Kommentar von Oliver Bastert, Gurobi Bauchgefühl ade: Mit Decision Intelligence zu fundierten Geschäftsentscheidungen

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Board Deutschland GmbH

QUNIS GmbH

Führungskräfte, die weitreichende Entscheidungen treffen müssen, möchten das auf einer möglichst belastbaren Grundlage tun. Datengestützt liegt im Trend. Doch Daten allein reichen nicht aus, sie reflektieren nur einen historischen Ist-Zustand. Mit Machine Learning und prädiktiven KI-Verfahren können Daten zwar sehr gut analysiert und Prognosen erstellt werden. Doch um zu verstehen, welche Handlungen zu den objektiv besten Ergebnissen führen, brauchen Unternehmen einen erweiterten Ansatz.

Entscheidungen, die sich auf eine umfassende Datengrundlage und belastbare Analysen stützen, werden in der Geschäftswelt von heute immer wichtiger. Da Führungskräfte auf Künstliche Intelligenz (KI) und fortschrittliche Analysen setzen, um sich einen Wettbewerbsvorteil zu verschaffen, ist mit Decision Intelligence (DI) eine neue Disziplin entstanden. Diese darf man nicht als einzelne Technologie missverstehen. Vielmehr verbirgt sich dahinter ein Ansatz, der Datenwissenschaft mit Entscheidungslogik und operativer Umsetzung zusammenbringt, um Entscheidungsprozesse zu analysieren und zu optimieren. Innerhalb dieses Frameworks werden wiederum konkrete Technologien eingesetzt, wie beispielsweise mathematische Optimierung und Machine Learning.

Dieser Ansatz revolutioniert die Art und Weise, wie Unternehmen komplexe Entscheidungen treffen – er hilft ihnen nicht nur, Daten zu analysieren und Vorhersagen zu treffen, sondern auch zu berechnen, welche Maßnahmen die besten Ergebnisse hervorbringen.

Was genau ist Decision Intelligence?

Im Kern geht es um einfach zu formulierende, aber hochkomplexe Frage „Wie sieht die bestmögliche Entscheidung aus?“ In Geschäftsprozessen, die von unzähligen Variablen abhängen, soll darauf eine fundierte Antwort gefunden werden, die nicht auf Erfahrungswerten oder Schätzungen beruht, sondern auf exakten und reproduzierbaren Berechnungen. Hier kommt mathematische Optimierung als Schlüsseltechnologie ins Spiel. Business-Probleme werden in mathematische Zusammenhänge übersetzt. Ein sogenannter Solver nutzt dann verschiedenen Algorithmen, um die optimale Lösung eines Problems unter gegebenen Bedingungen zu finden.

Darauf aufbauend können Unternehmen mit DI eine Reihe von „Was-wäre-wenn“-Szenarien simulieren. Das reicht von der Automatisierung routinemäßiger Entscheidungsprozesse über das Verständnis der Auswirkungen von Einschränkungen des Geschäftsbetriebs bis hin zur Optimierung konkurrierender Ziele.

Das ist besonders wichtig für Branchen, in denen Entscheidungen schnell und in großem Umfang getroffen werden müssen, wie beispielsweise in der Fertigung, Logistik, im Einzelhandel und im Energiesektor.

Vorhersagen allein reichen nicht aus – Unternehmen brauchen Optimierung

Machine-Learning-Modelle und prädiktive KI-Anwendungen sind hervorragend darin, vorherzusagen, was als Nächstes passieren könnte, beispielsweise sinkende Kundennachfrage zu antizipieren oder steigende Risikoexposition zu prognostizieren. Jedoch können Machine-Learning-Modelle keine direkten Empfehlungen vorbereiten, wie Verantwortliche gegensteuern können. Hier unterstützt mathematische Optimierung – eine etablierte Spielart von KI – indem sie mit deterministischen Verfahren konkrete, reproduzierbare Lösungen für definierte Probleme liefert. Anders als die auf statistischen und stochastischen Methoden basierenden Outputs generativer KI, können Ergebnisse aus der mathematischen Optimierung als belastbare Grundlagen für Geschäftsentscheidungen dienen.

Ein moderner Technologie-Stack für Decision Intelligence umfasst in der Regel weitere Tools zur Datenerfassung und -transformation, prädiktive Modelle wie Nachfrageprognosen oder Klassifikationsmodelle, präskriptive Engines wie mathematische Optimierung, Frameworks zur Entscheidungsmodellierung für die Simulation von Szenarien und Abwägungen sowie Benutzeroberflächen oder APIs, über die Empfehlungen an Fachanwender ausgespielt werden können. Durch diese modulare Struktur lässt sich DI direkt in Unternehmensprozesse, kundenorientierte Anwendungen oder strategische Planungswerkzeuge integrieren. Bereits heute liefert die Technologie messbare Ergebnisse in verschiedenen Branchen:

• Im Einzelhandel werden Preise, Sortimente und Ladenlayouts optimiert,

• in der Logistik werden Routen optimiert und Zustellprozesse sowie Lagerabläufe verbessert,

• in der Finanzbranche werden Portfolios optimiert, Betrugsprävention betrieben und Kredite bewertet,

• im Energiesektor wird die Netzstabilität gewährleistet, Lastprognosen erstellt und die Kapazitätsplanung durchgeführt und

• in der Telekommunikation werden Netzwerke optimiert und Maßnahmen zur Kundenbindung ergriffen.

All diese Anwendungsfälle haben gemeinsam, dass verschiedene Ziele und Nebenbedingungen ausbalanciert werden müssen – etwas, wofür die Optimierung speziell ausgelegt ist.

Bessere Entscheidungen für alle

Optimierungsexperten, darunter Fachleute mit einer Ausbildung in Operations Research, Datenwissenschaft, Mathematik oder Ingenieurwesen, sind heute gefragte Experten in den führenden Unternehmen der Welt. In einer aktuellen Gurobi-Umfrage geben 63 Prozent von ihnen an, dass ihre Arbeit sehr oder absolut kritisch für ihr Unternehmen ist. Diese Experten wissen, wie sie alle wichtigen Technologiekomponenten der Entscheidungsintelligenz nutzen können, um ihren Unternehmen dabei zu helfen, die bestmöglichen Lösungen für ihre größten Herausforderungen zu finden.

In der Vergangenheit erforderte die mathematische Optimierung spezielle Fähigkeiten, und tatsächlich verfügen 82 Prozent der Optimierungsexperten über einen Master- oder Doktorgrad. Diese Hürde wird jedoch immer geringer. Neue Bildungsressourcen und KI-gestützte Modellierungstools erleichtern es Menschen ohne fundierte mathematische Ausbildung, Optimierung zu erlernen oder Einstiegsmodelle zu erstellen.

Die KI-gestützte Modellierung verfolgt einen problemorientierten Ansatz, der Anwendern hilft, geschäftliche Fragestellungen in natürlicher Sprache auszudrücken und zu sehen, wie diese in Optimierungsmodelle umgesetzt werden. Eine umfassende Dokumentation und KI-gestützte Ressourcen zeigen ihnen, wie sie generative KI-Technologie nutzen können, um einfache Optimierungsmodelle selbst zu erstellen. 

Unternehmen, die Optimierungstechnologien einsetzen, erhalten auch bei Entscheidungen mit unzähligen Variablen eine belastbare Grundlage, um den besten Weg auszuwählen. Ein weiterer Vorteil: Subjektive Urteile können deutlich reduziert werden, wenn Entscheidungen durch transparente, vertretbare und mathematisch fundierte Ergebnisse gestützt werden.

Unternehmen benötigen heute für fundierte Entscheidungen mehr als reine Datenanalysen. Decision Intelligence verbindet KI, Machine Learning und mathematische Optimierung zu einem leistungsfähigen Ansatz, der nicht nur Vorhersagen ermöglicht, sondern konkrete Handlungsempfehlungen liefert. Dadurch können komplexe Geschäftsprozesse effizienter gesteuert, Unsicherheiten reduziert und konkurrierende Ziele optimal ausbalanciert werden. Mit neuen Tools und KI-gestützter Modellierung wird dieser Ansatz für noch mehr Mitarbeitende zugänglich und entwickelt sich zu einem zentralen Erfolgsfaktor für Unternehmen in nahezu allen Branchen.

(ID:50812445)