Options
2023
Conference Paper
Title
Probabilistisch entscheiden in der Produktentwicklung
Other Title
Probabilistic decision-making in product development
Abstract
Produktentwicklung ist eine Abfolge von Entwicklungsentscheidungen. Unter Unsicherheit und in prekärer Datenlage versagen unsere gängigen Verfahren zur Entscheidungsunterstützung. Wir schlagen deshalb ein auf den Kolmogorowschen Axiomen und dem Bayesschen Theorem basierendes Single Pass Bayesian Reasoning (SPBR) vor. Es ordnet die Entscheidungsalternativen anhand der Wahrscheinlichkeit, dass die jeweilige Alternative die beste ist. Dazu werden die vorliegenden Evidenzen gesammelt, und mittels Likelihoodverhältnissen die Wahrscheinlichkeiten berechnet.
Wir zeigen die Anwendung von SPBR in der Produktentwicklung anhand von User Stories. Wir weisen nach, dass SPBR sowohl bei qualitativen Evidenzen als auch mit parametrisierten Kriterien angewendet werden kann. Es ist für subjektive, kollektive und datenbasierte rationale Entwicklungsentscheidungen geeignet. SPPR unterstützt reifende Entscheidungen. Bei volatilen Entscheidungssituationen mit wechselnden Handlungsalternativen, bei abhängigen Evidenzen, bei variierender Bedingtheit und bei sehr geringen Ressourcen für Entscheidungen kommt es an seine Grenzen.
Wir zeigen die Anwendung von SPBR in der Produktentwicklung anhand von User Stories. Wir weisen nach, dass SPBR sowohl bei qualitativen Evidenzen als auch mit parametrisierten Kriterien angewendet werden kann. Es ist für subjektive, kollektive und datenbasierte rationale Entwicklungsentscheidungen geeignet. SPPR unterstützt reifende Entscheidungen. Bei volatilen Entscheidungssituationen mit wechselnden Handlungsalternativen, bei abhängigen Evidenzen, bei variierender Bedingtheit und bei sehr geringen Ressourcen für Entscheidungen kommt es an seine Grenzen.
;
Product development is a sequence of development decisions. Under uncertainty and sparse data, our current decision support methods fail. We therefore propose a Single Pass Bayesian Reasoning (SPBR) based on Kolmogorov's axioms and Bayes' theorem. It ranks decision alternatives based on the probability that each alternative is the best. For this purpose, the available evidence is collected, and using likelihood ratios, the probabilities are computed.
We demonstrate the application of SPBR in product development by means of user stories. We prove that SPBR can be applied to qualitative evidence as well as with parameterized criteria. It is suitable for subjective, collective, and data-based rational development decisions. SPPR supports maturing decisions. It reaches its limits in volatile decision situations with changing alternative courses of action, with dependent evidence, with varying conditionality, and with very low resources for decisions.
We demonstrate the application of SPBR in product development by means of user stories. We prove that SPBR can be applied to qualitative evidence as well as with parameterized criteria. It is suitable for subjective, collective, and data-based rational development decisions. SPPR supports maturing decisions. It reaches its limits in volatile decision situations with changing alternative courses of action, with dependent evidence, with varying conditionality, and with very low resources for decisions.
Rights
Under Copyright
Language
German