Für Entscheider: Die meisten strategischen Entscheidungen werden getroffen, ohne den vollständigen Entscheidungsraum zu sehen
Kapitalallokation scheitert selten an fehlender Analyse. Sie scheitert daran, dass der Entscheidungsraum nicht vollständig berechnet wird.
Bereits bei 20 Initiativen existieren über 1 Million mögliche Portfoliokombinationen. Bei 50 Projekten sind es mehr als eine Billiarde.
Vorstände prüfen Projekte. Gremien priorisieren Maßnahmen. Controlling überwacht Budgets.
Doch nahezu keine Organisation berechnet die mathematisch optimale Kombination unter realen Nebenbedingungen.
Das globale Optimum bleibt unsichtbar.
Wenn der vollständige Entscheidungsraum nicht berechnet wird, wird Komplexität verwaltet – nicht optimiert.
Im Folgenden analysieren wir, wie Organisationen ihr Portfolio formal modellieren und das globale Optimum unter realen Nebenbedingungen ex ante bestimmen können:
Ausgangspunkt: Die vollständige Investitionsliste vor der eigentlichen Entscheidung
Der entscheidende Unterschied dieser neuen Berechnungsmethode liegt im Zeitpunkt der Anwendung: Sie wird nicht nach der Entscheidung zur Validierung verwendet, sondern vor der eigentlichen Entscheidung, ausgehend von der vollständigen Investitions- und Projektliste des Unternehmens.
Typischerweise existiert eine Liste potenzieller CAPEX-Projekte – z. B. Werksmodernisierungen, IT-Transformationen, Produktentwicklungen, Infrastrukturmaßnahmen oder Effizienzprogramme. Gleichzeitig bestehen fixe Restriktionen wie ein begrenztes Gesamtbudget, begrenzte Engineering-Kapazitäten, Produktionsfenster, Risikobudgets und strategische Rahmenbedingungen.
Genau hier entsteht das eigentliche Entscheidungsproblem: Nicht alle Projekte können umgesetzt werden. Die Frage ist daher nicht, welche Projekte isoliert sinnvoll erscheinen, sondern welche Kombination dieser Projekte unter den gegebenen Restriktionen das global optimale Gesamtportfolio bildet.
Die neue Berechnungsmethode bewertet daher nicht einzelne Projekte isoliert, sondern berechnet aus der vollständigen Projektliste das optimale Portfolio unter Berücksichtigung aller Budget-, Kapazitäts-, Risiko- und Strategiegrenzen. Das Ergebnis ist eine mathematisch fundierte Auswahl derjenigen Projekte, die gemeinsam den maximalen Gesamtwertbeitrag erzeugen – vor der eigentlichen Investitionsentscheidung.
Dadurch wird CAPEX-Planung von einem sequenziellen Auswahlprozess zu einer konsistenten Portfolio-Optimierung überführt, bei der Opportunitätskosten, Restriktionsengpässe und Portfolioeffekte vollständig berücksichtigt werden.
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.
Warum die meisten Portfolios strukturell suboptimal sind – in 90 Sekunden
- Portfolioentscheidungen erzeugen einen kombinatorischen Entscheidungsraum nach der Logik 2^N.
- Ab etwa 20 Projekten ist eine vollständige manuelle Bewertung faktisch unmöglich.
- Heuristiken (z. B. „Top 5 nach NPV“, „IRR > WACC“, „Payback < 3 Jahre“) erzeugen systematische Verzerrungen.
- Organisationen verwechseln lokale Optima mit der besten Lösung im gesamten Entscheidungsraum.
- Opportunitätskosten bleiben dadurch strukturell unsichtbar.
- Algorithmische Optimierung berechnet die beste Projektkombination unter realen Nebenbedingungen (Budget, Kapazität, Risiko, ESG etc.).
Fazit:
Wer den vollständigen Lösungsraum nicht berechnet, akzeptiert implizit suboptimale Kapitalallokation.
Lokale Optima optimieren mit KI: Warum bessere Entscheidungen trotzdem falsch sein können
In vielen Organisationen gilt Optimierung als Zeichen von Professionalität. Prozesse werden verbessert, Projekte nachgeschärft, Budgets feinjustiert. KPIs steigen, Risiken sinken, Abläufe wirken kontrolliert. Und dennoch bleibt das Ergebnis häufig hinter den Erwartungen zurück.
Der Grund ist paradox – aber systematisch: Organisationen optimieren erfolgreich, aber am falschen Ort.
Sie optimieren lokale Optima. Und genau das ist der Kern des Problems.
Dieser Beitrag zeigt, warum „lokale Optima optimieren“ mit klassischer Managementlogik zwangsläufig scheitert, weshalb KI hier nicht als Automatisierung, sondern als Entscheidungsinstrument wirkt – und wie StratePlan den Sprung vom lokalen zum globalen Optimum ermöglicht.
Wie mathematische Optimierung bessere Entscheidungen ermöglicht
Was sind lokale Optima – und warum sind sie so verführerisch?
Ein lokales Optimum ist eine Lösung, die innerhalb eines begrenzten Entscheidungsausschnitts nicht weiter verbessert werden kann. Jede kleine Veränderung scheint das Ergebnis zu verschlechtern. Aus der Perspektive des Teams, der Abteilung oder des Programms ist man „am Ziel“.
Lokale Optima fühlen sich deshalb richtig an:
- Sie sind das Ergebnis intensiver Analyse.
- Sie werden durch Zahlen und KPIs gestützt.
- Sie sind politisch anschlussfähig.
- Sie erscheinen effizient.
Genau deshalb sind lokale Optima so stabil. Und genau deshalb sind sie so gefährlich.
Der strukturelle Fehler: Optimierung ohne Raumverständnis
Optimierung setzt voraus, dass der Raum bekannt ist, in dem optimiert wird. In der Praxis ist dieser Raum jedoch stark eingeschränkt: Abteilungen sehen nur ihre Projekte, Programme nur ihre Initiativen, Gremien nur die diskutierten Varianten.
Was fehlt, ist der Blick auf den gesamten Entscheidungsraum.
Sobald mehrere Projekte gleichzeitig konkurrieren – um Budget, Ressourcen, Zeit und Aufmerksamkeit – entsteht kein linearer Entscheidungsprozess mehr, sondern ein kombinatorischer Raum. Dieser Raum wächst exponentiell.
Bei N Projekten existieren nicht N Optionen, sondern:
2N mögliche Projektkombinationen
Das bedeutet: Schon bei 50 Projekten sprechen wir über mehr als 1.125 Billiarden mögliche Portfolios. Jeder lokal optimierte Zustand ist nur ein Punkt in diesem Raum – nicht notwendigerweise ein guter.
Warum mehr Optimierung das Problem oft verschärft
Ein verbreiteter Irrtum lautet: Wenn das Ergebnis nicht gut genug ist, müssen wir einfach noch besser optimieren. Mehr Analyse, feinere KPIs, detailliertere Steuerung.
In Wahrheit passiert oft das Gegenteil:
- Lokale Optima werden weiter zementiert.
- Abhängigkeiten zwischen Projekten verhärten sich.
- Ressourcenengpässe verschieben sich, lösen sich aber nicht.
- Das System wird insgesamt träger.
Das ist kein Führungsproblem, sondern ein mathematisches. Lokale Optimierung ohne globales Raumverständnis verstärkt Suboptimalität.
Der Denkfehler klassischer Steuerungssysteme
Klassische Steuerungssysteme sind auf Stabilität ausgelegt. Sie messen, vergleichen, korrigieren. Das funktioniert hervorragend in linearen Systemen. In hochkomplexen, vernetzten Entscheidungsräumen führt es jedoch zu einem systematischen Bias:
Es wird das verbessert, was sichtbar ist – nicht das, was wirksam wäre.
Lokale Optima liegen im Sichtfeld. Das globale Optimum liegt fast immer außerhalb.
Warum KI hier nicht „automatisiert“, sondern den Raum öffnet
Wenn von „lokale Optima optimieren KI“ gesprochen wird, geht es nicht darum, bestehende Prozesse schneller oder billiger zu machen. Es geht um einen kategorialen Wechsel:
- Von Diskussion zu Berechnung
- Von Varianten zu Kombinationen
- Von Einzelprojekten zu Portfolios
KI wird hier nicht als Prognosemaschine eingesetzt, sondern als Entscheidungsraum-Technologie. Sie modelliert Projekte, Restriktionen, Abhängigkeiten und Ziele – und durchsucht den gesamten Raum nach besseren Kombinationen.
Damit wird sichtbar, was zuvor verborgen war: Wie viele lokale Optima existieren – und wo das globale Optimum tatsächlich liegt.
Ein Größenvergleich:
unsere Milchstraße und ein Konzern-Entscheidungsraum bei "nur" 50 Projekten
von 1.125 Billiarden möglichen Projekt-Kombinationen
Warum lokale Optima im Portfolio besonders teuer sind
In Portfolios entstehen lokale Optima häufig an den falschen Stellen:
- Ein Projekt wird perfektioniert, blockiert aber kritische Ressourcen.
- Ein Programm wird abgeschlossen, obwohl es andere verzögert.
- Ein Budget wird optimal genutzt – aber im falschen Jahr.
Jede dieser Entscheidungen kann für sich genommen „richtig“ sein. Im Zusammenspiel erzeugen sie jedoch Reibung, Verzögerung und Opportunitätskosten.
Das Paradoxe: Je besser einzelne Einheiten optimieren, desto schlechter kann das Gesamtergebnis werden.
StratePlan: Lokale Optima sichtbar machen – und verlassen
StratePlan setzt genau an diesem Punkt an. Der Ansatz ist nicht, lokale Optima zu ignorieren, sondern sie transparent zu machen. Erst wenn sichtbar ist, wo lokale Maxima liegen, kann bewusst entschieden werden, sie zu verlassen.
Alle Projekte werden gemeinsam modelliert. Restriktionen werden explizit. Abhängigkeiten werden berechenbar. Daraus entsteht ein Entscheidungsraum, der algorithmisch durchsucht wird.
StratePlan berechnet den gesamten Entscheidungsraum und findet daraus:
Die eine Projektkombination, die den maximalen Gesamtnutzen erzeugt.
Der eigentliche Mehrwert: bewusste Abweichungen
Ein globales Optimum bedeutet nicht, dass es immer umgesetzt werden muss. Der entscheidende Vorteil ist ein anderer: Abweichungen werden bewusst.
Wenn ein Gremium ein lokal optimiertes Projekt aus politischen, regulatorischen oder strategischen Gründen beibehalten möchte, zeigt StratePlan, was diese Entscheidung kostet – und welche Alternativen nahe am globalen Optimum liegen.
So wird aus impliziter Suboptimalität eine explizite Entscheidung.
Executive Takeaway
Lokale Optima sind kein Zeichen schlechter Führung. Sie sind ein Zeichen begrenzter Sicht.
Wer lokale Optima weiter optimiert, stabilisiert das System – aber verbessert es nicht. Wer den Entscheidungsraum berechnet, gewinnt die Freiheit, lokale Maxima zu verlassen.
KI wird damit nicht zum Automatisierer von Entscheidungen, sondern zum Instrument strategischer Klarheit.
StratePlan macht genau das möglich.
