Advertisement

Einführung in die Präskriptive Entscheidungstheorie

  • Rüdiger von Nitzsch
Chapter
  • 131 Downloads
Part of the Neue betriebswirtschaftliche Forschung book series (NBF, volume 95)

Zusammenfassung

Die theoretische Grundlage der vorliegenden Arbeit bildet die multiattributive Nutzentheorie (MAUT). Neben der MAUT existieren aber noch weitere Vorgehensweisen innerhalb der präskriptiven Entscheidungstheorie, die zur Unterstützung von Mehrfachzielentscheidungen eingesetzt werden. Dieses Kapitel stellt diese alternativen Vorgehensweisen kurz und vergleichend dar und dient somit der Einordnung der MAUT in die Verfahrensvielfalt der präskriptiven Entscheidungstheorie. In dieser Darstellung, die im letzten Abschnitt 2.4 erfolgt, werden drei Klassen unterschieden: die Verfahren der mathematischen Programmierung, die multiattributiven Bewertungsverfahren und die Prävalenzverfahren.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    Vgl. z. B. das Preference-Reversal-Phänomen, in dem zwei Lotterien A und B bestimmter Vgl. Baron (1986), S. 174, und Bell, Raiffa, Tversky (1988), S. 16, und Brown (1989), S. 467. Häufig findet man auch nur eine Aufteilung in deskriptiv vs. präskriptiv, so z. B. Eisenführ (1990), S. 6ff, und Laux (1982), S. 11ff.Google Scholar
  2. 2.
    Vgl. zu einem Überblick Weber, Camerer (1987).Google Scholar
  3. 3.
    Vgl. Tv3 Vgl. z. B. Green, Srinivasan ( 1978, 1990 ).Google Scholar
  4. 4.
    Vgl. Weber (1990).Google Scholar
  5. 5.
    Miller (1956) hat gezeigt, daß der Mensch nur in der Lage ist, fünf bis neun Informationseinheiten gleichzeitig zu verarbeiten.Google Scholar
  6. 6.
    Vgl. Tversky (1972). Eine empirisch nachgewiesene Heuristik ist z. B. die Konzentration auf die wichtigsten Ziele unter Vernachlässigung der übrigen, vgl. Brookhouse, Guion, Doherty (1986), Hoepfl, Huber (1970), John, Edwards, Collins (1980), Nutt (1980), Schoemaker, Waid (1982), und Summers, Taliferro, Fletcher (1970).Google Scholar
  7. 7.
    Zum Bedeutungsinhalt von Rationalität in diesem Zusammenhang vgl. den nächsten Abschnitt 2.2.Google Scholar
  8. 8.
    Vgl. z. B. das Preference-Reversal-Phänomen, in dem zwei Lotterien A und B bestimmter Charakteristik betrachtet werden. In der Lotterie A winkt ein wahrscheinlicher aber kleiner Gewinn, während in B mit einer kleinen Gewinnwahrscheinlichkeit eine relativ hohe Summe zu gewinnen ist. Sehr häufig präferieren Entscheider im direkten Vergleich der beiden Lotterien die Lotterie A, während sie für die Teilnahme an der Lotterie B mehr bezahlen würden als für eine Teilnahme an A. Vgl. hierzu Cox, Epstein (1989), Goldstein, Einhorn (1987), Grether, Plott (1979), Lichtenstein, Slovic (1971, 1973), Pommerehne, Schneider, Zweifel ( 1982 ), Slovic, Lichtenstein (1983).Google Scholar
  9. 1.
    Eisenführ (1989), Sp. 397.Google Scholar
  10. 2.
    Zu einem Überblick über Anwendungen allgemeiner entscheidungsunterstützender Verfahren vgl. Eom, Lee (1990).Google Scholar
  11. 3.
    Auf die besondere Problematik von Gruppenentscheidungen wird in dieser Arbeit nicht weiter eingegangen werden; vgl. hierzu Weber (1983).Google Scholar
  12. 4.
    Vgl. Eils, John (1980), S. 283, in einer Anwendung von SMART. Zu SMART vgl. Abschnitt 4.3.1 dieser Arbeit.Google Scholar
  13. 5.
    Vgl. Baron (1986), S. 174f.Google Scholar
  14. Das Beispiel erfolgt in Anlehnung an Bell, Raiffa, Tversky (1988), S. 10f. 2 Vgl. Baron (1986), S. 174f, und Fischer (1989), S. 489.Google Scholar
  15. 9.
    Von Winterfeldt (1989), S. 499.Google Scholar
  16. Vgl. Eisenführ (1990), S. 11.Google Scholar
  17. Vgl. Eisenführ (1990), S. 11.Google Scholar
  18. 2.
    Von Winterfeldt (1989), S. 501, ist der Auffassung, daß die normativen Grundsätze auch dann noch lange gültig und nützlich bleiben, wenn sich neue Erkenntnisse über das menschliche Entscheidungsverhalten ergeben.Google Scholar
  19. 3.
    Einhorn, Hogarth (1981), S. 81, bezeichnen die präskriptive Entscheidungstheorie sogar als „rational-therapy“, und Bamberg, Coenenberg (1991), S. 2, als,Rationalitätsanalyse”.Google Scholar
  20. In Anlehnung an Bamberg, Coenenberg (1991), S. 3, die eine Aufteilung in formale und substantielle Rationalität vorschlagen, und Einhorn, Hogarth (1981), S. 60, die den Begriff der „instrumental rationality“ einbringen.Google Scholar
  21. 5.
    Bamberg, Coenenberg (1991), S. 3.Google Scholar
  22. Vgl. zu der folgenden Aufreihung von Rationalitätspostulaten von Winterfeldt (1989), S. 500.Google Scholar
  23. Sind nicht alle entscheidungsrelevanten Ziele berücksichtigt, so besteht keine Irrationalität, wenn die dominierte Alternative in einem der nicht berücksichtigten Ziele eine bessere Ausprägung aufweist als die dominierende Alternative. Eine Verletzung des Dominanzprinzips läßt sich demnach ggfs. auch als Indiz für die Unvollständigkeit des Zielsystems auffassen.Google Scholar
  24. Ein Beispiel dafür, daß im menschlichen Entscheidungsverhalten Intransitivitäten auftreten können, zeigt das Thaler-Paradoxon, vgl. Biermann (1989).Google Scholar
  25. Zu speziellen Entscheidungssituationen, in den dieses Rationalitätspostulat häufig verletzt wird, vgl. Farquhar, Pratkanis (1987).Google Scholar
  26. 2.
    Vgl. Savage (1954).Google Scholar
  27. 3.
    Zu weiteren hier nicht aufgeführten Rationalitätspostulaten vgl. von Winterfeldt (1989), S. 500.Google Scholar
  28. 4.
    Dies ist die freie Übersetzung von rational.Google Scholar
  29. 5.
    Vgl. Fischhoff, Slovic, Lichtenstein (1980), S. 126.Google Scholar
  30. 1.
    Vgl. Pfohl (1976), S. 77.Google Scholar
  31. 2.
    Vgl. Pitz, Sachs (1984), S. 142.Google Scholar
  32. 3.
    Vgl. Fischer (1979), S. 467f.Google Scholar
  33. Vgl. insbesondere Hershey, Kunreuther, Schoemaker (1982) und Schoemaker, Waid (1982), Tversky (1977) und Tversky, Kahneman (1986).Google Scholar
  34. 5.
    Vgl. Tversky (1977), S. 218, und Schoemaker (1982), S. 554.Google Scholar
  35. 6.
    Vgl. Pitz, Sachs (1984), S. 142.Google Scholar
  36. Vgl. Müller-Merbach (1977), S. 16f. 2 Vgl. Pfohl (1976), S. 77.Google Scholar
  37. Vgl. im folgenden Brown (1989), S. 468f.Google Scholar
  38. 4.
    Selbst zu den Zeiten, als die Hardware in einer EDV-realisierten Entscheidungsunterstützung noch sehr teuer war, wurde dem zeitlichen Aufwand schon eine sehr hohe Bedeutung beigemessen, vgl. Brown (1970), S. 87.Google Scholar
  39. Zu entsprechenden Beispielen vgl. Behn, Vaupel (1982).Google Scholar
  40. 1.
    Vgl. Pfohl (1976), S. 79ff.Google Scholar
  41. 2.
    Zu einer entsprechenden Aufteilung der Verfahren vgl. Vincke (1986), S. 161ff. Zu einer Aufteilung in zwei Verfahrensklassen gelangt Fandel (1981), S. 122, der die Verfahren danach unterscheidet, ob sie für eine Anwendung auf eine endliche oder unendliche Alternativenmenge geeignet sind.Google Scholar
  42. 1.
    In der Betrachtung von Mehrfachzielentscheidungen wird in der Literatur überwiegend der Oberbegriff „multiple criteria decision making“ (MCDM) verwendet. Im Zusammenhang mit Verfahren der mathematischen Programmierung wird meist von „multiobjective” gesprochen, im Zusammenhang mit den multiattributiven Bewertungsverfahren und den Prävalenzverfahren von „multiattribute“.Google Scholar
  43. 2.
    Vgl. hierzu ausführlich die Kapitel 3 und 4 dieser Arbeit.Google Scholar
  44. 3.
    Als Abkürzung des Begriffs „multiobjective mathematical programming“ vgl. z. B. Vincke (1986), S. 161.Google Scholar
  45. Zu dieser Art der ersten Stufe der Aufteilung vgl. Hwang, Masud (1979), S. 21ff, und Evans (1984), S. 1271ff.Google Scholar
  46. 2.
    Vgl. Hwang, Masud (1979), Steuer (1986) und Miischenbom (1990).Google Scholar
  47. 3.
    Eine Alternative ist innerhalb einer Altemativenmenge effizient, wenn es keine andere Alternative gibt, die in allen Zielen mindestens gleich gut ist (in Anlehnung an die Definition in Steuer (1986), S. 149).Google Scholar
  48. 4.
    Zu der Erläuterung einer entsprechenden Vorgehensweise vgl. Isermann (1987), S. 437ff.Google Scholar
  49. Für den Fall eines linearen Optimierungsansatzes besteht die Möglichkeit, sich allein auf die Ermittlung aller effizienten Eckpunkte im Lösungsraum zu beschränken, vgl. Evans (1984), S. 1274.Google Scholar
  50. Vgl. Evans (1984), S. 1273, oder Isermann (1987), S. 436.Google Scholar
  51. 2.
    Diese Aufteilung in Untergruppen erfolgt in Anlehnung an die Aufteilung in Kok (1986), S. 98ff.Google Scholar
  52. 3.
    Vgl. Hwang, Masud (1979), S. 145ff.Google Scholar
  53. 4.
    Vgl. Steuer (1986), S. 282ff.Google Scholar
  54. 1.
    Vgl. Benayoun u. a. (1971), S. 368ff.Google Scholar
  55. 2.
    Vgl. Korhonen, Laakso (1986).Google Scholar
  56. 3.
    Vgl. Geoffrion, Dyer, Feinberg ( 1972 ). Vgl. Zionts, Wallenius (1976).Google Scholar
  57. Dies gilt in ähnlicher Weise auch fur die „surrogate worth trade-off method“, vgl. Hwang, Masud (1979), S. 126.Google Scholar
  58. 2.
    Vgl. Steuer (1986), S. 389ff.Google Scholar
  59. 3.
    Vgl. Steuer (1986), S. 394ff.Google Scholar
  60. 4.
    Vgl. Hwang, Masud (1979), S. 45ff.Google Scholar
  61. 5.
    Vgl. Hwang, Masud (1979), S. 56ff.Google Scholar
  62. 6.
    Zu einer entsprechenden Vorgehensweise vgl. z. B. Burde (1981), S. 153ff.Google Scholar
  63. Zu einem Überblick über Anwendungen von Verfahren der mathematischen Programmierung vgl. Hwang, Masud (1979), S. 284ff, Steuer (1986), S. 484ff, und Lin (1980), weiterhin auch die Verweise in Fandel (1981), S. 126.Google Scholar
  64. I Vgl. Zangemeister (1976); weiterhin auch Rinza, Schmitz (1977) und Rürup (1982). 2 Vgl. Strebel (1975) und Dreyer (1974).Google Scholar
  65. Strebel (1975), S. 32, sieht in den Checklisten einen ersten Schritt zur Konzipierung entscheidungtheoretischer Ansätze.Google Scholar
  66. Diese Kennzeichnung verwendet Bechmann (1978), S. 76ff, für die von ihm vorgeschlagene Vorgehensweise in der Nutzwertanalyse.Google Scholar
  67. 6.
    Zu weiteren mit der Nutzwertanalyse verwandten Entscheidungshilfeverfahren vgl. Rinza, Schmitz (1977), S. 7, oder Ossadnik (1988), S. 63ff.Google Scholar
  68. 1.
    Vgl. Abschnitt 3.2.Google Scholar
  69. 2.
    Vgl. Bäuml, Lukas (1986), S. 46ff.Google Scholar
  70. 3.
    Zu Anwendungen der Nutzwertanalyse und verwandten einfachen Entscheidungshilfeverfahren vgl. die Verweise in Rinza, Schmitz (1977), S. 138ff; zu einzelnen Anwendungen vgl. z. B. Eversheim u. a. (1988), Jasper (1986), Jacobi, Rabus (1980), Lukas (1983), Scholz (1986), Seufert, Jungbluth, Greif (1980) und Weisshaar, Salka (1988).Google Scholar
  71. Vgl. auch im folgenden Saaty (1977, 1980, 1990b) und Harker, Vargas (1987).Google Scholar
  72. r In einer Betrachtung von 2 Zielen ergeben sich z. B. bei g12 = 1 Gewichte von k1 = 1/2 und k2 = 1/2. Für g12 = 2 ergibt sich k1 = 2/3 und k2 = 1/3, für g12 = 3 folgt k1 = 3/4 und k2 = 1/4. Der maximale Gewichtsunterschied bei g12 = 9 führt zu k1 = 9/10 und k2 = 1/10.Google Scholar
  73. 2.
    Zu Anwendungen des AHP vgl. Saaty (1980), S. 89ff, Saaty, Kearns (1985), Vargas (1990) und die gesamte Ausgabe des European Journal of Operations Research, Vol. 48, im September 1990.Google Scholar
  74. Der Entscheider würde hier schon bei einer geringen Zahl von Alternativen überstrapaziert. Eine Ausnahme stellt das hier nicht dargestellte Prävalenzverfahren PROMETHEE IV dar, vgl. Brans, Vincke, Mareschal (1986), S. 238.Google Scholar
  75. 2.
    Akronym für „preference ranking organisation method for enrichment evaluations“, vgl. Jaeger (1988), S. 324.Google Scholar
  76. 3.
    Zu einer allgemeinen Beschreibung der Vorgehensweise in den Verfahren der PROMETHEEFamilie vgl. Brans, Vincke, Mareschal (1986). Vgl. weiterhin auch Jaeger (1988), der eine Anwendung dieser Vorgehensweise, BANKADVISER, beschreibt.Google Scholar
  77. Vgl. auch im folgenden Jaeger (1988), S. 326. x Vgl. Jaeger (1988), S. 326.Google Scholar
  78. 3.
    Vgl. Jaeger (1988), S. 327.Google Scholar
  79. Vgl. Brans, Vincke, Mareschal (1986), S. 233. Auf die Darstellung der Verfahren PROMETHEE III und IV sei an dieser Stelle verzichtet; vgl. hierzu Brans, Vincke, Mareschal (1986), S. 238.Google Scholar
  80. Vgl. zu einer Darstellung der Verfahren Winkels, Jaeger, Roy (1980), Jaeger (1987) und Winkels, Wäscher ( 1980 ). Zu Weiterentwicklungen dieser Verfahren vgl. Winkels (1983).Google Scholar
  81. 2.
    Vgl. Winkels, Jaeger, Roy (1980), S. 473.Google Scholar
  82. 3.
    Vgl. auch im folgenden Winkels, Jaeger, Roy (1980), S. 474ff.Google Scholar
  83. Eine graduelle Prävalenzrelation unterscheidet sich von einer gewöhnlichen Prävalenzrelation dadurch, daß auch Präferenzgrade ungleich 0 oder 1 zugelassen sind.Google Scholar
  84. 2.
    Zu Anwendungen der Prävalenzverfahren vgl. die Verweise in Winkels, Wäscher (1980) und Jaeger (1988).Google Scholar
  85. 3.
    Vgl. die bei der Darstellung der einzelnen Verfahren in den Fußnoten angegebenen Literaturhinweise.Google Scholar
  86. Zu entsprechenden Ansätzen innerhalb der Verfahren der mathematischen Programmierung vgl. Klein, Moskowitz, Ravindran (1990), Mareschal (1986) und Teghem u. a. (1986); weiterhin auch Goicoechea, Hansen, Duckstein (1982), S. 259ff. Evans (1984), S. 1279, betont entsprechend die Bedeutung des Forschungsbereichs der Berücksichtigung von Risiko in dieser Verfahrensklasse; vgl. auch Fandel (1981), S. 119. Zu einer entsprechenden Erweiterung innerhalb der PROMETHEE-Familie vgl. Mareschal (1986), S. 62ff.Google Scholar
  87. Vgl. Rischmüller (1980), S. 514, der zusätzlich noch die Monte Carlo-Simulation aufzählt. Rinza, Schmitz (1977), S. 92, weisen darauf hin, daß, falls probabilistische Elemente eine wichtige Rolle spielen, die Verfahren der Nutzwertanalyse nicht angewendet werden sollten.Google Scholar
  88. 3.
    Vgl. Saaty, Keams (1985), S. 19ff.Google Scholar
  89. Vgl. Bernoulli (1738, 1954) und von Neumann, Morgenstern (1947).Google Scholar
  90. S In der Vergangenheit wurde in der ZfB und ZIbF heftig über die Fähigkeit der BernoulliNutzenfunktionen diskutiert, Risikopräferenzen abzubilden. Einen Abriß der Diskussion findet man in o. V. (1985). Vgl. hierzu auch die in Wilhelm (1985) zitierten Abhandlungen von Albrecht, Coenenberg, Ewert, Jacob, Krelle, Leber, Schildbach und Wilhelm. Mit dem Artikel von Wilhelm (1986) konnte aber gezeigt werden, daß die Diskussion mit einem für das Bernoulli-Prinzip positiven Ergebnis beendet werden kann. Die Diskussion wurde vor kurzem durch Schildbach (1989) wieder fortgesetzt.Google Scholar
  91. 6.
    Nur in dem Ausnahmefall, daß zwei Alternativen exakt dieselbe maximale Bewertung aufweisen, wird die optimale Alternative nicht eindeutig ermittelt.Google Scholar
  92. 1.
    Vgl. Korhonen, Laasko (1986), die auf entsprechende Verfahren verweisen.Google Scholar
  93. Das Beispiel erfolgt in Anlehnung an Dyer (1990), S. 252f; vgl. zu weiteren Beispielen Belton, Gear (1983).Google Scholar
  94. 5.
    Dieses Vorgehen schlägt auch Kamenetzky (1982), S. 708f, in seiner Modifikation des AHP vor.Google Scholar
  95. 1.
    Vgl. Abschnitt 2.2.Google Scholar
  96. 2.
    Vgl. Saaty (1990a), S. 264ff.Google Scholar
  97. 3.
    Vgl. hierzu entsprechende Vorschläge in Dyer (1990), S. 256f.Google Scholar
  98. Unter präskriptiv-normativen Gesichtspunkten befürwortet auch Saaty die Verwendung von absoluten Skalen, vgl. Saaty (1990a), S. 262.Google Scholar
  99. 1.
    Stellen die Werte k; (1 s i s n) das Präferenzmodell korrekt dar, so gilt dies auch für Werte c > 0).Google Scholar
  100. 1.
    Vgl. Beattie, Baron (1989), Gabrielli, von Winterfeldt (1978) und Stewart, Ely (1984).Google Scholar
  101. 2.
    Vgl. von Nitzsch, Weber (1991).Google Scholar
  102. 3.
    Es wurde das Verfahren Direct-Ratio angewendet, vgl. Abschnitt 4.3.1.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 1992

Authors and Affiliations

  • Rüdiger von Nitzsch

There are no affiliations available

Personalised recommendations