Entscheidungsregeln

Entscheidungsregeln sind formale Prinzipien oder Algorithmen, die festlegen, welche Handlungsoption in einer bestimmten Entscheidungssituation gewählt werden soll. Sie verbinden verfügbare Ergebnisse, Wahrscheinlichkeiten von Zuständen und persönliche oder organisatorische Präferenzen zu einer konkreten Wahl. Entscheidungsregeln dienen sowohl als normative Modelle, die beschreiben, wie rationalerweise entschieden werden sollte, als auch als beschreibende Modelle, die untersuchen, wie Menschen oder Institutionen tatsächlich entscheiden. In Bereichen wie Ökonomie, Statistik, Operations Research und Künstlicher Intelligenz werden verschiedene Regeln genutzt, um Entscheidungen unter Unsicherheit zu treffen oder Zielkriterien zu optimieren.

Zu den zentralen Klassen gehören Regeln wie die Erwartungswertregel, die bei sicherer Gleichverteilung der Zustände den Erwartungswert der Payoffs maximiert; die Erwartungsnutzenregel, bei der ein Nutzenfunktion U angewendet wird und der Erwartungsnutzen E[U] maximiert wird; die Maximin-Regel, die den kleinsten Auszahlungspreis eines Handlungs alternatives maximiert; die Maximax-Regel, die das beste mögliche Ergebnis maximiert; die Laplace-Regel, die bei gleichen Wahrscheinlichkeiten alle Zustände gleich gewichtet. Weitere Regeln sind Minimax-Regret (minimiere den maximalen Regressionsverlust) und, in probabilistischen Modellen, die Bayes-Entscheidungsregel, die Prior-Verteilung, Likelihood und Verlustfunktion nutzt, um eine dominante Aktion zu wählen.

In dynamischen Entscheidungen spielen Prinzipien wie die Bellman-Gleichung eine Rolle, die optimale Politik durch rekursive Optimierung bestimmt. Anwendungsfelder reichen von Wirtschaft und Finanzen über Medizin bis hin zu Ingenieurwesen und Robotik. Kritische Aspekte sind die Qualität der Wahrscheinlichkeiten, die Modellannahmen und die Empfindlichkeit der Entscheidungen gegenüber Unsicherheiten.