Monte Carlo Simulation: Die Geheimwaffe Ihrer Agentur für die Preisgestaltung

Jede Agentur addiert einen Puffer auf ihre Schätzungen. 10 %, 15 %, vielleicht 20 % für „riskante" Projekte. Aber hier ist die Frage, die niemand stellt: Reichen 20 % aus? Sind es zu viel? Wie würden Sie das wissen?

Das können Sie nicht — denn ein Prozentualpuffer ist eine als Risikomanagement verkleidete Vermutung. Monte Carlo Simulation ersetzt diese Vermutung durch statistische Evidenz.

Was ist Monte Carlo Simulation?

Monte Carlo Simulation ist eine Methode, tausende Zufallsszenarien durchzurechnen, um die Bandbreite möglicher Ergebnisse zu verstehen. Statt „Was wird passieren?" fragt sie: „Was könnte passieren, und wie wahrscheinlich ist jedes Ergebnis?"

Für die Preisgestaltung in Agenturen bedeutet das: - Statt einer Schätzung erhalten Sie eine Wahrscheinlichkeitsverteilung - Statt „das Projekt wird 50.000 € kosten" erhalten Sie „mit 70 % Wahrscheinlichkeit wird das Projekt zwischen 45.000 € und 62.000 € kosten" - Statt eines Bauchgefühl-Puffers erhalten Sie einen statistisch fundierten Risikoaufschlag

So funktioniert es (vereinfacht)

1. 1.Inputs definieren: Für jede Projektvariable (Stunden pro Phase, Nacharbeitswahrscheinlichkeit, Scope-Change-Wahrscheinlichkeit) definieren Sie einen Bereich auf Basis historischer Daten — nicht eine einzelne Zahl, sondern eine Verteilung.

1. 1.Simulation durchführen: Der Computer zieht zufällig aus jeder Verteilung und berechnet die Gesamtprojektkosten. Dann wiederholt er dies 10.000 Mal, jedes Mal mit unterschiedlichen Zufallswerten.

1. 1.Output analysieren: Die 10.000 Ergebnisse bilden eine Wahrscheinlichkeitsverteilung. Sie sehen das wahrscheinlichste Ergebnis (den Peak), den Best Case und den Worst Case — und die exakte Wahrscheinlichkeit jedes Ergebnisses.

Ein reales Beispiel

Betrachten Sie ein Website-Redesign-Projekt. Traditionelle Schätzung: - Design: 40 Stunden - Entwicklung: 80 Stunden - Testing/QA: 20 Stunden - Puffer: 15 % - Gesamt: 161 Stunden × 120 € = 19.320 €

Nun der Monte Carlo Ansatz. Basierend auf Ihren historischen Daten:

Designphase: Dauert üblicherweise 35–45 Stunden, kann aber gelegentlich auf 60 anwachsen, wenn der Kunde keine Entscheidungen trifft. Verteilung: normal, Mittelwert 40, Standardabweichung 8.

Entwicklungsphase: Die Kernarbeit ist vorhersagbar (70–90 Stunden), aber Integrationen und Sonderfälle können sie auf 120 treiben. Verteilung: rechtsschief, Modus 80, Maximum 120.

Testing/QA: Typischerweise 15–25 Stunden, aber kritische Bugs können 20+ Stunden hinzufügen. Verteilung: normal, Mittelwert 20, Standardabweichung 6.

Scope-Änderungen: Es besteht eine 60-%-Wahrscheinlichkeit für mindestens eine Scope-Änderung, die dann 10–30 Stunden hinzufügt.

Nacharbeit: 30 % Wahrscheinlichkeit für signifikante Nacharbeit (Richtungsänderung des Kunden), die 15–40 Stunden hinzufügt.

Nach 10.000 Simulationen:

• —P10 (Best Case): 128 Stunden → 15.360 €
• —P50 (wahrscheinlichster Fall): 158 Stunden → 18.960 €
• —P75 (komfortabel): 185 Stunden → 22.200 €
• —P90 (konservativ): 212 Stunden → 25.440 €
• —P95 (sehr konservativ): 231 Stunden → 27.720 €

Das Konfidenzniveau wählen

Die Kerninsight: Sie können Ihr Konfidenzniveau wählen — und entsprechend bepreisen.

Risikotolerante Preisgestaltung (P50): Sie bepreisen zum wahrscheinlichsten Ergebnis. Sie erreichen Ihre Zielmarge in etwa der Hälfte der Fälle. Geeignet für Stammkunden mit planbarem Scope.

Standardpreisgestaltung (P75): Sie bepreisen mit 75 % Konfidenz. Drei von vier Projekten bleiben im Budget oder darunter. Das ist der Sweet Spot für die meisten Agenturen.

Konservative Preisgestaltung (P90): Sie bepreisen mit 90 % Konfidenz. Nur 1 von 10 Projekten übersteigt die Schätzung. Geeignet für Neukunden, komplexe Projekte oder wenn der Scope unklar ist.

Vergleichen Sie das mit dem traditionellen Ansatz: Ein 15-%-Puffer auf 140 Stunden ergibt 161 Stunden. In unserer Simulation entspricht das ungefähr einer P55-Schätzung — was bedeutet, dass Sie in 45 % der Fälle über Budget gehen. Das ist kein Risikomanagement. Das ist ein Münzwurf.

Was Ihre historischen Daten offenbaren

Der mächtigste Aspekt von Monte Carlo Simulation ist, dass sie sich mit Ihren eigenen Daten verbessert. Nach 20–30 Projekten werden Ihre Verteilungen hochpräzise kalibriert.

Typische Erkenntnisse, die Agenturen gewinnen:

Designphasen sind bimodal. Sie verlaufen entweder glatt (30–40 Stunden) oder schmerzhaft (60–80 Stunden), mit wenig dazwischen. Der Unterschied? Die Entscheidungsgeschwindigkeit des Kunden. Das legt nahe, eine „Entscheidungszeitrahmen"-Klausel in die Preisgestaltung aufzunehmen.

Entwicklungsschätzungen sind rechtsschief. Der Basisfall ist meist akkurat, aber der Tail ist lang. Integrationen, Legacy-Systeme und „Noch-ein-Feature"-Anfragen erzeugen asymmetrisches Risiko. Ihr Puffer sollte bei integrationsintensiven Projekten größer sein.

Scope Creep folgt Mustern. Er ist nicht zufällig. Projekte mit mehr als 3 Stakeholdern haben ein 2,5-fach höheres Scope-Creep-Risiko. Projekte ohne abgenommene Wireframe-Phase haben ein 3-fach höheres Risiko. Diese Muster werden zu Risikofaktoren in Ihrer Simulation.

Von der Simulation zur Preisgestaltung

Sobald Sie Wahrscheinlichkeitsverteilungen haben, werden Preisentscheidungen klarer:

Der Risikoprämien-Ansatz

Preis = P50-Kosten × (1 + Risikoprämie)

Wobei die Risikoprämie auf Ihr Ziel-Konfidenzniveau kalibriert wird: - P75 Konfidenz: ca. 15–20 % Risikoprämie - P90 Konfidenz: ca. 25–35 % Risikoprämie - P95 Konfidenz: ca. 35–45 % Risikoprämie

Aber entscheidend: Das sind keine willkürlichen Prozentsätze — sie werden aus Ihren tatsächlichen Projektdaten abgeleitet.

Der Ansatz gestufter Konfidenzniveaus

Nutzen Sie unterschiedliche Konfidenzniveaus für Ihre Good/Better/Best-Stufen:

• —Good: P50-Preisgestaltung (schlanker Scope, schlanker Preis, höheres Risiko für Sie)
• —Better: P75-Preisgestaltung (voller Scope, Standard-Risikoallokation)
• —Best: P90-Preisgestaltung (voller Scope, konservative Risikoallokation, Premium-Support)

Das erzeugt auf natürliche Weise eine Preisdifferenzierung, die nachvollziehbar und datengestützt ist.

Einstieg ohne Data Scientist

Sie brauchen keine ausgefeilten Tools für den Start. Eine Tabellenkalkulation genügt:

1. 1.Daten sammeln: Ziehen Sie Stunden-geschätzt vs. Stunden-tatsächlich für Ihre letzten 15–20 Projekte
2. 2.Varianz berechnen: Ermitteln Sie für jede Projektphase die durchschnittliche Überschreitung und ihre Standardabweichung
3. 3.Bereiche definieren: Für jede Phase ein Minimum, einen wahrscheinlichsten Wert und ein Maximum definieren
4. 4.Simulieren: Nutzen Sie Excels ZUFALLSBEREICH oder ein einfaches Python-Skript für 1.000 Iterationen
5. 5.Output lesen: Ergebnisse sortieren und P50, P75 und P90 Werte ermitteln

Die erste Simulation wird grob sein. Ab der dritten haben Sie belastbare Daten, die um Größenordnungen besser sind als ein Bauchgefühl-Puffer.

ScopeMetrix führt 10.000 Monte Carlo Simulationen bei jedem Pricing-Engagement durch. Erfahren Sie, wie es funktioniert →