Das klassische rationale Modell geht von einem allwissenden Entscheider aus, der in der Lage ist, alle Optionen zu inventarisieren und deren Konsequenzen zu berechnen. In der Praxis arbeiten wir jedoch mit unvollständigen Daten, engen Fristen und widersprüchlichen Signalen. Das Verständnis von Entscheidungsmodellen dient nicht dazu, eine theoretische Box abzuhaken, sondern das richtige kognitive Rahmenwerk je nach dem Grad der Unsicherheit, mit dem man konfrontiert ist, auszuwählen.
Entscheiden unter Unsicherheit: Der bayesianische Rahmen als operative Alternative
Die meisten im Management gelehrten Modelle basieren auf einer impliziten Annahme: Die notwendigen Informationen existieren, man muss sie nur sammeln. Das reine rationale Modell, das politische Modell und sogar die begrenzte Rationalität von Simon setzen einen abgrenzbaren Datenrahmen voraus. Wenn die Daten unvollständig oder widersprüchlich sind, verlieren diese Rahmen ihre normative Kraft.
Ergänzende Lektüre : Verstehen Sie die Frist für den Erhalt eines Bußgeldbescheids durch Videoüberwachung: Die Informationen, die Sie benötigen, um Ihre Bußgelder zu verwalten!
Der bayesianische Ansatz betrachtet die Entscheidung als ein Experiment, nicht als eine festgelegte Schlichtung. Das Prinzip besteht darin, eine anfängliche Hypothese (einen “Prior”) aufzustellen, eine begrenzte Aktion zu starten, um Feedback zu sammeln, und dann das Denken basierend auf den beobachteten Ergebnissen zu korrigieren. HEC hebt diese Logik für Entscheidungen mit hohen Einsätzen hervor: Rohwetten durch testbare Hypothesen und schrittweises Lernen ersetzen.
Konkret bedeutet das, eine strategische Entscheidung in Mikrotests zu unterteilen. Anstatt ein komplettes Projekt auf der Grundlage einer statischen Marktstudie zu validieren, startet man einen begrenzten Pilotversuch, misst die Rückmeldungen und passt an. Die Erkundung der verschiedenen Entscheidungsmodelle ermöglicht es gerade, herauszufinden, welches sich für diesen iterativen Kontext eignet.
Weiterlesen : Entdecken Sie die besten Tipps und Tricks, um Ihre Schönheit im Alltag zu unterstreichen
Dieser Rahmen eignet sich besonders für Umgebungen, in denen die Kosten für Verzögerungen die für korrigierbare Fehler übersteigen. Ein Produktlaunch, eine Rekrutierung für eine neue Position, ein Eintritt in einen unbekannten Markt: In jedem Fall kostet es mehr, auf die perfekte Datenlage zu warten, als eine unvollkommene Hypothese zu testen.
Begrenzte Rationalität und Korbmodell: Wann sie wirklich zu verwenden sind
Das Modell der begrenzten Rationalität (Herbert Simon) und das Korbmodell (Cohen, March, Olsen) werden oft nebeneinander in Lehrbüchern präsentiert. Ihre operative Anwendung unterscheidet sich jedoch radikal.
Begrenzte Rationalität und Satisficing
Simon führte das Konzept des Satisficing ein: Man sucht nicht die beste Option, sondern wählt die erste, die einen akzeptablen Schwellenwert überschreitet. Dieses Modell funktioniert, wenn die Entscheidungskriterien stabil und die Optionen vergleichbar sind. Eine Lieferantenauswahl mit einem klaren Lastenheft, eine Auswahl von Kandidaten basierend auf messbaren Fähigkeiten.
Seine Grenze zeigt sich, wenn der Schwellenwert der Akzeptabilität selbst unklar ist. Wenn das Team nicht definieren kann, was “ausreichend gut” ist, dreht sich das Satisficing im Kreis oder produziert Entscheidungen durch Default, die niemand übernimmt.
Das Korbmodell im realen Kontext
Das Korbmodell beschreibt Situationen, in denen Probleme, Lösungen und Teilnehmer nahezu zufällig aufeinandertreffen. Wir beobachten dies regelmäßig in Matrixorganisationen oder interdisziplinären Ausschüssen: Eine bereits bestehende Lösung (ein Werkzeug, ein verfügbares Budget) haftet an einem neu aufgetretenen Problem, einfach weil beide zur gleichen Zeit in derselben Sitzung sind.
Zu erkennen, dass man sich in einem “Korb”-Prozess befindet, ist bereits ein entscheidender Vorteil. Dies verhindert, dass man nachträglich eine Entscheidung rationalisiert, die keiner sequenziellen Logik gefolgt ist. Das Team kann dann bewusst entscheiden, ob es die Kopplung von Problem und Lösung validieren oder den Prozess erneut öffnen möchte.
Politisches Entscheidungsmodell: Die Machtverhältnisse schlichten
Das politische Modell geht von der Feststellung aus, dass die Entscheider weder die gleichen Ziele noch die gleichen Informationen teilen. Die Entscheidung resultiert dann aus Verhandlungen, Koalitionen und Kompromissen. Dieser Rahmen ist besonders relevant für Entscheidungen, die mehrere Abteilungen mit widersprüchlichen Leistungsindikatoren betreffen.
Drei Bedingungen signalisieren, dass ein Entscheidungsprozess politisch geworden ist:
- Die Stakeholder verfolgen gegenseitig ausschließliche Ziele (Wachstum vs. Kostenreduktion, Innovation vs. Compliance)
- Die Informationen sind asymmetrisch: Einige Akteure verfügen über Daten, die andere nicht haben, und teilen sie nicht spontan
- Die formale Macht (Organigramm) entspricht nicht der tatsächlichen Macht (Einfluss, Expertise, Zugang zum endgültigen Entscheider)
In diesem Kontext dienen analytische Werkzeuge wie Entscheidungsmatrizen nicht dazu, die richtige Antwort zu finden, sondern die Verhandlung zu strukturieren. Eine Tabelle mit gewichteten Kriterien macht die Präferenzen jedes Akteurs deutlich. Sie verlagert die Diskussion von “Ich habe recht” zu “Hier sind meine Kriterien und ihr relatives Gewicht”.
Das richtige Modell je nach Art des Problems wählen
Der häufigste Fehler besteht darin, ein Entscheidungsmodell aus Gewohnheit anzuwenden, anstatt es an den Kontext anzupassen. Wir empfehlen, das Problem zu qualifizieren, bevor das Rahmenwerk ausgewählt wird:
- Strukturiertes Problem, verfügbare Daten, klare Kriterien: Das klassische rationale Verfahren oder das Satisficing genügen
- Neues Problem, unvollständige Daten, hohe Einsätze: Der bayesianische Rahmen (Hypothese, Test, Korrektur) bietet eine kontrollierte Progression
- Organisatorisches Problem, mehrere Stakeholder, divergierende Ziele: Das politische Modell strukturiert die Verhandlung
- Aufkommendes Problem in einer flexiblen Organisation, ohne klares Ownership: Erkennen, ob man sich in einem “Korb”-Betrieb befindet, um opportunistische, nicht übernommene Entscheidungen zu vermeiden
Die Wahl des Modells ist selbst eine Entscheidung, die die Qualität des Ergebnisses beeinflusst. Ein rationaler Prozess, der auf ein politisches Problem angewendet wird, wird eine technisch korrekte Empfehlung hervorbringen, die niemand umsetzen wird. Ein bayesianischer Rahmen, der auf eine binäre und dringende Wahl angewendet wird, wird Zeit mit unnötigen Iterationen verschwenden.
Die entscheidungsrelevante Kompetenz, die am meisten zählt, ist nicht die Beherrschung eines einzelnen Modells, sondern die Fähigkeit, die Natur des Problems schnell zu diagnostizieren und dann den passenden Prozess auszuwählen. Diese Kompetenz der Meta-Entscheidung wird in Managementausbildungen selten behandelt und von leistungsstarken Teams durch Erfahrung und kritisches Feedback zu ihren eigenen vergangenen Entscheidungen entwickelt.