Szenarioanalyse

Die Szenarioanalyse (auch Szenariotechnik genannt) ist ein Verfahren der strategischen Planung und Zukunftsforschung, bei dem mehrere plausible, in sich konsistente Zukunftsbilder, sogenannte Szenarien, systematisch entwickelt und analysiert werden. Mit dem Begriff wird der gesamte Prozess der Herleitung, Prüfung, Interpretation und Nutzung von Zukunftsbildern für Entscheidungen bezeichnet. Szenarien sind keine Prognosen im engen Sinn, sondern begründete Wenn-dann-Erzählungen und ‑Modelle, die Entscheidungsoptionen unter Unsicherheit sichtbar machen sollen.

Überblick

1. 1 Zusammenfassung
2. 2 Wortherkunft und Historie der Szenarioanalyse
3. 3 Grundprinzipien und Nutzen der Szenarioanalyse
4. 4 Ablauf einer Szenarioanalyse
5. 5 Varianten der Szenarioanalyse
6. 6 Mit Szenarioanalysen verwandte Verfahren
7. 7 Anwendungsfelder der Szenarioanalyse
8. 8 Stärken und Grenzen der Szenarioanalyse
9. 9 Quellenangaben
10. 10 Literaturhinweise

1 Zusammenfassung

Die Szenarioanalyse ist eine strategische Planungsmethode, mit der systematisch verschiedene mögliche Zukünfte entworfen und bewertet werden. Das Verfahren unterstützt Organisationen dabei, alternative Entwicklungsverläufe unter Unsicherheit strukturiert zu betrachten und sich gezielt auf mögliche Veränderungen vorzubereiten (Godet 2001). Die Arbeit mit Szenarien strukturiert Unsicherheit, macht Annahmen explizit und ermöglicht Organisationen, trotz Ungewissheit darüber, was die Zukunft bringen wird, handlungsfähig zu bleiben (Börjeson et al. 2006).

Die Stärke der Methode liegt bei komplexen Fragestellungen, bei denen lineare Prognosen an Grenzen stoßen (Gausemeier et al. 1996). Mittels einer Szenarioanalyse wird keine einzelne Prognose erstellt, sondern es werden mehrere plausible Zukunftsbilder entworfen, verglichen und im Hinblick auf ihre Konsequenzen für Entscheidungen ausgewertet. Ein Ziel der Szenarioanalyse ist, Strategien für mögliche Zukünfte zu entwickeln, lange bevor diese ggf. tatsächlich eintreten (Rohrbeck et al. 2015). Die Szenarioanalyse liefert also keine Zukunftsgewissheit, sondern sie erlaubt, Entscheidungen durch die Antizipation möglicher Entwicklungen zu fällen (Blasche 2006; Dießl 2006). Überdies kann eine Szenarioanalyse dabei helfen, strategische Entscheidungen nachvollziehbar zu begründen (Chermack 2011; Heijden 2005). Organisationen nutzen Szenarien vor allem, um Technologietrends zu antizipieren und Forschungsportfolios zu priorisieren (Fink et al. 2001). Von hoher Bedeutung sind sie vor allem in der Investitionsplanung, dem Risikomanagement und der Strategieentwicklung (Gausemeier et al. 1995; Heijden 2005).

Wichtig zu verstehen ist es, dass die Güte von Szenarien sich nicht daran messen lässt, ob ein Szenario später exakt eintritt. Szenarien sollen zeigen, unter welchen Bedingungen bestimmte Entwicklungen plausibel werden könnten. Szenarioanalysen schärfen so das Bewusstsein für die Unbestimmtheit, aber auch für die Gestaltbarkeit der Zukunft. Ihr Ziel ist es, den Möglichkeitsraum zu erweitern und implizite Annahmen sichtbar zu machen (Nixdorf 2023). Mit einer Szenarioanalyse können so systematisch blinde Flecken offengelegt und Entscheidungen vorbereitet werden. Die Analyse von Szenarien kann unabhängig von deren Eintreten schon deshalb sinnvoll sein, weil die Auseinandersetzung mit Szenarien bewirken kann, dass Organisationen Vorkehrungen treffen, ihre Aufmerksamkeit erhöhen und dadurch handlungsfähig bleiben.

2 Wortherkunft und Historie der Szenarioanalyse

Der Begriff „Szenario“ geht auf das lateinische „scaena“ (Bühne) zurück. Er bezeichnete ursprünglich den Handlungsentwurf eines Bühnen‑ oder Filmablaufs (Mißler-Behr 1993). Die Bedeutungszuschreibung hat sich im Laufe der Zeit allerdings verändert, sodass unter Szenarien heute zumeist konsistente, plausible und nachvollziehbar begründete Beschreibungen möglicher Zustände oder Entwicklungspfade verstanden werden (Gausemeier et al. 1996). Kosow und Gaßner (2008, S. 12) erklären dazu: „Das Konzept ‚Szenario‘ steht für die Idee einer möglichen Zukunft und verweist somit implizit immer auf die Möglichkeit weiterer, alternativer Zukünfte.“

Historisch ist die Anwendung von Szenarioanalysen seit rund 80 Jahren belegt. Eingeführt wurde die Methode in den 1950er-Jahren maßgeblich durch den amerikanischen Physiker und Mathematiker Herman Kahn bei der RAND Corporation. Kahn nutzte Szenarien, um für das US-Militär denkbare Verläufe eines nuklearen Konflikts durchzuspielen (Kahn 1960). Gemeinsam mit Anthony J. Wiener prägte er eine der bis heute meistzitierten Definitionen des Szenariobegriffs: Ein Szenario sei „a hypothetical sequence of events constructed for the purpose of focussing attention on causal processes and decision points“ (Kahn und Wiener 1967, S. 6).

Einfluss auf die Wahrnehmung von Szenarien hatte ab Ende der 1960er-Jahre auch der Club of Rome, ein Zusammenschluss von Wissenschaftler:innen, der sich mit langfristigen globalen Zukunftsfragen beschäftigt. Internationale Beachtung fand 1972 die auf einer Szenarioanalyse basierende Studie Die Grenzen des Wachstums von Dennis Meadows, Donella H. Meadows, Jørgen Randers und William W. Behrens III, welche die Forscher:innen für den Club of Rome verfassten. Sie untersuchten darin, wie sich zentrale Faktoren wie Bevölkerungswachstum, Industrieproduktion, Ressourcenverbrauch und Umweltverschmutzung gegenseitig beeinflussen. Auf Basis dieser Szenarioanalyse warnte der Club of Rome, dass ungebremstes Wirtschafts‑ und Bevölkerungswachstum zu globaler Überlastung und im Extremfall zu einem Kollaps im 21. Jahrhundert führen könne.

In der Wirtschaft gewann die Szenarioanalyse in den 1970er-Jahren insbesondere durch die Arbeit des Energiekonzerns Royal Dutch Shell (heute Shell) an Bedeutung. Deren Manager Pierre Wack (1922–1997) wollte Führungskräfte bei Shell auf Veränderungen des Energiemarktes vorbereiten und war überzeugt, dass die Analyse von Szenarien dies ermögliche. 2004 veröffentlichten Meadows, Meadows und Randers mit Grenzen des Wachstums – Das 30-Jahre-Update eine Nachfolgestudie, in der erneut anhand verschiedener Szenarien mögliche Entwicklungen bis zum Jahr 2100 analysiert wurden. In Deutschland wurde die Szenarioanalyse u.a. auch durch die Arbeiten von Erich Jantsch bekannt, der 1967 für die OECD das Buch Technological Forecasting in Perspective veröffentlichte.

Der Wert des systemischen Arbeitens mit Szenarien wurde später auch in Szenario-Management – Planen und Führen mit Szenarien (1996) von Jürgen Gausemeier, Alexander Fink und Oliver Schlake beschrieben. Ihr Ansatz wurde als Scenario Management: An Approach to Develop Future Potentials (1998) veröffentlicht. Die Verknüpfung von Systemdenken und multiplen Zukünften, welche die Autoren vollzogen, prägt heute die Arbeit von Trend‑ und Zukunftsforschungsinstituten, darunter das Institut für Zukunftsstudien und Technologiebewertung (IZT) sowie das Battelle-Institut, die ebenfalls zur Verbreitung der Szenarioanalyse beitrugen (Mißler-Behr 1993; Gausemeier et al. 1996).

3 Grundprinzipien und Nutzen der Szenarioanalyse

Die Szenarioanalyse basiert auf der Erkenntnis, dass die Zukunft nicht vorherbestimmt ist. Szenarien werden nicht als Vorhersagen verstanden, sondern als hypothetische, plausible Konstruktionen möglicher Zukünfte, die relevante Einflussfaktoren, Unsicherheiten, Entwicklungspfade sowie mögliche Hürden sichtbar machen (Kahn und Wiener 1967; Schwartz 1991; Schoemaker 1995; Kosow und Gaßner 2008). Statt einer Prognose werden in der Szenarioanalyse mehrere plausible, aber inhaltlich unterschiedliche Zukunftsbilder entwickelt.

Die Szenarioanalyse ist keine klar abgegrenzte Methode, sondern ein Methodenverbund, in dem zahlreiche Modelle existieren, wie die Analyse ablaufen kann. Die Entwicklungen, die erfasst und analysiert werden, können in unterschiedlichsten Bereichen liegen, etwa im technologischen, klimatischen, demografischen, militärischen, wirtschaftlichen Bereich. Anders als Prognosen bilden Szenarien nicht nur erwartete Durchschnittsentwicklungen ab, sondern machen Unsicherheit selbst zum Untersuchungsgegenstand, indem mögliche Diskontinuitäten, Strukturbrüche, technologische Sprünge, gesellschaftliche Veränderungen etc. in den Blick genommen werden (Wilson 1998).

Die Ergebnisse einer Szenarioanalyse beschreiben zentrale Annahmen, Entwicklungslogiken und Schlüsselereignisse. Sie enthalten oft Frühindikatoren, anhand derer beobachtet werden kann, ob sich die Realität eher in Richtung eines bestimmten Szenarios bewegt. Neben qualitativen Beschreibungen können in Szenarien auch quantitative Größen wie Umsatz, Kosten, Emissionen, Kapitalbedarfe, Marktanteile, Bevölkerungszahlen, Risikokennzahlen modelliert werden (Schoemaker 1995). Diese Verbindung qualitativer und quantitativer Elemente gilt als besondere Stärke der Methode, weil sie sowohl analytische Präzision als auch strategische Vorstellungskraft unterstützt (Schwartz 1991).

In einfachen Anwendungen wird häufig ein Best-Case-, ein Worst-Case- und ein Trend-Case-Szenario unterschieden (Kosow und Gaßner 2008; Gausemeier, Fink und Schlake 1996). Mitunter wird zusätzlich noch ein Disruptions-Szenario erstellt:

• Best-Case-Szenario: In einem solchen Szenario wird die günstigste plausible Entwicklung beschrieben. Beispiele für den Best Case wären für ein Unternehmen, dass die Nachfrage nach dessen Produkten oder Dienstleistungen stärker als erwartet steigt, dass die Herstellungskosten sinken, dass neue Technologien die Produkte oder Prozesse deutlich verbessern, dass politische Rahmenbedingungen für das Unternehmen günstiger werden, dass Wettbewerber:innen an Stärke verlieren oder dass Kund:innen die eigenen neuen Angebote besonders schnell nachfragen (Gausemeier et al. 1996; Reibnitz 1992).
  Ein Best-Case-Szenario beantwortet die grundlegende Frage: „Was passiert, wenn die wichtigsten Annahmen möglichst günstig eintreten?“
• Worst-Case-Szenario: Ein solches Szenario beschreibt die ungünstigste plausible Entwicklung. Beispiele aus der Wirtschaft dafür könnten sein, dass die Nachfrage stark einbricht, dass die Kosten deutlich steigen, dass neue Wettbewerber:innen bestehende Anbieter:innen verdrängen, dass politische Regulierung sich verschärft und Lieferketten ausfallen oder dass technologische Entwicklungen das eigene Angebot überflüssig machen (Gausemeier et al. 1996; Reibnitz 1992).
  Ein Worst-Case-Szenario beantwortet die Frage: „Was passiert, wenn die wichtigsten Annahmen möglichst ungünstig eintreten?“
• Trend-Case-Szenario: Hierbei handelt es sich um ein Szenario, das eine Fortschreibung der gegenwärtigen Entwicklung auf Basis bestehender Trends beschreibt. In solchen Szenarien wird davon ausgegangen, dass sich die heute beobachtbaren Entwicklungen weitgehend ohne größere Brüche oder Überraschungen fortsetzen. Typische Grundlagen dafür sind aktuelle Marktentwicklungen, technologische Trends, gesellschaftliche Veränderungen, politische und rechtliche Rahmenbedingungen sowie demografische oder wirtschaftliche Entwicklungen (Kosow und Gaßner 2008; Reibnitz 1992).
  Ein Trendszenario beantwortet die Frage: „Was passiert, wenn sich die gegenwärtigen Entwicklungen im Wesentlichen fortsetzen?“
• Disruptions-Szenario: Dies ist ein Szenario, das beschreibt, wie eine plötzliche, tiefgreifende Störung die erwartete Entwicklung eines Systems, Marktes, Unternehmens oder gesellschaftlichen Umfelds fundamental verändert. Solche Disruptionen werden, vor allem wenn sie gänzlich unerwartet sind, auch „Wild Cards“ genannt (Hiltunen 2006, S. 62). Dabei geht es nicht um eine normale Abweichung vom Trend, sondern um einen radikalen Bruch mit bisherigen Annahmen.
  Genutzt wird ein Disruptionsszenario, um zu beantworten: „Was passiert, wenn eine zentrale Annahme plötzlich nicht mehr gilt?“

Die oben genannte Einteilung ist aber nicht zwingend. In anspruchsvollen Verfahren werden mitunter deutlich mehr Szenarien entwickelt. In den allermeisten Fällen indes sind es drei bis fünf in sich schlüssige Szenarien. Zur Bewertung ihrer Güte werden in der Fachliteratur unterschiedliche Kriterien vorgeschlagen (Kosow und Gaßner 2008; Kreibich 2007; Greeuw et al. 2000; Gausemeier et al. 1996; Steinmüller 1997). Häufig werden Plausibilität, Konsistenz, Unterschiedlichkeit und Relevanz als bedeutende Kernprinzipien genannt:

• Plausibilität: Szenarien müssen in sich logisch kohärent und nachvollziehbar sein. Sie müssen nicht wahrscheinlich, aber zumindest möglich sein.
• Konsistenz: Innerhalb eines Szenarios dürfen sich die Annahmen über Einflussfaktoren nicht widersprechen. Konsistenzprüfungen – etwa mithilfe von Konsistenzmatrizen – stellen sicher, dass die Kombination verschiedener Zustandsannahmen plausibel ist.
• Unterschiedlichkeit: Die entwickelten Szenarien sollen voneinander klar abgrenzbar sein und ein möglichst breites Spektrum an Zukünften abdecken, anstatt nur marginale Varianten derselben Entwicklung darzustellen.
• Relevanz: Die Szenarien müssen einen konkreten Bezug zur Fragestellung oder Entscheidungssituation aufweisen.

Der Fortgang unterschiedlicher Szenarien kann mithilfe des Szenario-Trichters visualisiert werden:

Der Ausgangspunkt bei der Arbeit mit dem Szenario-Trichter ist der Ist-Zustand. Von dort aus werden Einflussfaktoren betrachtet (Fink et al. 2001). In der Mitte des Trichters liegt meist das Trendszenario. Darüber und darunter werden alternative Verläufe wie ein Best-Case-Szenario und ein Worst-Case-Szenario dargestellt (von Reibnitz 1992). Weitere Szenarien liegen dazwischen. Die Arbeit mit dem Szenario-Trichter hilft Organisationen, potenzielle Chancen und Risiken besser und frühzeitiger zu erkennen und dementsprechend Strategien zu entwickeln (Schoemaker 1995).

Wie weit in die Zukunft „geschaut“ wird, hängt vom Untersuchungsfeld ab (Schwartz 1991; IPCC 2021). Grundsätzlich gilt, dass die Bandbreite dessen, was kommen könnte, mit zunehmendem Zeithorizont größer wird (Reibnitz 1992; Gausemeier et al. 1996). Das heißt: Je weiter sich eine Analyse von heute entfernt, desto stärker steigt die Unsicherheit. Längere Zeithorizonte sind nicht per se unzulässig, müssen aber transparent begründet und regelmäßig überprüft werden (Gausemeier et al. 1996).

4 Ablauf einer Szenarioanalyse

Die Szenarioanalyse folgt in der Regel einem mehrstufigen Prozess, der je nach Autor:in und Anwendungskontext leicht variiert. Ablaufbeschreibungen finden sich u.a. bei Fink und Siebe (2016), Meinert (2014), Chermack (2011), Kosow und Gaßner (2008), Heijden (2005), Lindgren und Bandhold (2003), Godet (2001), Schwartz (1991) und De Geus (1988). Eine Szenarioanalyse beginnt in aller Regel mit der Festlegung des Untersuchungsfeldes. Dabei werden der Betrachtungsgegenstand, der Zeithorizont und die relevanten Akteur:innen bestimmt.

Eine Szenarioanalyse zur Energiepolitik kann einen Zeitraum von bis zu 30 Jahren umfassen, während eine betriebswirtschaftliche Marktanalyse nur drei bis fünf Jahre betrachtet. Anschließend werden zentrale Einflussfaktoren identifiziert. Dazu gehören z.B. ökonomische Größen, technologische Faktoren, regulatorische Bedingungen, demografische Entwicklungen, ökologische Risiken und geopolitische Konflikte. Häufig werden diese Faktoren mithilfe von Umweltanalysen, Expert:inneninterviews, Delphi-Verfahren, Trendanalysen, Cross-Impact-Analysen oder morphologischen Kästen erhoben und strukturiert (Godet 2001; Gausemeier et al. 1996).

Ein Kernschritt besteht in der Unterscheidung zwischen relativ sicheren Grundannahmen und kritischen Unsicherheiten. Sichere Grundannahmen sind Entwicklungen, die innerhalb des gewählten Zeithorizonts mit hoher Wahrscheinlichkeit eintreten oder bereits angelegt sind, etwa demografische Alterung oder langfristige Infrastrukturzyklen. Kritische Unsicherheiten sind Faktoren, deren künftige Ausprägung offen ist und die das Ergebnis wesentlich beeinflussen können. In anspruchsvolleren Verfahren werden nicht bloß Extremwerte addiert, sondern in sich konsistente Wirkungsketten konstruiert. Ein Szenario muss dabei erklären, warum bestimmte Entwicklungen zusammen auftreten und wie sie sich gegenseitig verstärken oder begrenzen (Schwartz 1991).

Fasst man zentrale Punkte aus den oben genannten Quellen zusammen, umfasst ein typischer Ablauf einer Szenarioanalyse zumeist folgende Phasen:

1. Problemdefinition und Systemabgrenzung: Zu Beginn wird das Untersuchungsfeld abgegrenzt: Was soll analysiert werden? Über welchen Zeithorizont? Welche Akteur:innen, welche Märkte oder Regionen sind relevant? Diese Festlegung bestimmt den weiteren Prozess. Eine sorgfältige Problemdefinition verhindert, dass wichtige Einflussgrößen übersehen werden. Der Zeithorizont sollte dabei so gewählt werden, dass einerseits genügend Veränderungsspielraum besteht, andererseits die Szenarien noch handlungsrelevant bleiben. Der Zeithorizont beträgt typischerweise zwischen fünf und 20 Jahren (Schoemaker 1995; Gausemeier et al. 1996).
2. Identifikation von Schlüsselfaktoren: In einem zweiten Schritt werden die zentralen Einflussfaktoren des untersuchten Systems ermittelt. Dies geschieht häufig durch Expert:inneninterviews, Literaturrecherchen oder Workshops. Typische Einflussbereiche sind technologische Entwicklungen, politisch-regulatorische Bedingungen, wirtschaftliche Trends, gesellschaftlicher Wandel und ökologische Faktoren. Dieses Vorgehen wird häufig als STEEP-Analyse (Social, Technological, Economic, Environmental, Political) oder als PESTEL-Analyse (Political, Economic, Social, Technological, Environmental, Legal) bezeichnet (Jurevicius 2025; Karadzhov und Patarchanova 2025). Aus allen Einflussfaktoren werden jene ausgewählt, die für das Untersuchungsfeld die größte Relevanz und gleichzeitig die höchste Unsicherheit aufweisen (Schwartz 1991; Wack 1985a). Diese Reduktion auf eine handhabbare Zahl von Schlüsselfaktoren, in der Praxis meist zwischen 10 und 20, hilft, die Szenariokonstruktion überschaubar zu halten.
3. Vernetzungsanalyse: Mittels einer Einfluss-Matrix oder Cross-Impact-Analyse wird untersucht, wie stark die identifizierten Einflussfaktoren sich gegenseitig beeinflussen. Faktoren mit hoher Einflusskraft und hoher Unsicherheit werden als Schlüsselunsicherheiten oder kritische Unsicherheiten eingestuft. Die Einfluss-Matrix ermöglicht, aktive Faktoren (hoher Einfluss auf andere, geringer Rückeinfluss) von reaktiven Faktoren (niedriger Einfluss auf andere, hoher Rückeinfluss) zu unterscheiden. Besondere Aufmerksamkeit erhalten dabei die sogenannten kritischen Unsicherheiten, also jene Faktoren, die sowohl sehr einflussreich als auch besonders schwer vorherzusagen sind (Gausemeier et al. 1996). Die Cross-Impact-Analyse ergänzt dieses Vorgehen, indem sie die paarweisen Abhängigkeiten zwischen Faktoren systematisch quantifiziert und so inkonsistente Faktorkombinationen frühzeitig identifiziert (Weimer-Jehle 2006).
4. Szenarienbildung: Aus den Schlüsselunsicherheiten werden alternative Entwicklungsausprägungen abgeleitet. Die Kombination konsistenter Ausprägungen ergibt unterschiedliche Szenarien, die im Szenario-Trichter verortet werden können. In der Praxis werden häufig drei bis fünf Szenarien entwickelt, um den Analyse‑ und Kommunikationsaufwand in einem handhabbaren Rahmen zu halten. Ein bewährtes Verfahren ist dabei die Zwei-Achsen-Methode, bei der die zwei wichtigsten Schlüsselunsicherheiten als Achsen aufgespannt werden und so vier Grundszenarien entstehen (Heijden 2005; Schwartz 1991). Die Szenarien sollten untereinander klar unterscheidbar, in sich plausibel und herausfordernd genug sein, um eingefahrene Denkweisen infrage zu stellen (Schoemaker 1995).
5. Szenarieninterpretation und ‑ausarbeitung: Die entwickelten Szenarien werden zu konsistenten Narrativen ausgearbeitet, die beantworten sollen, wie die Welt in diesem Szenario aussieht, welche Akteur:innen an Bedeutung gewinnen, welche Technologien sich durchsetzen etc. Bedeutung hat dabei die narrative Ausarbeitung des Szenarios, also die „Geschichte“, die es erzählt. Diese Narration ist kein bloßes Stilmittel, sondern erfüllt eine wichtige Kommunikationsfunktion: Szenarien, die als Geschichten erzählt werden, lassen sich leichter im Organisationsgedächtnis verankern und ermöglichen es, komplexe Zusammenhänge auch für Nicht-Expert:innen zugänglich zu machen (Heijden 2005; Schwartz 1991). In diesem Schritt sollten auch frühe Signale für jedes Szenario definiert werden, anhand derer beobachtet werden kann, in welche Richtung sich die Realität entwickelt (Schoemaker 1995; Ansoff 1975).
6. Strategieableitung: Im abschließenden Schritt werden die Szenarien genutzt, um Strategien zu entwickeln und zu bewerten. Gefragt wird, wie diese Strategie oder jene Strategie unter den Bedingungen von Szenario A und wie unter Szenario B abschneidet. Das Ziel dabei ist die Identifikation von Strategien, die unter möglichst vielen Zukunftsszenarien tragfähig sind, sowie von Optionen, die nur unter bestimmten Bedingungen sinnvoll sind (Heijden 2005; Schoemaker 1995). Darüber hinaus können in diesem Schritt Kontingenzpläne entwickelt werden. Wenn bestimmte Indikatoren frühzeitig auf ein bestimmtes Szenario hindeuten, sollten vorab definierte Handlungsoptionen bereitliegen (Gausemeier et al. 1995). Dieser Schritt dient auch dem organisationalen Lernen, da die Auseinandersetzung mit alternativen Zukünften die strategische Aufmerksamkeit der Organisation auf sich zieht (Chermack 2011; De Geus 1988).

5 Varianten der Szenarioanalyse

Börjeson et al. (2006) unterscheiden in einem häufig zitierten Beitrag prognostische, explorative und normative Szenarien, wobei diese Unterscheidung vor allem die Zielrichtung der Szenarien betrifft und nichts über die inhaltliche Güte und methodische Qualität aussagt.

• Prognostische Szenarien: Prognostische Szenarien fragen, was wahrscheinlich geschehen wird oder unter bestimmten Annahmen erwartet werden kann. Es geht darum, aus heutigen Daten, Trends und Entwicklungen eine wahrscheinliche oder erwartbare Zukunft abzuleiten. Diese Arten von Szenarien stehen Prognosen nahe, sind aber meist offener und stärker interpretativ. Ein prognostisches Szenario fragt: „Was wird wahrscheinlich passieren?“
  Das lässt sich am Beispiel der Automobilbranche verdeutlichen. Aktuelle Trends sind dort der steigende Anteil von Elektroautos, strengere CO₂-Regulierung und sinkende Batteriekosten. Ein prognostisches Szenario, das diese Faktoren berücksichtigt, wäre z.B. eines, das davon ausgeht, dass bis 2035 der Anteil von Elektroautos in Europa stark steigt, während Verbrennungsmotoren weiter zurückgehen. Automobilhersteller investieren deshalb, so die Kernannahme in diesem Szenario, verstärkt in Batterietechnik, Software und Ladeangebote.
• Explorative Szenarien: Diese Arten von Szenarien untersuchen alternative mögliche Zukünfte, ohne eine davon als Ziel auszugeben. Es geht bei ihnen nicht nur um das Wahrscheinlichste, sondern um mehrere mögliche Zukunftsbilder (Mietzner 2009). Man untersucht unterschiedliche Entwicklungen, auch wenn sie nicht alle gleich wahrscheinlich sind. Am Beispiel der kommunalen Kinder‑ und Jugendhilfe in einer mittelgroßen Kommune im Jahr 2026 lässt sich das gut verdeutlichen, wobei eine zentrale Frage z.B. lauten kann: „Wie könnte sich die kommunale Kinder‑ und Jugendhilfe bis zum Jahr 2035 entwickeln?“
  Um das zu beantworten, werden drei unterschiedliche explorative Szenarien erstellt, in denen Aspekte wie die Digitalisierung, die finanzielle Lage der Kommune, knapper werdende kommunale Ressourcen, der demografische Wandel usw. jeweils unterschiedlich stark gewichtet werden.
  Szenario 2 zeigt, dass die zunehmend angespannte kommunale Haushaltslage dazu führt, dass freiwillige Leistungen reduziert, Projekte eingestellt und Hilfen stärker nach Kosten‑ und Dringlichkeitskriterien priorisiert werden. Präventive Angebote geraten dabei besonders unter Druck, während gleichzeitig der Bedarf an intensiven und kostenaufwendigen Einzelfallhilfen bestehen bleibt oder sogar wächst. Szenario 3 skizziert, dass sinkende Geburtenzahlen langfristig die Nachfrage nach bestimmten Angeboten verringern, während Fachkräftemangel und eine alternde Erwerbsbevölkerung die personellen Ressourcen der Kinder‑ und Jugendhilfe zusätzlich verknappen. Die Kommune reagiert mit stärkerer Kooperation zwischen Einrichtungen, multiprofessionellen Teams und einer Konzentration von Angeboten an zentralen Standorten.
• Normative Szenarien: Diese Szenarien beginnen mit einem gewünschten oder unerwünschten Zukunftszustand und fragen rückwärts, welche Pfade dorthin führen oder vermieden werden müssten. In solchen Szenarien wird also zuerst ein gewünschtes Zielbild formuliert, bevor überlegt wird, welche Schritte nötig sind, um diese Zukunft (nicht) zu erreichen (Holmberg und Robèrt 2000). Ein normatives Szenario fragt: „Welche Zukunft wollen wir (nicht) erreichen?“ Am Beispiel der Automobilbranche könnte ein gewünschtes Ziel etwa lauten: „Bis 2040 soll Mobilität klimaneutral, bezahlbar und für alle zugänglich sein.“ Ein normatives Szenario beschreibt dann
  • welche politischen Regeln nötig wären
  • welche Technologien gefördert werden müssten
  • wie Städte umgebaut werden sollten
  • welche Rolle ÖPNV, Car-Sharing und E-Mobilität spielen
  • welche Investitionen Unternehmen leisten müssten.
• „Quantitative Szenarien“: In der Fachliteratur ist manchmal zudem von quantitativen Szenarien die Rede, die zukünftige Entwicklungen mit Zahlen, Daten und messbaren Größen beschreiben (Schmitz-Veltin 2013; Görzig, Gornig und Schulz 1994). Streng genommen handelt es sich dabei aber nicht um einen eigenen Szenariotyp neben prognostischen, explorativen und normativen Szenarien, sondern nur um eine Modellierungsform, die mit diesen Typen kombiniert werden kann. Der Zweck des quantitativen Vorgehens ist, Zukunftsbilder berechenbar und vergleichbar zu machen. Das hilft z.B. bei Kapazitätsplanungen, Risikoanalysen oder Investitionsentscheidungen.

Während qualitative Szenarien eher narrativ formuliert sind, zeigen Szenarioanalysen mit quantitativem Fokus auf, wie stark sich bestimmte Faktoren verändern könnten. Relevante Bezugsgrößen im wirtschaftlichen Kontext dafür können Umsatzentwicklung, Marktanteile, Bevölkerungszahlen, CO₂-Emissionen, Rohstoffpreise, Inflationsrate, Energieverbrauch oder Produktionskosten sein. Eine Szenarioanalyse mit quantitativem Fokus beantwortet z.B. die Frage: „Wie entwickeln sich Nachfrage, Kosten und Umsatz unter bestimmten Annahmen?“

Die folgende Tabelle zeigt auf einen Blick, was prognostische, explorative und normative Szenarien sowie quantitative Modellierungsformen unterscheidet:

6 Mit Szenarioanalysen verwandte Verfahren

Die Szenarioanalyse ist von verwandten Verfahren abzugrenzen. Darunter fallen vor allem Prognosen, Sensitivitätsanalysen, Stresstests, Simulationen, Delphi-Verfahren, Cross-Impact-Analysen, Roadmapping, Monte-Carlo-Simulationen und Corporate Foresight.

• Prognose: Eine Prognose ist eine methodisch begründete Voraussage über zukünftige Ereignisse, Entwicklungen oder Zustände (Hanke und Wichern 2009).
• Sensitivitätsanalyse: Die Sensitivitätsanalyse ist ein mathematisch-analytisches Verfahren, mit dem die Empfindlichkeit eines Modells gegenüber veränderten Eingangsgrößen gemessen werden kann (Saltelli et al. 2008). Die Sensitivitätsanalyse zeigt, wie stark sich ein Zielergebnis verändert, wenn ein oder mehrere Einflussfaktoren variiert werden.
• Stresstest: Ein Stresstest ist ein Verfahren, das die Belastbarkeit und Stabilität eines Systems unter extremen Bedingungen prüft. Das Verfahren misst die Reaktionen eines Systems auf Stress (erhöhte Beanspruchung und Belastung physischer oder psychischer Art).
• Simulation: Eine Simulation ist das möglichst realitätsnahe Nachbilden von Prozessen, Systemen oder Geschehnissen in einem Modell, um deren Verhalten zu untersuchen (Dörner 2003). Sie bildet Wirkungszusammenhänge formal oder mathematisch ab und wird genutzt, um Erkenntnisse zu gewinnen, Risiken zu minimieren oder zukünftige Abläufe vorherzusagen.
• Delphi-Verfahren: Ein Delphi-Verfahren ist eine strukturierte, mehrstufige Expert:innenbefragung, die dazu dient, fundierte Prognosen zu komplexen, unsicheren Themen zu erstellen, für die noch kaum valide Daten existieren (Niederberger und Renn 2019).
• Cross-Impact-Analysen: Darunter werden Wechselwirkungsanalysen verstanden, die systematisch untersuchen, wie sich verschiedene zukünftige Ereignisse oder Trends gegenseitig beeinflussen. Ein Ziel einer solchen Analyse kann sein, Zusammenhänge sowie Kettenreaktionen aufzudecken und fundierte Szenarien zu entwickeln (Weimer-Jehle 2015).
• Roadmapping: Damit wird ein strategischer Prozess bezeichnet, bei dem komplexe Entwicklungen, Visionen oder Ziele einer Organisation auf einer Zeitachse visualisiert werden. Das Ergebnis ist eine Roadmap, also ein Fahrplan, der grobe Meilensteine, strategische Richtungen und Zeiträume aufzeigt, ohne sich in operativen Details zu verlieren (Mödritscher und Liebhart 2025).
• Monte-Carlo-Simulationen: Monte-Carlo-Simulationen sind eine Klasse von Algorithmen, die Zufälligkeit nutzen, um komplexe Probleme näherungsweise zu lösen. Das sind insbesondere solche Probleme, die analytisch schwer oder gar nicht berechenbar sind (Götze 1993).
• Corporate Foresight: Darunter wird die organisationale Fähigkeit verstanden, systematisch in die Zukunft zu denken und strategisch relevante Entwicklungen frühzeitig zu erkennen (Rohrbeck 2011). Die Szenarioanalyse ist eine Methode innerhalb von Corporate Foresight (CF). Corporate Foresight geht darüber hinaus, da hierbei viele weitere Methoden einbezogen werden und die Anwendung nicht punktuell, sondern in regelmäßigen Abständen erfolgt (Rohrbeck und Gemünden 2011). Corporate Foresight bildet den organisatorischen Rahmen, wohingegen die Szenarioanalyse ein konkretes Werkzeug innerhalb dieses Rahmens ist. Tabelle 2 zeigt die Unterschiede auf:

Die Szenarioanalyse kann alle genannten Verfahren integrieren, ist aber umfassender angelegt. Ein wichtiger Unterschied liegt in der Frage, wie viele Variablen sich ändern und ob daraus ein konsistentes Zukunftsbild entsteht. Sensitivitätsanalysen etwa untersuchen, wie sich ein Ergebnis ändert, wenn nur ein Parameter variiert wird (z.B. „Was passiert, wenn der Rohstoffpreis um 10 % steigt?“). Eine Szenarioanalyse dagegen betrachtet das Zusammenspiel mehrerer Parameter gleichzeitig, um konsistente Zukunftswelten darzustellen. Das macht die Szenarioanalyse komplexer als die oben genannten Verfahren (mit Ausnahme der Corporate Foresight).

7 Anwendungsfelder der Szenarioanalyse

Im Wissenschaftsdiskurs wird die Szenarioanalyse heute als Teil eines breiteren Instrumentariums der Strategie‑ und Risikoanalyse verstanden. Unternehmen nutzen Szenarien, um Technologietrends zu antizipieren und Forschungsportfolios zu priorisieren (Fink et al. 2001). Sie prüfen durch Szenarioanalysen z.B., wie sich Technologien, Lieferkettenrisiken, Zinsänderungen, Regulierungen und weiteres mehr auf Geschäftsmodelle auswirken könnten (Götze 1993; Romeike und Hager 2013).

Im öffentlichen Sektor werden Szenarien u.a. für Raumplanung, Sicherheitspolitik, Gesundheitsvorsorge und Katastrophenschutz verwendet (Kosow und Gaßner 2008; Börjeson et al. 2006). In Klima‑ und Nachhaltigkeitsfragen ist die Szenarioanalyse ebenfalls von Bedeutung. Organisationen nutzen Szenarien, um zu untersuchen, wie physische Risiken, Transitionsrisiken, politische Maßnahmen, CO₂-Preise, technologische Entwicklungen oder veränderte Nachfrage ihre Strategie beeinflussen können (IPCC 2021). Die Task Force on Climate-related Financial Disclosures (2017; 2020) empfiehlt die Szenarioanalyse explizit als Instrument, um die Resilienz von Strategien unter verschiedenen klimabezogenen Zukunftspfaden offenzulegen (IFRS Foundation 2026).

Szenarioanalysen werden überall dort eingesetzt, wo Entscheidungen unter Unsicherheit getroffen werden müssen. Im Gesundheits-, Bildungs-, Sozial‑ und Erziehungswesen zeigen sich typische Beispiele, die sich der folgenden Tabelle entnehmen lassen:

8 Stärken und Grenzen der Szenarioanalyse

Die Covid-19-Pandemie, der Wandel des Arbeitsmarktes, der demografische Wandel, die Umstellung auf erneuerbare Energien, der Krieg in der Ukraine, der Konflikt zwischen China und Taiwan, die Migrationspolitik, die Zollpolitik der US-Regierung, die Fortschritte im Bereich künstlicher Intelligenz und vieles mehr zeigen, dass die heutige Welt von Ungewissheit geprägt ist. Organisationen suchen daher nach Wegen, in dieser volatilen Welt Entwicklungen früh zu erfassen, um sich gezielt darauf vorzubereiten. Die Szenarioanalyse ist eine Methode, die dabei ansetzt. Sie ist heute weit verbreitet. Gerade in komplexen Systemen gilt allerdings, dass keine Methode ohne Nebenwirkungen ist. Das gilt auch für die Szenarioanalyse. Sie besitzt klare Stärken, weist aber gleichzeitig auch Grenzen auf:

• Stärken der Szenarioanalyse: Die Szenarioanalyse sensibilisiert Entscheidungsträger:innen für Unsicherheit und schärft das Denken in alternativen Möglichkeiten (Wack 1985a; Schoemaker 1995). Sie fördert die Auseinandersetzung mit dem gesamten relevanten Umfeld und kann Gruppendenken aufbrechen, indem sie unkonventionelle Entwicklungspfade in den Blick nimmt (Heijden 2005). Zudem ist sie kommunikativ stark, denn narrative Szenarien lassen sich oft gut vermitteln (Schwartz 1991; Chermack 2011). Zu den klaren Vorteilen der Szenarioanalyse gehört somit die systematische Behandlung von Unsicherheit, die Förderung strategischer Lernprozesse, die Verbesserung interdisziplinärer Kommunikation und die Unterstützung von Entscheidungen (Schoemaker 1993; Bradfield et al. 2005).
  
  Das Verfahren kann Organisationen helfen, nicht nur auf erwartete Entwicklungen zu reagieren, sondern alternative Handlungsoptionen vorzubereiten (De Geus 1988). Außerdem zwingt es dazu, Annahmen über Umwelt, Markt, Technologie und Gesellschaft explizit zu formulieren (Schwartz 1991). Gerade in Organisationen mit starken Routinen kann dies kognitive Pfadabhängigkeiten aufbrechen (Kahneman und Tversky 1982; Schoemaker 1995). Die Szenarioanalyse ist daher nicht allein eine Technik der Informationsverarbeitung, sondern auch ein Verfahren der kollektiven Reflexion und Organisationsentwicklung (Heijden 2005; Chermack 2011).
• Grenzen der Szenarioanalyse: Eine Szenarioanalyse kann enorm ressourcenintensiv sein und viel Zeit und Expertise erfordern (Heijden 2005; Mietzner und Reger 2005). Das gilt insbesondere dann, wenn zahlreiche Szenarien erstellt werden. Zudem sind die Auswahl der Schlüsselfaktoren und die Konstruktion der Szenarien teilweise subjektiv und hängen stark von den beteiligten Personen ab (Chermack et al. 2001). Szenarien können daher durch Auswahlverzerrungen, Gruppendenken, politische Interessen oder unzureichende Datenqualität geprägt sein (Schoemaker 1993; Bradfield et al. 2005).
  
  Auch die Beantwortung dessen, wie spezifisch Szenarien sein sollen, bringt manche Hürden mit sich. Werden Szenarien zu allgemein formuliert, bleiben sie folgenlos. Werden sie dagegen zu detailliert modelliert, entsteht der Anschein einer Genauigkeit, die angesichts fundamentaler Unsicherheit nicht gerechtfertigt ist (Kosow und Gaßner 2008). Kein Szenario kann gleichzeitig allgemein und spezifisch sein. Es kann nicht alles abbilden. Auch besteht die Gefahr, Szenarien als Wahrscheinlichkeitsaussagen misszuverstehen oder ein bevorzugtes Szenario unbewusst zur eigentlichen Prognose zu machen (Kahneman und Tversky 1982; Schoemaker 1995). Das kann bewirken, dass Organisationen sich nur auf ein Trendszenario vorbereiten.
  
  Überdies ist die Sicherung interner Konsistenz in der Szenarioanalyse methodisch anspruchsvoll (Weimer-Jehle 2006; Gausemeier et al. 1996). Nicht jede Kombination von Einflussfaktoren ist plausibel. Eine starke Rezession, steigende Kaufkraft, sinkende Staatsausgaben und massive Infrastrukturinvestitionen können beispielsweise nicht ohne zusätzliche Annahmen gleichzeitig auftreten. Deshalb erfordert Szenarioanalyse sowohl Fachwissen als auch methodische Disziplin (Chermack 2011; Bradfield et al. 2005).

Fasst man die genannten Vor‑ und Nachteile von Szenarioanalysen zusammen, ergibt sich das folgende, in Tabelle 4 gezeigte Bild:

Zusammenfassend lässt sich festhalten, dass Szenarioanalysen dabei helfen können, sich auf mehrere mögliche Zukünfte vorzubereiten. Darin kann ihr größter Vorteil gesehen werden. Sie fördern flexibles Denken und schärfen das Bewusstsein für Unsicherheiten und Abhängigkeiten. Allerdings haben Szenarioanalysen auch klare Grenzen. Sie sind aufwendig – und nicht immer verfügt eine Organisation über die nötigen Ressourcen dafür. Zudem besteht eine Gefahr weniger in der Methode selbst als in denjenigen, die Szenarien auswerten und Strategien daraus ableiten.

9 Quellenangaben

Ansoff, H. Igor, 1975. Managing Strategic Surprise by Response to Weak Signals. In: California Management Review. 18(2), S. 21–33. ISSN 0008-1256

Blasche, Ute G., 2006. Die Szenariotechnik als Modell für komplexe Probleme: Mit Unsicherheiten leben lernen. In: Falko E. P. Wilms, Hrsg. Szenariotechnik: Vom Umgang mit der Zukunft. Bern: Haupt, S. 61–92. ISBN 978-3-258-06988-3

Börjeson, Lena, Mattias Höjer, Karl-Henrik Dreborg, Tomas Ekvall und Göran Finnveden, 2006. Scenario Types and Techniques: Towards a User’s Guide. In: Futures. 38(7), S. 723–739. ISSN 0016-3287

Bradfield, Ron, George Wright, George Burt, George Cairns und Kees van der Heijden, 2005. The Origins and Evolution of Scenario Techniques in Long Range Business Planning. In: Futures. 37(8), S. 795–812. ISSN 0016-3287

Chermack, Thomas J., 2011. Scenario Planning in Organizations: How to Create, Use, and Assess Scenarios. San Francisco: Berrett-Koehler. ISBN 978-1-60509-908-8

Chermack, Thomas J., Susan A. Lynham und Wendy E. A. Ruona, 2001. A Review of Scenario Planning Literature. In: Futures Research Quarterly. 17(2), S. 7–32. ISSN 8755-3317

Dießl, Katharina, 2006. Der Corporate-Foresight-Prozess: Zukunftsforschung in Unternehmen erfolgreich umsetzen. Saarbrücken: VDM Verlag Dr. Müller. ISBN 978-3-86550-294-0

Dörner, Dietrich, 2003. Die Logik des Misslingens: Strategisches Denken in komplexen Situationen. Reinbek bei Hamburg: Rowohlt Taschenbuch. ISBN 978-3-499-61578-8

Fink, Alexander und Andreas Siebe, 2016. Szenario-Management: Von strategischem Vorausdenken zu zukunftsrobusten Entscheidungen. Frankfurt am Main: Campus. ISBN 978-3-593-50603-6

Fink, Alexander, Oliver Schlake und Andreas Siebe, 2001. Erfolg durch Szenario-Management: Prinzip und Werkzeuge der strategischen Vorausschau. Frankfurt am Main: Campus. ISBN 978-3-593-36714-9

Gausemeier, Jürgen, Alexander Fink und Oliver Schlake, 1996. Szenario-Management: Planen und Führen mit Szenarien. 2., bearb. Auflage. München: Hanser. ISBN 978-3-446-18721-4

Geus, Arie de, 1988. Planning as Learning. In: Harvard Business Review. 66(2), S. 70–74. ISSN 0017-8012

Godet, Michel, 2001. Creating Futures: Scenario Planning as a Strategic Management Tool. Paris: Economica. ISBN 978-2-7178-4189-3

Görzig, Bernd, Gornig, Martin und Erika Schulz, 1994. Quantitative Szenarien zur Bevölkerungs‑ und Wirtschaftsentwicklung in Deutschland zum Jahr 2000. DIW-Beiträge zur Strukturforschung. 150. Berlin: Duncker und Humblot. ISBN 978-3-428-08001-4

Götze, Uwe, 1993. Szenario-Technik in der strategischen Unternehmensplanung. Wiesbaden: Deutscher Universitäts-Verlag. ISBN 978-3-8244-0166-6

Greeuw, Sandra C. H., Marjolein B. A. van Asselt, Jasper Grosskurth, Chantal A. M. H. Storms, Nicole Rijkens-Klomp, Dale S. Rothman und Jan Rotmans, 2000. Cloudy Crystal Balls: An Assessment of Recent European and Global Scenario Studies and Models. Luxembourg: Office for Official Publications of the European Communities. ISBN 978-92-9167-263-9

Hanke, John E. und Dean W. Wichern, 2009. Business Forecasting. 9. Auflage. Upper Saddle River, NJ: Pearson/​Prentice Hall. ISBN 978-0-13-230120-6

Heijden, Kees van der, 2005. Scenarios: The Art of Strategic Conversation. 2. Auflage. Chichester: Wiley. ISBN 978-0-470-02368-6

Hiltunen, Elina, 2006. Was It a Wild Card or Just Our Blindness to Gradual Change? In: Journal of Futures Studies. 11(2), S. 61–74. ISSN 1027-6084

Holmberg, John und Karl-Henrik Robèrt, 2000. Backcasting from Non-Overlapping Sustainability Principles: A Framework for Strategic Planning. In: International Journal of Sustainable Development and World Ecology. 7(4), S. 291–308. ISSN 1350-4509

Hölscher, Lucian, 2017. Theoretische Grundlagen der historischen Zukunftsforschung. In: Lucian Hölscher, Hrsg. Die Zukunft des 20. Jahrhunderts. Frankfurt: Campus Verlag. S. 7–38. ISBN 978-3-593-50695-1

Intergovernmental Panel on Climate Change (IPCC), 2000. Special Report on Emissions Scenarios: A Special Report of Working Group III of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press. ISBN 978-0-521-80493-6

Intergovernmental Panel on Climate Change (IPCC), 2021. Climate Change 2021. The Physical Science Basis; Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press. ISBN 978-1-009-15789-6

Intergovernmental Panel on Climate Change (IPCC), 2026. IPCC News Comment [online]. Genf: IPCC Secretariat [Zugriff am: 07.06.2026]. Verfügbar unter: https://www.ipcc.ch/2026/05/20/ipcc-news-comment-scenarios/

International Energy Agency (IEA), 2023. World Energy Outlook 2023 [online]. Paris: International Energy Agency [Zugriff am: 07.06.2026]. Verfügbar unter: https://www.iea.org/reports/​world-energy-outlook-2023

International Financial Reporting Standards Foundation (IFRS), 2026. Factsheet Series—Climate Resilience and Climate-Related Scenario Analysis Requirements in IFRS S2 [online]. London: IFRS Foundation [Zugriff am: 07.06.2026]. Verfügbar unter: https://www.ifrs.org/content/dam/ifrs/supporting-implementation/​ifrs-s2/​climate-related-scenario-factsheet.pdf

Jantsch, Erich, 1967. Technological Forecasting in Perspective: A Framework for Technological Forecasting, Its Techniques and Organisation [online]. Paris: OECD [Zugriff am: 07.06.2026]. Verfügbar unter: http://en.laprospective.fr/dyn/anglais/​memoire/​prevtechen.pdf

Jantsch, Erich, Hrsg., 1969. Perspectives of Planning: Proceedings of the OECD Working Symposium on Long-Range Forecasting and Planning. Bellagio, Italy, 27 October–2 November 1968. Paris: OECD

Jurevicius, Ovidijus, 2025. Scenario Planning Explained [online]. Ovidijus Jurevicius, 16.06.2025 [Zugriff am: 07.06.2026]. Verfügbar unter: https://strategicmanagementinsight.com/tools/​scenario-planning/

Kahn, Herman, 1960. On Thermonuclear War. Princeton: Princeton University Press. ISBN 978-0-691-06911-1

Kahn, Herman und Anthony J. Wiener, 1967. The Year 2000: A Framework for Speculation on the Next Thirty-Three Years. New York: Macmillan. ISBN 978-0-02-560440-7

Kahneman, Daniel, Paul Slovic und Amos Tversky, Hrsg., 1982. Judgment under Uncertainty: Heuristics and Biases. Cambridge: Cambridge University Press. ISBN 978-0-521-28414-1

Karadzhov, Vladimir und Emilia Patarchanova, 2025. How to Create the Best PESTEL Analysis. In: International Journal of Digital Research. 1(3), S. 8–20. ISSN 3033-179X

Klaassen, Pieter und Idzard van Eeghen, 2009. Team Play: The Context of Economic Capital. In: Pieter Klaassen und Idzard Van Eeghen. Economic Capital: How It Works and What Every Manager Needs to Know. Amsterdam: Elsevier, S. 243–259. ISBN 978-0-12-374901-7

Kosow, Hannah und Robert Gaßner, 2008. Methoden der Zukunfts‑ und Szenarioanalyse: Überblick, Bewertung und Auswahlkriterien. Berlin: Institut für Zukunftsstudien und Technologiebewertung. ISBN 978-3-941374-03-4

Kreibich, Rolf, 2007. Wissenschaftsverständnis und Methodik der Zukunftsforschung. In: Zeitschrift für Semiotik. 29(2–3), S. 177–198. ISSN 0170-6241

Lindgren, Mats und Hans Bandhold, 2003. Scenario Planning: The Link Between Future and Strategy. Basingstoke: Palgrave Macmillan. ISBN 978-1-349-43197-7

Linstone, Harold A. und Murray Turoff, Hrsg., 1975. The Delphi Method: Techniques and Applications. Reading, MA: Addison-Wesley. ISBN 978-0-201-04294-8

Meadows, Dennis L., Donella H. Meadows, Jørgen Randers und William W. Behrens III, 1972. Die Grenzen des Wachstums: Bericht des Club of Rome zur Lage der Menschheit. Stuttgart: Deutsche Verlags-Anstalt. ISBN 978-3-421-02633-0

Meadows, Donella, Meadows, Dennis und Jørgen Randers, 1992. Die neuen Grenzen des Wachstums: Die Lage der Menschheit – Bedrohung und Zukunftschancen. Stuttgart: Deutsche Verlags-Anstalt. ISBN 978-3-421-06626-8

Meadows, Donella, Meadows, Dennis und Jørgen Randers, 2004. Grenzen des Wachstums – Das 30-Jahre-Update. Stuttgart: S. Hirzel Verlag. ISBN 978-3-7776-1384-0

Meadows, Donella H., 2010. Die Grenzen des Denkens. München: Oekom Verlag. ISBN 978-3-86581-199-8

Meinert, Sascha, 2004. Leitfaden Szenarienentwicklung. Brüssel: European Trade Union Institute. ISBN 978-2-87452-326-7

Mietzner, Dana, 2009. Strategische Vorausschau und Szenarioanalysen. Wiesbaden: Gabler Research. ISBN 978-3-8349-1687-7

Mietzner, Dana und Guido Reger, 2005. Advantages and Disadvantages of Scenario Approaches for Strategic Foresight. In: International Journal of Technology Intelligence and Planning. 1(2), S. 220–239. ISSN 1740-2832

Mißler-Behr, Magdalena, 1993. Methoden der Szenarioanalyse. Wiesbaden: Deutscher Universitätsverlag. ISBN 978-3-8244-0173-4

Mitchell, J. F. B., 1993. Simulation of Climate Change. In: Renewable Energy. 3(4–5), S. 433–445. ISSN 0960-1481

Mödritscher, Gernot und Ursula Liebhart, 2025. Strategische Roadmaps: Die Strategieumsetzung wirksam steuern. Stuttgart: Schäffer-Poeschel. ISBN 978-3-7910-6598-4

Niederberger, Marlen und Ortwin Renn, Hrsg., 2019. Delphi-Verfahren in den Sozial‑ und Gesundheitswissenschaften: Konzept, Varianten und Anwendungsbeispiele. Wiesbaden: Springer VS. ISBN 978-3-658-21656-6

Nixdorf, Christian Philipp, 2023. Zukunftsforschung: Was bringt Corporate Foresight? In: Wissensmanagement. 6, S. 46–48. ISSN 1438-4426

Paul, Herbert und Volrad Wollny, 2020. Instrumente des strategischen Managements: Grundlagen und Anwendung. 3., überarb. Auflage. Berlin: De Gruyter Oldenbourg. ISBN 978-3-11-057955-0

REFA, 2025. Szenarioanalyse: Definition – Was ist das? [online]. Darmstadt: REFA AG [Zugriff am: 07.06.2026]. Verfügbar unter: https://refa.de/service/​refa-lexikon/​szenarioanalyse

Reibnitz, Ute von, 1992. Szenario-Technik: Instrumente für die unternehmerische und persönliche Erfolgsplanung. 2. Auflage. Wiesbaden: Gabler. ISBN 978-3-409-23431-3

Rohrbeck, René, 2011. Corporate Foresight: Towards a Maturity Model for the Future Orientation of a Firm. Heidelberg: Physica/​Springer. ISBN 978-3-7908-2625-8

Rohrbeck, René und Hans G. Gemünden, 2011. Corporate Foresight: Its Three Roles in Enhancing the Innovation Capacity of a Firm. In: Technological Forecasting and Social Change. 78(2), S. 231–243. ISSN 0040-1625

Rohrbeck, René, Cinzia Battistella und Eelko K. R. E. Huizingh, 2015. Corporate Foresight: An Emerging Field with a Rich Tradition. In: Technological Forecasting and Social Change. 101, S. 1–9. ISSN 0040-1625

Romeike, Frank und Peter Hager, 2013. Erfolgsfaktor Risiko-Management 3.0. 3. Auflage. Wiesbaden: Springer Gabler. ISBN 978-3-8349-3339-3

Schmitz-Veltin, Ansgar, 2013. Szenarien in der Stadtforschung – eine sinnvolle Ergänzung zu klassischen Vorausberechnungen? In: Hermann Breuer und Ansgar Schmitz-Veltin, Hrsg. Szenarien zur demografischen, sozialen und wirtschaftlichen Entwicklung in Städten und Regionen. Köln: Verband Deutscher Städtestatistiker, S. 137–145. ISBN 978-3-922421-54-2

Schoemaker, Paul J. H., 1993. Multiple Scenario Development: Its Conceptual and Behavioral Foundation. In: Strategic Management Journal. 14(3), S. 193–213. ISSN 0143-2095

Schoemaker, Paul J. H., 1995. Scenario Planning: A Tool for Strategic Thinking. In: Sloan Management Review. 36(2), S. 25–40. ISSN 0019-848X

Schwartz, Peter, 1991. The Art of the Long View: Planning for the Future in an Uncertain World. New York: Doubleday/​Currency. ISBN 978-0-385-26731-1

Steinmüller, Karlheinz, 1997. Grundlagen und Methoden der Zukunftsforschung: Szenarien, Delphi, Technikvorausschau. Gelsenkirchen: Sekretariat für Zukunftsforschung. ISBN 978-3-928635-21-9

Stiens, Gerhard, 2003. Szenarien zur Raumentwicklung: Raum‑ und Siedlungsstrukturen Deutschlands 2015/2040. Bonn: Bundesamt für Bauwesen und Raumordnung. ISSN 1869-9324

Taleb, Nassim Nicholas, 2008. Der Schwarze Schwan: Die Macht höchst unwahrscheinlicher Ereignisse. München: Hanser. ISBN 978-3-446-41568-3

Task Force on Climate-related Financial Disclosures, 2017. Recommendations of the Task Force on Climate-related Financial Disclosures [online]. Bloomberg L.P. [Zugriff am: 07.06.2026]. Verfügbar unter: https://assets.bbhub.io/company/​sites/60/2021/10/FINAL-2017-TCFD-Report.pdf

Task Force on Climate-related Financial Disclosures, 2020. Guidance on Scenario Analysis for Non-Financial Companies [online]. Bloomberg L.P. [Zugriff am: 07.06.2026]. Verfügbar unter: https://assets.bbhub.io/company/​sites/60/2020/09/2020-TCFD_Guidance-Scenario-Analysis-Guidance.pdf

Tillich, Martin, 2026. „Apokalypse fällt aus“? Die falsche Entwarnung beim Klima [online]. München: UTOPIA GmbH [Zugriff am: 07.06.2026]. Verfügbar unter: https://utopia.de/apokalypse-faellt-aus-die-falsche-entwarnung-beim-klima_935041/

Wack, Pierre, 1985a. Scenarios: Uncharted Waters Ahead. In: Harvard Business Review. 63(5), S. 73–89. ISSN 0017-8012

Wack, Pierre, 1985b. Scenarios: Shooting the Rapids. In: Harvard Business Review. 63(6), S. 139–150. ISSN 0017-8012

Weimer-Jehle, Wolfgang, 2006. Cross-Impact Balances: A System-Theoretical Approach to Cross-Impact Analysis. In: Technological Forecasting and Social Change. 73(4), S. 334–361. ISSN 0040-1625

Weimer-Jehle, Wolfgang, 2015. Cross-Impact-Analyse. In: Marlen Niederberger und Sandra Wassermann, Hrsg. Methoden der Experten‑ und Stakeholdereinbindung in der sozialwissenschaftlichen Forschung. Wiesbaden: Springer VS, S. 243–262. ISBN 978-3-658-01687-6

Wilson, Ian, 1998. Mental Maps of the Future: An Intuitive Logics Approach to Scenario Planning. In: Liam Fahey und Robert M. Randall, Hrsg. Learning from the Future: Competitive Foresight Scenarios. New York: John Wiley and Sons, S. 81–108. ISBN 978-0-471-30352-7

10 Literaturhinweise

Chermack, Thomas J., Susan A. Lynham und Wendy E. A. Ruona, 2001. A Review of Scenario Planning Literature. In: Futures Research Quarterly. 17(2), S. 7–32. ISSN 8755-3317

Gausemeier, Jürgen, Alexander Fink und Oliver Schlake, 1996. Szenario-Management: Planen und Führen mit Szenarien. 2., bearb. Auflage. München: Hanser. ISBN 978-3-446-18721-4

Kosow, Hannah und Robert Gaßner, 2008. Methoden der Zukunfts‑ und Szenarioanalyse: Überblick, Bewertung und Auswahlkriterien. Berlin: Institut für Zukunftsstudien und Technologiebewertung. ISBN 978-3-941374-03-4

Heijden, Kees van der, 2005. Scenarios: The Art of Strategic Conversation. 2. Auflage. Chichester: Wiley. ISBN 978-0-470-02368-6

Reibnitz, Ute von, 1992. Szenario-Technik: Instrumente für die unternehmerische und persönliche Erfolgsplanung. 2. Auflage. Wiesbaden: Gabler. ISBN 978-3-409-23431-3

Verfasst von
Prof. Dr. Christian Philipp Nixdorf
Sozialwissenschaftler, Diplom-Sozialarbeiter/-pädagoge (FH), Sozial- und Organisationspädagoge M. A., Case Management-Ausbilder (DGCC), Systemischer Berater (DGSF), zertifizierter Mediator, lehrt Soziale Arbeit an der IU Internationale Hochschule in Braunschweig.
Mailformular

Es gibt 12 Lexikonartikel von Christian Philipp Nixdorf.