决策者：大多数战略决策都是在没有看到完整决策空间的情况下做出的
资本分配很少因为缺乏分析而失败。
如果有 20 个项目，就会有超过 100 万种可能的投资组合。
执行委员会审查项目。委员会确定措施的优先次序。
但几乎没有一个组织会在实际约束条件下计算数学上的最优组合。
全局最优仍然是隐形的。
如果不计算完整的决策空间，复杂性就会被管理而非优化。
在下文中，我们将分析组织如何对其投资组合进行正式建模，并在实际约束条件下事先确定全局最优{{ ： }}
Starting point：
这种新计算方法的决定性区别在于应用时间： ，而是在实际决策之前，根据公司完整的投资和项目清单进行计算。
通常情况下，会有一份潜在的 CAPEX 项目清单，如工厂现代化、工厂升级、新建厂房等。例如，工厂现代化、信息技术改造、产品开发、 基础设施措施或效率计划。同时，还有一些固定的限制，如有限的总预算、有限的工程能力、 生产窗口、风险预算和战略框架条件。
这就是真正的决策问题：并非所有项目都能实现。因此，问题不在于 哪些项目单独看来是合理的，而在于在给定的限制条件下，这些项目的哪种组合构成了全局最优的整体组合。
因此，新的计算方法并不孤立地评估单个项目，而是从这些项目中计算出最优的组合、而是从完整的项目清单 中计算出最佳项目组合，同时考虑到所有预算、能力、风险和战略限制。其结果是，在作出实际投资决策之前，从数学上合理地 选择那些能够共同产生最大总体价值贡献的项目。
这将 CAPEX 规划从一个连续的选择过程转变为一个持续的组合优化过程、 其中充分考虑了机会成本、限制瓶颈和组合效应。
为什么大多数投资组合在结构上都是次优的 - 90 秒内
- 投资组合决策根据逻辑 2^N生成组合决策空间。
- 从大约 20 个项目开始，几乎不可能进行完整的人工评估。
- 经验主义（如 "NPV 前 5 名"、"IRR > WACC"、"Payback < 3 年"）造成系统性扭曲。
- 组织将局部最优与整个决策空间中的最佳解决方案相混淆。
- 机会成本因此在结构上仍然不可见。
- 算法优化计算实际约束条件（预算、能力、风险、环境、社会和治理等）下的最佳项目组合。
结论{{ ： }}
那些不计算完整求解空间的人默认了次优资本分配。
博客主要文章 :
Wie Behavioral Economics, mathematische Optimierung und Hybrid-KI Investitionsentscheidungen verbessern
In Unternehmen werden Investitionsentscheidungen häufig auf Basis von Erfahrung, Business Cases und Managementdiskussionen getroffen. Die Forschung der Behavioral Economics zeigt jedoch seit Jahrzehnten, dass solche Entscheidungen regelmäßig durch kognitive Verzerrungen beeinflusst werden – etwa durch WACC Fallacy, Verlustaversion, Status-quo-Bias oder Eskalation von Commitment.
Diese Verzerrungen führen dazu, dass Investitionsentscheidungen oft nicht vollständig rational getroffen werden und wirtschaftliche Potenziale ungenutzt bleiben.
Das eigentliche Problem ist mathematischer Natur
Neben psychologischen Faktoren liegt die zentrale Herausforderung in der mathematischen Struktur von Investitionsentscheidungen. Investitionsplanung ist ein klassisches Problem der kombinatorischen Optimierung. Bei mehreren Projekten existieren nicht nur einzelne Entscheidungen, sondern ein exponentiell wachsender Entscheidungsraum möglicher Projektkombinationen.
Mit jeder zusätzlichen Investitionsoption steigt die Anzahl möglicher Portfolios drastisch an. Dadurch entsteht ein komplexer Entscheidungsraum, der für Menschen oder klassische Planungstools kaum vollständig analysierbar ist.
Warum klassische Entscheidungsprozesse an ihre Grenzen stoßen
Klassische Planungswerkzeuge oder sequentielle Bewertungsverfahren können diesen Entscheidungsraum nicht vollständig berechnen. In der Praxis werden Projekte häufig einzeln bewertet oder in Rankings priorisiert. Dadurch entstehen Entscheidungen, die zwar sinnvoll erscheinen, aber nur lokale Lösungen darstellen.
Das tatsächlich beste Investitionsportfolio bleibt in vielen Fällen unentdeckt, weil der vollständige Entscheidungsraum nicht analysiert werden kann.
Hybrid-KI und Multithreading als neuer Lösungsansatz
Moderne Ansätze kombinieren mathematische Optimierung, Hybrid-KI und präzises Multithreading, um Milliarden möglicher Projektkombinationen parallel zu analysieren. Diese Technologien ermöglichen es erstmals, sehr große Entscheidungsräume systematisch zu berechnen.
Der Algorithmus bewertet dabei eine enorme Anzahl potenzieller Projektportfolios und identifiziert jene Kombination, die unter Budget-, Risiko- und Ressourcenrestriktionen den höchsten wirtschaftlichen Nutzen erzeugt.
Vom lokalen Optimum zum global optimalen Investitionsportfolio
Das Ergebnis ist eine neue Qualität strategischer Entscheidungsunterstützung. Investitionen werden nicht mehr ausschließlich bewertet, sondern algorithmisch optimiert. Unternehmen können dadurch nicht nur einzelne Projekte beurteilen, sondern das gesamte Investitionsportfolio als zusammenhängendes Optimierungsproblem betrachten.
Für Unternehmen bedeutet das konkret: Kapital wird dort eingesetzt, wo es den größten Wertbeitrag erzeugt. Dadurch lassen sich Investitionsportfolios systematisch verbessern und neue, maximale EBIT-Potenziale erschließen, die in klassischen Entscheidungsprozessen oft verborgen bleiben.
Sascha Rissel 是一位企業家、策略顧問及科技遠見家，擁有超過 20 年在複雜商業模式的開發、擴展與優化方面的經驗。他結合深厚的企業管理專業與高度的科技理解，特別專注於 人工智慧、演算法決策模型 以及 系統最佳化 等領域。
透過 StratePlan 與 DeepAnT 等計畫，他持續推動以數據為基礎的 ROI 計算、智慧化專案優先排序與預測分析的發展。他的核心重點在於 可衡量的影響力、可靠的決策基礎，以及將高度複雜的數學模型轉化為可實際落地的解決方案，服務於企業、公共行政與工業領域。
Sascha Rissel 代表一項明確的原則：始終將 策略、科技 與 影響力 系統性地整合思考。