Startseite
Von komplexen Fragen zu belastbaren Entscheidungen.
Ich bin spezialisiert auf Entscheidungsarchitektur an der Schnittstelle von Technik, Daten und Management. Mein Ansatz verbindet strukturierte Analyse mit technischer Tiefe und der Fähigkeit, unterschiedliche Informationen, Anforderungen, Risiken und Perspektiven zu einer tragfähigen Entscheidungsgrundlage zusammenzuführen.
Dabei liegt der Schwerpunkt heute auf der richtigen Entscheidungsarchitektur für KI- und Datenthemen in angewandten Industrieprojekten. Geprägt ist mein Blick durch mehr als zehn Jahre Erfahrung in technisch anspruchsvollen Industrieumfeldern – von Entwicklung und Qualität über Datenanalyse und KI/ML bis zur fachlichen Führung interdisziplinärer Teams und Entscheidungsaufbereitung für das Top-Management.

Entscheidungsarchitektur für komplexe Fragestellungen
Mich interessiert, wie aus komplexen Situationen belastbare Entscheidungen entstehen. Dabei beschäftige ich mich mit technischen und datenbezogenen Fragestellungen ebenso wie mit persönlichen Entscheidungen, bei denen Ziele, Optionen, Unsicherheit und persönliche Prioritäten strukturiert werden müssen.
Technologie & Daten
KI- und Datenvorhaben, technische Machbarkeit, Prozesse, Anforderungen, Risiken und die strukturierte Aufbereitung komplexer technischer Entscheidungsgrundlagen.
Persönliche Weichenstellungen
Komplexe Entscheidungen im beruflichen aber auch privaten Alltag strukturiert betrachten: Ziele klären, Optionen vergleichbar machen, Unsicherheiten sichtbar machen und tragfähige Entscheidungen vorbereiten.
Wie ich komplexe Entscheidungen strukturiere
Belastbare Entscheidungen entstehen nicht durch vereinzelte Informationen ohne Zusammenhang ergänzt durch Bauchgefühl. Entscheidend ist, die eigentliche Fragestellung im Detail zu klären, relevante Evidenz zu strukturieren, Alternativen und Unsicherheiten vergleichbar zu machen und daraus einen tragfähigen nächsten Schritt abzuleiten.
01
Kernfrage klären

Was soll tatsächlich entschieden werden? Ziele, Randbedingungen und relevante Perspektiven präzisieren.
02
Evidenz strukturieren

Daten, Erfahrungen, Annahmen und weitere Informationen sammeln und hinsichtlich ihrer Belastbarkeit einordnen.
03
Optionen bewerten

Alternativen vergleichbar machen, Risiken, Zielkonflikte und Unsicherheiten aufzeigen.
04
Entscheidung vorbereiten

Erkenntnisse verdichten, Konsequenzen transparent machen und einen tragfähigen nächsten Schritt ableiten.
Einblick ins Facharchiv – Fachbeiträge, Lernpfade und Arbeitsmaterialien
Analysen, Modelle und praktische Reflexionen zu Entscheidungen an der Schnittstelle von Technik, Daten und komplexen Fragestellungen.
-

Wann wird aus einer guten KI-Idee ein Governance-Thema?
Eine interessante KI-Idee braucht nicht automatisch umfassende Governance. Am fiktiven Nordwerk-Fall zeigt sich, welche Daten-, Wirkungs- und Kontrollfragen vor dem nächsten Schritt wirklich geklärt werden…
-

Bias ist nicht gleich Bias: Fünf Fehlerquellen bei KI-Entscheidungen
Fünf Fehlerquellen können eine KI-Entscheidung verzerren: menschliches Urteil, Daten, Modellbewertung, Wirtschaftlichkeit und Betrieb. Am Beispiel Steinbach Metalltechnik wird deutlich, welche Gegenprüfung zuerst hilft.
-

Warum intelligente Teams bei KI-Projekten systematisch falsch entscheiden können
Fachwissen allein schützt ein Team nicht vor einer verzerrten KI-Entscheidung. Drei Gespräche bei einem fiktiven Automobilzulieferer zeigen, wie bestätigende Befunde, frühe Schätzungen und scheinbare Einigkeit…

