Was sind Decision Support Systems (DSS)?

Bei Decision Support Systems handelt es sich um interaktive Systeme, die Unternehmen bei der Entscheidungsfindung unterstützen, indem sie große Datenmengen analysieren und auswerten. Die Systeme werden in zahlreichen Branchen eingesetzt und kommen vor allem bei unstrukturierten Problemen betrieblicher Funktionskreise zum Einsatz.

Decision Support Systems: Definition

Decision Support Systems (DSS) sind computergestützte Planungs- und Informationssysteme zur Verbesserung der Entscheidungsfähigkeit von Unternehmen, die im Deutschen auch als Entscheidungsunterstützungssysteme (EUS) bezeichnet werden. Die interaktiven Systeme helfen dem Management, den Betriebsebenen und den Planungsebenen dabei, Probleme von hoher Komplexität zu strukturieren und fundierte Entscheidungen zu treffen. Es werden sowohl operative als auch strategische Aufgaben unterstützt. Als zentrale Funktionen von Decision Support Systems gelten:

• Sortierung, Filterung und flexible Darstellung von Daten
• Auswertungsoptionen wie Vergleiche, Summenbildung oder Durchschnittsberechnung
• Durchführung von Modellrechnungen
• Datenverknüpfung mit Optimierungsalgorithmen

Um relevante Informationen zu ermitteln, aufzubereiten und in Form von Tabellen, Grafiken oder Simulationen zu präsentieren, analysieren DSS große Datenmengen. Sie greifen auf Wissen und Daten aus unterschiedlichen Bereichen zurück, zu denen nicht nur Rohdaten und Dokumente zählen, sondern beispielsweise auch persönliches Wissen. Dadurch bieten Decision Support Systems eine höhere Informationsqualität als übliche Berichte. Als Datenquellen fungieren vor allem relationale Datenbanken, Data Warehouses und Cubes (Datenspeicher innerhalb von Modellen), aber teilweise ebenso andere Informationsquellen wie Umsatz- und Verkaufsprognosen oder elektronische Gesundheitsakten.

Wie funktionieren Decision Support Systems?

In der Regel setzen sich Decision Support Systems aus drei Komponenten zusammen:

• Wissensdatenbank: Die Datenbank fungiert als Bibliothek für Informationen und ist ein zentraler Bestandteil von DSS. Sie beinhaltet sowohl unternehmensinterne Informationen als auch solche, die aus externen Quellen wie dem Internet stammen. DSS-Datenbanken lassen sich je nach Bedarf auch als eigenständiges System oder Data Warehouse umsetzen.
• Softwaresystem: Die Grundlage des Softwaresystems bildet ein Modell, also die Simulation eines realen Systems. Verwendung finden unter anderem statistische Modelle, die Beziehungen zwischen Ereignissen und Variablen herstellen, Sensitivity-Analysis-Modelle („Was wäre wenn“-Analysen) und verschiedene Vorhersagemodelle, etwa Zeitreihenanalysen und Regressionsmodelle.
• Benutzeroberfläche: Dashboards ermöglichen es Anwenderinnen und Anwendern, sich Ergebnisse anzuschauen und erleichtern die Bearbeitung gespeicherter Daten. DSS-Benutzeroberflächen umfassen neben einfachen Fenstern auch Befehlszeilen und menügesteuerte Interfaces.

Arten von Decision Support Systems

Es gibt unterschiedliche Typen von Decision Support Systems, die sich anhand ihrer primär genutzten Informationsquelle in Kategorien einteilen lassen:

• Datenbasierte Entscheidungsunterstützungssysteme (Data-driven DSS) basieren auf Daten aus internen oder externen Datenbanken. Sie nutzen normalerweise Data-Mining-Techniken, um Muster zu erkennen und aus diesen Prognosen abzuleiten. Unternehmen greifen oftmals auf datenbasierte Entscheidungsunterstützungssysteme zurück, um Geschäftsprozesse zu optimieren. In der öffentlichen Verwaltung kommen Data-driven DSS unter anderem im Zuge der Verbrechensbekämpfung zum Einsatz.
• Modellbasierte Entscheidungsunterstützungssysteme (Model-driven DSS) fokussieren sich auf die Nutzung mathematischer und simulationsbasierter Modelle, die auf die spezifischen Benutzeranforderungen angepasst werden. Model-driven DSS sind normalerweise nicht allzu datenintensiv und erweisen sich als besonders praktisch in Situationen, in denen es sich schwierig gestaltet, fundierte Entscheidungen ausschließlich auf Grundlage historischer Daten zu treffen.
• Kommunikations- und gruppenbasierte Entscheidungsunterstützungssysteme (Communication-driven DSS und Group-DSS) zielen darauf ab, die Kommunikation, Koordination und Zusammenarbeit zu unterstützen oder den an der Entscheidungsfindung beteiligten Gruppen bei der Analyse von Problemsituationen zu helfen. Dies wird vor allem durch die Verwendung unterschiedlicher Kommunikationswerkzeuge wie Instant Messaging erreicht.
• Wissensbasierte Entscheidungsunterstützungssysteme (Knowledge-driven DSS) stellen spezialisiertes Fachwissen für die Lösung von Problemen zur Verfügung. Dieses wird in einer Wissensdatenbank abgespeichert, die das System kontinuierlich aktualisiert. Knowledge-driven DSS finden vor allem Verwendung bei Aufgaben, die menschliche Expertise erfordern.
• Dokumentenbasierte Entscheidungsunterstützungssysteme integrieren spezielle Technologien, um Dokumente abzurufen und zu analysieren. Ein Beispiel dafür sind Suchmaschinen, die es Anwenderinnen und Anwendern gestatten, Datenbanken nach bestimmen Suchbegriffen zu durchforsten.

Was sind die wichtigsten Anwendungsgebiete von DSS?

DSS lassen sich an wechselnde Fragestellungen und technische Gegebenheiten anpassen, wodurch sie flexibel einsetzbar sind. Allerdings wird die menschliche Urteilsfähigkeit nur unterstützt und nicht ersetzt. Das heißt, die Interpretation der bereitgestellten Informationen und die letztliche Entscheidungsfindung obliegt weiterhin den Menschen. Decision Support Systems stellen lediglich die relevantesten Informationen bereit und bewerten die Auswirkungen möglicher Entscheidungen.

Decision Support Systems eignen sich vor allem für die Bewältigung unstrukturierter Probleme – also für Situationen mit stark verstreuten Daten oder enormen Datenmengen (Big Data) und für Fälle, in denen sich zwischen Informationen kein logischer Zusammenhang erkennen lässt. Zu den Einsatzfeldern, in denen DSS verwendet werden, zählen:

• Routenplanung per GPS: Decision Support Systems sind durch Analyse der verfügbaren Optionen dazu in der Lage, die ideale Route zwischen zwei Punkten zu ermitteln. Moderne Systeme bieten sogar die Möglichkeit, den Verkehr live zu überwachen, wodurch sich Staus umgehen lassen.
• Landwirtschaft: Bäuerinnen und Bauern nutzen DSS, um den optimalen Zeitpunkt für Aussaat, Düngung und Ernte zu bestimmen.
• Medizin: Klinische Entscheidungsunterstützungssysteme werden unter anderem eingesetzt, um Testergebnisse zu interpretieren, Erkrankungen zu diagnostizieren und Behandlungspläne zu erstellen. Ein konkretes Beispiel ist ein von Penn Medicine konzipiertes klinisches DSS, das entwickelt wurde, um Patientinnen und Patienten schneller von Beatmungsgeräten zu entwöhnen.
• ERP-Dashboards: Entsprechende Dashboards ermöglichen eine Momentaufnahme zentraler Unternehmenskennziffern. Mithilfe von Decision Support Systems lassen sich Geschäfts- und Produktionsprozesse visualisieren und die Geschäftsleistung betreffende Ziele überwachen, um Bereiche mit Verbesserungspotenzial ausfindig zu machen.

In welchem Zusammenhang stehen DSS und KI?

Entscheidungsunterstützungssysteme bieten grundsätzlich die Möglichkeit, künstliche Intelligenz zu integrieren. Sogenannte Intelligent Decision Support Systems – kurz IDSS – eröffnen die Möglichkeit, enorme Datenmengen aus unterschiedlichen Quellen zu verarbeiten, aus denen sich Empfehlungen für bessere Entscheidungen ableiten lassen. Um Muster und Zusammenhänge zu erkennen, nutzen sie KI-Technologien wie Machine Learning.

Intelligente DSS verhalten sich ähnlich wie menschliche Beraterinnen und Berater, haben jedoch die Fähigkeit, Informationen effizienter zu verarbeiten und zu analysieren als Menschen. Solche Systeme finden zum Beispiel Anwendung in der flexiblen Fertigung, im Marketing und in der medizinischen Diagnostik.

Was sind die Vor- und Nachteile von Decision Support Systems?

DSS bieten zahlreiche Vorteile, die Unternehmen dabei helfen, effizienter Entscheidungen zu treffen. Sie lassen sich flexibel und nahtlos in bestehende Informationssysteme integrieren und bei Bedarf individuell erweitern. Entsprechende Systeme ermöglichen eine intuitive Bedienung, die insbesondere für Mensch-Maschine-Interaktionen von wichtiger Bedeutung ist. Obwohl die endgültige Entscheidungsfindung immer noch beim Menschen liegt, tragen Decision Support Systems erheblich zur Verbesserung von Planungsprozessen – und damit oftmals auch zu Kosteneinsparungen – bei. Von Vorteil ist außerdem, dass die Möglichkeit besteht, jegliche Datenevidenz auf ihre Herkunft zurückzuführen.

Es gibt allerdings auch einige Nachteile. Einerseits erweisen sich die Implementierung und Wartung von DSS nicht selten als kostspielig. Andererseits hängt die Qualität der Empfehlungen stark von den zugrundeliegenden Daten ab. Zusätzlich besteht das Risiko, dass sich Entscheidungsträgerinnen beziehungsweise Entscheidungsträger zu sehr auf das Unterstützungssystem verlassen und dadurch die eigene Urteilsfähigkeit vernachlässigen.