Ein positives Signal: Was die Basisrate für Entscheidungen verändert

In der Pharmaindustrie, den Life Sciences oder der Rheinlogistik kann ein Testergebnis oder eine Warnmeldung einen erheblichen Ressourceneinsatz auslösen. Die konkrete Führungsfrage lautet: Wie lässt sich die Grundhäufigkeit des angezeigten Phänomens berücksichtigen, bevor aufgrund eines Signals Ressourcen gebunden werden?

Was die Literatur belegt

Daniel Kahneman und Amos Tversky (1973, Psychological Review) zeigten, dass sich Vorhersageurteile auf die Ähnlichkeit eines Falls mit einer Kategorie stützen können statt auf die Informationen, die für eine Wahrscheinlichkeitsschätzung erforderlich sind. In ihren Experimenten gewichteten die Teilnehmenden Basisraten, also die Grundhäufigkeiten der betrachteten Kategorien, teilweise zu wenig. Ein überzeugendes Dossier entbindet eine Führungskraft daher nicht von der Frage, zu welcher Referenzpopulation es gehört.

Der Nenner, den das Signal verdeckt

Gerd Gigerenzer und Ulrich Hoffrage (1995, Psychological Review) zeigten, dass die Darstellung von Informationen als natürliche Häufigkeiten bayesianisches Schlussfolgern erleichtern kann, ohne die Regel zuvor zu vermitteln. Das Prinzip besteht darin, innerhalb derselben Referenzpopulation anzugeben, wie viele Fälle das gesuchte Phänomen aufweisen und wie viele ein positives Signal erzeugen, mit oder ohne dieses Phänomen. Diese Darstellung macht eine wesentliche Unterscheidung verständlicher: Ein vorhandenes Phänomen zu erkennen ist nicht dasselbe, wie bei einem auftretenden Signal auf sein Vorliegen zu schliessen.

Der voreilige Schluss

Daraus könnte man ableiten, dass es genügt, Prozentangaben durch absolute Häufigkeiten zu ersetzen. Dabei würde übersehen, dass natürliche Häufigkeiten die Struktur der Untergruppen innerhalb einer gemeinsamen Population erhalten: Absolute Zahlen aus unterschiedlichen Populationen bieten nicht denselben Nutzen. Zudem bestimmt eine besser verstandene Schätzung noch nicht die Handlung: Die Kosten eines Fehlalarms und eines übersehenen Falls müssen weiterhin gegeneinander abgewogen werden. (unsere Weiterbildungen für Führungskräfte und Mitarbeitende)

Was die verfügbaren Daten nicht garantieren

Diese Arbeiten untersuchen experimentelle Urteilsaufgaben, nicht die Wirksamkeit eines Entscheidungsverfahrens in einem Basler Unternehmen. In der Praxis kann die Basisrate unzureichend dokumentiert sein, zwischen Standorten variieren oder aus einer bereits selektierten Stichprobe stammen. Ein internationales F&E-Team sollte deshalb die Referenzpopulation und die Unsicherheit der Daten offenlegen, bevor es aus einem Signal eine Empfehlung ableitet.

Eine überprüfbare Praxis in Basel

Im Rahmen des SHR-Programms «Entscheidungsfindung» könnte ein Basler Team aus der Pharmaindustrie, den Life Sciences oder der Rheinlogistik während eines vorab festgelegten Zeitraums Ressourcenentscheidungen prüfen, die auf einem Test oder einer Warnmeldung beruhen. Für jedes Dossier würde es die Referenzpopulation, die Basisrate samt Quelle sowie die verfügbaren Angaben zu falsch positiven Ergebnissen und übersehenen Fällen festhalten und Unbekanntes ausdrücklich kennzeichnen. Die Messgrösse wäre der Anteil der Dossiers, in denen diese Angaben vor der Entscheidung dokumentiert sind, überprüfbar anhand datierter Aufzeichnungen. Dieser Indikator misst die Disziplin der Vorbereitung, nicht eine nachgewiesene Verbesserung der Ergebnisse. Weiterführend: entdecken Sie die Entscheidungsfindung-Weiterbildung in Basel, oder durchstöbern Sie unsere Weiterbildungen für Führungskräfte und Mitarbeitende in der Schweiz.

In Bildern: Entscheidungsfindung in Basel

• entscheidungsfindung
• Basel
• forschung
• Weiterbildung basel