Monopolisierte Entscheidungsgewalt oder verteilte Autonomie? Entscheidungsfindung in einer digitalisierten Welt<\/h2>\n\n\n\n
In den letzten Jahrzehnten hat die Digitalisierung nahezu alle Bereiche des gesellschaftlichen Lebens durchdrungen und dabei eine Vielzahl interessanter Potentiale freigelegt, die zumeist unmittelbar mit neuen Informationsquellen, deren direkter und schneller Verf\u00fcgbarkeit sowie der automatisierten Verkn\u00fcpfung ehemals isolierter Systeme zusammenh\u00e4ngen. Insbesondere f\u00fcr Wirtschaftsunternehmen ist die Identifikation, Evaluation und Realisation geeigneter Potentiale von essentieller Bedeutung, da ein kontinuierliches Streben nach Optimierung und Effizienzsteigerung f\u00fcr ein Bestehen im fundamental kompetitiven Wirtschaftssystem unumg\u00e4nglich ist. Dabei kommt der Entscheidungsfindung eine besondere Rolle zu. W\u00e4hrend optimale L\u00f6sungen grunds\u00e4tzlich existieren und mathematische Verfahren zur Bestimmung einer solchen L\u00f6sung bekannt sind, ist der notwendige zeitliche Aufwand und die damit verbundenen Kosten oftmals nicht praktikabel. Dies wird insbesondere dann problematisch, wenn die als Entscheidungsgrundlage dienenden Informationen sich durch Unsicherheiten und insbesondere Fluktuation auszeichnen. Dabei kann die Frequenz der Fluktuation schnell die notwendige Zeit f\u00fcr eine etablierte, zentralisierte Entscheidungsfindung \u00fcbersteigen. Zugleich wird durch die Vielzahl von verf\u00fcgbaren Informationen die Frage aufgeworfen, welche Informationen f\u00fcr die Entscheidungsfindung einerseits notwendig sind, und andererseits durch ihre Beachtung zur Qualit\u00e4t der L\u00f6sung beitragen.<\/p>\n\n\n\n
Diese Problematik wird insbesondere f\u00fcr produzierende Unternehmen deutlich, welche mit ihrer direkten Wertsch\u00f6pfung f\u00fcr den Erhalt des Wohlstand unserer Gesellschaft bedeutsam sind. Durch die Digitalisierung hat eine Vielzahl von Sensoren Einzug in Produktionssysteme gehalten. Gleichzeitig hat sich in den vergangenen Jahren die Fluktuation von Preisen f\u00fcr Endprodukte, Rohstoffe und Energie stark erh\u00f6ht. Durch die Covid-19 Pandemie wurde zudem die Empfindlichkeit langer Lieferketten und die zahlreichen Verflechtungen und Abh\u00e4ngigkeiten in der Produktion von hochentwickelten Produkten deutlich. Steigende Energiepreise werden derweil zu einem bedeutenderen Kostenfaktor, der f\u00fcr energieintensive Produktionsprozesse zu einem \u00e4u\u00dferst relevanten Planungsaspekt wird.<\/p>\n\n\n\n
In dieser Umgebung zeichnen sich Informationen als Entscheidungsgrundlage insbesondere durch ihre Kurzlebigkeit aus. Etablierte Optimierungsans\u00e4tze zur Entscheidungsfindung sind durch die Monopolisierung aller Entscheidungsgewalt charakterisiert, was die ganzheitliche Betrachtung des Entscheidungsproblem erm\u00f6glicht, und damit die Bestimmung einer optimalen L\u00f6sung bez\u00fcglich einer vorgegebenen Zielfunktion erm\u00f6glicht. Weiterhin ist die Implementierung derartiger Entscheidungsfindung relativ einfach, da ein einzelner Akteur basierend auf allen verf\u00fcgbaren Informationen eine globale Entscheidung trifft. Diese Zentralisierung der Entscheidungsfindung erlaubt jedoch keine Parallelisierung, sodass dieser Ansatz f\u00fcr reale Entscheidungsprobleme oftmals \u00e4u\u00dferst zeitintensiv ist.<\/p>\n\n\n\n
Die Fluktuation und Variabilit\u00e4t der zugrundeliegenden Informationen kann sich auf einem digitalisierten Markt schneller \u00e4ndern, als dass optimale Entscheidungen gefunden werden k\u00f6nnen. Abh\u00e4ngig von dem Ausma\u00df an Fluktuation ist es m\u00f6glich, dass die Entscheidungsgrundlage sich zum Zeitpunkt der optimierten Entscheidung soweit ver\u00e4ndert hat, dass auch eine Korrektur nicht mehr m\u00f6glich ist, und der gesamte Entscheidungsprozess erneut erfolgen muss.<\/p>\n\n\n\n
Durch die Digitalisierung von Produktionssystemen, einzelner Maschinen und sogar den Produkten selbst ergeben sich jedoch auch neue technische M\u00f6glichkeiten. So genannte Cyber-physikalische Systeme (CPS) beschreiben Produktionsanlagen, die durch eingebaute Mikroprozessoren, Netzwerkschnittstellen und integrierter Sensorik in der Lage sind, ihren eigenen Zustand zu erfassen, in einem Netzwerk zu kommunizieren und koordinieren sowie durch die zus\u00e4tzlich vorhandene lokale Rechenleistung zudem funktional in der Lage sind, eigene Entscheidung zu treffen – basierend auf lokalen, oder auch aus einem Netzwerk bezogenen Informationen. Dabei erzeugen CPS vielf\u00e4ltige Informationen, die alle Aspekte der jeweiligen Maschine betreffen und erlauben damit eine zuvor unm\u00f6gliche Transparenz der Produktionsprozesse f\u00fcr die Steuerung und Analyse von Produktionssystemen. Durch die Vielzahl potentieller Akteure, die dadurch in der Lage sind Entscheidungen zu treffen ist die etablierte Zentralisierung der Entscheidungsgewalt in der Produktionssteuerung in Frage gestellt. Bereits in der 1980er Jahren wurden verteilte Steuerungsans\u00e4tze f\u00fcr Produktionssysteme erstmals diskutiert, eine Umsetzung war jedoch aufgrund der damalig damit verbundenen Kosten nicht praktikabel. Mit der weitl\u00e4ufigen Einf\u00fchrung von CPS in Produktionssystemen sind jedoch erstmals die technischen Anforderungen verteilter Steuerungsans\u00e4tze erf\u00fcllt, die sich in ihren charakteristischen Eigenschaften von etablierten und zentralisierten Steuerungssystemen weitestgehend differenzieren. Neben der Verteilung beziehungsweise Monopolisierung der Entscheidungsgewalt arbeiten zentralisierte Entscheidungssysteme seriell, d.h. eine Zerlegung des Entscheidungsproblems ben\u00f6tigt eine subsequente L\u00f6sung der einzelnen Teilprobleme. In der verteilten Entscheidungsfindung ist es hingegeben m\u00f6glich, derartige Teilprobleme auf eine Vielzahl geeigneter Akteure zu verteilen, welche diese Probleme parallel bearbeiten k\u00f6nnen. Die L\u00f6sungen dieser Teilprobleme m\u00fcssen jedoch zu einer globalen L\u00f6sung zusammengesetzt werden, was wiederum Kommunikation und Koordination zwischen den bef\u00e4higten Akteuren voraussetzt. Dadurch steigt sich die Komplexit\u00e4t der Implementierung deutlich, da bei der zentralisierten Entscheidungsfindung aus der einen L\u00f6sung alle Entscheidungen ableiten lassen.<\/p>\n\n\n\n
In der Praxis gibt es derzeit wenige Beispiele, in denen die Steuerung von Produktionssystemen auf verteilter Entscheidungsgewalt beruht. Ein prominentes Beispiel ist dabei die Fertigung von hochmodernen Halbleitern, die in ihrer Herstellung a priori unbestimmte Produktionspl\u00e4ne haben, da einzelne Produktionsschritte sich durch stark stochastische Ergebnisse auszeichnen und regul\u00e4r mehrfach durchgef\u00fchrt werden m\u00fcssen, bis die gew\u00fcnschte Qualit\u00e4t erreicht ist. In der Literatur hingegen besch\u00e4ftigen sich eine Vielzahl von Forschungsfeldern mit den respektiven Vor- und Nachteilen von zentralisierten und verteilten Steuerungsans\u00e4tzen. W\u00e4hrend zahlreiche Forschungsartikel einen tiefen Einblick in spezielle Steuerungsans\u00e4tze f\u00fcr bestimmte Produktionsnetzwerke bieten, so fehlt ein \u00fcbergreifender Rahmen, welcher einen ganzheitlichen Vergleich zwischen diesen fundamentalen Steuerungsans\u00e4tzen erlauben w\u00fcrde. Insgesamt wird dabei deutlich, dass unter gegebenen technischen Voraussetzungen sowohl zentralisierte als auch verteilte Steuerungsans\u00e4tze prinzipiell f\u00fcr alle Produktionssysteme m\u00f6glich sind.<\/p>\n\n\n\n
![\"\"](\"http:\/\/oliver.antons.eu\/wp-content\/uploads\/2023\/10\/Scheduling_Complexity_Framework-1.png\")
<\/figure>\n\n\n\n