Decision Model
Ein Decision Model ist eine formale Beschreibung davon, wie ein System oder eine KI eine Entscheidung trifft — also welche Eingaben es berücksichtigt, welche Regeln es anwendet und welches Ergebnis es ausgibt. Banken, Versicherungen und KI-Systeme nutzen solche Modelle überall dort, wo Entscheidungen nachvollziehbar und wiederholbar sein müssen.
Ein Decision Model ist eine formale Beschreibung davon, wie eine Entscheidung zustande kommt. Es legt fest, welche Informationen in eine Entscheidung einfließen, wie diese Informationen gewichtet oder verknüpft werden und welches Ergebnis dabei herauskommt. Das klingt abstrakt, ist aber sehr konkret: Wenn eine Bank automatisch über einen Kreditantrag entscheidet, folgt sie einem solchen Modell. Es gibt vor, ab welchem Einkommen, welcher Schufa-Bewertung — also einem Bonitätswert, der angibt, wie zuverlässig jemand Schulden zurückzahlt — und welchen weiteren Bedingungen ein Kredit genehmigt oder abgelehnt wird. Das Modell macht die Entscheidung unabhängig von einer einzelnen Person und im Prinzip für andere prüfbar.
Decision Models als Grundlage für nachvollziehbare KI
In der Diskussion über KI-Systeme taucht immer wieder die Frage auf: Warum hat das System so entschieden? Decision Models sind eine Antwort darauf. Sie machen die Logik einer Entscheidung sichtbar und prüfbar — sowohl für Menschen als auch für Aufsichtsbehörden.
Das ist besonders wichtig, wenn eine Entscheidung jemanden direkt betrifft. Wird ein Bewerbungsgespräch abgelehnt, ein Versicherungsantrag verweigert oder ein Sozialleistungsantrag abgewiesen, dann haben Betroffene in vielen Ländern ein rechtliches Recht auf eine Erklärung. Ein explizites Decision Model macht diese Erklärung erst möglich. Systeme ohne ein solches Modell — etwa tiefe neuronale Netze, die ihre internen Rechenschritte nicht offen legen — gelten dagegen als „Black Boxes“ und stehen deshalb unter zunehmendem regulatorischen Druck.
Ein häufiger Irrtum: Decision Model und KI-Modell sind nicht dasselbe. Ein KI-Modell kann Teil eines Decision Models sein — zum Beispiel ein Bilderkennungssystem, das eine Eingabe liefert. Das Decision Model ist aber die übergeordnete Struktur, die festlegt, was mit diesem Ergebnis dann passiert.
Aufbau eines Decision Models
Ein Decision Model besteht typischerweise aus drei Elementen: Eingaben, Entscheidungslogik und Ausgabe. Die Eingaben sind alle Informationen, die das Modell berücksichtigt — zum Beispiel Alter, Einkommen, Kaufhistorie. Die Entscheidungslogik beschreibt, wie diese Informationen miteinander verknüpft werden. Das kann eine einfache Wenn-dann-Regel sein, eine Tabelle mit Punktwerten oder eine komplexere statistische Formel. Die Ausgabe ist schließlich das Ergebnis: genehmigt oder abgelehnt, Risikoklasse A oder B, Preis X oder Y.
Ein verbreiteter Standard für die Darstellung solcher Modelle ist DMN — kurz für Decision Model and Notation. DMN ist eine grafische Sprache, mit der Unternehmen Entscheidungslogik in standardisierten Tabellen und Diagrammen aufschreiben können. Eine DMN-Entscheidungstabelle sieht aus wie eine Exceltabelle: In den Zeilen stehen mögliche Eingabekombinationen, in der letzten Spalte das zugehörige Ergebnis. So kann auch jemand ohne Programmierkenntnisse die Logik lesen und überprüfen.
Der entscheidende Unterschied zu einem einfachen Algorithmus — einer Abfolge von Rechenschritten — ist, dass ein Decision Model die Entscheidungslogik bewusst vom technischen Code trennt. Fachleute aus dem Geschäftsbereich können die Regeln anpassen, ohne dass Entwickler den Quellcode ändern müssen. Das beschleunigt Anpassungen und reduziert Fehler.
Decision Models in Produkten und aktuellen Debatten
Decision Models stecken in vielen Systemen, die man täglich nutzt, ohne es zu bemerken. Kreditkartenbetrug wird in Echtzeit anhand eines Modells erkannt, das prüft, ob eine Transaktion zum bisherigen Kaufverhalten passt. Streaming-Dienste entscheiden per Modell, welche Inhalte empfohlen werden. Nawigations-Apps berechnen die beste Route nach einem Modell, das Entfernungen, Verkehrslage und Straßentypen gewichtet.
In der politischen Debatte um den EU AI Act — dem ersten umfassenden Gesetz zur Regulierung von KI in Europa — spielen Decision Models eine zentrale Rolle. Das Gesetz verlangt für sogenannte Hochrisiko-KI, also Systeme, die in sensiblen Bereichen wie Jobvermittlung, Kreditvergabe oder Strafverfolgung eingesetzt werden, dass ihre Entscheidungslogik dokumentiert und erklärbar ist. Unternehmen, die keine klaren Decision Models vorweisen können, riskieren hohe Bußgelder.
Auch in der KI-Forschung gewinnt das Thema an Bedeutung. Forscher arbeiten daran, aus bestehenden neuronalen Netzen nachträglich Decision Models zu extrahieren — also die implizite Logik einer Black Box in explizite Regeln zu übersetzen. Das ist technisch schwierig, aber der Druck aus Regulierung und Öffentlichkeit macht es zunehmend notwendig.
