Hvordan prissætter du risici i byggeprojekter?

Fra sandsynligheder til strategiske beslutninger

Når du kender den økonomiske konsekvens af dine risici, kan du planlægge bedre, prioritere rigtigt og undgå de dyre overraskelser.

Kvantificering af risici i bygge- og anlægsprojekter indebærer at estimere de økonomiske konsekvenser af identificerede risici. 

Men det handler også om at skabe et fælles beslutningsgrundlag for bygherre, rådgiver og entreprenør.

Det er vigtigt, fordi det hjælper dig som projektleder med at forstå, hvor stor en finansiel indvirkning hver risiko kan have - så du kan prioritere og allokere ressourcer effektivt. 

Dette gøres typisk gennem sandsynlighedsanalyser eller scenarieplanlægning, hvor du beregner sandsynlige omkostninger under forskellige omstændigheder. 

Det kræver en dyb forståelse af projektets specifikke elementer og en vurdering af eksterne faktorer, som kan påvirke omkostningerne.

Hvorfor kvantificere risici?

Byggebranchen er under pres fra mange fronter: stigende materialepriser, klimakrav, leverandørusikkerhed og nye samarbejdsformer.

Ved at prissætte risici kan du:

• synliggøre økonomiske konsekvenser af forsinkelser, vejrlig, udbud og ændringer
• prioritere ressourcer og reserver målrettet
• kommunikere beslutninger transparent på tværs af projektets aktører

Sandsynlighedsanalyser eller scenarieplanlægning 

Sandsynlighedsanalyser og scenarieplanlægning er to vigtige metoder til at få en dybere forståelse af de potentielle risici, der er i dit projekt, og deres konsekvenser. 

Med dem i værktøjskassen kan du træffe informerede beslutninger og planlægge effektivt.

Sandsynlighedsanalyser bruger statistiske modeller til at vurdere sandsynligheden for forskellige risikohændelser. Dette involverer at indsamle og analysere data for at forstå, hvor sandsynligt det er, at visse risici vil opstå, og hvad deres potentielle påvirkning kan være.

Monte Carlo-simulationer fx er en kvantitativ teknik, der bruger tilfældige stikprøver og statistiske modeller til at estimere sandsynlige udfald af komplekse processer eller systemer. Metoden tillader en omfattende analyse af potentielle resultater ved at simulere tusinder af forskellige scenarier og hjælper med at forstå sandsynligheden og konsekvenserne af forskellige risikofaktorer.

Brug sandsynlighedsanalyser, når du har adgang til pålidelige data, og du gerne vil forstå sandsynligheden for specifikke risici. Det er ideelt, når du kan kvantificere risici og deres potentielle indvirkning på projektet.

Scenarieplanlægning involverer at skabe forskellige 'what-if'-scenarier for at forstå, hvordan forskellige risikofaktorer kan påvirke projektet. Det kan bruges til at forberede sig på forskellige mulige fremtider og udvikle passende responsstrategier.

Du kan fx udvikle forskellige budgetscenarier baseret på forskellige risikoniveauer ved at følge disse 5 trin:

1. Identificer alle potentielle risici, der kan påvirke budgettet.
2. Vurder sandsynlighed og potentiel økonomiske indvirkning for hver risiko.
3. Opret flere budgetscenarier, der afspejler forskellige risikoniveauer. For hvert scenarie skal du justere budgettets linjeelementer (såsom materialeomkostninger, arbejdskraft osv.) baseret på risikovurderingerne.
4. Analyser hvert scenaries indvirkning på det samlede budget og projektets gennemførlighed.
5. Sørg for at indarbejde fleksibilitet i budgettet for at kunne håndtere de usikkerheder, som scenarierne afslører.

Denne proces hjælper med at forberede projektet på forskellige mulige fremtidige situationer og sikrer, at budgettet er robust nok til at håndtere usikkerheder.

Scenarieplanlægning er bedst, når du står over for stor usikkerhed, eller når projektet er komplekst med mange variabler. Det er nyttigt for at vurdere forskellige fremtidige udfald og forberede sig på en række mulige situationer.

Data og digital risikostyring

Flere projektorganisationer arbejder i dag med digitale risikomodeller, der integrerer data fra BIM, sensorer og AI-baserede analyser.
Målet er at flytte risikostyring fra en statisk øvelse til en løbende beslutningsproces, hvor usikkerheder opdages, kvantificeres og håndteres i realtid.

Ved at koble BIM-modeller med data om fx tidsplaner, vejrfaktorer og leverancer, kan du simulere, hvordan forsinkelser eller ændringer påvirker både økonomi og fremdrift.

Samtidig kan sensordata fra byggepladsen – fx om fugt, temperatur eller vibrationer – afsløre risici, før de bliver kritiske.

Flere systemer anvender i dag machine learning til at forudsige risici ud fra historiske data:

• Hvilke typer projekter har størst sandsynlighed for forsinkelse?
• Hvilke materialer eller leverandører skaber gentagne budgetafvigelser?
• Hvordan påvirker vejrforskydninger den samlede tidsplan?

Den digitale tilgang gør det muligt at:

• Opdatere risikomatrixen dynamisk efterhånden som projektet skrider frem
• Dokumentere risikoeksponering som del af governance og rapportering
• Understøtte beslutninger med data i stedet for antagelser

Det er især relevant i større projekter med mange aktører, hvor risikodata skal deles på tværs af organisationer – og hvor NIS2 og ESG-krav betyder, at sikkerhed og dokumentation nu også er en del af risikostyringen.