Mit der neuen Monte-Carlo-Simulation lassen sich wahrscheinliche Entwicklungen numerisch lösen. Der MODELER erlaubt diese Annäherung in einem einfachen Schritt und das Monte-Carlo-Verfahren lässt sich bei vielfachen Fragen anwenden: Wann immer es bei der Beschreibung von Zusammenhängen Unsicherheiten gibt und nur gewisse Wahrscheinlichkeiten für bestimmte Werte verfügbar sind, errechnet die Monte-Carlo-Simulation aus den unterschiedlichen Wahrscheinlichkeiten der einfließenden Werte die Wahrscheinlichkeiten der jeweiligen Ergebnis-Szenarien.

Neue Diagramm-Typen zeigen im MODELER, welche Verläufe Entwicklungen oder Szenarien mit welcher Wahrscheinlichkeit nehmen können.

Wenn wir zum Beispiel in einem Modell eine Rücklaufquote für eine Marketingaktion von einem Prozent - plus minus 0,5 Prozent annehmen, und eine Reaktion des Mitbewerbers mit einer Wahrscheinlichkeit von 20 Prozent und einer Wirkung irgendwo zwischen 30 und 70 Prozent, dann haben wir bereits drei unsichere Werte im Modell, die miteinander kombinierbar extrem viele mögliche Umsatzverläufe ergeben. Mit der Monte-Carlo-Simulation können wir nun ganz einfach das Modell sehr oft durchspielen und als Ergebnis die Wahrscheinlichkeiten der denkbaren Umsatzverläufe erhalten.

Diese nützliche, neue Funktion kommt auch dem OLAP MODELER und dem PROCESS MODELER zugute. Der OLAP MODELER zieht seine Daten beispielsweise aus Palo oder SAP BW und der PROCESS MODELER erlaubt Prozesse und Projekte fast ohne Angabe von Formeln zu berechnen. Projekte können dabei beispielsweise aus MS-Project kommen und mit Wahrscheinlichkeiten versehen können Ereignisse in ihren Auswirkungen auf das Projekt in Szenarien durchgespielt werden. So werden teure Überraschungen vermieden. Kosten- und Nutzenabwägungen im Sinne eines Risikomanagements werden einfach und eindrucksvoll möglich.

Der preisgekrönte MODELER ist ein Werkzeug zur Visualisierung und Analyse von komplexen Zusammenhängen in weltweit allen Bereichen der Wirtschaft, Wissenschaft und Politik und wird aufgrund seiner einfachen Bedienbarkeit von mehr als 300 Schulen und Universitäten eingesetzt.

Es wird beim "Modeln" unterschieden zwischen qualitativer und quantitativer Modellierung. Bei der qualitativen Modellierung genügt es anzugeben, ob ein Zusammenhang "schwach", "mittel" oder "stark" ist. Daraufhin zeigt eine Einflussmatrix, welche Faktoren den kurz- oder langfristig größten Einfluss auf etwas haben. Das könnten zum Beispiel Risiken oder Maßnahmen bezogen auf den Umsatz, die Motivation von Mitarbeitern oder das Prozessergebnis sein. So können selbst bei der Modellierung von Hunderten von Faktoren sehr schnell erste Schlüsse gezogen werden, die in der Regel fern unseres Bauchgefühls neue Erkenntnisse darstellen.

Bei der quantitativen Modellierung hingegen werden die Zusammenhänge mit Daten und Formeln beschrieben, um am Ende die Zusammenhänge im Zeitverlauf durch Simulation von Szenarien aufzudecken. Die Daten können dabei aus Excel, Access, SQL und sogar Data Warehouses kommen.