Entscheidungsfindung, DSS & Optimierung

BI unterstützt strategische Entscheidungsfindung durch Decision Support Systeme (DSS), die Datenanalyse, Modellierung und Benutzerinteraktion kombinieren. Entscheidungsmodellierung verwendet KPIs, Variablen, Parameter und mathematische Modelle, um optimale Handlungsalternativen zu identifizieren.

Relevanz: Arten von DSS; Komponenten eines DSS; Phasen des Decision-Making-Prozesses; Taxonomie von Entscheidungen (strukturiert, halbstrukturiert, unstrukturiert); mathematische Optimierung und deskriptive vs. Optimierungsmodelle.

• Phasen des Decision-Making-Prozesses: Intelligence (Problem erkennen und Daten sammeln) → Design (Alternativenentwicklung) → Choice (Alternative auswählen) → Implementation (Entscheidung umsetzen).
• Taxonomie von Entscheidungen: Strukturierte Entscheidungen (vollständig definiert, automatisierbar, z. B. Nachbestellpunkt); halbstrukturierte (teilweise definiert, BI-unterstützt); unstrukturierte (kaum definiert, erfordert menschliches Urteil).
• Arten von DSS: Modellgetriebene DSS (mathematische Modelle für Simulation/Prognose); datengetriebene DSS (grosse Datenmengen, Data Mining, ML); kommunikationsorientierte DSS (Groupware, Zusammenarbeit zwischen Entscheidungsträgern).
• Komponenten eines DSS: Datenmanagement (Speicherung und Verwaltung interner und externer Daten), Modellmanagement (mathematische Modelle und Algorithmen), Benutzeroberfläche (Visualisierung und Interaktion).
• Entscheidungsmodellierungsprozess: KPIs definieren (was soll optimiert werden?) → Variablen festlegen (was kann gesteuert werden?) → Parameter schätzen (welche Daten sind nötig?) → Mathematik anwenden. Merksatz: "Ein gutes Modell ist so einfach wie möglich – und so komplex wie nötig."
• Deskriptives Modell: Definiert die Konsequenzen von Entscheidungsalternativen; beschreibt, was passieren wird.
• Optimierungsmodell: Sucht unter allen Alternativen diejenige, die das definierte Ziel (Zielfunktion) optimal erreicht; benötigt ein deskriptives Modell zur Folgenabschätzung.
• Mathematical Optimization: Entscheidungsalternativen werden durch Entscheidungsvariablen charakterisiert; die Zielfunktion ist eine mathematische Repräsentation des Systems, die Variablen und fixe Werte in Konsequenzen überführt.

• Decision Support System (DSS)Computergestütztes System zur Unterstützung von Entscheidungsträgern bei komplexen, oft unstrukturierten Problemen; kombiniert Datenanalyse, Modellierung und Benutzerinteraktion.
• Strukturierte EntscheidungVollständig definierte, wiederholbare Entscheidung mit klaren Regeln; geeignet für Automatisierung (z. B. Lagerbestandsoptimierung).
• Unstrukturierte EntscheidungSchlecht definierte Entscheidung mit vielen Unbekannten; erfordert menschliches Urteil und Kreativität (z. B. strategische Standortentscheidung).
• Halbstrukturierte EntscheidungKombination aus strukturierten und unstrukturierten Elementen; BI-Werkzeuge können einen Teil der Entscheidung unterstützen.
• Zielfunktion (Objective Function)Mathematische Repräsentation des Optimierungsziels; verbindet Entscheidungsvariablen und Parameter mit dem zu optimierenden Ergebnis.
• EntscheidungsvariablenSteuerbare Grössen in einem Entscheidungsmodell; charakterisieren die Entscheidungsalternativen eindeutig.
• Deskriptives ModellModell, das die Konsequenzen von Entscheidungsalternativen beschreibt (Was wird passieren?); Grundlage für das Optimierungsmodell.
• OptimierungsmodellModell, das unter allen Alternativen die Lösung sucht, die das Ziel optimal erfüllt (Was sollen wir tun?).
• ROI (Return on Investment)Verhältnis zwischen Nettogewinn und Investitionskosten; wichtige Kennzahl bei der Bewertung von BI-Projekten. ---