Entscheidungsbäume und Quantitative Analyse

Eines der Tools der quantitativen Risikoanalyse sind Entscheidungsbäume. Warum eigentlich? Könnten Sie darauf auf Anhieb eine Antwort geben?

Das Grundkonzept in der quantitativen Analyse ist ein Erwartungswert, oder auch die mit der Eintrittswahrscheinlichkeit multiplizierte Auswirkung. Heißt Englisch „Expected Monetary Value“ oder einfach EMV. Sagen wir mal, wir prognostizieren einen Schaden (=Auswirkung) von 50.000 EUR und dieser Schaden hätte eine Eintrittswahrscheinlichkeit von 25%, so wäre der EMV dieses Bedrohungsrisikos 50.000,- * 25% = 12.500,-. Diese 12.500,- werden nie fällig (weil entweder tritt das Risiko nicht ein = 0,- oder es tritt ein = 50.000,-), aber die 12.500,- liefern einen guten Ankerpunkt für die Beurteilung von Gegenmaßnahmen und die Budgetierung.

Was aber wäre davon zu halten, wenn die Bedrohung nicht einfach nur „flat“ 50.000,- beträgt, sondern komplexer zusammengesetzt ist? Wenn wir gar nicht genau wissen, wie es uns trifft, wenn es uns trifft?

Im leichtesten Fall passiert gar nichts (zu 60%), in 20% der Fälle werden ca. 5.000,- fällig, in 10% der Fälle könnte es uns 30.000,- kosten, und die letzten 10% könnten sogar mit 70.000,- zu Buche schlagen.

Wie gehe ich mit so einer Situation um? Nun, hier werden die einzelnen EMVs ermittelt und addiert, was im obigen Beispiel zu einem Betrag von 11.000,- führt. Diese 11.000,- stellen nun den Gesamt-EMV der Situation dar, Interpretation siehe oben.

Das Komplexitätsspiel kann noch beliebig weiter getrieben werden, bis hin zu mehrstufigen Modellierung von Situationen. Et violá, das wären dann die Entscheidungsbäume (Decision Trees).

Alles klar?