Fähigkeiten zur Entscheidungsfindung verbessern

Forscher des Projekts SIMID (Simulation modeling to improve decision making in complex-dynamic environments) untersuchten, was zu einem schlechten Verständnis und in der Folge zu schlechten Entscheidungen hinführt. Aus den gleichen Gründen findet effektives Lernen typischerweise nicht in komplexen Entscheidungsfindungsumgebungen statt.

Es konnten fünf Hauptresultate erzielt werden. Das erste war eine Faustregel, vorgeschlagen zur Parameterwertauswahl für die wohlbekannte Anker-und-Anpassungsheuristik (anchor-and-adjust heuristic), die in der Lagerverwaltung für ein breites Spektrum von Bedingungen angewandt wird. Das zweite war ein Soft-Landing-Modell, das entwickelt wurde, wobei verschiedene Heuristiken im Detail verglichen wurden. Drittes Ergebnis war ein Basismodell zur Bestandskontrolle und ein auf Grundlage dieses Modells entwickeltes Spiel. Experimente wurden konzipiert und abgeschlossen. Das nächste Resultat war ein komplexes Arbeitskräfte- und Dienstleistungsauftragsbestands-Managementmodell mit einem begleitenden Spiel auf Basis dieses Modells. Entwurf und Durchführung der Experimente wurden beendet. Zu guter Letzt wurde ein detailliertes mathematisches Modell einer berühmten Entscheidungsfindungsaufgabe (The Beer Game) entwickelt. Es ist in R kodiert, und auf Grundlage dieses Modells wurden Simulationsexperimente durchgeführt.

Die Verbesserung der dynamischen Entscheidungsfindung ist für verschiedenste Typen und Ebenen der Verwaltung komplexer dynamischer Systeme von großer Bedeutung. Es ist zum Beispiel für Einzelpersonen wichtig, die ihr Gewicht kontrollieren wollen. Es ist für Ärzte und Pflegepersonal notwendig, die die Gesundheit ihrer Patienten mit chronischen Erkrankungen betreuen müssen. Führungskräfte auf sämtlichen Ebenen im öffentlichen und privaten Bereich brauchen gute Entscheidungsfindungsfähigkeiten.

Um unsere Art des Umgangs mit den zunehmend komplexer werdenden Problemen der modernen Welt zu verbessern, muss die dynamische Komplexität der Welt durchschaut werden. Mehr Verständnis für die Komplexität unserer modernen Welt bietet die Lösungen und nicht die Probleme von morgen.

Diese Forschungsresultate können für die praktische Anwendung für alle verschiedenen Arten von realen dynamischen Entscheidungsproblemen verallgemeinert werden.