Beslutningskvalitet i tyske byer og kommuner: Hvorfor kommunale investeringsbeslutninger er strukturelt matematisk suboptimale

Byer har data til rådighed.
De arbejder med budgetter, rentabilitetsundersøgelser, beregninger af følgeomkostninger og støtteprocenter.
De bruger faglige procedurer, controlling-instrumenter, mellemfristede finansplaner og budgetprocesser.

Og alligevel træffes der systematisk suboptimale investeringsbeslutninger.

Årsagen ligger sjældent i manglen på tal.
Den ligger i strukturen i beslutningsprocessen.

Misforståelsen: Flere data betyder ikke automatisk bedre beslutninger

Kommunale budgetter er databaserede. Investeringer beregnes, prioriteres og legitimeres politisk. Alligevel forbliver et centralt spørgsmål oftest ubesvaret :

Er den valgte projektkombination under alle begrænsninger virkelig den bedst mulige?

I den politiske diskurs vurderes beslutningskvaliteten ofte normativt – i matematisk forstand betyder den imidlertid noget andet :

• Maksimal effekt pr. euro
• Minimale alternativomkostninger
• Overholdelse af alle sidebetingelser
• Gennemsigtig og reproducerbar prioritering

Det er ikke et ideologisk spørgsmål.
Det er et optimeringsproblem.

Hvorfor mennesker ikke træffer matematisk optimale beslutninger, heller ikke i kommunale sammenhænge

Byer fejler sjældent på grund af manglende kompetence, erfaring eller engagement.
De fejler på grund af beslutninger i meget komplekse beslutningsrum.

Den moderne adfærdsøkonomi har i over to årtier vist
: at mennesker ikke træffer fuldstændig rationelle beslutninger i matematisk forstand. Under kompleksitet, tidspres og usikkerhed tyer de til heuristik – kognitive genveje, der systematisk fører til forvrængninger.

Disse erkendelser er empirisk funderede og har modtaget mange priser :

• Daniel Kahneman (Nobelprisen 2002) – Bevis for systematiske beslutningsfejl
• Robert J. Shiller (Nobelprisen 2013) – Analyse av irrasjonelle markeds- og vurderingsdynamikker
• Richard Thaler (Nobelprisen 2017) – Begrunnelse av atferdsøkonomi

Den sentrale erkjennelsen er :

Feilbeslutninger er ikke et individuelt svikt fra ordførere, økonomisjefer eller byrådsmedlemmer.
De er en strukturell egenskap ved menneskelig tenkning under kompleksitet. (*se kildeangivelse)

Problemets strukturelle kerne: Det eksponentielle beslutningsrum

Antag, at en by har :

• 50 investeringsklare projekter
• 81 mio. € til rådighed i budgettet
• 220 mio. € samlet investeringsbehov

Så er der ikke 50 valgmuligheder.
Der findes 2⁵⁰ mulige projektkombinationer – over 1.125 billioner varianter.

Intet budgetudvalg.
Intet lukket møde.
Intet Excel-model.

kan vurdere dette beslutningsrum fuldt ud.

I praksis diskuteres projekter enkeltvis. Ministerier prioriterer isoleret. Støttelogikker påvirker rækkefølgen. Politiske flertal strukturerer kompromiser.

Resultatet er ofte et lokalt plausibelt optimum –
men med stor sandsynlighed ikke den globalt bedste kombination.

Seks typiske forvrængningsmekanismer i den kommunale beslutningsproces

Inden for rammerne af vores strukturelle analyse kan man se tilbagevendende mønstre, der påvirker kommunale investeringsbeslutninger :

1. Støttebias

Projekter prioriteres, fordi de er støtteberettigede – ikke fordi de har den største effekt i den samlede portefølje. Det er støtteprocenten, der optimeres, ikke porteføljeeffekten.

2. Politisk eskalering

Et påbegyndt projekt fortsættes, selvom rammebetingelserne ændrer sig, eller alternativer ville være mere attraktive. Afbrydelse betragtes som en politisk risiko.

3. Valgcykluslogik

Tiltag, der giver synlige resultater på kort sigt, prioriteres. Langfristige strukturprojekter (digitalisering, energiintegration, trafiklogik, modstandsdygtighed) kommer under pres.

4. Isoleret projektvurdering

Projekter vurderes enkeltvis – ikke som en indbyrdes afhængig portefølje. Opportunitetskostnader forbliver usynlige.

5. Afdelingsorienteret tænkning

Hver fagafdeling optimerer sit område. Den samlede effekt af byen som system modelleres sjældent samtidigt.

6. Kompromisoverlapning

Politiske aftaler erstatter matematisk optimering. Beslutninger kan nås ved konsensus – men er ikke nødvendigvis effektive.

Disse mekanismer er ikke individuelle fejl.
De opstår som følge af organisatoriske strukturer, incitamentssystemer og begrænset informationsbehandling.

Betingelser øger kompleksiteten eksponentielt

Kommunale investeringer er samtidig underlagt :

• budgetlofter
• kreditgrænser
• CO₂-budgetter
• støttefrister og formålsbestemmelser
• bygnings- og personalekapacitet
• lovmæssige forpligtelser
• strategiske byudviklingsmål

Hver ekstra begrænsning udvider beslutningsrummets dimension.
Med hver yderligere projektmulighed vokser kombinatorikken eksponentielt.

Fra det lokale til det globale optimum

Det afgørende spørgsmål er ikke :

Hvilket projekt er fornuftigt?

Men :

Hvilken kombination af alle projekter skaber den størst mulige samlede effekt for byen under alle begrænsninger?

En forbedring af den kommunale beslutningskvalitet kræver :

• formel modellering af alle projekter som en portefølje
• klart definerede mål (effekt, bæredygtighed, økonomisk effektivitet)
• samtidig hensyntagen til alle sidebetingelser
• systematisk vurdering af mulige kombinationer
• gennemsigtig afledning af den optimale udgangssituation

Den politiske beslutningsmyndighed forbliver uberørt.
Men den er baseret på et beregnet beslutningsrum – ikke på implicitte antagelser.

Gennemsigtighed i stedet for implicitte alternativomkostninger

En matematisk funderet porteføljeanalyse muliggør :

• Offentliggørelse af alternativomkostninger
• Synliggørelse af skjulte synergier
• Objektiv prioritering under begrænsninger
• Gennemsigtige beslutningsgrundlag
• Højere legitimitet over for borgerne

Beslutninger erstattes ikke teknokratisk.
De præciseres strukturelt.

Konklusion

Kommunale investeringsbeslutninger er ikke irrationelle.
Men de finder sted i et eksponentielt voksende beslutningsrum.

Så længe projekter prioriteres isoleret, er sandsynligheden stor for, at :

• budgetvirkningen fordeles suboptimalt
• kombinationsfordele forbliver uopdagede
• opportunitetskostnader forbliver usynlige

Beslutningskvaliteten i det kommunale rum er derfor mindre et spørgsmål om politisk kompetence –
men snarere et spørgsmål om struktureret beherskelse af komplekse beslutningsrum.

Tager byer uundgåeligt suboptimale beslutninger? Den matematiske forklaring i videoerne :

Rækkefølge
: 1. Intro-video – Problemforståelse og beslutningsrum
2. Deep-Dive-video – Modellering, sidebetingelser og optimeringslogik

Video 1 :

*Kilder: Fra strukturel analyse til praktisk anvendelse i by- eller kommunale porteføljer

De beskrevne forvrængningsmekanismer er ikke teoretiske konstruktioner.

De virker i reelle investerings- og infrastrukturporteføljer – i energiprojekter, forskningsprogrammer, kommunale infrastrukturforanstaltninger, aktivforvaltning, IT-sikkerhedsinitiativer eller investeringsbeslutninger.

Uanset branche eller offentlig sektor viser der sig et tilbagevendende mønster :

• Kvalitative og kvantitative faktorer vurderes
• Enkelte projekter rangordnes isoleret
• Reelle sidebetingelser tages først i betragtning efterfølgende
• Den optimale kombination under begrænsninger forbliver uberegnet

Det er netop her, den strukturelle flaskehals opstår
: Ikke i manglen på data – men i den manglende beslutningsarkitektur.

Videnskabelig grundlag for beslutningsarkitekturen

Adfærdsøkonomi og beslutningsforskning

Daniel Kahneman (Nobelprisen i økonomi 2002)
Integration af psykologiske erkendelser i økonomien og påvisning af systematiske beslutningsforvrængninger.
Nobelprisen – Daniel Kahneman

Richard H. Thaler (Nobelprisen i økonomi 2017)
Begrundelse for adfærdsøkonomi og analyse af reproducerbare beslutningsfejl.
Nobelprisen – Richard Thaler

Robert J. Shiller (Nobelprisen i økonomi 2013)
Analyse af irrationelle markedsbeslutninger og strukturelle fejlvurderinger.
Nobelprisen – Robert J. Shiller

Tversky & Kahneman (1974)
Judgment under Uncertainty: Heuristics and Biases – Grundlæggende arbejde om systematisk forvrængning af menneskelige beslutninger.
Science Journal – Heuristics and Biases

Kapitalallokering, corporate finance og eskaleringsmekanismer

Barberis & Thaler (2003)
A Survey of Behavioral Finance – Oversigt over adfærdsøkonomiske effekter på finansmarkederne.
NBER Working Paper

Harvard Business Review – Escalation of Commitment
Analyse af organisatoriske eskaleringsmekanismer i investeringsbeslutninger.
Harard Business Review

Algoritmeaversion og AI-accept i beslutningsprocesser

Dr. Bob Hutchins
7 grunde til, at folk modsætter sig AI – og hvordan vi overvinder dem
Linkedin

CFO Dive – AI og beslutningstagning inden for finans
Analyse af udfordringerne og accepten af AI i finansielle beslutninger.
Top 5 AI adoption challenges facing CFOs in 2026

Kontekstuel klassificering

De her anførte kilder udgør det videnskabelige grundlag for analysen af beslutningskvalitet, kognitive forvrængninger og strukturelle mekanismer i investerings- og porteføljebeslutninger.

Den viste beslutningsarkitektur bygger på disse etablerede forskningsresultater og overfører dem til en formel, kombinatorisk modellering af komplekse kapitalallokeringsprocesser under reelle sidebetingelser.

Vi beregner byens budget ex ante – inden der træffes en beslutning

Kommunale beslutninger bør ikke først vurderes efterfølgende. Det afgørende er den optimale udgangsposition inden den politiske beslutning. Ved samtidig at tage højde for budgetgrænser, CO₂-krav, kapaciteter, støttelogikker og strategiske mål analyseres hele beslutningsrummet systematisk.

Resultatet er en gennemsigtig, reproducerbar og matematisk funderet prioritering af alle investeringsmuligheder – som et pålideligt beslutningsgrundlag for administrationen, kassereren og byrådet.

Start ex ante-analyse for din by/kommune