Kaum ein Innovationsboard kommt heute ohne Scoring-Modell aus, Kriterien und Gewichte geben der Priorisierung einen Anstrich von Objektivität. Der Anstrich ist das Problem: Unter den Punktwerten steckt dasselbe Bauchgefühl wie vorher, es ist nur schwerer zu erkennen. Am Ende steht eine Zahl mit zwei Nachkommastellen, der alle vertrauen, weil sie aus einer Tabelle kommt.
Scoring-Modelle vermischen Mathematik und Intuition. Genau diese beiden sollte man streng trennen.
Warum Punkteskalen die Realität nicht abbilden
Menschen sind schlecht mit allen Zahlen größer als fünf. Auf einer Skala von 1 bis 5 bekommt ein Projekt mit wenig Nutzen eine 1 und eines mit viel Nutzen eine 5, aber dass das zweite hundert- oder tausendmal so viel liefern kann, sieht man der Skala nicht an. Wir neigen schlicht dazu, Dinge zu ähnlich zu bewerten. Auch die Gewichtung der Kriterien rettet das nicht, denn kaum jemand gewichtet ein Kriterium hundertmal höher als ein anderes, selbst wenn es das wert wäre. Für Größenordnungen, die wir uns nicht mehr vorstellen können, haben wir allerdings seit Jahrtausenden eine Lösung: Mathematik. Und die funktioniert nur, wenn man sie nicht mit Intuition verrührt. Ein Scoring-Modell tut genau das, es presst Bauchgefühl in Zellen und lässt das Ergebnis wie eine Rechnung aussehen. Die Ungenauigkeit wäre dabei noch verzeihlich, das unverdiente Vertrauen ist es nicht.
Eine Kennzahl statt zwanzig Kriterien
Die Alternative besteht darin, auf die Punktevergabe ganz zu verzichten und stattdessen eine einzige Kennzahl zu wählen (im Normalfall den Net Present Value), auf die der Beitrag aller Gesichtspunkte sauber quantifiziert wird. Was sich ehrlicherweise nicht quantifizieren lässt, strategische Relevanz etwa oder die Stärkung der Marke, gehört trotzdem in die Bewertung, aber als Text und klar auf der Intuitionsseite, nicht pseudomathematisch gewichtet. Die Entscheidung trifft am Ende ohnehin ein Mensch, der beides einbezieht, die Zahlen und die weichen Faktoren.
„Aber der NPV tötet doch Innovation“
Der Einwand ist bekannt, prominent etwa bei Clayton Christensen: Discounted Cashflow bestraft ferne, unsichere Erträge, also gewinnt immer das inkrementelle Projekt. Der Punkt ist valide, beide Extreme sind aber nicht zu gebrauchen. Denn viele Ideengeber überschätzen die Wahrscheinlichkeit ferner Benefits massiv, Innovation wird dann zur Traumtänzerei. Ferne Erträge abzuzinsen ist sicher keine schlechte Praxis, und in einem sauber aufgestellten Modell (etwa mit jährlichen Preissteigerungen) ergibt sich auch für manches Moonshot-Projekt ein attraktives Bild. In den meisten Moonshot-Cases wird allerdings die Unsicherheit gar nicht quantifiziert, deswegen vertraut ihnen niemand, und oft sind die Cases schlicht schlecht gebaut. In neun von zehn Fällen sollte das kurzfristige Projekt ehrlicherweise auch gewinnen. Das Moonshot-Projekt sollte nur gewinnen, wenn es wirklich gute Karten hat.
Wie der Business Case konkret entsteht
Man startet beim Profit und trennt ihn auf, in Umsatz und Kosten, und diese wiederum in ihre Treiber. Für jeden Treiber werden Bereichsannahmen gesetzt statt Punktwerten, und per Monte-Carlo-Simulation ergibt sich daraus die Wahrscheinlichkeitsverteilung des NPV. Jeder Effekt, der den Erfolg treiben kann, gehört ins Modell, und die Annahmen, die besonders viel Unsicherheit in den NPV bringen, werden weiter heruntergebrochen oder validiert. Wichtig ist, überall dieselben Kriterien anzusetzen (über wie viele Jahre modelliert wird, welche Preissteigerungen gelten), sonst vergleicht man Äpfel mit Birnen. Am Ende stehen für jedes Projekt wenige Zahlenwerte: der erwartete NPV, das Risiko (also die Standardabweichung des NPV), die Investition beziehungsweise der Value at Risk. Dazu eine Beschreibung, in der die soften Faktoren angesprochen werden.
Und bei 80 Ideen in der Pipeline?
Der übliche Einwand gegen dieses Vorgehen war lange der Aufwand, und er ist mit KI im Grunde erledigt. Es baut auch nicht der Innovationsmanager achtzig Modelle, sondern jeder Ideengeber genau eines, für seine Idee. Mit Bayescase, unserer Software für die Bewertung und Priorisierung von Innovations- und Kostensenkungsprogrammen, geht das per Interview: Man beschreibt seine Idee, der grobe Case entsteht im Gespräch. Die Idee dahinter ist, mit einem groben Case anzufangen und nur die Projekte, die vielversprechend aussehen, weiter zu validieren und zu verfeinern.
So kann man basierend auf Wert, Risiko und Investitionsgröße priorisieren und die eigene Intuition dort einsetzen, wo sie hingehört, bei den Faktoren, die sich nicht rechnen lassen.
Häufige Fragen
- Wie bewertet man Innovationsprojekte?
- Mit einer einzigen Kennzahl statt vieler gewichteter Kriterien, im Normalfall dem Net Present Value. Dafür wird der Profit in seine Treiber aufgetrennt (Umsatz, Kosten, und diese weiter), für jeden Treiber werden Bereichsannahmen statt Punktwerten gesetzt, und per Monte-Carlo-Simulation entsteht die Wahrscheinlichkeitsverteilung des NPV. Faktoren, die sich nicht quantifizieren lassen (etwa strategische Relevanz), gehören als Text in die Bewertung, klar getrennt von der Rechnung. Wichtig für die Vergleichbarkeit: für alle Projekte dieselben Modellierungskriterien, etwa denselben Zeithorizont.
- Warum sind Scoring-Modelle und Nutzwertanalysen problematisch?
- Weil Punkteskalen Größenordnungen verstecken: Zwischen einem Projekt mit Bewertung 1 und einem mit Bewertung 5 kann ein Faktor 100 oder 1.000 im tatsächlichen Nutzen liegen, und auch Gewichtungen bilden das selten ab. Zudem vermischen Scoring-Modelle Mathematik und Intuition, das Ergebnis sieht nach Rechnung aus, ist aber im Kern Bauchgefühl. Man vertraut der Zahl dann aus dem falschen Grund.
- Welche Kennzahlen braucht die Priorisierung von Innovationsprojekten?
- Drei Werte pro Projekt reichen: der erwartete NPV (Wert), die Standardabweichung des NPV (Risiko beziehungsweise Unsicherheit) und die Investition beziehungsweise der Value at Risk. Zusammen mit einer kurzen Beschreibung der nicht quantifizierbaren Faktoren lässt sich damit ein Portfolio nachvollziehbar priorisieren.
