Jena, Universiẗat, Diss., 1997.

University, Diss., 2005--Düsseldorf.

Organisationen wie Feuerwehren, med. Rettungsdienste oder Spezialeinheiten der Polizei zeigen auch in Situationen, die durch Unsicherheit, unvollständige Informationen oder eine sehr hohe Dynamik gekennzeichnet sind, eine effiziente und effektive Leistungsfähigkeit. Sie können deswegen als Hochleistungssysteme (HLS) bezeichnet werden. Im vorliegenden Artikel wird dargestellt wie sich Erkenntnisse der High Reliabilty Theory auf die Untersuchung von Hochleistungssystemen auswirken und welche Gemeinsamkeiten und Parallelen bestehen. Dabei wird insbesondere ein Schwerpunkt auf die Thematik des Lernens gelegt.

Diese Dissertation unterstreicht die Rolle von Informationen bei der Erforschung ökonomischer Entscheidungen. Das erste Kapitel beschäftigt sich mit dem Zugang zu akkuraten Informationen über die Wirksamkeit medizinischer Interventionen. Unserem Model zufolge besteht in vielen entwickelten Ländern Nachfrage für Zugang zu unabhängigen medizinischen Informationen wie Cochrane Reviews. Wir schätzen, dass für viele Länder diese Nachfrage zu moderaten oder geringen Kosten erfüllt werden kann. Das zweite Kapitel beschäftigt sich mit der Kommunikation solcher Informationen und untersucht den unterstützenden Effekt natürlicher Häufigkeiten bei der Berechnung von A-posteriori Wahrscheinlichkeiten (Gigerenzer & Hoffrage, 1995). Durch eine Meta-Analyse erklären wir Konzepte und entflechten die Effekte von 15 Studienmerkmalen. Im einfachsten Studiendesign führen natürliche Häufigkeiten zu 24 Prozent korrekten Antworten verglichen mit 4 Prozent bei konditionellen Wahrscheinlichkeiten. Die finalen beiden Kapitel analysieren Satisficing-Strategien für unsichere Entscheidungsumgebungen in denen Agenten eine vollumfassende, probabilistische Beschreibung des Entscheidungsproblems fehlt. Simon (1955) zufolge nutzen Satisficing-Strategien ein Anspruchsniveau um die Suche nach weiteren Entscheidungsalternativen zu beenden. Das dritte Kapitel beschreibt wie solche Strategien in der ökonomischen Literatur als Präferenz modelliert werden um Entscheidungen zu erklären die der Nutzenmaximierung unterlegen sind während die Kognitionswissenschaften diese Strategien als Lösungen für Inferenzprobleme betrachten. Wir erklären die Divergenz mit unterschiedlichen Annahmen über die vorliegenden Informationen der Agenten. Das letzte Kapitel untersucht Satisficing-Strategien unter Taxifahrern. Wir stellen fest, dass die Stundenlöhne von Taxifahrern kaum vorhersagbar sind und ihre Entscheidungen Schichten zu beenden am besten durch einfache Satisficing-Strategien vorhergesagt werden können. / This doctoral thesis emphasizes the significance of informational conditions in studying economic decisions. The first chapter concerns access to accurate probabilistic information in the domain of medical interventions. We estimate that, in many developed countries, there appears to be demand for governments to grant citizens free access to impartial reviews of medical evidence, as provided in Cochrane Reviews. For these countries, we estimate that this demand can be met at low costs. The second chapter concerns the communication of such information and examines the facilitating effect of natural frequencies on the derivation of posterior probabilities, as delineated by Gigerenzer and Hoffrage (1995). In a meta-analysis, we clarify concepts and disentangle the effects of 15 study characteristics. We find that in the simplest study design, 4 percent correct solutions when presented with conditional probabilities and 24 percent when presented with natural frequencies. The final two chapters examine the satisficing class of strategies for uncertain decision environments in which agents lack a full probabilistic description of the decision problem. According to Simon (1955), satisficing strategies use aspiration levels to terminate search for suitable alternatives. The third chapter describes how in economics, satisficing is modeled as a preference structure or as a decision rule that yields choices inferior to utility maximization, whereas in cognitive science, satisficing strategies use aspiration levels to solve inference problems. We explain the divergence, noting that they refer to risky and uncertain environments, respectively. The final chapter examines satisficing in an applied setting, studying taxi drivers' shift termination behavior. We find that drivers' hourly earnings are very uncertain and drivers’ behavior is best predicted by simple satisficing strategies that terminate shifts when reaching an aspired shift income or shift duration.

Warum können Feuerwehrleute, Polizisten, Rettungsassistenten oder Formel-1-Teams auch in schwierigen Einsatzsituationen immer wieder beeindruckende Erfolge vorweisen und Spitzenleistungen erbringen? Der Artikel stellt wichtige leistungsbeeinflussende Faktoren dieser Organisationen vor und skizziert exemplarisch, wie Führungskräfte von den Erfahrungen dieser Teams profitieren können.

Das kundenzentrierte Revenue Management als Verbindung der beiden Forschungsdomänen der Kapazitätssteuerung und des Kundenbeziehungsmanagements kann dazu beitragen, wertvolle Kunden auch vor dem Hintergrund begrenzter Kapazitätsressourcen an den Anbieter (wie Airlines, Hotels oder Fertigungsunternehmen) zu binden. Da hierbei gewisse Unsicherheiten auftreten, die in der Folge die Güte der Steuerungsentscheidungen beeinflussen und damit auch Erlösrelevanz besitzen, und diese bisher nur unzureichend beleuchtet wurden, ist eine umfassende Unsicherheitsanalyse vorangetrieben worden. Nach Darlegung des aufgrund der Heterogenität nötigen Begriffsverständnisses zur Unsicherheit sind die unsicheren Situationen im Anwendungskontext mit Hilfe eines konzeptionellen Bezugsrahmens einer detaillierten Charakterisierung und Bewertung unterzogen worden. Unterstützt durch die Erkenntnisse einer systematischen Literaturanalyse wurden dafür elf Problemfelder (mit insgesamt 36 Teilaspekten) herausgearbeitet. Die vorliegende Systematisierung kann Revenue Manager dabei unterstützen, das eigene Unternehmen in das Spannungsgefüge einzuordnen, anhand der anbieterspezifischen Merkmalsausprägungen der Dimensionen und Umfeldfaktoren einen Überblick über die vorherrschende Unsicherheitsproblematik zu gewinnen und zudem Rückschlüsse über den vorliegenden Grad des Unsicherheitsausmaßes vornehmen zu können.:1 Einführung 1.1 Motivation und Problemstellung 1.2 Forschungsdesign 2 Grundlagen kundenzentrierten Revenue Managements 3 Grundlagen der Unsicherheitsproblematik 3.1 Erste Annäherung zur Unsicherheitsproblematik 3.2 Beweggründe zur Unsicherheitsauseinandersetzung 3.3 Abgrenzung des Unsicherheitsbegriffs 3.4 Typologie der Unsicherheit 3.5 Arbeitsdefinition der Unsicherheit 3.6 Generelle Positionierungen 4 Konzeptioneller Bezugsrahmen zur Systematisierung 4.1 Forschungsinstrument 4.2 Literaturanalyse 4.2.1 Planung 4.2.2 Literatursuche 4.2.3 Beitragsanalyse 4.2.4 Synthese und Präsentation 4.3 Dimensionen 4.3.1 Aufgabenbezug 4.3.2 Problemart 4.3.3 Informationsbedarf 4.3.4 Informationsoperation 4.3.5 Unsicherheitsursachen 4.4 Detaillierung des Bezugsrahmens 5 Erfolgsgrößenbezogene Unsicherheiten 5.1 Zielgrößen zur Kundenbewertung 5.1.1 Sachdimension 5.1.2 Zeitdimension 5.1.3 Objektdimension 5.1.4 Kundensegmentbildung 5.2 Präferenzrelationen 5.2.1 Höhenpräferenz 5.2.2 Risikopräferenz 6 Revenue-Management-systembezogene Unsicherheiten 6.1 Kapazitätscharakteristik 6.1.1 Umfang der Kapazität 6.1.2 Flexibilität der Kapazitätsnutzung 6.2 Leistungscharakteristik 6.2.1 Reservierbarkeit des Angebots 6.2.2 Repetivität des Angebotszyklus 6.2.3 Erlöse der Angebote 6.2.4 Angebotsbeschreibung 6.3 Datenbasis 6.3.1 Selektion der Informationen 6.3.2 Anreicherung / Data-Matching 6.3.3 Umgang mit falschen und fehlenden Informationen 6.3.4 Diskretisierung 6.3.5 Aktualisierung der Informationen 6.4 Optimierung 6.4.1 Komplexität der Optimierung 6.4.2 Entwicklungsprozess von Optimierungsmodellen 6.5 Kundenklassifikation 7 Revenue-Management-umfeldbezogene Unsicherheiten 7.1 Modellierung des Kundenverhaltens 7.1.1 Ankunft der Anfragen 7.1.2 Abhängigkeit der Nachfrage 7.1.3 Gruppenbuchungen 7.1.4 Strategisches Kundenverhalten 7.2 Interaktionsprozess und Informationszugang 7.2.1 Entscheidungszeitpunkt 7.2.2 Verbindlichkeit 7.2.3 Kundenidentifikation und Kundenhistorie 7.3 Nachfrageprognose 7.3.1 Prognosegrundlage 7.3.2 Nachfrageschwankungen 7.3.3 Art der Prognosedurchführung 7.3.4 Prognosehorizont 7.4 Wirkung der Kapazitätssteuerungsmaßnahmen des Anbieters 7.4.1 Loyalitätswirkung der Steuerungsentscheidung 7.4.2 Reaktivität des Wettbewerbs 7.4.3 Nichtinanspruchnahme der Leistung durch Kunden 7.4.4 Folgen der Leistungsverwehrung (insbesondere im Rahmen der Überbuchung) 7.4.5 Katalysatorwirkung von Umfeldfaktoren 8 Aktualisierung Bezugsrahmen 9 Zusammenfassung, Diskussion und Ausblick Literaturverzeichnis Anhang

Die Gewässergütebewirtschaftung von Flussgebieten stellt komplexe Anforderungen an Entscheidungsträger. Im Elbe-DSS wurden hierzu existierende Modelle in einem Softwareframework zusammengeführt und mit adäquaten Benutzerschnittstellen versehen. Ausgehend von einer Anforderungsanalyse unter Einbeziehung potentieller zukünftiger Endnutzer wurde ein modularer Systemaufbau gewählt: die Module Einzugsgebiet, Fließgewässernetz, Hauptstrom und Flussabschnitt, von denen die ersten beiden Gegenstand der vorliegenden Arbeit sind. Der Zustand des Gesamtsystems wird anhand von Entwicklungszielen und zugehöriger Indikatoren beschrieben. Ein angepasster umfassender Maßnahmenkatalog ermöglicht es, Reaktionen des Systems auf Steuerungseingriffe vorherzusagen. Erweitert werden die Analysemöglichkeiten durch die Einbeziehung externer Szenarien, die frei mit den vorhandenen Maßnahmen kombiniert werden können. Für die in den Modulen Einzugsgebiet und Fließgewässernetz behandelten Themenfelder Abflussentstehung, Einträge aus Punkt- und diffusen Quellen sowie chemische Gewässerqualität wurden vier Modelle ausgewählt: das Niederschlags-Abflussmodel HBV-D und das Nährstoffbilanzmodel MONERIS, ergänzt durch das Flächenbilanzmodell für Nährstoffüberschüsse landwirtschaftlicher Flächen von Bach & Frede im Einzugsgebietsmodul und das Stofftransportmodell GREAT-ER im Fließgewässermodul. Zwischen den Modellen sowie zwischen den Modellen und den Maßnahmen, externen Szenarien und Indikatoren wurden Schnittstellen definiert und Daten und Prozessvereinheitlicht. Die technische Implementierung des gekoppelten Systems wurde umfangreich getestet und anhand vorliegender Monitoringdaten validiert, Reaktionen des Systems auf Maßnahmen und externe Szenarien anhand von Beispielanwendungen auf Plausibilität hin überprüft. Die Ergebnisse zeigen, dass das integrierte Modellsystem viele Fragen der Gewässergütebewirtschaftung bearbeiten und damit Hilfestellungen für Entscheidungen in diesem Bereich liefern kann.

Diese Dissertation beschäftigt sich mit mathematischen Modellen, die beschreiben, wie sich Menschen verhalten, wenn die Folgen ihrer Handlung im Moment der Entscheidung nur unvollständig bekannt oder gar gänzlich unbekannt sind: wie Menschen Unsicherheit wahrnehmen, wie sie dieser Unsicherheit gegenüber eingestellt sind und wie beides zusammen letztendlich ihre Entscheidungen bestimmt. In 3 empirischen Arbeiten wird unter jeweils unterschiedlicher Perspektive untersucht, wie sich die zentralen Konzepte "Nutzen" und "Erwartungen" messen lassen, welche der vielen Theorien menschliches Verhalten am besten beschreibt und welchen Erklärungsgehalt die Theorien insgesamt haben. Das erste Kapitel zeigt, wie schwierig die Messung und ökonometrische Schätzung von Präferenzparametern selbst in relativ einfachen Modellen für Entscheidungen unter Risiko sein kann. Kapitel zwei beschreibt die Ergebnisse mehrerer Experimente mit dem Ziel, die Eigenschaften subjektiver Erwartungen über Aktienmarktrenditen zu klären, und deren Erklärungsgehalt für tatsächliches Investitionsverhalten einzuschätzen. Das dritte und letzte Kapitel enthält einen experimentellen Test der Vorhersagen gängiger Theorien der Ambiguitätsaversion in Situationen, in denen sich Risiko und Unsicherheit vermischen. / This dissertation is concerned with mathematical models of choice under risk and uncertainty. Such models describe how people behave when the consequences of their actions are either unknown or unknowable at the point of decision: how they perceive that uncertainty, what their attitude towards it is and how the two jointly determine decisions. The dissertation shines a spotlight on such models from three different directions. All three chapters are empirical, designed to either study how the central theoretical constructs of "utility" and "beliefs" can be measured, which of the many theories describes choices best or what explanatory power the theories hold. The first chapter details how difficult the measurement and econometric estimation of preference parameters even in relatively simple models of choice under risk can be. The second describes the result of a series of experiments designed to probe the properties of subjective beliefs about stock market returns and their explanatory power for investment behavior. The third chapter, finally, offers an experimental test of the predictions of popular theories of ambiguity aversion in settings in which subjects face combinations of risk and uncertainty.

Species respond to environmental change by dynamically adjusting their geographical ranges. Robust predictions of these changes are prerequisites to inform dynamic and sustainable conservation strategies. Correlative species distribution models (SDMs) relate species’ occurrence records to prevailing environmental factors to describe the environmental niche. They have been widely applied in global change context as they have comparably low data requirements and allow for rapid assessments of potential future species’ distributions. However, due to their static nature, transient responses to environmental change are essentially ignored in SDMs. Furthermore, neither dispersal nor demographic processes and biotic interactions are explicitly incorporated. Therefore, it has often been suggested to link statistical and mechanistic modelling approaches in order to make more realistic predictions of species’ distributions for scenarios of environmental change. In this thesis, I present two different ways of such linkage. (i) Mechanistic modelling can act as virtual playground for testing statistical models and allows extensive exploration of specific questions. I promote this ‘virtual ecologist’ approach as a powerful evaluation framework for testing sampling protocols, analyses and modelling tools. Also, I employ such an approach to systematically assess the effects of transient dynamics and ecological properties and processes on the prediction accuracy of SDMs for climate change projections. That way, relevant mechanisms are identified that shape the species’ response to altered environmental conditions and which should hence be considered when trying to project species’ distribution through time. (ii) I supplement SDM projections of potential future habitat for black grouse in Switzerland with an individual-based population model. By explicitly considering complex interactions between habitat availability and demographic processes, this allows for a more direct assessment of expected population response to environmental change and associated extinction risks. However, predictions were highly variable across simulations emphasising the need for principal evaluation tools like sensitivity analysis to assess uncertainty and robustness in dynamic range predictions. Furthermore, I identify data coverage of the environmental niche as a likely cause for contrasted range predictions between SDM algorithms. SDMs may fail to make reliable predictions for truncated and edge niches, meaning that portions of the niche are not represented in the data or niche edges coincide with data limits. Overall, my thesis contributes to an improved understanding of uncertainty factors in predictions of range dynamics and presents ways how to deal with these. Finally I provide preliminary guidelines for predictive modelling of dynamic species’ response to environmental change, identify key challenges for future research and discuss emerging developments. / Das Vorkommen von Arten wird zunehmend bedroht durch Klima- und Landnutzungswandel. Robuste Vorhersagen der damit verbundenen Arealveränderungen sind ausschlaggebend für die Erarbeitung dynamischer und nachhaltiger Naturschutzstrategien. Habitateignungsmodelle erstellen statistische Zusammenhänge zwischen dem Vorkommen einer Art und relevanten Umweltvariablen und erlauben zügige Einschätzungen potentieller Arealveränderungen. Dabei werden jedoch transiente Dynamiken weitgehend ignoriert sowie demographische Prozesse und biotische Interaktionen. Daher wurden Vorschläge laut, diese statistischen Modelle mit mechanistischeren Ansätzen zu koppeln. In der vorliegenden Arbeit zeige ich zwei verschiedene Möglichkeiten solcher Kopplung auf. (i) Ich beschreibe den sogenannten ‚Virtuellen Ökologen’-Ansatz als mächtiges Validierungswerkzeug, in dem mechanistische Modelle virtuelle Testflächen bieten zur Erforschung verschiedener Probenahmedesigns oder statistischer Methoden sowie spezifischer Fragestellungen. Auch verwende ich diesen Ansatz, um systematisch zu untersuchen wie sich transiente Dynamiken sowie Arteigenschaften und ökologische Prozesse auf die Vorhersagegüte von Habitateignungsmodellen auswirken. So kann ich entscheidende Prozesse identifizieren welche in zukünftigen Modellen Berücksichtigung finden sollten. (ii) Darauf aufbauend koppele ich Vorhersagen von Habitateignungsmodellen mit einem individuen-basierten Populationsmodell, um die Entwicklung des Schweizer Birkhuhnbestandes unter Klimawandel vorherzusagen. Durch die explizite Berücksichtigung der Wechselwirkungen zwischen Habitat und demographischer Prozesse lassen sich direktere Aussagen über Populationsentwicklung und damit verbundener Extinktionsrisiken treffen. Allerdings führen verschiedene Simulationen auch zu hoher Variabilität zwischen Vorhersagen, was die Bedeutung von Sensitivitätsanalysen unterstreicht, um Unsicherheiten und Robustheit von Vorhersagen einzuschätzen. Außerdem identifiziere ich Restriktionen in der Datenabdeckung des Umweltraumes als möglichen Grund für kontrastierende Vorhersagen verschiedener Habitateignungsmodelle. Wenn die Nische einer Art nicht vollständig durch Daten beschrieben ist, kann dies zu unrealistischen Vorhersagen der Art-Habitat-Beziehung führen. Insgesamt trägt meine Arbeit erheblich bei zu einem besseren Verständnis der Auswirkung verschiedenster Unsicherheitsfaktoren auf Vorhersagen von Arealveränderungen und zeigt Wege auf, mit diesen umzugehen. Abschließend erstelle ich einen vorläufigen Leitfaden für Vorhersagemodelle und identifiziere Kernpunkte für weitere Forschung auf diesem Gebiet.

University, Diss.--St. Gallen, 2007.