Beslissingen onder onzekerheid

Waarom klassieke besluitvormingslogica's systematisch falen - en hoe organisaties structureel betere beslissingen nemen

Samenvatting

Beslissingen nemen onder onzekerheid is een van de belangrijkste uitdagingen voor moderne organisaties. Investeringsbeslissingen, projectportfolio's of strategische initiatieven worden regelmatig genomen terwijl de belangrijkste parameters niet volledig bekend zijn.

De overheersende aanname is:
Meer informatie, betere modellen en meer coördinatie leiden tot betere beslissingen.

De realiteit laat echter een ander beeld zien:
Ondanks groeiende hoeveelheden gegevens, simulaties en governancestructuren blijven beslissingen vaak suboptimaal.

De reden hiervoor is niet in de eerste plaats een gebrek aan gegevens of methoden, maar een structurele inschattingsfout:
Onzekerheid wordt behandeld als een informatieprobleem - terwijl het een beslissingsruimteprobleem is.

1. De aard van onzekerheid in organisaties

Onzekerheid ontstaat altijd wanneer toekomstige toestanden niet duidelijk kunnen worden voorspeld. In de praktijk geldt dit voor bijna alle relevante gebieden van besluitvorming:

• Investeringen in vaste activa (CAPEX)
• Strategische projecten en transformaties
• Productontwikkelingen
• Infrastructurele maatregelen
• Portefeuillebeslissingen in private equity of vastgoed

Er kunnen drie vormen worden onderscheiden:

1.1 Risico (meetbare onzekerheid)

• Waarschijnlijkheden zijn bekend of kunnen worden geschat
• Voorbeeld: wanbetalingspercentages, historische rendementen

1.2 Onzekerheid (niet volledig kwantificeerbaar)

• Waarschijnlijkheden kunnen alleen worden benaderd
• Voorbeeld: marktontwikkeling, vraag

1.3 Dubbelzinnigheid (structurele onzekerheid)

• Causaliteiten zijn onduidelijk
• Voorbeeld: ontwrichtende technologieën

Kritisch punt:
Organisaties behandelen alle drie de vormen vaak op dezelfde manier - meestal via scenario's of simulaties.

2. De klassieke manier om met onzekerheid om te gaan

In de praktijk domineren drie benaderingen van besluitvorming:

2.1 Planning op basis van scenario's

• Best case / base case / worst case
• Doel: Inzicht in bandbreedtes

2.2 Monte Carlo simulaties

• Duizenden willekeurige runs
• Doel: Waarschijnlijkheidsverdelingen

2.3 Evaluatie door deskundigen

• Scoren van modellen, beslissingen van commissies
• Doel: plausibiliteit en consensus

Deze benaderingen bieden waardevolle inzichten, maar hebben een structurele limiet:

Ze analyseren onzekerheid - maar nemen geen optimale beslissing in de volledige beslissingsruimte.

3. Het echte probleem: de beslissingsruimte

In elke organisatie is er niet slechts één beslissing, maar een combinatorische beslissingsruimte.

Het volgende geldt voor N projecten:

• Aantal mogelijke combinaties = 2^N

Voorbeelden:

Aantal projecten	Combinaties
10	1.024
20	1.048.576
30	> 1 miljard
50	> 1 quadriljoen

Gevolg:

De complexiteit neemt exponentieel toe met elke extra optie. Zelfs als onzekerheid perfect gemodelleerd zou zijn, blijft de centrale vraag:

Welke combinatie van beslissingen is optimaal onder alle onzekerheden?

Klassieke methoden geven geen antwoord op deze vraag.

4. Waarom simulatie geen beslissing vervangt

Simulaties beantwoorden de vraag:

"Wat gebeurt er als ik beslis voor een bepaalde optie?"

Ze geven geen antwoord op de vraag:

"Welke optie is de beste van alle mogelijke opties?"

Dit is een fundamenteel verschil.

Voorbeeld: Vastgoedportefeuille

Een bedrijf onderzoekt 50 vastgoedprojecten.

• Simulatie: evalueert individuele projecten of scenario's
• Realiteit: er zijn 2^50 mogelijke combinaties

Probleem:
Simulatie beschouwt alternatieven geïsoleerd - niet systematisch over de hele ruimte.

5. Gedragsvooroordelen bij onzekerheid

Onzekerheid versterkt systematisch cognitieve vooroordelen:

Typische effecten:

• Verliesaversie: Risico's worden overschat
• Status quo bias: bestaande projecten blijven in de portefeuille
• Overconfidence: prognoses worden overschat
• Verankering: initiële waarderingen overheersen

Resultaat:

Beslissingen zijn niet alleen onvolledig, maar ook systematisch vertekend.

6. De structurele misvatting

De dominante aanname is:

Meer informatie → betere beslissingen

In feite geldt het volgende:

Meer opties + onzekerheid → exponentieel toenemende complexiteit van beslissingen

Dit leidt tot drie problemen:

1. Verkleining van de beslissingsruimte (pre-filtering)
2. Vereenvoudigde modellen
3. Subjectieve weging

Gevolg:
Het globale optimum wordt over het algemeen nooit overwogen.

7. Heroverweging van besluitvorming onder onzekerheid

Een robuuste besluitvormingslogica moet twee dimensies tegelijkertijd aanpakken:

7.1 Het modelleren van onzekerheid

• Waarschijnlijkheden
• Risico's
• Scenario's

7.2 De beslissingsruimte volledig analyseren

• Alle combinaties
• Alle beperkingen
• Alle afhankelijkheden

Alleen de combinatie van beide niveaus maakt echte optimalisatie mogelijk.

8. Vergelijking van de benaderingen

Benadering	Sterkte	Zwakte	Resultaat
Scenario-analyse	Begrijpelijkheid	geen optimalisatie	beperkte informatieve waarde
Monte Carlo	probabilistische diepte	geen besluitvorming	Simulatie in plaats van selectie
Deskundige beslissing	Ervaring	Vertekening	inconsistente resultaten
Heuristiek	Snelheid	lokale optima	suboptimaal
Combinatorische optimalisatie	volledige ruimte	hoge rekenkundige eisen	globaal geoptimaliseerde beslissing

9. Vaste activa als kritieke use case

Het probleem is vooral duidelijk bij investeringen in vaste activa:

• Hoge kapitaalverplichting
• Lange looptijden
• Lage omkeerbaarheid

Typisch proces:

1. Projecten worden individueel geëvalueerd
2. Budget wordt verdeeld
3. Portfolio wordt iteratief gecreëerd

Probleem:
De volledige investeringslijst wordt zelden beschouwd als een combinatorische beslissingsruimte.

10. Ex-ante vs. ex-post logica

De meeste organisaties optimaliseren beslissingen achteraf:

• Evaluatie achteraf
• Portefeuille aanpassingen
• Geleerde lessen

Een superieure logica is:

Ex-ante optimalisatie - vóór de beslissing

Dit betekent:

• Alle opties worden tegelijkertijd overwogen
• Beperkingen worden geïntegreerd
• Onzekerheid wordt gemodelleerd
• Het resultaat is de optimale combinatie

11. Implicaties voor het bestuur

De introductie van een gestructureerde besluitvormingslogica verandert organisaties fundamenteel:

Klassiek:

• Commissies beslissen
• Discussie domineert
• Consensus is het doel

Nieuw:

• Modellen berekenen optimale oplossingen
• Transparantie over opportuniteitskosten
• Beslissingen worden controleerbaar

12. Opportuniteitskosten onder onzekerheid

Het grootste, vaak onzichtbare kostenblok is:

Het verschil tussen de gekozen oplossing en het globale optimum

Dit effect neemt enorm toe onder onzekerheid:

• onjuiste prioritering
• inefficiënte kapitaalallocatie
• waardeverlies op lange termijn

13. Beslissingskwaliteit als concurrentiefactor

Organisaties concurreren niet alleen op producten of markten, maar steeds meer op de kwaliteit van hun beslissingen:

De kwaliteit van hun beslissingen

Dit betekent

• betere allocatie van kapitaal
• grotere veerkracht
• sneller aanpassingsvermogen

14. Praktische uitvoering

Een moderne besluitvormingsarchitectuur omvat

1. Volledige projectlijst vóór de beslissing

Geen iteratieve selectie

2. Duidelijke beperkingen

Budget, middelen, afhankelijkheden

3. Modellering van onzekerheid

Waarschijnlijkheden, scenario's

4. Algoritmische optimalisatie

De volledige beslissingsruimte doorzoeken

15. Conclusie

Beslissingen onder onzekerheid zijn geen puur voorspellingsprobleem.

Het is een structureel optimalisatieprobleem.

Het belangrijkste inzicht is het volgende:

Onzekerheid kan niet worden geëlimineerd - maar beslissingen kunnen ondanks onzekerheid worden geoptimaliseerd.

Organisaties die dit verschil begrijpen, hebben een enorm voordeel:

• hoger rendement op investeringen
• betere strategische samenhang
• minder verkeerde beslissingen

FAQ

Wat betekent "beslissen in onzekerheid" concreet?

Het betekent dat er beslissingen moeten worden genomen terwijl relevante informatie over de toekomst niet volledig bekend is.

Waarom zijn simulaties niet voldoende?

Simulaties tonen mogelijke uitkomsten van individuele beslissingen, maar identificeren niet de beste beslissing binnen alle mogelijke combinaties.

Wat is het verschil tussen risico en onzekerheid?

Risico is meetbaar (met waarschijnlijkheden), onzekerheid kan niet volledig gekwantificeerd worden.

Waarom is de beslissingsruimte zo belangrijk?

Omdat het aantal mogelijke combinaties exponentieel groeit (2^N) en klassieke methoden deze ruimte niet volledig analyseren.

Wat is het grootste probleem van klassieke besluitvormingsprocessen?

De systematische reductie van de beslissingsruimte en de daaruit voortvloeiende suboptimale beslissingen.

Wat betekent "globaal optimum"?

De best mogelijke combinatie van alle beslissingen onder gegeven beperkingen en onzekerheden.

Wanneer wordt dit bijzonder relevant?

• CAPEX-beslissingen
• Projectportefeuilles
• Infrastructuurinvesteringen
• Eigen vermogen

Wat is de belangrijkste verbetering van moderne benaderingen?

De combinatie van onzekerheidsmodellering en volledige analyse van de beslissingsruimte.