Unternehmensbewertung mit der Monte-Carlo-Simulation (MCS) nach IDW ES 1

Mit der am 09. April 2026 offiziell erfolgten Einführung des neuen Bewertungsstandards „IDW S 1 i.d.F. 2026“ steht die Unternehmensbewertung in Deutschland vor einer bedeutsamen methodischen Weiterentwicklung. Die zwei Jahre lang diskutierte Entwurfsfassung war mit IDW ES 1 betitelt worden. Im Vergleich zum IDW S 1 (2008) verschiebt der neue Entwurf den Fokus zu einer stärker risikoorientierten, plausibilisierten und langfristig ausgerichteten Bewertungssystematik. Das führt zu der Frage: Mit welchen methodischen Instrumenten lässt sich Unsicherheit künftig angemessen quantifizieren?

In der fachlichen Diskussion wird in diesem Zusammenhang verstärkt auf die „Monte-Carlo-Simulation“ (MCS) verwiesen – nicht als verpflichtende Methode, wohl aber als ein Werkzeug, das den gestiegenen Anforderungen an Risikoabbildung und Entscheidungsfundierung gerecht werden kann. Externe Bewerter müssen begründen, mit welcher Planungsmethode sie arbeiten, um einen „plausibilisierten und erwartungstreuen Planwert“ zu ermitteln. Das setzt voraus, dass sie – wenn erforderlich – über die technischen und fachlichen Voraussetzungen für den Einsatz von MSC-Verfahren verfügen.

In den 1940er Jahren arbeitete der polnisch-amerikanische Mathematiker Stanisław Marcin Ulam zusammen mit John Neumann im Umfeld des Manhattan-Projekts. Ulam erkannte, dass sich komplexe Probleme durch wiederholte Zufallsexperimente einer Lösung annähern lassen. Der Begriff „Monte-Carlo-Simulation“ selbst wurde von Ulams Kollegen Nicholas Metropolis geprägt und verweist bewusst auf das berühmte Spielcasino vom Monte Carlo in Monaco.

Denn wie beim Roulette entstehen auch bei der Simulation durch viele Wiederholungen stabile Wahrscheinlichkeitsverteilungen: Beim Roulette fällt die Kugel zwar nahezu gleich oft in das Fach jeder der 37 Zahlen (36 Nummern und die Null), abhängig von den Einsätzen ergibt sich aber eine unterschiedliche Gewinnerwartung für die Spieler bzw. das Casino.

Übertragen auf die Unternehmensbewertung bedeutet das: „Mit welcher Wahrscheinlichkeit liegt der Unternehmenswert in welchem Bereich?“

In der Praxis werden verschiedene Methoden zur Berücksichtigung von Unsicherheit eingesetzt, die jedoch unterschiedliche Zielsetzungen verfolgen. Der zentrale Unterschied liegt im Erkenntnisziel:

1. Szenarioanalyse: mögliche Zukunftsbilder
2. Sensitivitätsanalyse: kritische Einflussfaktoren
3. Monte-Carlo-Simulation: quantifizierte Unsicherheit und Eintrittswahrscheinlichkeiten

Szenarioanalyse – „Was passiert, wenn die Welt sich anders entwickelt?“

Beispiel:

• Best Case: starke Nachfrage, niedrige Kosten
• Base Case: realistische Entwicklung
• Worst Case: Rezession + steigende Kosten

Anwendung in der Unternehmensplanung:

• Umsatz, Preise, Kosten, Finanzierung entwickeln sich gemeinsam
• Typisch für Strategie, Investitionsentscheidungen, M&A

Stärke: Realitätsnah (weil Wechselwirkungen berücksichtigt werden)
Schwäche: Subjektiv (Der Planer „baut“ die Zukunft selbst)

Sensitivitätsanalyse – „Welche Variable ist kritisch?“

Kernidee: Man verändert bestimmte Variablen isoliert und alle anderen Parameter bleiben konstant. Ziel ist es zu verstehen, welche Stellschrauben wirklich wichtig sind.

Beispiel: Was passiert mit dem Unternehmenswert, wenn:

• Umsatz ±10 %
• Materialkosten ±5 %
• Marktzins ±1 %

In der Unternehmensplanung:

• Break-even-Analysen
• Werttreiberanalyse (z. B. bei Unternehmensbewertung)

Stärke: Sehr klar und analytisch, zeigt sofort die größten Risiken/Chancen.
Schwäche: Unrealistisch isoliert (in der Realität ändern sich Variablen selten einzeln).

Die Kernidee einer Monte-Carlo Simulation besteht darin, dass man mehrere Variablen mit ihrer wechselseitigen Abhängigkeit verknüpft und die Unsicherheit wahrscheinlichkeits-basiert modelliert. Statt fester Werte werden Bandbreiten vorgegeben, innerhalb der sich die Möglichkeiten voraussichtlich bewegen. Innerhalb der Bandbreiten trifft man Annahmen über die vermutete Wahrscheinlichkeitsverteilung.

Beispiel: Ein Unternehmen möchte den künftigen Jahresumsatz auf Basis der Addition monatlicher Umsatzwerte errechnen. Die Nachfrage nach seinen Produkten reagiert preisabhängig. Nachdem die Tariflöhne bis zum Jahresende feststehen, hängt der Angebotspreis zunächst vor allem von den Kosten der Vorleistungen ab. Auf Basis der vorhandenen Liquidität am Jahresanfang vermag der Unternehmer nur eine maximale Menge dieser Vorprodukte einzukaufen, was wiederum den Mengenausstoß seiner Produktion bestimmt. Bei sinkenden Kosten für den Vorleistungsbezug ließe sich die Produktionsmenge erhöhen. Der Absatz wäre dann aber nur möglich, wenn das Unternehmen über weitere Auslieferungsfahrzeuge verfügen würde. Diese Transporter müssten auf Kredit gekauft werden. Ob sich das Unternehmen mehr oder weniger neue Fahrzeuge leisten kann, bestimmt sich bei festen Listenpreisen für ein bestimmtes Fahrzeug nach dem Zinssatz und den Kreditkonditionen für die Tilgung. Aber vielleicht ändern sich im Jahresverlauf auch die Preise bei den Autohändlern? Und falls im Jahresverlauf die Vorleistungskosten wieder steigen und die Nachfrage sinkt, – dann möchte der Unternehmer wissen, ob ihn die Kosten für unnötige Transporter möglicherweise in die Knie zwingen?

Intuitiv lassen sich die zu modellierenden Zusammenhänge erkennen. Schnell aber ergeben sich die weiteren Fragen: Wie hoch ist die Preiselastizität der Nachfrage? Wie wahrscheinlich ist eine Kostensenkung für die Vorleistungen? Ist nicht sogar eher mit steigenden Preisen zu rechnen? Wie belasten Zins und Tilgung die Liquidität?

Antworten darauf bieten Vergangenheitsanalysen über volatile Preisbewegungen. Im Zweifel genügen aber auch einfache Annahmen wie „Der Preis für das Vorleistungsprodukt A kann sich im Bereich von 100€ bis 500€ bewegen. Höchstwahrscheinlich liegt er bei durchschnittlich 280€.“ Erst leistungsfähige Computer haben es ermöglicht, sodann tausendfach zufällige Kombinationen durchzurechnen. Im Beispielfall besteht das Ergebnis in der Annahme einer Wahrscheinlichkeit für die Umsatzerwartung und entsprechend für den Eintritt von

• Gewinn
• Verlust
• Zielerreichung oder
• Insolvenz

In der Unternehmensplanung dient dies vor allem für

• Risikomanagement
• Bewertung unter Unsicherheit
• Finanzierung / Covenants

Stärke:  Das Verfahren ist sehr realistisch und quantifiziert Risiken (nicht nur „Worst Case“, sondern wie wahrscheinlich er ist)
Schwäche: Das Verfahren ist komplex und stark abhängig von Annahmen über kausale Zusammenhänge und statistische Verteilungen

Methodisch baut die Monte-Carlo-Simulation auf einem klassischen Bewertungsmodell auf, typischerweise einem Discounted-Cashflow-Modell. Dieses deterministische Grundgerüst bleibt unverändert – es wird jedoch um eine stochastische Komponente erweitert. Im ersten Schritt werden die zentralen Werttreiber identifiziert, etwa Umsatzentwicklung, Margen, Kostenstrukturen oder Kapitalkosten. Diese Größen werden nicht mehr als fixe Punktwerte modelliert, sondern als Wahrscheinlichkeitsverteilungen. Typisch sind Normal-, Lognormal- oder Dreiecksverteilungen, abhängig von Datenlage und ökonomischer Logik.

In der Realität sind Variablen oft nicht unabhängig:

• Absatz ↑ → Skaleneffekte → Stückkosten ↓
• Konjunktur ↑ → Nachfrage↑ → Absatz ↑ und Preis ↑
• Zins ↑ → Bewertung ↓

Um mit mehreren Variablen zu simulieren, muss man ggfs. Korrelationen definieren. Ohne Korrelation würde unterstellt, dass die Parameter voneinander unabhängig sind, was oft unrealistisch ist.

Eine professionelle Simulation berücksichtigt daher:

• Korrelationsmatrix
• Kovarianzstruktur
• ggf. Copula-Modelle (Verknüpfung mehrdimensionaler Wahrscheinlichkeitsverteilungen)

Dieses Vorgehen gilt im zweiten Schritt dann auch für die zentralen Parameter, die für DCF-Verfahren zur Anwendungen kommen (WACC; Risiko-ß) sowie für die Korrekturwerte, die darüber hinaus bei Unternehmensbewertungen zu beachten sind, also z.B. die Höhe angemessener Geschäftsführervergütungen in Unternehmen einer bestimmten Größe, Branche und Region. Vergleichsrechnungen mit einem marktorientierten Verfahren wie etwa der Multiplikatormethode unterliegen ebenfalls einer Bandbreite, weil die Datenquellen selbst bei einer Differenzierung nach Branchen immer Minimal-, Maximal- und Medianwerte angeben, und auch die sind je nach Bewertungsobjekt spezifisch (im Sinne von eingrenzend) zu ermitteln.

Anschließend erfolgt die eigentliche Simulation: Für jede Iteration werden zufällige Werte aus diesen Verteilungen gezogen und in das Bewertungsmodell eingesetzt. Das Modell wird vollständig durchgerechnet, und der errechnete (noch einzelne) Unternehmenswert wird gespeichert. Dieser Prozess wird tausend- bis zehntausendfach wiederholt, bis daraus eine Verteilung mit zentralen statistischen Größen erkennbar wird:

• Erwartungswert (Mean)
• Median
• Standardabweichung
• Konfidenzintervalle
• Value-at-Risk
• Wahrscheinlichkeiten bestimmter Schwellenwerte

Damit wird aus einer scheinbar exakten Bewertung eine probabilistische Aussage: Der Unternehmenswert ist nicht mehr ein Punkt, sondern ein Wahrscheinlichkeitsraum.

Die Anwendung der Monte-Carlo-Simulation ist methodisch anspruchsvoll und setzt sowohl technische Systeme als auch fachliche Kompetenzen voraus. Auf technischer Ebene sind geeignete Softwarelösungen erforderlich. In der Praxis reichen Excel-basierte Modelle mit Add-ins selten aus. Professionelles Vorgehen verlangt nach spezialisierten Software-Anwendungen in Programmiersprachen wie „Python“ oder „R“. Zentrale Elemente sind leistungsfähige Systeme zur Generation von Zufallszahlen und die Fähigkeit große Iterationszahlen effizient zu verarbeiten. Die Preise für die Anschaffung entsprechender Software erreichen schnell bis zu 4.000,- EUR. Entsprechend anspruchsvoll sind die Anforderungen an die Kompetenz des Bewerters. Er muss in der Lage sein,

• geeignete Verteilungen herzuleiten,
• Abhängigkeiten und Korrelationen zwischen Variablen zu verstehen und zu modellieren,
• die Software zu adäquat anzuwenden
• sowie die Ergebnisse korrekt zu interpretieren.

Vor diesem Hintergrund erfordert die Monte-Carlo-Simulation vertiefte finanzmathematische Kenntnisse und eine saubere Dokumentation der getroffenen Annahmen – insbesondere im Hinblick auf die gestiegenen Anforderungen an die Plausibilisierung nach dem IDW S 1 in dessen neuer Fassung.

Der neue Bewertungsstandard schreibt die Anwendung der Monte-Carlo-Simulation nicht explizit vor. Er fordert jedoch eine angemessene Berücksichtigung von Unsicherheit und Risiko sowie eine belastbare Plausibilisierung der Planungsannahmen.

Damit entsteht ein indirekter methodischer Druck: Je komplexer und unsicherer das Bewertungsumfeld ist, desto schwieriger wird es, diese Anforderungen mit rein deterministischen oder vereinfachten Methoden zur Unternehmensbewertung zu erfüllen.

Die Monte-Carlo-Simulation bietet hier einen systematischen Ansatz zur Risikoaggregation und zur Ableitung erwartungstreuer Planwerte. Insbesondere bei Unternehmen mit multiplen und interdependenten Risiken – etwa in volatilen Märkten oder bei komplexen M&A-Transaktionen – kann sie einen wesentlichen Beitrag zur Erfüllung der neuen Anforderungen leisten.

Die Unternehmensbewertung steht mit dem IDW S 1 i.d.F. 2026 vor einem Paradigmenwechsel: Weg von punktgenauen Prognosen, hin zu einer risikobasierten, plausibilisierten Entscheidungsgrundlage.

Die Monte-Carlo-Simulation ist dabei kein regulatorischer Zwang, aber ein methodisch überzeugendes Instrument, um diesen Anforderungen gerecht zu werden. Sie ermöglicht es, Unsicherheit nicht nur qualitativ zu beschreiben, sondern quantitativ zu erfassen – und damit Entscheidungsprozesse und Unternehmensbewertungen auf eine deutlich fundiertere Basis zu stellen. Bei der Auswahl eines M&A-Beraters sollte daher darauf geachtet werden, ob er die technischen Voraussetzung und die fachliche Kompetenz besitzt, ggfs. auch mit einer Monte-Carlo-Simulation zu arbeiten.

Hinweis: Diese Informationen enthalten keine rechtliche oder steuerrechtliche Beratung und können eine solche auch nicht ersetzen. Falls Sie weitergehende rechtliche oder steuerrechtliche Beratung benötigen, empfehlen wir auf Wunsch gern geeignete Ansprechpartner.