Lokale Optima optimieren mit KI: Warum bessere Entscheidungen trotzdem falsch sein können

Executive Summary: Warum erfolgreiche Optimierung nicht automatisch zum besten Ergebnis führt

Was passiert, wenn jede Abteilung ihre Projekte optimiert, jedes Budget effizient eingesetzt wird und trotzdem das Unternehmen insgesamt wirtschaftliches Potenzial verschenkt?

In Unternehmen und öffentlichen Organisationen gehört Optimierung zum Tagesgeschäft. Produktionsprozesse werden effizienter gestaltet, Investitionsprojekte anhand wirtschaftlicher Kennzahlen priorisiert, Budgets angepasst und Ressourcen möglichst produktiv eingesetzt.

Die Ergebnisse erscheinen häufig überzeugend: Kosten sinken, einzelne Renditen steigen und operative Kennzahlen verbessern sich.

Doch genau hier liegt ein grundlegendes Problem strategischer Unternehmensführung.

Eine lokal optimale Entscheidung ist nicht zwangsläufig Bestandteil der global optimalen Gesamtlösung.

Ein Projekt kann innerhalb einer Abteilung wirtschaftlich hervorragend sein und gleichzeitig verhindern, dass das Unternehmen mit denselben Ressourcen einen höheren Gesamtbeitrag erzielt.

Der Grund liegt in den Wechselwirkungen zwischen Projekten, Budgets, Kapazitäten und strategischen Zielen.

Während klassische Managementprozesse häufig einzelne Maßnahmen optimieren, betrachtet mathematische Portfoliooptimierung deren Kombination.

StratePlan verbindet mathematische Verfahren aus dem Operations Research mit KI-gestützten Ansätzen, um große kombinatorische Entscheidungsräume systematisch zu untersuchen.

Das Ziel besteht darin, Projektkombinationen zu identifizieren, die unter den definierten wirtschaftlichen und operativen Restriktionen einen möglichst hohen Gesamtbeitrag erzielen.

Die entscheidende Managementfrage lautet deshalb nicht: Wie können wir unsere einzelnen Projekte weiter verbessern?

Sondern: Welche Kombination unserer Projekte erzielt mit dem verfügbaren Budget das beste Gesamtergebnis?

1. Was sind lokale Optima und globale Optima?

Die Begriffe lokales Optimum und globales Optimum stammen aus der mathematischen Optimierung.

Ein lokales Optimum bezeichnet eine Lösung, die innerhalb einer definierten Nachbarschaft nicht durch eine kleine zulässige Veränderung verbessert werden kann.

Ein globales Optimum ist dagegen eine Lösung, die innerhalb des gesamten zulässigen Entscheidungsraums den besten Wert der definierten Zielfunktion erreicht.

Der Unterschied ist entscheidend.

Eine Lösung kann innerhalb ihres unmittelbaren Umfelds optimal sein, obwohl an anderer Stelle des Entscheidungsraums eine wesentlich bessere Lösung existiert.

In Unternehmen lässt sich dieses Prinzip auf unterschiedliche Situationen übertragen:

• Eine Produktionsabteilung optimiert ihre eigenen Investitionen, ohne die Auswirkungen auf andere Standorte zu berücksichtigen.
• Ein Geschäftsbereich maximiert seinen individuellen ROI, obwohl eine andere Kapitalverteilung den höheren Konzernwertbeitrag ermöglichen würde.
• Ein Projektportfolio wird innerhalb eines festgelegten Budgets verbessert, obwohl eine bereichsübergreifende Neuverteilung wirtschaftlich attraktiver wäre.
• Eine Kommune priorisiert einzelne Maßnahmen nach Dringlichkeit, ohne die bestmögliche Kombination aller verfügbaren Investitionsalternativen zu untersuchen.

Diese Entscheidungen können innerhalb ihrer jeweiligen Betrachtungsgrenzen nachvollziehbar und wirtschaftlich sinnvoll sein.

Sie müssen jedoch nicht das beste Ergebnis für die gesamte Organisation erzeugen.

Lokale Optimierung verbessert eine Lösung innerhalb bestimmter Grenzen. Globale Optimierung sucht die beste zulässige Lösung innerhalb des gesamten definierten Entscheidungsraums.

2. Warum lokale Optima in Unternehmen besonders häufig entstehen

Organisationen sind in Abteilungen, Geschäftsbereiche, Programme und Verantwortungsstrukturen gegliedert.

Diese Aufteilung ist notwendig, um komplexe Unternehmen führen zu können.

Sie beeinflusst jedoch auch die Art, wie Entscheidungen getroffen werden.

Jede Organisationseinheit besitzt häufig eigene Ziele, Budgets und Leistungskennzahlen.

Eine Abteilung optimiert ihre Kosten. Ein Geschäftsbereich maximiert seine Rendite. Ein Projektleiter konzentriert sich auf Termine und Budgettreue.

Aus Sicht der jeweiligen Einheit können diese Entscheidungen richtig sein.

Doch das Gesamtergebnis hängt davon ab, wie alle Entscheidungen zusammenwirken.

Typische Ursachen lokaler Optimierung sind:

• Getrennte Budgets: Kapital wird innerhalb einzelner Geschäftsbereiche optimiert, statt bereichsübergreifend betrachtet zu werden.
• Unterschiedliche Zielgrößen: Abteilungen verfolgen eigene KPIs, die nicht vollständig mit dem Gesamtziel des Unternehmens übereinstimmen.
• Begrenzte Transparenz: Entscheidungsträger kennen häufig nur die Projekte ihres Verantwortungsbereichs.
• Projektabhängigkeiten: Einzelne Maßnahmen beeinflussen die Wirtschaftlichkeit oder Umsetzbarkeit anderer Projekte.
• Ressourcenkonflikte: Mehrere Projekte konkurrieren um dieselben Mitarbeiter, Maschinen oder technischen Kapazitäten.

Dadurch können lokal sinnvolle Entscheidungen entstehen, die in ihrer Gesamtheit wirtschaftlich suboptimal sind.

Das Unternehmen optimiert seine einzelnen Bestandteile, ohne automatisch das gesamte System zu optimieren.

3. Das mathematische Problem: 2^N mögliche Projektkombinationen

Sobald mehrere Projekte gleichzeitig zur Auswahl stehen, entsteht ein kombinatorischer Entscheidungsraum.

In einem vereinfachten binären Modell kann jedes Projekt entweder umgesetzt oder nicht umgesetzt werden.

Bei N unabhängig auswählbaren Projekten ergeben sich theoretisch 2^N mögliche Projektkombinationen.

Die Anzahl wächst exponentiell:

• 7 Projekte: 2^7 = 128 Kombinationen
• 10 Projekte: 2^10 = 1.024 Kombinationen
• 20 Projekte: 2^20 = 1.048.576 Kombinationen
• 30 Projekte: 2^30 = 1.073.741.824 Kombinationen
• 40 Projekte: 2^40 = 1.099.511.627.776 Kombinationen
• 50 Projekte: 2^50 = 1.125.899.906.842.624 Kombinationen
• 100 Projekte: 2^100 = rund 1,27 × 10^30 Kombinationen

Ein Unternehmen mit 50 geplanten Investitionsprojekten steht somit vor einem theoretischen Entscheidungsraum von rund 1,126 Billiarden möglichen Kombinationen.

Nicht jede dieser Kombinationen ist aufgrund von Budget-, Ressourcen- oder Projektabhängigkeiten zulässig.

Dennoch zeigt die Größenordnung, warum klassische Managementprozesse nur einen kleinen Ausschnitt aller möglichen Portfolios betrachten können.

Ein Vorstand kann 50 Projekte einzeln bewerten.

Er kann jedoch nicht mehr als eine Billiarde mögliche Projektkombinationen vollständig miteinander vergleichen.

Die Herausforderung besteht deshalb nicht darin, einzelne Projekte besser zu bewerten, sondern innerhalb eines exponentiell großen Entscheidungsraums die wirtschaftlich beste zulässige Kombination zu finden.

4. Warum die Verbesserung einzelner Projekte das Gesamtportfolio verschlechtern kann

Ein verbreiteter Managementansatz lautet: Wenn jedes Projekt wirtschaftlich optimiert wird, verbessert sich automatisch das Gesamtergebnis.

Diese Annahme gilt jedoch nicht uneingeschränkt.

Einzelne Projekte können um dieselben begrenzten Ressourcen konkurrieren.

Wird ein Projekt bevorzugt, stehen die dafür eingesetzten Mittel anderen Maßnahmen nicht mehr zur Verfügung.

Dadurch kann eine wirtschaftlich attraktive Einzelentscheidung eine noch attraktivere Projektkombination verhindern.

Beispielsweise kann eine Produktionsanlage eine hohe Einzelrendite erzielen, gleichzeitig jedoch so viel Investitionskapital beanspruchen, dass mehrere kleinere Automatisierungsmaßnahmen nicht mehr finanziert werden können.

Wenn diese kleineren Maßnahmen gemeinsam einen höheren Netto-Wertbeitrag erzeugen würden, wäre die ursprüngliche Auswahl auf Portfolio-Ebene suboptimal.

Ein ähnlicher Effekt kann bei personellen Ressourcen auftreten.

Ein Projekt mit hoher Wirtschaftlichkeit benötigt möglicherweise genau jene Spezialisten, die für mehrere andere Projekte erforderlich wären.

Die wirtschaftliche Qualität einer Maßnahme hängt deshalb nicht nur von ihrem eigenen Ergebnis ab, sondern auch davon, welche anderen Möglichkeiten durch ihre Umsetzung ausgeschlossen werden.

Diese Wechselwirkungen lassen sich durch eine isolierte Projektbewertung nicht vollständig erfassen.

5. Rechenbeispiel: Warum zwei kleinere Projekte wirtschaftlich besser sein können als ein großes

Ein Unternehmen verfügt über ein Investitionsbudget von 10 Millionen Euro.

Drei Projekte stehen zur Auswahl.

Projekt A besitzt den höchsten einzelnen Netto-Wertbeitrag.

Wird dieses Projekt ausgewählt, verbleiben 3 Millionen Euro Budget.

Diese reichen nicht aus, um eines der anderen Projekte zusätzlich umzusetzen.

Das ausgewählte Portfolio erzielt somit einen Netto-Wertbeitrag von 4 Millionen Euro.

Eine mathematische Untersuchung der möglichen Projektkombinationen zeigt jedoch eine bessere Alternative.

Die Projekte B und C benötigen gemeinsam 10 Millionen Euro und erzielen einen kombinierten Netto-Wertbeitrag von 6 Millionen Euro.

Unter der Annahme unabhängiger Projekte und ohne weitere Restriktionen ist B + C die optimale Kombination zur Maximierung des Netto-Wertbeitrags.

Das optimierte Portfolio erzielt einen um 50 % höheren Netto-Wertbeitrag als die ursprüngliche Auswahl.

Das Unternehmen benötigt dafür kein zusätzliches Investitionskapital.

Es muss lediglich eine andere Kombination seiner vorhandenen Projekte auswählen.

Die ursprüngliche Auswahl ist dabei nicht zwingend ein lokales Optimum im strengen mathematischen Sinn. Ob sie lokal optimal ist, hängt davon ab, welche Veränderungen als zulässige Nachbarschaft definiert werden.

Sie veranschaulicht jedoch das zentrale Managementproblem: Eine überzeugende Einzelprojektentscheidung kann gegenüber einer alternativen Portfoliokombination wirtschaftlich unterlegen sein.

6. Der Unterschied zwischen lokaler Suche und globaler Optimierung

In der mathematischen Optimierung existieren unterschiedliche Verfahren zur Suche nach leistungsfähigen Lösungen.

Lokale Suchverfahren beginnen häufig mit einer bestehenden Lösung und versuchen, diese durch Veränderungen zu verbessern.

Beispielsweise wird ein Projekt aus einem Portfolio entfernt und durch ein anderes ersetzt.

Verbessert sich die Zielfunktion, wird die neue Kombination übernommen.

Dieser Prozess kann wiederholt werden, bis innerhalb der betrachteten Nachbarschaft keine weitere Verbesserung gefunden wird.

Das Ergebnis kann ein lokales Optimum sein.

Das Problem: Eine deutlich bessere Lösung kann außerhalb dieser Nachbarschaft liegen.

Um sie zu erreichen, müssten möglicherweise mehrere Projekte gleichzeitig ausgetauscht werden.

Einzelne Zwischenschritte könnten dabei zunächst zu schlechteren Ergebnissen führen.

Ein einfaches lokales Suchverfahren würde solche Veränderungen unter Umständen nicht durchführen.

Globale Optimierungsverfahren verfolgen dagegen das Ziel, die beste zulässige Lösung innerhalb des gesamten definierten Entscheidungsraums zu identifizieren.

Dafür können unterschiedliche mathematische Ansätze eingesetzt werden, beispielsweise:

• Ganzzahlige und gemischt-ganzzahlige Optimierung
• Branch-and-Bound-Verfahren
• Dynamische Programmierung
• Metaheuristiken
• Mehrstartverfahren und kombinierte Suchstrategien
• KI-gestützte Bewertungs- und Suchverfahren

Einige Verfahren können unter geeigneten Voraussetzungen ein globales Optimum mathematisch nachweisen.

Andere liefern näherungsweise optimale Lösungen, ohne einen vollständigen Optimalitätsnachweis zu erbringen.

Entscheidend ist nicht, jede der theoretisch möglichen 2^N Kombinationen einzeln vollständig zu berechnen, sondern den Entscheidungsraum mit geeigneten mathematischen Verfahren systematisch zu untersuchen.

Weitere Hintergründe erläutert der Beitrag Mathematik und Optimierung verstehen – warum bessere Entscheidungen eine andere Rechenlogik brauchen.

7. Warum Excel, Scoring-Modelle und klassische Priorisierung lokale Lösungen begünstigen können

Excel, Scoring-Modelle und Managementworkshops sind etablierte Instrumente der Investitionsplanung.

Sie ermöglichen eine strukturierte Bewertung einzelner Projekte und die Erstellung unterschiedlicher Szenarien.

Die Herausforderung entsteht, wenn eine Rangfolge einzelner Projekte mit einer mathematisch optimierten Portfolioauswahl gleichgesetzt wird.

Excel: Einzelbewertungen sind noch keine globale Optimierung

Excel eignet sich hervorragend zur Berechnung von Business Cases, Kapitalrenditen und Investitionsszenarien.

Mit geeigneten Solver-Funktionen können auch mathematische Optimierungsprobleme bearbeitet werden.

Eine einfache Excel-Liste, in der Projekte nach ROI oder Kapitalwert sortiert werden, berücksichtigt jedoch nicht automatisch alle zulässigen Projektkombinationen.

Bei großen kombinatorischen Entscheidungsräumen können spezialisierte Optimierungsverfahren erforderlich oder effizienter sein.

Scoring-Modelle: Die beste Rangliste ist nicht das beste Portfolio

Scoring-Modelle bewerten Projekte anhand definierter Kriterien.

Die Projekte mit den höchsten Punktzahlen werden bevorzugt umgesetzt.

Dieses Verfahren schafft Transparenz über individuelle Prioritäten.

Es garantiert jedoch nicht, dass die ausgewählte Kombination den höchsten wirtschaftlichen oder strategischen Gesamtbeitrag erzielt.

Managementworkshops: Begrenzte Variantenprüfung

In Workshops werden häufig mehrere vorbereitete Szenarien diskutiert.

Beispielsweise ein Basisszenario, ein konservatives Budgetmodell und eine wachstumsorientierte Investitionsplanung.

Diese Varianten können sorgfältig entwickelt sein.

Sie bilden jedoch häufig nur einen kleinen Ausschnitt des gesamten mathematischen Entscheidungsraums ab.

Das Problem ist nicht die Qualität der Diskussion, sondern die begrenzte Anzahl der tatsächlich untersuchten Kombinationen.

8. Wie KI-gestützte Optimierung hilft, lokale Optima zu überwinden

KI-gestützte Entscheidungsoptimierung verfolgt einen anderen Ansatz als die bloße Verbesserung einzelner Prozesse.

Sie untersucht nicht ausschließlich die aktuelle Lösung, sondern berücksichtigt den größeren kombinatorischen Entscheidungsraum.

Die Projekte werden gemeinsam modelliert.

Budgetgrenzen, Ressourcenrestriktionen, Abhängigkeiten und wirtschaftliche Zielgrößen werden mathematisch beschrieben.

Geeignete Optimierungsalgorithmen untersuchen anschließend mögliche Projektkombinationen.

Dadurch können Alternativen identifiziert werden, die bei einer lokalen Verbesserung der bestehenden Projektplanung möglicherweise unberücksichtigt bleiben.

Der strategische Perspektivwechsel lautet:

• Von Einzelprojekten zu Portfolios: Nicht die isolierte Attraktivität eines Projekts, sondern sein Beitrag zur Gesamtlösung steht im Mittelpunkt.
• Von Ranglisten zu Kombinationen: Die Auswahl erfolgt anhand der gemeinsamen Wirkung mehrerer Maßnahmen.
• Von starren Budgets zu Szenarien: Unterschiedliche Kapitalgrenzen können mathematisch untersucht werden.
• Von impliziten Annahmen zu Restriktionen: Strategische Vorgaben werden im Entscheidungsmodell berücksichtigt.
• Von lokalen Verbesserungen zu systematischer Suche: Auch deutlich veränderte Projektkombinationen werden als mögliche Alternativen betrachtet.

Der Nutzen KI-gestützter Optimierung besteht darin, wirtschaftlich leistungsfähigere Lösungen jenseits der ursprünglich betrachteten Projektkombinationen sichtbar zu machen.

9. StratePlan: Mathematische Portfoliooptimierung statt isolierter Projektverbesserung

StratePlan wurde entwickelt, um komplexe Investitions- und Projektportfolios mathematisch zu optimieren.

Die Technologie kombiniert Verfahren aus dem Operations Research mit KI-gestützten Ansätzen zur effizienten Untersuchung großer kombinatorischer Entscheidungsräume.

Für ein grundlegendes wirtschaftliches Optimierungsmodell werden zunächst lediglich drei Angaben je Projekt benötigt:

1. Projekt-ID: Eindeutige Identifikation des Projekts
2. Expenses: Geplante Ausgaben beziehungsweise Investitionen
3. Income: Erwartete Einnahmen oder wirtschaftliche Rückflüsse

Zusätzlich wird das verfügbare Investitionsbudget festgelegt.

Die Projektdaten können beispielsweise aus bestehenden Excel-Investitionsplanungen übernommen werden.

StratePlan untersucht mögliche Projektkombinationen und berechnet ein Portfolio entsprechend der gewählten Zielfunktion.

Bei Maximize Net Contribution steht die Maximierung des gesamten erwarteten Netto-Wertbeitrags im Mittelpunkt.

Der Portfolio ROI kann ergänzend als wirtschaftliche Kennzahl ausgewiesen werden.

Erweiterte Modelle können zusätzliche Restriktionen und Bewertungsparameter berücksichtigen:

• Projektabhängigkeiten
• Strategische Gewichtungen
• Ressourcen- und Kapazitätsgrenzen
• Mehrjährige Investitionsbudgets
• Zeitliche Vorgaben
• Risiko- und Nachhaltigkeitskriterien

Das Ergebnis ist keine bloße Rangliste einzelner Projekte, sondern eine mathematisch berechnete Projektkombination innerhalb der definierten Rahmenbedingungen.

StratePlan ermöglicht damit den Wechsel von der isolierten Verbesserung einzelner Projekte zur systematischen Optimierung des gesamten Investitionsportfolios.

10. Live im Board Meeting: Was kostet es, an einer lokalen Lösung festzuhalten?

Besonders relevant wird mathematische Portfoliooptimierung, wenn unterschiedliche strategische Vorgaben unmittelbar miteinander verglichen werden können.

Stellen wir uns einen Industriekonzern mit 100 geplanten CAPEX-Projekten vor.

Die Summe aller Investitionswünsche übersteigt das verfügbare Budget.

Mehrere Geschäftsbereiche haben ihre eigenen Projekte bereits priorisiert und wirtschaftlich bewertet.

Der Vorstand möchte nun wissen, welche Kombination aus allen Projekten den höchsten erwarteten Netto-Wertbeitrag erzielt.

Szenario A: Bereichsübergreifende Optimierung

Der CFO fragt:

„Was verändert sich, wenn wir nicht mehr jeden Geschäftsbereich einzeln optimieren, sondern sämtliche Investitionsprojekte gemeinsam betrachten?“

Die Projekte werden in einem gemeinsamen Portfolio modelliert.

StratePlan berechnet eine optimierte Kombination unter Berücksichtigung der definierten Budgetgrenze.

Der Vergleich mit der bisherigen bereichsbezogenen Planung kann zeigen, ob eine andere Kapitalverteilung einen höheren wirtschaftlichen Gesamtbeitrag ermöglicht.

Szenario B: Strategisch bevorzugte Projekte

Der CEO fragt:

„Welchen wirtschaftlichen Beitrag geben wir möglicherweise auf, wenn bestimmte Projekte unabhängig von ihrer Einzelwirtschaftlichkeit zwingend umgesetzt werden müssen?“

Die betreffenden Projekte werden als verbindliche Restriktionen berücksichtigt.

Das Portfolio wird erneut berechnet.

Der Vergleich zeigt, welche Auswirkungen diese Vorgabe auf den erwarteten Netto-Wertbeitrag hat.

Szenario C: Budgetreduzierung

Der CFO möchte wissen:

„Welche Projektkombination sollten wir wählen, wenn wir unser CAPEX-Budget um 20 % reduzieren müssen?“

Die Budgetrestriktion wird angepasst.

StratePlan berechnet eine neue Projektkombination.

Das Management kann nachvollziehen, welche Maßnahmen entfallen und wie sich der erwartete Netto-Wertbeitrag verändert.

Szenario D: Zusätzliches Investitionskapital

Ein weiteres Vorstandsmitglied fragt:

„Wie viel zusätzlichen wirtschaftlichen Beitrag könnten wir erzielen, wenn wir weitere 10 Millionen Euro investieren?“

Das Budget wird erhöht und eine neue Optimierung durchgeführt.

Die Ergebnisse ermöglichen einen Vergleich zwischen zusätzlichem Kapitaleinsatz und erwartetem Wertbeitrag.

Szenario E: Veränderte strategische Gewichtungen

Der Vorstand stellt die Frage:

„Wie verändert sich das Portfolio, wenn wir Energieeffizienz, Digitalisierung oder bestimmte Wachstumsbereiche stärker gewichten?“

Die entsprechenden Parameter werden angepasst.

Das Portfolio wird erneut berechnet und mit den bisherigen Szenarien verglichen.

Strategische Vorgaben verändern. Portfolio neu berechnen. Wirtschaftliche Auswirkungen vergleichen. Fundierter entscheiden.

So können auch Entscheidungen, die von einer rein wirtschaftlichen Optimierung abweichen, bewusst und nachvollziehbar getroffen werden.

11. Opportunitätskosten: Der Preis einer lokal optimierten Entscheidung

Eine lokal attraktive Projektentscheidung kann dazu führen, dass andere wirtschaftlich leistungsfähigere Kombinationen nicht umgesetzt werden.

Dadurch entstehen Opportunitätskosten.

Sie beschreiben den entgangenen Nutzen der besten nicht gewählten Alternative.

Bei der strategischen Kapitalallokation können Opportunitätskosten beispielsweise entstehen, wenn:

• ein einzelnes Projekt einen großen Teil des verfügbaren Budgets beansprucht,
• ein Geschäftsbereich Kapital bindet, das in einem anderen Bereich einen höheren Beitrag erzielen könnte,
• mehrere voneinander abhängige Projekte getrennt bewertet werden,
• Ressourcen für weniger wirksame Maßnahmen reserviert werden,
• eine bestehende Projektkombination nicht mit alternativen Portfolios verglichen wird.

Mathematische Portfoliooptimierung ermöglicht es, das ursprünglich geplante Portfolio mit einer optimierten Projektkombination zu vergleichen.

Die Differenz zwischen den erwarteten Netto-Wertbeiträgen macht das modellierte Verbesserungspotenzial sichtbar.

Ist ein globales Optimum mathematisch nachgewiesen, kann der Abstand einer gewählten Lösung zu diesem Optimum exakt innerhalb des Modells bestimmt werden.

Bei näherungsweise optimalen Lösungen wird zunächst die Differenz zur besten gefundenen Lösung ermittelt.

Der entscheidende Mehrwert besteht darin, mögliche wirtschaftliche Nachteile einer bestehenden Projektplanung bereits vor der Kapitalbindung sichtbar zu machen.

12. Warum das globale Optimum nicht immer die endgültige Managemententscheidung sein muss

Eine mathematisch optimale Lösung ist immer an eine definierte Zielfunktion und bestimmte Restriktionen gebunden.

Das Management kann zusätzliche strategische, regulatorische oder gesellschaftliche Anforderungen berücksichtigen müssen.

Ein Unternehmen kann beispielsweise beschließen, ein bestimmtes Projekt aus langfristigen strategischen Gründen umzusetzen, obwohl eine andere Kombination kurzfristig einen höheren Netto-Wertbeitrag erzielen würde.

Eine Kommune kann eine gesetzlich vorgeschriebene Infrastrukturmaßnahme finanzieren müssen, auch wenn andere Projekte innerhalb eines rein wirtschaftlichen Modells attraktiver erscheinen.

Solche Entscheidungen sind nicht automatisch falsch.

Entscheidend ist, dass ihre Auswirkungen transparent werden.

Mathematische Portfoliooptimierung kann unterschiedliche Szenarien berechnen:

• Ein Portfolio ohne zusätzliche strategische Vorgaben
• Ein Portfolio mit verbindlich umzusetzenden Projekten
• Ein Portfolio mit veränderten Budgetrestriktionen
• Ein Portfolio mit zusätzlichen Gewichtungen oder Wirkungszielen

Durch den Vergleich dieser Szenarien lassen sich wirtschaftliche Zielkonflikte sichtbar machen.

Das Ziel ist nicht, jede Managemententscheidung durch einen Algorithmus zu ersetzen, sondern die wirtschaftlichen Konsequenzen unterschiedlicher Handlungsalternativen nachvollziehbar zu machen.

13. Sensitivitätsanalyse: Wie stabil ist die optimale Projektkombination?

Investitionsentscheidungen basieren auf Annahmen über zukünftige wirtschaftliche Entwicklungen.

Projektkosten können steigen. Einnahmeerwartungen können sinken. Ressourcen können knapper werden. Strategische Prioritäten können sich verändern.

Deshalb ist es sinnvoll, nicht ausschließlich eine einzelne Portfoliooptimierung durchzuführen.

Durch Sensitivitätsanalysen können unterschiedliche wirtschaftliche Szenarien untersucht werden.

Typische Fragestellungen sind:

• Welche Projekte bleiben auch bei einem reduzierten Budget Bestandteil des Portfolios?
• Wie verändert sich die Projektkombination bei steigenden Investitionskosten?
• Welche Maßnahmen reagieren besonders empfindlich auf niedrigere Einnahmeerwartungen?
• Wie verändert sich das Portfolio bei zusätzlichen Ressourcenrestriktionen?
• Welche Projekte bleiben unter verschiedenen Szenarien wirtschaftlich attraktiv?

Diese Analysen können zeigen, wie robust eine berechnete Projektkombination unter veränderten Annahmen bleibt.

Eine strategisch fundierte Entscheidung berücksichtigt nicht nur die beste berechnete Lösung unter einem einzelnen Szenario, sondern auch die Auswirkungen möglicher Veränderungen.

14. Praxisreferenz: Klybeck-Areal Basel – rund 63 % höhere Kapitalrendite

Welches wirtschaftliche Potenzial mathematische Portfoliooptimierung sichtbar machen kann, verdeutlicht die StratePlan-Referenz des Klybeck-Areals in Basel.

Im Rahmen der Portfoliooptimierung für Central Real Estate AG und Swiss Life AG wurden vorhandene Investitions- und Projektalternativen mathematisch untersucht.

Das modellierte Ergebnis:

• Ursprüngliche Kapitalrendite: 7,0 %
• Optimierte Kapitalrendite: 11,4 %
• Relative Renditeverbesserung: rund 63 %
• Zusätzlicher modellierter wirtschaftlicher Wertbeitrag: rund 30 Millionen CHF

Die Verbesserung wurde durch eine veränderte Kombination vorhandener Investitionsalternativen bei identischem Budget modelliert.

Diese projektspezifischen Ergebnisse stellen keine allgemeine Renditegarantie dar.

Die zentrale Erkenntnis: Eine bessere Kombination bestehender Investitionsalternativen kann einen erheblich höheren wirtschaftlichen Gesamtbeitrag ermöglichen – ohne zusätzliches Investitionsbudget.

15. Wo lokale Optima besonders häufig wirtschaftliche Potenziale begrenzen

Die Gefahr einer isolierten Optimierung einzelner Maßnahmen besteht in zahlreichen wirtschaftlichen und öffentlichen Anwendungsbereichen.

Industrie und CAPEX-Planung

Produktionsanlagen, Automatisierungsprojekte, Kapazitätserweiterungen und Standortinvestitionen konkurrieren um gemeinsame Investitionsbudgets.

Die isolierte Optimierung einzelner Werke oder Geschäftsbereiche kann eine bereichsübergreifend wirtschaftlich bessere Kapitalverteilung verhindern.

Digitalisierung und KI-Transformation

Unternehmen identifizieren häufig zahlreiche potenzielle KI- und Digitalisierungsprojekte.

Eine reine Priorisierung einzelner Use Cases zeigt nicht automatisch, welche Kombination den höchsten wirtschaftlichen Gesamtbeitrag erzielt.

Immobilien und Real Estate

Projektentwicklungen, Sanierungen, Modernisierungen und Standortinvestitionen können innerhalb eines gemeinsamen Kapitalbudgets betrachtet werden.

Die Auswahl einzelner Projekte beeinflusst die Finanzierungsmöglichkeiten des gesamten Immobilienportfolios.

Energie und Infrastruktur

Energieprojekte, Netzinvestitionen, Effizienzmaßnahmen und Infrastrukturmodernisierungen erfordern häufig langfristige Kapitalbindungen.

Mathematische Portfoliooptimierung kann helfen, unterschiedliche Investitionskombinationen unter wirtschaftlichen und technischen Restriktionen zu vergleichen.

Kommunen und öffentliche Haushalte

Städte und Gemeinden müssen zahlreiche Investitionsvorhaben innerhalb begrenzter Haushaltsmittel finanzieren.

Schulen, Straßen, Verwaltungsgebäude, Infrastruktur und soziale Einrichtungen konkurrieren um dieselben öffentlichen Ressourcen.

Die isolierte Priorisierung einzelner Fachbereiche führt nicht automatisch zu der Maßnahmenkombination mit dem höchsten definierten gesellschaftlichen Gesamtnutzen.

Mathematische Optimierung kann unterschiedliche Projektkombinationen unter Berücksichtigung von Budgetgrenzen, Pflichtaufgaben und politischen Wirkungszielen untersuchen.

Der gemeinsame Nenner aller Anwendungsfälle ist die Frage, ob die Optimierung einzelner Maßnahmen tatsächlich zur bestmöglichen Gesamtlösung führt.

16. Haushaltssimulation und gleichzeitige Portfoliooptimierung: Lokale Lösungen im öffentlichen Sektor überwinden

Besonders deutlich wird das Problem lokaler Optimierung bei der Planung öffentlicher Investitionshaushalte.

Kommunale Fachbereiche verfügen häufig über eigene Projektlisten und Prioritäten.

Das Schulamt priorisiert Bildungsinvestitionen. Das Bauamt bewertet Infrastrukturmaßnahmen. Andere Bereiche planen Digitalisierungs-, Energie- oder Immobilienprojekte.

Jede dieser Priorisierungen kann innerhalb des jeweiligen Verantwortungsbereichs sinnvoll sein.

Die entscheidende Frage lautet jedoch:

Welche Kombination aller kommunalen Projekte erzielt innerhalb des verfügbaren Haushaltsbudgets den höchsten definierten wirtschaftlichen oder gesellschaftlichen Gesamtnutzen?

Ein vereinfachtes Beispiel:

Eine Stadt verfügt über ein Investitionsbudget von 81 Millionen Euro.

Gleichzeitig stehen 50 Projekte mit einem gesamten Investitionsbedarf von 220 Millionen Euro zur Auswahl.

Bei 50 binären Projektentscheidungen entstehen theoretisch 2^50 = 1.125.899.906.842.624 mögliche Kombinationen.

Eine mathematische Portfoliooptimierung kann unterschiedliche zulässige Projektkombinationen unter den definierten Budget- und Wirkungsrestriktionen untersuchen.

Durch eine gleichzeitige Haushaltssimulation lassen sich unterschiedliche finanzielle Rahmenbedingungen berücksichtigen.

Beispielsweise:

• Welche Projektkombination erzielt bei 81 Millionen Euro Budget den höchsten modellierten Gesamtnutzen?
• Wie verändert sich das Portfolio bei einer Budgetreduzierung?
• Welche zusätzlichen Maßnahmen könnten bei höheren Einnahmen umgesetzt werden?
• Wie verändern verbindliche politische Projekte das Ergebnis?
• Welche Auswirkungen haben unterschiedliche Gewichtungen von Bildung, Infrastruktur oder Klimaschutz?

Die Qualität der Ergebnisse hängt von den verwendeten Daten und der Definition der wirtschaftlichen beziehungsweise gesellschaftlichen Zielgrößen ab.

Die Verbindung von Haushaltssimulation und mathematischer Portfoliooptimierung kann helfen, fachbereichsbezogene Priorisierungen in eine übergreifende, nachvollziehbare Entscheidungsgrundlage zu überführen.

17. Von lokaler Prozessoptimierung zu strategischer Decision Intelligence

Viele Unternehmen verfügen bereits über leistungsfähige Systeme zur Analyse und Steuerung ihrer Geschäftsprozesse.

ERP-Systeme dokumentieren Ressourcen und wirtschaftliche Vorgänge.

Business-Intelligence-Lösungen visualisieren Kennzahlen und Entwicklungen.

Controlling-Systeme analysieren Budgetabweichungen und wirtschaftliche Ergebnisse.

Diese Systeme beantworten wichtige Fragen:

Was ist passiert? Wie entwickeln sich unsere KPIs? Welche Projekte liegen innerhalb ihres Budgets?

Decision Intelligence erweitert diese Perspektive um die mathematische Unterstützung zukünftiger Entscheidungen.

Welche Projektkombination sollten wir auswählen? Welche Restriktionen begrenzen unseren möglichen Wertbeitrag? Welche Alternativen erzeugen ein besseres Gesamtergebnis?

StratePlan ergänzt bestehende Planungs- und Controllingprozesse um eine mathematische Optimierungsebene.

Die erforderlichen Projektdaten können zunächst über einfache Excel-Tabellen bereitgestellt werden.

Der strategische Fortschritt besteht darin, nicht ausschließlich einzelne Projekte effizienter zu steuern, sondern die Auswahl und Kombination der Projekte selbst mathematisch zu verbessern.

18. Fazit: Wer nur lokale Optima verbessert, übersieht möglicherweise die bessere Gesamtlösung

Lokale Optimierung ist ein wichtiger Bestandteil professioneller Unternehmensführung.

Sie verbessert Prozesse, reduziert Kosten und erhöht die Effizienz einzelner Maßnahmen.

Doch eine lokal optimale Lösung ist nicht zwangsläufig global optimal.

Wenn zahlreiche Projekte um begrenzte Budgets und Ressourcen konkurrieren, entsteht ein kombinatorischer Entscheidungsraum.

Bereits bei 50 Projekten existieren mehr als eine Billiarde theoretisch mögliche Kombinationen.

Die isolierte Verbesserung einzelner Projekte beantwortet deshalb nicht automatisch die Frage nach der wirtschaftlich besten Gesamtlösung.

Mathematische Portfoliooptimierung ermöglicht es, unterschiedliche Projektkombinationen systematisch zu untersuchen und ihre wirtschaftlichen Auswirkungen zu vergleichen.

StratePlan verbindet dafür Verfahren aus dem Operations Research mit KI-gestützten Ansätzen.

Damit können Unternehmen, Vorstände und öffentliche Entscheidungsträger alternative Portfolios berechnen, strategische Szenarien untersuchen und ungenutzte wirtschaftliche oder gesellschaftliche Potenziale identifizieren.

Die entscheidende Frage lautet nicht: Wie können wir unsere bestehenden Projekte noch besser optimieren?

Sondern: Haben wir überhaupt die richtige Kombination von Projekten ausgewählt?

Genau hier beginnt der Übergang von lokaler Optimierung zur mathematischen Portfoliooptimierung.

StratePlan – Nicht nur Projekte verbessern. Die richtige Kombination berechnen.

FAQ – Lokale Optima mit KI überwinden

Was ist ein lokales Optimum?

Ein lokales Optimum ist eine Lösung, die innerhalb einer definierten Nachbarschaft nicht durch eine kleine zulässige Veränderung verbessert werden kann.

Außerhalb dieser Nachbarschaft können jedoch bessere Lösungen existieren.

Was ist der Unterschied zwischen lokalem und globalem Optimum?

Ein lokales Optimum ist innerhalb eines begrenzten Bereichs optimal.

Ein globales Optimum erreicht dagegen den besten Wert der definierten Zielfunktion innerhalb des gesamten zulässigen Entscheidungsraums.

Warum können lokale Optima für Unternehmen problematisch sein?

Weil eine innerhalb einer Abteilung oder eines Geschäftsbereichs optimale Entscheidung nicht automatisch zum höchsten wirtschaftlichen Gesamtbeitrag des Unternehmens führt.

Projekte konkurrieren um gemeinsame Budgets, Ressourcen und Kapazitäten.

Dadurch können wirtschaftlich bessere bereichsübergreifende Kombinationen unberücksichtigt bleiben.

Wie kann KI helfen, lokale Optima zu überwinden?

KI-gestützte mathematische Optimierung kann große kombinatorische Entscheidungsräume systematisch untersuchen.

Dadurch können Projektkombinationen identifiziert werden, die außerhalb der unmittelbar betrachteten Alternativen liegen und einen höheren wirtschaftlichen Gesamtbeitrag ermöglichen.

Kann KI immer das globale Optimum berechnen?

Bei geeigneten mathematischen Modellen und Optimierungsverfahren kann ein globales Optimum berechnet und nachgewiesen werden.

Bei besonders komplexen Problemen können auch näherungsweise optimale Lösungen eingesetzt werden.

Die Aussage über die Lösungsqualität hängt vom verwendeten Verfahren und einem gegebenenfalls vorhandenen Optimalitätsnachweis ab.

Was bedeutet 2^N bei der Portfoliooptimierung?

2^N beschreibt die Anzahl theoretisch möglicher Kombinationen bei N unabhängigen binären Projektentscheidungen.

Jedes Projekt kann entweder ausgewählt oder nicht ausgewählt werden.

Bei 20 Projekten entstehen 2^20 = 1.048.576 mögliche Kombinationen.

Bei 50 Projekten sind es 2^50 = 1.125.899.906.842.624 Kombinationen.

Müssen alle 2^N Kombinationen einzeln berechnet werden?

Nein.

Moderne mathematische Optimierungsverfahren können große Entscheidungsräume effizient untersuchen, ohne jede theoretisch mögliche Kombination einzeln vollständig auszuwerten.

Welche Verfahren geeignet sind, hängt von der mathematischen Problemstruktur und den definierten Nebenbedingungen ab.

Warum reicht eine klassische ROI-Rangliste nicht aus?

Eine ROI-Rangliste bewertet einzelne Projekte anhand ihrer individuellen Rendite.

Sie berücksichtigt jedoch nicht automatisch, welche Kombination der Projekte innerhalb des verfügbaren Budgets den höchsten absoluten Netto-Wertbeitrag erzielt.

Die beste Rangliste ist deshalb nicht zwangsläufig das beste Investitionsportfolio.

Kann Excel globale Optimierungsprobleme lösen?

Ja. Excel kann mit geeigneten Solver-Funktionen mathematische Optimierungsaufgaben bearbeiten.

Bei großen kombinatorischen Entscheidungsräumen und komplexen Restriktionen können jedoch spezialisierte Optimierungsverfahren erforderlich oder effizienter sein.

Welche Daten benötigt StratePlan für eine erste Optimierung?

Für ein grundlegendes wirtschaftliches Optimierungsmodell werden zunächst drei Angaben je Projekt benötigt:

• Projekt-ID
• Expenses – geplante Ausgaben
• Income – erwartete Einnahmen beziehungsweise wirtschaftliche Rückflüsse

Zusätzlich wird das verfügbare Investitionsbudget festgelegt.

Komplexere Modelle können weitere Restriktionen und Bewertungsparameter berücksichtigen.

Was bedeutet Maximize Net Contribution?

Maximize Net Contribution bezeichnet die Maximierung des gesamten erwarteten Netto-Wertbeitrags eines Projektportfolios innerhalb definierter Restriktionen.

Der Portfolio ROI kann ergänzend als wirtschaftliche Kennzahl ausgewiesen werden.

Die Maximierung des absoluten Netto-Wertbeitrags und die Maximierung des Portfolio-ROI sind unterschiedliche mathematische Zielsetzungen.

Kann StratePlan die wirtschaftlichen Nachteile einer bestehenden Projektplanung sichtbar machen?

Durch den Vergleich einer bestehenden Projektkombination mit einer optimierten Alternative kann die Differenz der erwarteten Netto-Wertbeiträge berechnet werden.

Diese Differenz zeigt das modellierte wirtschaftliche Verbesserungspotenzial unter den zugrunde gelegten Annahmen.

Ist das globale Optimum immer die richtige Managemententscheidung?

Nicht zwangsläufig.

Eine mathematisch optimale Lösung bezieht sich immer auf die definierte Zielfunktion und die berücksichtigten Restriktionen.

Strategische, regulatorische oder gesellschaftliche Anforderungen können zusätzliche Vorgaben erforderlich machen.

Mathematische Optimierung hilft dabei, die Auswirkungen solcher Vorgaben transparent zu machen.

Für welche Bereiche ist die Überwindung lokaler Optima besonders relevant?

Besonders relevant ist sie für Investitionsportfolios mit zahlreichen konkurrierenden Projekten und begrenzten Ressourcen.

Typische Einsatzbereiche sind Industrie, CAPEX-Planung, Digitalisierung, KI-Use-Cases, Immobilien, Energie, Infrastruktur und kommunale Haushaltsplanung.

Was ist das wichtigste Fazit für CEOs und CFOs?

Die Verbesserung einzelner Projekte führt nicht automatisch zur wirtschaftlich besten Gesamtlösung.

Mathematische Portfoliooptimierung ermöglicht es, alternative Projektkombinationen zu untersuchen und die Kapitalallokation auf Ebene des gesamten Unternehmens zu verbessern.

Die entscheidende Frage lautet: Optimieren wir unsere Projekte – oder optimieren wir die Auswahl unserer Projekte?

Optimieren Sie nicht nur einzelne Projekte. Berechnen Sie die beste Kombination.

Finden Sie heraus, welche Kombination Ihrer geplanten Investitionsprojekte innerhalb Ihres verfügbaren Budgets den höchsten erwarteten Netto-Wertbeitrag erzielen kann.

Vergleichen Sie Ihre bisherige Projektplanung mit mathematisch optimierten Investitionsszenarien und untersuchen Sie, ob eine andere Kombination vorhandener Projekte einen höheren wirtschaftlichen Gesamtbeitrag ermöglicht.

Bis zu 15 Projekte können Sie kostenlos optimieren.

Jetzt bis zu 15 Projekte kostenlos optimieren →