Risiko vs. Ungewissheit

1. Warum die Unterscheidung entscheidend ist

Organisationen sprechen häufig von Risiko, meinen jedoch Ungewissheit. Diese begriffliche Vermischung bleibt selten folgenlos.

Wo Ungewissheit fälschlich als Risiko behandelt wird,

• wird Sicherheit simuliert,

• werden Zahlen überschätzt,

• und Entscheidungen rückwirkend rationalisiert.

Die Unterscheidung ist deshalb keine theoretische Feinheit, sondern eine operative Notwendigkeit.

2. Risiko: Entscheiden unter berechenbarer Unsicherheit

Risiken zeichnen sich dadurch aus, dass:

• mögliche Szenarien bekannt sind,

• Eintrittswahrscheinlichkeiten geschätzt werden können,

• und Verluste begrenzbar sind.

T

ypische Beispiele:

• Versicherungsschäden

• Kreditrisiken

• Ausfallwahrscheinlichkeiten

• operative Stabilität in bekannten Märkten

Risiken lassen sich:

• modellieren,

• vergleichen,

• versichern,

• und innerhalb klarer Toleranzen steuern.

Entscheiden unter Risiko bedeutet, bewusst mit Wahrscheinlichkeiten zu arbeiten.

3. Ungewissheit: Entscheiden ohne verlässliche Wahrscheinlichkeiten

Ungewissheit liegt vor, wenn:

• relevante Einflussfaktoren nicht vollständig bekannt sind,

• zukünftige Entwicklungen nicht stabil extrapolierbar sind,

• oder neue, bisher unbekannte Ereignisse eintreten können.

Typische Kontexte:

• strategische Transformationen

• disruptive Technologien

• neue Geschäftsmodelle

• regulatorische Brüche

• gesellschaftliche oder geopolitische Veränderungen

In solchen Situationen liefern Zahlen häufig:

• Scheingenauigkeit

• falsche Sicherheit

• oder trügerische Vergleichbarkeit

Ungewissheit lässt sich nicht berechnen – sie muss ausgehalten, begrenzt und verantwortet werden.

4. Der Denkfehler der Scheinpräzision

Ein verbreiteter systemischer Fehler besteht darin, Ungewissheit durch:

• detailliertere Modelle,

• feinere Szenarien,

• oder umfangreichere Berichte

ersetzen zu wollen.

Je komplexer das Umfeld, desto größer wird dabei das Risiko, Ungewissheit mit Genauigkeit zu verwechseln.

Kennzeichen dieses Denkfehlers sind:

• hohe numerische Präzision bei fragilen Annahmen

• geringe Robustheit gegenüber Abweichungen

• spätere Überraschung bei eigentlich vorhersehbaren Brüchen

Ein reifes Entscheidungssystem erkennt:

5. Unterschiedliche Entscheidungslogiken

Risiko und Ungewissheit erfordern unterschiedliche Entscheidungslogiken.

Bei Risiko steht im Vordergrund:

• Optimierung

• Effizienz

• Erwartungswerte

• Verlustminimierung

Bei Ungewissheit hingegen:

• Resilienz

• Optionalität

• Reversibilität

• Lernfähigkeit

Wird diese Unterscheidung ignoriert, entstehen Fehlentscheidungen:

• Optimierung dort, wo Anpassungsfähigkeit nötig wäre

• Festlegung dort, wo Offenheit geboten wäre

• Kontrolle dort, wo Vertrauen und Verantwortung entscheidend sind

6. Governance im Umgang mit Ungewissheit

Ungewissheit ist keine Abwesenheit von Steuerung, sondern eine andere Form von Governance.

Ein tragfähiger Umgang mit Ungewissheit zeichnet sich aus durch:

• explizite Benennung zentraler Annahmen

• bewusste Begrenzung von Entscheidungshorizonten

• klare Verantwortungszuordnung

• definierte Rückkopplungs‑ und Anpassungspunkte

Nicht die Eliminierung von Unsicherheit ist das Ziel, sondern deren institutionalisierte Handhabung.

7. Grenze quantitativer Modelle

Quantitative Modelle behalten ihren Wert, solange sie als Orientierung verstanden werden.

Sie verlieren diesen Wert, wenn:

• sie als Ersatz für Urteilskraft dienen,

• ihre Annahmen nicht mehr hinterfragt werden,

• oder Verantwortung an Zahlen delegiert wird.

Modellbasierte Entscheidungen ohne explizite Annahmen verlagern Ungewissheit lediglich aus dem Entscheidungsprozess in die Konsequenzen.