Monte-Carlo-Simulation für Risikobewertung

Warum dieser Kurs?

Einzelne Punktschätzungen sind gefährlich. Sie suggerieren Sicherheit, wo keine ist. Monte-Carlo-Simulation gibt Ihnen stattdessen Wahrscheinlichkeitsverteilungen, die zeigen, was wirklich passieren könnte.

In diesem Kurs lernen Sie, wie man zehntausende Simulationsläufe nutzt, um Risiken zu quantifizieren. Wir arbeiten hauptsächlich mit Python und behandeln praktische Anwendungen: Projektbudgets, Investitionsentscheidungen, Kapazitätsplanung.

Warum das funktioniert

Die Idee ist simpel: Statt zu raten, welches Szenario eintritt, rechnen Sie einfach alle durch. Tausende Male. Mit Monte-Carlo können Sie zeigen, dass ein Projekt mit 65 Prozent Wahrscheinlichkeit zwischen 1,2 und 1,8 Millionen kostet, statt einfach 1,5 Millionen zu schätzen.

Wir beginnen mit den mathematischen Grundlagen: Zufallsvariablen, Verteilungen, Korrelationen. Dann bauen Sie Ihre ersten Simulationsmodelle. Sie lernen, wie man Inputparameter sinnvoll modelliert, nicht einfach alles als Normalverteilung annimmt, und wie man mit Abhängigkeiten zwischen Variablen umgeht.

Ein kritischer Teil: Interpretation der Ergebnisse. Viele Leute bauen Simulationen, können aber nicht erklären, was die Ergebnisse bedeuten. Sie lernen, Perzentile zu lesen, Sensitivitätsanalysen durchzuführen und herauszufinden, welche Inputfaktoren wirklich wichtig sind.

Technische Anforderungen

Sie brauchen grundlegende Python-Kenntnisse. Wenn Sie for-Schleifen schreiben und mit Listen arbeiten können, reicht das. Wir nutzen hauptsächlich NumPy und matplotlib, führen aber auch in spezialisierte Bibliotheken wie scipy.stats ein.

Der Kurs ist hands-on: Sie schreiben Code, debuggen Modelle und bauen eine eigene Simulation für einen realen Anwendungsfall. Am Ende können Sie eigenständig Monte-Carlo-Modelle entwickeln, validieren und die Ergebnisse für Entscheidungsträger aufbereiten.