1 Einführung, Konzepte der Entscheidungsunterstützung

Transkript

1 1 Einführung, Konzepte der Entscheidungsunterstützung 1.1 Wesen und Problem der Entscheidfindung 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. Entscheidfindung kann aber schwierig, langwierig, arbeitsaufwendig, aufreibend, kontrovers und mit hohem Risiko und hoher Verantwortung belastet sein. Dennoch, auch Manager in Unternehmen und Politiker fällen laufend "schwierige Entscheide", ohne hierfür den Computer zu konsultieren. In der Tat sind Decision Support Systems weder Entscheidungsautomaten noch orakelhafte Freunde der obersten Entscheidungsträger. Dagegen pflegen Entscheidungsträger in verantwortlicher Stellung in der Regel Entscheidungen vorzubereiten, meist unter erheblichem Einsatz an Ressourcen, Personal, Zeit und im Austausch mit vielen Interessierten ("Freund und Feind"). Man spricht vom Aufbereiten von Entscheidungsunterlagen, von interner Beratung, von "Reviewing", in der Politik von "Vernehmlassungsverfahren". Aber auch strategische und sogar operative Planung kann im Sinne der Entscheidungsvorbereitung 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

2 6. Entscheidungsschwäche: Unkenntnis der Entscheidungsgrössen, des Entscheidungsspielraume, 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 Konsequenzen 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 anspruchsvolles Entscheidungsumfeld bösartige Probleme (NP-harte Problemtypen) 12. Misstrauen gegenüber Ratgebern, Misstrauen gegenüber Computern, anspruchsvollen 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 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 Entscheidungsqualität 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

3 verzugskosten der Entscheidung höher als die Effektivitätsverluste durch suboptimale Entscheidung. Es kann vorkommen, dass ein Decision Support System in einer spezifischen Entscheidungsumgebung einen bestimmten Typus von Entscheidungsproblemen so gut löst, d.h. derart gute Entscheidungsvorschläge macht, dass es wie ein Entscheidungsautomat eingesetzt werden könnte. Dieser Fall ist aber atypisch und weiter nicht interessant. Interessant macht die DS-Systeme jene Funktionalität, welche über diejenige von Entscheidungsautomaten 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 Entscheidungsfindung 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 t 0 +t sind wertlos. Effektivere Entscheidung: Man kommt in den meisten Fällen zu besseren (vorteilhafteren) 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 Vorkehrungen, Rollen, Tätigkeiten, Prozesse, Informationen, Methoden, Informationsverarbeitung, Mensch-Maschine-Arbeitsteilung, welche gezielt, d.h. zum Zwecke der Entscheidungsunterstützung eingesetzt werden. Das heisst, wir diskutieren Entscheidungsunterstützung im engeren Sinne. Wie die eben gemachte Aufzählung jedoch verrät, beschränken wir uns keinesfalls auf Informationstechnologie. Für Entscheidungsunterstützung braucht es Menschen in verschiedensten Rollen. Wir interessieren uns, wie diese DSS-Einfuehrung.doc Seite 3

4 Rollenträger bei ihrer Arbeit der Entscheidungsunterstützung optimal mit Informationstechnologie unterstützt werden können. Entscheidungsunterstützende Systeme i.e.s. sind also auf ein konkretes Entscheidungsumfeld ausgelegt. Sie erlauben es, im gegebenen Entscheidungsumfeld rasch und präzis eine gegebene, neue oder hypothetische Entscheidungssituation zu erfassen. Sie unterstützen 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 können 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

5 Kriterien Bewertungen Konsequenzen aus Entscheidungen Präferenzen der Entscheidungsträger keine Einschränkung der Entscheidungsfreiheit des Entscheidungsträgers Anwenderfreundliches System Performance integriertes System Methodiker (Angebot) DSS Informatiker (Implementation) Entscheidungsvorschläge Entscheidungsalternativen Erklärung einer Entscheidungswahl Automatisierung von Pseudoentscheidungen Entscheidungsträger (Nachfrage) Unterstützung externer Entscheide offenes System umfassende Unterstützung Abb. 1 Drei Sichten auf DSS Entscheidungsträger Entscheidungsträger (ET) wollen möglichst alle Ihnen offenstehenden Alternativen kennen 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 ausgewählt wurde. Entscheidungsträger möchten häufig Teile, die Sie selber gut kennen selbst entscheiden, d.h. sie wollen den Entscheidungsvorschlag dahingehend modifizieren, dass einzelne Entscheidungswerte von ihnen einfliessen müssen (exogene Entscheide). So etwas muss ein DSS aus der Sicht des ET unbedingt zulassen, und ET wollen dann die Konsequenzen dieses autoritären Eingriffs kennen lernen Methodiker Methodiker können Modelle, Algorithmen und Prozeduren für die Entscheidungsunterstützung bereitstellen. Im folgenden sind wichtige Disziplinen aufgeführt, die typischerweise Methoden für die Entscheidungsunterstützung bereitstellen. DSS-Einfuehrung.doc Seite 5

6 Entscheidungsvorbereitung DSS Modelle DBS Simulation Expert Systems Ökonometrie Kybernetik Statistik Operations- Research System Dynamics KI Mathematik Informatik Modelle für die Entscheidungsunterstützung: 1. Modellierung (Darstellung) der Entscheidungsalternativen explizite Liste, Entscheidungsraum, Kombination, Expertensystem, Datenbankabfrage, 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 Entscheidungsmechanismen. Der Vorschlag kann die beste(n) Alternative(n) oder eine Sortierung oder Gruppierung der Varianten umfassen. Bei bestimmten Entscheidungsproblemen 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

7 spaltet, sondern angrenzend an den Raum der zulässigen Varianten einen Raum der immer weniger erwünschten Varianten bis hin zu prohibitiven Varianten kennt 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 Entscheidungsunterstützung anbieten: Entscheidungssituationen erfassen, d.h. Fakten, Annahmen, Restriktionen, Aufgaben, 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 Systemkomponenten stellt, scheinen qualitativ nicht viel anders zu sein, als jene anderer moderner 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 Entscheidungsberater 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 erlauben aus Gründen der Performance kaum einen Austausch zwischen nicht integrierten Teilsystemen. Der Entscheidungsberater muss mit wesentlich komplexeren Objekten 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 insbesondere technische Systeme. Funktionsintegration: Einem Entscheidungsberater kann aus oben erwähnten Gründen keine Arbeitsumgebung bestehend aus mehreren heterogenen Systemen mit je ganz anderen Funktion zugemutet werden. Beispielsweise kann ihm nicht die Bedienung von Datenbanken mittels SQL oder die Steuerung 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

8 berater als offenes System nicht brauchbar, weil er sich in der Vielfalt der Möglichkeiten 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 Fragestellungen des Entscheidungssträgers an den Entscheidungsberater ändern sich laufend. Wäre das nicht so, dann gäbe es keinen Bedarf für Entscheidungsberater und mithin auch keinen Bedarf für DSS. DSS brauchen deshalb offene Daten-, Modellund 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 vollständig 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 Beratungsfall fehlende Daten, Modelle und Methoden beschafft und ins System eingespiesen 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 verfügbar sind. Auch diese Forderung der Vollständigkeit bzw. der umfassenden Unterstützung 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 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, kombinatorischen 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 Entscheidungsraums und 2. Die Bewertung der Alternativen und die Suche nach guten bzw. nach der besten Alternative im dargestellten Entscheidungsraum. DSS-Einfuehrung.doc Seite 8

9 Praktische Entscheidungsprobleme können freilich komplizierte Verknüpfungen dieser mathematisch reinen Entscheidungsprobleme darstellen. In der Ökonomie wird die Entscheidungsproblematik auf die Nutzentheorie zurückgeführt. Der Entscheidungsträger wird bei seiner Entscheidung doch wohl seinen Nutzen (lang- oder kurzfristig) maximieren wollen! Es gilt also immer, die Präferenzen des Entscheidungsträgers 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 Entscheidungsproblem ist aus der Sicht der Ökonomen im wesentlichen ein Auswahlproblem. 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. geschäftlichen Umfeld scheinen allerdings rationale Verhaltensmechanismen vorzuherrschen. Leider gelingt es eher selten, wirklich alle (bewussten wie auch unbewussten) Kriterien bei der Beschreibung oder gar Formalisierung der rationalen Entscheidungsmechanismen 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 Entscheidungsvorschläge 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, Restriktionen 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. Dabei 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

10 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 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 Entscheidungsunterstützung fertig zu werden. Semi-strukturiert kann als nicht abschliessend strukturiert oder nicht vollständig strukturiert aufgefasst werden. Als logische Konsequenz mussten solche Systeme offen sein, interaktiven Zugang zu Daten und Modellen 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 DSS-Basistechnologie klassische methodenzentrierte Ansätze Planung: Vorläufer zur Disziplin Entscheidungsunterstützung ist eindeutig die Disziplin 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 fortschrittlichste, 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 Heuristiken 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 Beispiele seien genannt die Lineare Programmierung (LP) zum Zwecke der Problemdarstellung und der Simplex-Algorithmus zur Optimierung. Die Leistungsfähigkeit des OR als methodische Basis für die Entscheidungsunterstützung wurde und wird laufend verbessert. 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 definiert, 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

11 nachzubearbeiten, im Sinne des Entscheidungsträgers zu verbessern und sie wiederum nachzuoptimieren. Die Expressivität des OR ist für Mathematiker sehr hoch, hingegen für Entscheidungsberater oder gar Entscheidungsträger sehr niedrig. Da sich Mathematiker in der Regel nicht besonders als Entscheidungsberater eignen, muss die Benützeroberfläche von Decision Support Systemen auf den typischen Entscheidungsberater ausgelegt werden. Expertensysteme: In den 80er-Jahren kamen auf der Welle der Künstlichen Intelligenz die Expertensysteme auf. Insbesondere regelbasierte Systeme erreichten eine bestimmte Anwendungsreife. Diese erlaubten nun, aufgrund von Erfahrungswissen, welches 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 Wissensdarstellung und -anwendung verbessert (erweitert) wurde, dass aber der Zugang der Entscheidungsberater zu diesen Methoden mangels adäquater DSS-Technologie nicht erfolgt ist. Datenbanken: Ebenfalls in den 80er-Jahren erfolgte das Downsizing der Datenbanksysteme, 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 diesbezügliches 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-wärewenn-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 Technik neuen Aufschwung. Modellierumgebungen: Spread Sheets werden in Hinsicht auf die Resultatdarstellung aufgebaut. Letztere muss explizit erfolgen und ist im wesentlichen auf die zwei Dimensionen der Ebene beschränkt. Die zu modellierenden quantitativen oder logischen Zusammenhänge 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

12 Beispiele dieser Softwarekategorie sind GAMS 1, LPL 2, AMPL 3, LAMP 4, MODLER 5, SML 6. 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 Einsicht 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 (Financial 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 Büroautomation. 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, Hürlimann T., Reference Manual for the LPL Modeling Language, Versions , Sept 1998, Institute for Automation and Operations Research, University of Fribourg / Switzerland, Fourer, Gay, Kernighan, A Modeling Language for Mathematical Programming AMPL, WP, Technical Report No. 133., published in Management Science, Vol. 36, No. 5, May Singh I.S., A Support System for Optimization Modelling, North-Holland, Decision Support Systems 3 (1987) Greenberg H.J., A Primer for MODLER: Modeling by Object-Driven Linear Elemental Relations, University of Colorado at Denver, Mathematics Department, Denver, CO, Geoffrion A.M., The Formal Aspects of Structured Modeling, Operations Research, Vol. 37, No. 1, January-February DSS-Einfuehrung.doc Seite 12

13 über diese Netze (speziell , Work-Flow-Systeme, und WWW) sowie die Integration der Office Programme (Textverarbeitung, Spread Sheet, Datenbank, Graphik, Designwerkzeuge, Terminverwaltung, Projektmanagement, , WWW). Diese Entwicklung 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 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 konvergieren in ihrer Gesamtheit in eine neue, vor 20 Jahren noch unvorstellbare Organisationsform, die sogenannte virtuelle Gruppe. Eine virtuelle Gruppe kann prinzipiell einen ähnlichen Zweck haben wie eine natürliche Personengruppe. Die Mitglieder einer virtuellen 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 Computer, 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 Kommunikation. 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 einzelnen 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 mindestens 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 Entscheidungsunterstüzung! 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. Beispielsweise ist die Wiederverwendbarkeit und Austauschbarkeit von umfassenden Anwen- DSS-Einfuehrung.doc Seite 13

14 dungsobjekten der Entscheidungsunterstützung (wie etwa Szenarien) zwischen kooperierenden 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 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 besteht. Gruppen funktionieren gut, wenn sie gemeinsame Ziele verfolgen. Entsprechend sollte das tragende Verhaltensmuster innerhalb von Gruppen die Kooperation sein. Verschiedene Gruppen verfolgen im allgemeinen verschiedene Ziele und tendieren dazu, in Konkurrenz zueinander zu treten. Sie vertreten ihre "Eigeninteressen". Fasst man Gruppen zu einer übergeordneten Gruppe zusammen, welche wiederum übergeordnete, gemeinsame 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 untergeordneter Gruppen stark mit den Zielen übergeordneter Gruppen, so findet man weitere Verhaltensmuster wie das Taktieren (taktische Verhalten) und das Bilden von temporären Allianzen etc. Es versteht sich von selbst, dass Entscheidungsunterstützung in einer Organisation weitere 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 weitgehend 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 Erklärungskomponenten, um Entscheidungsvorschläge hinsichtlich aller Vor- und Nachteile, aller nach Gruppeninteressen differenzierter Restriktionen und Einflussnahmen (Vorwegentscheide, "vollendete Tatsachen") zu durchleuchten 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 massenhaft Daten über allerlei Geschäftsvorfälle an. Diese Daten werden (mindestens vorübergehend) 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

15 housing, des Online Analytical Processing (OLAP) und des Data Mining verfügbar machen kann. Ein Data Warehouse ist eine Datenbank über Datenbankzustände einer grossen Geschäftsdatenbank über die Zeit hinweg. Das heisst, man macht in regelmässigen Zeitabständen eine Momentaufnahme über alle uns interessierenden Daten und lädt diese schichtweise in das Data Warehouse. Das Data Warehouse ist zum Zwecke der besseren Einsichtnahme und der einfacheren Analyse etwas anders organisiert als die klassischen 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-dimensionalen Datenwürfeln zu je interessierenden historischen Fakten über Geschäftsvorfälle. 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 enthaltene Information zu Tage gefördert, d.h. extrahiert und visualisiert werden kann. Im Prinzip ist Data Mining eine unternehmernahe, benutzerfreundliche, computergestützte Anwendung der statistischen Methoden auf Daten eines Data Warehouse. Die Ausbeutung der massenhaft anfallenden Daten zum Zwecke der Analyse des effektiven Geschäftsverlaufs gilt seit einigen Jahren als wichtige neue Funktion der Entscheidungsunterstützung. 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 Kritik an bisherigen Konzepten Alle bisher publizierten Konzepte (vgl. Abschnitt 1.4) der Entscheidungsunterstützung waren entweder methodenlastig oder als Technologie nicht spezifisch auf Entscheidungsunterstützung ausgelegt. Im Operations Research standen Modelle, Lösungsalgorithmen und möglichst gute Problemlösungen im Zentrum. Es gab kein auf den typischen Entscheidungsberater ausgerichtetes System. Die OR-Spezialisten (Methodiker) versuchten sich zugleich als Analytiker, Modellierer, Programmierer, Datenpfleger und Entscheidungsberater. Nachfolgend aufgelistete Bereiche wurden eher als notwendiges Begleitübel aufgefasst. Sie DSS-Einfuehrung.doc Seite 15

16 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 Entscheidungsträgers, Einbringung seiner Präferenzen und durch die Umwelt geprägte Entscheidungssituation. Revision von vorgeschlagenen Lösungen nach spezifizierter Weisung des Entscheidungsträgers. 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 Entscheidungsträgers, Einbringung seiner Präferenzen und durch die Umwelt geprägte Entscheidungssituation. Revision von vorgeschlagenen Lösungen nach spezifizierter Weisung des Entscheidungsträgers. 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

17 1.5.2 Anwenderorientiert Rollenorientiert Entscheidungsberatung gilt sowohl aus der Sicht des Management als auch des Information 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, kontrollieren, 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 Entscheidungsberaters 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 Schroff A. M., An Approach to User Oriented Decision Support Systems, Dissertation Nr. 1204, Mathematisch-Naturwissenschaftliche Fakultät der Universität Freiburg CH, DSS-Einfuehrung.doc Seite 17

18 1.5.3 Evolutives Prototyping Evolutives DSS Decision Support Systems können in den seltensten Fällen aufgrund abschliessend definierter Anforderungen gebaut werden. In der Praxis können die Maximalanforderung der DSS-Anwender kaum je mit vertretbarem Aufwand und innert nützlicher Frist befriedigt 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-Anwender 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 erforderlicher und realisierbarer Funktionalität ist prinzipiell bei allen interaktiven Computerapplikationen gegeben, aber bei kaum einer anderen Systemart bildet dieser Mechanismus eine so zentrale Rolle beim Requirement Engineering. Man spricht von evolutivem 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 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 zwischen diesen Objekten definiert werden. Es entsteht eine Datenstruktur, im allgemeinen eine Datenbank. In der Praxis beginnt man heute in den seltensten Fällen "auf der grünen 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 konstituieren (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

19 Man braucht abwechslungsweise beide Entwicklungsrichtungen. Dafür hat sich mittlerweile auch schon ein Fachbegriff etabliert: Man spricht von "Round Trip Engineering" Wiederverwendbare Applikationsobjekte Klassische Ansätze und Realisierungen von DSS kranken in der Regel an "Datenhunger" 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 unterstützen. Ein benutzerfreundliches DSS muss jede Art von einmal geleisteter (Spezifikations-)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 Arbeitsteilige Entscheidungsunterstützung Wie schon in Abschnitt 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 wiederverwendbare Komponenten über Import-/Exportfunktionen zwischen Plattformen austauschen können. DSS-Einfuehrung.doc Seite 19