Monte-Carlo-Risikosimulation.

Rechnerische Technik, die Risiken durch tausende zufällige Szenarien aus Eingabewahrscheinlichkeitsverteilungen schätzt und so eine Verteilung möglicher Ergebnisse erzeugt. Es gehört zur Kategorie Compliance und Frameworks der Cybersicherheit.

Rechnerische Technik, die Risiken durch tausende zufällige Szenarien aus Eingabewahrscheinlichkeitsverteilungen schätzt und so eine Verteilung möglicher Ergebnisse erzeugt.

Monte-Carlo-Simulationen sind die Grundlage vieler quantitativer Risikomethoden, einschließlich FAIR. Statt Punktwerten beschreiben Praktikerinnen und Praktiker Eingaben (Ereignisfrequenz, Verlusthöhe, Kontrollwirksamkeit, Wiederherstellungskosten) als Wahrscheinlichkeitsverteilungen, kalibriert mit historischen Daten und Expertenurteil. Die Simulation zieht tausende Stichproben aus diesen Verteilungen, berechnet pro Iteration den Verlust und aggregiert die Ergebnisse zu Kennzahlen wie erwartetem Verlust, Loss-Exceedance-Kurven und Value at Risk. Im Cyber-Risiko dient sie zur Modellierung von Ransomware-Exposition, Breach-Kosten und Lieferantenkonzentration und zur Bewertung des finanziellen Nutzens neuer Kontrollen. Unsicherheit und Abhängigkeiten werden weit besser abgebildet als mit Punktwerten in Spreadsheets.

Schutzmaßnahmen gegen Monte-Carlo-Risikosimulation kombinieren typischerweise technische Kontrollen und operative Praktiken, wie in der Definition oben beschrieben.

Übliche alternative Bezeichnungen: Monte-Carlo-Simulation, Stochastische Risikomodellierung.