Sie sind auf Seite 1von 19

DSS Wintersemester Hättenschwiler / Gachet

1 Einführung, Konzepte der Entscheidungsunterstützung

1.1 Wesen und Problem der Entscheidfindung

1.1.1 Probleme der Entscheidfindung

Wir fällen täglich so viele Entscheide, dass es uns auf Anhieb nicht einleuchtet, warum
wir den Computer bzw. entscheidungsunterstützende Systeme hierfür einsetzen könnten
oder sollten. Entscheiden kann trivial, alltäglich, intuitiv, spontan, reflexartig sein. Hier
haben Decision Support Systems nichts zu suchen und nichts zu bieten. Entscheidfin-
dung kann aber schwierig, langwierig, arbeitsaufwendig, aufreibend, kontrovers und mit
hohem Risiko und hoher Verantwortung belastet sein. Dennoch, auch Manager in Un-
ternehmen und Politiker fällen laufend "schwierige Entscheide", ohne hierfür den Com-
puter zu konsultieren.

In der Tat sind Decision Support Systems weder Entscheidungsautomaten noch orakel-
hafte Freunde der obersten Entscheidungsträger. Dagegen pflegen Entscheidungsträger
in verantwortlicher Stellung in der Regel Entscheidungen vorzubereiten, meist unter er-
heblichem Einsatz an Ressourcen, Personal, Zeit und im Austausch mit vielen Interes-
sierten ("Freund und Feind"). Man spricht vom Aufbereiten von Entscheidungsunter-
lagen, von interner Beratung, von "Reviewing", in der Politik von "Vernehmlassungs-
verfahren". Aber auch strategische und sogar operative Planung kann im Sinne der Ent-
scheidungsvorbereitung verstanden und gestaltet werden.

Was sind denn nun die Probleme (Faktoren, Gründe), welche Entscheidfindung
schwierig und Entscheidungsvorbereitung aufwendig werden lassen? Es lohnt sich, sich
dieser prinzipiellen Probleme der Entscheidfindung bewusst zu werden, um so die
Ansatzpunkte zur Erleichterung und Verbesserung der Entscheidungstechnik mittels
Decision Support Systems zu erkennen.

Aufgabe 1: Welche der nachstehend genannten Probleme sind (a) die wichtigsten
(schwerwiegendsten), (b) die häufigsten, (c) die am schwierigsten zu behebenden?
Geben Sie Beispiele, versuchen Sie herauszufinden ob Korrelationen zwischen diesen
Faktoren bestehen, bzw. welche der Faktoren orthogonal (d.h. gänzlich unabhängig)
sind. Verwenden Sie einen geeigneten Graphen.
1. Qual der Wahl – zu viele Alternativen – keine Übersicht über die Alternativen:
2. Unklare Präferenzen – keine klaren Kriterien
3. Schwierige Präferenzstruktur: Viele Kriterien, Zielkonflikte,
4. Mangel an Alternativen – Alternativen sind schwierig zu finden – Alternativen
sind aufwendig in der Aufbereitung.
5. Mangel an Information – zuwenig verfügbare Information – verfügbare
Information zuwenig aufbereitet – Bereitstellung und Aufbereitung der Information
ist zu aufwendig, zu zeitraubend.

DSS-Einfuehrung.doc Seite 1 DIUF


DSS Wintersemester Hättenschwiler / Gachet

6. Entscheidungsschwäche: Unkenntnis der Entscheidungsgrössen, des Entschei-


dungsspielraume, der Entscheidungsabläufe, Entscheidungsmechanismen.
7. Mangelnde Kenntnis des Entscheidungsumfeldes, des Fachwissens, der Fakten,
der Restriktionen, der Entscheidungsregeln
8. Unvermögen, die Folgen von Entscheidungen abzuschätzen – zu viele Konse-
quenzen – zu viele Interdependenzen – auf zu vielen Ebenen.
9. Präferenzunterschiede bei Gruppenentscheiden: unterschiedliche Kriterien,
unterschiedliche Kriterienmodelle (Art der Messung), unterschiedliche Gewichtung
der Kriterien im Zielsystem.
10. Präferenzkonflikte bei heterogenen Organisationen: unterschiedliche Ziele oder
gar Zielsysteme, taktisches Verhalten konkurrierender Gruppen.
11. Komplizierte, undurchschaubare Ratschläge der "Experten" – technisch an-
spruchsvolles Entscheidungsumfeld – bösartige Probleme (NP-harte Problemtypen)
12. Misstrauen gegenüber Ratgebern, Misstrauen gegenüber Computern, anspruchs-
vollen Verfahren, Decision Support Systems
13. Abneigung gegen formale (strukturierte) Entscheidfindung – "Probieren geht
über Studieren"
14. Schwierigkeit, Notwendigkeit, Entscheide zu begründen, offen zu legen, zu
dokumentieren.
15. Entscheidung bei Unsicherheit
16. Entscheidung bei ungenauer (unscharfer) Information

1.1.2 Entscheidungsunterstützung ist nicht Entscheidungsautomation

Formale oder gar computergestützte Entscheidungsunterstützung befasst sich mit


Entscheidungsproblemen, (siehe oben) welche den Entscheidungsträgern einzeln oder
in der Gruppe schwierig, aufwendig, vielschichtig erscheinen. Entscheidfindung hat
immer auch mit Bewertung, Auswahl, mit Präferenzverhalten zu tun. Oftmals gilt es,
die Übersicht nicht zu verlieren. Für alle diese letztgenannten Aktivitäten hat der
Mensch die klar besseren Fähigkeiten als der Computer. Man kann sogar die Aussage
wagen, dass der Mensch bei der Entscheidfindung prinzipiell nicht auf den Computer
angewiesen ist, der Computer dagegen sehr wohl auf den Menschen. Es ist hingegen
wichtig zu erkennen, dass der Mensch mit Computerunterstützung, oder genauer gesagt,
unter Verwendung von Decision Support Systems, schneller, effektiver, effizienter
und/oder transparenter entscheiden kann. Dies gilt mindestens für rationale Entscheide.

Decision Support Systems sind keine Entscheidungsautomaten. Letztere gibt es heute


natürlich ebenfalls zu Hauf, vor allem in technisierten Umgebungen (Telefonzentralen,
Computernetzwerke, Dispositionssysteme etc.). In jenen Fällen deutet dies aber immer
darauf hin, dass die vom Automaten erledigten Entscheidungsprobleme gut strukturiert
sind und nach gleichbleibenden Regeln und Zielen gelöst werden können. Mit anderen
Worten, sie sind im Voraus definit entscheid- und programmierbar. Die erreichte Ent-
scheidungsqualität ist bekannt, ist kontrollierbar. Sie muss nicht von Entscheidungsfall
zu Entscheidungsfall in Frage gestellt werden. Es genügt, den Entscheidungsautomaten
von Zeit zu Zeit zu verbessern. Bei Entscheidungsautomaten sind in der Regel die Zeit-

DSS-Einfuehrung.doc Seite 2 DIUF


DSS Wintersemester Hättenschwiler / Gachet

verzugskosten der Entscheidung höher als die Effektivitätsverluste durch suboptimale


Entscheidung.

Es kann vorkommen, dass ein Decision Support System in einer spezifischen Entschei-
dungsumgebung einen bestimmten Typus von Entscheidungsproblemen so gut löst, d.h.
derart gute Entscheidungsvorschläge macht, dass es wie ein Entscheidungsautomat ein-
gesetzt werden könnte. Dieser Fall ist aber atypisch und weiter nicht interessant. Inter-
essant macht die DS-Systeme jene Funktionalität, welche über diejenige von Entschei-
dungsautomaten hinausgeht. Sie wird in diesem Kurs eingehen behandelt werden.

1.2 Nutzen und Formen der Entscheidungsunterstützung (EU)

EU soll einen oder mehrere der nachstehenden Vorteile (Nutzen) für die Entscheidungs-
findung bieten:
• Schnellere Entscheidung: Man kann in den meisten Fällen schneller entscheiden
(Zeitgewinn).
Bei Entscheiden auf operativer Ebene ist der Zeitgewinn oft das wichtigste
Kriterium (je schneller desto besser). In den meisten Fällen jedoch bildet die für die
Entscheidungsvorbereitung verfügbare Zeit eher eine harte Restriktion: Es muss
innert der Zeitspanne t entschieden werden. Entscheidungsvorschläge nach dem
Zeitpunkt t0+t sind wertlos.
• Effektivere Entscheidung: Man kommt in den meisten Fällen zu besseren (vorteil-
hafteren) Entscheiden.
Bei Entscheiden auf strategischer Ebene steht die Qualität der Entscheidung im
Vordergrund: Der optimale Entscheid führt dazu, dass die Ziele in ihrer Gesamtheit
besser erreicht werden, als bei jedem denkbaren Alternativentscheid. Ein guter
Entscheid bringt eine Zielerreichung, welche nur noch gering oder nur mit
unverhältnismässig grossem Aufwand verbessert werden könnte.
• Effizientere Entscheidung: Die Entscheidfindung ist in den meisten Fällen weniger
aufwendig (kostspielig).
• Transparentere Entscheidung: Die Begründung einer Entscheidung (Wahl) kann
zuhanden Dritter besser (vollständiger, anschaulicher, überzeugender) dokumentiert
werden.
• Rationale, robuste, reproduzierbare Entscheidung: Unter gleichen Bedingungen,
gleichen Präferenzen kommt man immer wieder zu gleichen Entscheiden.
EU i.w.S.: Es gibt viele Dinge, welche im weitesten Sinne die Entscheidfindung in
obiger Hinsicht positiv beeinflussen können. Ein Bleistift, ein Taschenrechner und ein
Internetanschluss können diesbezüglich einzeln oder in Kombination nützlich sein. Sie
wurden aber nicht hierfür konzipiert! Solche "zufällige" Hilfsmittel bieten nach
unserem Sprachgebrauch bestenfalls Entscheidungsunterstützung im weitesten Sinn. EU
i.w.S. wird in der weiteren Diskussion ausgeklammert.
EU i.e.S.: Wir interessieren uns im folgenden nur noch für jene organisatorischen Vor-
kehrungen, Rollen, Tätigkeiten, Prozesse, Informationen, Methoden, Informationsver-
arbeitung, Mensch-Maschine-Arbeitsteilung, welche gezielt, d.h. zum Zwecke der Ent-
scheidungsunterstützung eingesetzt werden. Das heisst, wir diskutieren Entscheidungs-
unterstützung im engeren Sinne. Wie die eben gemachte Aufzählung jedoch verrät, be-
schränken wir uns keinesfalls auf Informationstechnologie. Für Entscheidungsunterstüt-
zung braucht es Menschen in verschiedensten Rollen. Wir interessieren uns, wie diese

DSS-Einfuehrung.doc Seite 3 DIUF


DSS Wintersemester Hättenschwiler / Gachet

Rollenträger bei ihrer Arbeit der Entscheidungsunterstützung optimal mit Information-


stechnologie unterstützt werden können.

Entscheidungsunterstützende Systeme i.e.S. sind also auf ein konkretes Entscheidungs-


umfeld ausgelegt. Sie erlauben es, im gegebenen Entscheidungsumfeld rasch und präzis
eine gegebene, neue oder hypothetische Entscheidungssituation zu erfassen. Sie unter-
stützen sodann die Arbeit von Entscheidungsberatern oder -assistenten, wobei deren
Arbeit sich explizit durch eine endliche Anzahl von Tasks (Aufgaben, Fragestellungen)
definieren lassen muss. Es gibt in der Praxis (im Gegensatz zur Theorie) nur selten
Entscheidungsprobleme, bei denen alles, worüber man prinzipiell entscheiden kann,
noch entscheidbar ist. Vielmehr sind meistens einige Vorwegentscheide, partielle
Entscheide auf Detailstufe oder gar Entscheide auf strategischer Ebene nicht mehr
entscheidbar und müssen folglich als exogene Entscheide respektiert werden. Die
Entscheidungsberatung (-unterstützung) i.e.S. besteht dann in der Generierung einer
oder mehrerer Vorschläge (Entscheidungsalternativen, Entscheidungspläne), welche
prinzipiell möglich sind und nach den vereinbarten Kriterien bewertet werden können.
In der Praxis müssen solche Vorschläge nach erfolgter Analyse und Beurteilung
nochmals revidiert, verfeinert, nachbearbeitet werden. Erst dann kann eine definitive
Wahl getroffen werden. DSS sind auf die Interaktion zwischen den Fähigkeiten des
Systems (insbesondere der implementierten Wissensbasis) und den Beurteilungs- und
Revisionsprozessen der Entscheidungsberater und der Entscheidungsträger angewiesen.
Das ist eine Besonderheit der DSS.

1.3 Verschiedene Sichten der Entscheidungsunterstützung

Architekten von entscheidungsunterstützenden Systemen haben im wesentlichen drei


sehr unterschiedliche kompetente Gruppen von Gesprächspartnern, die sie konsultieren
sollten. Man spricht heute zunehmend vom "requirements engineering" (RE): Es sind
dies:
• Entscheidungsträger und Entscheidungsberater, die ihre Anforderungen und
Wünsche darlegen können, für welche Probleme sie in ihrem Entscheidungsumfeld
welche Unterstützung wünschen.
• Methodiker, d.h. Betriebswirte, Organisatoren, Operations Research Fachleute,
Mathematiker, Statistiker und theoretische Informatiker. Sie können beurteilen,
welche Problemtypen heute prinzipiell und im konkreten Fall beherrschbar sind,
d.h. formalisiert und als Computersysteme implementiert werden können. Sie
können voraussagen, mit welcher Performance welche Lösungsqualität erreicht
werden kann.
• Informatiker mit Kenntnissen der verfügbaren Informationstechnologien. Sie kön-
nen beurteilen was effektiv zu welchen Kosten an DSS-Funktionalität realisierbar
ist, und wie sich die Wartung eines DSS ausnimmt.
Die kontextunabhängigen Kompetenzbereiche werden in Abbildung 1 dargestellt und in
den nachfolgenden Unterabschnitten beschrieben.

DSS-Einfuehrung.doc Seite 4 DIUF


DSS Wintersemester Hättenschwiler / Gachet

Entscheidungs-
vorschläge

Kriterien
Konsequenzen aus
Bewertungen
Entscheidungen

Entscheidungs-
Methodiker alternativen Erklärung einer
Präferenzen (Angebot) Entscheidungswahl
der
Entscheidungs- Automatisierung von
träger Pseudoentscheidungen

DSS Entscheidungsträger
Anwender- (Nachfrage)
freundliches
System Unterstützung
Informatiker externer Entscheide

Performance (Implementation)
keine Einschränkung der
Entscheidungsfreiheit
des Entscheidungs-
integriertes
trägers
System

offenes umfassende
System Unterstützung

Abb. 1 Drei Sichten auf DSS

1.3.1 Entscheidungsträger

Entscheidungsträger (ET) wollen möglichst alle Ihnen offenstehenden Alternativen ken-


nen oder mindestens beliebige davon diskutieren (analysieren) können. Sie interessieren
sich einerseits für gute Vorschläge des Entscheidungsberaters, möglichst schon gut
dokumentiert und mit Erklärungen, warum diese und nicht eine andere Alternative aus-
gewählt wurde. Entscheidungsträger möchten häufig Teile, die Sie selber gut kennen
selbst entscheiden, d.h. sie wollen den Entscheidungsvorschlag dahingehend modifizie-
ren, dass einzelne Entscheidungswerte von ihnen einfliessen müssen (exogene Ent-
scheide). So etwas muss ein DSS aus der Sicht des ET unbedingt zulassen, und ET
wollen dann die Konsequenzen dieses „autoritären Eingriffs“ kennen lernen.

1.3.2 Methodiker

Methodiker können Modelle, Algorithmen und Prozeduren für die Entscheidungsunter-


stützung bereitstellen. Im folgenden sind wichtige Disziplinen aufgeführt, die typi-
scherweise Methoden für die Entscheidungsunterstützung bereitstellen.

DSS-Einfuehrung.doc Seite 5 DIUF


DSS Wintersemester Hättenschwiler / Gachet

Entscheidungsvorbereitung

DSS

DBS Expert
Modelle
Simulation Systems

Ökonometrie Kybernetik

Operations- System
Statistik KI
Research Dynamics

Mathematik Informatik

Modelle für die Entscheidungsunterstützung:


1. Modellierung (Darstellung) der Entscheidungsalternativen
explizite Liste, Entscheidungsraum, Kombination, Expertensystem, Datenbank-
abfrage, Mustervergleich, Cluster-Bildung
2. Modellierung der Konsequenzen von Entscheidungen
explizite Eigenschaften, Berechnungen, Schätzungen, Regelwissen
3. Modellierung der Kriterien zur Bewertung von Konsequenzen
- Definition von Skalen zum Messen von Konsequenzen
- Definition von Kriterien (Wahrnehmungsfunktionen zur Beurteilung der
gemessenen Konsequenzen)
4. Modellierung der Präferenzen des Entscheidungsträgers
notwendig, falls Entscheidungsvorschläge synthetisiert werden sollen
- Gewichtung der Kriterien durch den/die Entscheidungsträger
- Angaben zur Lösung von Zielkonflikten (Aquivalenzangaben für die
Kompensation bei der Zielerreichung gegenläufiger Ziele.

5. Synthese von Entscheidungsvorschlägen


durch Suche, Ableitung, Optimierung von Entscheidungen mittels Entscheidungs-
mechanismen. Der Vorschlag kann die beste(n) Alternative(n) oder eine Sortierung
oder Gruppierung der Varianten umfassen. Bei bestimmten Entscheidungsproble-
men kann man klar unterscheiden zwischen Machbarkeit bzw. Zulässigkeit von
Entscheidungsvorschlägen einerseits und zwischen der Qualität bzw. „Güte“ von
zulässigen Vorschlägen. Bei anderen wiederum kann die „Feasibility“ ihrerseits
skalierbar sein und fliessend in die „Optimality“ übergehen. Dies ist dann der Fall,
wenn es sogenannte „weiche Restriktionen“ gibt, welche den Raum der Varianten
nicht scharf in zwei Halbräume der „zulässigen“ und der „unzulässigen“ Varianten

DSS-Einfuehrung.doc Seite 6 DIUF


DSS Wintersemester Hättenschwiler / Gachet

spaltet, sondern angrenzend an den Raum der zulässigen Varianten einen Raum der
immer weniger erwünschten Varianten bis hin zu prohibitiven Varianten kennt.

1.3.3 Informationssysteme – Informatik

Auch DSS sind natürlich Informationssysteme. Informationssysteme sind hingegen


keine DSS (im engeren Sinne des Begriffes), wenn sie nicht explizit zum Zwecke der
Entscheidungsunterstützung konzipiert worden sind. Letzteres ist nur dann der Fall,
wenn diese mindestens eine der nachfolgenden Kernfunktionen der Entscheidungsunter-
stützung anbieten:
• Entscheidungssituationen erfassen, d.h. Fakten, Annahmen, Restriktionen, Aufga-
ben, Zielsetzungen, Vorgaben (des Entscheidungsträgers) definieren.
• Entscheidungsalternativen suchen, darstellen oder generieren.
• Konsequenzen einer Entscheidungsalternative aufzeigen, abschätzen, berechnen.
• Konsequenzen hinsichtlich verschiedener Kriterien bewerten.
• Entscheidungsalternativen aufgrund eines Zielsystems evaluieren.
• Entscheidungswahl erklären, dokumentieren.
• Obige Funktionen arbeitsteilig in virtuellen Gruppen über Netzwerke erledigen.

Die Anforderungen, welche ein DSS an die Informatiktechnologie bzw. die System-
komponenten stellt, scheinen qualitativ nicht viel anders zu sein, als jene anderer mo-
derner Computeranwendungen. Hingegen sind sie graduell (quantitativ) viel vitaler,
beziehungsweise weniger elastisch für Kompromisse. Es sind dies:
• Anwenderfreundliche Bedienung: Die Arbeit des Entscheidungsberaters, der mit
einem DSS arbeitet, ist nicht routinemässig, ist nicht hoch repetitiv. Zudem sind
Entscheidungsberater von ihrer Natur und Ausbildung her eher Generalisten als
Spezialisten. Die DSS-Arbeitsumgebung muss deshalb intuitiv sein und dem Ent-
scheidungsberater mehr Arbeitsersparnis bringen, als wenn er mit „klassischen
Methoden oder Systemen“ arbeiten würde.
• Performance: Sowohl die Erfassung der Entscheidungssituation wie auch die
Generierung und Evaluation von Alternativen sind im allgemeinen daten- und
rechenintensive Operationen. Nicht selten müssen innert Minuten, oder höchstens
innert Stunden, Zehntausende von Daten aufbereitet und Systeme mit Tausenden
von Variablen und Restriktionen generiert und ausgewertet werden, um optimierte
Entscheidungsvorschläge hervorbringen und dokumentieren zu können.
• Integration: Datenintegration: Der hohe Datenumfang und Datendurchsatz erlau-
ben aus Gründen der Performance kaum einen Austausch zwischen nicht integrier-
ten Teilsystemen. Der Entscheidungsberater muss mit wesentlich komplexeren Ob-
jekten als mit „flachen Daten“ operieren können, da er sich sonst nicht auf seine
Aufgabe konzentrieren könnte. Die Anwenderobjekte müssen demnach eine höhere
Form der Datenorganisation bzw. –integration aufweisen als klassische und insbe-
sondere technische Systeme. Funktionsintegration: Einem Entscheidungsberater
kann aus oben erwähnten Gründen keine Arbeitsumgebung bestehend aus mehreren
heterogenen Systemen mit je ganz anderen Funktion zugemutet werden. Beispiels-
weise kann ihm nicht die Bedienung von Datenbanken mittels SQL oder die Steue-
rung von Standardoptimierungsprogrammen mittels Stuerparametern zugemutet
werden. Auch das gemeinhin als benutzerfreundlich bekannte Reporting des Office-
Pakets MS-ACCESS ist für einen dem „Manager“ nahe stehenden Entscheidungs-

DSS-Einfuehrung.doc Seite 7 DIUF


DSS Wintersemester Hättenschwiler / Gachet

berater als offenes System nicht brauchbar, weil er sich in der Vielfalt der Möglich-
keiten rasch verlieren würde. Trotzdem braucht der Entscheidungsberater ein
offenes und sehr flexibles Reporting, das viele unterschiedliche, analytische wie
auch zusammenfassende Sichten „erstellen“ lässt.
• Offenes System: Entscheidungsumgebungen (Fakten, Regeln und Restriktionen),
Entscheidungssituationen (durch neue Fakten oder Annahmen) sowie die Frage-
stellungen des Entscheidungssträgers an den Entscheidungsberater ändern sich lau-
fend. Wäre das nicht so, dann gäbe es keinen Bedarf für Entscheidungsberater und
mithin auch keinen Bedarf für DSS. DSS brauchen deshalb offene Daten-, Modell-
und Methodenbasen, ein offenes Reporting sowie eine offene Arbeitsumgebung
(Benützeroberfläche). Das sind zusammengenommen „extremste Anforderungen“
an die Offenheit eines Systems.
• Umfassende Unterstützung: Ein DSS muss hinsichtlich der Objekte (Entitäten),
Methoden und Modelle in einer gegebenen Entscheidungssituation „sehr vollstän-
dig“ sein. Ein DSS, das nicht fähig ist, auf die jüngsten Ereignisse, die neuesten
Objekte, auf eine erneut etwas veränderte Fragestellung einzugehen, ist ziemlich
wertlos. Da genügt die Offenheit des Systems nicht mehr, wenn bei jedem Bera-
tungsfall fehlende Daten, Modelle und Methoden beschafft und ins System einge-
spiesen werden müssten. Diese Arbeit, nämlich die Pflege der Wissensbasis, muss
als Daueraufgabe zwischen den Anwendungsfällen erfolgen und sollte dazu führen,
dass im Anwendungsfalle alle wesentlichen Informationen und Funktionen verfüg-
bar sind. Auch diese Forderung der Vollständigkeit bzw. der umfassenden Unter-
stützung macht den Entwurf und die Realisierung eines DSS zu einem äusserst
anspruchsvollen Projekt.

Zusammenfassend kann noch einmal betont werden: Bei der Realisierung von DSS
lassen sich die Anforderungen an die Informatik (Konzepte und Technologie) zwar
durchaus mit bekannten (klassischen) Systemkriterien definieren. Die Anforderungen
sind aber sehr umfassend und lassen kaum Kompromisse zu.

1.4 Historische Entwicklung der DSS Methodik

1.4.1 Entscheidungstheorie – Operations Research

Die Entscheidungstheorie hat Wurzeln in der Mathematik, der Mikroökonomie und in


der empirischen Verhaltensforschung. Das Operations Research verbindet die
Methoden der Mathematik und der Wirtschaftswissenschaften und gilt als methodische
Grundlage der Entscheidungsunterstützung.

In der Mathematik unterscheidet man zwischen diskreten und kontinuierlichen, kom-


binatorischen und relationalen, logischen und quantitativen, statischen und taktischen
(spieltheoretischen) Entscheidungsproblemen. Dabei gibt es immer zwei Aufgaben zu
lösen:
1. Die Darstellung der zulässigen Entscheidungsalternativen oder eben des Entschei-
dungsraums und

2. Die Bewertung der Alternativen und die Suche nach guten bzw. nach der besten
Alternative im dargestellten Entscheidungsraum.

DSS-Einfuehrung.doc Seite 8 DIUF


DSS Wintersemester Hättenschwiler / Gachet

Praktische Entscheidungsprobleme können freilich komplizierte Verknüpfungen dieser


„mathematisch reinen“ Entscheidungsprobleme darstellen.

In der Ökonomie wird die Entscheidungsproblematik auf die Nutzentheorie zurückge-


führt. Der Entscheidungsträger wird bei seiner Entscheidung doch wohl seinen Nutzen
(lang- oder kurzfristig) maximieren wollen! Es gilt also immer, die Präferenzen des Ent-
scheidungsträgers zu ermitteln und diese in Form eines Zielsystems zu formalisieren.
Entsprechend müssen die Alternativen bzw. deren Konsequenzen hinsichtlich aller
Kriterien, welche im Zielsystem figurieren, bewertet werden. Unzulässige Alternativen
werden mit „hohen Kosten“ (negativem Nutzen, Strafpunkten) belegt. Das Ent-
scheidungsproblem ist aus der Sicht der Ökonomen im wesentlichen ein Auswahlpro-
blem. Letzteres gilt als schwierig, wenn
• viele z.T. nicht vergleichbare Kriterien vorliegen,
• die auf diesen Kriterien aufgebauten Ziele z.T. gegenläufig (konkurrierend) sind,
• die Gewichtung der Ziele nicht definitiv oder bei Gruppenentscheiden von Subjekt
zu Subjekt unterschiedlich ist.

Praktische Entscheidungsprobleme können freilich wiederum Verknüpfungen dieser


von den Ökonomen als schwierig taxierten Auswahlprobleme darstellen.

In der empirischen Verhaltensforschung stellt man fest, dass Entscheidungsträger


nebst rationalen auch irrationale Verhaltensmuster aufweisen. Im beruflichen bzw. ge-
schäftlichen Umfeld scheinen allerdings rationale Verhaltensmechanismen vorzuherr-
schen. Leider gelingt es eher selten, wirklich alle (bewussten wie auch unbewussten)
Kriterien bei der Beschreibung oder gar Formalisierung der rationalen Entscheidungs-
mechanismen zu erfassen. Scheinbar irrationales Verhalten erscheint dann bei Einbezug
der bisher nicht berücksichtigten Kriterien plötzlich rational. Insbesondere gibt es
verschiedenste „versteckte Entscheidungskosten“, die zwar unbewusst aber dennoch
rational in die Nutzenmaximierung der Entscheidungsträger einfliessen.

Diese offensichtliche und anerkannte Schwierigkeit der Entscheidungstheorie, die


Präferenzen von Entscheidungsträgern nicht vollständig abbilden zu können, führt zu
einer zentralen Erkenntnis für den Entwurf und die Implementierung von
entscheidungsunterstützenden Systemen:

Die von einem DSS aufgrund der modellierten Präferenzen erzeugten Entschei-
dungsvorschläge sind in der Regel suboptimal. Das heisst mit anderen Worten, sie
sollten nicht unbesehen übernommen, sondern kritisch analysiert und nachbewertet
werden. Dabei können eventuell bisher nicht beachtete Präferenzen, Regeln, Restriktio-
nen und Vorwegentscheide aufgedeckt, formalisiert und wieder ins DSS eingegeben
werden. Zumindest kann aber ein suboptimaler Entscheidungsvorschlag dahingehend
modifiziert werden, dass ihn die Entscheidungsträger dann als „besser“ empfinden. Da-
bei werden die Verluste in der Zielerreichung bei den modellierten Zielen offengelegt,
was wiederum ein indikatives Mass für die nicht erfassten Nutzen abgibt.

Für den Bau von DSS ist eine interaktive Kooperation zwischen Mensch und Maschine
im folgenden Sinne ein zentrales Anliegen: Mit dem DSS werden „interessante“
Vorschläge generiert. Diese müssen anschliessend vom Entscheidungsberater beurteilt
und nachbearbeitet werden. Das DSS überprüft danach für die aufbereitete Lösung
deren Machbarkeit (Kohärenz, Konsistenz) sowie die eingetretenen Verluste bezüglich
der bisherigen Zielerreichung. Zusätzlich wird im Sinne einer Nachoptimierung eine

DSS-Einfuehrung.doc Seite 9 DIUF


DSS Wintersemester Hättenschwiler / Gachet

optimale Anpassung aller endogenen Entscheidungsvariablen an die exogenen


Vorgaben (Korrekturen) vorgenommen. Der Vorschlag ist nunmehr „besser,
interessanter“ geworden und kann abermals beurteilt und nachbearbeitet werden, u.s.w.

1.4.2 DSS als spezielle Form von Informationssystemen

In den siebziger Jahren kreieren Keen und Scott Morton den Begriff DSS. Sie sprechen
von Systemen, die nötig sind, um mit den semi-strukturierten Problemen der Entschei-
dungsunterstützung fertig zu werden. „Semi-strukturiert“ kann als „nicht abschliessend
strukturiert“ oder „nicht vollständig strukturiert“ aufgefasst werden. Als logische Kon-
sequenz mussten solche Systeme offen sein, interaktiven Zugang zu Daten und Model-
len bieten, ja gar eine Modellierumgebung anbieten. Als typische Eigenschaft der DSS
wurde von Anfang erkannt, dass diese die Intervention des Menschen brauchen, also
keine Entscheidungsautomaten sein sollen.

1.4.3 DSS-Basistechnologie – klassische methodenzentrierte Ansätze

Planung: Vorläufer zur Disziplin Entscheidungsunterstützung ist eindeutig die Diszi-


plin Planung. Planung ist eher handlungs- als entscheidungsorientiert, ist damit auch
eher umfassender, grundlegender als Entscheidungsunterstützung (EU). EU kann als
eine der Phasen innerhalb einer umfassenden Planung aufgefasst werden. Planung kann
alle Bereiche unternehmerischen Handelns umfassen. So unter anderem auch:
• Monitoring, Analyse, Frühwarnung u.s.w. erfolgt vor der EU
• Entscheidungsberatung und strategische Planung entspricht weitgehend der EU
• Massnahmen- bzw. Mitteleinsatzplanung entspricht teilweise der EU
operative Planung,
• Ausführung, Umsetzung folgt nach der operativen Planung
• Controlling. (Vergleich Planung – Ausführung) folgt während und
nach der Ausführung.
Operations Research: Die wichtigste methodische Grundlage für die Planung, speziell
für die operative Planung, ist zweifellos das Operations Research (OR). Das OR hatte in
den 60er und 70er-Jahren seine Hochblüte und galt zu jener Zeit als die fortschrittlich-
ste, leistungsfähigste Art der Entscheidungsunterstützung. Mittels mathematischer
Modelle wird das zu lösende Problem bzw. der Handlungs- oder Entscheidungsraum
dargestellt. Dieser Raum wird mit Hilfe von leistungsfähigen Algorithmen oder Heuri-
stiken nach Möglichkeiten durchsucht, analysiert oder es werden bei Vorliegen von
Zielfunktionen die besten Möglichkeiten ermittelt. In der Sprache der Mathematiker
wird die „optimale Lösung eines dargestellten Problems“ gesucht. Als bekannte Bei-
spiele seien genannt die Lineare Programmierung (LP) zum Zwecke der Problemdar-
stellung und der Simplex-Algorithmus zur Optimierung. Die Leistungsfähigkeit des OR
als methodische Basis für die Entscheidungsunterstützung wurde und wird laufend ver-
bessert. Hingegen gilt heute eine klassische Input-Output-orientierte OR-Anwendung
nicht mehr als geeignet für eine direkte Entscheidungsunterstützung. Das Operations
Research erlaubt es hingegen, Teile der Wissensbasis eines DSS aufzubauen. Dabei
werden Entscheidungsräume dargestellt, Zielsysteme mit Hilfe von Zielfunktionen defi-
niert, Entscheidungsvorschläge hinsichtlich des Zielsystems optimiert. Das OR erlaubt
es auch, Systeme von Kausalketten beliebig komplexer Vernetzung zu simulieren. In
modernen OR-Anwendungen, welche in Richtung DSS gehen, kommt schliesslich eine
Form der Interaktivität hinzu, die es erlaubt, Lösungen (Entscheidungsvorschläge)

DSS-Einfuehrung.doc Seite 10 DIUF


DSS Wintersemester Hättenschwiler / Gachet

nachzubearbeiten, im Sinne des Entscheidungsträgers zu verbessern und sie wiederum


nachzuoptimieren.

Die Expressivität des OR ist für Mathematiker sehr hoch, hingegen für Entscheidungs-
berater oder gar Entscheidungsträger sehr niedrig. Da sich Mathematiker in der Regel
nicht besonders als Entscheidungsberater eignen, muss die Benützeroberfläche von De-
cision Support Systemen auf den typischen Entscheidungsberater ausgelegt werden.

Expertensysteme: In den 80er-Jahren kamen auf der Welle der „Künstlichen Intelli-
genz“ die Expertensysteme auf. Insbesondere regelbasierte Systeme erreichten eine be-
stimmte Anwendungsreife. Diese erlaubten nun, aufgrund von Erfahrungswissen, wel-
ches in Form von „Wenn–dann–Regeln“ dargestellt wird, Hypothesen zu testen. Darauf
aufbauend wurde es jetzt möglich, nach Zielen zu suchen, welche bei vorgegebenen
Ressourcen oder Voraussetzungen gerade noch erreicht werden können. Und umgekehrt
wurde es möglich, die nötigen Ressourcen (Voraussetzungen) zu bestimmen, um
vorgegebene Ziele zu erreichen.

Wiederum kann man feststellen, dass zwar die methodische Basis zur Wissensdarstel-
lung und -anwendung verbessert (erweitert) wurde, dass aber der Zugang der Entschei-
dungsberater zu diesen Methoden mangels adäquater DSS-Technologie nicht erfolgt ist.

Datenbanken: Ebenfalls in den 80er-Jahren erfolgte das Downsizing der Datenbank-


systeme, so dass die Datenbanktechnologie auf Arbeitsplatzrechnern verfügbar wurde.
Dadurch wurde es möglich, spontan und interaktiv Datenbankabfragen zu machen und
die Resultate (die Antwort) mit Reporting Systemen anschaulich darzustellen. Ein dies-
bezügliches Pioniersystem war dBase, und ein erfolgreiches Folgeprodukt aus dieser
Entwicklungslinie ist beispielsweise ACCESS von Microsoft. Jetzt konnte explizite
Information, welche in Datenbanken gespeichert ist, rasch und anschaulich zum Zwecke
der Entscheidungsunterstützung bereitgestellt werden.

Spread Sheets: Fast gleichzeitig begann die Erfolgsgeschichte der Tabellenkalkulation.


Dank ihr konnte der Anwender ohne eigentliche Programmierkenntnisse "Was-wäre-
wenn-Kalkulationen" und Simulationen aufbauen und sofort anwenden. Auch die
Expressivität der Spread Sheets war und ist bis heute ein wichtiger Erfolgsfaktor dieser
Technologie. Während einiger Jahre wurde versucht, alles und jedes mit Spread Sheet
Technologie zu lösen. Auch die Entscheidungsunterstützung erlebte dank dieser Tech-
nik neuen Aufschwung.

Modellierumgebungen: Spread Sheets werden in Hinsicht auf die Resultatdarstellung


aufgebaut. Letztere muss explizit erfolgen und ist im wesentlichen auf die zwei Dimen-
sionen der Ebene beschränkt. Die zu modellierenden quantitativen oder logischen Zu-
sammenhänge lassen sich unter diesen Bedingungen weder effizient noch anschaulich
darstellen, so dass bei zunehmendem Umfang und zunehmender Komplexität der
Spread Sheet Anwendung die Übersicht über die modellierten Zusammenhänge
verloren geht. Das Zusammenhangwissen, dass in anspruchsvollen Spread Sheet
Anwendungen steckt, ist schwierig zu analysieren, aufwendig zu warten und kaum
wiederverwendbar. Aus diesem Grund kamen ab Mitte der 80er-Jahre zunehmend
mathematische Modelliersysteme auf den Markt, welche sich zur effizienten
Darstellung von generischem (fallunabhängigem) Zusammenhangwissen eignen.

DSS-Einfuehrung.doc Seite 11 DIUF


DSS Wintersemester Hättenschwiler / Gachet

Beispiele dieser Softwarekategorie sind GAMS1, LPL2, AMPL3, LAMP4, MODLER5,


SML6. Alle diese Tools sind Werkzeuge für Modellierer mit ausgesprochener Fähigkeit
zur Abstraktion mit ausreichender Mathematikausbildung. Dank solcher
Modellierumgebungen können heute Modelle generisch und modular dargestellt
werden, so dass Wissensbasen unter strikter Trennung in fallspezifisches Faktenwissen
und fallunabhängiges Zusammenhangwissen aufgebaut werden können. Damit wurde
wiederum die methodische Basis der Wissensdarstellung und –anwendung verbessert,
und die Kosten des Knowledge Engineering konnten beträchtlich gesenkt werden. Dank
der strikten Auslagerung der Daten aus den Modellen in die Datenbanken konnte dem
Entscheidungsberater der Zugang zum Faktenwissen erheblich erleichtert werden.
Hingegen wurde durch diese Modelliertechniken für den Entscheidungsberater die Ein-
sicht in die Zusammenhänge oder gar die Pflege des Zusammenhangwissens nicht
ermöglicht. Eine diesbezügliche DSS-Technologie fehlt bis heute, ist aber Gegenstand
aktueller Forschung und Entwicklung, auch am Institut für Informatik der Universität
Freiburg.

DSS-Generatoren: Gegen Mitte der 80er Jahre wurden sogenannte DSS-Generatoren


auf den Markt gebracht. Es handelt sich hierbei um Entwicklungsumgebungen für den
Aufbau und die Pflege von DSS, welche im Wesentlichen eine Wissensbasis bestehend
aus Datenbasen, Modellbasen und Methoden für Inferenz und Optimierung sowie ein
Reporting bestehend aus Spread Sheets umfasst. Renomierte Vertreter solcher DSS-
Generatoren waren IFPS (Interactive Financial Planning System) und FCS-EPS (Finan-
cial Control System – Enhanced Programming System). Auch am Institut für Informatik
wurden zwischen 1984 und 1989 DSS-Generatoren mit diesen Eigenschaften
entwic??kelt. Mit NetCalc und später NetMod wurde insbesondere ein
endbenützertauglicher Modellierprozess und eine bessere Visualisierung der
Modellzusammenhänge angestrebt. Während anfänglich grosser Enthusiasmus für diese
Art von DSS aufkam, ist es heute wieder ziemlich still um diese Produkte geworden.
Aus heutiger Sicht ist dieser Ansatz nach wie vor zu stark methodenzentriert, stellt also
eher eine komfortable Arbeitsumgebung für Methodiker dar als eine solche eines
typischen, dem Entscheidungsträger nahestehenden Entscheidungsberaters. Letzterer
muss in der Regel ausgeprägte Fähigkeiten eines Generalisten aufweisen und kann in
den seltensten Fällen auch noch die Fähigkeiten eines Spezialisten für quantitative
Methoden einbringen.

Büroautomation: Gegen Ende der 80er-Jahre verstärkte sich der Trend zur Büroauto-
mation. Die Schlüsseltechnologien hierzu waren die Vernetzung, die Kommunikation

1 Brooke A., Kendrick D., Meeraus A., GAMS: A Users Guide, The Scientific Press, Redwood City,
CA, 1988.
2 Hürlimann T., Reference Manual for the LPL Modeling Language, Versions 1.0-4.3, Sept 1998,
Institute for Automation and Operations Research, University of Fribourg / Switzerland, 1987-
1998.
3 Fourer, Gay, Kernighan, A Modeling Language for Mathematical Programming AMPL, WP,
Technical Report No. 133., published in Management Science, Vol. 36, No. 5, May 1990.
4 Singh I.S., A Support System for Optimization Modelling, North-Holland, Decision Support
Systems 3 (1987) 165-178.
5 Greenberg H.J., A Primer for MODLER: Modeling by Object-Driven Linear Elemental Relations,
University of Colorado at Denver, Mathematics Department, Denver, CO, 1990.
6 Geoffrion A.M., The Formal Aspects of Structured Modeling, Operations Research, Vol. 37, No. 1,
January-February 1989.

DSS-Einfuehrung.doc Seite 12 DIUF


DSS Wintersemester Hättenschwiler / Gachet

über diese Netze (speziell Email, Work-Flow-Systeme, und WWW) sowie die Integra-
tion der Office Programme (Textverarbeitung, Spread Sheet, Datenbank, Graphik,
Designwerkzeuge, Terminverwaltung, Projektmanagement, Email, WWW). Diese Ent-
wicklung ist noch voll im Gange und hat unter dem Erfolgsslogan „Information at your
fingertips“ Microsoft zum Quasi-Monopolisten und Bill Gates zum reichsten Mann der
Welt gemacht. Die leichte Verfügbarkeit (Abrufbarkeit, Weitergabe) von Information
ist natürlich ebenso eine Voraussetzung für gut funktionierende DSS, führt aber für sich
genommen nicht zu eigentlicher Entscheidungsunterstützung.

1.4.4 Group Decision Support Systems (GDSS)

Mit dem Aufkommen der lokalen (80er-Jahre) und später der globalen Netzwerke
(90er-Jahre) wurden sukzessive neue Formen der Arbeitsteilung, der Zusammenarbeit,
der Kommunikation, der Organisation innerhalb von Gruppen entwickelt. Diese konver-
gieren in ihrer Gesamtheit in eine neue, vor 20 Jahren noch unvorstellbare Organisati-
onsform, die sogenannte virtuelle Gruppe. Eine virtuelle Gruppe kann prinzipiell einen
ähnlichen Zweck haben wie eine natürliche Personengruppe. Die Mitglieder einer virtu-
ellen Gruppe sind aber dank mannigfaltiger Netzwerkanwendungen nicht mehr strikte
an Raum und Zeit gebunden. Der "virtuelle Gruppenraum" entsteht durch den Einsatz
von GroupWare, d.h. integrierte Netzwerkanwendungen (Electronic Mail, White-Board,
Forum, Tele-Conferencing etc.), der physische Ort für das Gruppentreffen ist aber für
jeden bei sich selbst: zu Hause, am eigenen Arbeitsplatz oder irgendwo an einem Com-
puter, der seinerseits Zugang zu einem globalen Netzwerk hat. Letzteres ist technisch
heute schon von irgend einem Punkt der Erde aus über direkte Satellitenkommunikation
machbar. Praktisch angewandt kann "mobile computing" in allen mit Funktelefonie
(Natel) erschlossenen Gebieten mittels netzunabhängigen Notebook-Computern plus
Natel. Für die Geschäftswelt sind mobile Rechner heute schon in vielen Situationen
ökonomisch, d.h. kostensparend. Die Tatsache, dass eine virtuelle Gruppe sich nicht
mehr genau zur gleichen Zeit (synchron), treffen muss, nennt man asynchrone Kommu-
nikation. Die asynchrone Kommunikation findet in einem für die Netzwerkanwendung
zweckmässigen Zeitraum (Zeitintervall) statt, der eine ausreichende Gruppendynamik
zulässt. Das kann ein Sekunden-, Minuten- bis maximal 12 Stundenraum sein. Die ein-
zelnen Interventionen der Gruppenmitglieder erfolgen innerhalb dieses Zeitraums an
den für die Mitglieder günstigsten Zeitpunkten. Es gibt eine Menge von Vorteilen in der
virtuellen Gruppe, die hier nicht weiter erläutert werden. (Aufgabe: Nennen Sie minde-
stens drei solcher Vorteile.)

Nun ist es unbestritten, dass Entscheidungsunterstützung in den meisten Fällen durch


Gruppen bestehend aus Beratern, Assistenten, Sekretären, Planern, Adjunkten und (in
der Linie) unterstellten Kaderleuten zugunsten von Gruppen vorgesetzter Kaderleute
erfolgt. Was liegt also näher als der Einsatz von GroupWare in der Entscheidungsunter-
stüzung!

Integriert man die Möglichkeiten und Techniken der virtuellen Gruppe und jene der
klassischen Entscheidungsunterstützung, so entstehen Group Decision Support Systems
(GDSS). GDSS eröffnen von ihrem Potential her weit mehr als die Vereinigung der
Funktionalität von GroupWare und von Decision Support Systems. Es entstehen auch
neue Elemente, Techniken, Möglichkeiten der Entscheidungsunterstützung. Beispiels-
weise ist die Wiederverwendbarkeit und Austauschbarkeit von umfassenden Anwen-

DSS-Einfuehrung.doc Seite 13 DIUF


DSS Wintersemester Hättenschwiler / Gachet

dungsobjekten der Entscheidungsunterstützung (wie etwa Szenarien) zwischen koope-


rierenden Partnern ein neues Element, ein Exchangemanager eine diesbezüglich neue
Funktionalität und die integrierte Arbeitsteilung zwischen verschiedenen Rollenträgern
(Beratern, Datenpflegern, Scenario- und Task Force Groups, Modellierern etc.) eine
diesbezüglich neue Möglichkeit der Entscheidungsunterstützung.

GDSS bildeten zwischen 1991 und 1995 die Hauptstossrichtung in der DSS-Forschung.
Leider wurde allerdings oft nur im Additivverfahren GroupWare-Funktionalität in die
DSS eingebaut. Der Ansatz des IIUF (vgl. Kapitel 4 und 5) geht diesbezüglich weiter.

1.4.5 Organisational Decision Support Systems (ODSS)

Organisationen können als übergeordnete Struktur von Gruppen aufgefasst werden:


Organisationen sind dann also Gruppen von Gruppen in rekursiver Verknüpfung mit der
Verankerung in der elementaren Gruppe, welche aus einer oder mehreren Personen be-
steht. Gruppen funktionieren gut, wenn sie gemeinsame Ziele verfolgen. Entsprechend
sollte das tragende Verhaltensmuster innerhalb von Gruppen die Kooperation sein. Ver-
schiedene Gruppen verfolgen im allgemeinen verschiedene Ziele und tendieren dazu, in
Konkurrenz zueinander zu treten. Sie vertreten ihre "Eigeninteressen". Fasst man Grup-
pen zu einer übergeordneten Gruppe zusammen, welche wiederum übergeordnete, ge-
meinsame Ziele verfolgt, so ergibt sich eine Organisation. In der Organisation gibt es
also in der Horizontalen zwischen den Gruppen Wettbewerb und in der Vertikalen über
die Hierarchiestufen hinweg Kooperation. Divergieren die Eigeninteressen untergeord-
neter Gruppen stark mit den Zielen übergeordneter Gruppen, so findet man weitere Ver-
haltensmuster wie das Taktieren (taktische Verhalten) und das Bilden von temporären
Allianzen etc.

Es versteht sich von selbst, dass Entscheidungsunterstützung in einer Organisation wei-


tere Dimensionen erhält und damit zusätzliche Funktionalität erfordert. Man spricht von
Organisational Decision Support Systems oder kurz ODSS. Seit einigen Jahren gibt es
Forschungsaktivitäten, die in diese Richtung weisen. Sie bewegen sich aber noch weit-
gehend auf konzeptioneller Ebene. Ein Beispiel hierzu sei genannt: Während innerhalb
von Gruppen "Vertrauen" vorherrscht, herrscht zwischen Gruppen vornehmlich und
zwischen Hierarchieebenen latentes "Misstrauen". Während DSS und GDSS meistens
ohne explizite Erklärungskomponenten auskommen, ja sogar häufig mit Blackbox-
Methoden arbeiten, erfordern ODSS in erster Linie sehr leistungsfähige Erklärungskom-
ponenten, um Entscheidungsvorschläge hinsichtlich aller Vor- und Nachteile, aller nach
Gruppeninteressen differenzierter Restriktionen und Einflussnahmen (Vorwegent-
scheide, "vollendete Tatsachen") zu durchleuchten.

1.4.6 Data Warehousing, OLAP, Data Mining

Dank der Einführung von Strichcodes und Scannern im Detailhandel und im Postwesen,
von Kredit- und Kundenkarten mit Magnet- oder Chipspeicher, dank der Digitalisierung
von Telefonzentralen und dank der durchgehenden Informatisierung der Waren- und
Geldflüsse, der Arbeitsabläufe, der Dokumentenflüsse etc. fallen heute täglich massen-
haft Daten über allerlei Geschäftsvorfälle an. Diese Daten werden (mindestens vorüber-
gehend) in Transaktionsdatenbanken eingespeichert. In alle diesen Daten steckt explizit
und implizit sehr viel Information, welche man sich mit der Technik des „Data Ware-

DSS-Einfuehrung.doc Seite 14 DIUF


DSS Wintersemester Hättenschwiler / Gachet

housing“, des „Online Analytical Processing“ (OLAP) und des „Data Mining“
verfügbar machen kann.

Ein Data Warehouse ist eine Datenbank über Datenbankzustände einer grossen Ge-
schäftsdatenbank über die Zeit hinweg. Das heisst, man macht in regelmässigen Zeitab-
ständen eine Momentaufnahme über alle uns interessierenden Daten und lädt diese
„schichtweise“ in das Data Warehouse. Das Data Warehouse ist zum Zwecke der besse-
ren Einsichtnahme und der einfacheren Analyse etwas anders organisiert als die klassi-
schen Transaktionsdatenbanken. In einem Data Warehouse gibt es im Wesentlichen
Fakten über Geschäftsvorfälle und Dimensionen. Die Dimensionen entsprechen den
Kriterien, nach welchen man die Faktendaten aufschlüsseln bzw. analysieren möchte.
Beispielsweise ist die Verkaufsmenge je Produkt je Filiale je Tag ein Faktum mit drei
Dimensionen. Dieses Beispiel stellt einen dreidimensionalen Datenwürfel dar. Data
Warehouse Datenbanken bestehen im Kern aus einer grossen Sammlung von n-dimen-
sionalen Datenwürfeln zu je interessierenden historischen Fakten über Geschäftsvor-
fälle. Das Data Warehouse ist so etwas wie ein Unternehmensgedächtis, das Auskunft
geben kann, wo wann was in welchem Umfang in der Unternehmung passiert ist und
welche Personen daran beteiligt waren.

Online Analytical Processing (OLAP) sind Abfrage- und Analyseprogramme, mit


welchen man online rasch und bequem Fragen an ein Data Warehouse stellen kann und
die Antworten zweckmässig (anschaulich) aufbereiten kann.

Data Mining ist die Technik, mit welcher implizite, d.h. unsichtbar in den Daten ent-
haltene Information „zu Tage gefördert“, d.h. extrahiert und visualisiert werden kann.
Im Prinzip ist Data Mining eine unternehmernahe, benutzerfreundliche, computerge-
stützte Anwendung der statistischen Methoden auf Daten eines Data Warehouse.

Die Ausbeutung der massenhaft anfallenden Daten zum Zwecke der Analyse des effek-
tiven Geschäftsverlaufs gilt seit einigen Jahren als wichtige neue Funktion der Ent-
scheidungsunterstützung. In der Tat führen Data Warehousing und Data Mining zur
einer sehr exakten Erfassung der Ausgangssituation für die Entscheidungsberatung.
Gleichzeitig dienen sie auch der Diagnose von Problemen im Geschäftsverlauf. Es wäre
hingegen falsch, die beiden letztgenannten Funktionen als Entscheidungsunterstützung
schlechthin zu deklarieren.

1.5 Moderne zukunftsträchtige Konzepte für DSS

1.5.1 Kritik an bisherigen Konzepten

Alle bisher publizierten Konzepte (vgl. Abschnitt 1.4) der Entscheidungsunterstützung


waren entweder methodenlastig oder als Technologie nicht spezifisch auf Entschei-
dungsunterstützung ausgelegt.

Im Operations Research standen Modelle, Lösungsalgorithmen und möglichst gute


Problemlösungen im Zentrum. Es gab kein auf den typischen Entscheidungsberater aus-
gerichtetes System. Die OR-Spezialisten (Methodiker) versuchten sich zugleich als
Analytiker, Modellierer, Programmierer, Datenpfleger und Entscheidungsberater. Nach-
folgend aufgelistete Bereiche wurden eher als notwendiges Begleitübel aufgefasst. Sie

DSS-Einfuehrung.doc Seite 15 DIUF


DSS Wintersemester Hättenschwiler / Gachet

wurden im Einzelfall mit gerade verfügbaren Mitteln ohne eigentliche Integration ins
DSS-Konzept behandelt:
• Modellentwicklung und -wartung.
• Modellauswahl oder -konfiguration je nach Aufgabenstellung,
• Datenbeschaffung, Datenhaltung, Datenpflege.
• Explizite Unterscheidung zwischen Fakten und Annahmen.
• Resultataufbereitung, -darstellung, -vergleich, -analyse.
• Explizite Unterscheidung zwischen direkter Einflussnahme des Entscheidungs-
trägers, Einbringung seiner Präferenzen und durch die Umwelt geprägte Entschei-
dungssituation.
• Revision von vorgeschlagenen Lösungen nach spezifizierter Weisung des Entschei-
dungsträgers.
• Erklärung der berücksichtigten und nicht berücksichtigten Sachzwänge sowie der
Vor- und Nachteile, welche zum Lösungsvorschlag geführt haben.

Für Expertensysteme trifft weitgehend dieselbe Kritik zu.

Die Systeme zur Büroautomation können einen wertvollen Beitrag zur Verbesserung
und Integration von DSS bieten, stellen aber keinen Ersatz für DSS dar.

Data Warehousing und Data Mining können als Hilfsmittel zur Diagnose von
Problemen im Geschäftsverlauf und zur exakten Erfassung der Ausgangssituation für
die Entscheidungsberatung dienen. Sie erbringen isoliert angewendet keine eigentliche
Entscheidungsunterstützung.

DSS-Generatoren wie IFPS, FCS-EPS waren bisher die brauchbarsten Ansätze, litten
aber genauso an ungenügender Auslegung auf die Arbeit des Entscheidungsberaters und
weiterer Anwenderkategorien. Die Hauptstärke dieser Generation war (und ist noch
immer) die Output-Orientierung ähnlich wie bei Spread Sheets. Deren Schwächen
manifestieren sich bei folgenden entscheidungsunterstützenden Funktionen:
• Modellauswahl oder -konfiguration je nach Aufgabenstellung,
• Explizite Unterscheidung zwischen Fakten und Annahmen.
• Resultatvergleich, -analyse.
• Explizite Unterscheidung zwischen direkter Einflussnahme des Entscheidungs-
trägers, Einbringung seiner Präferenzen und durch die Umwelt geprägte Entschei-
dungssituation.
• Revision von vorgeschlagenen Lösungen nach spezifizierter Weisung des Entschei-
dungsträgers.
• Erklärung der berücksichtigten und nicht berücksichtigten Sachzwänge sowie der
Vor- und Nachteile, welche zum Lösungsvorschlag geführt haben.

An den beiden Konzepterweiterungen von DSS in Richtung GDSS oder gar ODSS
gibt es wenig zu kritisieren. Hingegen ist bisher häufig GroupWare unter dem nicht
zutreffenden Label GDSS angeboten worden. Von ODSS-Implementationen, die dieses
Label verdienen, ist bisher nichts bekannt.

DSS-Einfuehrung.doc Seite 16 DIUF


DSS Wintersemester Hättenschwiler / Gachet

1.5.2 Anwenderorientiert – Rollenorientiert

Entscheidungsberatung gilt sowohl aus der Sicht des Management als auch des Infor-
mation Management als anspruchsvolle Aufgabe. Sie involviert im allgemeinen
mehrere Personen in verschiedenen Rollen mit je unterschiedlichen Spezialisierungen.
Schroff 7 hat die generischen Anwendungsfälle (use cases) von DSS untersucht und hat
diesen use cases Akteure bzw. Rollen zugeordnet. Die wichtigsten Rollen sind:
Entscheidungsträger, Entscheidungsberater, Fachexperten, Datenpfleger, Modellierer -
Modellpfleger und DSS-Designer bzw. DSS-Superuser. Bisherige DSS-Generationen
waren im Wesentlichen auf Modellierer ausgerichtet. Künftige Konzepte müssen in
geeigneter Weise auf alle Akteure ausgerichtet sein.
• Entscheidungsträger sind selten direkte Benützer eines DSS. Sie kommunizieren
indirekt via Entscheidungsberater mit dem DSS. Der Entscheidungsträger möchte
Hinweise erhalten, wenn Probleme auftauchen, Handlungsbedarf besteht,
Entscheide anstehen. Gegebenenfalls interessieren ihn Vorschläge von interessanten
Entscheidungsalternativen.
• Entscheidungsberater sind die eigentlichen End- oder Zielanwender. Für sie wird
letztlich ein DSS aufgebaut. Die Anwendungsfälle der Entscheidungsberater dienen
der Entscheidungsunterstützung im engeren Sinne.
• Gewisse Fachexperten müssen Einsicht in die Faktenbasis und in die modellierten
Zusammenhänge erhalten. Sie zeichnen verantwortlich für das Wissen in der
Wissensbasis. Andere müssen Entscheidungsvorschläge unter die Lupe nehmen, das
heisst, den Output analytisch beurteilen und das Modellverhalten im Allgemeinen
und im Speziellen beurteilen.
• Datenpfleger müssen die Datenpflege organisieren (personell, zeitlich, qualitativ,
ablaufmässig) und durchführen (Daten importieren, exportieren, editieren, kontrol-
lieren, dokumentieren).
• Modellierer müssen das technisch-organisatorische Zusammenhangwissen strikte
getrennt von fall- und objektspezifischem Wissen darstellen. Es muss ihnen im
Rahmen der Modellpflege gelingen, unpässliches Modellverhalten auf
Wissenslüc??ken in der Wissensbasis zurückzuführen, zusammen mit Fachexperten
ergänzende Wissenselemente zu finden, diese als Regeln, Restriktionen, Prozeduren
oder Ziele darzustellen. Schliesslich müssen Modellierer die neuen
Wissenselemente in die Wissensbasis einfügen, bestehende Elemente revidieren
oder stillegen.
• DSS-Designer / DSS-Superuser: Der DSS-Designer zeichnet verantwortlich beim
Aufbau der Benützeroberfläche, genauer gesagt der Arbeitsumgebung des Entschei-
dungsberaters sowie der übrigen DSS-Anwender. Der DSS-Designer adaptiert das
DSS an die laufend ändernden Aufgaben des Entscheidungsberaters, insbesondere
durch Anlegen oder Konfigurieren neuer Tasks mit entsprechenden Schnittstellen zu
Modellen und Methoden.
Weitere Ausführungen zur Bedeutung und Anwendung der Rollen finden sich im
Abschnitt 3.1.6

7 Schroff A. M., An Approach to User Oriented Decision Support Systems, Dissertation Nr. 1204,
Mathematisch-Naturwissenschaftliche Fakultät der Universität Freiburg CH, 1998.

DSS-Einfuehrung.doc Seite 17 DIUF


DSS Wintersemester Hättenschwiler / Gachet

1.5.3 Evolutives Prototyping – Evolutives DSS

Decision Support Systems können in den seltensten Fällen aufgrund abschliessend defi-
nierter Anforderungen gebaut werden. In der Praxis können die Maximalanforderung
der DSS-Anwender kaum je mit vertretbarem Aufwand und innert nützlicher Frist be-
friedigt werden. Also beginnt man mit bescheidenen Anforderungen, befriedigt erst
diese und hebt dann sukzessive die Anforderungen wieder an etc. DSS müssen in vielen
Entwicklungsschritten entwickelt und getestet werden. Dabei entwickeln die DSS-An-
wender zunehmenden Appetit auf weitere unterstützende oder erleichternde Funktionen,
und die Entwickler sehen laufend neue Möglichkeiten der Verbesserung des DSS. Diese
aufschaukelnde Wechselwirkung zwischen Nachfrage und Angebot hinsichtlich erfor-
derlicher und realisierbarer Funktionalität ist prinzipiell bei allen interaktiven Compu-
terapplikationen gegeben, aber bei kaum einer anderen Systemart bildet dieser Mecha-
nismus eine so zentrale Rolle beim Requirement Engineering. Man spricht von evoluti-
vem Prototyping. Das heisst, man kommt kaum je aus der Prototyping-Phase heraus,
weil immer wieder neue Möglichkeiten ausprobiert werden müssen. Es lohnt sich bei
DSS-Prototypen auch selten, eine effizientere Produktivversion zu re-implementieren,
weil diese innert kürzester Zeit den veränderten Anforderungen nicht mehr genügt. Aus
diesem Grunde müssen evolutive DSS-Prototypen eben auch ausreichende Robustheit
aufweisen, um produktiv eingesetzt werden zu können.

Entscheidungsunterstützung wäre nicht gefragt, wenn sich der Entscheidungsträger


nicht immer und immer wieder mit neuen Entscheidungssituationen und neuen
Fragestellungen konfrontiert sähe. Neue Entscheidungssituationen können auch neue
Datenelemente oder gar neue Datenstrukturen erfordern. Neue Fragestellungen können
neue Modelle, Modellteile oder neue Prozeduren erfordern. In solchen Fällen muss das
DSS rasch an die neuen Anforderungen angepasst werden. Wenn dies im wesentlichen
ohne Programmierung und ohne erneute Kompilation des Systems erfolgen kann, so
spricht man von einem offenen, adaptiven, evolutiven DSS.

Sowohl evolutives Prototyping wie auch besonders offene DSS-Architekturen sind


zentrale Erfolgsfaktoren für DSS.

1.5.4 Bottom-Up und Top-Down Entwicklung

Bei der Entwicklung eines DSS müssen die für das Entscheidungsumfeld relevanten
Objekte mit den je relevanten Eigenschaften sowie alle relevanten Beziehungen zwi-
schen diesen Objekten definiert werden. Es entsteht eine Datenstruktur, im allgemeinen
eine Datenbank. In der Praxis beginnt man heute in den seltensten Fällen "auf der grü-
nen Wiese", vielmehr findet man eine Fülle von Datenstrukturen mit vielen Objekten
und Daten vor. Es gilt meistens, ein DSS auf diesen verfügbaren Daten aufzubauen.
Relevant ist zu Beginn also, was vorliegt. Man nennt den Entwicklungsprozess
"Bottom-Up Prototyping", wenn vorhandene Daten die Datenstrukturen des DSS kon-
stituieren (erzeugen). Umgekehrt mag ein bestimmtes DSS Objekte und zugehörige
Daten verlangen, welche bisher noch nicht vorlagen. Es muss also auch möglich sein,
ausgehend vom DSS oder mindestens von der DSS-Entwicklungsumgebung neue (noch
nicht existierende) Datenobjekte und Datenstrukturen zu definieren. In diesem Falle
spricht man von Top-Down-Entwicklung oder Prototyping. In der Praxis kommt man
freilich weder mit der einen noch mit der anderen Entwicklungsrichtung alleine aus.

DSS-Einfuehrung.doc Seite 18 DIUF


DSS Wintersemester Hättenschwiler / Gachet

Man braucht abwechslungsweise beide Entwicklungsrichtungen. Dafür hat sich mittler-


weile auch schon ein Fachbegriff etabliert: Man spricht von "Round Trip Engineering"

1.5.5 Wiederverwendbare Applikationsobjekte

Klassische Ansätze und Realisierungen von DSS kranken in der Regel an "Daten-
hunger" und überbordendem Aufwand für die "Fütterung" der Systeme mit Daten und
Steuerparametern. Dabei muss bei der Spezifikation von Auswertungen, welche zu
neuen Alternativen führen sollten, regelmässig hoch repetitive Arbeit geleistet werden.
Das störendste dabei ist, wenn Eingabearbeit, die schon einmal geleistet wurde, immer
und immer wieder geleistet werden muss. Es entsteht die paradoxe Situation, dass ein
Decision Support System den Entscheidungsberater "beschäftigt", anstatt ihn zu unter-
stützen. Ein benutzerfreundliches DSS muss jede Art von einmal geleisteter (Spezifika-
tions-)Arbeit in Form von Anwendungsobjekten speichern und muss gewährleisten,
dass jeweils auf schon geleisteter Arbeit aufgebaut werden kann. Das heisst mit anderen
Worten, dass die Spezifikationsarbeit auf das absolut nötige Minimum reduziert
werden muss.

Die Wiederverwendbarkeit von Applikationsobjekten ist ein erfolgskritischer Faktor für


interaktive Systeme im allgemeinen und für DSS im speziellen.

1.5.6 Arbeitsteilige Entscheidungsunterstützung

Wie schon in Abschnitt 1.5.2 dargelegt, ist Entscheidungsunterstützung in der Regel


eine anspruchsvolle Aufgabe, die von mehreren Personen mit unterschiedlichen Rollen
(Spezialisierungen) wahrgenommen werden muss. Die in einem DSS bereitgestellten
Werkzeuge müssen auf diese verschiedenen Benutzerkategorien ausgerichtet sein. Die
mit diesen Werkzeugen bearbeiteten "Halbfabrikate" bzw. Komponenten müssen auf
effiziente Weise zwischen verschiedenen Benützern ausgetauscht werden können, damit
arbeitsteilige Entscheidungsunterstützung möglich wird. Ein DSS sollte also wiederver-
wendbare Komponenten über Import-/Exportfunktionen zwischen Plattformen austau-
schen können.

DSS-Einfuehrung.doc Seite 19 DIUF