Entscheidungsbaum
Visuelle Methode zur systematischen Bewertung von Entscheidungen anhand von Kriterien, Wahrscheinlichkeiten und erwarteten Ergebnissen.
Klassifikation
- KomplexitätMittel
- AuswirkungOrganisatorisch
- EntscheidungstypOrganisation
- OrganisationsreifeFortgeschritten
Technischer Kontext
Prinzipien & Ziele
Use Cases & Szenarien
Kompromisse
- Falsche oder unvollständige Annahmen führen zu irreführenden Ergebnissen
- Übermäßiges Vertrauen in quantitative Werte statt qualitativer Erkenntnisse
- Politische oder organisatorische Interessen können Modellierung verzerren
- Kleine, fokussierte Bäume erstellen und modular erweitern
- Annahmen transparent dokumentieren und regelmäßig prüfen
- Stakeholder frühzeitig einbinden und Konsens anstreben
I/O & Ressourcen
- Definierte Entscheidungsfrage und Zielsetzung
- Liste der Alternativen
- Schätzwerte für Wahrscheinlichkeiten und Auswirkungen
- Formalisierter Entscheidungsbaum
- Bewertete Handlungsempfehlung
- Dokumentation der Annahmen und Risiken
Beschreibung
Entscheidungsbäume sind eine strukturierte Methode zur Modellierung von Folgeentscheidungen als Baum aus Kriterien und Alternativen. Sie helfen, komplexe Entscheidungen sichtbar zu machen, Wahrscheinlichkeiten und erwartete Ergebnisse zu vergleichen und klare Handlungsregeln abzuleiten. Sie werden in Produkt-, Architektur- und Betriebsentscheidungen genutzt.
✔Vorteile
- Erhöhte Nachvollziehbarkeit von Entscheidungen
- Vergleich von Alternativen anhand quantitativer Kriterien
- Fördert strukturierte Diskussion und Stakeholder-Alignment
✖Limitationen
- Reduziert komplexe soziale Faktoren auf vereinfachte Kriterien
- Benötigt valide Schätzungen für Wahrscheinlichkeiten und Werte
- Kann bei vielen Zweigen schnell unübersichtlich werden
Trade-offs
Metriken
- Treue der Entscheidungsprognosen
Abgleich erwarteter vs. real eingetretener Ergebnisse über Zeit.
- Anzahl dokumentierter Alternativen
Wie viele valide Alternativen wurden im Baum berücksichtigt.
- Entscheidungsdauer
Dauer vom Problemstart bis zur finalen Entscheidung.
Beispiele & Implementierungen
Feature-Priorisierung bei einem SaaS-Anbieter
Team nutzte Entscheidungsbaum, um Kundenwert gegen Implementierungskosten abzuwägen und eine Roadmap zu erstellen.
Auswahl zwischen monolithischer und mikroservicebasierter Architektur
Architekturboard modellierte Risiken und Migrationsaufwand, um eine kontrollierte Entscheidung zu treffen.
Betriebsreaktion auf Sicherheitsvorfall
Entscheidungsbaum half, automatische Gegenmaßnahmen von manuellen Eskalationen zu unterscheiden.
Implementierungsschritte
Entscheidungsfrage und Zielkriterien definieren
Alternativen und mögliche Outcomes sammeln
Wahrscheinlichkeiten und Auswirkungen schätzen und quantifizieren
Baum modellieren, überprüfen und kommunizieren
⚠️ Technische Schulden & Engpässe
Tech Debt
- Unvollständig dokumentierte Annahmen
- Keine automatisierte Nachverfolgung von Entscheidungsoutcomes
- Fehlende Integration in Review- und Lernprozesse
Bekannte Engpässe
Beispiele für Missbrauch
- Verwenden eines Entscheidungsbaums für rein politische Entscheidungen ohne Daten
- Ignorieren von Unsicherheit und feste Werte als Fakt behandeln
- Einsatz als alleinige Governance-Instanz ohne Review-Prozess
Typische Fallen
- Verlust wichtiger Kontexte durch zu starke Quantifizierung
- Unklare Verantwortlichkeiten bei komplexen Bäumen
- Nicht aktualisierte Annahmen führen zu veralteten Entscheidungen
Erforderliche Fähigkeiten
Drivers (Architectural Drivers)
Constraints
- • Zeitbegrenzungen für Schätzungen
- • Begrenzte Datenverfügbarkeit
- • Organisatorische Vorgaben und Compliance