Die Mathematik hinter StratePlan verstehen: Warum bessere Entscheidungen eine andere Rechenlogik brauchen
Viele Investitions- und Priorisierungsentscheidungen wirken wie eine „Liste von Projekten“. Mathematisch sind sie etwas anderes: ein kombinatorischer Entscheidungsraum, der mit jeder zusätzlichen Option exponentiell wächst. Wer diesen Raum nicht modelliert, kann ihn auch nicht optimieren.
Für wen ist diese Seite?
- C-Level & Aufsichtsgremien: um zu verstehen, warum „gute Einzelprojekte“ nicht automatisch das beste Portfolio ergeben.
- CFO/Controlling: um Opportunitätskosten und Restriktionen (Budget, Risiko, ESG, Kapazitäten) formal zu fassen.
- Public Sector: um zu verstehen, warum Förderlogik, Ressortdenken und Wahlzyklen strukturell zu suboptimalen Portfolios führen.
Das Kernproblem: Entscheidungsräume wachsen exponentiell
Mit jedem zusätzlichen Projekt entsteht nicht „ein Punkt mehr“ auf einer Liste, sondern eine neue Dimension im Lösungsraum. Die Anzahl möglicher Portfoliokombinationen folgt der Logik 2n:
- 10 Projekte → 2^10 = 1.024 Kombinationen
- 20 Projekte → 2^20 = 1.048.576 Kombinationen
- 50 Projekte → 2^50 ≈ 1,125 Billiarden Kombinationen
Das ist der Punkt, an dem klassische Gremienprozesse, Excel-Logik und Heuristiken an eine mathematische Grenze stoßen.
Lokales vs. globales Optimum
Lokales Optimum bedeutet: eine Lösung, die gegenüber naheliegenden Alternativen besser wirkt.
Globales Optimum bedeutet: die beste Lösung im gesamten Entscheidungsraum.
Viele Organisationen verbessern lokale Entscheidungen (bessere Scores, bessere Business Cases), ohne den Gesamtentscheidungsraum zu berechnen. Dadurch bleiben die besten Kombinationen häufig unsichtbar.
Warum Heuristiken strukturell unvollständig sind
Typische Regeln und Restriktionen aus kommunalen und unternehmerischen Entscheidungsprozessen wie „Top 5 nach NPV“, „IRR > WACC“, „Payback < 3 Jahre“ oder „strategische Leuchttürme zuerst“ sind operativ nachvollziehbar. Mathematisch haben sie eine Schwäche: Sie bewerten Projekte isoliert, nicht als interdependentes Portfolio.
Ein Projekt mit niedrigem Einzelwert kann in Kombination mit anderen Projekten die höchste Gesamtwirkung erzeugen. Ein Projekt mit hohem Einzelwert kann bessere Kombinationen verdrängen, wenn Restriktionen wirken.
Die Lösung: Formale Modellierung statt Bauchgefühl
Entscheidungs-Mathematik beginnt dort, wo ein Portfolio als Modell formuliert wird:
- Entscheidungsvariablen: xi ∈ {0,1} (Projekt wird gewählt oder nicht)
- Zielfunktion: z. B. Gesamtwert, Wirkung, NPV, Nutzenindex maximieren
- Nebenbedingungen: Budget, Kapazitäten, Risiko, CO₂, Mindestquoten, Abhängigkeiten und viele weitere..
Ein einfaches Modell (vereinfacht)
Maximiere:
∑ (Werti × xi)
unter:
∑ (Kosteni × xi) ≤ Budget
∑ (Emissioni × xi) ≤ CO₂-Grenze
xi ∈ {0,1}
Dieses Grundprinzip entspricht einem (multi-)restriktiven Knapsack-Problem und bildet die Basis für reale Portfolio-Modelle mit mehreren Dimensionen und Interdependenzen.
Was du auf dieser Plattform lernen wirst
- Warum 2n der eigentliche „unsichtbare Raum“ hinter Portfolioentscheidungen ist
- Wie Restriktionen Entscheidungen dominieren (Budget, Kapazitäten, ESG, Risiko)
- Warum „Priorisieren“ nicht dasselbe ist wie „Optimieren“
- Wie sich Opportunitätskosten ex ante sichtbar machen lassen
- Wie aus Daten ein entscheidungsfähiges Modell wird
Grundlagen: Entscheidungsräume & Optimierung
Die mathematische Basis: 2^n lokale vs. globale Optima, Restriktionen, Zielfunktionen und Modelllogik.
Mathematik-Deep-Dive: Die 5 Bausteine, die wirklich zählen
- Entscheidungsvariablen: Welche Wahlmöglichkeiten existieren (xi)?
- Zielgröße: Was wird maximiert (Wert, Wirkung, NPV, Nutzen)?
- Nebenbedingungen: Was begrenzt den Raum (Budget, CO₂, Kapazität, Risiko, Quoten)?
- Interdependenzen: Welche Projekte bedingen oder verhindern andere?
- Optimierung: Wie wird die beste Kombination im gesamten Raum gefunden?
Projekte verschwinden nicht – sie werden besser positioniert und über mehrere Jahre optimal eingeplant
In einem mathematisch optimierten Investitionssystem werden Projekte nicht verworfen. Stattdessen werden sie neu priorisiert, zeitlich verschoben oder strategisch anders positioniert, sodass sie unter gegebenen Budget-, Kapazitäts- und Risikorestriktionen zum optimalen Zeitpunkt den maximalen ökonomischen Beitrag zum Gesamtportfolio leisten.
Entscheidend ist dabei die Mehrjahresperspektive. Investitionsentscheidungen werden nicht isoliert für ein einzelnes Jahr getroffen, sondern im Kontext von 2-, 3-, 5- oder 10-Jahresplänen optimiert.
Liquidität, die durch die Optimierung im Startjahr entsteht, wird systematisch in das Folgejahr übertragen. Dadurch erhöht sich das verfügbare Investitionsbudget der nächsten Periode. Auch dieses Folgejahr wird anschließend erneut optimiert.
Der Effekt: Projekte können nachgezogen werden, sobald sie unter den neuen Budget-, Kapazitäts- und Renditebedingungen in das global optimale Portfolio passen. Auf diese Weise entsteht eine dynamische Mehrjahresoptimierung, bei der jede Optimierungsperiode die Investitionsmöglichkeiten der folgenden Jahre strukturell verbessert.
Schlussgedanke
Wer den Entscheidungsraum nicht berechnet, verwaltet Komplexität – und optimiert nicht. Mathematik verstehen heißt hier nicht „Formeln lernen“, sondern die Struktur von Entscheidungen so zu modellieren, dass das globale Optimum überhaupt sichtbar werden kann.
Visualisierung eines 2^50 Entscheidungsraum:
Die Visualisierung zeigt den 2^50-Entscheidungsraum eines weltweit operierenden Großkonzerns am Beispiel von 50 Projekten unter limitierten Budgets. Der zugrunde liegende Entscheidungsraum ist domänenunabhängig und kann identisch auf kommunale Projekte, Haushaltsentscheidungen und Infrastrukturportfolios angewendet werden.
2^50 mögliche Kombinationen entsprechen einer Größenordnung, die größer ist als die Anzahl der Sterne in über 2.800 Milchstraßen.
Diese Dimension verdeutlicht: Ohne algorithmische Optimierung basiert die Auswahl faktisch auf heuristischen Näherungen – nicht auf vollständiger Berechnung des globalen Optimums.
Ein Größenvergleich:
unsere Milchstraße und ein Konzern-Entscheidungsraum bei „nur“ 50 Projekten
von 1.125 Billiarden möglichen Projekt-Kombinationen
