Was, wenn die Annahmen nicht stimmen?

§ L.1 · AnlassWarum Sensitivität.

Wer ein Reformkonzept ablehnen will, sagt heute: „Die Kosten werden explodieren." Annex G nennt 1,9–3,1 Mrd Euro. Aber: Was wenn der mittlere Wert um 40 % daneben liegt?

Drei Gründe machen eine Sensitivitäts-Analyse unausweichlich:

1. ELGA-Präzedenz. Die ursprüngliche Schätzung für ELGA lag bei ca. € 30 Mio (2006/07). Die reale Realisierung kostete bis 2018 schätzungsweise € 1,3 Mrd. Faktor 43. Wer das ignoriert, ist nicht ernst zu nehmen.
2. Asymmetrische Risiken. Manche Variablen sind nach oben offen (z. B. Migrations­scope), andere sind beidseitig (z. B. Personalbedarf). Eine Punktschätzung verschleiert das.
3. Politische Glaubwürdigkeit. Ein Konzept, das nur eine Zahl nennt, wird mit einer Gegenzahl bekämpft. Ein Konzept, das eine Verteilung nennt, wird ernster genommen.

Eine Kostenschätzung ohne Sensitivitäts-Analyse ist kein Plan. Sie ist eine Hoffnung mit Dezimalstellen.

§ L.2 · VariablenDie zwölf Schlüssel-Variablen.

Nicht jede Annahme verdient eigene Analyse. Diese zwölf bestimmen das Ergebnis zu rund 85 %.

Was die Tabelle nicht zeigt

Drei Variablen sind nach oben offen: V1 (Catala-Kodifizierung), V7 (Schulung), V12 (Verzögerungs-Faktor). Das ist die ELGA-Lektion. Wenn der Migrations-Scope wächst, wachsen alle drei multiplikativ. Genau hier explodieren typische E-Government-Projekte.

Eine Variable ist asymmetrisch nach unten: V10 (Einsparungs­quote). Wenn die Verwaltungs­personalstärke nicht abgebaut werden kann (politischer Widerstand, Bestandsschutz, kein Vorruhestand), schmilzt die Einsparung. Dies ist das größte Risiko für den Break-Even.

§ L.3 · MatrixSensitivitäts-Matrix bei ± 30 % pro Variable.

Wir verschieben jede Variable einzeln um ± 30 % und messen den Effekt auf die Gesamt­investition (1,9–3,1 Mrd in Annex G Mid-Szenario, hier 2,5 Mrd als Punktschätzung).

Was die Matrix zeigt

Die drei größten Treiber: V12 Verzögerung (± 350 M), V11 EU-Förderquote (± 280 M), V5 Personalbedarf Migration (± 250 M). Wenn man diese drei in den Griff bekommt, ist die Hälfte der Sensitivität abgedeckt.

V12 ist Strukturfrage — bottom-up-Stufung (Annex I) ist genau die Antwort darauf. Wer top-down startet, kassiert die volle Verzögerungs­strafe. Wer in der Pilot­gemeinde startet, isoliert sie auf Stufe 1.

V11 ist Politik­frage — wie aktiv werden EU-Mittel mobilisiert? Bei 55 % EU-Anteil (Best) sinkt die nationale Belastung auf rund 1,1 Mrd; bei 25 % EU-Anteil (Worst) steigt sie auf 1,9 Mrd.

V5 ist Architektur­frage — wie viel Migration ist überhaupt nötig? Bei rigorosem „nur Pilot, dann inkrementell" sinkt der Migrations­bedarf strukturell.

§ L.4 · ELGA-StresstestWas, wenn wir ELGA wiederholen?

§ L.5 · Monte-CarloSkizze einer Verteilungs-Analyse.

Statt drei Szenarien (Best/Mid/Worst) eine Verteilung über 10.000 simulierte Realisierungen. Was sagt die Verteilung?

Simulationsdesign

# Pseudocode der Monte-Carlo-Skizze
# Vollausführung in der Projekt-Codebasis als Python-Notebook

import numpy as np
np.random.seed(42)

N = 10_000  # Simulationsläufe

# Variable definieren mit Verteilung
# Skala: Punkt-Schätzung in Mio Euro, Streuung als σ

V1 = np.random.lognormal(mean=np.log(350), sigma=0.35, size=N)  # nach oben offen
V2 = np.random.normal(loc=40, scale=5, size=N)
V3 = np.random.normal(loc=55, scale=12, size=N)
V4 = np.random.normal(loc=80, scale=20, size=N)
V5 = np.random.normal(loc=350, scale=80, size=N)
V6 = np.random.normal(loc=180, scale=35, size=N)
V7 = np.random.lognormal(mean=np.log(120), sigma=0.35, size=N)  # nach oben offen
V8 = np.random.normal(loc=60, scale=18, size=N)
V9 = np.random.normal(loc=25, scale=8, size=N)
V10 = np.random.beta(2, 4, size=N) * 0.45  # asymm. nach unten
V11 = np.random.beta(3, 4, size=N) * 0.7  # EU-Förderquote
V12 = np.random.lognormal(mean=np.log(1.3), sigma=0.25, size=N)  # nach oben offen

# Gesamtkosten-Modell (vereinfacht)
investment_gross = (V1 * V2 + V3 * 6 + V4 + V5 + V6 * 6 + V7 + V8 + V9 * 6) * V12
investment_net = investment_gross * (1 - V11)

# Statistik
p5, p25, p50, p75, p95 = np.percentile(investment_net, [5, 25, 50, 75, 95])
print(f"P5  = {p5:.0f} M EUR (sehr optimistisch)")
print(f"P25 = {p25:.0f} M EUR")
print(f"P50 = {p50:.0f} M EUR (Median)")
print(f"P75 = {p75:.0f} M EUR")
print(f"P95 = {p95:.0f} M EUR (sehr pessimistisch)")

Erwartete Verteilung

Diese Verteilung ist illustrativ, keine Validierung. Die tatsächliche Validierung erfolgt erst nach Pilot-Stufe 1 mit realen Aufwands­daten. Aber die Form der Verteilung ist robust gegenüber Annahme-Variationen: Median liegt durchweg im 2,2–2,8-Mrd-Bereich; P95 selten über 5 Mrd. Die ELGA-Faktor-43-Eskalation ist im Modell strukturell ausgeschlossen, weil keine Variable diesen Eskalations­faktor zulässt.

§ L.6 · Break-Even-RisikenWas den Break-Even bricht — und rettet.

§ L.7 · GrenzenWas diese Analyse nicht liefert.

• Keine validierten Eingangsdaten. Die Verteilungs-Parameter sind Schätzungen, nicht Messwerte. Erst nach Pilot-Stufe 1 mit realen Daten wird die Analyse belastbar.
• Keine Korrelations­modellierung. Die zwölf Variablen sind nicht unabhängig — Schulungs­bedarf korreliert mit Migrations­scope, Verzögerung korreliert mit politischem Widerstand. Eine Modellierung mit Korrelations­matrix würde realere Bandbreiten ergeben.
• Keine geopolitische Robustheit. Annahmen über X-Road-Verfügbarkeit, Catala-Pflege, EUDI-Wallet-Reife setzen Stabilität der zugehörigen Ökosysteme voraus. Ein Bruch (z. B. EE-X-Road-Lizenz­änderung) wäre hier nicht abgebildet.
• Kein Vergleich zu Status-Quo-Kosten. Diese Analyse rechnet nur die Reform­seite. Die ökonomische Gegenüberstellung (Annex I § I.7) macht den Vergleich. Beide Annexe sind komplementär zu lesen.

Eine Sensitivitäts-Analyse beweist nichts. Sie macht nur sichtbar, was die Schätzung trägt und was sie kippt.

Was diese Analyse doch leistet: Sie macht den Einwand „das wird teurer als geplant" beantwortbar, bevor er kommt. Die ehrliche Antwort ist nicht „das wird sicher € 2,5 Mrd", sondern: „Median 2,4 Mrd, P95 4,3 Mrd, ELGA-Eskalation strukturell ausgeschlossen, drei Risiken im Detail benannt, drei Gegen­effekte quantifiziert."

Das ist keine Garantie. Es ist die maximale Ehrlichkeit, die ein Reform­konzept vor seiner Realisierung liefern kann.