Im thinkBI Podcast wird das Entscheidungswirkraster diesmal an Marcus‘ eigenem Abnehmziel durchgespielt: Welche Mahlzeit passt in diesem Moment zu seinem Tagesrahmen? Dem Blogpost ist das beispielhaft ausgefüllte Entscheidungswirkraster beigefügt. Es macht die einzelnen Felder und ihre Zusammenhänge direkt nachvollziehbar.
Ein Modell zeigt seine Qualität nicht dadurch, dass seine Begriffe vollständig klingen. Es zeigt sie daran, ob Menschen mit ihm eine konkrete Situation besser verstehen und verantwortet handeln können. Genau dafür braucht ein Entscheidungswirkraster einen Fall.
Das gewählte Beispiel ist keine Empfehlung für eine bestimmte Form der Ernährung. Es ist ein überschaubarer Entscheidungsfall: Es gibt ein Ziel, einen akuten Anlass, mehrere Optionen, begrenzte Informationen und eine Wirkung, die nicht sofort sichtbar wird. Gerade deshalb eignet er sich, um die Logik des Rasters sichtbar zu machen.
Die Entscheidung beginnt nicht mit der Kalorientabelle
Wer vor einer Mahlzeit steht, kann schnell bei einer einzelnen Zahl beginnen: Wie viele Kalorien hat dieses Produkt? Diese Information kann hilfreich sein. Sie beantwortet aber noch nicht die ganze Entscheidung.
Zuerst braucht es ein Mandat. Im Beispiel trägt eine Person selbst die Verantwortung und verfolgt das Ziel, das eigene Gewicht langfristig zu reduzieren. Der Anlass ist konkret: Hunger oder Appetit, unmittelbar vor einer Mahlzeit. Die Entscheidungsfrage lautet nicht allgemein, was gesund sei. Sie lautet: Welche Essensoption passt jetzt am besten zum Tagesrahmen und zum verfolgten Ziel?
Das sind keine Formalismen. Das sind Klarstellungen.
Denn erst mit einer klaren Frage wird sichtbar, welche Annahmen bereits gelten müssen. Ein Tagesrahmen muss festgelegt sein. Es muss unterschieden werden, ob tatsächlich Hunger vorliegt oder eher ein kurzfristiges Verlangen. Und es bleibt offen, wie genau der Energiegehalt einer konkreten Mahlzeit überhaupt bekannt ist. Eine Zahl ohne diesen Zusammenhang kann präzise aussehen und trotzdem an der Entscheidung vorbeigehen.
Optionen machen Informationsbedarf konkret
Im Wahlraum wird die Entscheidung nicht auf ein Ja oder Nein verkürzt. Eine Mahlzeit kann wie geplant gegessen, später gegessen, kleiner portioniert oder durch eine kalorienärmere Alternative ersetzt werden. Auch die Möglichkeit, jetzt zu essen und den weiteren Tag anzupassen, gehört dazu.
Erst diese Optionen machen verständlich, welche Informationen wirklich benötigt werden. Relevant sind dann etwa das verbleibende Tagesbudget, eine Schätzung für die Mahlzeit, die erwartete Sättigung, realistische Alternativen und die weiteren Mahlzeiten des Tages. Informationsbedarf entsteht nicht aus der Frage, welche Daten eine App bereitstellen kann. Er entsteht aus der Frage, was bekannt sein muss, um zwischen realen Optionen zu wählen.
Das ist auch für Business Intelligence ein entscheidender Unterschied. Ein Bericht wird nicht dadurch nützlich, dass er viele Messwerte zeigt. Er wird nützlich, wenn seine Informationen auf einen Wahlraum treffen. Ohne Optionen und Kriterien bleibt eine Kennzahl oft nur Beobachtung. Mit ihnen kann sie Orientierung geben.
Informationsarchitektur heißt nicht: absolute Genauigkeit erzeugen
Im Beispiel liefert eine App eine Tagesübersicht: konsumierte Kalorien, verbleibendes Budget, Aktivitäten, Schätzwerte für Mahlzeiten und einen Blick auf den Rest des Tages. Sie kann Texteingaben, Fotos oder Barcodes nutzen, um eine Annäherung an den Energiegehalt zu erzeugen.
Die wichtige Einschränkung bleibt sichtbar: Diese Angaben sind keine Punktlandung. Der tatsächliche Kaloriengehalt einer Mahlzeit und der individuelle Verbrauch lassen sich in vielen Situationen nur schätzen. Das macht die Information nicht wertlos. Es verlangt aber, ihre Unsicherheit ehrlich einzuordnen.
Informationsqualität ist keine abstrakte Forderung nach maximaler Präzision. Sie muss zur Entscheidung passen. Für die Wahl zwischen einem Schokoriegel und einem Apfel kann ein belastbarer Näherungswert hilfreicher sein als der Versuch, eine nicht erreichbare Exaktheit vorzutäuschen. Wird die Entscheidung dagegen mit einem hohen Risiko oder einer weitreichenden Folge verbunden, steigen auch die Anforderungen an Daten, Methode und Prüfung.
Hinzu kommt Zeitdruck. Hunger und Appetit entstehen nicht nach einem Projektplan. Die Information muss in dem Moment verfügbar sein, in dem die Wahl ansteht. Auch das ist eine bekannte Herausforderung in BI: Eine analytisch perfekte Auswertung hilft wenig, wenn sie erst vorliegt, nachdem die verantwortliche Handlung längst entschieden wurde.
Wirkung zeigt sich nicht in einer einzelnen Wahl
Das Raster endet nicht bei der Auswahl einer Mahlzeit. Es fragt weiter: Was wird getan? Im Beispiel wird eine zum Budget passende Portion oder Alternative gewählt und direkt dokumentiert. Anschließend folgt die Rückkopplung.
Dabei wäre es zu kurz gedacht, eine einzelne Mahlzeit als Beweis für eine Wirkung zu behandeln. Das unmittelbare Verhalten, die dokumentierte Kalorienaufnahme und die Einhaltung des Tagesrahmens, ist ein führender Indikator. Ob sich der Gewichtstrend über Wochen wie beabsichtigt entwickelt, ist ein nachlaufender Indikator. Zwischen beidem liegt Zeit, Unsicherheit und die Notwendigkeit, das eigene Vorgehen immer wieder zu prüfen.
Genau darin liegt der Wert des Beispiels. Es macht eine zentrale Eigenschaft des Entscheidungswirkrasters greifbar: Information unterstützt keine isolierte Auswahl. Sie verbindet eine verantwortete Wahl mit einer Handlung und einer Lernschleife. Die Rückkopplung kann zeigen, dass der Tagesrahmen unpassend gesetzt war, Schätzwerte nicht ausreichen, Alternativen nicht realistisch sind oder das Ziel anders verstanden werden muss.
Das beigefügte, beispielhaft ausgefüllte Entscheidungswirkraster ist daher keine Vorlage für Ernährungsentscheidungen. Es ist ein lesbarer Praxistest für eine allgemeinere Frage: Wird aus unseren Informationen wirklich eine verantwortete Wahl und lernen wir aus der Wirkung dieser Wahl?
Entscheidungswirkraster Beispiel Abnehmziel
🎧 Die komplette Folge findest du im thinkBI Podcast.
Musik: Great Podcast Intro (short & long) von Lundstroem
Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/
