Struktur der Entscheidungs-Analyse

Das Umfeld in dem Entscheidungen in einem Projekt getroffen werden müssen, kann aus vielen Gründen komplex sein:

· Mehrfache Ziele (Security, Kosten, Umwelt, etc.).

· Schwierigkeit gute Alternativen zu finden (erfordert Kreativität).

· Immaterielle Werte (Ethik und Moral, Verpflichtungen).

· Extrem langer Zeithorizont (z. B. mehrere Technologiezyklen).

· Unterschiedliche Interessensgruppen und Entscheidungsträger.

· Extrem unsichere Risiken oder Konsequenzen.

· Erforderlicher Trade-Off kritischer Werte.

· Keine „overall“ Experten, (risikoaverse oder risikofreudige, je nach Orientierung).

Die meisten Entscheidungen zeichnen sich durch folgende Eigenschaften aus:

· Es steht viel auf dem Spiel.

· Sie besitzen eine komplizierte Struktur.

· Es gibt in der Regel keine allwissenden Experten.

· Die Entscheidung muss gerechtfertigt werden.

In ihrem Kollektiv beschreiben all diese Eigenschaften ein komplexes Entscheidungs-Problem. Die Entscheidungs-Analyse kann dabei intuitiv definiert werden als: „Formalisieren von common sense (allgemein verstanden als gesunder Menschenverstand) für Entscheidungen die zu komplex sind für eine informelle Behandlung.“ Die obigen Aspekte können damit wie folgt strukturiert werden:

Eine Entscheidungs-Analyse ist immer in vier Schritte gegliedert:

1. Entscheidung strukturieren.

2. Alternativen vorschlagen und die Konsequenzen bestimmen.

3. Präferenzen der Entscheidungsträger aufstellen.

4. Die Bewertungen aller Alternativen vornehmen.

Methodik Schritt 1:

Die dynamische Natur der Entscheidung muss berücksichtigt werden, d.h. sowohl die Aktionen die auf die Entscheidung folgen, als auch die darauf folgenden Reaktionen auf eintretende Ereignisse. Das bedeutet, die weiteren Entscheidungspunkte und die entsprechenden potenziellen Reaktionen die sich daraus ergeben, müssen ebenfalls bereits zu Beginn identifiziert werden. Diese dynamische Struktur – die sich zeitlich verändert - wird in Form eines Ereignisbaumes (ET) dargestellt. Dabei müssen bereits in diesem frühen Stadium die „schlechten“ Alternativen möglichst eliminiert werden, damit der Ereignisbaum handhabbar bleibt; das ist das erste Problem. Das zweite Problem ist, dass oft intuitiv keine „guten“ Alternativen gefunden werden. In diesem Fall kann es hilfreich sein, sich zuerst die Konsequenzen zu überlegen und dann rückwärts zu analysieren, welche Alternativen zu diesen Konsequenzen führen könnten. Die Generierung dieser Hierarchie ist eine sehr anspruchsvolle kreative Aufgabe.

Methodik Schritt 2:

In dieser Phase sollen die Konsequenzen der Alternativen bestimmt werden. In der Realität ist dies wegen den Unsicherheiten der Konsequenzen nicht so leicht wie es scheint. Aus diesem Grund muss für alle Alternativen ein Set von Konsequenzen und ein Set von Wahrscheinlichkeiten evaluiert werden. Dies wird über Wahrscheinlichkeits-Verteilungen und Monte Carlo Simulationen (MC) erreicht. Ein grosses Problem stellen dabei gegenseitige Abhängigkeiten dar. Ob deterministisch oder probabilistisch, in beiden Fällen müssen konkrete Werte für den Input eruiert werden. Hier ist ein Problem, dass unterschiedliche Experten oft über unterschiedliche Erfahrungen und Meinungen verfügen. Ein singulärer konsistenter Input kann über verschiedene Methoden wie Analytical Hierarchy Process (AHP) und Fuzzy Logic (FL) erreicht werden. Die Langzeit-Problematik kann durch den Einsatz von Statistics of Extreme Events (EE) behandelt werden.

Methodik Schritt 3:

Es ist selten der Fall, dass in einer Entscheidung – sei es mit einfachem oder mit multiplem Ziel – garantiert werden kann, welche Alternative zu den optimalsten Konsequenzen führen wird. Die Frage muss also eher sein: „Sind die potenziellen Vorteile wenn alles gut geht, die Nachteile wert, wenn es falsch läuft?“ Dies ist die klassische Art der Risiko-Analyse und des Trade-Off Verfahrens.

Methodik Schritt 4:

Wenn das Entscheidungs-Problem strukturiert ist und alle Informationen zur Verfügung stehen, muss die optimale Lösung evaluiert werden. Dies wird typischerweise mit der Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) angegangen. In diesem Schritt ist es extrem wichtig, die Sensitivität des Modelles auf die unterschiedlichen Inputs in Bezug auf Wahrscheinlichkeiten und Präferenzen zu bestimmen.

Der ultimative Zweck der in diesen vier Schritten beschriebenen Methodik ist die Unterstützung der Entscheidungsträger zu besseren Entscheidungen. Mit der Analyse ist das Problem aber nicht vom Tisch, selbst wenn die Methodik suggeriert, dass der Vorgang „straight forward“ verläuft. Vielmehr sind intensive Interaktion und permanenter Informationsaustausch zwischen allen beteiligten Experten und Entscheidungsträgern absolut essentiell. Während zu Beginn der Entscheidungs-Analyse eine eher vage Definition des Problems, der Alternativen und der Ziele vorhanden ist, wird es oft erforderlich sein, einzelne Schritte nicht sequenziell sondern eher simultan oder überlappend auszuführen; so ist es oft sinnvoll Schritt 3 gleichzeitig oder sogar vor Schritt 2 zu realisieren. Interessant ist ein Vergleich von Baruch Fischhoff der in einer Publikation 1980 die Vermutung äusserte, zwischen Entscheidungs-Analyse und Psychotherapie bestehe eine Analogie: „An analogy is drawn between decision analysis and the somewhat older profession of psychotherapy. Both offer a variety of techniques designed to help people function in a difficult and uncertain environment; both developed rapidly, sustained by a coherent underlying theory and anecdotal evidence of having helped some clients.”