Risikomanagement und Kostensicherheit komplexer Bauprojekte mittels Reference Class Forecasting - Empfehlung eines Risikozuschlages am Beispiel des Tunnelbaus

Abstract

„Schon wieder eine Arbeit zum Risikomanagement bei Bauprojekten? Welchem Themenbereich ist sie gewidmet – der Modellierung und Überlagerung einer Vielzahl an Risiken und Chancen,dem übergeordneten Management und dessen Entscheidungen auf Grundlage von komplizierten Berechnungsverfahren oder der Vorhersage einzelner Ereignisse und deren Auswirkungen unter dem Einsatz von Expertenwissen?“ So oder so ähnlich lauten wahrscheinlich Ihre ersten Gedanken, wenn Sie den Titel vorliegender wissenschaftlicher Arbeiten zu Risikomanagement und Kostensicherheit lesen. Vorweg genommen sei – diese Dissertation ist anders, denn wie derTitel weiter verrät, kommt die Methode des Reference Class Forecasting für die Prognose eines Risikozuschlages bei Bauprojekten zum Einsatz.Stellen Sie sich ein sehr großes (Bau)Projekt vor. Wie bewerten Sie dessen Risiken und Chancen? Die überwiegende Mehrheit der Menschen macht sich mit dem Projekt vertraut, erhebt Details,knüpft Szenarien, holt Expertenwissen zu abgegrenzten Problemstellungen ein und schätzt zuletzt Eintrittswahrscheinlichkeit und Auswirkung etlicher Risiken und Chancen – meist auf Basis eigener Erfahrungen. Diese werden summiert oder mit Hilfe von Simulationen überlagert, um die Risikokosten zu erhalten. Je nach Bereitschaft des einzugehenden Sicherheitsniveaus sind die berechneten Kosten eines Bauprojektes damit zu beaufschlagen, um die Risiken abzudecken.Dieser Zugang liefert bei großen und komplexen Bauprojekten in der Regel nicht die gewünschten Ergebnisse, wie statistische Datenauswertungen zu Kostenüberschreitungen zeigen.Gründe für die Abweichungen sind eine zu optimistische Selbsteinschätzung, Komplexität großer Infrastrukturprojekte, Schwachstellen in den Prognoseverfahren, politische Interessen sowie der Umgang des Menschen mit Risiken und Chancen selbst. Unser Gehirn hat, auf Grund seiner Entwicklungsgeschichte, essenzielle Schwierigkeiten in der Vorstellung und dem Umgang mit großen Zahlen – wie beispielsweise den Gesamtkosten eines Infrastrukturprojektes – und der unterschiedlichen Bewertung von Risiken und Chancen. Laut dem Nobelpreisträger Daniel Kahneman ist die Bewertung von Risiken und Chancen aus einer solchen Inside View heraus anfällig für Fehler.Um realistische Prognosen aufzustellen, eignet sich die Outside View besser, da diese auf Basisvergleichender Analysen ähnlicher Projekte, unter einer zugrunde liegenden Statistik, realistische Ergebnisse herleitet. Für die Prognose wird ein Projekt nicht als Unikat behandelt (was bei großen Infrastrukturprojekten auf Detailebene sicherlich der Fall ist), sondern auf höherer Flugebene mit ähnlichen Projekten verglichen. Dieses Verfahren nennt sich Reference Class Forecasting und stellt als Top-Down-Methode eine sinnvolle Alternative zu gewöhnlichen Bottom-Up-Techniken dar.Dabei wird ein neues Projekt zufolge charakteristischer Merkmale und deren Ausprägung in eine Referenzklasse eingeteilt. Den Referenzklassen ist eine Statistik aus abgeschlossenen Projekten hinterlegt – in diesem Fall der tatsächlichen Risikozuschläge, die es gebraucht hätte, um ein Projektpositiv abzuschließen (die Anwendung bei Kostenüberschreitungen oder Bauzeitveränderungen ist ebenfalls möglich). Durch die Zuweisung in eine Referenzklasse erhält ein Unternehmen Auskunft darüber, welcher angemessene Risikozuschlag (in Form einer Bandbreite) empfohlen wird. Der Vorteil ist, dass auch das gänzlich Unbekannte – vergleichbar mit dem Black Swan als Sinnbild für höchst unwahrscheinliche Ereignisse mit enormer Auswirkung – in dieser Methodeseine Berücksichtigung findet. Es ist davon auszugehen, dass jedes abgeschlossene Projekt seine unbekannten Anteile hatte und diese in der Projektstatistik Berücksichtigung finden. Mit dieser Methode wird für ein komplexes Bauprojekt jener angemessene Risikozuschlag hergeleitet,in welchem sich sowohl die zuvor identifizierten Risiken und Chancen als auch das gänzlich Unbekannte bewegen.Die vorliegende Arbeit entwickelt ein datenbasiertes Risikomanagementmodell für Bauunternehmen,zur Empfehlung des Risikozuschlages komplexer und technisch anspruchsvoller Infrastrukturprojekte.Detailliert werden zwei wesentliche Hauptbestandteile ausgearbeitet. Es handelt sichum eine valide Projektklassifizierung komplexer Bauprojekte – in diesem Fall von Tunnelbauten –und eine Projektstatistik der tatsächlichen Risikozuschläge abgeschlossener Projekte.Die Projektklassifizierung erfolgt durch einen wissenschaftlich erarbeiteten Fragenkatalog. Es gilt sozusagen die verborgenen Mechanismen und Abhängigkeiten im Hintergrund eines komplexen Projektes zu ergründen, welche zu Risiken und Chancen führen. Um diesem Anspruch gerecht zuwerden, ist das Gesamtbild eines komplexen Tunnelbauprojektes in Form eines Kausal-Netzwerkes abgebildet worden. Dieses erlaubt, mithilfe mathematischer Analysemethoden, die wesentlichen Einflüsse und Klassifizierungsmerkmale zu bestimmen, um eine eindeutige Projektbewertungvorzunehmen. Bei der Bewertung wird der Heuristik-Gedanke verfolgt – stehen einem erfahrenen Menschen die wesentlichen Informationen zur Verfügung, so werden treffende Prognosen abgeleitet,selbst unter unvollständiger Information.In der Projektstatistik sind abgeschlossene Projekte des Forschungspartners analysiert. Damit werden Dichtefunktion und Verteilungsfunktion der tatsächlichen Risikozuschläge ausgearbeitet.Diese erlauben es, wahrscheinlichkeitstheoretische Aussagen bezüglich der Zuschlagssätze zugenerieren.Mittels Verschränkung zwischen den Zuschlagssätzen, deren Wahrscheinlichkeit und der Projektklassifizierungist schlussendlich ein Diagramm zur Referenzklassenprognose entwickelt worden.Dieses stellt das Primärergebnis dar, welches auf einfachste Weise Auskunft über die Bandbreitedes angemessenen Zuschlagssatzes gibt. Für das entwickelte Risikomanagementmodell ist esessenziell, die Gesamthöhe an Risiken und Chancen – in Form eines Zuschlagssatzes – hinreichendgenau zu berechnen, nicht aber jedes Risiko im Einzelnen. Es wird davon ausgegangen, dasserfahrene Mitarbeiterinnen und Mitarbeiter mit den eintretenden Ereignissen umgehen müssen –egal ob sie im Vorfeld identifiziert worden sind oder das Unbekannte zu Tage tritt.Neben der datenbasierten Risikoberechnung bietet das entwickelte Modell weitere Vorteile.Neu abgeschlossene Projekte sind in die Projektstatistik mitaufzunehmen, wodurch ein sich selbst kalibrierendes Instrument entsteht. Dieses liefert Rückmeldung zur eigenen Qualität der Leistungserbringung und der Richtigkeit des angesetzten Zuschlages. Zusätzlich liegt ein neues Managementinstrument vor, welches der strategischen Ausrichtung dient.Abschließend wird das Dilemma um den tatsächlichen Risikozuschlag beleuchtet. Dem Gesetzder Wirtschaft folgend, hat sich ein Bauunternehmen bei der Zuschlagshöhe vielmehr an derKonkurrenz zu orientieren, als an den eigenen Berechnungen, um ein Projekt nach aktuellenVergabekriterien zu gewinnen. Ist dies wirklich die beste Vorgehensweise bei solch wertvollenund anspruchsvollen Bauprojekten, welche gemeinhin durch die Öffentlichkeit finanziert werden?Die Arbeit schließt mit weiterführenden Überlegungen, um die Abwicklung komplexer Infrastrukturprojekte in ein neues Licht zu rücken.

„Another thesis on risk management in construction projects? Which area is it dedicated to – the modeling and superposition of a multitude of risks and opportunities, the overall management and its decisions, which are based on complicated calculation methods or the forecast of individualevents and their effects using expert knowledge?“ These might be your first thoughts when you read the title of this thesis on Risk management and cost reliability. Let’s anticipate – this PhD Thesis is different, because as the title further reveals, the method of Reference Class Forecasting is used to forecast a risk uplift for construction projects.Imagine a very large (construction) project. How do you rate its risks and opportunities? The majority of people familiarize themselves with the project, gather details, create scenarios, obtain expert knowledge on specific problems and finally estimate the probability of occurrence the corresponding and impact for a number of risks and opportunities – usually based on their own experience. These are overlaid with the help of simulations in order to obtain the risk costs. In order to ensure a certain level of safety, these risk costs are further quantified and added to the costs of a construction project. This approach does not usually deliver the expected results for large and complex construction projects, as statistical data analyses of cost overruns show.The reasons for the deviations are optimistic self-assessments, the complexity of large infrastructure projects, weaknesses in the forecasting methods, political interests and the way people deal with risks and opportunities in general. Due to evolutionary factors, the human brain faces specific challenges when it comes to processing and visualizing large quantities – such as the total costs of an infrastructure project – and the different assessment of risks and opportunities.According to Nobel Prize winner Daniel Kahneman, the evaluation of risks and opportunities from such an Inside View for large projects is prone to error.The Outside View is better suited to making realistic forecasts, as it derives realistic results on the basis of comparative analyses of similar projects using underlying statistics. For the forecast, a project is not treated as unique (which is certainly the case for large infrastructure projects at a detailed level), but is compared with similar projects. This method is called Reference Class Forecasting and, as a top-down method, represents an alternative to conventional bottom-up techniques. The new project is assigned to a reference class based on its characteristic features. These reference classes are based on statistics from completed projects – in this case,the actual risk surcharges that would have been required to complete a project positively (it is also possible to apply this to cost overruns or changes to the construction time). Assignment toa reference class provides a company with information on the recommended range for the risk uplift. The advantage is that even the completely unknown – comparable to the Black Swan asa symbol for highly unlikely events with an enormous impact – is taken into account. It can be assumed that every completed project had its initially unknown challenges and that these are included in the project statistics. This method is used to forecast the risk uplift for a complex construction project, taking into account both the previously identified risks and opportunities as well as the completely unknown.This thesis develops a data-based risk management model for construction companies to recommend the risk uplift for complex and technically demanding infrastructure projects. Two main components of this model are explained in detail. These are a valid project classification of complex construction projects – in this case tunnelling projects – and project statistics of the actual risk uplifts of completed projects.The project classification is based on a scientifically derived questionnaire. The aim is to discover the hidden mechanisms and dependencies for complex projects, which lead to risks and opportunities. In order to fulfil this requirement, the picture of a complex tunneling project has been mapped in the form of a causal network. Using mathematical analysis methods, this allows the main influences and classification features to be determined in order to carry out a clear project evaluation. The evaluation is based on the heuristic concept – if an experienced personhas the essential information available, accurate forecasts can be derived, even with incomplete information.Completed projects of the research partner are analysed in the project statistics. This allows forthe calculation of the density function and the distribution function of the actual risk surcharges.These functions make it possible to generate statistical statements regarding the uplift rates.By linking the surcharge rates, their probability and the project classification, a diagram for the reference class forecast was developed. This represents the primary result, which provides information about the range of the uplift rate in the simplest possible way. For the risk management model, it is essential to calculate the overall level of risks and opportunities – in the form of an uplift – with sufficient accuracy, but not for each individual risk. It is assumed that experienced employees will have to deal with the events that occur – regardless of whether they have been identified or not.In addition to the data-based risk calculation, the developed model offers further advantages.Newly completed projects can be included in the project statistics, creating a self-calibrating instrument. This provides feedback on the quality of service provision and the accuracy of the uplift applied.Finally, a general problem considering the effective use of risk uplifts is explained. According to the law of economics, a construction company must choose the risk uplift on the decisions of its competitors rather than on its own calculations in order to win a project according to current allocation criteria. Is this really the best approach for such valuable and demanding construction projects, which are publically financed in most cases? The thesis concludes with further considerations in view of the handling of complex infrastructure projects.