Ein fuzzy-basiertes Modell multiattributiver Entscheidungen

Seit jeher nehmen Entscheidungsprobleme im Rahmen der Wirtschaftswissenschaften eine zentrale Position ein. Zwecks Lösung speziell multidimensionaler Entscheidungsprobleme wurde die multikriterielle Entscheidungstheorie (MCDM) entwickelt, im Rahmen derer wiederum zwischen multiattributiven (MADM) sowie „multi- objectiven“ Entscheidungsfindungen (MODM) differenziert werden kann. Im Rahmen von MADM-Problemen liegt das primäre Ziel der Entscheidungsfindung in der Auswahl einer sich aus einer endlichen und einem Entscheidungsträger ex ante bekannten Menge von Alternativen rekrutierenden Handlungsalternative. Jede der aus diesem diskreten Lösungsraum stammende Alternative wird zumeist anhand einer ebenfalls endlichen Anzahl von sogenannten Attributen beurteilt; die letztendliche Auswahl einer Alternative wird schließlich unter Durchführung inter- und intraattributiver Vergleiche vollzogen. Angesichts der Vielzahl potentieller Lösungsmethoden, sieht sich ein Anwender jedoch mit der Problematik konfrontiert, gewissermaßen abseits aller modellinternen Erwägungen eine adäquate Lösungsmethodik heraus zu filtern, da Zusammenhänge und Beziehungen zwischen den einzelnen Verfahren nur erschwert oder aber gar nicht erkenn- bzw. ableitbar sind. Die von L.A. Zadeh entwickelte Theorie unscharfer Mengen (Fuzzy-Set Theory) erlaubt es indes, sich dieser Problematik aus einem differenzierteren Blickwinkel zu nähern. Mittels Reinterpretation der numerischen Abbildungen der Wertvorstellungen des involvierten Entscheiders als graduelle Zugehörigkeiten der Elemente der Grundmengen von unscharfen Mengen, wird auf der Grundlage dieser Ergebnisse ein allgemeines Entscheidungsmodell entwickelt, das gewissermaßen als Basismodell multiattributiver Entscheidungsfindungen identifiziert werden kann. In Abhängigkeit von der formalen Gestalt dieses Entscheidungsmodells, determiniert durch die Präferenzen des Entscheidungsträgers, können des weiteren bekannte klassische Lösungsansätze abgeleitet werden.