Decision Models

Ein Decision Model ist eine strukturierte Darstellung davon, wie Entscheidungen getroffen werden. Es listet auf, welche Eingabedaten gebraucht werden, welche Regeln gelten und welches Ergebnis am Ende herauskommt. Das klingt abstrakt, ist aber sehr konkret: Ein Unternehmen, das Kredite vergibt, folgt bei jeder Anfrage einem festen Muster — Einkommen prüfen, Schufa-Score abfragen, Grenzwerte vergleichen, Ergebnis ausgeben. Dieses Muster ist ein Decision Model. Es kann auf Papier stehen, in einer Tabelle, in Software oder als Teil eines KI-Systems.

Entscheidungen sichtbar und kontrollierbar machen

Ohne ein solches Modell ist eine Entscheidung eine Blackbox. Niemand kann nachvollziehen, warum ein bestimmtes Ergebnis herausgekommen ist. Das ist in vielen Bereichen ein ernstes Problem. Banken müssen gesetzlich erklären können, warum ein Kredit abgelehnt wurde. Versicherungen müssen begründen, warum eine Police teurer ist. Ohne explizites Modell ist das kaum möglich.

Decision Models lösen dieses Problem, indem sie die Logik aus dem Kopf eines Experten oder dem Inneren eines Algorithmus herausholen und in eine lesbare Form bringen. So kann man sie prüfen, anpassen und mit anderen teilen. Das ist besonders wichtig, wenn viele Menschen täglich dieselbe Art von Entscheidung treffen müssen — etwa Sachbearbeiter in einer Behörde. Ein gemeinsames Modell sorgt dafür, dass alle gleich entscheiden, nicht jeder nach eigenem Ermessen.

Aufbau und Darstellung eines Decision Models

Der verbreitetste Standard heißt DMN — Decision Model and Notation. Er stammt aus der Softwareentwicklung und definiert, wie man Entscheidungslogik einheitlich aufschreibt. Das zentrale Werkzeug dabei ist die Entscheidungstabelle: eine Tabelle, in der jede Zeile eine Bedingungskombination beschreibt und die letzte Spalte das zugehörige Ergebnis nennt. Zum Beispiel: Alter unter 25 und keine Berufserfahrung ergibt „Antrag abgelehnt“; Alter über 30 und drei Jahre Erfahrung ergibt „Antrag genehmigt“.

Komplexere Entscheidungen werden in mehrere Teilentscheidungen zerlegt, die aufeinander aufbauen. Das Ergebnis einer Teilentscheidung wird zur Eingabe der nächsten. So bleibt auch eine vielschichtige Logik übersichtlich. Wichtig ist der Unterschied zu einem Prozessmodell: Ein Prozessmodell beschreibt die Reihenfolge von Schritten — wer macht wann was. Ein Decision Model beschreibt nur, auf Basis welcher Daten welches Ergebnis folgt. Die beiden Darstellungen ergänzen einander, sind aber nicht dasselbe.

In der KI-Entwicklung spielen Decision Models eine zunehmende Rolle bei der Erklärbarkeit. Wenn ein Modell trainiert wurde und Entscheidungen trifft, kann man im Nachhinein versuchen, sein Verhalten durch ein Decision Model zu approximieren — also durch vereinfachte, lesbare Regeln abzubilden. Das Ergebnis ist nie perfekt, aber es gibt Entwicklern und Aufsichtsbehörden einen Anhaltspunkt.

Decision Models in Produkten und aktuellen Debatten

Decision Models stecken in einer Vielzahl von Alltagssystemen. Kredit-Scoring-Apps, automatische Versicherungsangebote, Bewerbermanagementsysteme und Risikoprüfungen im Online-Handel arbeiten alle nach explizit oder implizit festgelegten Entscheidungsmodellen. Auch Streaming-Dienste nutzen Varianten davon, um zu entscheiden, wann eine Mahnung verschickt wird oder wann ein Abo automatisch gekündigt werden darf.

In der Debatte um den EU AI Act — das europäische Gesetz zur Regulierung von KI-Systemen — tauchen Decision Models als Werkzeug für Transparenz und Rechenschaftspflicht auf. Systeme, die automatisch über Menschen entscheiden, sollen dokumentiert und nachvollziehbar sein. Decision Models sind eine der Antworten auf diese Anforderung. Wer ein KI-System regulierungskonform betreiben will, kommt an einer sauberen Dokumentation der Entscheidungslogik kaum vorbei.

Ein häufiger Irrtum ist, Decision Models mit KI gleichzusetzen. Tatsächlich existieren sie völlig unabhängig voneinander. Ein Decision Model kann eine reine Regelsammlung sein, ohne jede maschinelle Lernkomponente. Und umgekehrt treffen viele KI-Systeme Entscheidungen, ohne dass ein explizites Modell dahintersteckt. Der Begriff beschreibt eine Methode zur Strukturierung von Logik — nicht eine bestimmte Technologie.