Johannes Siebert

Schlagwort: Entscheidungsanalyse

  • MCI Professor Johannes Siebert erhält renommierten SDP Award

    MCI Professor Johannes Siebert erhält renommierten SDP Award

    Internationale Auszeichnung würdigt herausragende Beiträge in datenbasierter Entscheidungsfindung, Supply Chain Management und gesellschaftlichem Impact  |  Verleihung im Rahmen der 32. SDP Jahreskonferenz an der University of Massachusetts in Boston

    Johannes Siebert, Professor für Entscheidungswissenschaften, Verhaltensökonomie und Supply Chain Management am MCI, wurde mit dem „Inspirational Achievement Award“ der Society of Decision Professionals (SDP) ausgezeichnet. Der international renommierte Preis wurde im Rahmen der 32. SDP Jahreskonferenz an der University of Massachusetts in Boston verliehen, um herausragende Leistungen in der Entscheidungsanalyse sowie besonderes Engagement für die Weiterentwicklung des Fachgebiets zu würdigen.

    Am MCI lehrt und forscht Johannes Siebert im Bereich der Entscheidungsanalyse mit Fokus auf datenbasierte Entscheidungsfindung, Behavioral Economics und Multi-Kriterien-Methoden. Ein besonderer Schwerpunkt liegt dabei auf der Rolle von Künstlicher Intelligenz in Entscheidungsprozessen sowie darauf, Entscheidungsqualität messbar und trainierbar zu machen.

    „Die Entscheidungswissenschaft steht an einem Wendepunkt: Künstliche Intelligenz verändert, wie Entscheidungen getroffen werden – gleichzeitig war die Bedeutung strukturierter, wertebasierter Entscheidungsprozesse nie größer. Diese Auszeichnung motiviert mich sehr, die Weiterentwicklung des Feldes in Forschung, Praxis und Lehre weiter voranzutreiben“, erklärt Johannes Siebert.

    Seine Expertise bringt er regelmäßig in internationalen Praxisprojekten für private und öffentliche Auftraggeber ein, etwa im Energiesektor, im Transportsektor oder in der Pharmaindustrie. Dreimal war er Finalist für den Practice Award der Decision Analysis Society (INFORMS). Auch seine exzellente Lehre findet internationale Anerkennung, unter anderem durch eine Finalisten-Nominierung für den hoch angesehenen European Award for Excellence in Teaching in Social Sciences and Humanities.

    MCI Rektor Andreas Altmann gratuliert: „Diese Auszeichnung unterstreicht, wofür das MCI steht: exzellente Forschung, starke Praxisorientierung und die aktive Mitgestaltung zentraler Herausforderungen. Johannes Siebert verkörpert diese Werte in besonderer Weise und stärkt mit seiner internationalen Sichtbarkeit die Position des MCI als führende Hochschule im Bereich Entscheidungswissenschaft und Managementausbildung.“

    Die originale Pressemitteilung des MCI finden Sie hier: https://www.mci.edu/de/medien/news/7126-mci-professor-johannes-siebert-erhaelt-renommierten-sdp-award

  • Fünfzig Jahre Entscheidungsanalyse in der Operational Research: Ein Überblick

    Fünfzig Jahre Entscheidungsanalyse in der Operational Research: Ein Überblick

    Wir geben einen Überblick über die Entwicklung der Forschung zur Entscheidungsanalyse (DA) in den vergangenen fünfzig Jahren. Nach der Darstellung der axiomatischen Grundlagen und einer Diskussion des DA-Prozesses beginnen wir mit dem wertorientierten Denken als Methode zur Problemstrukturierung. Anschließend analysieren wir die Modellbildungsphase mit Fokus auf grafische Modelle für Entscheidungen unter Unsicherheit, darunter Bayes’sche Netzwerke, Entscheidungsbäume und Einflussdiagramme. Danach wird untersucht, wie die DA-Forschung mit Unsicherheit umgeht, insbesondere in den Bereichen Erhebung, Aggregation und Bewertung. Es folgt eine Erörterung der Sensitivitätsanalyse, die lokale und globale Techniken beschreibt – von der Einweg-Sensitivitätsanalyse bis zum Informationswert. Abschließend wird die Literatur zum Thema Informationsgewinnung betrachtet und die Rolle des Informationswerts in diesem Zusammenhang diskutiert.

    Borgonovo, Emanuele; Jose, Victor Richmond R.; Knowlton, Morgan; Shachter, Ross; Siebert, Johannes U.; Ulu, Canan. “Fifty years of decision analysis in operational research: A review.” European Journal of Operational Research, 329(2), 2026, 355–377. https://doi.org/10.1016/j.ejor.2025.05.023

    Eingeladener Übersichtsartikel anlässlich des 50-jährigen Jubiläums von EURO (Association of European Operational Research Societies).

  • ChatGPT vs. Expert:innen: Kann generative KI hochwertige Zielsysteme für organisationale und politische Entscheidungen entwickeln?

    ChatGPT vs. Expert:innen: Kann generative KI hochwertige Zielsysteme für organisationale und politische Entscheidungen entwickeln?

    Diese Studie untersucht die Leistungsfähigkeit generativer künstlicher Intelligenz (GenAI) im Kontext des Value-Focused Thinking, insbesondere ihre Fähigkeit, hochwertige Zielsysteme für organisationale oder politische Entscheidungen zu entwickeln. Insgesamt zeigen unsere Ergebnisse, dass die von GenAI generierten Ziele einzeln betrachtet meist sinnvoll sind, die resultierenden Zielsysteme als Ganzes jedoch deutliche Schwächen aufweisen. Häufig enthalten sie irrelevante Aspekte, lassen wichtige Ziele aus und sind zudem redundant sowie nicht klar strukturierbar. Dies ist unter anderem darauf zurückzuführen, dass GenAI dazu neigt, Mittelziele einzubeziehen – selbst dann, wenn dies explizit vermieden werden soll.

    Gleichzeitig zeigen wir, dass sich die Qualität der Zielsysteme durch den Einsatz von Best Practices im Prompting sowie durch Expertise in der Entscheidungsanalyse deutlich verbessern lässt. Die Ergebnisse unterstreichen die Bedeutung eines „Human-in-the-Loop“-Ansatzes: GenAI eignet sich gut zur Generierung erster Zielideen, jedoch ist die Einbindung von Expert:innen mit fundiertem Hintergrund in der Entscheidungsanalyse entscheidend, bevor die Ergebnisse zur Unterstützung realer Entscheidungen verwendet werden.

    Zur praktischen Umsetzung präsentieren und demonstrieren wir einen vierstufigen Ansatz, der die jeweiligen Stärken von GenAI und Entscheidungsanalyst:innen kombiniert.

    Weitere Informationen: MCI-Pressemitteilung

    Simon, Jay; Siebert, Johannes U. “ChatGPT vs. Experts: Can GenAI Develop High-Quality Organizational and Policy Objectives?” Decision Analysis, Articles in Advance, online veröffentlicht am 11. November 2025. https://doi.org/10.1287/deca.2025.0387

    Erschienen im Special Issue „Implications of Advances in Artificial Intelligence for Decision Analysis“.

  • Lineare Transformation eindimensionaler Nutzenfunktionen: Eine empirische Studie zum Einfluss auf die finale Rangfolge von Alternativen bei persönlichen Entscheidungen

    Lineare Transformation eindimensionaler Nutzenfunktionen: Eine empirische Studie zum Einfluss auf die finale Rangfolge von Alternativen bei persönlichen Entscheidungen

    Die Bestimmung eindimensionaler Nutzenfunktionen für jedes Ziel in der Multiattributiven Nutzentheorie (MAUT) ist für Entscheidungsträger mit erheblichem Zeit- und kognitivem Aufwand verbunden. Dabei müssen sie unter anderem abnehmenden oder zunehmenden Grenznutzen sowie ihre individuelle Risikoeinstellung berücksichtigen, was häufig zu nichtlinearen Funktionsverläufen führt. Diese Einschätzungen sind anfällig für Fehler und Verzerrungen.

    In dieser Studie untersuchen wir, inwieweit eine lineare Transformation eindimensionaler Nutzenfunktionen die Entscheidungsqualität beeinträchtigt. Konkret analysieren wir drei Aspekte: die Verwendung von (nicht-)linearen Nutzenfunktionen, deren Einfluss auf die Rangfolge von Alternativen sowie die Stabilität der besten Alternativen in Abhängigkeit von Nutzenunterschieden unter Annahme linearer Transformation.

    Die Analyse basiert auf 2.536 sorgfältig modellierten persönlichen Entscheidungen, die von Studierenden mithilfe des Entscheidungstools Entscheidungsnavi durchgeführt wurden. Die Ergebnisse zeigen, dass 95,9 % der Teilnehmenden mindestens eine nichtlineare Nutzenfunktion verwendeten und 76,4 % aller Ziele nichtlinear bewertet wurden. Die Vereinfachung präferenzgerechter Nutzenfunktionen durch Linearisierung führte in 15,5 % der Entscheidungen zu einer Rangumkehr der besten Alternative. Die Menge der drei besten Alternativen veränderte sich in 14 % der Fälle. Gleichzeitig befand sich in 98,8 % der Entscheidungen die beste Alternative weiterhin unter den Top drei bei Annahme linearer Nutzenfunktionen.

    Tönsfeuerborn, M., von Nitzsch, R., & Siebert, J. U. (2026). Linear transformation of one-dimensional utility functions: Empirical study on the impact on the final ranking of alternatives in personal decisions. Decision Analysis, 23(1), 46–64. https://doi.org/10.1287/deca.2024.0317

  • Kluge Entscheidungen sind der Schlüssel

    Kluge Entscheidungen sind der Schlüssel

    Beim 2. Bildungs-Summit der Unternehmerverbände Niedersachsen habe ich einen Impuls zu der Frage gehalten, die in der Berufsorientierung meist übersprungen wird: Junge Menschen lernen viel darüber, welche Wege es gibt – aber kaum etwas darüber, wie man zwischen ihnen entscheidet.

    Vortrag: Kluge Entscheidungen sind der Schlüssel – Berufliche Orientierung durch Entscheidungsanalyse
    Veranstaltung: 2. UVN Bildungs-Summit „Berufsorientierung als Schlüssel zum Erfolg“
    Datum und Ort: 19. März 2025, Karriere-Campus Hannover
    Veranstalter: Unternehmerverbände Niedersachsen e.V. (UVN)
    Veranstaltungsseite der UVN  ·  Aufzeichnung des Summits

    Rund 250 Gäste aus Wirtschaft, Schule und Politik waren am Karriere-Campus in Hannover zusammengekommen. Welches Gewicht das Thema in Niedersachsen hat, zeigte auch die politische Besetzung: Mit Kultusministerin Julia Willie Hamburg und Wirtschaftsminister Olaf Lies – inzwischen Ministerpräsident des Landes – nahmen zwei Landesminister am Summit teil.

    Aufschieben ist auch eine Entscheidung

    Etwa ein Drittel der Jugendlichen bricht Ausbildung oder Studium nach kurzer Zeit wieder ab – mit Folgen für den Fachkräftebedarf und mit erheblicher Belastung für die Betroffenen selbst. Ein Grund dafür wird selten benannt: Viele junge Menschen sehen Entscheidungen als Probleme, die man lösen muss. Probleme lösen ist unangenehm – also schiebt man sie auf. Irgendwann schließt sich das Zeitfenster, und es bleibt nur noch das Übriggebliebene. Oder man macht „erst mal nichts“, und auf das erste „erst mal nichts“ folgt ein zweites.

    Wir müssen junge Menschen nicht nur für Berufe begeistern, sondern auch für ihre Berufs- und Studienwahl.

    Entscheidungskompetenz ist der fehlende Baustein

    Praktika, Check-U, Jobmessen, Tage der offenen Tür: Die bestehenden Angebote leisten viel, und sie haben eines gemeinsam – sie erweitern die Wahlmöglichkeiten. Die Wahl selbst nehmen sie niemandem ab. Dafür braucht es die Fähigkeit, eigenständig und fundiert zu entscheiden. Entscheidungskompetenz ist deshalb keine Konkurrenz zur bestehenden Berufsorientierung, sondern der Baustein, der sie erst wirksam macht.

    Wie das konkret geht, habe ich am Beispiel von KLUGentscheiden gezeigt, das ich als Forschungsprojekt an der Universität Bayreuth initiiert habe. Mit Methoden der Entscheidungsanalyse zerlegen wir gemeinsam mit Schülerinnen und Schülern ihre Entscheidung in bewältigbare Teilschritte: Ziele klären, Handlungsalternativen entwickeln, beides zusammenbringen. Die Analyse unterstützt unser digitales Tool KLUGnavi. Die Evaluation zeigt, dass die Jugendlichen die Berufs- und Studienwahl danach als weniger schwierig wahrnehmen und sich als proaktiver und selbstwirksamer einschätzen (Siebert, Becker & Oeser, 2023, Decision Sciences Journal of Innovative Education 21(1), 10–25).

    Der Engpass liegt bei der Verankerung

    Das Interesse der Lehrkräfte ist groß – allein in Bayern haben wir über 400 von ihnen als Multiplikatorinnen und Multiplikatoren fortgebildet, die Materialien stehen kostenlos zur Verfügung. Die eigentliche Hürde kommt danach: Gerade die engagiertesten Lehrkräfte stoßen bei der dauerhaften Verankerung an ihrer Schule auf Widerstände.

    Wie es gehen kann, zeigt das Saarland. Dort läuft mit „KLUGentscheiden! goes Saar“ ein von den gesetzlichen Krankenkassen gefördertes Projekt, das gemeinsam mit dem Landesamt für Pädagogik und Medien und dem Ministerium für Bildung und Kultur bis 2027 genau daran arbeitet: Materialien an unterschiedliche Zeitmodelle anpassen, Lehrkräfte über Train-the-Trainer befähigen und die Durchführung in die Hände der Schulen legen. Genau diese Form der strukturellen Verankerung braucht es – und genau darüber habe ich in Hannover gesprochen.

    Mehr zu Materialien und Fortbildungen: klugentscheiden.org

  • Applying Decision Analysis to Diverse Domains: An Introduction to the Special Issue

    Applying Decision Analysis to Diverse Domains: An Introduction to the Special Issue

    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



  • Caltrans: Welche Straßenprojekte verdienen das Geld?

    Caltrans: Welche Straßenprojekte verdienen das Geld?

    Die kalifornische Verkehrsbehörde Caltrans investierte über das State Highway Operation and Protection Program (SHOPP) damals jährlich rund 2,3 Milliarden US-Dollar in Erhalt, Sicherheit und Sanierung von Highways und Brücken. Im September 2014 habe ich Caltrans gemeinsam mit Ralph Keeney dabei beraten, wie sich diese Projekte nachvollziehbarer priorisieren lassen.

    Auftraggeber: California Department of Transportation (Caltrans), SHOPP Pilot Project
    Zeitraum: September 2014
    Rolle: Beratung in der Framing-Phase, gemeinsam mit Ralph Keeney
    Ergebnis: Empfehlungsbericht „Recommendations about Decision-Making for Caltrans SHOPP Project Prioritization“ (Keeney & Siebert)
    Methode: Value-Focused Thinking, Multi-Objective Decision Analysis

    Ausgangslage

    Bis dahin wurden SHOPP-Projekte über 31 Programme priorisiert. Ob ein Projekt Geld bekam, hing vor allem davon ab, welchem Programm es zugeordnet war und wie hoch dieses Programm im Ranking stand. Was ein Projekt tatsächlich bewirkt – über mehrere Anlagen hinweg und im Verhältnis zu seinen Kosten –, ließ sich so kaum abbilden. Caltrans hatte gerade eine neue Vision, Mission und neue Ziele formuliert und eine umfangreiche Liste möglicher Bewertungskriterien zusammengetragen. Die Frage war: Wie wird daraus eine Priorisierung, die logisch sauber und gegenüber Politik und Öffentlichkeit begründbar ist?

    Was wir gemacht haben

    Am 22. September 2014 haben Ralph Keeney und ich in Sacramento an einem Tag mehrere Gespräche geführt: mit dem Projektteam, mit den Verantwortlichen für Finanzen, Projektabwicklung, Instandhaltung und Planung, mit zwei District Directors und mit einem Vertreter der California Transportation Commission. Wir wollten verstehen, wie Entscheidungen im SHOPP bisher fallen und was sich die Führung von einem besseren Prozess erhofft. Unsere Empfehlungen haben wir anschließend in einem Bericht zusammengefasst. Drei davon halte ich bis heute für zentral.

    Fundamentalziele statt Kriterienlisten

    Die meisten gesammelten Kriterien waren Mittel zum Zweck, keine eigentlichen Ziele. Ein Beispiel:

    Belag verbessern → Unfälle vermeiden → Leben retten

    Nur das letzte Glied ist ein Fundamentalziel – etwas, das uns um seiner selbst willen wichtig ist. Wer Mittel- und Fundamentalziele gemeinsam bewertet, zählt denselben Nutzen doppelt. Die Fundamentalziele mussten wir dabei nicht neu erfinden: Sie ließen sich direkt aus den neuen Caltrans-Zielen ableiten – Sicherheit maximieren, Kosten minimieren, Störungen der Wirtschaft minimieren und Beeinträchtigungen minimieren. Zwei weitere Caltrans-Ziele, Systemleistung und organisatorische Exzellenz, hängen eher vom Gesamthandeln der Behörde ab als von der Auswahl einzelner Projekte und gehören deshalb nicht in die Projektbewertung.

    Ziele messbar machen

    Für jedes Fundamentalziel braucht es ein Attribut, das misst, wie gut eine Alternative es erreicht. Manchmal gibt es ein natürliches Maß, etwa Kosten in Dollar. Manchmal muss man auf ein Proxy-Maß ausweichen, etwa vermiedene Unfälle statt vermiedener Todesfälle. Und manchmal lohnt es sich, ein eigenes Maß zu konstruieren, das zum Beispiel Frontalzusammenstöße stärker gewichtet als leichtere Unfälle.

    Gewichte über Tradeoffs, nicht über „Wichtigkeit“

    Die Frage „Was ist wichtiger, Unfälle oder Kosten?“ hat keine sinnvolle Antwort. Ist ein vermiedener Unfall wichtiger als eine Milliarde Dollar? Wohl kaum. Wichtiger als tausend Dollar? Vermutlich schon. Sinnvoll ist nur die Frage, wie viel eine konkrete Veränderung bei einem Ziel im Vergleich zu einer konkreten Veränderung bei einem anderen wert ist. Setzt man etwa einen vermiedenen Unfall mit zwei Millionen Dollar gleich, dann schafft ein Projekt, das 120 Millionen Dollar kostet und 100 Unfälle vermeidet, einen Nettowert von umgerechnet 80 Millionen Dollar. Solche Werturteile lassen sich offenlegen, diskutieren und am Leitbild der Organisation überprüfen.

    Was ich daraus mitgenommen habe

    Der größte Hebel lag nicht in der Rechnung, sondern in der Frage davor: Was will die Organisation mit ihren Projekten eigentlich erreichen? Sind die Fundamentalziele klar, werden Datenbedarf, Gewichtung und Kommunikation deutlich einfacher. Eine gute Priorisierung beginnt mit Zielen, nicht mit Daten.

    Nachtrag (September 2026): Das Caltrans-Team hat auf Grundlage unserer Empfehlungen und weiterer Empfehlungen von Lee Merkhofer bis Juni 2015 ein Priorisierungsmodell auf Basis der Multi-Objective Decision Analysis samt Prototyp entwickelt. Die Caltrans-Ziele, aus denen wir 2014 die Fundamentalziele abgeleitet haben, blieben bis 2020 die offiziellen Ziele der Behörde. Seither hat Caltrans sie in zwei Strategieplänen neu gefasst; Sicherheit steht bis heute an erster Stelle, und wirtschaftliche Prosperität ist inzwischen ein eigenes Ziel. Den Abschlussbericht des Pilotprojekts mit unserem Empfehlungsbericht im Anhang hat Caltrans veröffentlicht: SHOPP Pilot Project – Phase 1: A Framework for Project Prioritization (PDF, Anhang).