Entwurf von risikobasierten Leistungswert Management-Systemen

Abstract

Projektmanagement ist essenziell um sicherzustellen, dass sich Ergebnisse nach den Plänen und Zielen eines Projekts entwickeln. Eine allgemeine Einführung in das Leistungswert Management geben Fleming und Koppelman [FlK02]. Durchgehend wird dabei ein deterministischer Ansatz angewendet. Aufbauend auf der Idee der Wahrscheinlichkeits-Modellierung von Finanzoptionen nach Merton [Mer73] und Cox, Ross und Rubinstein [CRR79] berücksichtigt diese Diplomarbeit stochastisch modellierte Risiken im Leistungswert Management. Auf dem Projektkontext aufbauend wird ein stochastisch fundiertes Model für die Projektplanung, Bewertung und Steuerung unter Unsicherheit dargestellt. Das dem Project Management Institute [PMI08] folgende Projektrisikomanagement ist ein "systematischer Prozess der Identifikation, Analyse und Reaktion auf Projektrisiken". Für diesen Prozess wird ein grafisches "Business Process Modeling and Notation" (BPMN) Prozessmodell zur Verfügung gestellt. Der lineare Ansatz präsentiert eine Vereinfachung des deterministischen Leistungswertmodells. Für diesen spielen kumulierte Werte eine wichtige Rolle um den Projektstatus zu verfolgen. Einen Verbesserungsindex um Projekte nach Plan fertigzustellen hat Cioffi [Cio06] aufgezeigt. Diesen verwendeten Vanhouckel und Vandevoorde [VaV07] im Feld des Leistungswert-Managements um die Projektdauer zu prognostizieren.<br />Verschiedene Prognoseverfahren basierend auf dem letzten oder durchschnittlichen Anstieg werden formal dargestellt um die Projetdauer oder -kosten zu schätzen. Das dreigliedrige Wahrscheinlichkeitsmodell nimmt drei mögliche Realisierungen an. Eine ist der Standardwert für den Planwert. Die anderen berücksichtigen mögliche Risiken und Chancen jeweils mit Auswirkung und Eintrittswahrscheinlichkeit. Eine Störvariable erweitert die stochastische Fundierung für den Fall, dass eine Zufallsvariable angepasst werden sollte. Eine Anpassung kann notwendig werden, falls sich das Model als nicht mehr für das System zweckdienlich erweist. Eine mögliche Implementierungsperspektive für das dreigliedrige Wahrscheinlichkeitsmodell wird durch ein Datenmodell gegeben. Um das System zu verwalten wird der "Unmittelbare Zielanpassungsindex" der Verbesserungs- vs. Nichtstun-Strategie gegenübergestellt. Der letzte Teil der Arbeit umfasst eine Monte Carlo Simulation. Dabei werden die Risikomanagementstrategien aufbauend auf dem stochastischen Rahmenwerk empirisch untersucht.<br />

Project management is essential to ensure that the results develop according to the plans and target of the project. A general introduction into the earned value management is given by Fleming and Koppelman [FlK02]. Throughout a deterministic approach is used.<br />Following the idea of stochastic modeling for financial options by Merton [Mer73] and Cox, Ross and Rubinstein [CRR79] this thesis considers stochastically modeled risks in the earned value (EV) management. Based on the project context the model proposes a stochastic foundation for project planning, valuation and control which helps the project system to work under uncertainty. Following the Project Management Institute [PMI08] the underlying project risk management is a "systematic process of identifying, analyzing, and responding to project risk." For this process a graphical "Business Process Modelling and Notation" (BPMN) based process model is provided.<br />The linear approach shows a simplification of the deterministic earned value model. For the latter cumulated values play an important role to track project status. An improvement index to complete projects according to plans was given by Cioffi [Cio06]. In the field of earned value management Vanhouckel and Vandevoorde [VaV07] used it to forecast project duration. Different forecasting methods based on last or average increase are formalized to estimate a project's duration or cost. The trinomial probabilistic model assumes three possible realizations. One is the default branch for planned value. The others prepare for possible risks and opportunities each with impact and probability. A disturbing variable extends the stochastic foundation if a random variable should be changed. A change can become necessary if the model is not any more suitable for the purpose of the system. A possible implementation perspective for the trinomial system is given by a data model. To manage the system the "immediate target adaption index" is compared to an improvement vs. do-nothing strategy. The last part of the work covers a Monte Carlo simulation. Thereby the risk management strategies are examined empirically based on the stochastic framework.