Entscheidungsbäume: Strukturiert entscheiden unter Unsicherheit

Entscheidungsbäume: Strukturiert entscheiden unter Unsicherheit

Die meisten Geschäftsentscheidungen werden mit unvollständigen Informationen getroffen. Ein Projektsponsor genehmigt ein Budget, ohne zu wissen, ob der Markt wachsen oder schrumpfen wird. Ein Product Owner priorisiert Funktionen ohne Gewissheit über die Nutzerakzeptanz. Ein IT-Direktor wählt einen Anbieter aus, ohne Garantie, dass die Integration reibungslos verläuft. Unsicherheit ist die Konstante. Die Frage ist, ob Entscheidungsträger sie explizit behandeln oder so tun, als existiere sie nicht.

Entscheidungsbäume gehören zur ersten Kategorie. Sie sind Diagramme, die eine strukturierte Auseinandersetzung mit dem Risiko erzwingen. Jede unsichere Variable erhält einen Zweig, jeder Zweig erhält eine Wahrscheinlichkeit und jeder Pfad führt zu einem messbaren Ergebnis. Das Resultat ist nicht Sicherheit. Es ist Klarheit darüber, worauf Sie setzen und was jede Wette wert ist.

Die Struktur des strukturierten Denkens

Ein Entscheidungsbaum trennt zwei grundlegend verschiedene Dinge: was Sie kontrollieren können und was nicht. Entscheidungsknoten (als Quadrate gezeichnet) stellen Wahlmöglichkeiten dar, bei denen jemand eine Handlungsoption wählt. Zufallsknoten (als Kreise gezeichnet) stellen externe Ereignisse dar, deren Ausgang von Faktoren ausserhalb jeder direkten Einflussnahme abhängt. Indem diese Unterscheidung visuell dargestellt wird, verhindert der Baum einen häufigen analytischen Fehler: unsichere Ergebnisse wie Entscheidungen zu behandeln oder Entscheidungen wie Unvermeidlichkeiten.

John F. Magee stellte dieses Rahmenwerk 1964 in der Harvard Business Review vor. Sein Beispiel betraf ein Chemieunternehmen, das zwischen einer Investition in eine grosse oder kleine Fabrik für ein neues Produkt mit einer Marktlebensdauer von zehn Jahren wählte. Die grosse Fabrik kostete mehr im Voraus, erwirtschaftete aber mehr Umsatz, wenn sich die Nachfrage materialisierte. Die kleine Fabrik kostete weniger, konnte aber später erweitert werden, wenn sich die frühen Verkäufe als stark erwiesen. Magee zeigte, dass die Strukturierung des Problems als Baum offenlegte, welche Option den höheren Erwartungswert hatte und wie der Zeitpunkt der Information die Berechnung veränderte. Sechzig Jahre später gilt die Logik weiterhin. Die Kontexte haben sich geändert, aber die zugrunde liegende Struktur geschäftlicher Unsicherheit ist dieselbe geblieben.

Was der Erwartungswert zeigt und was er verbirgt

Der Standardansatz zur Bewertung eines Entscheidungsbaums ist der Erwartete Geldwert (Expected Monetary Value, EMV). Sie multiplizieren jedes Ergebnis mit seiner Wahrscheinlichkeit, summieren die Ergebnisse an jedem Zufallsknoten und vergleichen die Summen über die Entscheidungszweige hinweg. Die Option mit dem höchsten EMV ist die rationale Wahl, vorausgesetzt, Sie können es sich leisten, langfristig zu denken.

Diese Voraussetzung ist wichtig. Der EMV ist das, was im Durchschnitt passieren würde, wenn dieselbe Entscheidung viele Male wiederholt würde. Für eine Risikokapitalgesellschaft, die Dutzende von Wetten pro Jahr eingeht, ist der EMV eine solide Strategie. Für ein mittelgrosses Unternehmen, das eine einzelne Infrastrukturinvestition tätigt, mag das durchschnittliche Ergebnis irrelevant sein. Was zählt, ist, ob das Worst-Case-Szenario überlebbar ist.

Hier werden Entscheidungsbäume als Kommunikationswerkzeuge wirklich wertvoll. Wenn ein Business Analyst einem Lenkungsausschuss einen Baum präsentiert, verschiebt sich das Gespräch von „welche Option ist die beste“ zu „wie viel Risiko sind wir bereit zu akzeptieren“. Der EMV liefert einen Ausgangspunkt, aber die Form des Baums zeigt das Spektrum möglicher Ergebnisse und deren Auswirkungen.

Sequenzielle Entscheidungen und der Wert des Abwartens

Geschäftsentscheidungen stehen selten allein. Ein Pilotprojekt führt zu einer Skalierungsentscheidung. Eine Technologieauswahl führt zu einer Integrationsentscheidung. Ein Markteintritt führt zu einer Expansionsentscheidung. Entscheidungsbäume erfassen diese Sequenzen natürlich. Jede Stufe im Baum stellt einen Zeitpunkt dar, an dem neue Informationen verfügbar werden und neue Wahlmöglichkeiten entstehen.

Diese sequenzielle Struktur enthüllt etwas, das flache Vergleiche übersehen: den Wert der Optionalität. Eine kleinere Anfangsinvestition, die das Recht bewahrt, zu erweitern, umzuschwenken oder aufzuhören, hat einen realen wirtschaftlichen Wert. Magee nannte dies „Positionswert“. Die moderne Finanzwelt spricht von „Realoptionen“. Unabhängig von der Bezeichnung ist die Erkenntnis dieselbe. Flexibilität kostet Geld, aber es lohnt sich oft, dafür zu bezahlen, und ein Entscheidungsbaum macht diesen Kompromiss sichtbar.

Ein Projektbeispiel

Ein Unternehmen erwägt zwei Ansätze zur Ablösung seines Legacy-CRM-Systems. Option A ist ein kompletter Ersatz für 500.000 $ mit einer geschätzten 60%-Chance auf erfolgreiche Einführung im ersten Jahr. Bei Misserfolg kostet die Nachbesserung weitere 200.000 $.

Option B ist eine stufenweise Migration für 300.000 $ in Phase eins. Wenn Phase eins gelingt (70% Wahrscheinlichkeit), kostet Phase zwei 250.000 $. Wenn Phase eins scheitert, kann das Unternehmen für 50.000 $ zum Altsystem zurückkehren. Der EMV für Option A beträgt 580.000 $. Option B kommt auf 490.000 $, mit einem maximalen Worst-Case von 350.000 $ statt 700.000 $. Der stufenweise Ansatz gewinnt, weil er das Risiko effektiver steuert.

Drei Prinzipien für die praktische Anwendung

Erstens: Halten Sie den Baum fokussiert. Ein Entscheidungsbaum, der versucht, jede Variable zu modellieren, wird zu einem unleserlichen Dickicht. Identifizieren Sie die zwei oder drei Unsicherheiten, die das Ergebnis wirklich beeinflussen, und modellieren Sie diese. Alles andere ist Rauschen.

Zweitens: Testen Sie Ihre Annahmen. Ändern Sie die Wahrscheinlichkeiten um zehn oder zwanzig Prozentpunkte und schauen Sie, ob sich die bevorzugte Option ändert. Wenn eine kleine Verschiebung der Wahrscheinlichkeit die Entscheidung umkehrt, verdient diese Unsicherheit vor einer Festlegung eine gründlichere Untersuchung.

Drittens: Präsentieren Sie den Baum neben den Zahlen. Stakeholder, die das Diagramm sehen, verstehen die Logik, auch wenn sie die Berechnungen überspringen. Die visuelle Struktur macht verborgene Annahmen sichtbar und lädt zur Hinterfragung ein. Genau das ist der Zweck. Ein Entscheidungsbaum beseitigt keine Meinungsverschiedenheiten. Er gibt Meinungsverschiedenheiten eine produktive Struktur.