 Übergang zur erwartungstreuen Planung 5.1.2 Gewinnung eines Verständnisses hinsichtlich des Planungsprozesses Unternehmensplanungen sind stets das Ergebnis eines komplexen Entstehungsprozesses, in dem Einschätzungen, Annahmen und quantitative Elemente zu einem konsistenten Gesamtbild verdichtet werden. Um die Aussagekraft und Angemessenheit der resultierenden Plangrößen bewerten zu können, ist eine sorgfältige Analyse dieses Planungserstellungsprozesses unerlässlich. Denn erst die Kenntnis darüber, wie Planungsprämissen entstehen, wie sie abgestimmt, gewichtet und zu konkreten Werten transformiert werden, eröffnet die Möglichkeit, die inhaltliche Substanz und methodische Stringenz der Planung kritisch einzuordnen. Dabei darf jedoch nicht übersehen werden, dass es sich bei jeder Planung, unabhängig von ihrer formalen Ausgestaltung, um eine zukunftsgerichtete, mit Unsicherheit behaftete Projektion handelt. 72 In der Praxis kommen unterschiedliche Planungsansätze zum Einsatz, die selten isoliert, sondern oft flexibel zu hybriden Modellen kombiniert werden:  Die Bottom-up-Planung beginnt auf Ebene der operativen Einheiten und aggregiert deren Detailpläne sukzessive zu einer Gesamtplanung.  Im Gegensatz dazu basiert die Top-down-Planung auf von der Leitungsebene vorgegebenen Werten, die auf nachgelagerten Ebenen operationalisiert werden.  Das in der Praxis häufig eingesetzte Gegenstromverfahren kombiniert beide Ansätze iterativ, um strategische Steuerung und operative Umsetzbarkeit miteinander zu verzahnen. Dieser Prozess ist methodisch anspruchsvoll und ressourcenintensiv, gilt jedoch als besonders anschlussfähig für integrierte Planungsmodelle. 73 Ein vertieftes Verständnis des gewählten Planungsansatzes ermöglicht es, die resultierende Planung hinsichtlich ihrer Belastbarkeit, Nachvollziehbarkeit sowie strategischen und taktischen Konsistenz einzuordnen. So lässt sich etwa bei dominanten Top-down-Strukturen 72 Vgl. Wieland-Blöse, H., Pfender, S., 2018, Tz. 19 73 Vgl. IDW Praxishinweis 2/ 2017, Tz. 11 f. <?page no="49"?> 5.1 Analyse der Ausgangsplanung 49 prüfen, ob die operativen Teilpläne realistisch und umsetzbar sind oder ob Anpassungsdruck durch ambitionierte Zielvorgaben besteht. Bei bottom-up-geprägten Planungsprozessen stellt sich umgekehrt die Frage, ob eine hinreichende strategische Ausrichtung gewährleistet ist oder ob operative Details das Gesamtbild verzerren. 74 Im Rahmen der Verständnisgewinnung des Planungserstellungsprozesses werden in der Praxis oftmals wesentliche Dokumente wie Gesellschafterbeschlüsse, strategische Zielpapiere sowie operative Fertigungs- und Kapazitätspläne einer integrativen Analyse unterzogen. Dadurch lässt sich überprüfen, ob die auf Top-Management- Ebene formulierten Planungen, beispielsweise hinsichtlich angestrebter Absatzmengen, Markterschließungen oder Expansionsvorhaben mit den operativen Ressourcen korrespondieren. 75 5.1.3 Rechnerische und formelle Plausibilität Auf Basis der Prozessanalyse schließt sich eine Plausibilitätsbeurteilung der vorliegenden Planungsrechnungen an. Die Beurteilung erfolgt auf drei Ebenen (Tabelle 1): rechnerisch-formell, materiellintern und materiell-extern. Maßstäbe für die Plausibilität Rechnerische und formelle Plausibilität Materielle, interne Plausibilität Materielle, externe Plausibilität Rechnerische Konsistenz Annahmen-Konsistenz Erläuterungen des Managements Unternehmensanalyse (einschließlich Vergangenheitsanalyse) Marktanalyse Analyse der Wettbewerber Fehlerfreiheit der Berechnungen innerhalb der Teilpläne und zwischen den Teilplänen Würdigung der Konsistenz der Annahmen innerhalb einzelner Teilpläne sowie zwischen Nachvollziehbarkeit und Konsistenz der Planung mit den Erläuterungen Nachvollziehbarkeit und Konsistenz der Planung mit den Ist- Entwicklungen in der Vergangenheit und den Unter- Nachvollziehbarkeit und Konsistenz der Planung z. B. mit volkswirtschaftlichen Nachvollziehbarkeit und Konsistenz der Planung z. B. mit Ist-Zahlen und Analysten- 74 Vgl. Horváth, P., 2021, S. 7 ff. 75 Vgl. Wieland-Blöse, H., Pfender, S., 2018, Tz. 28 <?page no="50"?> 50 5 Übergang zur erwartungstreuen Planung den Teilplänen nehmenspotenzialen zum Stichtag Prognosen, Absatzmarktanalysen etc. schätzungen Tabelle 1: Maßstäbe für die Plausibilität, entnommen aus IDW Praxishinweis 2/ 2017, Tz. 14 Jede Unternehmensplanung unterliegt dem Erfordernis rechnerischer Konsistenz. Darunter ist  zum einen die korrekte zahlenmäßige Verarbeitung aller Einzelpositionen zu verstehen, und  zum anderen die fehlerfreie logische Verknüpfung der Teilpläne im Sinne einer konsistenten, integrierten Gesamtplanung. Die Prüfung dieser Dimension unterscheidet sich, trotz des Prognosecharakters der Daten, methodisch nicht von der Behandlung historischer Rechnungsgrößen und beruht auf eindeutigen Rechenregeln, deren Einhaltung objektiv überprüfbar ist und keinen inhaltlichen Auslegungsspielraum zulässt. Aus diesem Grund stellt die Prüfung der rechnerischen Konsistenz häufig den Einstieg in die Analyse dar. Sie kann unabhängig vom inhaltlichen Verständnis des zugrunde liegenden Geschäftsmodells mit vertretbarem Aufwand durchgeführt werden und erlaubt eine erste Bewertung der formalen Belastbarkeit des Zahlenwerks. 76 Nachgelagert erfolgt die Abstimmung der funktionalen Teilpläne mit der Gewinn- und Verlustrechnung, der Bilanz sowie der Kapitalflussrechnung. Es ist sicherzustellen, dass Werte aus der Absatz-, Produktions- oder Investitionsplanung korrekt übernommen werden. Die Financial-Modeling-Standards sehen vor, dass zentrale Annahmen wie Wachstumsraten oder Laufzeiten in separaten Eingabebereichen gepflegt und über dynamische Referenzen in alle relevanten Teilpläne überführt werden. Redundante oder dezentrale Eingaben derselben Parameter sind zu vermeiden, da sie potenzielle Inkonsistenzen begünstigen. 77 Zudem ist die technische Umsetzung des Planungsmodells zu prüfen. In Excel-basierten Planungen müssen die hinterlegten Formeln und Zellverknüpfungen systematisch kontrolliert werden. 76 Vgl. IDW Praxishinweis 2/ 2017, Tz. 15 ff. 77 Vgl. Ernst, D., Häcker, J., 2016, S. 23 <?page no="51"?> 5.1 Analyse der Ausgangsplanung 51 Kritisch sind insbesondere feste Werteingaben an Stellen, an denen variable Referenzierungen erforderlich wären. Hard-Coding zählt zu den häufigsten Ursachen qualitativer und quantitativer Modellfehler, da Änderungen zentraler Annahmen nicht konsistent fortgeschrieben werden können. Entsprechend muss eine klare Trennung zwischen Eingaben, Berechnungen und Ergebnissen bestehen, idealerweise auf separaten Arbeitsblättern mit konsistenter Farb- und Formatierungslogik. Eine einheitliche Struktur aller Blätter, insbesondere hinsichtlich Zeitachsen und Spaltenlayouts, ist ebenfalls erforderlich. Fehler in der Modelllogik, etwa durch inkorrekte Zeitachsen oder fehlerhafte Indexierungen, können das Zahlenwerk erheblich verfälschen. 78 5.1.4 Materielle interne Plausibilität Die interne materielle Plausibilitätsprüfung stellt eine inhaltliche Bewertung der Unternehmensplanung aus unternehmensinterner Perspektive dar, bei der insbesondere die Konsistenz von Annahmen, Strategien und Vergangenheitsdaten geprüft wird. Sie beginnt mit der gezielten Vorbereitung und Durchführung strukturierter (Strategie-)Gespräche mit der Geschäftsleitung und Fachverantwortlichen. Hierbei sind konkrete Fragen zu den zugrunde gelegten Planannahmen, zur strategischen Ausrichtung und zu geplanten operativen Maßnahmen zu entwickeln. Die Antworten sind zu protokollieren und systematisch mit den Planwerten abzugleichen, um Übereinstimmungen oder Inkonsistenzen zu identifizieren. 79 Anschließend erfolgt die quantitative Analyse auf Basis historischer Unternehmensdaten. Hierzu werden zunächst die relevanten Referenzjahre bestimmt. In der Regel sind dies zwei bis drei Geschäftsjahre, wobei der Auswahlprozess die Stabilität des Geschäftsmodells und etwaige externe Veränderungen berücksichtigt. Die entsprechenden Jahresabschlüsse, Managementberichte und operativen Auswertungen sind zu beschaffen, aufzubereiten und auf nicht wiederkehrende sowie periodenfremde Effekte hin zu bereinigen. Die bereinigten Daten sind daraufhin grafisch und tabellarisch darzustellen, um 78 Vgl. Ernst, D., Häcker, J., 2016, S. 21 ff. 79 Vgl. IDW Praxishinweis 2/ 2017, Tz. 22 <?page no="52"?> 52 5 Übergang zur erwartungstreuen Planung Entwicklungen, Trends und Ergebnisbeiträge sichtbar zu machen. 80 Basierend auf den Erkenntnissen der Vergangenheitsanalyse wird eine (historische) Plan-Ist-Abweichungsanalyse durchgeführt. Dazu werden vergangene Planzahlen und die eingetretenen Ergebnisse gegenübergestellt. Erhebliche Abweichungen sind nicht nur quantitativ zu erfassen, sondern auch qualitativ zu begründen. Hierzu ist eine Ursachenanalyse erforderlich, die sowohl fehlerhafte Annahmen als auch strukturelle Mängel in der Planungssystematik offenlegen kann. Wenn in der Vergangenheit erhebliche Abweichungen zwischen geplanten und eingetretenen Werten vorliegen, lässt dies erste Rückschlüsse auf die Planungsgüte zu. 81 82 5.1.5 Materielle externe Plausibilität Die externe Plausibilitätsprüfung bewertet die Planannahmen vor dem Hintergrund relevanter Markt- und Umfeldfaktoren. Hierfür werden Markt- und Branchenanalysen herangezogen, um zu beurteilen, ob die prognostizierten Absatz- und Beschaffungstrends realistisch sind. Die gesamtwirtschaftliche Lage sowie branchenspezifische Ausblicke sollten inhaltlich kohärent mit den zugrunde gelegten Plandaten sein. So wäre ein zweistelliges Umsatzwachstum in der Planung intensiver zu hinterfragen, wenn die gesamte Branche gemäß unabhängigen Prognosen stagniert. Wettbewerbsvergleiche bieten ebenfalls geeignete Anhaltspunkte. Weichen die historischen und geplanten Kennzahlen des Unternehmens signifikant von denen der Peergroup ab, ist kritisch zu hinterfragen, welche unternehmensspezifischen Faktoren diese Abweichung begründen. Diese Form der externen Plausibilitätskontrolle stellt sicher, dass die Planung mit den verfügbaren externen Informationen konsistent ist und weder durch überzogene Erwartungen noch durch unbegründeten Pessimismus verzerrt wird. 83 Durch die kombinierte Plausibilitätsanalyse wird die deterministische Ausgangsplanung ganzheitlich bewertet. Etwaige Unstimmig- 80 Vgl. IDW Praxishinweis 2/ 2017, Tz. 24 f. 81 Vgl. Wieland-Blöse, H., Pfender, S., 2018, Tz. 42 f. 82 Vgl. Barth, T., Ernst, D., Marx, S., 2023, S. 44 83 Vgl. IDW Praxishinweis 2/ 2017, Tz. 28 ff. <?page no="53"?> 5.2 Risikoidentifikation und Risikoinventar 53 keiten oder fragwürdige Annahmen können so identifiziert und dokumentiert werden, bevor im nächsten Abschnitt die Risikodimension einbezogen wird. 5.2 Risikoidentifikation und Risikoinventar 5.2.1 Instrumente der Risikoidentifikation Eine deterministische Planung stellt definitionsgemäß lediglich eine Punktprognose dar und blendet die inhärente Bandbreite potenzieller Abweichungen systematisch aus. Aus diesem Grund ist eine qualitative und quantitative Risikoidentifikation erforderlich, deren Ziel in der strukturierten Erfassung jener Chancen und Gefahren (Risiken) liegt, die ursächlich für Planabweichungen sein können. Dieses Risikoverständnis umfasst sowohl potenzielle Gefahren im Sinne negativer Abweichungen als auch Chancen im Sinne positiver Abweichungen vom Erwartungswert. 84 Die erwartungstreue Unternehmensplanung trägt dann der engen Verknüpfung von Planwerten und Risikoinformationen Rechnung, indem sie systematisch Risiken berücksichtigt, die Entwicklungskorridore der ausgewählten Zielgrößen darstellen. 85 Ziel der Risikoidentifikation ist es, Risiken systematisch entlang festgelegter Zielgrößen und Risikoarten einzuordnen, um Interdependenzen, Eintrittswahrscheinlichkeiten und Wirkungszusammenhänge frühzeitig zu erfassen. Die Risikoidentifikation ist kein einmaliger Vorgang, sondern ein fortlaufender Prozess, dessen Frequenz sich an der Dynamik des Umfelds und der Komplexität des Geschäftsmodells orientiert. 86 Die Auswahl und Kombination geeigneter Instrumente zur Risikoidentifikation sind maßgeblich für die Qualität des Risikoinventars und der nachgelagerten Risikoquantifizierung. Nur wenn Risiken vollständig, nachvollziehbar und differenziert erfasst werden, lassen sie sich mittels Wahrscheinlichkeitsverteilungen quantifizieren und daraus ein Erwartungswert sowie eine Bandbreite möglicher Ergebnisse 84 Vgl. Vanini, U., Rieg, R., 2021, S. 23 f. 85 Vgl. Börner, C., Ernst, D., Hoffmann, I., 2023, S. 3 f. 86 Vgl. Gleißner, W., 2022, S. 123 <?page no="54"?> 54 5 Übergang zur erwartungstreuen Planung berechnen, die als belastbare Grundlage für betriebswirtschaftliche Entscheidungen dienen. 87 In Tabelle 2 werden wesentliche Instrumente der Risikoidentifikation systematisch klassifiziert, beschrieben und hinsichtlich ihrer Eignung, Stärken und Schwächen analysiert. Kriterien Ausprägung Systematik der Identifikation Instrumente zur unsystematischen Risikoidentifikation ( Brainstorming) Instrumente zur systematischen Risikoidentifikation ( Checklisten ) Aggregation der identifizierten Risiken Instrumente zur Identifikation von Einzelrisiken ( Checklisten ) Instrumente zur Identifikation von aggregierten Risiken (Systemanalysen) Vorgehensweise progressive Methoden retrograde Methoden Informationsquelle Besichtigungen/ Begehungen Dokumente Befragungen und Workshops Kennzahlen und Indikatoren Big Data Analytics Informationsverarbeitung Prognosemethoden Kollektionsmethoden ( Interviews ) Suchmethoden Tabelle 2: Instrumente der Risikoidentifikation, entnommen aus: Vanini, U., Rieg, R., 2021, S. 201 Systematische Verfahren wie Checklisten, strukturierte Interviews oder Indikatorensysteme ermöglichen eine vollständige, vergleichbare und reproduzierbare Erhebung bekannter Risiken. Checklisten bieten insbesondere für Routinerisiken ein robustes Instrument zur Erstaufnahme. Ihre Schwäche liegt in der eingeschränkten Offenheit gegenüber neuartigen Risiken. Die Fehlermöglichkeits- und Einflussanalyse (FMEA) - ein präventives Verfahren zur systematischen Identifikation potenzieller Fehlerquellen - sowie die Fehlerbaumanalyse (FTA) - ein deduktives Verfahren, das unerwünschte Ereignisse über logische Verknüpfungen auf zugrunde liegende Ausfallursachen zurückführt - sind speziell für technische, prozessuale oder sicherheitskritische Systeme geeignet. Sie bieten eine hohe Detailtiefe und helfen bei der Prävention systematischer Ausfälle. 88 87 Vgl. Mochty, L., Hoffmann, D., Hülsberg, F., 2018, S. 3061 f. 88 Vgl. Gleißner, W., 2022, S. 145 ff. <?page no="55"?> 5.2 Risikoidentifikation und Risikoinventar 55 Dem gegenüber stehen unsystematische Verfahren wie Brainstorming, Brainwriting und morphologische Analysen. Sie basieren auf Intuition und kreativer Exploration. Sie sind weniger strukturiert, bieten jedoch Potenzial zur Identifikation neuartiger oder nicht antizipierter Risiken. Ihre Stärke liegt in der explorativen Offenheit, ihre Schwäche in der geringeren Reproduzierbarkeit und Gefahr von Redundanz. 89 Die Risikoidentifikation kann sich auf Einzelrisiken oder auf aggregierte Risikostrukturen fokussieren. Die Analyse von Einzelrisiken, beispielsweise mittels Interviews, Checklisten oder Befragungen, liefert detaillierte Informationen über konkrete Gefährdungspotenziale. Diese sind notwendig für die initiale Risikoinventur, insbesondere wenn Planwerte auf Einzelgrößen beruhen (z. B. bestimmte Umsatzsegmente oder Projektkosten). Interviews erlauben dabei eine tiefergehende Kontextualisierung der Risiken, während standardisierte Fragebögen die Vergleichbarkeit sichern. Dagegen erlauben aggregierende Instrumente wie Systemanalysen oder Szenariotechniken eine ganzheitliche Betrachtung komplexer Wirkungszusammenhänge, was gerade bei strategischen Entscheidungen über Marktportfolios oder Geschäftsmodelle relevant ist. Eine sinnvolle Integration beider Perspektiven erhöht die Aussagekraft und Planungsvalidität erheblich. 90 91 Darüber hinaus lässt sich eine Unterscheidung entlang der methodischen Herangehensweise vornehmen. Progressive Methoden (z. B. FMEA, Störfallanalyse) leiten Risiken kausal aus potenziellen Ursachen ab. Sie sind präventiv ausgerichtet und besonders geeignet für operative Risiken, aber anfällig gegenüber kontextualer Komplexität. Retrograde Verfahren wie Szenarienvergleiche fokussieren sich auf Zielabweichungen und leiten daraus relevante Risikokonstellationen ab. Sie sind analytisch präzise, aber basieren in der Regel auf deterministisch festgelegten Zielgrößen. 92 Die Qualität der Risikoidentifikation hängt wesentlich von der Breite und Tiefe der genutzten Informationsquellen ab. Interne Informationsquellen wie Prozessbeschreibungen, Budgetdaten, Mitarbeiterbefragungen oder Systemaudits bieten eine tiefe, aber oft eingeschränkte Sicht auf unternehmensspezifische Risiken. Externe Quellen wie 89 Vgl. Vanini, U., Rieg, R., 2021, S. 221 90 Vgl. Gleißner, W., 2022, S. 156 ff. 91 Vgl. Vanini, U., Rieg, R., 2021, S. 214 f. 92 Vgl. IDW PS 981, Tz. A57 f. <?page no="56"?> 56 5 Übergang zur erwartungstreuen Planung Marktanalysen, regulatorische Entwicklungen oder Frühindikatoren für geopolitische Trends sind hingegen wesentlich für die Erkennung strategischer oder regulatorischer Risiken. Frühaufklärungssysteme oder Big Data Analytics bieten hier neue Möglichkeiten zur Integration dieser Informationen in einer automatisierten und kontinuierlich aktualisierten Form. Für eine realitätsnahe Planungsbasis ist die Verbindung sowohl interals auch externer Quellen notwendig. 93 Im Rahmen der Informationsverarbeitung lassen sich Instrumente der Risikoidentifikation differenziert nach Prognose-, Kollektions- und Suchmethoden gliedern. Die Analyse von Planannahmen im Budgetierungsprozess bietet eine praktische Möglichkeit, operative Risiken zu erkennen. Abweichungen zwischen geplanten und prognostizierten Kennzahlen können dabei auf potenzielle Risiken hinweisen. 94 Kollektionsmethoden, etwa die systematische Dokumentenanalyse, bieten ein niederschwelliges, aber äußerst effektives Mittel zur Risikoidentifikation. Durch die strukturierte Auswertung interner Dokumente, von Prozessbeschreibungen über Funktionsdiagramme bis hin zu Stellvertretungsplänen, lassen sich organisationale Schwachstellen erkennen, die in standardisierten Planungsprozessen oft übersehen werden. Diese Methode entfaltet ihre volle Wirkung in Verbindung mit qualitativen Verfahren wie Interviews oder Workshops, die auf das Erfahrungswissen operativer Fachkräfte zurückgreifen. 95 Suchmethoden richten sich auf das Erkennen neuartiger, noch nicht in bestehenden Risikokatalogen abgebildeter Gefährdungslagen. Hierzu zählen insbesondere kreative Verfahren wie die Reizwortanalyse, die morphologische Matrix oder Expertenrunden. Letztere zeichnen sich durch ein iteratives Vorgehen aus, das es erlaubt, divergierende Einschätzungen zu konsolidieren und eine belastbare Gruppenmeinung zu entwickeln. Die explorative Kraft solcher Methoden ist insbesondere bei der Antizipation disruptiver Entwicklungen von Relevanz. 96 Eine hohe Qualität der Risikoidentifikation verlangt methodische Vielfalt, präzise Analyse und strukturelle Integration. Keine 93 Vgl. Vanini, U., Rieg, R., 2021, S. 202 f. 94 Vgl. IDW PS 981, Tz. A 57 f. 95 Vgl. IDW PS 340, Tz. A 37 f. 96 Vgl. Vanini, U., Rieg, R., 2021, S. 221 <?page no="57"?> 5.2 Risikoidentifikation und Risikoinventar 57 Methode allein ist in der Lage, die Komplexität gegenwärtiger Risikolandschaften zu erfassen. Erwartungstreue Planung bedeutet deshalb nicht nur das mathematische Erfassen von Unsicherheit, sondern deren systematische Antizipation als Erkenntnisgrundlage und legitimatorische Absicherung von Planwerten. 97 5.2.2 Aufbau des Risikoinventars Die identifizierten Risiken werden in einem strukturierten Risikoinventar zusammengeführt, das die Basis für die anschließende Quantifizierung bildet. 98 Es enthält für jedes Risiko eine prägnante Beschreibung, Angaben zu Ursachen, betroffenen Zielgrößen, potenziellen (Netto-) Wirkungen, eine Kategorisierung sowie eine erste Einschätzung zur gruppierten Eintrittswahrscheinlichkeit, die beispielsweise in einer Skala von eins (geringe Eintrittswahrscheinlichkeit) bis fünf (hohe Eintrittswahrscheinlichkeit) ausgeprägt sein kann. 99 Nr. Kategorie Risikobezeichnung Ursachen Zielgröße Eintrittswahrscheinlichkeit Schadenspotenzial 1 Marktrisiken Risiken durch Absatzmengenschwankungen Konjunktur Umsatzerlöse 4 700 TEUR 2 Beschaffungsrisiken Risiken durch Abhängigkeit von einem Schlüssellieferanten Lieferantenkonzentration Materialaufwand 3 500 TEUR 3 Marktrisiken Risiken durch Abhängigkeit von Großkunden Kundenkonzentration Umsatzerlöse 2 250 TEUR 97 Vgl. Vanini, U., Rieg, R., 2021, S. 227 ff. 98 Vgl. Nickert, A., Nickert, C., 2021, S. 405 99 Vgl. Gleißner, W., 2022, S. 206 f. <?page no="58"?> 58 5 Übergang zur erwartungstreuen Planung 4 Risiken aus Corporate Governance organisatorische Risiken Führungsdefizite übergeordnet 1 900 TEUR 5 Finanzrisiken Währungsrisiken Zinsdynamik Zinsen 2 70 TEUR Tabelle 3: Risikoinventar, in Anlehnung an: Gleißner, W., 2022, S. 206 Darüber hinaus ermöglicht das Inventar die Aggregation gleichartiger Risiken, etwa nach Geschäftsbereichen oder entlang der Wertschöpfungskette und verknüpft identifizierte Risiken mit den relevanten Planungsgrößen. Es dient nicht nur der Dokumentation, sondern ist als dynamisches Arbeitsinstrument konzipiert: regelmäßig zu aktualisieren, quellengestützt nachvollziehbar und offen für neue, emergente Risikodimensionen. 100 5.3 Risikoquantifizierung mit geeigneten Verteilungen 5.3.1 Grundlagen Aufbauend auf dem Risikoinventar ist im nächsten Schritt eine quantitative Abbildung der identifizierten Risiken erforderlich. Die identifizierten Risiken wirken nicht isoliert, sondern entfalten ihre Wirkung über komplexe Abhängigkeiten innerhalb der integrierten Planungsrechnung. Anstelle punktueller, deterministischer Planannahmen treten stochastische Einflussgrößen, die über alle Rechenwerke hinweg durch geeignete Wahrscheinlichkeitsverteilungen modelliert werden, um eine konsistente und realitätsnahe Risikointegration zu gewährleisten. 101 Eine standardisierte oder gar allgemeingültige Zuordnung bestimmter Verteilungen zu spezifischen Risikokategorien existiert nicht. 102 So lassen sich beispielsweise finanzielle Schäden infolge von Produkthaftungen durch fehlerhafte Produktionsprozesse nicht automatisch einer konkreten Verteilung wie der Dreiecks- oder Normalverteilung zuordnen. Vielmehr ist jede Risikogröße individuell zu analysieren, um eine Verteilung zu wählen, die den jeweiligen Eigenschaften wie Wertebereich, Schiefe und Verhalten in den Randbereichen entspricht. 100 Vgl. Gleißner, W., Wolfrum, M., 2019, S. 6 f. 101 Vgl. Ernst, D., Häcker, J., 2021, S. 200 f. 102 Vgl. RMA (Hrsg.), 2021, S. 193 f. <?page no="59"?> 5.3 Risikoquantifizierung mit geeigneten Verteilungen 59 Abbildung 1: Risikoquantifizierung, entnommen aus: Vanini, U., Worm, F., 2024, S. 32 Für die Auswahl geeigneter Verteilungen sind mehrere praktische und konzeptionelle Kriterien zu berücksichtigen, die sich unter anderem:  auf die Verfügbarkeit belastbarer Daten,  die Parametrierbarkeit durch Experten,  die natürliche Begrenzung der Wertebereiche sowie  auf das zu erwartende Verhalten in den Randbereichen beziehen. 103 Sind belastbare historische Daten verfügbar, lassen sich theoretische Verteilungen empirisch schätzen. 104 In der Praxis trifft dies jedoch häufig nicht zu. Fehlen entsprechende Daten, werden stattdessen Experteneinschätzungen herangezogen, unterstützt durch pragmatisch anwendbare Verteilungsformen. Besonders bei begrenzter Datengrundlage kom- 103 Vgl. Ernst, D., Häcker, J., 2021, S. 200 f. 104 Vgl. Gleißner, W., 2022, S. 228 <?page no="60"?> 60 5 Übergang zur erwartungstreuen Planung men Modelle zum Einsatz, die mit wenigen Parametern auskommen und dennoch die bestehenden Unsicherheiten angemessen abbilden. 105 Ein wesentliches Kriterium für die Anwendung einer Verteilung ist ihre Parametrierbarkeit unter realistischen Bedingungen. Fachabteilungen ohne vertiefte Statistikkenntnisse müssen in der Lage sein, plausible Werte bereitzustellen. Besonders geeignet sind Modelle, deren Parameter sich durch einfache Schätzgrößen wie Minimum, Maximum und Modus erfassen lassen. Anstelle theoretisch präziser, aber schwer vermittelbarer Wahrscheinlichkeitsdichten treten praxisnahe Schätzungen, die sich direkt in belastbare Planannahmen überführen lassen. 106 Darüber hinaus stellt die sinnvolle Begrenzung des Wertebereichs ein charakteristisches Merkmal vieler eingesetzter Verteilungen dar. In vielen Anwendungsszenarien existieren natürliche Unter- und Obergrenzen, etwa durch technische, rechtliche oder wirtschaftliche Rahmenbedingungen. Eine realistische Modellierung sollte diese Grenzen explizit berücksichtigen, um unplausible Extremwerte auszuschließen. Dies erhöht nicht nur die Akzeptanz der Modelle, sondern verhindert auch eine unnötige Verzerrung. Offene bzw. unbeschränkte Verteilungen kommen nur dann zum Einsatz, wenn sich entsprechende Risikopotenziale sachlich begründen lassen, beispielsweise durch historische Extremereignisse oder systematische Wachstumsmechanismen. 107 Bei der Wahl einer geeigneten Verteilung ist zudem das Verhalten in den Randbereichen zu berücksichtigen. Es bestimmt, in welchem Ausmaß seltene, aber potenziell gravierende Abweichungen vom Erwartungswert berücksichtigt werden. Im Rahmen der erwartungstreuen Planung ist nicht immer eine konservative Modellierung erforderlich, die auf maximale Absicherung ausgelegt ist. Mitunter genügt eine realitätsnahe Abbildung typischer Schwankungen. 108 Die Entscheidung hängt vom jeweiligen Risikoprofil ab. Aspekte wie Symmetrie oder Schiefe der Verteilung sowie das Abklingverhalten der Dichte an den Extremwerten stellen dabei wichtige Stellgrößen dar, über die sich die Risikosensitivität des Modells differenziert steuern lässt, ohne die Komplexität unnötig zu erhöhen. 109 105 Vgl. Mochty, L., Hoffmann, D., Hülsberg, F., 2018, S. 3065 f. 106 Vgl. Vanini, U., Worm, F., 2024, S. 26 107 Vgl. RMA (Hrsg.), 2021, S. 29 ff. 108 Vgl. Gleißner, W., Wolfrum, M., 2019, S. 15 ff. 109 Vgl. Gleißner, W., 2022, S. 228 ff. <?page no="61"?> 5.3 Risikoquantifizierung mit geeigneten Verteilungen 61 Auf Basis der zuvor dargestellten Auswahlkriterien lassen sich geeignete Verteilungsformen spezifischen Planungsgrößen zuordnen, wobei die erwartungstreue Kalibrierung stets an das jeweilige Risikoprofil anzupassen ist. Ausgehend von der im deutschen Mittelstand vorherrschenden Anwendung des Gesamtkostenverfahren (§ 275 Abs. 2 HGB) wird im Folgenden dargestellt, wie die Positionen Umsatzerlöse, Materialaufwand, Personalaufwand und sonstige betriebliche Aufwendungen erwartungstreu abgebildet werden können. 5.3.2 Umsatzerlöse Umsatzerlöse sind die Einnahmen eines Unternehmens aus dem Verkauf von Waren oder der Erbringung von Dienstleistungen, die zum eigentlichen Geschäftszweck gehören. Typische Merkmale sind:  Sie entstehen durch den regelmäßigen Geschäftsbetrieb (z. B. Verkauf von Produkten, Dienstleistungen, Lizenzen)  Sie werden meist als „Nettoumsatz“ erfasst, also ohne Umsatzsteuer.  In der Gewinn- und Verlustrechnung (GuV) stehen sie ganz oben und bilden die Ausgangsbasis für die Ermittlung von Gewinn oder Verlust. Die Zusammensetzung und Entwicklung der Umsatzerlöse ist typischerweise das Ergebnis einer Vielzahl von Einflussfaktoren, darunter Marktnachfrage, Preisentwicklung, Wettbewerbssituation sowie interne Kapazitätsgrenzen. Abweichungen vom geplanten Wert können sowohl in positiver als auch in negativer Ausrichtung auftreten, wobei negative Umsätze definitionsgemäß ausgeschlossen sind. Auch im maximalen Bereich ist der Werteverlauf begrenzt, beispielsweise durch Marktpotenziale oder produktionstechnische Obergrenzen. 110 Zusätzlich beeinflusst der Reifegrad des Unternehmens die Risikostruktur der Umsatzerlöse maßgeblich: Während in jungen, wachstumsorientierten Unternehmen größere Abweichungen und asymmetrische Verteilungen typischer sind, zeichnen sich etablierte Unternehmen mit stabilen Geschäftsmodellen häufig durch geringere Volatilität und ein engeres Prognoseintervall aus. 111 110 Vgl. Ihlau, S., Duscha, H., 2013, S. 2350 111 Vgl. Emmert, A., Götzfried, A., 2024, S. 42 <?page no="62"?> 62 5 Übergang zur erwartungstreuen Planung 5.3.2.1 Wahrscheinlichkeitsverteilungen zur Modellierung der Umsatzerlöse Zur Modellierung der Unsicherheit werden Wahrscheinlichkeitsverteilungen verwendet. Eine Wahrscheinlichkeitsverteilung beschreibt, wie sich die Wahrscheinlichkeiten über die möglichen Werte einer Zufallsvariable verteilen. Drei in der Praxis bewährte Wahrscheinlichkeitsverteilungen zur Modellierung der Umsatzerlöse sind  die Dreiecksverteilung,  die (modifizierte) PERT-Verteilung, und  die Expert-Verteilung. Diese sind im Wesentlichen durch drei Parameter charakterisiert: einen unteren und einen oberen Grenzwert sowie den Modalwert. 112 Die Dreiecksverteilung ist eine stetige Wahrscheinlichkeitsverteilung mit einer auf einem festen Intervall definierten Dichtefunktion, die an den Randpunkten den Wert Null annimmt. Innerhalb dieses Intervalls steigt die Wahrscheinlichkeitsdichte linear vom Minimalwert bis zum Modus an und fällt anschließend bis zum Maximalwert wieder linear ab. Der Mittelwert entspricht dem Durchschnitt aus Minimal-, Modal- und Maximalwert, was die gleichgewichtige Berücksichtigung der Randwerte verdeutlicht. Entsprechend hängt auch die Varianz stark von deren Abstand zueinander und der Lage des höchsten Wahrscheinlichkeitswerts im Intervall ab. Je breiter die Spanne und je ungleichmäßiger die Verteilung um diesen Wert, desto größer fällt die Streuung aus. 113 Die PERT-Verteilung basiert demgegenüber auf der Beta-Verteilung und wird ebenfalls durch die drei Parameter (Minimum, Modalwert, Maximum) charakterisiert. Obwohl beide Verteilungen mit demselben Parameterrahmen arbeiten, unterscheiden sie sich deutlich in der Formgebung. Während die Dichte der Dreiecksverteilung linear ansteigt und abfällt, wodurch ihr Schwerpunkt breiter verteilt ist, konzentriert die PERT-Verteilung die Wahrscheinlichkeitsmasse stärker 112 Vgl. Gleißner, W., Wolfrum, M., 2019, S. 16 113 Vgl. Wehrspohn, U., Ernst, D., 2022, S. 17 f. <?page no="63"?> 5.3 Risikoquantifizierung mit geeigneten Verteilungen 63 um den Modus. Werte nahe dem erwarteten Umsatz treten bei der PERT-Verteilung mit höherer Wahrscheinlichkeit auf, während extreme Ausschläge nach oben deutlich seltener sind. Diese Eigenschaft macht sie besonders geeignet für Situationen, in denen das Eintreten des Extremfalls als weniger plausibel eingeschätzt wird und eine konservativere Risikobewertung gewünscht ist. 114 115 Aufbauend auf dieser Überlegung wurde die modifizierte PERT- Verteilung entwickelt. Sie erweitert die klassische PERT-Form um einen zusätzlichen Steuerungsparameter, der die Krümmung der Dichtefunktion beeinflusst. Dadurch lässt sich das Verhalten der Verteilung flexibel anpassen, von einer nahezu gleichverteilten Streuung bis hin zu einer stark konzentrierten Dichte nahe dem Modus. Die erhöhte Modellierungstiefe bringt zwei Vorteile mit sich. Einerseits lässt es sich durch die intuitive Wahl der Parameter gezielt steuern, in welchem Maß extreme Werte berücksichtigt werden. Andererseits lässt sich die Verteilung bei vorhandenen historischen Daten besser an empirische Befunde anpassen. Aufgrund dieser Kombination aus intuitiver Steuerbarkeit und empirischer Anschlussfähigkeit gilt sie als besonders leistungsfähiges Instrument. 116 117 Die Expert-Verteilung ist eine flexible stetige Wahrscheinlichkeitsverteilung, deren Form durch wenige aussagekräftige Parameter bestimmt wird. Sie wird durch drei symmetrisch um den Median liegende Quantile (unteres p-Quantil, Median, oberes (1-p)-Quantil) parametrisiert. Zusätzlich können eine untere und obere Schranke (Minimum bzw. Maximum) vorgegeben werden, um die Verteilung auf einen Wertebereich zu begrenzen. Die Expert-Verteilung knüpft damit konzeptionell an Dreiecks- und PERT-Verteilungen an, indem sie ebenfalls drei Schätzwerte nutzt, bietet jedoch einen deutlich flexibleren Kurvenverlauf. Während eine Dreiecksverteilung durch die lineare Verbindung von Minimum, Modalwert und Maximum eine feste, dreieckige Form hat, und die PERT-Verteilung zwar glatter, aber dennoch durch ihre Parameter eingeschränkt ist, nutzt die Expert-Verteilung einen flexiblen polynomialen Ansatz. Dadurch kann die Form z. B. asymmetrisch und stärker oder schwächer gekrümmt ausfallen, je nachdem, wie weit die gewählten Quantile vom Median entfernt liegen. Zudem kann die Verteilung ein- oder beidseitig unbegrenzt 114 Vgl. RMA (Hrsg.), 2021, S. 39 115 Vgl. Vanini, U., Worm, F., 2024, S. 23 116 Vgl. Wehrspohn, U., Ernst, D., 2022, S. 18 f. 117 Vgl. Barth, T., Ernst, D., Marx, S., 2023, S. 108 f. <?page no="64"?> 64 5 Übergang zur erwartungstreuen Planung auslaufen. So lässt sich etwa auf eine obere Schranke verzichten, wenn kein natürliches Maximum existiert. 118 119 Allen diesen Verteilungsansätzen ist gemeinsam, dass sie durch Angabe von Mindest-, Höchst- und wahrscheinlichstem Wert (Modus) definiert werden und damit die strukturellen Eigenschaften von Umsatzerlösen realitätsnah abbilden. Negative Werte sind per Konstruktion ausgeschlossen, was der Nicht-Negativität von Umsatzerlösen entspricht. Durch Vorgabe von Minimal- und Maximalwerten lassen sich Marktpotenziale oder Kapazitätsgrenzen direkt berücksichtigen, sodass auch bei schwer quantifizierbaren Obergrenzen eine plausible Einschränkung vorgenommen werden kann. Insgesamt eignen sich diese Ansätze, um Symmetrien, Asymmetrien und natürliche Beschränkungen von Umsatzerlösen konsistent im Modell zu berücksichtigen. 5.3.2.2 Kalibrierung zur Generierung von Expertenmeinungen In der Praxis fehlt es Unternehmen häufig an einer ausreichenden Datenbasis, um Unsicherheiten empirisch zu modellieren. Der folgende Ansatz zeigt, wie sich aus Expertenmeinungen unter Verwendung von Monte-Carlo-Simulationen eine Wahrscheinlichkeitsverteilung für zukünftige Umsatzerlöse kalibrieren lässt. Mehrere Experten schätzen per Interview oder Fragebogen die Bandbreite des künftigen Umsatzwachstums. Sie liefern Dreipunktschätzungen oder ähnliche Kennwerte. Je nach Angabe kommen Dreiecks-, PERT- oder Expert-Verteilungen zum Einsatz. Jeder Experte wählt die passende Verteilung und legt die Parameter selbst fest. So entsteht pro Periode eine individuelle Verteilung auf Basis der jeweiligen Einschätzung. Die Expertenmeinungen können unterschiedlich gewichtet werden, je nach Erfahrung und Fachwissen. Anschließend wird eine Monte- Carlo-Simulation durchgeführt, um aus den verschiedenen Expertenverteilungen eine Gesamtverteilung für das Umsatzwachstum zu ermitteln. So ergibt sich für jede Planungsperiode eine empirische Verteilung. Die Simulation berücksichtigt sowohl die Streuung innerhalb der einzelnen Expertenschätzungen als auch die Unterschiede zwischen den Experten und liefert damit eine Verteilung zweiter Ordnung. Schließlich wird die simulierte Verteilung durch eine stetige Verteilungsfunktion approximiert (Kalibrierung). Dazu werden ver- 118 Vgl. Wehrspohn, U., Ernst, D., 2022, S. 38 f. 119 Vgl. Wehrspohn, U., https: / / www.wehrspohn.de/ support/ publikationen/ expert-undpoly-verteilungen, Abruf am 20.06.2025 <?page no="65"?> 5.3 Risikoquantifizierung mit geeigneten Verteilungen 65 schiedene Verteilungstypen getestet und ihre Parameter so geschätzt, dass die theoretische Form das empirische Histogramm möglichst genau abbildet. Die Anpassungsgüte wird mit statistischen Tests wie dem Kolmogorov-Smirnov-Test bewertet. Die passendste Verteilungsfunktion wird anschließend verwendet. Der kombinierte Ansatz aus Expertenbefragung, Monte-Carlo-Simulation und Verteilungskalibrierung ermöglicht damit eine erwartungstreue Umsatzplanung auch ohne historische Daten. 120 Eine weitere Möglichkeit zur realitätsnäheren Modellierung von Umsatzerlösen besteht darin, zusätzlich zu einer bestehenden (stochastischen) Umsatzplanung jene Risiken zu berücksichtigen, die im Rahmen des Risikomanagements identifiziert wurden (Kapitel 4.2) und unmittelbar auf die Erlöse wirken. Für jedes dieser Risiken wird eine eigene Wahrscheinlichkeitsverteilung modelliert, deren erwarteter Einfluss auf die Umsatzerlöse als Korrekturposition berücksichtigt wird. Auf diese Weise entsteht eine um Risiken bereinigte, realitätsnähere Top-Line-Verteilung der Umsatzerlöse. Da sich mehrere Risikofaktoren gemeinsam auf die Umsatzerlöse auswirken können, kann es zusätzlich notwendig sein, deren stochastische Korrelationen zu berücksichtigen. Um komplexere, nichtlineare Abhängigkeitsstrukturen abzubilden, kommen im modernen Risikomanagement sogenannte Copula-Modelle zum Einsatz. Eine Copula ist eine Funktion, die die Verteilungsfunktionen mehrerer Zufallsvariablen so verknüpft, dass eine gemeinsame mehrdimensionale Verteilung mit den gewünschten marginalen Verteilungen entsteht. Dadurch lassen sich stochastische Zusammenhänge deutlich flexibler modellieren. Allerdings ist die Auswahl einer geeigneten Copula- Funktion methodisch anspruchsvoll und erfordert eine fundierte Auseinandersetzung mit der zugrunde liegenden Abhängigkeitsstruktur sowie der Interpretation der verwendeten Verteilungen. 121 Aufgrund des Umfangs und der Komplexität wird auf eine vertiefte Darstellung an dieser Stelle verzichtet. 120 Vgl. Ernst, D., Häcker, J., 2021, S. 200 f. 121 Vgl. Vanini, U., Rieg, R., 2021, S. 114 <?page no="66"?> 66 5 Übergang zur erwartungstreuen Planung 5.3.3 Materialaufwand Der Materialaufwand bezeichnet die Kosten für den Verbrauch von Roh-, Hilfs- und Betriebsstoffen sowie für bezogene Waren und Leistungen, die ein Unternehmen benötigt, um seine Produkte herzustellen oder Dienstleistungen zu erbringen. Der Materialaufwand nimmt regelmäßig proportional zur Produktions- oder Absatzmenge zu und ist entsprechend eng mit der Gesamtleistung und den Umsatzerlösen verknüpft. Andererseits unterliegt der Materialaufwand externen Einflussfaktoren, insbesondere der Volatilität von Rohstoffpreisen auf Beschaffungsmärkten. Unvorhergesehene Marktstörungen können zu drastischen Preissprüngen führen. Daraus ergibt sich eine doppelte Risikostruktur:  eine systematische Abhängigkeit vom Output, näherungsweise linear zum Produktionsvolumen, sowie  eine (residuale) Streuung infolge exogener Preisbewegungen. Zudem stellt die Variation von Ausschussquoten eine weitere Zufallsgröße dar, da unvorhersehbare Qualitätsabweichungen im Produktionsprozess zu schwankendem Materialverbrauch führen können. 122 Daraus ergibt sich die Notwendigkeit, den Materialaufwand in einer erwartungstreuen Planung mittels adäquater Wahrscheinlichkeitsverteilungen abzubilden. Aufgrund seines typischerweise hohen, proportionalen Anteils an der Ausbringung wird dabei die Materialaufwandsquote modelliert. Diese sollte um einen realistischen Erwartungswert zentriert sein, der sich aus historischen Daten, Benchmarking-Ergebnissen oder Expertenmeinungen ableiten lässt. Entscheidend ist, dass die gewählte Verteilung Abweichungen in beide Richtungen zulässt, nach unten durch Effizienzsteigerungen oder günstigere Einkaufspreise und nach oben durch Preiserhöhungen oder qualitätsbedingten Mehrverbrauch. Andere Ansätze, die hier nicht weiter vertieft werden, zielen darauf ab, absatzmengeninduzierte Effekte aus der Materialaufwandsquote herauszurechnen, um auf Basis des verbleibenden Residuums die Materialkostenschwankungen abzuleiten. 123 122 Vgl. Franken, L., Schulte, J., 2024, S. 113 123 Vgl. RMA (Hrsg.), 2021, S. 41 f. <?page no="67"?> 5.3 Risikoquantifizierung mit geeigneten Verteilungen 67 Abhängig vom Einzelfall können Verteilungen wie die Dreiecksverteilung oder die gestutzte (trunkierte) Normalverteilung herangezogen werden. Diese Ansätze ermöglichen es, bekannte Mindest- und Höchstwerte zu berücksichtigen und zugleich einen plausiblen Mittelwert mit entsprechender Streuung abzubilden. Im folgenden Abschnitt wird insbesondere die trunkierte Normalverteilung als geeignetes Modell zur Beschreibung der Materialaufwandsquote näher betrachtet. Die trunkierte Normalverteilung ist eine modifizierte Form der Gaußschen Verteilung, bei der die Wahrscheinlichkeitsdichte außerhalb eines definierten Intervalls ausgeschlossen wird. Konkret erfolgt dies durch die Einführung zweier Grenzwerte, einer unteren Schranke 𝑎𝑎 = TruncLow und einer oberen Schranke 𝑏𝑏 = TruncHigh. Alle Werte außerhalb dieses Bereichs werden ausgeschlossen und die verbleibende Wahrscheinlichkeitsmasse wird so skaliert, dass die Gesamtwahrscheinlichkeit weiterhin 1 beträgt. 124 Abbildung 2: Trunkierte Normalverteilung, Darstellung aus Riskkit 124 Vgl. Hedderich, J., Lothar, S., 2018, S. 280 <?page no="68"?> 68 5 Übergang zur erwartungstreuen Planung Für die Modellierung der Materialaufwandsquote eignet sich dieser Ansatz besonders, da typischerweise ein plausibler Wertebereich vorab bestimmt werden kann. So lässt sich auf Basis historischer Unternehmensdaten ableiten, dass die Quote innerhalb eines bestimmten Intervalls liegt, 125 beispielsweise zwischen 40 Prozent und 60 Prozent mit einem Erwartungswert von 50 Prozent und einer Standardabweichung von 10 Prozent (vgl. Abbildung 2). Die Festlegung der Schranken kann entweder datenbasiert erfolgen oder auf fundierten Expertenschätzungen beruhen. Eine Gaußsche Normalverteilung weist eine weitere Spannweite auf, sodass auch Werte außerhalb des ökonomisch sinnvollen Bereichs, mit geringerer, aber positiver Wahrscheinlichkeit auftreten könnten. Die trunkierte Variante schließt diese unrealistischen oder ökonomisch nicht sinnvollen Ausprägungen systematisch aus. Dadurch ergibt sich ein kontrollierbares Risikoprofil, bei dem die Materialaufwandsquote ausschließlich innerhalb eines als realistisch definierten Wertebereichs variiert. Ist der Erwartungswert in der Mitte des Trunkierungsintervalls positioniert, so bleibt die resultierende Verteilung annähernd symmetrisch. Dies entspricht der Annahme, dass positive und negative Abweichungen vom Erwartungswert innerhalb des zulässigen Bereichs mit vergleichbarer Wahrscheinlichkeit auftreten. 126 Analog zu den Umsatzerlösen kann die Materialaufwandsquote auch durch Kalibrierung einer Verteilungsfunktion auf Basis gewichteter Expertenschätzungen oder als deterministischer Grundplan mit stochastischen Korrekturpositionen (Preisrisiken, Mengenrisiken und Qualitätsrisiken) modelliert werden. 5.3.4 Personalaufwand Personalaufwand umfasst alle Kosten, die einem Unternehmen durch den Einsatz von Mitarbeitern entstehen. Er setzt sich aus verschiedenen Positionen zusammen, die sowohl direkte Zahlungen an die Beschäftigten als auch gesetzlich oder vertraglich vorgeschriebene Nebenleistungen beinhalten. Typische Bestandteile sind:  Löhne und Gehälter (Bruttobezüge der Mitarbeiter) 125 Vgl. RMA (Hrsg.), 2021, S. 41 126 Vgl. Hedderich, J., Lothar, S., 2018, S. 280 <?page no="69"?> 5.3 Risikoquantifizierung mit geeigneten Verteilungen 69  Sozialabgaben des Arbeitgebers (z. B. Renten-, Kranken-, Pflege- und Arbeitslosenversicherung)  Aufwendungen für Altersversorgung (z. B. Beiträge zur betrieblichen Altersvorsorge)  sonstige Personalaufwendungen (z. B. Weiterbildung, Reisekosten, Abfindungen, Personalvermittlung) Personalaufwendungen stellen innerhalb der Aufwandspositionen einen bedeutenden, weitgehend fixen Aufwandsblock dar. Ihre Höhe resultiert primär aus vertraglich vereinbarten Gehältern sowie den gesetzlichen Sozialabgaben. Folglich bestehen bei Personalkosten nur begrenzte kurzfristige Anpassungsmöglichkeiten. Entlassungen oder Personalreduktionen sind oft mit erheblichen Restriktionen verbunden, etwa durch Kündigungsfristen, Mitbestimmungsrechten oder betrieblichen Mindestbesetzungen. Diese strukturelle Trägheit führt zu einer asymmetrischen Risikoverteilung: Während (un-)erwartete Kostensteigerungen, beispielsweise durch Überstunden, Neueinstellungen oder Tarifabschlüsse jederzeit möglich sind, lassen sich potenzielle Reduktionen kaum in vergleichbarem Umfang realisieren. 127 Im Rahmen der Planung bedeutet dies, dass negative Abweichungen (Ist < Plan) durch systemimmanente Untergrenzen beschränkt sind, während positive Abweichungen (Ist > Plan) in potenziell größere Reichweite auftreten können. Die Risikostruktur der Personalkosten kann somit durch eine einseitig begrenzte Streuung charakterisiert werden, was bei der Auswahl geeigneter Verteilungen zu berücksichtigen ist. Die Personalaufwandsquote ist als Anteil der Personalaufwendungen an der Gesamtleistung bzw. an den Umsatzerlösen definiert und weist eine hohe branchenabhängige Heterogenität auf. In Industrieunternehmen bewegt sich diese Kennzahl typischerweise im Bereich von 20 bis 30 Prozent und liegt damit signifikant unter dem Niveau von Dienstleistungsunternehmen, bei denen Werte über 50 Prozent bis hin zu 70 Prozent auftreten. Ein hoher Personalaufwandsanteil weist auf einen ausgeprägten Fixkostenblock hin und verringert die betriebliche Anpassungsfähigkeit bei Veränderungen der Nachfrage. In personalintensiven Dienstleistungsbranchen können bereits moderate Abweichungen vom geplanten Umsatzniveau erhebliche Auswirkungen auf die Gewinnmarge haben. 128 127 Vgl. Baumeister, A., Kochems, T., Britz, F., 2020, S. 1410 ff. 128 Vgl. Knauer, T., 2010, S. 218 <?page no="70"?> 70 5 Übergang zur erwartungstreuen Planung Ausgangspunkt der Modellierung ist eine festgelegte Mindestquote, welche den unvermeidbaren Fixkostenanteil der Grundbelegschaft widerspiegelt. Diese Quote fungiert als untere Schranke und definiert das strukturell notwendige Kostenniveau, unter das der Personalaufwand in keiner Simulationsrealisierung fallen kann. Zur Abbildung dieses Verhaltens wird eine nach unten und oben trunkiert normalverteilte Zufallsvariable verwendet. Die Normalverteilung erlaubt eine symmetrische Modellierung der Abweichungen um den Planwert und bildet damit das intendierte Schwankungsverhalten realistisch ab. Der Erwartungswert wird auf die wahrscheinlichste Personalaufwandsquote gesetzt, die damit den Schwerpunkt der Verteilung bildet. Die untere Trunkierung auf Höhe der Mindestquote stellt sicher, dass keine Realisation unterhalb des strukturell notwendigen Personalaufwands auftritt. Neben der unteren Begrenzung kann auch eine obere Schranke festgelegt werden. Ihre Höhe richtet sich nach dem jeweiligen Einzelfall. Sie deckt mögliche Mehrbelastungen ab, verursacht durch Fluktuation, Einstellungsprozesse, variable Vergütung oder temporäre Leistungsschwächen. 129 5.3.5 Sonstige betriebliche Aufwendungen ‒ Schadensereignisse Ereignisorientierte Risiken stellen eine besondere Herausforderung für die Risikoquantifizierung dar. Sie führen im Falle ihres Eintritts zu außerplanmäßigen, meist einmaligen finanziellen Belastungen, die nicht in den regulären Planwerten enthalten sind. Ereignisorientierte Risiken führen zu sonstigen betrieblichen Aufwendungen. Hierzu zählen beispielsweise:  Produkthaftpflichtfälle,  Betriebsunterbrechungen oder  Cyberangriffe. Bei ereignisorientierten Risiken handelt es sich um Ereignisse, deren Eintritt zwar ungewiss, deren potenzielle finanzielle Wirkung jedoch erheblich ist. Da diese Risiken selten auftreten und schwer vorher- 129 Vgl. Spengler et al., 2025, S. 122 <?page no="71"?> 5.3 Risikoquantifizierung mit geeigneten Verteilungen 71 zusagen sind, bleiben sie in vielen Planungen unberücksichtigt. 130 Für die quantitative Modellierung ereignisorientierter Schadensrisiken ist ein anderer methodischer Ansatz erforderlich als bei kontinuierlich schwankenden Planungsgrößen wie Umsätzen oder Kostenquoten. Da Schadensrisiken unregelmäßig in jeder Planperiode auftreten, werden sie typischerweise durch zwei stochastische Komponenten modelliert:  Eine Verteilung bildet die Eintrittswahrscheinlichkeit des Schadensereignisses ab,  eine weitere beschreibt die Schadenshöhe je Eintritt. 131 Die Eintrittswahrscheinlichkeit wird durch eine diskrete Verteilung abgebildet, häufig eignet sich hierfür die Poisson- oder Binomial- Verteilung. 132 Die Binomial-Verteilung ist geeignet, wenn eine feste Anzahl von Risikoträgern vorliegt und jedes Einzelrisiko als unabhängiges Ereignis mit konstanter Eintrittswahrscheinlichkeit modelliert werden kann. Typisch ist dies in technischen Systemen mit homogen strukturierten Einheiten, beispielsweise Ausfälle in technischen Fertigungslinien, deren Ausfallwahrscheinlichkeit je Periode konstant ist. Die Gesamtzahl der Ereignisse entspricht dann der Anzahl der Erfolge in einer Serie von Bernoulli-Experimenten. Einschränkungen ergeben sich, wenn sich die Zahl der Risikoträger über die Zeit verändert oder eine Rückkehr zum Ausgangszustand, z. B. durch Reparatur möglich ist. 133 Demgegenüber eignet sich die Poisson-Verteilung besonders für Situationen, in denen die Anzahl der potenziellen Ereignisse unbegrenzt ist und das Risiko gleichförmig über die Zeit verteilt auftritt. Sie basiert allein auf dem Parameter λ, der die erwartete Ereignishäufigkeit pro Zeitraum ausdrückt. Damit ist sie auch bei geringer Datenverfügbarkeit gut anwendbar, da Experten häufig plausible Schätzungen für durchschnittliche Ereignisraten liefern können. Aufgrund ihrer einfachen Struktur, interpretierbaren Parametrik und hohen Anschlussfähigkeit an reale Szenarien ist die Poisson-Verteilung das am weitesten verbreitete Modell zur Abbildung von Eintrittshäufigkeiten im unternehmensweiten Risikomanagement. 134 130 Vgl. Gleißner, W., 2022, S. 252 131 Vgl. Gleißner, W., Wolfrum, M., 2019, S. 16 132 Vgl. Wehrspohn, U., Ernst, D., 2022, S. 1 133 Vgl. Wehrspohn, U., Ernst, D., 2022, S. 4 f. 134 Vgl. Wehrspohn, U., Ernst, D., 2022, S. 9 f. <?page no="72"?> 72 5 Übergang zur erwartungstreuen Planung Die Schadenshöhe pro Ereignis wird hingegen durch eine stetige Verlustverteilung beschrieben, die der empirisch typischen Struktur des zu modellierenden Risikos entspricht. 135 Die Lognormalverteilung ist eine asymmetrische, rechtsschiefe Verteilung, die ausschließlich positive Werte annimmt. Sie spiegelt die empirisch häufig anzutreffende Struktur wider, bei der Schadensereignisse meist geringe bis mittlere, in Ausnahmefällen jedoch sehr hohe Verluste verursachen. Je nach Anwendungszweck und verfügbarer Information existieren verschiedene Parametrisierungsansätze. Die klassische Form basiert auf den Parametern der zugrunde liegenden Normalverteilung, was analytisch präzise, aber für die praktische Interpretation oft wenig intuitiv ist. Alternativ können direkt der Erwartungswert und die Standardabweichung der lognormalverteilten Zufallsvariablen spezifiziert werden. Dies erleichtert die Kontrolle über die Größenordnung der simulierten Werte, erfordert jedoch ein fundiertes Verständnis statistischer Kennziffern. Eine weitere Möglichkeit besteht in der Festlegung der Verteilung anhand eines Erwartungswertes und eines ausgewählten Quantils, wodurch sich Experten an empirisch vertrauten Szenarien orientieren können. 136 Da die Lognormalverteilung auch sehr hohe Wertebereiche annimmt, kann zur Sicherstellung realistischer Schadensszenarien eine trunkierte Verteilung angewendet werden. Diese begrenzt den Wertebereich und verhindert die Berücksichtigung extremer Ausreißer, die außerhalb plausibler Schadensgrenzen liegen. 5.4 Zeitlogik und Fortschreibung in Mehrjahresplänen 5.4.1 Status quo In Unternehmensplanungen werden mehrjährige Prognosen relevanter Zielgrößen, wie den Umsatzerlösen, häufig auf Grundlage deterministischer Fortschreibungen erstellt, bei denen für jedes Planjahr feste Wachstumsannahmen hinterlegt sind. Diese Methodik führt regelmäßig zu nahezu exponentiellen Verläufen der Planwerte, da 135 Vgl. Vanini, U., Worm, F., 2024, S. 26 136 Vgl. Wehrspohn, U., Ernst, D., 2022, S. 32 f. <?page no="73"?> 5.4 Zeitlogik und Fortschreibung in Mehrjahresplänen 73 konstante prozentuale Steigerungsraten über mehrere Jahre hinweg kumuliert werden. 137 Eine solche Fortschreibung impliziert eine dauerhaft gleichmäßige Entwicklung, ohne strukturelle Umbrüche oder externe Begrenzungen zu berücksichtigen. Langfristige Wachstumspfade von Märkten und Unternehmen verlaufen nicht unbegrenzt, sondern sind durch interne wie externe Faktoren begrenzt. Marktsättigung, zyklische Abschwünge oder externe Schocks bedingen, dass sich Unternehmensentwicklungen nur selten entlang linearer Pfade vollziehen. 138 139 Auch der Einsatz von Verteilungsannahmen, wie beispielsweise Dreiecks- oder PERT-Verteilungen zur Abbildung alternativer Szenarien, kann in diesem Kontext zu Fehleinschätzungen führen, sofern die einzelnen Planjahre unabhängig voneinander modelliert werden. Ohne Berücksichtigung intertemporaler Abhängigkeiten entsteht eine künstliche Streuung möglicher Entwicklungen, bei der unrealistisch günstige Abfolgen mehrerer positiver oder negativer Planjahre nicht ausgeschlossen werden. 140 Diese Konstellationen widersprechen typischen Marktverläufen, die durch zyklische Phasen, Regressionstendenzen oder exogene Korrekturen geprägt sind. Ohne entsprechende Mechanismen bleibt die Mehrjahresplanung unempfindlich gegenüber übermäßigen Ausschlägen und kumulierten Abweichungen. Dies führt sowohl auf Ebene der Streuung als auch des Erwartungswerts zu systematischen Verzerrungen, wodurch das langfristige Ertragspotenzial überbzw. unterschätzt wird. Eine erwartungstreue Planung erfordert daher  neben dem Übergang zu stochastischen Modellen, die das Verhalten multiperiodischer Prozesse unter Unsicherheit abbilden können,  die Integration von Rückführungsmechanismen, um eine realitätsnahe Abbildung der Unternehmensentwicklung über mehrere Perioden hinweg sicherzustellen. 137 Vgl. Rieg, R., 2023, S. 423 138 Vgl. Gleißner, W., 2022, S. 243 139 Vgl. Vanini, U., Rieg, R., 2021, S. 116 f. 140 Vgl. Hinrichs, G., 2024, S. 75 ff. <?page no="74"?> 74 5 Übergang zur erwartungstreuen Planung 5.4.2 Stochastische Prozesse Zur Abbildung periodenübergreifender Risikostrukturen werden in den Finanzprognosen stochastische Prozesse eingesetzt. Bei einem stochastischen Prozess handelt es sich um eine zeitindizierte Gruppe von Zufallsvariablen 𝑋𝑋 𝑡𝑡 , wobei 𝑡𝑡 für die betrachtete Periode steht. Anders als bei deterministischen Funktionen sind die Werte von 𝑋𝑋 𝑡𝑡 nicht eindeutig vorherbestimmt, sondern unterliegen stochastischen Gesetzmäßigkeiten, die sich durch spezifische Struktureigenschaften beschreiben lassen. 141 Eine wesentliche Eigenschaft stochastischer Prozesse ist die Stationarität. Ein Prozess gilt als (schwach) stationär, wenn seine Verteilungseigenschaften über die Zeit konstant bleiben. Dies bedeutet, dass Erwartungswert und Varianz für alle Zeitpunkte existieren, zeitinvariant sind und dass die Autokovarianz ausschließlich von der Zeitdifferenz zwischen zwei Beobachtungen abhängt. In einem stationären Prozess erfolgen Schwankungen um ein stabiles Gleichgewichtsniveau, ohne dass sich systematische Trends im Mittelwert etablieren. Demgegenüber verändern sich bei nicht-stationären Prozessen die Verteilungsmomente im Zeitverlauf. 142 Ein weiteres charakteristisches Merkmal vieler in der finanzwirtschaftlichen Praxis verwendeter Prozesse ist die Markov-Eigenschaft. Die Markov-Eigenschaft besagt, dass die Übergangswahrscheinlichkeiten des Prozesses ausschließlich vom aktuellen Zustand abhängen, nicht jedoch von dessen Vorgeschichte. Formal ausgedrückt bedeutet dies: 𝑃𝑃( 𝑋𝑋 𝑡𝑡+1 = 𝑥𝑥 ∣∣ 𝑋𝑋 𝑡𝑡 , 𝑋𝑋 𝑡𝑡−1 , … ) = 𝑃𝑃( 𝑋𝑋 𝑡𝑡+1 = 𝑥𝑥 ∣∣ 𝑋𝑋 𝑡𝑡 ) . 141 Vgl. Neusser, K., 2025, S. 9 142 Vgl. Neusser, K., 2025, S. 11 <?page no="75"?> 5.4 Zeitlogik und Fortschreibung in Mehrjahresplänen 75 Ein solcher Prozess verfügt über kein langfristiges Gedächtnis. Die Relevanz dieses Konzepts liegt in der Möglichkeit, zukünftige Entwicklungen allein aus dem gegenwärtigen Zustand heraus modellieren zu können, was die analytische Zugänglichkeit signifikant erhöht. 143 Zu den fundamentalen Typen nicht-stationärer stochastischer Prozesse zählen der Wiener-Prozess sowie die darauf aufbauende geometrische Brownsche Bewegung. Der Wiener-Prozess beschreibt eine zeitstetige Zufallsbewegung, bei der die betrachtete Größe in jedem noch so kleinen Zeitintervall stochastisch variiert. Der Erwartungswert dieses Prozesses bleibt, bei Abwesenheit eines Driftterms, zwar konstant, jedoch steigt die Varianz linear mit dem Zeitverlauf an. Damit fehlt jegliche Stabilisierungstendenz, sodass die Prozessrealisationen mit wachsendem Zeithorizont beliebig weit vom Ausgangswert abweichen können. Eine Rückführung zum Mittelwert findet nicht statt. Auf Wachstumsraten des Umsatzes übertragen bedeutet dies, dass es keine systemimmanente Korrektur in Annäherung an ein langfristiges Gleichgewicht gibt. Sowohl positive als auch negative Extremausprägungen können sich uneingeschränkt fortsetzen. 144 Im Kontext der Unternehmensplanung erscheint dieses Verhalten kaum realistisch: Nachhaltig hohe Wachstumsraten werden in der Regel durch strukturelle Kapazitätsgrenzen, Markteintrittsbarrieren oder zunehmenden Wettbewerb limitiert, während starke Rückgänge typischerweise durch Marktanpassungen oder regulatorische Eingriffe abgefedert werden. Die geometrische Brownsche Bewegung stellt eine Erweiterung des Wiener-Prozesses dar und liegt zahlreichen finanzökonomischen Modellen zugrunde, beispielsweise dem Black-Scholes-Modell zur Bewertung von Optionen, da sie stets positive Ausprägungen aufweist. Formal basiert sie auf einer stochastischen Differentialgleichung, bei der die relative Änderungsrate einer Größe proportional zu deren aktuellem Niveau ist. 145 Die Anwendung einer geometrischen Brownschen Bewegung auf die Umsatzerlösplanung würde ein un- 143 Vgl. Bloss, M., 2024 S. 36 f. 144 Vgl. Imkamp, T., Proß, S., 2023, S.148 f. 145 Vgl. Imkamp, T., Proß, S., 2023, S. 299 f. <?page no="76"?> 76 5 Übergang zur erwartungstreuen Planung begrenztes, stetiges Wachstum unterstellen, bei dem sich die erwarteten Zuwächse unabhängig vom Ausgangsniveau kontinuierlich fortsetzen können, ohne dass natürliche Marktneigungen, Kapazitätsgrenzen oder konjunkturelle Rückwirkungen berücksichtigt werden. In frühen Entwicklungsphasen wachstumsorientierter Unternehmen könnte eine geometrische Brownsche Bewegung kurzfristig als Annäherung an reale Umsatzentwicklungen dienen, insbesondere wenn hohe Chancen und Expansionspotenziale vorherrschen. Für mittelbis langfristige Planungen erweist sich dieses Modell jedoch als unzureichend, da es mit konstanten Drift- und Varianzraten zu unsachgemäßen Ergebnissen bzw. Bandbreiten führen kann. 146 Die konzeptionelle Verbindung dynamischer Anfangsentwicklung mit späterer Stabilisierung könnte in Abhängigkeit des realwirtschaftlichen Kontextes eine fundierte Grundlage für konsistente Planmodelle bieten. 5.4.3 Stochastische Prozesse mit Mean-Reversion Mean-Reversion bezeichnet das Verhalten stochastischer Prozesse, deren Realisationen dazu tendieren, nach Abweichungen wieder in die Nähe eines langfristigen Gleichgewichtsniveaus zurückzukehren. Charakteristisch ist ein driftgetriebener Rückführungseffekt, der die Dynamik des Prozesses stabilisiert und extreme Abweichungen dämpft. Ein stetiges Modell mit dieser Eigenschaft ist der Ornstein- Uhlenbeck-Prozess (OU). Er wird durch die stochastische Differentialgleichung 𝑑𝑑𝑋𝑋 𝑡𝑡 = θ (μ − 𝑋𝑋 𝑡𝑡 ) 𝑑𝑑𝑡𝑡 + σ 𝑑𝑑𝑊𝑊 𝑡𝑡 beschrieben, wobei μ das langfristige Gleichgewicht, θ > 0 die Stärke der Rückführung und σ die Volatilität angibt. Die deterministische Komponente θ(μ − 𝑋𝑋 𝑡𝑡 ) bewirkt, dass der Prozesswert bei positiven Abweichungen vom Mittelwert sinkt und bei negativen steigt. Die stochastische Variation wird durch den Wiener-Prozess 𝑊𝑊 𝑡𝑡 erzeugt. Die Realisationen oszillieren dabei um das Gleichgewicht, ohne langfristig zu driften. 147 146 Vgl. Schwartz, E., Moon, M., 2000, S. 62 ff. 147 Vgl. Bloss, M., 2024, S. 45 f. <?page no="77"?> 5.4 Zeitlogik und Fortschreibung in Mehrjahresplänen 77 Im Rahmen von Umsatzplanungen, in denen die zugrundeliegenden Einflussgrößen, beispielsweise periodische Wachstumsraten, bereits durch spezifizierte Zufallsverteilungen (z. B. PERT-Verteilungen) stochastisch ausgestaltet sind, kann auf die zusätzliche Einbeziehung einer eigenständigen diffusionsgetriebenen Störtermkomponente im OU -Prozess weitgehend verzichtet werden. In solchen Fällen fungiert die realisierte Zufallsausprägung der zugrunde liegenden Verteilung funktional als stochastischer Impuls innerhalb der Rückführungsdynamik, wodurch die Rolle des Wiener-Prozess getriebenen Rauschens teilweise substituiert wird. Dies erlaubt eine interpretierbare Mean-Reversion-Struktur, welche auf den jeweils realisierten, bereits volatilitätsbehafteten Planungspfad reagiert und die mittelfristige Rückkehr zum Gleichgewichtsniveau modellkonsistent gewährleistet. Aus betriebswirtschaftlicher Sicht sprechen mehrere Gründe für die Modellierung von Umsatzgrößen mit einem Mean-Reverting-Ansatz:  Außergewöhnliche Wachstumsraten lassen sich erfahrungsgemäß langfristig nicht unbegrenzt aufrechterhalten.  Unternehmen unterliegen strukturellen Begrenzungen durch Wettbewerb, Marktsättigung und nachlassende Skaleneffekte.  Hohe Zuwächse in frühen Entwicklungsphasen gehen typischerweise mit einer fortschreitenden Annäherung an eine nachhaltige Wachstumsgeschwindigkeit einher. 148 Auch im Kontext der Unternehmensbewertung liefert Mean-Reversion methodische Vorteile. In Discounted-Cashflow-Modellen folgt auf die Detailplanungsphase eine ewige Rente mit konstantem Wachstum. Wenn innerhalb der Detailperiode ein stochastisches Mean- Reversion-Modell angewendet wird, erfolgt die Annäherung an diese langfristige Wachstumsrate bereits integriert im Modell. Dadurch entsteht ein konsistenter Übergang zur Phase der ewigen Rente. Ohne diese Eigenschaft müssten unrealistisch hohe Wachstumsannahmen abrupt reduziert werden, was zu Brüchen in der Argumentation und methodischen Inkonsistenzen führen kann. Der IDW ES 1 erklärt dazu: „Im Einzelfall kann es zur Abbildung von wesentlichen mittel- und langfristigen Trends sowie Transformationsprozessen sachgerecht sein, eine Übergangsphase zu planen, deren Länge individuell festzulegen ist.“ 149 148 Vgl. Schneck, S., Arndt, Wolter, H., 2015, S. 13 f. 149 IDW ES 1, Tz. 66 <?page no="78"?> 78 5 Übergang zur erwartungstreuen Planung Die Mittelwertrückführung sorgt somit nicht nur für eine realistische Abbildung der Wachstumsdynamik, sondern stellt auch die Anschlussfähigkeit der Planungsrechnung an die Bewertungslogik sicher und erfüllt damit die Anforderung des IDW ES1 an eine sachgerechte Trendanpassung, ohne explizit eine Übergangsphase festzulegen. 5.5 Simulationsbasierte Risikoaggregation und Risikomaße Die Risikoaggregation verfolgt das Ziel, die Gesamtrisikoposition eines Unternehmens quantitativ zu bestimmen und zugleich die relative Bedeutung einzelner Risikofaktoren zu ermitteln. Dabei ist insbesondere der Einfluss stochastischer Interdependenzen zwischen den Einzelrisiken zu berücksichtigen. Die Aggregation erfasst somit nicht nur die isolierten Auswirkungen individueller Risikoquellen, sondern bildet auch deren Wechselwirkungen und etwaige Kombinationseffekte konsistent ab. 150 151 Voraussetzung für eine belastbare Risikoaggregation ist die vorgelagerte Modellierung sämtlicher relevanter Risikogrößen hinsichtlich ihrer Eintrittswahrscheinlichkeit, ihrer quantitativen Auswirkung sowie ihrer gegenseitigen Abhängigkeiten. 152 Im Rahmen einer integrierten erwartungstreuen Planung sind damit Risikoaggregationsverfahren erforderlich, die  Risiken abbilden können, die durch beliebige Wahrscheinlichkeitsverteilungen beschrieben werden,  auch nichtadditive Verknüpfungen, wie etwa multiplikative Zusammenhänge, zwischen Risiken berücksichtigen können und  eine direkte Verknüpfung zur Unternehmensplanung herstellen. 153 Von den verfügbaren Methoden zur Risikoaggregation ist allein die Monte-Carlo-Simulation in der Lage, die genannten Anforderungen umfassend zu erfüllen. Sie erlaubt es, auch komplexe Planungsmodelle mit hoher Genauigkeit abzubilden. Im Kern handelt es sich um eine stochastische Analyse, bei der zahlreiche potenzielle Zukunftsszenarien eines 150 Vgl. Mochty, L., Hoffmann, D., Hülsberg, F., 2018, S. 3061 151 Vgl. Barth, T., Ernst, D., Marx, S., 2023, S. 114 152 Vgl. RMA (Hrsg.), 2021, S. 27 153 Vgl. Gleißner, W., Wolfrum, M., 2019, S. 6 f. <?page no="79"?> 5.5 Simulationsbasierte Risikoaggregation und Risikomaße 79 Unternehmens simuliert werden, um die resultierenden Auswirkungen auf zentrale Steuerungsgrößen sichtbar zu machen. 154 In der praktischen Anwendung werden beispielsweise 100.000 unabhängige Simulationen eines Planungsjahres auf Basis eines Excel-Modells durchgeführt. 155 In jedem Durchlauf wird eine Ausprägung der Gewinn- und Verlustrechnung berechnet, wobei Zufallszahlen verwendet werden, die den zugrunde liegenden Wahrscheinlichkeitsverteilungen der identifizierten Risiken entsprechen. Die Durchführung einer Monte-Carlo-Simulation folgt einem standardisierten Ablauf, der sich in wenige Phasen gliedern lässt: [1] Erzeugung der für die Simulation erforderlichen Zufallszahlen. [2] Transformation dieser Zufallszahlen in die gewünschten Wahrscheinlichkeitsverteilungen. [3] Durchführung eines einzelnen Simulationsschritts auf Basis der gezogenen Zufallszahlen und der zugrunde liegenden Verteilungen. [4] Wiederholung der Schritte 1 und 2, bis eine ausreichende Anzahl an Simulationen vorliegt, um stabile Verteilungen und belastbare statistische Kennzahlen zu erhalten. [5] Ermittlung von Risikomaßen zur Interpretation der Ergebnisse. 156 Im Grundsatz lässt sich die Monte-Carlo-Simulation als Stichprobenverfahren verstehen: Durch die wiederholte Ziehung aus den zugrunde liegenden Wahrscheinlichkeitsverteilungen wird eine Vielzahl potenzieller Zukunftsszenarien generiert. Daraus lassen sich belastbare Aussagen über die Gesamtheit der möglichen Zukunftsszenarien ableiten. 157 Ein Blick auf die unterschiedlichen Szenarien der Simulationsläufe zeigt, dass in jedem Durchlauf grundsätzlich eine andere Kombination von Risikokonstellationen auftritt. Dadurch entsteht für jeden Simulationsschritt ein individueller Wert der jeweils betrachteten Zielgröße, wie etwa des Gewinns oder des Cashflows. Die Gesamt- 154 Vgl. Gleißner, W., 2017, S. 158 f. 155 Vgl. Vanini, U., Worm, F., 2024, S. 103 156 Vgl. Gleißner, W., Wolfrum, M., 2019, S. 26 157 Vgl. RMA (Hrsg.), 2021, S. 68 <?page no="80"?> 80 5 Übergang zur erwartungstreuen Planung heit aller Durchläufe bildet eine repräsentative Stichprobe möglicher Risikoszenarien des Unternehmens. Das Verfahren ersetzt damit die analytisch kaum lösbare Aggregation unterschiedlich verteilter Risiken durch eine numerisch einfache, aber zugleich vielfache Auswertung konkreter Risikorealisierungen. Aus den so gewonnenen Realisationen der Zielgröße lassen sich aggregierte Wahrscheinlichkeitsverteilungen in Form von Dichtefunktionen ableiten, die als Grundlage für weiterführende Analysen dienen. So lässt sich eine Bandbreite von wahrscheinlichen Unternehmensentwicklungen quantifizieren. 158 159 Zur Interpretation der erwartungstreuen Planung werden unterschiedliche Risikomaße herangezogen, die grundlegende Eigenschaften der Ergebnisverteilungen in quantitativer Form verdichten. Risikomaße ermöglichen eine differenzierte Analyse hinsichtlich  Lage,  Streuung und  Verhalten in den Randbereichen. Gegenstand der Betrachtung sind  Erwartungswert,  Standardabweichung,  Variationskoeffizient,  Value at Risk (VaR) sowie  Expected Shortfall (Conditional Value at Risk, CVaR). Jedes dieser Maße eröffnet eine eigene analytische Perspektive auf die Verteilung und trägt zur Beurteilung der Planung beziehungsweise der zugrunde liegenden Annahmen im Hinblick auf deren Tragfähigkeit, Konsistenz und Plausibilität bei. Der Erwartungswert einer Zielgröße ist der arithmetische Mittelwert der Verteilung und gibt den durchschnittlich zu erwartenden Wert über alle simulierten Szenarien an. Obwohl der Erwartungswert häufig als Kennzahl verwendet wird, gilt er nicht als Risikomaß im engeren Sinne, da er lediglich die Lage der 158 Vgl. Gleißner, W., Wolfrum, M., 2019, S. 25 159 Vgl. Barth, T., Ernst, D., Marx, S., 2023, S. 115 <?page no="81"?> 5.5 Simulationsbasierte Risikoaggregation und Risikomaße 81 Verteilung beschreibt, ohne Informationen über deren Streuung zu liefern. Für die Abweichungsanalyse ist der Erwartungswert dennoch bedeutsam, da er die Vergleichsbasis zwischen geplanten und realisierten Werten bildet und Hinweise auf systematische Chancen oder Risiken liefern kann. 160 Die Standardabweichung ist die durchschnittliche Abweichung der Simulationsergebnisse vom Erwartungswert und dient als lageunabhängiges Maß für die Schwankung einer Zielgröße. Höhere Werte deuten auf größere Ergebnisvariabilität und geringere Planungssicherheit hin, während niedrigere Werte eine stärkere Konzentration der Szenarien um den Erwartungswert anzeigen. Abhängig von der Schwankungstoleranz des Managements kann eine hohe Standardabweichung als Indikator für die Notwendigkeit zusätzlicher Puffer oder risikodiversifizierender Maßnahmen interpretiert werden. 161 Der Variationskoeffizient setzt die Standardabweichung ins Verhältnis zum Erwartungswert und bildet damit ein dimensionsloses Maß für die relative Streuung. Er eignet sich insbesondere zum Vergleich der Ergebnisvolatilität zwischen quantitative Steuerungsgrößen verschiedener Ordnungen. Ein hoher Variationskoeffizient signalisiert eine ausgeprägte relative Volatilität, während ein niedriger Wert auf eine stabilere Planungsbasis hinweist. In der Monte-Carlo-Simulation kann 𝑉𝑉 für jede relevante Größe berechnet werden, um die risikobezogene Aussagekraft einzelner Planungsgrößen zu bewerten und risikogerechte Anforderungen, etwa in Form von Zuschlägen oder Renditeerwartungen, abzuleiten. 162 Die Value „at Risk“-Maße (VaR) sind perzentilbasierte Downside-Risikomaße, die angeben, welcher Schwellenwert mit 160 Vgl. RMA (Hrsg.), 2021, S. 512 161 Vgl. Vanini, U., Worm, F., 2024, S. 27 f. 162 Vgl. Gleißner, W., Wolfrum, M., 2019, S. 20 <?page no="82"?> 82 5 Übergang zur erwartungstreuen Planung einer festgelegten Wahrscheinlichkeit innerhalb eines definierten Zeitraums nicht unterschritten wird. 163 Formal entsprechen „at Risk“-Maße dem p-Quantil der jeweiligen Verteilung. Sie trennen die typischen von den randseitigen Szenarien und werden häufig als Schwellenwerte realistischer Höchstausprägungen interpretiert. Als lageabhängige Kennzahlen hängen „at Risk“-Maße von der Position der Verteilung ab und verändern sich mit der Verschiebung des Erwartungswerts. Sie werden genutzt, um risikobezogene Schwellenwerte zu bestimmen, die bei der Ableitung notwendiger Risikopuffer oder Liquiditätsreserven als Referenz dienen können. Ihre Aussagekraft bleibt jedoch auf das jeweilige Quantil beschränkt. Informationen über die Ausprägungen jenseits dieses Schwellenwerts liefern sie nicht. 164 Der Expected Shortfall (auch Conditional Value at Risk, CVaR) ist ein erweitertes Downside-Risikomaß, das über das dem jeweiligen „at Risk“-Maß zugrunde liegende Konfidenzniveau hinausgeht. Er beschreibt den bedingten Erwartungswert der Zielgröße in jenem Bereich der Verteilung, in dem der festgelegte „at Risk“-Schwellenwert überschritten wird. 165 Im Falle des klassischen Value at Risk beantwortet der Expected Shortfall die Frage: „Welcher durchschnittliche Verlust ist zu erwarten, wenn der Schwellenwert des Value at Risk überschritten wird? “. Im Unterschied zu quantilbasierten Risikomaßen wie dem Value at Risk erfasst der CVaR nicht nur die Eintrittswahrscheinlichkeit ungünstiger Entwicklungen, sondern auch deren durchschnittliche Intensität. Als kohärentes Risikomaß findet er insbesondere Anwendung bei der Analyse der Risikotragfähigkeit unter Extrembedingungen. Die Monte-Carlo-Simulation erweist sich somit als methodisches Werkzeug, das die konzeptionellen Anforderungen einer erwartungstreuen Planung operationalisiert. 166 163 Vgl. Bloss, M., 2024, S. 70 ff. 164 Vgl. Vanini, U., Worm, F., 2024, S. 29 f. 165 Vgl. Ernst, D., Häcker, J., 2021, S. 99 166 Vgl. IDW ES 1, Tz. 51 <?page no="83"?> 6 Fallstudie: Von der Managementplanung zur erwartungstreuen Unternehmensplanung 6.1 Unternehmenspräsentation Das folgende Praxisbeispiel illustriert die Transformation einer klassisch deterministischen Managementplanung in eine erwartungstreue Unternehmensplanung. Die Media DOOH GmbH („MEDO“) ist ein mittelständisches Unternehmen, das sich auf Digital Out of Home (DOOH)-Werbung in innerstädtischen Lagen spezialisiert hat. Ihr Geschäftszweck liegt in der Vermarktung digitaler Werbeflächen an hoch frequentierten öffentlichen Orten. Dieser Markt für digitale Außenwerbung verzeichnet seit Jahren überdurchschnittliche Wachstumsraten. 167 Führende Wettbewerber wie Ströer und WallDecaux treiben die Digitalisierung von Werbeflächen intensiv voran. 168 Die MEDO agiert daher in einem dynamischen und schnell wachsenden Markt. Neben der Vermarktung der digitalen Werbeflächen erfolgt die Installation und der Betrieb ebenfalls durch die MEDO. Wesentliche Grundlage des Geschäfts sind langfristige Exklusivverträge mit Standortpartnern, etwa mit Städten, Verkehrsunternehmen oder privaten Standortinhabern. So verfügt MEDO z. B. über exklusive Rechte zur Installation digitaler Werbeträger an frequentierten Standorten wie Tankstellen oder Bushaltestellen. Diese Werberechte werden branchenüblich in mehrjährigen Verträgen vergeben. Im Fall der MEDO bedeuten die Exklusivvereinbarungen, dass für die Laufzeit des Vertrags allein MEDO die Werbeflächen an den betreffenden Standorten betreibt und vermarktet. Im Gegenzug übernimmt das Unternehmen eine Betriebspflicht: Es muss die digitalen Screens während der gesamten Vertragsdauer funktionsfähig unterhalten und mit Inhalten bespielen. Die Erlösquelle der MEDO besteht in den Vermarktungserlösen aus dem Verkauf der Anzeigenschaltungen entweder direkt an 167 Vgl. Fachverband Aussenwerbung e.V.: https: / / faw-ev.de/ pressemitteilungen/ 469ooh-im-neuen-all-time-high, Abruf am 07.07.2025 168 Vgl. Ohne Verfasser: https: / / www.stroeer.de/ newsroom/ presse/ stroeer-erstes-quartal-2025-mit-rekordwerten-bei-umsatz-und-ergebnis/ , Abruf am 07.07.2025 <?page no="84"?> 84 6 Fallstudie Werbungtreibende oder vermittels programmatischer Buchungssysteme (Handelsplattformen). Um die Aussagekraft und Angemessenheit der resultierenden Plangrößen bewerten zu können, ist eine sorgfältige Analyse dieses Planungserstellungsprozesses unerlässlich. 6.2 Analyse des Planungsprozesses Im Rahmen der Analyse des unternehmensinternen Planungsprozesses der MEDO wurden sowohl Planungsunterlagen (z. B. strategische Zielvorgaben, Jahresplanentwürfe) als auch Protokolle von Gesellschafterversammlungen ausgewertet und ergänzend leitfadengestützte Interviews mit Mitarbeitenden aus verschiedenen Fachbereichen durchgeführt. Ziel war es, ein strukturiertes Verständnis über Aufbau, Ablauf und Charakteristika der Unternehmensplanung zu gewinnen. Aus den erhobenen Informationen ergibt sich ein konsistentes Bild: Die Planung folgt einem streng deterministischen Top-down-Ansatz. Wesentliche Zielgrößen, insbesondere im Hinblick auf Umsatzentwicklung, Ertragslage und Expansionspfade, wurden im Vorfeld durch die Geschäftsführung definiert und anschließend durch die nachgelagerten Bereiche in operative Teilpläne überführt. Aus prüferischer Sicht stellt sich die Frage, inwieweit die vorgegebenen Planzahlen als realistische Erwartungswerte oder eher als ambitionierte Steuerungsgrößen bzw. Zielvorgaben zu verstehen sind. Zielvorgabenorientierte Planungen neigen erfahrungsgemäß dazu, Chancen und Gefahren nur unvollständig abzubilden, vergangenheitsbezogene Trends unreflektiert fortzuschreiben und potenzielle strukturelle Brüche in der Unternehmensentwicklung zu vernachlässigen. In der Planung der MEDO fehlt eine systematische Quantifizierung von Risiken und es wurden weder Stresstests noch alternative Szenarien zur Abbildung nachteiliger Marktentwicklungen berücksichtigt. Die Planungsprämissen, wie etwa das unterstellte dauerhaft zweistellige Wachstum, könnten sich vorrangig an vorgegebenen Zielwerten orientieren und weniger auf einer realistischen Einschätzung von Eintrittswahrscheinlichkeiten und Ergebnisstreuungen basieren. Im Rahmen der durchgeführten Interviews mit Fachbereichsverantwortlichen ergaben sich zudem Hinweise auf einen deutlichen Anpassungsdruck im Planungsprozess. Operative Teilpläne wurden <?page no="85"?> 6.2 Analyse des Planungsprozesses 85 demnach so lange überarbeitet, bis die von der Geschäftsführung vorgegebenen Kennzahlen erreicht waren. Die Angemessenheit und Plausibilität der deterministischen Planung werden daher im weiteren Verlauf der Fallstudie vertieft untersucht. Die Rechnungswerke der Planung werden einer quantitativen Überprüfung unterzogen, wobei die Erkenntnisse aus der Analyse des topdown-geprägten Planungsprozesses bei allen weiteren Prüfungsschritten systematisch berücksichtigt werden. Nachfolgend wurde die integrierte Mehrjahresplanung der MEDO (Abbildung 3) auf formale Konsistenz und innere Plausibilität geprüft. Im Fokus standen die rechnerische Verknüpfung der Teilpläne (GuV, Bilanz, Cashflow) sowie die logische Stimmigkeit der Annahmen zu Wachstum, Kosten und Finanzierungsvolumina. MEDO GmbH FY t -1 FY t 0 FY t 1 FY t 2 FY t 3 Werte in EUR Ist Ist Plan Plan Plan Anzahl Screens 800 800 800 1.000 1.200 Umsatzerlöse 8.334.719 10.189.058 15.283.587 22.925.381 34.388.071 Vertriebsaufwendungen 2.283.799 2.838.482 3.264.254 3.753.892 4.316.976 Personalaufwand 854.133 685.287 685.287 685.287 685.287 Energieaufwand 556.838 530.795 477.716 525.487 578.036 Betriebliche Aufwendungen 538.800 425.438 361.622 379.703 398.689 Instandhaltungsaufwendungen 178.440 186.410 195.731 205.518 215.793 Softwarelizenzen 106.040 96.897 101.742 104.285 106.892 Aufwendungen 4.518.050 4.763.310 5.086.352 5.654.173 6.301.673 EBITDA 3.816.669 5.425.749 10.197.235 17.271.208 28.086.398 Aufwand Rückbauverpflichtungen 119.368 102.307 104.865 107.487 110.174 Abschreibungen Anlageninventar 1.589.065 1.861.899 1.725.482 1.725.482 1.725.482 Abschreibungen immaterielle Vermögensgegestände 25.562 25.649 25.606 25.606 25.606 EBIT 2.082.674 3.435.893 8.341.283 15.412.634 26.225.136 Finanzergebnis -484.706 -657.071 -406.307 -136.195 40.970 Zinsertrag 61.787 32.463 54.451 119.562 106.458 Zinsaufwand - Gesellschafterdarlehen 135.270 135.270 135.269 60.269 0 Zinsaufwand - Kreditinstitute 411.224 554.264 325.488 195.488 65.488 EBT 1.597.968 2.778.822 7.934.976 15.276.438 26.266.106 Ertragsteuern 503.360 875.329 2.499.517 4.812.078 8.273.823 EAT 1.094.608 1.903.493 5.435.459 10.464.360 17.992.283 Cash zu Beginn der Periode 3.733.880 3.630.039 7.970.798 7.097.182 CF Operativ 3.331.062 9.866.459 15.062.859 23.806.334 EaT 1.903.493 5.435.459 10.464.360 17.992.283 Abschreibungen 1.887.548 1.751.088 1.751.088 1.751.088 Rückstellungen Rückbau -123.112 104.865 107.487 110.174 Rückstellungen sonstige exkl. ZinsRst 72.763 35.719 0 0 Steuerrückstellungen 371.969 1.602.765 2.312.561 3.461.745 Working capital -781.599 936.564 427.363 491.045 Forderungen LuL, Vorräte, Sonstige -264.394 -101.363 -636.816 -955.224 Verbindlichkeiten LuL, Sonstige -517.205 1.037.926 1.064.179 1.446.269 CF Investitionen -379.348 -525.700 -4.025.700 -4.025.700 Nettoinvestitionen Anlageninventar -379.261 -500.000 -4.000.000 -4.000.000 Nettoinvestitionen immaterielles Vermögen -87 -25.700 -25.700 -25.700 CF Finanzierung -3.055.556 -5.000.000 -11.910.775 -11.007.504 Stammkapital Nettoveränderungen Gesellschafterdarlehen -3.000.000 -2.410.775 Nettoveränderungen Verbindlichkeiten Kreditinstitute -3.055.556 -2.000.000 -2.000.000 -1.007.504 Ausschüttungen -7.500.000 -10.000.000 Veränderungen des Finanzmittelfonds -103.841 4.340.759 -873.617 8.773.131 Cash zu Ende der Periode 3.630.039 7.970.798 7.097.182 15.870.312 GuV Cash Flow <?page no="86"?> 86 6 Fallstudie Abbildung 3: Managementplanung der MEDO 6.3 Formelle Konsistenz- und Plausibilitätsanalyse 6.3.1 Rechnerische Konsistenz der integrierten Planung Die technische Rechenlogik im Excel-Modell erwies sich als konsistent. In der GuV stimmen alle Zwischensummen rechnerisch: Beispielsweise ergibt sich in jedem Planjahr das EBITDA als Differenz aus Umsatzerlösen und den Aufwendungen, das EBIT als EBITDA abzüglich Abschreibungen auf das Sachanlagevermögen und immaterielle Vermögen sowie die Dotierung von Rückstellungen für Rückbauverpflichtungen, und der Jahresüberschuss als EBIT abzüglich Finanzergebnis und Steuern. Rechenfehler oder fehlerhafte Zellverweise wurden nicht festgestellt. Auch die Bilanz ist in jedem Planjahr vollständig ausgeglichen. Für sämtliche Perioden stimmen die Summen der Aktiv- und Passivseite exakt überein. Die Kapitalflussrechnung ist schlüssig mit GuV und Bilanz verknüpft. Die Netto-Cashflows stimmen exakt mit den Veränderungen des Liquiditätsbestands überein. Zwischen Ende t 0 und Ende t 1 steigt der erwartete Bestand an liquiden Mitteln von 3.630 TEUR auf 7.971 TEUR, was einer Zunahme um 4.341 TEUR entspricht ‒ exakt dem im Cashflow-Plan ausgewiesenen Nettozufluss für das Jahr t 1 . Auch in den Folgejahren lassen sich die Veränderungen der Zahlungsmittel nachvollziehbar durch operative Cashflows, Investitionen und Finanzie- AKTIVA 18.093.623 16.745.975 19.962.709 22.000.521 34.003.489 Anlageninventar 12.920.705 11.438.067 10.212.585 12.487.103 14.761.621 Immaterielle Vermögensgegestände 156.808 131.246 131.341 131.435 131.530 Vorräte 43.027 21.514 0 0 0 Forderungen aus Lieferungen und Leistungen 1.009.128 1.150.756 1.273.632 1.910.448 2.865.673 Liquide Mittel 3.733.880 3.630.039 7.970.798 7.097.182 15.870.312 Sonstige Aktiva 230.073 374.353 374.353 374.353 374.353 PASSIVA 18.093.623 16.745.975 19.962.709 22.000.521 34.003.489 Stammkapital 25.000 25.000 25.000 25.000 25.000 Ergebnisvortrag 201.452 1.296.060 3.199.553 1.135.012 1.599.372 Ergebnis 1.094.608 1.903.493 5.435.459 10.464.360 17.992.283 Eigenkapital 1.321.060 3.224.553 8.660.012 11.624.372 19.616.655 Steuerrückstellungen 524.784 896.753 2.499.517 4.812.078 8.273.823 Rückstellungen Rückbau 661.855 538.743 643.608 751.095 861.269 Rückstellungen sonstige 291.518 364.281 400.000 400.000 400.000 Verbindlichkeiten gegenüber Kreditinstituten 8.063.059 5.007.504 3.007.504 1.007.504 0 Verbindlichkeiten aus Lieferungen und Leistungen 1.138.298 790.432 1.528.359 2.292.538 3.438.807 Gesellschafterdarlehen 5.410.775 5.410.775 2.410.775 0 0 Sonstige Verbindlichkeiten 682.274 512.935 812.935 1.112.935 1.412.935 Bilanz <?page no="87"?> 6.3 Formelle Konsistenz- und Plausibilitätsanalyse 87 rungsvorgänge erklären. Logische Brüche oder Inkonsistenzen wurden nicht festgestellt. Weiterführenden Prüfungen der rechnerischen Konsistenz sind in der Regel notwendig, werden im Rahmen dieser Fallstudie jedoch nicht näher betrachtet. 6.3.2 Annahmen Konsistenz Eine integrierte Planung muss sicherstellen, dass Investitionen, Abschreibungen, Rückstellungen und Ergebnisverwendung sachlogisch miteinander verknüpft sind. Ab t 2 steigen die jährlichen Nettoinvestitionen in Sachanlagen der MEDO auf 4.000 TEUR. Diese Investitionen erhöhen das Anlageninventar von 10.213 TEUR im Geschäftsjahr t 1 auf 14.762 TEUR zum Bilanzstichtag t 3 und sind in der Cashflow-Rechnung zutreffend als Auszahlungen erfasst. Auffällig ist jedoch, dass die Abschreibungen auf Sachanlagen (Anlageninventar) trotz des höheren Anlagevermögens in den Jahren t 1 bis t 3 unverändert bei etwa 1.725 TEUR pro Jahr liegen. Zusätzliche Anlagenzugänge führen in der Regel zu höheren jährlichen Abschreibungen, sofern es sich nicht um nicht planmäßig abschreibungsfähige Vermögensgegenstände wie Grundstücke handelt. Die konstante Abschreibungsquote deutet darauf hin, dass die Abschreibungen nicht dynamisch aus Investitionswerten und Nutzungsdauern berechnet wurden, sondern manuell fixiert sind (Hardcoding-Risiko). Dies stellt eine Inkonsistenz in der Rechenlogik dar, da der Zusammenhang zwischen Investitionen und Abschreibungen nicht abgebildet wird. Die sonstigen Rückstellungen sind für die Jahre t 1 bis t 3 ebenfalls konstant geplant, was auf eine pauschale Fortschreibung ohne Berücksichtigung erwarteter Veränderungen in den zugrunde liegenden Verpflichtungen hinweist. Zusammenfassend weist die Excel-Planung der MEDO keine arithmetischen Fehler auf. Alle Berechnungen folgen den vorgesehenen Formeln und die integrative Verknüpfung der Teilpläne funktioniert formal korrekt. Dennoch lassen sich einige modelllogische Unstimmigkeiten erkennen, etwa die gleichbleibende Höhe der Abschreibungen trotz eines wachsenden Anlagevermögens sowie die über mehrere Jahre konstant angesetzten Rückstellungen, deren Angemessenheit kritisch zu hinterfragen ist. Diese Aspekte werden im nächsten Schritt im Hinblick auf ihre materielle Plausibilität eingehender analysiert. <?page no="88"?> 88 6 Fallstudie 6.4 Analyse der internen Plausibilität 6.4.1 Gewinn- und Verlustrechnung Im Rahmen der Analyse der internen Plausibilität wird geprüft, ob die Planungsannahmen sowohl mit den strategischen Zielsetzungen als auch mit den operativen Maßnahmen des Managements übereinstimmen. Ergänzend erfolgt ein Abgleich mit der Vergangenheits- und Lageanalyse, bei dem zentrale Planparameter sowie wesentliche GuV- und Bilanzgrößen den Ist-Werten der vergangenen zwei bis drei Jahre gegenübergestellt werden; vgl. Abbildung 4. Die Umsatzplanung der MEDO unterstellt ab dem Jahr t 1 ein außerordentlich dynamisches Wachstum. Nach einem gemessenen Anstieg von rund 22 Prozent im Zeitraum t -1 bis t 0 wird für die Planjahre t 1 bis t 3 ein jährliches Umsatzwachstum von 50 Prozent prognostiziert. Dieser ambitionierte Wachstumspfad ist teilweise durch die geplanten Investitionen in das Anlagevermögen unterlegt, die vorrangig der Expansion des digitalen Werbeflächenportfolios (DOOH) dienen sollen. Im Jahr t 1 bleiben die Nettoinvestitionen jedoch unterhalb des Abschreibungsniveaus, was nicht auf eine unmittelbare Ausweitung der Kapazitäten schließen lässt. Erst ab t 2 sind jährlich Investitionen von etwa 4.000 TEUR geplant. Parallel dazu erhöht sich die Anzahl der digitalen Werbeträger von 800 (Ende t 0 ) auf 1.000 im Jahr t 2 und weiter auf 1.200 im Jahr t 3 . Die Kapazitätsbasis des Unternehmens wächst somit innerhalb von zwei Jahren um 50 Prozent. Allerdings zeigt sich, dass das Umsatzwachstum deutlich stärker ausfällt als der Zuwachs an digitalen Werbeträgern. Während die Anzahl der Screens laut Plan um 50 Prozent steigt, erhöht sich im selben Zeitraum der geplante Jahresumsatz von 10.189 TEUR auf 34.388 TEUR, was einer Steigerung von über 237 Prozent entspricht. Daraus ergibt sich, dass auch der Umsatz pro Screen erheblich zunimmt. Ein derartiges Umsatzwachstum kann grundsätzlich auf eine höhere Auslastung der Werbeflächen, verlängerte Betriebszeiten oder steigende Preise im Werbeverkauf zurückzuführen sein. Diese Annahme sollte im Rahmen der internen Plausibilitätsprüfung näher erläutert werden, da sie eine deutliche Steigerung der Produktivität pro Einheit voraussetzt. Um die innere Logik der Planung nachvollziehen zu können, wäre eine transparente Herleitung hilfreich, beispielsweise durch technologische Verbesserungen, eine breitere Kundenbasis oder neue Erlösmodelle. Ohne entsprechende Erläuterungen bleibt das Verhält- <?page no="89"?> 6.4 Analyse der internen Plausibilität 89 nis zwischen Investitions- und Umsatzentwicklung analytisch schwer einzuordnen. In der Planung fällt auf, dass die Kostenquoten nahezu aller Aufwandsarten im Verhältnis zum Umsatz deutlich sinken. Das Management unterstellt damit offenbar erhebliche Skaleneffekte im Zuge des prognostizierten Wachstums. Abbildung 4: Analytische Prüfungshandlungen Beispielsweise sinkt die Vertriebsaufwandsquote von etwa 27 Prozent des Umsatzes im Jahr t -1 auf rund 13 Prozent im Jahr t 3 . Die Personalaufwandsquote verringert sich im selben Zeitraum deutlich von zehn Prozent auf zwei Prozent. Auch bei anderen Kostenpositionen zeigt sich eine ähnliche Entwicklung: Die Energiekostenquote fällt von sieben Prozent auf zwei Prozent, die Quote für sonstige betriebliche Aufwendungen von sechs Prozent auf ein Prozent und die Instandhaltungskostenquote von zwei Prozent auf ein Prozent. Ein Blick auf die absoluten Planwerte bestätigt diesen Eindruck. Die jährlichen Personalkosten bleiben im Zeitraum t 0 bis t 3 unverändert bei 685 TEUR. Der Vertriebsaufwand steigt im selben Zeitraum lediglich von etwa 2.838 TEUR auf rund 4.317 TEUR, obwohl der Umsatz um 24.200 TEUR zunimmt. Die Planung unterstellt implizit, dass zusätzliche Umsätze nahezu ohne proportionalen Anstieg der Vertriebs- oder Personalkosten erzielt werden können. Ein gewisser Fixkostendegressionseffekt ist grundsätzlich nachvollziehbar, etwa durch die bessere Auslastung bestehender Kapazitäten, günstigere Einkaufskonditionen bei Vermarktern oder Effizienzsteigerungen im Energieverbrauch. Das in der Planung angenommene Ausmaß dieser Skaleneffekte fällt jedoch außergewöhnlich hoch aus. So erscheint es wenig plausibel, dass beispielsweise keine zusätzlichen Personalkapazitäten erforderlich sein sollen, um den Betrieb von 1.200 Screens zu gewährleisten, oder dass der Vertrieb mit nahezu unverändertem Budget ein vierbis fünffach Analytische Prüfungshandlungen FY t -1 FY t 0 FY t 1 FY t 2 FY t 3 Umsatzwachstum 22% 50% 50% 50% FY t -1 FY t 0 FY t 1 FY t 2 FY t 3 Vertriebsaufwandsquote 27% 28% 21% 16% 13% Personalaufwandsquote 10% 7% 4% 3% 2% Energieaufwandsquote 7% 5% 3% 2% 2% Betriebliche Aufwendungen-Quote 6% 4% 2% 2% 1% Instandhaltungsquote 2% 2% 1% 1% 1% Softwarelizenzenquote 1% 1% 1% 0% 0% EBITDA MARGE 46% 53% 67% 75% 82% <?page no="90"?> 90 6 Fallstudie höheres Umsatzvolumen abdecken kann. Ohne weitergehende Maßnahmen wie etwa einen weitgehend automatisierten Vertriebsprozess, Self-Service-Plattformen für Werbekunden oder eine Auslagerung technischer Leistungen bleibt die Angemessenheit dieser Annahmen aus Sicht der internen Plausibilitätsprüfung erklärungsbedürftig. Zudem könnten gegenläufige Effekte eintreten, die im Plan nicht sichtbar sind: Beispielsweise steigen mit größerer Betriebsgröße oft auch Verwaltungs- und Infrastrukturkosten, oder anfänglich geringe Posten (wie Instandhaltung) können mit zunehmendem Anlagenalter überproportional wachsen. Die Planung blendet solche möglichen Kostensteigerungen offenbar aus und präsentiert ein Best-Case-Szenario mit kontinuierlich steigenden Margen. Dies führt zu einer prognostizierten EBITDA-Marge von 82 Prozent im Jahr t 3 (gegenüber 46 Prozent in t -1 ). Diese Margenentwicklung lässt sich intern nur dann schlüssig nachvollziehen, wenn ein Großteil des Geschäftsmodells tatsächlich ohne proportional steigende variable Kosten skalierbar ist. Aus Sicht der Plausibilitätsprüfung ist zu hinterfragen, ob potenzielle operative Engpässe in den Bereichen Personal, Service und Support realistisch ausgeschlossen werden können oder ob bestimmte Kostenfaktoren in der Planung möglicherweise zu niedrig angesetzt wurden. Die Entwicklung des Finanzergebnisses über die Planjahre basiert auf spezifischen Annahmen zur Zinsbelastung und zu Zinserträgen. Ob diese Zinsentwicklung in dieser Form realistisch und verlässlich prognostizierbar ist, erscheint angesichts der Volatilität des Kapitalmarkts fraglich. Eine Sensitivitätsanalyse wäre hier sinnvoll, um die Auswirkungen von Zinsänderungen auf das Finanzergebnis und die Liquidität darzustellen. Zusammenfassend lässt sich festhalten, dass die angenommenen Skaleneffekte rechnerisch konsistent abgebildet sind, inhaltlich jedoch einer näheren Erläuterung bedürfen, da sie wesentlich zur ausgesprochen positiven Ergebnisentwicklung beitragen. 6.4.2 Bilanz und Cashflow Die Forderungen aus Lieferungen und Leistungen steigen grundsätzlich im Verhältnis zum Umsatz. Dabei ist zu prüfen, ob dieser Zusammenhang über alle Planjahre hinweg konsistent und nachvollziehbar abgebildet ist. Im Jahr t 0 liegt der Days-Sales-Outstanding-Wert (DSO) noch bei 45 Tagen, ab t 1 reduziert er sich jedoch auf ein konstantes Niveau von 36 Tagen. Der durchschnittliche Forderungsbestand entspricht damit ab diesem Zeitpunkt einer deutlich verkürzten Zahlungsfrist. Diese Entwicklung impliziert eine Verbesserung des Forderungslaufs und deutet auf straffere Zahlungsbedingungen oder ein <?page no="91"?> 6.4 Analyse der internen Plausibilität 91 effizienteres Forderungsmanagement hin. Die zugrunde liegende Annahme ist plausibel, sofern entsprechende Maßnahmen im Mahnwesen, Vertragswesen oder ein veränderter Kundenmix vorgesehen sind. Die Verbindlichkeiten aus Lieferungen und Leistungen steigen im Planverlauf deutlich an und erhöhen sich von 790 TEUR im Jahr t 0 auf rund 3.439 TEUR im Jahr t 3 . Diese Entwicklung steht im Widerspruch zur rückläufigen Kostenquote in der Gewinn- und Verlustrechnung, da die Aufwendungen im Verhältnis zum Umsatz laut Planung tendenziell sinken. Vor diesem Hintergrund ist nicht unmittelbar nachvollziehbar, weshalb die kurzfristigen Verbindlichkeiten gegenüber Lieferanten in diesem Umfang zunehmen sollen. Die Position „sonstige Aktiva“ ist im gesamten Planungszeitraum mit einem konstanten Wert von 374 TEUR ausgewiesen. Im Kontext des geplanten Unternehmenswachstums stellt sich die Frage, ob diese Konstanz sachlich begründet ist. Aus analytischer Sicht wäre entweder eine detaillierte Planung dieser Position oder eine Entwicklung im Verhältnis zu anderen Bilanzgrößen nachvollziehbar. Eine ähnliche Beobachtung betrifft die sonstigen Rückstellungen, die ebenfalls über den gesamten Zeitraum hinweg unverändert bleiben. Die Planung zeigt, dass MEDO trotz hoher Investitionen und fortlaufender Schuldentilgung bis zum Jahr t 3 einen signifikanten Liquiditätsüberschuss aufbaut. Der Liquiditätsbestand steigt deutlich an, von 3.630 TEUR Ende t 0 auf 15.870 TEUR Ende t 3 . Gleichzeitig verringern sich die Verbindlichkeiten gegenüber Kreditinstituten deutlich. Sie betragen im Jahr t -1 noch 8.063 TEUR und werden bis t 3 vollständig abgebaut. Dabei verlangsamt sich der Tilgungsverlauf im Zeitverlauf. Im Geschäftsjahr t 0 erfolgt eine Tilgung in Höhe von 3.056 TEUR, in den beiden Folgejahren werden jeweils 2.000 TEUR zurückgeführt. Es sollte geprüft werden, ob dieser Tilgungsplan mit den Bedingungen des Darlehensvertrags übereinstimmt und ob mögliche Vorgaben zu Tilgungsraten oder Fälligkeiten berücksichtigt wurden. Zum Jahresende t 2 besteht eine verbleibende Restschuld aus dem Bankdarlehen in Höhe von 1.008 TEUR, während das Gesellschafterdarlehen zu diesem Zeitpunkt bereits vollständig zurückgeführt ist. Diese Tilgungsreihenfolge kann von Bedeutung sein, sofern vertragliche Regelungen wie Rangrücktritte, Nachrangklauseln oder Covenants bestehen. Ohne Einsicht in die vertraglichen Vereinbarungen bleibt offen, ob die gewählte Rückzahlungsreihenfolge zulässig ist. <?page no="92"?> 92 6 Fallstudie Ab dem Jahr t 1 sind zudem Gewinnausschüttungen geplant, obwohl zum jeweiligen Zeitpunkt noch Verpflichtungen gegenüber Kreditinstituten bestehen. Auch hier ist zu prüfen, ob diese Ausschüttungen mit den Covenants des Kreditvertrags vereinbar sind. Nachfolgend sind die wesentlichen Ergebnisse der Analyse der internen Plausibilität zusammengefasst. Nr. Posten / Kategorie Unstimmigkeit betroffenes Rechenwerk 1. Umsatz Umsatzwachstum > Kapazitätswachstum GuV 2. Aufwendungen disproportional rückläufig GuV 3. EBITDA-Marge steigt stark an GuV 4. Verbindlichkeiten aus Lieferungen und Leistungen absolut steigend bei relativer Entlastung Bilanz 5. Sonstige Aktiva, sonstige Rückstellungen wachstumsinvariant Bilanz 6. Forderungen aus Lieferungen und Leistungen Niveau-Sprung mit Plateau Bilanz 7. Sachanlagen inkl. Abschreibungen investitionsinvariant GuV / Bilanz 8. Rückstellungen für Rückbau weitgehend investitionsinvariant Bilanz 9. Tilgungsreihenfolge Gesellschafter vorrangig getilgt Cashflow / Bilanz 10. Ausschüttungspolitik nicht kontinuierlich, sprunghaft in 2025 Cashflow / Eigenkapital Tabelle 4: Ergebnisse Analyse der internen Plausibilität 6.5 Analyse der externen Plausibilität Im nächsten Schritt erfolgt die Analyse der externen Plausibilität der Unternehmensplanung. Ziel dieser Prüfung ist es, die zugrunde liegenden Annahmen in Relation zu externen Referenzgrößen zu bewerten. Dazu werden relevante Informationen aus Markt, Branche und Umfeld herangezogen, um zu beurteilen, ob die unterstellte Entwicklung mit den erwartbaren gesamtwirtschaftlichen, technologischen <?page no="93"?> 6.5 Analyse der externen Plausibilität 93 und wettbewerblichen Rahmenbedingungen übereinstimmt. Zur strukturierten Einordnung wurden Instrumente der strategischen Unternehmensanalyse angewendet. Die externe Plausibilisierung ergänzt somit die interne Prüfung um eine realitätsnahe Außenperspektive und erweitert die Bewertung um externe Vergleichsmaßstäbe. Die MEDO ist im deutschen Markt für digitale Außenwerbung (DOOH) tätig, der durch eine hohe Marktkonzentration und die Dominanz weniger großer Anbieter geprägt ist. Die digitale Außenwerbung (DOOH) verzeichnet in Deutschland seit mehreren Jahren ein starkes Wachstum. Im Jahr t -1 erreichten die Bruttowerbeausgaben für Out-of-Home (OOH) mit 2,91 Mrd. EUR einen neuen Höchststand - ein Anstieg um rund elf Prozent gegenüber dem Vorjahr. Besonders dynamisch entwickelte sich der Bereich DOOH: Die Bruttoausgaben stiegen t -1 um über 25 Prozent auf etwa 1,2 Mrd. EUR, was einem Anteil von 41 Prozent am gesamten OOH- Volumen entspricht (t -2 : ca. 36 Prozent). Der Marktanteil von OOH an den gesamten Werbeinvestitionen in Deutschland stieg damit auf knapp neun Prozent - ebenfalls ein historischer Höchstwert. 169 Dieser Trend setzte sich auch im Jahr t 0 fort: Der Netto-Umsatz des OOH-Marktes stieg um rund zwölf Prozent, wobei insbesondere der Bereich DOOH erneut ein überdurchschnittliches Wachstum verzeichnete. 170 Anfang t 1 waren in Deutschland rund 111.000 digitale Werbe-Screens im Einsatz. Davon entfielen nur etwa sieben Prozent auf klassische Außenstandorte (z. B. Straßen, Plätze), während der Großteil in Innenbereichen wie Bahnhöfen, Einkaufszentren oder Tankstellen installiert war. 171 Die Ausweitung des DOOH-Inventars verdeutlicht die wachsende Bedeutung digitaler Werbeträger im Mediamix und liefert einen relevanten Vergleichsmaßstab für die Beurteilung der Planungsannahmen der MEDO. Für die weitere Geschäftsentwicklung der MEDO im DOOH-Markt sind neben den Umsatzzielen selbst verschiedene externe Einflussfaktoren von Bedeutung. 169 Vgl. Fachverband Aussenwerbung e.V., https: / / faw-ev.de/ pressemitteilungen/ 469ooh-im-neuen-all-time-high, Abruf am 07.07.2025 170 Vgl. Ohne Verfasser, https: / / invidis.de/ 2025/ 01/ nielsen-werbetrend-2024-oohknackt-3-milliarden-umsatzmarke/ , Abruf am 07.07.2025 171 Vgl. Ohne Verfasser, https: / / invidis.de/ 2024/ 08/ stroeer-iconic-dooh-screens-fuerdeutschland/ , Abruf am 07.07.2025 <?page no="94"?> 94 6 Fallstudie Ein wesentlicher Einflussfaktor für die Umsatzentwicklung im DOOH-Geschäft ist die Entwicklung der Mediapreise, insbesondere der Tausendkontaktpreis (TKP). Trotz starkem Inventarwachstum konnte DOOH bislang eine weitgehende Preisstabilität wahren. Die hohe Nachfrage sowie die zunehmende Relevanz programmatischer Buchungen tragen dazu bei, dass digitale Werbeformate im Vergleich zur klassischen Außenwerbung häufig einen TKP-Aufschlag erzielen. Dieser Aufpreis wird von Werbungtreibenden akzeptiert, da digitale Screens eine flexiblere und zielgerichtetere Ansprache ermöglichen. 172 Angesichts der positiven Marktdynamik erscheint ein Wachstumspfad der MEDO grundsätzlich plausibel. Allerdings sollte kritisch hinterfragt werden, ob die unterstellten Umsatzsteigerungen auch unter Berücksichtigung des zunehmenden Wettbewerbs, potenzieller Preisdämpfungseffekte und begrenzter Standortverfügbarkeit realistisch sind. Gerade in einem bereits stark wachsenden Marktumfeld ist es von zentraler Bedeutung, die eigenen Marktanteilsziele und Preisannahmen eng an extern beobachtbaren Entwicklungen auszurichten. Neben Marktentwicklung und Mediapreisen beeinflussen weitere externe Faktoren die künftige Geschäftsentwicklung im DOOH-Segment: In wirtschaftlichen Schwächephasen kann es zu Kürzungen der Werbebudgets kommen. Allerdings zeigte sich der OOH-Markt wie oben beschrieben resilient und entwickelte sich auch bei schwachem Gesamtmarkt überdurchschnittlich. Die Veränderung der Strompreise stellt einen relevanten Treiber der Kostenentwicklung dar. Im Zuge der Energiekrise t -2 kam es zu einem deutlichen Preisanstieg sowie zu regulatorischen Einschränkungen: Eine zeitweise geltende Energiesparverordnung untersagte den nächtlichen Betrieb digitaler Werbeanlagen zwischen 22 und 6 Uhr 173 , was die Nutzungsdauer der Screens begrenzte und zu Umsatzverlusten führte. Seit t -1 hat sich die Lage entspannt. Die Strompreise sind spürbar zurückgegangen, die Verordnung wurde aufgehoben, und der reguläre Betrieb konnte wieder aufgenommen werden. Dennoch bleibt Energie 172 Vgl. Walsch, H., https: / / www.planus-media.de/ blog/ beitrag/ programmatic-doohmarkt-wird-wachsen-holger-walsch, Abruf am 10.07.2025 173 Vgl. Ohne Verfasser, https: / / www.avinteractive.com/ news/ digital-signage-anddooh/ germany-switches-digital-signs-off-at-night-to-save-energy-22-08-2022/ , Abruf am 10.07.2025 <?page no="95"?> 6.6 Analyse der Ergebnisse der Risikoinventur 95 ein kritischer Kostenblock. Mit zunehmender Anzahl und Größe der Werbeflächen steigen die absoluten Stromkosten, selbst bei vergleichsweise effizienter Technologie. Einige Anbieter reagieren bereits mit technischen Maßnahmen, etwa stromsparenden Displays oder der Nutzung von Solartechnologie. Für die Plausibilitätsbewertung der Planung ist relevant, mit welchem Strompreisniveau kalkuliert wurde. Aktuelle Prognosen deuten auf eine Stabilisierung oder einen moderaten Rückgang der Energiepreise hin. 174 Dennoch erscheint es im Hinblick auf den mittelfristigen Planungszeitraum sachgerecht, moderate Preissteigerungen oder erneute regulatorische Eingriffe als potenzielle Risikofaktoren einzubeziehen. Zu beachten sind unter anderem datenschutzrechtliche Anforderungen im Zusammenhang mit programmatischen DOOH-Buchungen sowie kommunale Vorgaben zu Helligkeit, Betriebszeiten oder Standortvergabe digitaler Werbeflächen. Die zunehmende Verbreitung programmatischer Buchungssysteme, interaktiver Inhalte oder 3D-Formate beeinflussen die Attraktivität von DOOH. Innovationen können die Reichweite und Preisbereitschaft erhöhen, setzen jedoch Investitionen und technische Anpassungen voraus. Preise für LED-Displays, Installations- und Wartungskosten sowie die Lebensdauer der Hardware beeinflussen die Wirtschaftlichkeit digitaler Werbeträger. Marktentwicklungen in der Display- Technologie wirken sich unmittelbar auf die Kapitalbedarfe aus. Abschließend lässt sich festhalten, dass die DOOH-Branche in Deutschland weiterhin Wachstumsimpulse liefert, zugleich aber ein sorgfältiges Monitoring externer Einflussfaktoren erforderlich ist. Insbesondere Preisentwicklungen, Betriebskosten und Auslastungsgrade sollten im Rahmen der Plausibilitätsbeurteilung kritisch hinterfragt werden. 6.6 Analyse der Ergebnisse der Risikoinventur Im Gespräch mit dem Management und den verantwortlichen Risk Managern wurde berichtet, dass das Risikoinventar der Gesellschaft kontinuierlich gepflegt und aktualisiert wird. Dieses Inventar umfasst sämtliche identifizierte interne, externe sowie mikro- und makroöko- 174 Vgl. Bundesnetzagentur, https: / / www.smard.de/ page/ home/ topic-article/ 444/ 215830, Abruf am 10.07.2025 <?page no="96"?> 96 6 Fallstudie nomische Risiken und ist zentraler Bestandteil des unternehmensinternen Risikomanagementprozesses. Jedes identifizierte Risiko wurde hinsichtlich seiner Eintrittswahrscheinlichkeit und seines Schadenspotenzials bewertet. Die Bewertung erfolgt anhand einer fünfstufigen Skala. Die Eintrittswahrscheinlichkeit wird in folgende Kategorien eingeteilt: von 0 bis 10 Prozent (sehr gering), von über 10 bis 25 Prozent (gering), von über 25 bis 50 Prozent (mittel), von über 50 bis 75 Prozent (hoch) und von über 75 Prozent (sehr hoch). Das Schadensausmaß wird als erwarteter finanzieller Verlust in Tausend Euro (TEUR) ausgedrückt. Nr. Kategorie Risikobezeichnung Ursachen Zielgröße Eintrittswahrscheinlichkeit Schadenspotenzial 1. Marktrisiken Risiken durch Absatzschwankungen Konjunktur, Rückgang Werbebudgets, Kundenverluste Umsatzerlöse 3 1.000 TEUR 2. Marktrisiken Wettbewerbsrisiken neue Anbieter, Preisdruck, alternative Werbekanäle Umsatzerlöse 3 1.000 TEUR 3. Betriebsrisiken Rollout-/ Implementierungsrisiko Lieferketten, Genehmigungs- und Installationsverzögerungen Umsatzerlöse 2 1.500 TEUR 4. Betriebsrisiken Systemausfall / Cyberrisiken IT-Ausfall, Cyberangriffe Betriebskosten 1 400 TEUR 5. Personalrisiken Fachkräftemangel Engpässe bei Technik, Rekrutierungsschwierigkeiten Personalaufwand 2 350 TEUR 6. Preisrisiken Energiepreisrisiko volatile Strompreise, Energiekrisen 3 500 TEUR <?page no="97"?> 6.6 Analyse der Ergebnisse der Risikoinventur 97 7. regulatorische Risiken Regulatorik Werbeverbote, Auflagen Umsatzerlöse 1 1.000 TEUR 8. technische Risiken technische Ausfälle Ersatzteilverfügbarkeit, häufige Störungen Instandhaltungskosten 1 150 TEUR 9. Vertriebskostenrisiken Drittvermarkter- Margenrisiko Änderungen von Provisionsmodellen Vertriebsaufwand 2 500 TEUR Tabelle 5: Risikoinventar der MEDO Nachdem Experteninterviews mit den jeweiligen Risikoverantwortlichen geführt und verfügbare historische Daten ausgewertet wurden, konnten für jedes identifizierte Risiko geeignete Wahrscheinlichkeitsverteilungen abgeleitet werden. Das im Risikoinventar angegebene Schadenspotenzial dient dabei als erwarteter Mittelwert. Die auf einer Skala von 1 bis 5 erfasste Eintrittswahrscheinlichkeit sowie die spezifische Risikonatur geben erste Hinweise auf eine geeignete Verteilungsform. Im Rahmen der Interviews wurden zudem Minimalszenarien, wahrscheinliche Ausprägungen und Worst-Case-Annahmen quantifiziert, die in die Parametrisierung der Verteilungen eingeflossen sind. Nr. Kategorie Risikobezeichnung Verteilung (Parameter) 1. Marktrisiken Konjunktur- und Absatzrisiken Dreiecksverteilung ‒ Reduktion des deterministisch geplanten Umsatzes (min = 500 TEUR; Modus = 1.000 TEUR; max = 1.300 TEUR) 2. Marktrisiken Wettbewerbsdruck Dreiecksverteilung ‒ Reduktion des deterministisch geplanten Umsatzes (min = 500 TEUR; Modus = 1.000 TEUR; max = 1.500 TEUR) 3. Betriebsrisiken Rollout-/ Implementierungsrisiko Dreiecksverteilung ‒ Reduktion des deterministisch geplanten Umsatzes (min = 500 TEUR; Modus = 1.000 TEUR; max = 1.500 TEUR) <?page no="98"?> 98 6 Fallstudie 4. Betriebsrisiken Systemausfall / Cyberrisiken Poisson-Verteilung für den Eintritt (5 % p.a.). Lognormalverteilung ‒ Erhöhung der Betriebskosten (Median ≈ 400 TEUR; 99%-Perzentil ≈ 2.000 TEUR) 5. Personalrisiken Fachkräftemangel Trunkierte Normalverteilung ‒ Personalaufwandsquote (μ = 7 % ; σ = 2 % ; min = 4 %) 6. Preisrisiken Energiepreisrisiko PERT-Verteilung (min = 550 EUR pro Screen; Modus = 750 EUR pro Screen TEUR; max = 950 EUR pro Screen) 7. regulatorische Risiken gesetzliche Auflagen Poisson-Verteilung für den Eintritt (2,5% p.a.). Lognormalverteilung ‒ Erhöhung der Betriebskosten (Median ≈ 150 TEUR; 99%-Perzentil ≈ 1.750 TEUR) 8. technische Risiken Ersatzteilverfügbarkeit, häufige Störungen Dreiecksverteilung (min = 0 TEUR; Modus = 150 TEUR; max = 250 TEUR) 9. Vertriebskostenrisiken Drittvermarkter- Margenrisiko Dreiecksverteilung (min = 0 TEUR; Modus = 500 TEUR; max = 1.200 TEUR) Tabelle 6: Risikoquantifizierung bei der MEDO 6.7 Anpassung der Planungsrechnung 6.7.1 Anpassung der deterministischen Parameter Nach Analyse der internen und externen Plausibilität sowie der Konsistenz der zugrunde liegenden Planungsannahmen wird die Managementplanung der MEDO zunächst deterministisch überarbeitet. Ziel dieser ersten Anpassung ist es, die Planwerte an intersubjektiv nachprüfbare und praxisgerechte Rahmenbedingungen anzupassen, bevor in einem nachgelagerten Schritt stochastische Elemente systematisch in die Planung integriert werden. In der ursprünglichen Planung wurden die Vertriebsaufwendungen pauschal mit einem jährlichen Wachstum von 15 Prozent angesetzt, unabhängig von der Umsatzentwicklung. Diese Vorgehensweise erweist sich als nicht sachgerecht. Auf Basis neuer Erkenntnisse werden <?page no="99"?> 6.7 Anpassung der Planungsrechnung 99 die Vertriebs- und Vermarktungskosten mit 22,5 Prozent des Umsatzes veranschlagt. Diese Quote reflektiert die vertraglich fixierten Agenturprovisionen, die einen wesentlichen Bestandteil der Vertriebskosten darstellen. Die stochastische Modellierung potenzieller Schwankungen dieser Aufwandsposition erfolgt im zweiten Planungsschritt. Allgemeine betriebliche Kosten (z. B. Verwaltungs- und Betriebsaufwand) werden unter Heranziehung historischer Erfahrungswerte neu kalkuliert. Es ergibt sich eine betriebliche Aufwandsquote von durchschnittlich 5,3 Prozent des Umsatzes. Die Kosten für Software-Lizenzen werden künftig nicht mehr pauschal fortgeschrieben, sondern abhängig von der Anzahl eingesetzter Monitore kalkuliert. Die Analyse ergibt durchschnittliche jährliche Lizenzkosten von rund 126 EUR pro Bildschirm. Diese Kennziffer wird auf die geplante Anzahl der Screens angewendet, um die Lizenzaufwendungen präzise und wachstumsorientiert abzubilden. Rückbauverpflichtungen werden nicht mehr übergreifend geplant, sondern differenziert pro Standort bzw. Screen erfasst. Die Rückstellungsdotierung steigt damit proportional zur Anzahl der Installationen. Diese Methodik führt zu einer realistischeren Vorsorge für zukünftige Rückbaukosten. Statt einer linearen Fortschreibung bestehender Abschreibungen wird ein detaillierter Abschreibungsplan für geplante Neuinvestitionen in digitale Screens erstellt. Ausgewählte Bilanzpositionen werden im Rahmen der Überarbeitung an das erwartete Unternehmenswachstum angepasst. Die sonstigen Aktiva werden künftig proportional zur Entwicklung des Umsatzes fortgeschrieben. Auch die Planung der sonstigen Rückstellungen sowie der Verbindlichkeiten orientiert sich nun stärker am Umsatz und am Geschäftsvolumen. Dazu zählen insbesondere Verbindlichkeiten aus Lieferungen und Leistungen sowie sonstige kurzfristige Verbindlichkeiten. Durch diese wachstumsorientierte Planungslogik wird eine realitätsnahe Entwicklung der Bilanzpositionen sichergestellt und gleichzeitig die Entstehung struktureller Verzerrungen vermieden. Die Tilgungsplanung der Verbindlichkeiten gegenüber Kreditinstituten wird an die vertraglichen Kreditbedingungen angepasst. In der Managementplanung war eine Reduktion der jährlichen Tilgungsraten vorgesehen, was jedoch im Widerspruch zum Darlehensvertrag steht. Auch die geplanten Dividendenzahlungen werden im Hinblick auf bestehende Finanzierungsvereinbarungen überprüft. Gemäß den Covenants sind Ausschüttungen untersagt, solange Bankverbindlich- <?page no="100"?> 100 6 Fallstudie keiten valutieren. Für das Jahr t 2 ist daher keine Ausschüttung vorgesehen. Erst ab dem Jahr t 3 , nach vollständiger Schuldentilgung, werden wieder Dividendenzahlungen berücksichtigt. 6.7.2 Berücksichtigung von Wahrscheinlichkeitsverteilungen In der vorgelegten Managementplanung wurde das künftige Umsatzwachstum deterministisch mit einem jährlichen Anstieg von 50 Prozent festgelegt. Diese lineare Fortschreibung erwies sich jedoch sowohl im Rahmen der internen als auch der externen Plausibilitätsprüfung als nicht tragfähig. Aufbauend auf einer Analyse aktueller Marktentwicklungen sowie vertiefter Rücksprachen mit Vertriebsverantwortlichen und Fachexperten wurde daher eine stochastische Modifikation der Planung vorgenommen. Konkret erfolgte eine Kalibrierung periodenspezifischer Dreiecksverteilungen zur Abbildung realitätsnäherer Wachstumsbandbreiten: Planjahr t 1 : Minimum 1,2, Modus 1,5, Maximum 1,6 Planjahr t 2 : Minimum 1,1, Modus 1,2, Maximum 1,3 Planjahr t 3 : Minimum 1,1, Modus 1,2, Maximum 1,4 Dadurch konnte das erwartete Umsatzwachstum an die unternehmensindividuellen und marktbezogenen Unsicherheiten angepasst und die ursprüngliche Überschätzung korrigiert werden. Um die Prognosegüte weiter zu erhöhen und eine konsistente Pfadentwicklung auch über den kurzfristigen Horizont hinaus sicherzustellen, wurde anschließend ein Mean-Reversion-Mechanismus integriert. Dabei fungiert die deterministische Rückführungskomponente als stabilisierendes Element, das Abweichungen vom langfristigen Gleichgewichtswachstum systematisch glättet. Da die periodischen Wachstumstreiber bereits stochastisch ausgestaltet sind, wurde auf eine zusätzliche diffusionsgetriebene Zufallskomponente im Sinne eines Wiener-Prozesses verzichtet. Die realisierten Verteilungswerte übernehmen in diesem Zusammenhang die Rolle exogener Impulse, wodurch ein konsistenter, plausibilisierter und zugleich dynamisch adaptiver Umsatzpfad modelliert werden kann. Die zugrunde liegende Gleichung lautet: X t+1 = X t + θ(μ − X t ) + �X t+1 � − μ� X t : Umsatzwachstumsfaktor in der Vorperiode (Start: 1,22) θ: Rückführungsparameter (0,4) μ: langfristiges Gleichgewichtswachstum (1,20 für 20 %) <?page no="101"?> 6.7 Anpassung der Planungsrechnung 101 X t+1 �: periodenspezifisch stochastisch gezogener Wachstumswert aus der Dreiecksverteilung �Triangular(1,2; 1,5; 1,6)�. Für die MEDO wurden für jedes identifizierte Risiko mit Bezug zur Zielgröße „Umsatzerlöse“ zusätzlich separate Korrekturposten eingeführt. Im Folgenden sind die Risikoparameter und ihre implementierten Verteilungen dargestellt. Zur Abbildung potenzieller Umsatzverluste infolge konjunktureller Schwankungen wurde eine Dreiecksverteilung mit den Parametern 500 (Minimum), 1.000 (Modus) und 1.300 TEUR (Maximum) verwendet. In jedem Simulationslauf wird dem geplanten Umsatz ein zufälliger Abschlag innerhalb dieser Bandbreite zugewiesen. Die Parametrisierung basiert auf unternehmensseitigen Erfahrungswerten, nach denen Umsatzabweichungen in der Größenordnung von 500 TEUR bis 1.300 TEUR (Abbildung 5 auf der Folgeseite) möglich sind. Auch das Wettbewerbsrisiko im Sinne eines Marktrisikos wurde durch eine Dreiecksverteilung mit den Parametern 500 (Minimum), 1.000 (Modus) und 1.500 TEUR (Maximum) modelliert. Der angenommene Effekt spiegelt mögliche Umsatzverluste infolge verstärkten Wettbewerbsdrucks wider und wurde auf einen Abschlagsbereich von 500 bis 1.500 TEUR festgelegt. Das Rolloutbzw. Implementierungsrisiko als betriebsbezogenes Risiko wurde im Rahmen projektbezogener Unsicherheiten bei Produkt- oder Systemeinführungen modelliert. Zur Abbildung wurde eine Dreiecksverteilung mit den Parametern 500, 1.000 und 1.500 TEUR verwendet. Erfasst werden potenzielle Verzögerungen oder operative Fehlschläge, die zu Umsatzverlusten in entsprechender Größenordnung führen können. Das regulatorische Risiko im Zusammenhang mit gesetzlichen Auflagen und potenziellen Betriebsunterbrechungen wurde über eine kombinierte stochastische Modellierung mittels Poisson- und Lognormalverteilung erfasst. Die Eintrittswahrscheinlichkeit wurde mit einer Poisson-Rate von λ ≈ 0,0253 (entsprechend einer jährlichen Wahrscheinlichkeit etwa 2,5 Prozent) angesetzt (Abbildung 6). Tritt ein Ereignis ein, erfolgt die Ziehung der Kostenwirkung aus einer Lognormalverteilung mit einem Median von rund 150 TEUR und einem 99,9 Prozent-Perzentil bei etwa 1.777 TEUR (Abbildung 7). Die Verteilung spiegelt die Unsicherheit seltener, potenziell sehr kostenintensiver regulatorischer Eingriffe wider und wurde als zusätzlicher Betriebsaufwand in der Planung berücksichtigt. <?page no="102"?> 102 6 Fallstudie Abbildung 5: Dreiecksverteilung, Darstellung aus Riskkit <?page no="103"?> 6.7 Anpassung der Planungsrechnung 103 Abbildung 6: Poisson-Verteilung, Darstellung aus Riskkit <?page no="104"?> 104 6 Fallstudie Abbildung 7: Lognormalverteilung, Darstellung aus Riskkit <?page no="105"?> 6.7 Anpassung der Planungsrechnung 105 Nachfolgend werden die Risikopositionen für die Aufwandsarten der Gewinn- und Verlustrechnung dargestellt. Mit Ausnahme der direkt modellierten Personalaufwandsquote werden die jeweiligen Risiken ebenfalls in Form separater Korrekturposten zu den entsprechenden Aufwandspositionen berücksichtigt. Systemausfall- und Cyber-Risiken werden als Teil der betrieblichen Risiken durch ein zweistufiges stochastisches Verfahren abgebildet. Auf der ersten Stufe erfolgt die Modellierung der Eintrittshäufigkeit über eine Poissonverteilung, basierend auf einer angenommenen jährlichen Eintrittswahrscheinlichkeit von fünf Prozent (Poisson-Rate λ = 0,05 ). Im Fall eines simulierten Ereignisses wird in der zweiten Stufe die finanzielle Schadenshöhe durch eine Lognormalverteilung beschrieben. Diese ist so kalibriert, dass der Median der Schadenshöhe bei etwa 400 TEUR liegt und das 99. Perzentil rund 2.000 TEUR erreicht. Damit wird der Umstand berücksichtigt, dass typische Vorfälle mit moderaten Aufwendungen verbunden sind, in Extremfällen jedoch erhebliche Kosten verursachen können. Zur Abbildung steigender Personalaufwendungen infolge von Fachkräftemangel, zunehmendem Personalleasing sowie Risiken aus Mitarbeiterfluktuation wird eine linksseitig trunkierte Normalverteilung verwendet. Es gilt: 𝑋𝑋 ∼ 𝒩𝒩 ≥4\% (7%, 2% 2 ) . Der durchschnittliche Personalaufwand liegt damit bei sieben Prozent des Umsatzes. Schwankungen nach oben sind dabei möglich, während Werte unterhalb von vier Prozent jedoch ausgeschlossen werden. Die Trunkierung verhindert unrealistisch niedrige Werte, selbst bei günstiger Arbeitsmarktlage. Zur Abbildung potenzieller Energiepreisschwankungen je Bildschirm wurde eine PERT-Verteilung verwendet, da sie eine realitätsnahe Schwerpunktbildung um den wahrscheinlichsten Wert erlaubt. Im Rahmen der Analyse hat sich ergeben, dass der Preis pro Bildschirm pro Jahr zwischen 550 EUR (Minimum) und 950 EUR (Maximum), mit einem Modus von 750 EUR liegt. Technische Risiken im Zusammenhang mit Ersatzteilverfügbarkeit und Störanfälligkeit wurden durch eine Dreiecksverteilung abgebildet. Der zusätzliche Instandhaltungsaufwand beträgt im Minimum 0 TEUR, im Modus rund 150 TEUR und im Maximum bis zu 250 TEUR pro Jahr. Aufgrund der oligopolistischen Marktstruktur im Drittvertrieb besteht das Risiko steigender Provisionssätze (Vertriebskostenrisiko). Zur Abbildung potenzieller Margenverluste wurde eine Dreiecksvertei- <?page no="106"?> 106 6 Fallstudie lung verwendet, bei der der zusätzliche Aufwand im Minimum 0 EUR, im Modus 500 TEUR und im Maximum 1.200 TEUR beträgt. Die vorgenannten deterministischen und stochastischen Anpassungen führen zu einer erwartungstreuen Planungsrechnung, die im Folgenden dargestellt wird. Auf eine Berücksichtigung simulationsabhängig entstehender steuerlicher Verlustvor- und -rückträge wurde im Rahmen dieser Darstellung verzichtet. 6.8 Simulation und Interpretation der Simulationsergebnisse Nach der Identifikation der wesentlichen Risikofaktoren und der Kalibrierung ihrer Wahrscheinlichkeitsverteilungen wurde eine Monte-Carlo-Simulation mit 10.000 Simulationsläufen durchgeführt. Erst durch die Simulation lassen sich die Gesamtwirkung aller Risiken und ihre Wechselwirkungen auf zentrale Planungsgrößen quantifizieren. Die Simulation erzeugt eine Vielzahl potenzieller Zukunftsszenarien des Unternehmens und macht so sichtbar, wie sich identifizierte Risiken in Bandbreiten von Ergebnissen niederschlagen. Dadurch wird die zuvor deterministische Planung in eine bandbreitenorientierte, erwartungstreue Planung überführt, welche Chancen und Risiken realitätsnah berücksichtigt (Abbildung 8). ISM GmbH FY t 1 FY t 2 FY t 3 Werte in EUR Plan Plan Plan Anzahl Screens 800 1.000 1.200 Umsatzerlöse Summe 14.171.097 19.037.550 24.184.617 Vertriebsaufwendungen 2.550.356 3.606.367 4.687.125 Drittvermarkter-Margenrisiko 516.622 677.730 501.976 Personalaufwand 896.419 726.050 1.684.947 Energieaufwand 506.340 655.117 816.355 Betriebliche Aufwendungen 603.016 852.703 1.108.241 Systemausfall / Cyberrisiken - Eintritt 0 0 0 Systemausfall / Cyberrisiken - Auswirkung 0 0 0 Instandhaltungsaufwendungen 195.731 205.518 215.793 Ersatzteilverfügbarkeit, häufige Störungen 86.317 140.229 168.671 Softwarelizenzen 101.468 126.835 152.202 Aufwendungen Summe 5.456.269 6.990.548 9.335.312 EBITDA - Planzufallwert Summe 5.878.648 9.037.748 11.496.354 EBITDA erwartungstreuer Planwert 5.858.194 8.768.877 11.044.164 Aufwand Rückbauverpflichtungen 110.838 138.547 166.257 Abschreibungen Anlageninventar 1.886.899 2.111.899 2.511.899 Abschreibungen immaterielle Vermögensgegestände 25.606 25.606 25.606 EBIT Summe 3.855.305 6.761.696 8.792.593 Finanzergebnis Summe -406.307 -151.941 31.131 Zinsertrag 54.451 35.205 31.131 Zinsaufwand - Gesellschafterdarlehen 135.269 60.269 0 Zinsaufwand - Kreditinstitute 325.488 126.877 0 EBT Summe 3.448.999 6.609.755 8.823.723 Steuern 1.086.435 2.082.073 2.779.473 EAT 2.362.564 4.527.682 6.044.251 GuV <?page no="107"?> Abbildung 8: Erwartungstreue Unternehmensplanung der MEDO Abbildung 9: Risikomaße Cash zu Beginn der Periode 3.630.039 2.347.004 2.075.375 CF Operativ Summe 5.298.221 8.116.793 9.839.874 EaT 2.362.564 4.527.682 6.044.251 Abschreibungen 1.912.505 2.137.505 2.537.505 Rückstellungen Rückbau 110.838 138.547 166.257 Rückstellungen sonstige exkl. ZinsRst 37.010 166.160 170.054 Steuerrückstellungen 189.682 995.638 697.400 Working capital 685.623 151.260 224.408 Forderungen LuL, Vorräte, Sonstige -4.158 -558.682 -585.655 Verbindlichkeiten LuL, Sonstige 689.780 709.942 810.064 CF Investitionen Summe -525.700 -4.025.700 -4.025.700 Nettoinvestitionen Anlageninventar -500.000 -4.000.000 -4.000.000 Nettoinvestitionen immaterielles Vermögen -25.700 -25.700 -25.700 CF Finanzierung Summe -6.055.556 -4.362.723 -4.527.682 Stammkapital Nettoveränderungen Gesellschafterdarlehen -3.000.000 -2.410.775 0 Nettoveränderungen Verbindlichkeiten Kreditinstitute -3.055.556 -1.951.948 0 Ausschüttungen -4.527.682 Veränderungen des Finanzmittelfonds Summe -1.283.035 -271.630 1.286.492 Cash zu Ende der Periode - Planzufallswert 2.347.004 2.075.375 3.361.867 Cash zu Ende der Periode erwartungstreuer Planwert 2.321.837 1.818.448 2.857.365 AKTIVA 14.080.293 16.255.541 19.615.883 Anlageninventar 10.051.168 11.939.269 13.427.370 Immaterielle Vermögensgegestände 131.341 131.435 131.530 Vorräte 0 0 0 Forderungen aus Lieferungen und Leistungen 1.180.925 1.586.462 2.015.385 Liquide Mittel 2.347.004 2.075.375 3.361.867 Sonstige Aktiva 369.856 523.000 679.732 PASSIVA 14.080.293 16.255.541 19.615.883 Stammkapital 25.000 25.000 25.000 Ergebnisvortrag 3.199.553 5.562.117 5.562.117 Ergebnis 2.362.564 4.527.682 6.044.251 Eigenkapital 5.587.117 10.114.800 11.631.368 Steuerrückstellungen 1.086.435 2.082.073 2.779.473 Rückstellungen Rückbau 649.581 788.128 954.385 Rückstellungen sonstige 401.291 567.451 737.505 Verbindlichkeiten gegenüber Kreditinstituten 1.951.948 0 0 Verbindlichkeiten aus Lieferungen und Leistungen 1.180.213 1.668.896 2.169.032 Gesellschafterdarlehen 2.410.775 0 Sonstige Verbindlichkeiten 812.935 1.034.193 1.344.121 Cash Flow Bilanz EBITDA FY t 1 FY t 2 FY t 3 Mean (EUR) 5.858.194 8.768.877 11.044.164 Stdw. (EUR) 701.493 1.364.171 1.818.807 Variationskoeffizient 12% 16% 16% At Risk 95% (EUR) 4.651.478 6.405.200 7.981.194 Liquidität FY t 1 FY t 2 FY t 3 Mean (EUR) 2.321.837 1.818.448 2.857.365 Stdw. (EUR) 729.633 1.923.390 2.419.959 Variationskoeffizient 31% 106% 85% At Risk 95% (EUR) -361.498 -4.206.365 -4.211.358 6.8 Simulation und Interpretation der Simulationsergebnisse 107 <?page no="108"?> 108 6 Fallstudie Aus den Simulationsergebnissen wurden verschiedene Risikokennzahlen für die Zielgrößen EBITDA und (Stichtags-)Liquidität abgeleitet, um die Bandbreite und Unsicherheit der Planung quantitativ zu fassen. Das erwartungstreue EBITDA steigt im Verlauf des Planungszeitraums von rund 5.868 TEUR im Jahr t 1 auf 11.044 TEUR im Jahr t 3 . Daraus ergibt sich eine durchschnittliche jährliche Wachstumsrate (CAGR) von etwa 38,1 Prozent. Die erwartete verfügbare Liquidität zeigt hingegen eine weniger gleichmäßige Entwicklung: Nach 2.322 TEUR im Jahr t 1 sinkt sie investitionsbedingt im Jahr t 2 auf 1.818 TEUR und steigt bis t 3 wieder auf 2.857 TEUR. Die Analyse der Standardabweichungen verdeutlicht die unterschiedliche Volatilität von EBITDA und Liquidität. Für das EBITDA liegen die Standardabweichungen bei 701 TEUR (t 1 ), 1.364 TEUR (t 2 ) und 1.819 TEUR (t 3 ). Absolut nehmen die Schwankungen zu, was vor dem Hintergrund eines wachsenden Geschäftsvolumens und kumulativer Risiken plausibel ist. Relativ zum jeweiligen Erwartungswert bleibt die Unsicherheit moderat. Der Variationskoeffizient steigt von etwa zwölf Prozent im Jahr t 1 auf rund 16 Prozent im Jahr t 3 . Die Streuung nimmt damit langsamer zu als der Mittelwert. Das EBITDA bleibt in allen betrachteten at-Risk Konfidenzintervallen positiv. Das 5 Prozent-Quantil liegt bei rund 4.652 TEUR im Jahr t 1 und 7.981 TEUR im Jahr t 3 . Diese Value-at-Risk-Werte entsprechen einem Abschlag von etwa 20 bis 30 Prozent gegenüber den jeweiligen Erwartungswerten. Damit ist zwar in seltenen, ungünstigen Szenarien mit deutlichen Rückgängen zu rechnen, die Profitabilität bleibt jedoch mit hoher Wahrscheinlichkeit erhalten. Trotz vorhandener Volatilität zeigt sich das EBITDA insgesamt als widerstandsfähig gegenüber extremen, aber selten eintretenden Risiken. Das spiegelt die Dynamik einer stark wachsenden Branche wie Digital-Out-of-Home (DOOH) wider, in der hohe Ertragspotenziale mit signifikanten Marktrisiken einhergehen. Demgegenüber weist die Liquidität ein deutlich höheres Risikoprofil auf. Im Jahr t 2 ergibt die Simulation eine Standardabweichung von 1.923 TEUR bei einem Erwartungswert von lediglich 1.818 TEUR. Ein Variationskoeffizient von über 100 Prozent zeigt, dass die Schwankungsbreite den Erwartungswert übersteigt. Im Jahr t 3 beträgt die Standardabweichung 2.420 TEUR bei einer erwarteten Liquidität von 2.857 TEUR, was einem Variationskoeffizienten von etwa 85 Prozent entspricht. Im Vergleich dazu fällt das Jahr t 1 moderater aus. Bei einer erwarteten Liquidität von 2.322 TEUR beträgt die Standardabweichung <?page no="109"?> 730 TEUR, was einem Variationskoeffizienten von etwa 31 Prozent entspricht und auf geringere kurzfristige Schwankungsrisiken hinweist. Die Liquidität zeigt im Vergleich zum EBITDA eine deutlich höhere Volatilität und Sensitivität gegenüber risikobehafteten Einflussfaktoren. Der Grund dafür liegt in zahlungswirksamen Mittelabflüssen, die nicht mit dem operativen Ergebnis verknüpft sind, insbesondere in Form von Fremdkapitaltilgungen und Investitionsauszahlungen. Wie bereits aus den hohen Variationskoeffizienten ersichtlich, spiegeln sich auch in den At-Risk-Kennzahlen (Liquidity-at-Risk) ausgeprägte Risikoszenarien wider. So liegt der Liquidity-at-Risk bei -362 TEUR im Jahr t 1 , bei -4.206 TEUR im Jahr t 2 und bei -4.211 TEUR im Jahr t 3 . Auch wenn sich daraus kein unmittelbarer Handlungsbedarf ergibt, liefern die Extremwerte der Simulation wichtige Hinweise für das Liquiditätsrisikomanagement. Sie können dazu dienen, potenzielle Nachfinanzierungsbedarfe in belasteten Szenarien frühzeitig zu erkennen, Liquiditätsreserven einzuplanen oder Investitionsprojekte gezielt mit Fremdkapital zu finanzieren. Über die Analyse von Mittelwerten, Streuung und Quantilen hinaus liefern auch höhere Momente der Verteilung wie Schiefe (Skewness) und Wölbung (Kurtosis) wertvolle Hinweise auf die Risikostruktur der Zielgrößen. Die Schiefe beschreibt die Asymmetrie der Verteilung und erlaubt Rückschlüsse auf das Verhältnis von Chancen zu Risiken. Eine Schiefe von Null weist auf eine symmetrische Verteilung hin. Werte kleiner Null deuten auf eine Häufung negativer Abweichungen hin (mehr Risiken), während Werte größer Null eine Dominanz positiver Ausreißer anzeigen. Ein Wert von Null kennzeichnet eine mesokurtische Verteilung, die der Normalverteilung entspricht. Werte größer Null deuten auf eine leptokurtische Verteilung hin, die durch eine spitzere Form und fette Ränder (Fat Tails) gekennzeichnet ist, bei der Ausreißer häufiger auftreten als bei einer Normalverteilung. Werte kleiner Null weisen auf eine platykurtische Verteilung hin, bei der weniger extreme Werte auftreten als bei einer Normalverteilung. Die EBITDA-Verteilung zeigt über den gesamten Planungszeitraum hinweg eine leicht negative Schiefe (-0,22 bis -0,09). Das weist auf eine tendenzielle Häufung ungünstiger Szenarien hin, wobei sich dieser Effekt im Jahr t 3 abschwächt. Die Wölbung der EBITDA-Verteilung ist EBITDA t 1 EBITDA t 2 EBITDA t 3 liquide Mittel t 1 liquide Mittel t 2 liquide Mittel t 3 6.8 Simulation und Interpretation der Simulationsergebnisse 109 <?page no="110"?> 110 6 Fallstudie durchgehend negativ (-0,26 bis -0,46), was auf eine flache Verteilung mit moderatem Ausreißerrisiko hindeutet. In Summe ergibt sich ein robustes Risikoprofil mit nur leichtem Abwärtsdruck, ohne Hinweise auf extreme Konzentration negativer Entwicklungen. Auch die Liquidität weist eine asymmetrische Verteilung mit negativer Schiefe auf, die teilweise stärker ausgeprägt ist als beim EBITDA, insbesondere im Jahr t 2 mit einem Wert von -0,27. Die Wölbungswerte liegen durchgehend deutlich unter Null (zwischen -0,26 und -0,50), was auf eine breite Verteilung mit geringer Ausreißerdichte hinweist. Zusammen mit den bereits beobachteten hohen Variationskoeffizienten ergibt sich ein ausgeprägtes, jedoch breit gestreutes Risikoprofil - vor allem im Jahr t 2 , das von Investitionen und Tilgungen geprägt ist. Die vorliegende erwartungstreue Planung der MEDO erfüllt in ihrer finalen Ausgestaltung die Anforderungen an eine Zukunftserfolgsplanung gemäß IDW ES 1. Maßgeblich hierfür ist, dass sämtliche wesentlichen Chancen und Risiken des Geschäftsmodells systematisch erfasst und durch die Integration stochastischer Elemente quantitativ abgebildet wurden. Der durch Monte-Carlo-Simulation erzeugte Erwartungswertansatz berücksichtigt sowohl die Struktur als auch die Streuung möglicher Entwicklungen und ermöglicht damit eine intersubjektiv nachprüfbare Einschätzung zukünftiger finanzieller Erfolgsgrößen. Damit wird dem zentralen Grundsatz des IDW ES 1, Tz. 51 entsprochen, wonach für Bewertungszwecke eine integrierte Prognose der Erwartungswerte der zukünftigen Unternehmenserfolge zu erstellen ist. Auch in Bezug auf die Zuständigkeit und Funktion des Bewertenden ist diese Planungsbasis konform mit IDW ES 1. In einer neutralen Gutachterfunktion liegt die Verantwortung für die Eignung der Planungsrechnung beim Wirtschaftsprüfer, der durch Plausibilisierung und Risikointegration die Managementplanung in eine Zukunftserfolgsplanung überführt. <?page no="111"?> 7 Fazit In einer zunehmend krisenanfälligen und unsicheren Welt, in der Unternehmen mit geopolitischen Spannungen, globalen Pandemien und marktwirtschaftlichen Schwankungen konfrontiert sind, ist es von hoher Relevanz, dass Unternehmensplanungen nicht nur als statische Prognosen verstanden werden, sondern als dynamische Instrumente, die den sich ständig verändernden Risiken und Unsicherheiten gerecht werden. Das vorliegende Praxishandbuch hat gezeigt, dass die traditionelle deterministische Managementplanung diesen Anforderungen nicht mehr genügt. Vielmehr ist eine erwartungstreue Planung erforderlich, die systematisch Risiken und Unsicherheiten integriert und dadurch eine realistischere und robustere Grundlage für Unternehmensentscheidungen und Bewertungen schafft. In der Praxis dominieren jedoch weiterhin deterministische Planungsansätze, bei denen Planwerte weniger als neutrale Erwartungswerte dienen, sondern eher als ambitionierte Zielgrößen. Interne Vorgaben, Anreizsysteme oder Bonusmechanismen verleiten dazu, Risiken implizit auszublenden und ausschließlich auf vermeintlich erreichbare Zahlen hinzuarbeiten. Die wesentliche Herausforderung besteht folglich darin, diese verbreiteten Planungen methodisch in eine erwartungstreue Planung zu überführen. Hierfür ist zunächst eine strukturierte Analyse des bestehenden Planungsprozesses erforderlich. Mittels formeller und materieller Plausibilitätsprüfungen der Managementplanung werden mögliche Verzerrungen, Zielkonflikte und strukturelle Schwächen aufgedeckt. Im Anschluss erfolgt eine Risikoidentifikation, deren Ergebnis ein Risikoinventar mit Ursachen, betroffenen Zielgrößen, Wirkungen und ersten quantitativen Einschätzungen ist. Die identifizierten Risiken werden mittels geeigneter Wahrscheinlichkeitsverteilungen quantifiziert. Geeignet sind insbesondere Dreiecks- und PERT-Verteilungen, die mit wenigen, intuitiv zugänglichen Parametern auskommen und sich dadurch leicht durch Experten kalibrieren lassen. Auch seltene Schadensereignisse lassen sich adäquat abbilden, wenn Eintrittswahrscheinlichkeit und Schadenshöhe getrennt modelliert werden. In der mehrjährigen Planung stoßen deterministische Fortschreibungen an methodische Grenzen, da sie keine Rückkopplung auf zwischenzeitliche Abweichungen zulassen. Ein konsistenter Planungsansatz verlangt nach dynamischen Modellen, die <?page no="112"?> 112 7 Fazit stochastische Schwankungen ebenso berücksichtigen wie langfristige Gleichgewichtstendenzen. Als besonders vorteilhaft erweist sich hierbei der Einsatz von Mean-Reverting-Prozessen. Durch den rückführenden Mechanismus werden überzogene kurzfristige Ausschläge geglättet, was zu plausibleren Mittelfristprojektionen führt. Gleichzeitig gewährleistet diese Methodik einen konsistenten Übergang zur ewigen Rente im Bewertungsmodell. Zum Abschluss der Planung wird die gesamte Modellstruktur einer Monte-Carlo-Simulation unterzogen, um die Wirkung unsicherer Einflussgrößen in ihrer Gesamtheit zu analysieren. Hierdurch wird das Zusammenwirken sämtlicher Risiken in einer Vielzahl von Szenarien durchgerechnet und es entsteht eine Wahrscheinlichkeitsverteilung der möglichen Gesamtergebnisse. Auf dieser Grundlage lassen sich interpretierbare Risikomaße ableiten, die dem Management ein tiefgehendes Verständnis der mit der Planung verbundenen Unsicherheiten vermitteln. Im Rahmen dieses Praxishandbuchs wurde anhand einer Fallstudie der Media DOOH GmbH dargestellt, wie eine ursprüngliche Managementplanung systematisch in eine erwartungstreue Unternehmensplanung überführt werden kann. Die übergeleitete Planung der Media DOOH GmbH erfüllt die Anforderungen des IDW ES 1 an eine zukunftsorientierte Erfolgsplanung. Wesentliche Chancen und Risiken des Geschäftsmodells wurden systematisch erfasst und mittels stochastischer Simulationen quantitativ abgebildet. Der daraus resultierende Erwartungswertansatz entspricht der Vorgabe des IDW ES 1, Tz. 51, wonach integrierte Prognosen auf Erwartungswertbasis für Bewertungszwecke heranzuziehen sind. <?page no="113"?> Literaturverzeichnis Altmeppen, H.: § 43 Haftung der Geschäftsführer. In: Altmeppen, H.: Gesetz betreffend die Gesellschaften mit beschränkter Haftung - Kommentar, 11. Auflage, C.H. Beck Verlag, München, 2023. Barth, T., Ernst, D., Marx, S.: Innovative Bewertung von KMU - Ein Praxisleitfanden, 1. Auflage, Schäffer-Poeschel Verlag, Stuttgart, 2023. Baumeister, A., Kochems, T., Britz, F.: Überraschungen vermeiden - Ergebnis- und Liquiditätssteuerung mit Kurzarbeit. In: Der Betrieb, 2020, Heft 27-28, S. 1409-1415. Behringer, S., Gleißner, W.: Unternehmensplanung als Grundlage für die Unternehmensbewertung- Die Perspektive der Wirtschaftsprüfer. In: Die Wirtschaftsprüfung (WPg), 2021, Heft 13, S. 857-864. Beissenhirtz, V., Berger, T., Brömmekamp, U. et al.: Stellungnahme zum IDW S 16 vom 3.2.2025. In: Zeitschrift für das gesamte Insolvenz- und Sanierungsrecht (ZinsO), 2025, S. 1325-1384. Bei der Kellen, M.: § 1 Krisenfrüherkennung und Krisenmanagement bei haftungsbeschränkten Unternehmensträgern. In: Harder, P., Kindler, P., Kluth, D., Sanierungsrecht, 1. Auflage, Nomos Verlag, Baden-Baden, 2024. Berger, T., Ernst, D., Gleißner, W., Hofmann, K. H., Meyer, M., Schneck, O., Ulrich, P., Vanini, U.: Die Prüfung von Risikomanagementsystemen und die Defizite des IDW-Prüfungsstandards 340. In: Der Betrieb, 2021, Heft 46, S. 2709-2714. Bloss, M.: Financial Engineering - Strategien, Bewertungen und Risikomanagement, 5. Auflage, De Gruyter Oldenbourg, Berlin, 2024 Börner, C., Ernst, D., Hoffmann, I.: Tail Risks in Corporate Finance: Simulation-Based Analyses of Extreme Values. In: Journal of Risk and Financial Management, 2023, Volume 16, Issue 11. Bundesnetzagentur: https: / / www.smard.de/ page/ home/ topic-article/ 444/ 215830, Abruf am 10.07.2025 Bundesverband Deutscher Unternehmensberatungen BDU e.V.: Grundsätze ordnungsgemässer Planung (GoP) - Version 3.0, 4. Auflage, BDU- Servicegesellschaft für Unternehmensberatungen mbH, Bonn, 2022. Clemen, R. T., Reilly, T.: Making Hard Decisions with DecisionTools (3 rd ed.). Cengage Learning, 2013. <?page no="114"?> 114 Literaturverzeichnis Dewar, J. A.: Assumption-based Planning: A Tool for Reducing Avoidable Surprises. Cambridge University Press, 2002. Dixit, A. K., Pindyck, R. S.: Investment under Uncertainty. Princeton University Press, 1994. Emmert, A., Götzfried, A.: Methoden der Bewertung von Start-up-Unternehmen. In: Corporate Finance, 2024, Heft 1-2, S. 41-48. Ernst, D., Häcker, J.: Risikomanagement im Unternehmen - Schritt für Schritt, 1. Auflage, utb Verlag, Stuttgart, 2021. Ernst, D., Häcker, J.: Financial Modeling, 2. Auflage, Schäffer-Poeschel Verlag, Stuttgart, 2016. Ernst, D., Häcker, J.: Realoptionen im Investment Banking, Schäffer Poeschel Verlag, Stuttgart, 2002. Fachverband Aussenwerbung e.V.: https: / / faw-ev.de/ pressemitteilungen/ 469-ooh-im-neuen-all-time-high, Abruf am 07.07.2025 Franken, L., Schulte, J.: § 5 Ermittlung und Plausibilisierung des Zukunftsertrags. In: Fleischer, H., Hüttemann, R., Rechtshandbuch der Unternehmensbewertung, 3. Auflage, Verlag Dr. Otto Schmidt, Köln, 2024. Gleißner, W.: Erwartungstreue Planung und Planungssicherheit - Mit einem Anwendungsbeispiel zur risikoorientierten Budgetierung. In: Controlling, 2008, Heft 2, S. 81-87. Gleißner, W.: Grundlagen des Risikomanagements - Handbuch für ein Management unter Unsicherheit, 4. Auflage, Vahlen Verlag, München, 2022. Gleißner, W.: Risikomanagement 20 Jahre nach KonTraG: Auf dem Weg zum entscheidungsorientierten Risikomanagement. In: Der Betrieb, 2018, Heft 46, S. 2769-2774. Gleißner, W.: Risikomanagement, KonTraG und IDW PS 340. In: Die Wirtschaftsprüfung (WPg), 2017, Heft 3, S. 158-164. Gleißner, W., Grundmann, T.: Stochastische Planung - Auf dem Weg zu einem Chancen- und risikoorientierten Controlling. In: Controlling, 2003, Heft 9, S. 459-466. Gleißner, W., Wolfrum, M.: Risikoaggregation und Monte-Carlo-Simulation - Schlüsseltechnologie für Risikomanagement und Controlling, 1. Auflage, Springer Verlag, Wiesbaden, 2019. Hedderich, J., Sachs, L.: Angewandte Statistik - Methodensammlung mit R, 16. Auflage, Springer Spektrum Verlag, Berlin, 2018. <?page no="115"?> Literaturverzeichnis 115 Hinrichs, G.: Grundlagen der Wahrscheinlichkeitsrechnung - Die Theorie schrittweise anhand zentraler Themen entwickelt, Springer Spektrum, Berlin, 2024. Hirt, M., Smit, S., Bradley, C., Uhlaner, R., Mysore, M., Atsmon, Y., Northcote, N.: Getting Ahead of the Next Stage of the Coronavirus Crisis. McKinsey & Company, 2020. Horváth, P.: Entwicklung der Unternehmensplanung heute. In: Rethinking Finance, 2021, Heft 2, S. 4-13. Howard, R. A., Abbas, A. E.: Foundations of decision analysis. Upper Saddle River, NJ: Pearson, 2015. Ihlau S., Duscha, H.: Abbildung von Risiken und Chancen in der Planungsrechnung. In: Betriebsberater, 2013, Heft 39, S. 2346-2350. Imkamp, T., Proß, S.: Einstieg in stochastische Prozesse, Springer Spektrum Verlag, Berlin, 2023. Institut der Wirtschaftsprüfer in Deutschland e.V.: Beurteilung einer Unternehmensplanung bei Bewertung, Restrukturierungen, Due Diligence und Fairness Opinion, IDW Verlag, Düsseldorf, 2017. Institut der Wirtschaftsprüfer in Deutschland e.V.: Entwurf einer Neufassung des IDW Standards: Grundsätze zur Durchführung von Unternehmensbewertungen (IDW ES 1 n.F.), IDW Verlag, Düsseldorf, 2024. Institut der Wirtschaftsprüfer in Deutschland e.V.: IDW Standard: Ausgestaltung der Krisenfrüherkennung und des Krisenmanagements nach § 1 StaRUG (IDW S 16), IDW Verlag, Düsseldorf, 2025. Institut der Wirtschaftsprüfer in Deutschland e.V.: Grundsätze ordnungsmäßiger Prüfung von Risikomanagementsystemen, IDW Verlag, Düsseldorf, 2017. Institut der Wirtschaftsprüfer in Deutschland e.V.: IDW Praxishinweis: Berücksichtigung des Verschuldungsgrads bei der Bewertung von Unternehmen (IDW Praxishinweis 2/ 2018), IDW Verlag, Düsseldorf, 2018. Institut der Wirtschaftsprüfer in Deutschland e.V.: IDW Prüfungsstandard: Die Beurteilung der Fortführung der Unternehmenstätigkeit im Rahmen der Abschlussprüfung (IDW PS 270 n.F.), IDW Verlag, Düsseldorf, 2021. Institut der Wirtschaftsprüfer in Deutschland e.V.: IDW Prüfungsstandard: Die Prüfung des Risikofrüherkennungssystems nach § 317 Abs. 4 HGB (IDW PS 340 n.F.), IDW Verlag, Düsseldorf, 2022. <?page no="116"?> 116 Literaturverzeichnis Institut der Wirtschaftsprüfer in Deutschland e.V.: IDW Standard: Beurteilung des Vorliegens von Insolvenzeröffnungsgründen (IDW S 11), IDW Verlag, Düsseldorf, 2023. Jaganathan, J., Khasawhneh, R., Tan, F.: https: / / www.reuters.com/ world/ middle-east/ container-ship-runs-aground-within-suez-canalcausing-traffic-jam-2021-03-24/ , Abruf am 20.05.2025. Knauer, T.: Relevanz, Qualität und Determinanten der externen Unternehmenspublizität zum Humankapital: Eine empirische Bestandsaufnahme der HDAX-Unternehmen. In: Zeitschrift für Personalforschung (ZfP), 2010, Vol. 24, S. 206-230. Lempert, R. J., Popper, S. W., Bankes, S. C.: Shaping the Next One Hundred Years: New Methods for Quantitative, Long-term Policy Ana-lysis. RAND Corporation, 2003. Makridakis, S., Wheelwright, S. C., Hyndman, R. J.: Forecasting: Methods and Applications (3rd ed.). Wiley, 1998. Morgan, M. G., Henrion, M.: Uncertainty: A Guide to Dealing with Uncertainty in Quantitative Risk and Policy Analysis. Cambridge University Press, 1990. Mochty, L., Hoffmann, D., Hülsberg, F.: Risikoaggregation: Wenn 1+1 nicht 2 ist. In: Der Betrieb, 2018, Heft 51-52, S. 3061-3072. Neusser, K.: Time Series Econometrics, 2. Auflage, Springer Nature, Berlin, 2025. Nickert, A., Nickert, C.: Früherkennungssystem als Instrument zur Krisenfrüherkennung nach dem StaRUG. In: GmbHR ‒ Zeitschrift für Gesellschaftsrecht, Unternehmensrecht und Steuerrecht, 2021, Heft 8, S. 401-413. ohne Verfasser: https: / / invidis.de/ 2024/ 08/ stroeer-iconic-dooh-screensfuer-deutschland/ , Abruf am 07.07.2025 ohne Verfasser, https: / / invidis.de/ 2025/ 01/ nielsen-werbetrend-2024-oohknackt-3-milliarden-umsatzmarke/ , Abruf am 07.07.2025 ohne Verfasser: https: / / www.avinteractive.com/ news/ digital-signageand-dooh/ germany-switches-digital-signs-off-at-night-to-saveenergy-22-08-2022/ , Abruf am 10.07.2025 ohne Verfasser: https: / / www.stroeer.de/ newsroom/ presse/ stroeer-erstesquartal-2025-mit-rekordwerten-bei-umsatz-und-ergebnis/ , Abruf am 07.07.2025 Raiffa, H., Schlaifer, R.: Applied Statistical Decision Theory. Cambridge, MA: Harvard University Press, 1961. <?page no="117"?> Literaturverzeichnis 117 Reuters: https: / / www.reuters.com/ article/ business/ healthcare-pharmaceuticals/ chinese-officials-investigate-cause-of-pneumonia-outbreak-in-wuhan-idUSKBN1YZ0GO/ , Abruf am 20.05.2025. Rieg, R.: Eine Prognose ist (noch) kein Plan - Operative Planung in Zeiten von Predictive Analytics. In: Controlling, 2018, Heft 6, S. 22-28. Rieg, R.: Erkennen von nicht plausiblen Plänen in der Praxis. In: Zeitschrift für Bilanzierung, Rechnungswesen und Controlling (BC), 2023, Heft 9, S. 423-427. Rieg, R., Gleißner W.: Was ist ein erwartungstreuer Plan? In: Die Wirtschaftsprüfung (WPg), 2022, Heft 24, S. 1407-1414. RMA Risk Management & Rating Association e.V.: https: / / rma-ev.org/ verein/ arbeitskreise/ risikomanagement-standards, Abruf am 20.06.2025. RMA Risk Management & Rating Association e.V.: Risikoquantifizierung - Grundlagen - Werkzeuge - Praxisbeispiele, 1. Auflage, Erich Schmidt Verlag, Berlin, 2021. Schwartz, E., Moon, M.: Rational Pricing of Internet Companies. In: Financial Analysts Journal, 2000, Volume 56, Issue 3, S. 62-75. Spengler, T., Metzger-Volkmer, O., Volkmer, T., Herzog, S., Siegling, K., Moderne Personalplanung - Modelle, Methoden und Fallbeispiele, 2. Auflage, Springer Gabler Verlag, Wiesbaden, 2025. Schneck, S., Arndt, Wolter, H.: Umsatzwachstum und Wachstumsschwellen deutscher Unternehmen. In: IfM-Materialien, No. 240, 2015. Schoemaker, P. J. H. (1995). Scenario planning: A Tool for Strategic Thinking. Sloan Management Review, Vol. 36, No. 2, 25-40. Thees, A.: Überblick über die wesentlichen Neuerungen des IDW ES 1 „Grundsätze zur Durchführung von Unternehmensbewertungen“. In: Betriebs-Berater (BB), 2025, Heft 6, S. 299-303. Trigeorgis, L.: Real options: Managerial Flexibility and Strategy in Resource Allocation. Cambridge, MA: MIT Press, 1996. van der Heijden, K.: Scenarios: The Art of Strategic Conversation (2 nd ed.). Chichester, UK: John Wiley & Sons, 2005. Vanini, U., Rieg, R.: Risikomanagement - Grundlagen - Instrumente - Unternehmenspraxis, 2. Auflage, Schäffer-Poeschel Verlag, Stuttgart, 2021. <?page no="118"?> 118 Literaturverzeichnis Vanini, U., Worm, F.: Risikoorientierte Unternehmenssteuerung - Fallstudien für die Risikomodellierung und ein Management unter Unsicherheit, 1. Auflage, Schäffer-Poeschel Verlag, Stuttgart, 2024. Wack, P.: Scenarios: Shooting the Rapids. 1985b, Harvard Business Review, 63(6), 139-150. Wack, P.: Scenarios: Uncharted Waters Ahead. Harvard Business Review, 1985a, 63(5), 73-89. Walsch, H.: https: / / www.planus-media.de/ blog/ beitrag/ programmaticdooh-markt-wird-wachsen-holger-walsch, Abruf am 10.07.2025 Wehrspohn, U.: https: / / www.wehrspohn.de/ support/ publikationen/ expert-und-poly-verteilungen, Abruf am 20.06.2025. Wehrspohn, U., Ernst, D.: Verteilungen als Grundlage des quantitativen Risikomanagements - Eine Übersicht verschiedener Anwendungsfälle, 1. Auflage, Springer Gabler Verlag, Wiesbaden, 2022. Wieland-Blöse, H., Pfender, S.: Beurteilung einer Unternehmensplanung bei Bewertungen, Restrukturierungen sowie sonstigen Transaktionen. In: IDW (Hrsg.): Bewertung und Transaktionsberatung - Betriebswirtschaftliche Bewertung, Due Diligence, Fairness Opinions u.a., IDW Verlag, Düsseldorf, 2018. Ziemons, H.: § 43 Haftung der Geschäftsführer. In: Michalski, L., Heidinger, A., Leible, S., Schmidt, J.: Kommentar zum Gesetz betreffend die Gesellschaften mit beschränkter Haftung, 4. Auflage, C.H. Beck Verlag, München, 2023. Zinets, N., Vasovic, A.: https: / / www.reuters.com/ world/ europe/ putin-orders-military-operations-ukraine-demands-kyiv-forces-surrender- 2022-02-24/ , Abruf am 20.05.2025. <?page no="119"?> Index arithmetisches Mittel 21 Assumption-Based Planning 25 Ausstrahlungswirkung 32 bandbreitenorientierte Erwartungswerte 39 Bottom-up-Planung 48 Brainstorming 55 Brainwriting 55 Business Judgment Rule 31, 32 Conditional Value at Risk 82 Copula-Modelle 65 Cost Approach 40 Decision-Analytic Planning under Uncertainty 25 deterministische Planung 53 Dichtefunktionen 80 Dreiecksverteilung 62 drohende Zahlungsunfähigkeit 37 DRS 20 39 Effizienz 22 Eintrittswahrscheinlichkeit 71 Erwartungstreue 21, 22 erwartungstreue Planung 25, 35 erwartungstreuer Planwert 21 Erwartungswert 21, 80 Expected Shortfall 82 Expected Value of Including Uncertainty 27 Expected-Value Planning 25 Expertenmeinungen 64 Expert-Verteilung 63 Fair-Value-basierte Bewertungsansätze 39 Fehlerbaumanalyse 54 Fehlermöglichkeits- und Einflussanalyse 54 Financial-Modeling-Standards 50 Fixkostenblock 69 formelle Konsistenz 86 Fortbestehensprognose 37 Fortführungsannahme 38 Frühwarnsystem 32, 35 Gaußsche Normalverteilung 68 Gegenstromverfahren 48 Geometrische Brownsche Bewegung 75 Gesamtrisikoumfang 34 Gesamtunsicherheit der Prognose 22 Gewinn- und Verlustrechnung 88 IDW ES 1 31, 40 IDW PS 340 31 IDW S 16 34 IFRS 13 39 Income Approach 40 <?page no="120"?> 120 Index inhärente Variabilität 22 InsO 31 Insolvenzrecht 36 interne Plausibilität 88 Interviews 55 Kalibrierung 64 Kollektionsmethoden 56 Konsistenz 23 Korrekturposition 65 kreative Verfahren 56 Krisenfrüherkennungspflichten 32 Krisenfrüherkennungssystem 33 Lognormalverteilung 72 Managementplanung 31, 41, 43, 47 Market Approach 40 Markov-Eigenschaft 74 Materialaufwand 66 Materialaufwandsquote 66 materielle externe Plausibilität 52 materielle interne Plausibilität 51 Mean-Reversion 76 Modellrisiko 22 modifizierte PERT-Verteilung 63 Monte-Carlo-Simulation 24, 34, 78 morphologische Analysen 55 Normalverteilung 67 Ornstein-Uhlenbeck-Prozess 76 Parameterunsicherheit 22 Personalaufwand 68 Personalaufwandsquote 69 PERT-Verteilung 62 Planerstellungsprozesses 47 Plan-Ist-Abweichungsanalyse 52 Planungsprämissen 48 Planungsrechnung 98 Planungsverfahren 24 Plausibilität 49 Plausibilitätsanalyse 86 Plausibilitätsbeurteilung 49 Poisson-Verteilung 71 Probabilistic Forecasting 25 progressive Methoden 55 Punktprognose 53 quantitative Analyse 51 Real Options 28 rechnerische Konsistenz 50, 86 Reinvermögen 37 retrograde Verfahren 55 Risiken 21 Risikoaggregation 33, 78 Risikoaggregationsverfahren 78 Risikofrüherkennungssystem 32 Risikoidentifikation 33, 53, 55 Risikoinventar 53, 57 Risikomanagementsystem 33 Risikomaße 80 Risikoquantifizierung 58 Robust Decision Making 28 Rückführungseffekt 76 <?page no="121"?> Index 121 Rückführungsmechanismen 73 Scenario Planning 26 Schadenshöhe 71 Simulation 106 sonstige betriebliche Aufwendungen 70 Standardabweichung 81 standardisierte Fragebögen 55 StaRUG 31 Stationarität 74 stetige Verlustverteilung 72 Steuerungsgrößen 47 Stochastic Planning 25 stochastische Prognoseverfahren 24 stochastische Prozesse 74 strukturierte (Strategie-) Gespräche 51 Suchmethoden 56 Suffizienz 23 Systemanalysen 55 Szenariotechniken 55 Top-down-Planung 48 Top-Line-Verteilung 65 trunkierte Normalverteilung 67 Überschuldung 37 Umsatzerlöse 61 unbiased Forecasts 25 unbiased Planning 25 Unternehmensbewertung 40, 42 Unternehmensplanungen 48 Value at Risk 81 Variationskoeffizient 81 Wahrscheinlichkeitsverteilung 38, 58, 62, 100 Wettbewerbsvergleiche 52 Wiener-Prozess 75 Zahlungsunfähigkeit 36 Zeitlogik 72 Zukunftserfolgsplanung 25, 31, 41, 42 <?page no="122"?> ISBN 978-3-381-14911-7 In einer zunehmend volatilen und krisenanfälligen Welt stoßen klassische, deterministische Managementplanungen an ihre Grenzen. Sie basieren auf Zielwerten, anstatt auf Erwartungswerten, und vernachlässigen systematisch Risiken und Unsicherheiten. Die Autoren zeigen, dass eine erwartungstreue Planung als risikointegrierte, auf Erwartungswerten beruhende Unternehmensplanung nicht nur methodisch fundierter, sondern auch regulatorisch geboten ist. Sie erfüllt zentrale Anforderungen nach § 91 und § 93 AktG sowie § 1 StaRUG und entspricht den Vorgaben des IDW ES 1, insbesondere im Hinblick auf die Trennung von Management- und Zukunftserfolgsplanung. Im Mittelpunkt des Buches steht die Transformation einer klassischen Managementplanung in eine erwartungstreue Planung. Dazu werden deterministische Planwerte analysiert, auf Plausibilität geprüft und durch eine systematische Risikoidentifikation ergänzt. Anschließend erfolgt die Quantifizierung über geeignete Wahrscheinlichkeitsverteilungen, gefolgt von einer Monte-Carlo- Simulation zur Aggregation der Risiken und Ableitung relevanter Risikomaße.