«Garbage in, garbage out» gilt besonders für Portfolio-Bewertungen. Je präziser die Eingangsdaten und je expliziter die Annahmen, desto besser die Entscheidungsqualität.
Vier Präzisions-Dimensionen
| Dimension | Inhalt |
|---|---|
| Datenqualität | Schlechte Kostenschätzungen, übertriebene Nutzenprognosen, unvollständige Scope-Definitionen: alle erzeugen falsche Bewertungen. Qualitätsgates für Business Cases einführen |
| Annahmen explizit | Jede Schätzung basiert auf Annahmen – diese müssen explizit dokumentiert sein: «Wir nehmen an, dass der Nutzerzuwachs 15% beträgt, basierend auf ähnlichem Projekt 2023». Undokumentierte Annahmen werden zur Blackbox |
| Unsicherheit als Range | Statt «Kosten: CHF 500’000» besser: «Kosten: CHF 400’000–650’000 (P10–P90)». Range-Schätzungen sind ehrlicher und kommunizieren Unsicherheit explizit |
| Unabhängige Validierung | Business Cases von unabhängiger Stelle prüfen lassen (nicht vom Projektteam selbst). Finance, Architecture, oder externes Review reduzieren Optimism Bias signifikant |
Annahmen-Log: Best Practice
Jeder Business Case sollte einen Annahmen-Log enthalten: Annahme (was nehmen wir an?), Grundlage (warum diese Annahme?), Sensitivität (wie stark beeinflusst die Annahme das Ergebnis?), Verantwortlich (wer monitort diese Annahme?). Wenn eine Schlüsselannahme sich als falsch herausstellt, löst das automatisch eine Business-Case-Revision aus.
Fazit
Präzision in der Projektbewertung ist keine akademische Übung – sie ist die Grundlage für gute Investitionsentscheide. Organisationen mit höherer Bewertungspräzision realisieren mehr Projekte on-budget.
Weiterführend: Objektivität & Bias | Bewertungsstrategien
Quellen
- Flyvbjerg, B. (2003). Megaprojects and Risk. Cambridge University Press.
