Warum Banken 2026 Verteilungs-Szenarien sehen wollen

Im Q1 2026 hat der KfW-Mittelstandskompass eine Empfehlung in die quartalsweisen Banken-Reportings für Mittelstandskunden geschrieben, die viele CFOs erst nach dem ersten unangenehmen Bankgespräch gelesen haben: Stress-Szenarien sollen nicht mehr aus dem Bauch, sondern aus datenfundierten Wahrscheinlichkeits-Verteilungen kommen. Konkret: ein einzelnes Worst-Case-Szenario reicht nicht mehr, gefragt sind P10/P50/P90-Bänder. Das bedeutet für jeden Mittelstands-CFO der eine Kreditlinie verlängern will: Monte Carlo, oder dranglauben.

Ein deterministischer Forecast mit drei festen Szenarien ist 2026 das was Excel-Tabellen 2010 waren — technisch reicht es, aber die Bank fragt sich warum du es nicht besser machst.

Was P10, P50, P90 eigentlich meinen — und was nicht

Die drei Zahlen aus einer Monte-Carlo-Simulation sind keine Szenarien, sondern Quantile einer Verteilung. Drei Sätze zum Festhalten:

  • P50 ist der Median — in der Hälfte aller simulierten Welten landet die KPI darunter, in der Hälfte darüber. Das ist NICHT der Erwartungswert (Mean), der bei schiefen Verteilungen daneben liegt.
  • P10 ist die pessimistische Ecke — in 10 % aller simulierten Welten wird es noch schlechter als dieser Wert. Das ist der Stress-Test für die Bank.
  • P90 ist die optimistische Ecke — in nur 10 % aller Welten wird es noch besser. Hier wird Kapitalbedarf für Wachstumsszenarien argumentiert.

Wichtig: P10/P90 sind KEINE Konfidenzintervalle. Sie sind reine Quantile auf den simulierten Outputs. Wer sie als 'mit 80 % Wahrscheinlichkeit liegen wir dazwischen' kommuniziert, sagt etwas anderes als die Mathematik hergibt.

Wie eine Monte-Carlo-Simulation für CFO-Forecasts aufgebaut wird

Die Mechanik ist seit den 1940er Jahren bekannt, die rechentechnische Umsetzung für Mittelstands-Forecasts ist erst seit ein paar Jahren in Sekunden machbar. Vier Bestandteile bauen die Simulation:

  1. Korrelierte Parameter identifizieren. Revenue, Material-Inflation, Personalkosten und Capex sind nicht unabhängig. Wenn Revenue einbricht, bricht typischerweise auch Capex ein (Nachfrage-Korrelation), während Personalkosten erst mit 6-Monats-Verzögerung reagieren. Diese Korrelationen werden in einer Korrelationsmatrix abgebildet.
  2. Verteilungen pro Parameter wählen. Revenue ist meist normalverteilt um den Plan-Wert, Material-Inflation eher log-normal (kann viel höher gehen als niedriger), Capex bimodal (entweder geplant oder gestrichen). Die Wahl der Verteilung kommt aus historischen Daten und Branchen-Studien (VDMA, Destatis).
  3. Cholesky-Decomposition anwenden. Damit die zufälligen Samples die Korrelationsstruktur respektieren, wird die Korrelationsmatrix per Cholesky in eine untere Dreiecksmatrix zerlegt. Diese transformiert unabhängige Random-Draws in korrelierte Samples.
  4. 10.000-50.000 Iterationen rechnen. Jeder Lauf produziert einen kompletten 3-Jahres-Forecast. Aus der Verteilung der Outputs werden P10, P50, P90 extrahiert. Bei 50.000 Iterationen ist die Schwankung der Quantile auf der zweiten Nachkommastelle stabil.

Beispiel: Maschinenbau-Mittelstand mit 5 korrelierten Parametern

So sieht ein P10/P50/P90-Output für einen 80-MA-Industrie-Mittelständler im Q3 2026 aus:

Parameter: Revenue (normal, sigma 8 %), Material-Inflation (log-normal, mu 3 %, sigma 4 %), Personalkosten (normal, sigma 2 %, lag 6 Monate), Capex (bimodal, 70/30 split), DSO (normal, sigma 5 Tage). Korrelationsmatrix mit Revenue↔Capex 0,6, Revenue↔Material -0,3. >50.000 Iterationen, Output Free Cashflow Q4 2026: >P10: -2,1 Mio EUR · P50: +1,8 Mio EUR · P90: +4,9 Mio EUR >Bank-relevante Aussage: 'In 90 % aller modellierten Pfade bleibt der Free Cashflow über -2,1 Mio EUR. Unsere Kreditlinie von 5 Mio EUR deckt diesen Stress-Fall vollständig ab, mit 2,9 Mio EUR Puffer.'

Das ist eine Aussage die im Hausbank-Termin trägt — weil sie aus 50.000 simulierten Pfaden kommt, nicht aus einer Annahme.

Wann Monte Carlo dem CFO nutzt — und wann es Lärm ist

Monte Carlo ist kein Selbstzweck. Sie nutzt, wenn:

  • Mehrere unsichere Parameter korrelieren und nicht-linear in eine KPI eingehen (typischer Fall bei Free Cashflow oder Net Debt)
  • Die Hausbank explizit nach Verteilungs-Aussagen fragt
  • Im Vorstand über Risiko-Allokation oder Hedging entschieden wird

Sie ist Lärm wenn:

  • Nur ein einzelner Parameter unsicher ist (dann reicht eine deterministische Sensitivitätsanalyse)
  • Die Korrelationsmatrix geraten ist (Garbage in, Garbage out — Korrelationen müssen aus historischen Daten oder Branchen-Studien stammen)
  • Der CFO die Output-Bänder nicht erklären kann (siehe Abschnitt zu Quantilen oben)

Faustregel: wenn du in 30 Sekunden erklären kannst was deine Korrelationsmatrix ausdrückt, ist die Simulation belastbar. Wenn nicht, ist sie Theater.

Weiterlesen im Wissen-Hub

Wie 3-Statement-Modelle im Mittelstand systematisch brechen — und was sich dagegen tun lässt: 3-Statement-Verkettung im CFO-Reporting. Warum Excel-basierte Liquiditätsplanung 2026 an Grenzen stößt: Cashflow-Simulation im Mittelstand. Und welche Pflichten der EU AI Act für Finance-Tooling im Mittelstand bringt: EU AI Act Readiness.