methodatlas
MethodenanleitungDecision Making

Decision Tree

Die Anleitung zur Methode: Voraussetzungen und Materialien klären, den gesamten Ablauf verstehen und Ergebnisse, Stolperfallen sowie Abbruchkriterien nachschlagen.

KomplexitätMittel
Zeit30-90 min
Teilnehmende1-6
FormatWorkshop + Async
ReifegradCanonical
Arbeit planen
01

Vorbedingung

Was vorher fertig sein muss

Vorher abschließenKlarer Arbeitsrahmen

Schreibe Entscheidung, Optionen, mögliche externe Ereignisse, Endfolgen und Entscheidungskriterien auf.

Ohne abgegrenzte Frage oder prüfbare Belege wird das Ergebnis unscharf.
02

Vorbereitung

Was vor Start vorliegen muss

Materialien

Whiteboard, Entscheidungsbelege, Datenquellen für Wahrscheinlichkeiten und Werte, Kriterien und Entscheidungseigentümer.

Personen / Rollen

Entscheidungseigentümer · Fachpersonen für Unsicherheiten · Datenexpertise bei quantitativen Bewertungen.

Vorabinfos

Material, Datenzugang und Teilnehmende vorab nach Forschungs- oder Entscheidungsfrage festlegen.

Zeitbedarf

30–90 Minuten für einen kleinen Baum; Datenerhebung und Bewertung separat.

Setup

Arbeitsfläche mit der methodenspezifischen Struktur öffnen. Fiktive Beispiele dienen nur der Orientierung; Arbeitsvorlage und eigene Befunde bleiben getrennt.

03

Kernfrage

Die eine Frage, die diese Methode beantwortet

Welche Handlungsoptionen und Unsicherheiten führen zu welchen Folgen, und welche Annahmen tragen die Wahl?

04

Ablauf

Phasen mit Ziel, Durchführung, Ergebnis und Stolperfalle

Ein decision tree stellt Entscheidungen, unsichere Ereignisse und Folgen als verzweigte Struktur dar. Er hilft, Optionen und Annahmen offenzulegen; Zahlen sind nur sinnvoll, wenn Wahrscheinlichkeiten und Werte begründet sind.

Decision Tree Arbeitsblatt

Fiktives Beispiel

Methodenspezifische Fragen mit fiktivem ausgearbeiteten Beispiel; die Arbeitsvorlage bleibt leer.

Entscheidung und Endpunkte rahmen

Entscheidungsfrage und Kriterien

Fiktiv: Ein Verleih entscheidet, ob für eine neue Filiale ein zusätzlicher Check-in-Schalter eingerichtet wird.

Entscheidungs-, Zufalls- und Endknoten unterscheiden

Baum mit eindeutigem Knotentyp

Beispielstruktur: Entscheidung Schalter einrichten? → Zufallsknoten Nachfrage hoch/niedrig → Endknoten mit Folgen. Wahrscheinlichkeiten bleiben leer, solange keine belastbare Grundlage vorliegt.

Evidenz, Wahrscheinlichkeiten und Werte nur bei Daten ergänzen

Nachvollziehbare Verzweigungsannahmen

Fiktives Beispiel ohne Zahlen: Nachfrage hoch/niedrig sind Szenarien; keine Eintrittswahrscheinlichkeit oder erwarteter Wert wird behauptet.

Folgen vergleichen und Entscheidung dokumentieren

Begründete Entscheidung und Prüftermin

Fiktiv: Der Verleih sammelt zuerst Spitzenzeitdaten; Entscheidung wird nach saisonaler Beobachtung neu bewertet.

OpenLearn explains decision-analysis branches and chance probabilities; IBM provides the separate ML tree terminology. This guide distinguishes decision, chance and terminal nodes and uses no unsupported probabilities.

Decision trees and dealing with uncertainty | Open University OpenLearn

  1. 1

    Frage

    Entscheidung und Endpunkte rahmen

    Ziel

    Entscheidungsfrage und Kriterien

    Voraussetzungen für diesen Schritt

    • Schreibe Entscheidung, Optionen, mögliche externe Ereignisse, Endfolgen und Entscheidungskriterien auf.
    • Whiteboard, Entscheidungsbelege, Datenquellen für Wahrscheinlichkeiten und Werte, Kriterien und Entscheidungseigentümer.

    Durchführung

    • Formuliere eine konkrete Entscheidung, verfügbare Optionen, Folgen und Kriterien. Lege fest, ob ein Entscheidungsdiagramm oder ein statistisches ML-Modell gemeint ist.
    • Das Ergebnis „Entscheidungsfrage und Kriterien“ mit Belegstatus, Quelle oder offenem Prüfbedarf festhalten.

    Ergebnis

    Entscheidungsfrage und Kriterien

    Entscheidungsfrage und Kriterien

    Qualitätscheck

    Ist die Entscheidung reversibel und sind mögliche Folgen benannt?

    Stolperfalle

    Deskriptives Diagramm wird mit prädiktivem ML verwechselt. Modellzweck und Datenbasis ausdrücklich benennen.

    Zeitlicher Rahmen: Etwa 10–20 Minuten; Daten- oder Klärungsarbeit separat planen.

  2. 2

    Knoten

    Entscheidungs-, Zufalls- und Endknoten unterscheiden

    Ziel

    Baum mit eindeutigem Knotentyp

    Voraussetzungen für diesen Schritt

    • Entscheidungsfrage und Kriterien
    • Whiteboard, Entscheidungsbelege, Datenquellen für Wahrscheinlichkeiten und Werte, Kriterien und Entscheidungseigentümer.

    Durchführung

    • Zeichne Entscheidungsknoten mit verfügbaren Alternativen, Zufallsknoten mit möglichen Ereignissen und Endknoten mit Konsequenzen oder Ergebniswerten.
    • Das Ergebnis „Baum mit eindeutigem Knotentyp“ mit Belegstatus, Quelle oder offenem Prüfbedarf festhalten.

    Ergebnis

    Baum mit eindeutigem Knotentyp

    Baum mit eindeutigem Knotentyp

    Qualitätscheck

    Ist jeder Zweig vollständig, gegenseitig verständlich und passend typisiert?

    Stolperfalle

    Zufallsereignis wird als kontrollierbare Option gezeichnet. Entscheidungsträger und exogene Unsicherheit getrennt markieren.

    Zeitlicher Rahmen: Etwa 10–20 Minuten; Daten- oder Klärungsarbeit separat planen.

  3. 3

    Evidenz

    Evidenz, Wahrscheinlichkeiten und Werte nur bei Daten ergänzen

    Ziel

    Nachvollziehbare Verzweigungsannahmen

    Voraussetzungen für diesen Schritt

    • Baum mit eindeutigem Knotentyp
    • Whiteboard, Entscheidungsbelege, Datenquellen für Wahrscheinlichkeiten und Werte, Kriterien und Entscheidungseigentümer.

    Durchführung

    • Beschrifte bedingte Wahrscheinlichkeiten pro Zufallsknoten, wenn sie empirisch oder methodisch begründet sind; sie müssen je Knoten vollständig zu 1 summieren. Werte und Kosten mit Quelle und Zeiteinheit dokumentieren.
    • Das Ergebnis „Nachvollziehbare Verzweigungsannahmen“ mit Belegstatus, Quelle oder offenem Prüfbedarf festhalten.

    Ergebnis

    Nachvollziehbare Verzweigungsannahmen

    Nachvollziehbare Verzweigungsannahmen

    Qualitätscheck

    Sind Wahrscheinlichkeiten konditional auf den vorherigen Pfad und belegt?

    Stolperfalle

    Unbelegte Prozente erzeugen falsche Präzision. Wahrscheinlichkeiten als unbekannt markieren oder Sensitivität ohne Pseudowerte prüfen.

    Zeitlicher Rahmen: Etwa 10–20 Minuten; Daten- oder Klärungsarbeit separat planen.

  4. 4

    Entscheidung

    Folgen vergleichen und Entscheidung dokumentieren

    Ziel

    Begründete Entscheidung und Prüftermin

    Voraussetzungen für diesen Schritt

    • Nachvollziehbare Verzweigungsannahmen
    • Whiteboard, Entscheidungsbelege, Datenquellen für Wahrscheinlichkeiten und Werte, Kriterien und Entscheidungseigentümer.

    Durchführung

    • Prüfe Pfade, Sensitivitäten, Datenlücken und nicht-monetäre Kriterien. Dokumentiere gewählte Option, Begründung, Verantwortliche und Revisionssignal.
    • Das Ergebnis „Begründete Entscheidung und Prüftermin“ mit Belegstatus, Quelle oder offenem Prüfbedarf festhalten.

    Ergebnis

    Begründete Entscheidung und Prüftermin

    Begründete Entscheidung und Prüftermin

    Qualitätscheck

    Ändert eine plausible Annahme die bevorzugte Option?

    Stolperfalle

    Ein Diagramm ersetzt Werteabwägung oder Verantwortlichkeit. Unsicherheit und qualitative Kriterien explizit lassen; Folgeentscheidung terminieren.

    Zeitlicher Rahmen: Etwa 10–20 Minuten; Daten- oder Klärungsarbeit separat planen.

05

Artefakt

Was am Ende rauskommt

Skizze: so sieht das Artefakt aus

Decision Tree · Optionen und FolgenAus einer Entscheidungsfrage Optionen, Bedingungen, Risiken und Outcomes als nachvollziehbaren Baum ableiten
Decision TreeDas Visual zeigt eine Entscheidungsfrage mit Optionen, Bedingungen und möglichen Outcomes als verzweigten Baum.Entscheidungspfade und Konsequenzen verzweigenOptionen werden mit Bedingungen verbunden, damit Outcomes und Annahmen nachvollziehbar werden.Option AOption Bwenn jawenn jahochunklarpasstLückeEntscheidungBuild oder Buy?Buildeigene LösungBuyStandardproduktSkaliert?Kapazität vorhandenFit?passt zu ProzessenCustom PathDifferenzierung hochPilotAnnahmen testenVendor PathTime-to-market kurzHybridLücke gezielt bauen
Form

Versionierte Dokumentation mit Frage, Evidenz, Ergebnis, Unsicherheit, Verantwortlichen und nächstem Prüftermin.

Versionierung / Ownership

Datum, Scope, Quelle, Annahmen und Änderungen nachhalten; bei Praxis oder Vorhaben eine verantwortliche Person und Überprüfung festlegen.

Tool-Alternativen
  • Papier und Stifte
  • Whiteboard oder einfache Tabelle

decision-tree-working-template.md

Plane die Sitzung oder das Vorhaben passend zum tatsächlichen Arbeitsumfang.

Decision Tree: Arbeitsvorlage

Fragestellung

Noch zu klären

Gewünschtes Ergebnis

Noch zu klären

Rahmen

Vollständige Methode vorbereiten Zeit: 30–90 Minuten für einen kleinen Baum; Datenerhebung und Bewertung separat.

Diese Vorlage während der Arbeit auf Papier oder in einem eigenen Dokument ausfüllen.

Vorbereitung für diesen Umfang

Methodische Grundausstattung

  • Materialien: Whiteboard, Entscheidungsbelege, Datenquellen für Wahrscheinlichkeiten und Werte, Kriterien und Entscheidungseigentümer.
  • Rollen: Entscheidungseigentümer · Fachpersonen für Unsicherheiten · Datenexpertise bei quantitativen Bewertungen.
  • Vorab-Infos: Material, Datenzugang und Teilnehmende vorab nach Forschungs- oder Entscheidungsfrage festlegen.
  • Gesamter Zeitbedarf: 30–90 Minuten für einen kleinen Baum; Datenerhebung und Bewertung separat.
  • Setup: Arbeitsfläche mit der methodenspezifischen Struktur öffnen. Fiktive Beispiele dienen nur der Orientierung; Arbeitsvorlage und eigene Befunde bleiben getrennt.

Für die Arbeitsschritte bereitstellen

Frage: Entscheidung und Endpunkte rahmen

  • Schreibe Entscheidung, Optionen, mögliche externe Ereignisse, Endfolgen und Entscheidungskriterien auf.
  • Whiteboard, Entscheidungsbelege, Datenquellen für Wahrscheinlichkeiten und Werte, Kriterien und Entscheidungseigentümer.

Knoten: Entscheidungs-, Zufalls- und Endknoten unterscheiden

  • Entscheidungsfrage und Kriterien
  • Whiteboard, Entscheidungsbelege, Datenquellen für Wahrscheinlichkeiten und Werte, Kriterien und Entscheidungseigentümer.

Evidenz: Evidenz, Wahrscheinlichkeiten und Werte nur bei Daten ergänzen

  • Baum mit eindeutigem Knotentyp
  • Whiteboard, Entscheidungsbelege, Datenquellen für Wahrscheinlichkeiten und Werte, Kriterien und Entscheidungseigentümer.

Entscheidung: Folgen vergleichen und Entscheidung dokumentieren

  • Nachvollziehbare Verzweigungsannahmen
  • Whiteboard, Entscheidungsbelege, Datenquellen für Wahrscheinlichkeiten und Werte, Kriterien und Entscheidungseigentümer.

Decision Tree Arbeitsblatt

Entscheidung und Endpunkte rahmen

Entscheidungsfrage und Kriterien

...

Entscheidungs-, Zufalls- und Endknoten unterscheiden

Baum mit eindeutigem Knotentyp

...

Evidenz, Wahrscheinlichkeiten und Werte nur bei Daten ergänzen

Nachvollziehbare Verzweigungsannahmen

...

Folgen vergleichen und Entscheidung dokumentieren

Begründete Entscheidung und Prüftermin

...

Leere Arbeitsvorlage zeigt ausschließlich die Fragen, keine Beispieldaten.

Decision trees and dealing with uncertainty | Open University OpenLearn

Frage: Entscheidung und Endpunkte rahmen

Erwartetes Artefakt: Entscheidungsfrage und Kriterien

Entscheidungsfrage und Kriterien

Eintrag:

...

  • Ist die Entscheidung reversibel und sind mögliche Folgen benannt?

Knoten: Entscheidungs-, Zufalls- und Endknoten unterscheiden

Erwartetes Artefakt: Baum mit eindeutigem Knotentyp

Baum mit eindeutigem Knotentyp

Eintrag:

...

  • Ist jeder Zweig vollständig, gegenseitig verständlich und passend typisiert?

Evidenz: Evidenz, Wahrscheinlichkeiten und Werte nur bei Daten ergänzen

Erwartetes Artefakt: Nachvollziehbare Verzweigungsannahmen

Nachvollziehbare Verzweigungsannahmen

Eintrag:

...

  • Sind Wahrscheinlichkeiten konditional auf den vorherigen Pfad und belegt?

Entscheidung: Folgen vergleichen und Entscheidung dokumentieren

Erwartetes Artefakt: Begründete Entscheidung und Prüftermin

Begründete Entscheidung und Prüftermin

Eintrag:

...

  • Ändert eine plausible Annahme die bevorzugte Option?

Offene Fragen und nächste Schritte

...

Methodenanleitung: https://methodatlas.meierhoff-systems.de/de/methods/decision-tree/run-sheet

06

Beispielausgabe

Konkret gefülltes Szenario, fiktives Beispiel

Fiktives Beispiel zur Orientierung. Die genannten Mengen und Zeiten beschreiben diesen Fall und sind keine allgemeine Vorgabe.

decision-tree-beispiel.md

Konkret gefülltes Szenario, fiktives Beispiel

Fiktives Beispiel: zusätzlicher Check-in-Schalter

Entscheidungsknoten: Für eine neue Verleihfiliale einen zusätzlichen Schalter einrichten? Optionen: einrichten / nicht einrichten.

Zufallsknoten nach Option: Nachfrage in Spitzenzeiten hoch oder niedrig. Diese Ereignisse liegen außerhalb direkter Kontrolle.

Endknoten: Wartezeit, Betriebskosten und Kundenerlebnis qualitativ beschreiben. Zahlen und Wahrscheinlichkeiten bleiben leer, solange Messdaten fehlen.

Nächster Schritt: Spitzenzeitdaten sammeln, dann bedingte Wahrscheinlichkeiten je Pfad und Kostenquelle prüfen.

Entscheidung: Nach Datenerhebung begründet wählen und saisonalen Reviewtermin setzen.

07

Stolperfallen

Symptome erkennen, gegensteuern

Kurzüberblick, vollständiger Text steht in der jeweiligen Phase im Ablauf

  1. Entscheidung und Endpunkte rahmenDeskriptives Diagramm wird mit prädiktivem ML verwechselt.In der Phase ansehen
  2. Entscheidungs-, Zufalls- und Endknoten unterscheidenZufallsereignis wird als kontrollierbare Option gezeichnet.In der Phase ansehen
  3. Evidenz, Wahrscheinlichkeiten und Werte nur bei Daten ergänzenUnbelegte Prozente erzeugen falsche Präzision.In der Phase ansehen
  4. Folgen vergleichen und Entscheidung dokumentierenEin Diagramm ersetzt Werteabwägung oder Verantwortlichkeit.In der Phase ansehen
08

Abbruchkriterien

Wann du anhalten, Voraussetzungen klären oder einen anderen Ansatz wählen solltest

Keine Wahrscheinlichkeit schätzen, um den Baum rechnerisch zu füllen. Wenn Optionen oder Folgen unvollständig sind, Entscheidung klären; wenn Wahrscheinlichkeiten zentral sind, Daten oder fachlich begründete Bandbreiten einholen.

Wie geht es weiter?

Papierillustration zu Trade-off Analysis.
Decision Making
Trade-off Analysis

Vergleicht die gewählten Pfade zusätzlich gegen akzeptierte Kompromisse.

Papierillustration einer Annahmenmatrix mit priorisierten Testkarten
Decision Making
Assumption Surfacing

Macht die Annahme hinter der identifizierten Datenlücke explizit und plant einen Testschritt.

Methodenanleitung durchgearbeitet?

Zum Steckbrief für Zweck, ähnliche Methoden und Quellen oder direkt zur nächsten Methode im Katalog.

Zum SteckbriefWeitere Methoden