A Robust Grey Multi-Criteria Decision-Making Framework for Prioritization under Uncertainty: Application to Smart Transformation Systems

In der stillen, datengesteuerten Welt wissenschaftlicher Institutionen besteht die Herausforderung der Modernisierung selten darin, das eine, beste neue Gadget zu finden. Es geht vielmehr darum, durch einen Nebel der Ungewissheit zu navigieren. Wenn eine Regierungsbehörde, die für die Überwachung der Erdbewegungen zuständig ist, die Modernisierung ihrer Systeme in Betracht zieht, sieht sie sich mit einem komplexen Geflecht von Entscheidungen konfrontiert. Sollte sie in künstliche Intelligenz investieren, um Erdbeben schneller zu erkennen, oder ein Netzwerk aus intelligenten Sensoren aufbauen? Sollte sie ihre Daten mittels Blockchain-Technologie sichern oder alles in die Cloud verlagern? Die Antworten sind selten eindeutig. Kosten sind Schätzungen, Zeitpläne sind Vermutungen, und die zukünftige Leistungsfähigkeit dieser Technologien ist oft unbekannt. In solchen Situationen können Entscheidungsträger sich nicht auf präzise Zahlen verlassen, da diese Zahlen schlichtweg noch nicht existieren. Stattdessen müssen sie mit Wahrscheinlichkeitsbereichen arbeiten und die Vorteile von Geschwindigkeit und Sicherheit gegen die Beschränkungen von Budget und Zeit abwägen. Dies ist der Bereich der Entscheidungsfindung unter Unsicherheit, in dem das Ziel nicht darin besteht, eine perfekte Antwort zu finden, sondern den robustesten Weg vorwärts zu finden, wenn Informationen unvollständig sind.

Ein Forscherteam der Universität Teheran hat genau dieses Problem angegangen, indem es einen neuen Weg entwickelte, um dem Iranischen Seismologischen Zentrum bei der Priorisierung seiner digitalen Transformation zu helfen. Sie erkannten, dass traditionelle Methoden der Technologiewahl in diesen Hochrisikoumgebungen oft scheitern, weil sie präzise Daten verlangen, die Organisationen schlichtweg nicht haben. Um dies zu lösen, entwickelten die Forscher einen Rahmen, der die Ungewissheit annimmt, anstatt zu versuchen, sie zu eliminieren. Sie stellten ein Gremium aus zehn Experten zusammen, darunter ehemalige Direktoren und amtierende Manager, um fünf spezifische Smart-Projekte zu bewerten: ein KI-System zur Erkennung seismischer Ereignisse, ein Netzwerk aus IoT-fähigen intelligenten Stationen, ein Blockchain-System zur Datensicherung, eine Cloud-Plattform zur Informationsverwaltung und eine mobile App für öffentliche Meldungen. Anstatt die Experten zu bitten, für jedes Projekt eine einzige, exakte Punktzahl zu vergeben, baten die Forscher sie, Bereiche anzugeben. Dieser als Grey-System-Theorie bekannte Ansatz ermöglicht den Ausdruck vager oder unvollständiger Informationen, wie etwa „die Kosten werden zwischen X und Y liegen“, anstatt eine Schätzung für eine spezifische Zahl zu erzwingen.

Die Forscher nutzten anschließend einen spezialisierten mathematischen Prozess, um die Bedeutung von dreizehn verschiedenen Kriterien zu gewichten, die von Cybersicherheit und Leistung bis hin zu Kosten und Implementierungszeit reichten. Sie fanden heraus, dass die Experten den höchsten Wert auf Effizienz der Leistung, Cybersicherheit und Benutzerfreundlichkeit legten, während sie auch den Anschaffungskosten ein erhebliches Gewicht beimaßen. Dies offenbarte eine klare Präferenz für Lösungen, die zuverlässig und sicher sind, selbst wenn sie eine sorgfältige Finanzplanung erfordern. Als das Team seinen Rahmen auf die fünf Projekte anwandte, kristallisierte sich ein klarer Spitzenreiter heraus. Das KI-basierte System zur Erkennung seismischer Ereignisse wurde als oberste Priorität identifiziert und schnitt deutlich besser ab als die anderen Optionen. Dieses System wurde gewählt, weil es das beste Gleichgewicht zwischen hoher Leistung, starker Sicherheit und handhabbaren Kosten bot und damit die kritischsten Bedürfnisse des seismologischen Zentrums direkt adressierte.

Nach dem KI-System rangierten die Forscher die IoT-basierten intelligenten Stationen und die mobile Meldeplattform als die nächstwertvolleren Investitionen. Diese beiden Optionen schnitten sehr ähnlich ab, was darauf hindeutet, dass sie beide starke Kandidaten für die nächste Entwicklungsphase sind. Das Blockchain-System für die Datenteintegrität belegte den vierten Platz, und die Cloud-basierte Datenverwaltungsplattform landete auf dem letzten Platz. Die niedrigere Platzierung der Cloud- und Blockchain-Optionen bedeutete nicht, dass es sich um schlechte Technologien handelte; vielmehr deutete es darauf hin, dass sie unter den aktuellen Beschränkungen von Budget und organisatorischer Bereitschaft im Vergleich zu den KI- und IoT-Lösungen weniger praktikabel als unmittelbare Prioritäten waren. Die Studie zeigte explizit auf, dass die Blockchain zwar eine exzellente Sicherheit bot, ihre hohen Kosten und ihre Komplexität sie jedoch zu einem weniger attraktiven Ausgangspunkt machten. Ähnlich wurde die Cloud-Plattform durch ihre erheblichen Anschaffungskosten und die schwächere Leistung in den Kriterien der organisatorischen Bereitschaft zurückgehalten.

Um sicherzustellen, dass diese Ergebnisse nicht nur ein Zufallsprodukt der Meinungen der spezifischen Experten waren, führten die Forscher tausende Computersimulationen durch, um die Stabilität ihrer Rangfolgen zu testen. Sie variierten in jeder Simulation die Wichtigkeit der Kriterien geringfügig, um zu sehen, ob sich die Reihenfolge der Projekte ändern würde. Die Ergebnisse waren beruhigend: Das KI-System blieb in fast 70 Prozent der simulierten Szenarien die erste Wahl, was bewies, dass die Empfehlung robust war und nicht übermäßig empfindlich auf kleine Änderungen in der Urteilsbildung reagierte. Die Studie hob auch hervor, dass die mobile App und die IoT-Stationen stabile Entscheidungen für den zweiten und dritten Platz waren, während die Blockchain- und Cloud-Optionen eine größere Variabilität zeigten, was deren niedrigere Priorität untermauerte.

Das Endergebnis dieser Forschung ist nicht nur eine Liste von Gewinnern und Verlierern, sondern ein praktischer Fahrplan für das Handeln. Die Forscher schlagen vor, dass das seismologische Zentrum seine Transformation mit der Implementierung des KI-Erkennungssystems beginnen sollte. Sobald dieses Fundament gelegt ist, kann die Organisation mit der Modernisierung ihres Sensornetzwerks mittels IoT-Technologie und der Einführung der mobilen App für die öffentliche Kommunikation fortfahren. Die komplexeren und teureren Technologien wie Blockchain und eine vollumfängliche Cloud-Migration können später eingeführt werden, sobald die Organisation über die notwendigen Ressourcen und Erfahrungen verfügt. Dieser schrittweise Ansatz ermöglicht es der Institution, Risiken zu steuern und ihre Investitionen über die Zeit zu verteilen. Indem sie eine Methode nutzten, die die Ungewissheit als natürlichen Teil des Prozesses akzeptiert, lieferten die Forscher einen klaren, evidenzbasierten Leitfaden dafür, wie eine wissenschaftliche Regierungsbehörde ihre Abläufe modernisieren kann, ohne auf das Unbekannte zu wetten.