Eine schleppende Modernisierung der russischen Landwirtschaft nach den USSRZeiten, die Annahme und Ratifizierung der BaselRichtlinien, der Beitritt Russlands zur WTO im Jahr 2012 und schließlich die UkraineKrise und das damit verbundene Importverbot für mehrere Agrar- und Fischprodukte aus den USA, Kanada, Australien, der EU und Norwegen seit August 2014 sind die bedeutendsten Probleme, die mehr oder weniger in der vorliegenden Dissertation ihre Reflektion gefunden haben. Dies führt zu einem erhöhten Interesse die Tierhaltungsbetriebe um die Metropole Moskau unter besonderer Berücksichtigung der Unsicherheit zu analysieren und eine Prognose zu deren Erfolgsentwicklung zu erstellen. Daher ist es Ziel der vorliegenden Arbeit die drohenden Zahlungsunfähigkeiten der russischen Tierhaltungsbetriebe möglichst früh zu erkennen und gegensteuern zu können. Der Großteil der Tierhaltungsbetriebe in der Untersuchungsregion Moskau sind Milchviehbetriebe, weshalb diese schwerpunktmäßig den Untersuchungsgegenstand der vorliegenden Arbeit bildeten. Die Klassifizierung der Tierhaltungsbetriebe auf solvente und insolvente beruht auf der Anwendung der multivariaten Diskriminanzanalyse, ein Insolvenzprognoseverfahren, das in vielen Banken Europas und der USA angewandt wird. Die Berücksichtigung der Unsicherheit erfolgt im Betriebsmodell durch Einsetzung der stochastischen Simulation bzw. Monte-Carlo-Simulation, wobei die wichtigsten Zufallsvariablen (Preise, Erträge und Kontokorrentzins) in der Arbeit simuliert worden sind und ihr Einfluss auf der wirtschaftlichen Erfolgsentwicklung der typischen Betriebe quantitativ ermittelt wird. Nach den Ergebnissen der Diskriminanzanalyse lässt sich die Frage stellen, wie dieses Modell validiert werden kann, und welche Maßnahmen für die insolvent klassifizierten Milchviehbetrieben erforderlich sind, um sie aus der Notlage zu retten. Diese Fragen sind mit Hilfe eines Zahlungsstrommodells bearbeitet worden. Durch Expertenbefragungen wurden entsprechende Betriebsmodellannahmen und -anforderungen erstellt. Und zwar ließen sich aufbauend auf dem Referenzszenario drei Hauptszenarien bilden: Szenario 1 Sanierung, Szenario 2 Management- und Vermarktungsverbesserung, Szenario 3 Risikoanalyse, wobei die Maßnahmen von Szenarien 1 und 2 im Szenario 3 Risikoanalyse stochastisch simuliert werden, um die wirtschaftlichen Risiken analysieren zu können. Insgesamt werden auf dem Datensatz von 31 Betrieben fünf typische Betriebe ausgewählt: je zwei solvent und insolvent klassifizierte Betriebe und ein Betrieb, der einen -Fehler in der Diskriminanzanalyse bildete. Ein Referenz-/StatusQuoSzenario beschreibt die Datenzeitreihen aufgrund der Betriebs-Durchschnittswerte 2008-2010, der betriebsindividualisierten Daten aus der russischen Statistik 2011-2013 und bildet eine Ausgangssituation für die Szenarien 1 bis 3 ab. Szenario 1a Sanierung unter Russischem Insolvenzrecht steht dem Szenario 1b Sanierung unter deutschem Insolvenzrecht gegenüber. Unter zukünftigen Management- und Vermarktungsverbesserungen wird Szenario 2a Managementverbesserung ohne Investition und Szenario 2b Managementverbesserung mit Investition verstanden, wobei die Lohnkosten verdoppelt und Wartung- und Instandhaltungskosten sowie sonstige Kosten angepasst werden. Im Szenario 2a ist die Milchleistung, das Gewicht bei den Milchkühen und der Grünland- und Silomaisertrag mit Hilfe der logistischen Funktion prognostiziert. Über einem Planungshorizont von zwölf Jahren können die solvent klassifizierten Milchviehbetriebe im Szenario 2b ihr Eigenkapital maximal vergrößern; das ist das beste Ergebnis im Vergleich zu allen betrachteten Entwicklungsalternativen. Im Szenario 3 Risikoanalyse - stochastisch werden zehn relevante Zufallsvariablen und deren Volatilität im Rahmen der schon betrachteten Rahmenbedingungen der Ausgangssituation und der Szenarien 1 und 2 simuliert. Außerdem werden die Zielgrößen bzw. Erfolgsgrößen Eigenkapital nach Steuern, EKVeränderung pro ha LF, interne EK-Verzinsung und Gewinn nach Steuern ausgewählt. Die dargestellten Ergebnisse erklären zum einen, wie das adäquate Insolvenzrecht den Sanierungsprozess unterstützen und die Agrarbetriebe zur Wiederherstellung ihrer Zahlungsfähigkeit führen kann. Zum anderen sollte davon ausgegangen werden, dass die Verbesserungen im Management mithin ebenfalls einen wesentlichen positiven Erfolg in der Betriebsentwicklung hervorrufen können, im Unterschied zu einer Betriebssanierung. Der Betrieb, der als -Fehler innerhalb der Diskriminanzanalyse klassifiziert wurde, ließ sich als ein profitabler Betrieb über den Planungshorizont von zwölf Jahren in allen betrachteten Szenarien einordnen. Für diesen Fall lässt sich festhalten, dass das Simulationsmodell in der betrachteten Zusammensetzung mit der multivariaten Diskriminanzanalyse zu Validierungszwecken der ermittelten Diskriminanzfunktion mittelbar gedient hat. The slow modernisation of the agricultural sector in the Russian Federation after the USSR era, the adoption and the ratification of the Basel Accords, the accession of Russia to the World Trade Organisation in 2012, and finally the crisis in the Ukraine, followed by the import ban on numerous agricultural, fishery products from the EU, USA, Canada, Australia, Norway in August 2014 are the most significant problems which found their reflection in this dissertation. This lead to an increased interest to analyse livestock farms in the Moscow region in consideration of risks in order to predict their profitable development. The goal of the current research was to identify the impending bankruptcy of the Russian livestock farms as early as possible in order to engage in efficient counter planning. The majority of the livestock farms in the Moscow region are dairy farms, which was why this type of livestock farming became the main topic of research for this thesis. The classification of dairy farms into solvent and insolvent farms is based on the application of the multivariate discriminant analysis, a bankruptcy predicting method that is widely used by many banks in Europe and the USA. The risk factor is taken into account in the empirical model of the dairy farm by setting up the stochastic Monte Carlo simulation with the most important random variables (prices, yields and interest rate) in order to quantitatively measure their influence on the economic profitability of a typical dairy farm. Following the results of the discriminant analysis, questions concerning the validation of this model were be raised. What measures were required for the dairy farms, classified as insolvent to deter bankruptcy? This question was examined using a cash flow model, summaries of relevant data and requirements for an empirical model of the dairy farms were collected through interviews of subject experts. On the basis of reference scenario/status quo scenario, three main scenarios were created: Scenario 1 Re-structuring, scenario 2 Improvement of Management and Marketing Activities, and scenario 3 Risk analysis, whereby the measures from scenarios 1 and 2 were stochastically simulated in the scenario 3 Risk analysis in order to be able to estimate the economic risks. From the data set of 31 farms, five typical model farms were selected: two correctly classified solvent, two correctly classified insolvent, and one, which showed up as a type 1 error in the discriminant analysis. A reference scenario describes the data period based on the average values of operational performance from 2008-2010, and the individualized data from the Russian statistics of 2011-2013 and forms a data basis for the scenarios 1 to 3. Scenario 1a Restructuring under Russian Insolvency Law is counterpoised to scenario 1b Restructuring under German Insolvency Law. Scenario 2a Improvement of Management and Marketing Activities without Investment and scenario 2b Improvement of Management and Marketing Activities with Investment contains measures to improve management and marketing. Labour costs were doubled, maintenance, repair costs as well as some other costs were adjusted; while the milk yields, the weight of the dairy cows, the silage yields and the yields of pastures, meadows have been estimated with a logistic function. Over a planning period of twelve years, the dairy farms classified as solvent maximised the increase of their equity capital in scenario 2b, which represents the best result compared to all other scenarios considered. Firstly, it has shown that an adequate insolvency law should support the restructuring process, secondly that training and education, consulting, motivation of employees through higher wages can lead to a better-combined performance in comparison to restructuring. In scenario 3 Risk Analysis, ten relevant random variables and their volatility were simulated and analysed within the frame conditions of the initial Scenarios 1 and 2. In addition, the target values selected were: equity after tax, equity change per hectare of agricultural area, internal equity interest and profit after tax. The presented results explain how on one hand, an adequate insolvency law can support the restructuring process and lead to reinstate solvency of the dairy farms. On the other hand, these results confirm, that the improvements in management can also lead to significant positive achievements in operational performance as opposed to restructuring. The farm, which belongs to type 1 error in the discriminant analysis, has ranked as a solvent dairy farm over the planning period of twelve years in all the scenarios considered. In this case, it can be concluded that the simulation model in the researched composition with the multivariate discriminant analysis has indirectly served to be applicable for validation purposes of the determined discriminant function.