​​​​​​​Digital Decision Making – Die Kunst der optimierten Entscheidung

von Adrian Weiler
(c) connel - shutterstock.com

Gute Entscheidungen zu treffen ist streng genommen die eigentliche und sinngebende Aufgabe des Managements. Ein beliebiges Ereignis stellt einen Menschen vor ein betriebliches Problem. Also entscheidet er sich aufgrund seines Wissens, seiner Intuition und Erfahrung für eine vermeintlich beste und gegen viele andere Handlungsoptionen, um der Situation wieder Herr zu werden. Im besten Fall ist das Problem abgewandt und die Arbeit geht weiter.

Wenn es doch nur so einfach wäre, …

Künstliche Intelligenz für das operative Management

… dann bräuchte es weder hochqualifizierte Manager noch intelligente KI-Systeme, um erstere bei ihren Aufgaben zu unterstützen. Beides ist aber tausendfach auf Erfolg überprüft. Tatsächlich betrachte ich sowohl das eine als auch das andere als unerlässlich für nachhaltigen Geschäftserfolg. Denn gerade im industriellen Umfeld ist eine so hohe Entscheidungsqualität und Geschwindigkeit der Entscheidungsfindung gefordert, dass auch die erfahrenste Führungskraft – im Grunde genommen – raten muss, welche ihrer Entscheidungen welche Konsequenzen für das gesamte Netz an interdependenten Geschäftsprozessen mit sich bringt.

Soll beispielsweise ein möglichst großer Sicherheitsbestand eines in der Produktion häufig benötigten Rohstoffs im Lager vorgehalten werden oder lässt sich die Wiederbeschaffung strategisch konzentrieren? Darf ein Produzent einem Kunden seinen Wunschtermin für eine kurzfristige Bestellung versprechen oder würde der eingeschobene Eilauftrag zu viele andere Kundentermine in Gefahr bringen?

Diese Fragen sind nicht trivial. Zum einen sind aus der Verhaltensökonomie zahlreiche Faktoren bekannt, die die Entscheidungsfindung auch hochqualifizierter Unternehmer signifikant beeinflussen. Unter Stress werden beispielsweise riskantere Entscheidungen getroffen. Oder: Eine fröhliche Stimmung fördert großzügiges Verhalten. Zum anderen erfordert die Beantwortung solcher Fragen die Kenntnis einer kaum überschaubaren Menge an Daten, viel Wissen über die konkreten Geschäftsprozesse und die Fähigkeit, die Konsequenzen jeder einzelnen möglichen Veränderung zu antizipieren. Schnell gehen muss es in der Not dann meist auch. Doch wer kann schon mit einem Blick erfassen, wie das Planungsnetz aus zehntausenden Arbeitsschritten, Waren, Bauteilen, Maschinen und sonstigen Ressourcen im Detail geknüpft ist?

Ein notwendiges Hilfsmittel in der Planung

Dennoch muss das Management seiner Aufgabe gerecht werden und sicherstellen, dass gute – ja sogar möglichst optimale – Entscheidungen getroffen werden können. Aus diesem Grund verändert sich unsere Entscheidungskultur: Wer würde manuell Kartenmaterial, Stauwarnungen und sonstige Verkehrsinformationen zur Hand nehmen, um selbst die schnellste Route für eine geplante Autofahrt minutiös auszurechnen? Die Menschen wenden sich dazu bedenkenlos an ihr „Navi“. Genauso konsultieren Manager bei komplexen Entscheidungsproblemen spezialisierte Systeme auf Basis von Künstlicher Intelligenz (KI) und Operations Research (OR). Nicht nur stehen ihnen dadurch massenhaft Informationen darüber zur Verfügung, was konkret in ihren Unternehmen vorgeht. Sie erhalten darüber hinaus gezielte Vorschläge zur nachweislich besten Vorgehensweise in ihrer konkreten Situation.

Gerade bei Reihenfolgenproblemen, wie sie bei der Planung von Beschaffung, Produktion, Logistik oder Personaleinsatz tagtäglich vorkommen, ist eine andere Strategie gar nicht mehr vorstellbar. Schließlich explodiert die Anzahl möglicher Reihenfolgen mit jeder einzelnen Ressource, die ein Plan berücksichtigen muss. Ein noch recht einfacher Personaleinsatzplan mit 300 Mitarbeitern in 4 Schichten kann in 59.049.000.000.000.000.000 verschiedenen Varianten erstellt werden. Welche ist aus betrieblicher Sicht die eine beste?

Entscheidungsmodelle und digitale Entscheidungsintelligenz

Wie also lassen sich Management-Entscheidungen digitalisieren und gemäß heutigen Anforderungen optimieren? Digitale Entscheidungsintelligenz (Digital Decision Making) fußt auf zwei Säulen: der wissensgetriebenen und der datengetriebenen KI. Erstere wendet mathematische Methoden auf wirtschaftliche Probleme an. In Entscheidungsmodellen wird der gesamte Handlungs(spiel-)raum, also alle möglichen Entscheidungen, ihr Umfeld, ihre Bedingungen und Restriktionen, festgehalten. Intelligente Algorithmen können diese innerhalb von Sekunden ausloten und anhand festgelegter Ziele bewerten, welche Entscheidung das bestmögliche Ergebnis bringt.

Das spart – unabhängig von der Art des operativen Problems – nicht nur enorm viel Geld, sondern bringt Unternehmen dazu, ihre Entscheidungsprobleme zu strukturieren und die eigenen Prozesse in bisher unbekannter Tiefe zu verstehen und zu verbessern. Schließlich erlangen sie eine nie dagewesene Resilienz, da sich auch plötzlich auftretende Störungen agil abfedern lassen.

Komplementär dazu arbeitet die datengetriebene KI, bei der maschinelles Lernen zum Einsatz kommt. Hier entdecken die Algorithmen hilfreiche Muster und Korrelationen in den vorhandenen Daten. Daraus lassen sich immer bessere Vorhersagen für die Zukunft ableiten. Beides ist nötig, um nachhaltig gut zu entscheiden.

Chefsache Entscheidungsoptimierung

Anstatt also bei einer Störung in hektisch zusammengewürfelten Meetings Wahrscheinlichkeiten und Risiken abzuwägen – und am Ende Entscheidungen doch impulsiv aus dem Bauch heraus zu treffen – steht das operative Management in der Pflicht, die Rahmenbedingungen für betrieblich sinnvolle Entscheidungen zu schaffen. Digital Decision Making kann dafür der wesentliche Stellhebel sein – ein wertgetriebener Einsatz künstlicher Intelligenz in Unternehmen.



Diese Beiträge könnten Sie auch interessieren

Eine Roadmap zum werttreibenden Einsatz von KI

Lesen

Operated by AI: Die wichtigsten Einsatzgebiete in Unternehmen

Lesen

Mit Value Engineering Artificial Intelligence sinnvoll im operativen Management einsetzen

Lesen

Nach oben