KI-Optimierung der Priorisierung von Investitionen in die öffentliche Infrastruktur

Öffentliche Infrastruktur ist kein Ranking-Problem, sondern eine Portfolio-Entscheidung unter harten Nebenbedingungen: begrenztes Budget, regionale Ausgewogenheit, Equity-Vorgaben und Umweltwirkungen. Sobald mehrere Projekte gleichzeitig zur Auswahl stehen, entsteht ein kombinatorischer Entscheidungsraum. Die zentrale Frage lautet: Welche Projektkombination liefert die maximale gesellschaftliche Wirkung – innerhalb der politischen und operativen Mandate?

Ziel

Maximierung des gesellschaftlichen Nutzens (z. B. vermiedene Krankheitslast/DALYs, geschaffene Arbeitsplätze, regionale Resilienz) unter nationalen Budgetgrenzen und Equity-Vorgaben.

Assessment Inputs

  • Kosten pro Projekt
  • Wirtschaftlicher ROI / Wirkung (%)
  • Equity Index (Nutzen für einkommensschwache Gruppen)
  • Umwelt-Impact-Score

Bewertung und Auswahlmechanismus

Jedes Projekt i erhält einen Nutzenwert über eine Multi-Kriterien-Nutzenfunktion:

Uᵢ = w₁ · ROIᵢ + w₂ · Equityᵢ − w₃ · EnvImpactᵢ

Anschließend wird nicht „das beste Einzelprojekt“ gewählt, sondern die beste Kombination. StratePlan berechnet die Portfolio-Auswahl so, dass die Summe der Nutzenwerte maximiert wird und alle Nebenbedingungen erfüllt sind.

Nebenbedingungen

  • Gesamtbudget: ≤ 500 Mio. USD
  • Regionale Balance: mindestens 1 Projekt pro Provinz
  • Equity-Mandat: Mindestwert für den durchschnittlichen Equity-Score im Gesamtportfolio

Ergebnis

  • Optimale Projektkombination mit maximalem Gesamtnutzen unter Budget- und Mandatsvorgaben
  • Transparente Herleitung: Gewichte, Nutzenbeiträge, Trade-offs (ROI / Wirkung vs. Equity vs. Umwelt)
  • Nachvollziehbare Dokumentation für Gremien, Haushalt, Audit und Öffentlichkeit

Technologie

StratePlan modelliert die Auswahl als 0-1-Optimierung mit Nebenbedingungen (Portfolio-Selection). Die Wirkungsbewertung wird über EIA-ähnliche Impact-Matrizen strukturiert, sodass ökonomische, soziale, Equity- und Umweltkriterien konsistent erfasst und in eine entscheidungsfähige Nutzenfunktion überführt werden können.

Demo anfragen

Common Patterns Across Cases

Assessment

Qualitative und quantitative Faktoren werden in vergleichbare Scores überführt – mithilfe von Skalen, Bewertungsmodellen oder strukturierter Experteneinschätzung. Ziel ist eine konsistente, entscheidungsfähige Bewertungsbasis.

Ranking

Elemente werden priorisiert. Ranking ist jedoch selten die finale Entscheidung. In komplexen Umgebungen wird die Priorisierung häufig direkt in eine kombinatorische Optimierung eingebettet, um Wechselwirkungen und Nebenbedingungen systematisch zu berücksichtigen.

Group Selection

Die finale Auswahl geht über ein einfaches „Top-k“-Vorgehen hinaus. StratePlan löst strukturierte Auswahlprobleme wie Knapsack-, Portfolio- oder Scheduling-Modelle und berechnet die optimale Kombination unter realen Restriktionen.

Constraints

Nebenbedingungen spiegeln reale Knappheiten wider: Kapital, Zeit, Ressourcen, Risikoappetit, regulatorische Vorgaben, strategische Mandate oder Nachhaltigkeitsanforderungen. Sie sind integraler Bestandteil der Entscheidungslogik.

Technologies

Hybride Nutzung von MCDA-Methoden (z. B. AHP, TOPSIS) zur strukturierten Bewertung kombiniert mit StratePlan zur constraint-bewussten Gruppen- bzw. Portfolioauswahl.

Diese Cases zeigen, wie StratePlan Entscheidungsprozesse von reinem Ranking zu intelligenter, nebenbedingungsbewusster Portfolio-Konstruktion weiterentwickelt. Bewertungsdaten werden in umsetzbare, optimierte Gruppenentscheidungen überführt – ausgerichtet an finanziellen, strategischen und nachhaltigkeitsbezogenen Zielen.

Die zugrunde liegende Kernlogik – strukturierte Bewertung → quantitative Priorisierung → constrained group selection – skaliert über unterschiedliche Branchen hinweg und wird jeweils an domänenspezifische Erfolgsgrößen und Restriktionen angepasst.

Wartungsplanung für Energienetze

Ziel: Maximale Verbesserung der Systemzuverlässigkeit über einen Zeitraum von 5 Jahren.
Mehr zum Thema

Die Mathematik hinter StratePlan verstehen

2N-Logik, kombinatorische Optimierung, globales Optimum

Mehr zum Thema