Sensitivitätsanalyse durchführen: Beispiele

Methodik

Sensitivitätsanalyse als methodisches Verfahren

Die Sensitivitätsanalyse ist ein methodisches Verfahren, mit dem die Aussagekraft, Stabilität und Verlässlichkeit von Modellen geprüft wird. Sie zeigt, wie empfindlich ein Ergebnis auf Veränderungen einzelner Eingangsgrößen reagiert.

Besonders in der Ökonomie, Finanzwirtschaft, Medizin, Psychologie, Umweltwissenschaft und empirischen Forschung wird die Sensitivitätsanalyse eingesetzt, um Unsicherheiten, Modellannahmen und Risiken systematisch zu untersuchen.

In wissenschaftlichen Arbeiten hilft die Sensitivitätsanalyse dabei, zu prüfen, ob zentrale Ergebnisse stabil bleiben, wenn Parameter, Annahmen, Auswahlkriterien oder Methoden verändert werden.

Kurz erklärt:
Eine Sensitivitätsanalyse untersucht, wie stark sich ein Ergebnis verändert, wenn einzelne Einflussfaktoren angepasst werden. Dadurch werden kritische Variablen, Risiken und Unsicherheiten sichtbar.

1a-Studi-Tipp

Nutze eine Sensitivitätsanalyse, wenn du zeigen möchtest, wie robust deine Ergebnisse sind. Besonders wichtig ist sie bei Modellen, Prognosen, Investitionsrechnungen und empirischen Analysen mit unsicheren Annahmen.

Definition

Sensitivitätsanalyse Definition

Der Begriff Sensitivität beschreibt die Empfindlichkeit einer Variablen gegenüber Veränderungen ihrer Eingangsbedingungen. Eine Sensitivitätsanalyse untersucht daher, wie stark einzelne Eingangsgrößen das Ergebnis eines Modells beeinflussen.

Mithilfe der Sensitivitätsanalyse werden mathematische Modelle, Gleichungssysteme oder empirische Auswertungen daraufhin geprüft, welche Variablen besonders relevant sind und welche Parameter nur geringen Einfluss auf die Zielgröße besitzen.

Ziele der Sensitivitätsanalyse

Ziel	Bedeutung	Nutzen für wissenschaftliche Arbeiten
Modellverständnis verbessern	Zusammenhänge zwischen Eingangsgrößen und Zielgröße werden sichtbar.	Die Funktionsweise des Modells wird nachvollziehbarer.
Modell optimieren	Variablen mit geringem Einfluss können reduziert oder ausgeschlossen werden.	Das Modell wird übersichtlicher und effizienter.
Gültigkeit prüfen	Es wird untersucht, ob Ergebnisse bei veränderten Annahmen stabil bleiben.	Die Aussagekraft der Ergebnisse wird besser bewertbar.
Modelleigenschaften bestimmen	Kritische Parameter und Einflussgrößen werden identifiziert.	Wichtige Stellschrauben der Analyse werden erkennbar.
Risiken bewerten	Unsicherheiten und mögliche Ergebnisveränderungen werden transparent.	Risiken können in der Diskussion begründet eingeordnet werden.

Beispiel: Investitionsentscheidung

Bei großen Investitionsprojekten sind Kosten, Erträge, Nachfrage, Rohstoffpreise oder Finanzierungskosten häufig unsicher. Eine Sensitivitätsanalyse zeigt, welche dieser Faktoren den größten Einfluss auf die Wirtschaftlichkeit des Projekts besitzen.

Beispielhafte Fragestellung:
Wie verändert sich der Gewinn eines Investitionsprojekts, wenn sich Marktpreise, Absatzmenge oder Finanzierungskosten verändern?

Deine Methodik braucht einen Plan

„Thesis Sprint“ ist dein praktischer Begleiter für Bachelorarbeit, Masterarbeit und Hausarbeit. Das Buch führt dich Schritt für Schritt durch Thema, Fragestellung, Aufbau, Methodik, Zitation und Schreibprozess. Print & E-Book ansehen

Forschungsfrage entwickeln
Methodik logisch begründen
roten Faden in der Arbeit sichern
typische Fehler früh vermeiden

Thesis Sprint ansehen

Berechnungsmethoden

Sensitivitätsanalyse Berechnung

Für die Berechnung einer Sensitivitätsanalyse stehen verschiedene Varianten zur Verfügung. Sie unterscheiden sich darin, ob einzelne Faktoren, kleine lokale Veränderungen oder der gesamte Definitionsbereich eines Modells untersucht werden.

Methoden der Sensitivitätsberechnung

Methode	Beschreibung	Typischer Einsatz
Faktor-Screening	Eingangsgrößen werden nach ihrem Einfluss auf die Zielgröße gewichtet.	Identifikation besonders relevanter Variablen.
Lokale Sensitivitätsanalyse	Kleine Änderungen einzelner Eingangsvariablen werden in der Nähe eines definierten Punktes untersucht.	Prüfung der Stabilität eines Modells nahe eines Optimums.
Globale Sensitivitätsanalyse	Der gesamte Definitionsbereich des Modells wird untersucht.	Umfassende Prüfung komplexer Modelle mit mehreren Einflussgrößen.

Faktor-Screening

Beim Faktor-Screening werden Eingangsgrößen nach ihrer Bedeutung für die Zielgröße sortiert. Dadurch wird sichtbar, welche Variablen besonders stark auf das Ergebnis wirken.

Diese Methode eignet sich, wenn ein Modell viele Eingangsgrößen enthält und zunächst ermittelt werden soll, welche Variablen für die weitere Analyse besonders relevant sind.

Lokale Sensitivitätsanalyse

Die lokale Sensitivitätsanalyse prüft, wie sich kleine Änderungen einzelner Parameter auf das Ergebnis auswirken. Dabei wird ein bestimmter Ausgangspunkt betrachtet, zum Beispiel ein Basiswert, ein Optimum oder ein realistisches Szenario.

Diese Methode hilft zu beurteilen, ob ein Modell in einem bestimmten Bereich stabil reagiert oder bereits bei kleinen Änderungen starke Ergebnisschwankungen zeigt.

Globale Sensitivitätsanalyse

Die globale Sensitivitätsanalyse betrachtet nicht nur einzelne Punkte, sondern den gesamten Wertebereich der Eingangsvariablen. Dabei können mehrere Eingangsgrößen gleichzeitig variiert werden.

Diese Methode eignet sich besonders für komplexe Modelle, bei denen Variablen miteinander interagieren und ihr Einfluss nicht isoliert betrachtet werden sollte.

Wichtig:
Die Wahl der Berechnungsmethode hängt vom Forschungsziel ab. Für erste Modellvereinfachungen eignet sich Faktor-Screening. Für stabile Punktbetrachtungen eignet sich die lokale Analyse. Für komplexe Unsicherheiten eignet sich die globale Analyse.

Beispiel

Sensitivitätsanalyse Beispiel

Sensitivitätsanalysen werden in verschiedenen Fachbereichen genutzt, um die Robustheit von Ergebnissen zu prüfen. Dabei wird untersucht, ob zentrale Schlussfolgerungen stabil bleiben, wenn Annahmen, Methoden oder Auswahlkriterien verändert werden.

Sensitivitätsanalyse Kapitalwert Beispiel

In einer wissenschaftlichen Arbeit im Finanzbereich wird untersucht, wie sich Unsicherheiten bei Cashflows und Diskontierungssätzen auf den Kapitalwert eines geplanten Investitionsprojekts auswirken.

Dafür werden zentrale Parameter systematisch variiert. Die Analyse zeigt, wie stark der Kapitalwert auf veränderte Cashflows oder veränderte Diskontierungssätze reagiert.

Beispielhafte Ergebnisinterpretation

Parameter	Veränderung	Auswirkung auf den Kapitalwert
Erwarteter Cashflow	Cashflow steigt.	Der Kapitalwert steigt.
Erwarteter Cashflow	Cashflow sinkt.	Der Kapitalwert sinkt.
Diskontierungssatz	Diskontierungssatz steigt leicht.	Der Kapitalwert kann deutlich sinken.
Diskontierungssatz	Diskontierungssatz sinkt.	Der Kapitalwert kann steigen.

Strategische Schlussfolgerungen

Risikoreduzierung durch flexible Vertragsbedingungen
Anpassung von Geschäftsmodellen an unsichere Cashflows
Entwicklung langfristiger Planungsstrategien
Vorbereitung auf Änderungen bei Diskontierungssätzen
Identifikation besonders kritischer Einflussgrößen

Interpretation:
Wenn kleine Änderungen eines Parameters starke Auswirkungen auf das Ergebnis haben, ist dieser Parameter besonders kritisch. Solche Einflussgrößen sollten in Diskussion und Risikobewertung besonders berücksichtigt werden.

Anleitung für die Abschlussarbeit

Sensitivitätsanalyse in der Abschlussarbeit

In einer wissenschaftlichen Abschlussarbeit sollte die Sensitivitätsanalyse systematisch aufgebaut werden. Sie muss klar zeigen, welches Modell untersucht wird, welche Parameter variiert werden und wie die Ergebnisse interpretiert werden.

Sensitivitätsanalyse Schritt für Schritt

Schritt	Vorgehen	Ziel
1. Kontextualisierung	Hintergrund und Bedeutung der Sensitivitätsanalyse im Forschungsgebiet erläutern.	Relevanz der Methode begründen.
2. Literaturüberblick	Methoden, Theorien und bisherige Ergebnisse zur Sensitivitätsanalyse recherchieren.	Analyse wissenschaftlich einordnen.
3. Forschungsfrage und Hypothesen	Forschungsfrage und ggf. Hypothesen präzise formulieren.	Untersuchungsziel festlegen.
4. Methodologie	Modelle, Variablen, Parameter und Analyseverfahren beschreiben.	Vorgehen nachvollziehbar machen.
5. Datensammlung und Aufbereitung	Datenquellen, Auswahlkriterien und Aufbereitungsschritte darstellen.	Belastbare Datengrundlage schaffen.
6. Analyse durchführen	Parameter systematisch variieren und Auswirkungen auf das Modell untersuchen.	Empfindlichkeit des Modells bestimmen.
7. Ergebnisse auswerten	Resultate analysieren, vergleichen und interpretieren.	Robustheit und kritische Einflussfaktoren beurteilen.
8. Diskussion	Ergebnisse mit Literatur und Forschungsfrage verbinden.	Implikationen der Ergebnisse herausarbeiten.
9. Reflexion und Limitationen	Methodik, Annahmen, Modellgrenzen und Datenunsicherheiten kritisch reflektieren.	Aussagekraft realistisch einordnen.
10. Schlussfolgerungen	Hauptergebnisse zusammenfassen und Empfehlungen ableiten.	Beitrag für Forschung oder Praxis formulieren.

Typische Einsatzbereiche in Abschlussarbeiten

Investitionsrechnungen
Kosten-Nutzen-Analysen
Prognosemodelle
ökonomische Entscheidungsmodelle
empirische Modellprüfungen
medizinische oder psychologische Bewertungsmodelle
Umwelt- und Nachhaltigkeitsanalysen

Checkliste

Sensitivitätsanalyse prüfen

Eine Sensitivitätsanalyse ist wissenschaftlich überzeugend, wenn Modell, Parameter, Variationen, Datengrundlage, Ergebnisse und Grenzen transparent dargestellt werden.

Checkliste Sensitivitätsanalyse

Ist das Modell klar beschrieben?
Sind Zielgröße und Eingangsgrößen eindeutig definiert?
Sind die variierten Parameter begründet ausgewählt?
Ist die Methode der Sensitivitätsanalyse passend gewählt?
Werden Basiswerte und Variationsbereiche transparent angegeben?
Sind die Ergebnisse nachvollziehbar dargestellt?
Werden kritische Einflussgrößen identifiziert?
Werden Risiken und Unsicherheiten diskutiert?
Wird die Aussagekraft des Modells realistisch bewertet?
Werden Limitationen der Analyse benannt?

Typische Fehler bei der Sensitivitätsanalyse

Fehler	Problem	Bessere Lösung
Unklare Parameterwahl	Es bleibt offen, warum bestimmte Einflussgrößen variiert wurden.	Parameter aus Theorie, Modelllogik oder Forschungskontext begründen.
Zu enge Variationsbereiche	Die Analyse unterschätzt mögliche Ergebnisveränderungen.	realistische und begründete Szenarien festlegen.
Keine Modellreflexion	Grenzen des Modells bleiben unsichtbar.	Annahmen, Datenqualität und Modellstruktur kritisch diskutieren.
Nur Ergebnisdarstellung	Die Analyse bleibt beschreibend.	Ergebnisse interpretieren und mit Forschungsfrage verbinden.
Risiken nicht abgeleitet	Kritische Variablen werden erkannt, aber nicht diskutiert.	Risiken, Handlungsempfehlungen und Implikationen ableiten.

Wissenschaftlich belastbar ist eine Sensitivitätsanalyse dann, wenn sie nicht nur rechnerisch durchgeführt wird, sondern zeigt, welche Annahmen die Ergebnisse besonders stark beeinflussen.

Fazit

Die Sensitivitätsanalyse prüft, wie empfindlich ein Modell oder Ergebnis auf veränderte Eingangsgrößen reagiert. Sie dient der Modellprüfung, Risikobewertung und Identifikation kritischer Einflussfaktoren. Entscheidend sind eine klare Modellbeschreibung, begründete Parameterwahl, passende Berechnungsmethode, transparente Ergebnisdarstellung und kritische Reflexion der Unsicherheiten.

Teile oder zitiere diesen Artikel

Zitationsstil wählen

Häufige Fragen & Antworten

Du hast noch weitere Fragen zur Methodik? Dann recherchiere weiter in der 1a-Studi Wissensdatenbank.

Was ist eine Sensitivitätsanalyse?

Eine Sensitivitätsanalyse ist ein Verfahren, mit dem geprüft wird, wie stark Veränderungen einzelner Eingabewerte das Ergebnis eines Modells beeinflussen. Dazu werden zentrale Variablen systematisch verändert und die Auswirkungen auf das Resultat beobachtet. So wird sichtbar, welche Annahmen, Parameter oder Einflussfaktoren besonders kritisch sind und wie stabil ein Modell oder eine Prognose bleibt.

Wann ist eine Sensitivitätsanalyse sinnvoll?

Eine Sensitivitätsanalyse ist sinnvoll, wenn die Stabilität, Zuverlässigkeit oder Aussagekraft eines Modells, einer Prognose oder einer Entscheidung bewertet werden soll. Sie eignet sich besonders bei unsicheren Eingabedaten, Schätzungen, Annahmen oder variablen Rahmenbedingungen. Dadurch lässt sich erkennen, ob kleine Veränderungen der Ausgangswerte nur geringe Effekte haben oder das Ergebnis stark verändern.

Welche Alternativen gibt es, wenn eine Sensitivitätsanalyse nicht möglich ist?

Wenn eine Sensitivitätsanalyse nicht möglich ist, können Szenarioanalyse, Risikoanalyse oder Monte-Carlo-Simulation genutzt werden. Eine Szenarioanalyse vergleicht verschiedene plausible Zukunfts- oder Entscheidungsvarianten. Eine Risikoanalyse bewertet Eintrittswahrscheinlichkeiten und Auswirkungen. Eine Monte-Carlo-Simulation arbeitet mit vielen zufälligen Durchläufen, um Unsicherheit und Ergebnisstreuung besser abzubilden.

Wie führt man eine Sensitivitätsanalyse durch?

Eine Sensitivitätsanalyse beginnt mit einem klar definierten Modell, einer Prognose oder einer Entscheidungssituation. Danach werden die zentralen Eingabevariablen bestimmt und einzeln oder kombiniert verändert. Anschließend wird dokumentiert, wie stark sich das Ergebnis durch diese Veränderungen verschiebt. Am Ende werden die Ergebnisse interpretiert, um besonders einflussreiche Variablen, kritische Annahmen und stabile Modellbereiche zu erkennen.

Hat dir dieser Artikel geholfen?

Dein Feedback hilft dabei, die 1a-Studi Akademie gezielter auszubauen und passende Inhalte schneller auffindbar zu machen.

Sensitivitätsanalyse durchführen

Keine passende Antwort gefunden?

Sensitivitätsanalyse als methodisches Verfahren

Methodik und Ergebnisse prüfen lassen