Die Entscheidungsanalyse floriert in der Operations Research Community
Die Entscheidungsanalyse (DA) ist eines der wichtigsten Instrumente des Operations Research (OR). Die DA ist besonders effektiv bei der Abbildung der realen Welt auf die Modelldarstellung, um die Anwendung formaler Analysen zu ermöglichen. Die DA ist ein flexibles Modellierungsparadigma, das seit den 1960er Jahren existiert und auf der statistischen Entscheidungstheorie, Elementen des Nutzens aus der Wirtschaftswissenschaft, der Wahrscheinlichkeitstheorie, der dynamischen Programmierung und der stochastischen Programmierung basiert. Sie zielt darauf ab, eine optimale Vorgehensweise für Entscheidungsprobleme mit Unsicherheiten, die sich auf Ergebnisse und Werte auswirken, zu ermitteln. Optimal bedeutet hier Maximierung des erwarteten Nutzens, was nach der Entscheidungstheorie gleichbedeutend ist mit der Befolgung der Axiome der Rationalität bei einer Reihe von Überzeugungen.
Artikel über DA sind mit einiger Regelmäßigkeit in Interfaces (dem Vorgänger des INFORMS Journal on Applied Analytics (IJAA)) erschienen, wobei sich frühe Anwendungen auf die Politik und spätere auf die Forschung und Entwicklung von Konsumgütern, Pharmazeutika sowie Öl und Gas konzentrierten, was ganz natürlich ist, weil es bei diesen Anwendungen unterschiedliche Entscheidungspunkte gibt, an denen Investitionen fortgesetzt oder gestoppt werden (was die Bedeutung der lateinischen Wurzel decidere ist). In einer Sonderausgabe von Interfaces aus dem Jahr 1992 mit dem Titel „Decision and Risk Analysis“ (Entscheidungs- und Risikoanalyse) wurden Anwendungen vorgestellt, die umfangreiche Darstellungen von Entscheidungsproblemen verwenden, wie z. B. Einflussdiagramme als Abstraktion des Entscheidungsbaums, Strategietabellen zur Definition komplexer Handlungsoptionen und praktische Techniken, die Value-focused Thinking und Wertehierarchien zur Umsetzung der Multiattribut-Nutzentheorie beinhalten.
All diese Entwicklungen tragen dazu bei, das Wissen und die Anliegen der Problemverantwortlichen durch Modellspezifikation und Urteilserhebung zu erfassen. Darüber hinaus bilden DA-Modelle oft eine Schnittstelle zu separaten, anspruchsvollen technischen oder finanziellen Modellen oder sind diesen untergeordnet. Und DA-Darstellungen helfen dabei, die Implikationen von Modellen zu kommunizieren, z. B. durch Tornado-Diagramme, Portfoliodiagramme, kumulative Verteilungen und Risikoprofile.
In den letzten Jahren wurde die DA um anspruchsvolle Berechnungsfunktionen erweitert. Obwohl sich bis heute viele DA-Anwendungen letztlich auf die Berechnung von Entscheidungsbäumen oder Ähnlichem beschränken, hat sich die Software verbessert und umfasst nun eine modulare grafische Entwicklung mit Schnittstellen zu Tabellenkalkulationen und Programmierumgebungen wie R und Python. Auch die mit der DA verbundene Theorie entwickelt sich weiter, z. B. die Gruppenentscheidungstheorie und die Erweiterung der Nutzentheorie auf Mehrparteien-Situationen, in denen Überlegungen wie Gerechtigkeit wichtig sind. Es gibt eine beträchtliche Menge an angrenzenden computerintensiven Arbeiten zu Bayes-Netzen, maschinellem Lernen und Inferenz. Die Wissenschaft der Datenerhebung hat sich exponentiell weiterentwickelt, angefangen bei einem besseren Verständnis von Urteilsverzerrungen, der Weisheit der Massen und anderen Möglichkeiten, die Urteile mehrerer Experten zu kombinieren, bis hin zu einer zunehmenden mathematischen und rechnerischen Raffinesse, die in jüngster Zeit mit Copulas zur Darstellung von Korrelationen unterschiedlicher Art zwischen Variablen vorangetrieben wurde. Wie in dieser Ausgabe zu sehen ist, wird die DA zunehmend mit anderen OR-Techniken verknüpft, wie z. B. der mathematischen Programmierung für Portfolio-DA, was zu Innovationen in Wissenschaft und Praxis führt. Somit ist DA ein spannendes Gebiet, das für die Leser der IJAA nicht nur aufgrund seiner eigenen Vorzüge von Interesse ist, sondern auch als ein Gebiet, das einen Mehrwert für andere Bereiche des OR darstellen kann.
Saurabh Bansal, Jeffrey M. Keisler, Johannes U. Siebert, Karen E. Jenni (2023) Applying Decision Analysis to Diverse Domains: An Introduction to the Special Issue. INFORMS Journal on Applied Analytics 53(3):173-177. https://doi.org/10.1287/inte.2023.1163 
