--- title: "Sensitivitätsanalyse" source: "https://systems-analysis.info/int/Sensitivit%C3%A4tsanalyse" wiki: "systems-analysis.info/int" article: "Sensitivitätsanalyse" language: "de" categories: - "Category:German" - "Category:Mathematical modeling" - "Category:Operations research" revision_id: 6699 wiki_created_at: 2026-09-07T00:09:41Z wiki_modified_at: 2026-09-07T00:09:41Z downloaded_at: 2026-09-07T23:15:22Z --- # Sensitivitätsanalyse **Sensitivitätsanalyse** (englisch *Sensitivity analysis*) ist eine Methode zur Untersuchung von mathematischen oder Simulationsmodellen, die es ermöglicht zu bewerten, wie sich Änderungen bei Eingabedaten, Parametern oder Annahmen eines Modells auf dessen Ergebnisse auswirken (zum Beispiel auf die [optimale Lösung](https://systems-analysis.info/int/Optimale_L%C3%B6sung "Optimale Lösung"), den Wert der [Zielfunktion](https://systems-analysis.info/int/Zielfunktion "Zielfunktion") oder andere Schlüsselkennzahlen). Die Sensitivitätsanalyse ist ein wichtiges Instrument im Operations Research, in der [Optimierung](https://systems-analysis.info/int/Optimierung "Optimierung"), der [Entscheidungstheorie](https://systems-analysis.info/int/Entscheidungstheorie "Entscheidungstheorie"), im [Risikomanagement](https://systems-analysis.info/int/Risikomanagement "Risikomanagement"), in der Wirtschaftsanalyse und in der [Systemanalyse](https://systems-analysis.info/int/Systemanalyse "Systemanalyse"). ## Wesen und Zweck Das Hauptziel der Sensitivitätsanalyse ist es zu verstehen, wie **stabil** (robust) die Ergebnisse der [Modellierung](https://systems-analysis.info/int/Modellierung "Modellierung") oder [Optimierung](https://systems-analysis.info/int/Optimierung "Optimierung") gegenüber Unsicherheiten oder Variationen der Ausgangsdaten sind. Sie hilft, Fragen zu beantworten wie: - "Was geschieht mit der [optimalen Lösung](https://systems-analysis.info/int/Optimale_L%C3%B6sung "Optimale Lösung"), wenn sich die Kosten einer Ressource um 10 % ändern?" - "Wie stark wird sich der Gewinn bei Schwankungen der Marktnachfrage verändern?" - "Welche Parameter des [Modells](https://systems-analysis.info/int/Modell "Modell") haben den größten Einfluss auf das Endergebnis?" - "Wie zuverlässig ist die mit Hilfe des [Modells](https://systems-analysis.info/int/Modell "Modell") erstellte Prognose?" Die Hauptaufgaben der Sensitivitätsanalyse sind: - Bewertung der Robustheit:\* Feststellen, ob die Optimalität oder Akzeptanz einer Lösung bei Parameteränderungen erhalten bleibt. - Identifizierung kritischer Parameter:\* Aufdecken von Eingabedaten oder [Modellparametern](https://systems-analysis.info/int/Modell "Modell"), deren geringfügige Änderungen zu signifikanten Veränderungen der Ergebnisse führen. - Erhöhung der Vertrauenswürdigkeit des Modells:\* Nachweisen, dass sich das Modell als Reaktion auf Änderungen der Eingabedaten vorhersagbar und logisch verhält. - Unterstützung der Entscheidungsfindung:\* Bereitstellung von Informationen für Entscheidungsträger über die Bandbreite möglicher Ergebnisse und die mit der Unsicherheit der Ausgangsdaten verbundenen [Risiken](https://systems-analysis.info/int/Risiko "Risiko"). - Festlegung von Richtungen für weitere Forschung:\* Aufzeigen, welche Datenerhebung oder Verfeinerung von [Modellparametern](https://systems-analysis.info/int/Modell "Modell") am wichtigsten ist. ## Methoden der Sensitivitätsanalyse Es gibt verschiedene Methoden zur Durchführung einer Sensitivitätsanalyse, von einfachen bis hin zu komplexen: - Lokale Analyse (One-at-a-Time, OAT/OFAT): Es wird jeweils nur ein Eingangsparameter geändert, während die anderen Parameter konstant bleiben. Dies ist die einfachste Methode, sie erlaubt jedoch keine Bewertung von Wechselwirkungen zwischen den Parametern. - Ableitungsbasierte Analyse (lokale Sensitivität): Bewertet den Einfluss kleiner Parameteränderungen durch die partiellen Ableitungen der Ausgangsvariablen nach den Eingangsparametern. - Szenarioanalyse: Es werden mehrere diskrete Szenarien betrachtet (z. B. ein optimistisches, ein pessimistisches und ein wahrscheinlichstes Szenario), die unterschiedlichen Sätzen von Eingangsparameterwerten entsprechen. - Globale Sensitivitätsanalyse: Untersucht den Einfluss der gleichzeitigen Änderung aller (oder vieler) Parameter innerhalb ihrer Unsicherheitsbereiche. Häufig werden statistische Methoden verwendet: - Methoden nach Monte-Carlo: Eine große Anzahl zufälliger Sätze von Eingangsparametern wird generiert, um die Verteilung der Ergebnisse zu bewerten. - Regressionsanalyse: Es wird ein Regressionsmodell erstellt, das die Ergebnisse mit den Eingangsparametern verknüpft. - Varianzanalyse (ANOVA) und varianzbasierte Methoden: Ermöglichen die quantitative Bewertung des Beitrags jedes Parameters (und seiner Wechselwirkungen) zur Gesamtvarianz (Unsicherheit) des Ergebnisses. ## Rolle im Operations Research und in der Optimierung Im Operations Research ist die Sensitivitätsanalyse ein Standardschritt nach dem Finden der [optimalen Lösung](https://systems-analysis.info/int/Optimale_L%C3%B6sung "Optimale Lösung"). Sie ermöglicht die Bestimmung von: - **Stabilitätsgrenzen der [optimalen Lösung](https://systems-analysis.info/int/Optimale_L%C3%B6sung "Optimale Lösung"):** Der Bereich, in dem sich die Parameter der [Zielfunktion](https://systems-analysis.info/int/Zielfunktion "Zielfunktion") oder der Nebenbedingungen ändern können, ohne dass die gefundene [Optimale Lösung](https://systems-analysis.info/int/Optimale_L%C3%B6sung "Optimale Lösung") ihre Optimalität verliert. - **Schattenpreise (Dualvariablen):** Wie stark sich der Wert der [Zielfunktion](https://systems-analysis.info/int/Zielfunktion "Zielfunktion") bei einer geringfügigen Änderung (Lockerung) einer Nebenbedingung ändert (z. B. durch Hinzufügen einer Einheit einer knappen Ressource). Schattenpreise zeigen den Wert von Ressourcen an. - **Zulässige Änderungsintervalle für Parameter:** Die Bereiche, in denen sich die Koeffizienten der [Zielfunktion](https://systems-analysis.info/int/Zielfunktion "Zielfunktion") oder die rechten Seiten der Nebenbedingungen ändern können, während die aktuelle Struktur der [optimalen Lösung](https://systems-analysis.info/int/Optimale_L%C3%B6sung "Optimale Lösung") (der Satz der Basisvariablen in der linearen Programmierung) erhalten bleibt. Diese Ergebnisse helfen Entscheidungsträgern zu verstehen, wie kritisch die Ausgangsdaten sind und welche Ressourcen am wertvollsten sind ("Engpässe"). ## Rolle in der Modellierung und Entscheidungsfindung In einem breiteren Kontext der [Modellierung](https://systems-analysis.info/int/Modellierung "Modellierung") und [Entscheidungsfindung](https://systems-analysis.info/int/Entscheidungstheorie "Entscheidungstheorie") hilft die Sensitivitätsanalyse dabei: - **[Risiken](https://systems-analysis.info/int/Risiko "Risiko") bewerten:** Faktoren identifizieren, die die größte Unsicherheit in das Ergebnis einbringen. - **Ein [Modell](https://systems-analysis.info/int/Modell "Modell") validieren:** Die Angemessenheit des [Modellverhaltens](https://systems-analysis.info/int/Modell "Modell") bei sich ändernden Bedingungen überprüfen. - **Alternativen vergleichen:** Bewerten, welche der Alternativen robuster gegenüber Änderungen der externen Bedingungen ist. - **Das Verständnis des [Systems](https://systems-analysis.info/int/System "System") verbessern:** Schlüsselfaktoren und Zusammenhänge im modellierten [System](https://systems-analysis.info/int/System "System") aufdecken. ## Interpretation der Ergebnisse - Eine **hohe Sensitivität** gegenüber einem Parameter bedeutet, dass bereits kleine Fehler bei seiner Schätzung oder seine Variabilität das Ergebnis stark beeinflussen können. Solche Parameter erfordern besondere Aufmerksamkeit. - Eine **niedrige Sensitivität** zeigt an, dass das Ergebnis des [Modells](https://systems-analysis.info/int/Modell "Modell") oder der Lösung nur geringfügig von Änderungen dieses Parameters im betrachteten Bereich abhängt, d. h., die Lösung ist in Bezug auf diesen Parameter robust. ## Vorteile - Erhöht die Zuverlässigkeit und Validität von [Modellen](https://systems-analysis.info/int/Modell "Modell") und Lösungen. - Hilft bei der Identifizierung von [Risiken](https://systems-analysis.info/int/Risiko "Risiko") und Unsicherheiten. - Verbessert das Verständnis des [Systems](https://systems-analysis.info/int/System "System") und des [Modells](https://systems-analysis.info/int/Modell "Modell"). - Lenkt die Anstrengungen zur Datenerfassung und zur Verfeinerung des [Modells](https://systems-analysis.info/int/Modell "Modell"). ## Einschränkungen - Kann rechenintensiv sein, insbesondere bei einer großen Anzahl von Parametern (globale Analyse). - Einfache Methoden (OAT) können Wechselwirkungen zwischen Parametern möglicherweise nicht aufdecken. - Die Ergebnisse hängen von den gewählten Änderungsbereichen der Parameter und den Annahmen des [Modells](https://systems-analysis.info/int/Modell "Modell") ab. ## Siehe auch - Operations Research - [Optimierung](https://systems-analysis.info/int/Optimierung "Optimierung") - [Mathematische Modellierung](https://systems-analysis.info/int/Mathematische_Modellierung "Mathematische Modellierung") - [Simulationsmodellierung](https://systems-analysis.info/int/Simulationsmodellierung "Simulationsmodellierung") - [Entscheidungstheorie](https://systems-analysis.info/int/Entscheidungstheorie "Entscheidungstheorie") - [Risikomanagement](https://systems-analysis.info/int/Risikomanagement "Risikomanagement") - Unsicherheit - [Lineare Programmierung](https://systems-analysis.info/int/Lineare_Programmierung "Lineare Programmierung") ## Literatur - *Saltelli, A., et al.* Global Sensitivity Analysis: The Primer. — Wiley, 2008. - *Hillier, Frederick S.; Lieberman, Gerald J.* Introduction to Operations Research. — McGraw-Hill Education. (11th ed., 2021) (Enthält Abschnitte zur Sensitivitätsanalyse in der linearen Programmierung) - *Taha, Hamdy A.* Operations Research: An Introduction. — Pearson. (10th ed., 2017) (Enthält Abschnitte zur Sensitivitätsanalyse in der linearen Programmierung)