BWL und Informatik stossen auf dasselbe Hindernis: Die beste Lösung ist oft zu teuer zu berechnen oder lässt sich wegen fehlender Information gar nicht berechnen. Beide greifen deshalb zu Heuristiken, also Faustregeln, die schnell eine gute, aber nicht garantiert optimale Lösung liefern. Die fünf heuristischen Prinzipien für den Marketing-Mix aus dem Studium von 2002 haben direkte Gegenstücke in der KI-Forschung.
Was eine Heuristik ist
„Heuristik“ kommt vom griechischen heuriskein, „finden“. George Pólya beschrieb 1945 in „How to Solve It“, dass sich viele Probleme mit wenigen allgemeinen Strategien lösen lassen, meist indem man sie vereinfacht. Seine vier Schritte (verstehen, planen, ausführen, prüfen) gleichen dem Problemlösungsprozess der BWL (Quelle - Recherche - BWL Nachprüfung und Heuristiken 2026).
Die BWL-Quelle definiert knapp: Eine Problemlösungsheuristik bietet keine exakte Lösung. Sie beruht auf Erfahrung und Intuition (Quelle - BWL Konditionen- und Kommunikationspolitik Zusammenfassung, S. 36).
Zwei Gründe für Heuristiken
| Grund | Bedeutung | Beispiele im Wiki |
|---|---|---|
| 1. Zu viel Rechenaufwand | Das Optimum existiert und ist genau definiert, aber die Zahl der Möglichkeiten explodiert. | Marketing-Mix (kⁿ Kombinationen), Ablaufplanung in der Produktionsplanung und -steuerung, Suche in der Wissensbasierte Bildanalyse, NP-vollständige Probleme (Komplexitätstheorie) |
| 2. Zu wenig Wissen | Das Optimum lässt sich nicht einmal aufschreiben, weil die Wirkungen unbekannt oder unsicher sind. | Preisbestimmung in der Praxis (Preispolitik), Werbebudget in Prozent vom Umsatz (Werbung), Absatzprognose (Marktforschung), Kaufverhalten (Markt und Konsumentenverhalten) |
Die Informatik beschäftigt sich vor allem mit dem ersten Grund, die Entscheidungspsychologie und die BWL-Praxis mit dem zweiten.
Grund 1: kombinatorische Explosion
Die Komplexitätstheorie nennt Scheduling ausdrücklich als NP-vollständiges Praxisproblem, das man „zufriedenstellend“ mit Heuristiken löst (Quelle - Automatentheorie Zusammenfassung; Komplexitätstheorie). Das ist belegt: Garey, Johnson und Sethi (1976) bewiesen, dass der kürzeste Ablaufplan im Flow Shop ab 3 Maschinen und im Job Shop ab 2 Maschinen NP-vollständig ist. Für den Flow Shop mit 2 Maschinen gibt es dagegen einen exakten, schnellen Algorithmus (Johnson-Regel) (Quelle - Recherche - BWL Nachprüfung und Heuristiken 2026).
Die Grenze zwischen „leicht“ und „hoffnungslos“ ist also scharf und liegt oft bei sehr kleinen Zahlen. Die Werkstattfertigung (Job Shop) aus Produktionswirtschaft mit ihren „Reihenfolgeproblemen“ und „Prioritäten“ ist genau das NP-schwere Job-Shop-Problem. Die Fliessfertigung umgeht es teilweise, weil alle Teile dieselbe Reihenfolge durchlaufen. Das ist ein Grund, warum sie „einfachere Planungs- und Kontrollmöglichkeiten“ bietet, wie die Quelle sagt.
Weitere Beispiele aus den BWL-Quellen, die man als Heuristik lesen kann:
- Losgrössenformel: Die Quelle nennt sie selbst eine „lokale Optimierung“, weil jede Maschine für sich betrachtet wird (Produktionsplanung und -steuerung). Für die ganze Fabrik ist die Summe lokaler Optima nur eine Näherung.
- Sukzessivplanung MRP → CRP: Das grosse Planungsproblem wird in Teilprobleme zerlegt, die nacheinander gelöst werden. Das ist die klassische Zerlegungsheuristik.
- Bestellpunkt-Modell und ABC-Analyse: einfache Regeln statt einer Gesamtoptimierung aller Artikel (Materialwirtschaft, ABC-Analyse).
Grund 2: Unsicherheit
Hier liegt der Unterschied nicht im Rechenaufwand, sondern in der Information. Die klassische Preistheorie setzt vollkommene Information und rationale Käufer voraus. Die BWL-Quelle zählt elf Mängel dieser Modelle auf und nennt als Ausweg die „praxisorientierte Preisbestimmung“: Zuschlag auf die Kosten, Branchenpreis, Preisführer (Preispolitik). Das sind Heuristiken für eine Lage, in der sich die Preis-Absatz-Funktion nicht kennen lässt.
Herbert Simon (Nobelpreis 1978) machte daraus eine Theorie: Menschen haben nur eine begrenzte Rationalität. Statt zu optimieren, wählen sie die erste Lösung, die ein Anspruchsniveau erfüllt („satisficing“) (Quelle - Recherche - BWL Nachprüfung und Heuristiken 2026).
Simon ist das Bindeglied dieser Seite: Er war Ökonom und zugleich KI-Pionier. Mit Allen Newell entwickelte er Ende der 1950er-Jahre den General Problem Solver, dessen Kernverfahren die Mittel-Zweck-Analyse (means-ends analysis) ist. Das ist wörtlich das fünfte heuristische Prinzip der Marketing-Quelle. Die Verbindung zu Newell und zum GPS ist Allgemeinwissen und nicht eigens belegt.
Die fünf Marketing-Prinzipien und ihre Gegenstücke
Die Konditionen- und Kommunikationsquelle nennt fünf heuristische Prinzipien für den optimalen Marketing-Mix:
| Prinzip (BWL 2002) | Bedeutung dort | Gegenstück in Informatik und KI (Einordnung Claude) |
|---|---|---|
| Problemreduktion | irrelevante Instrumente weglassen | Pruning (Suchbaum beschneiden), Abstraktion, Merkmalsauswahl in der Mustererkennung |
| Prioritätensetzung | Haupt- und Nebeninstrumente | Bewertungsfunktion und Greedy-Verfahren, Strahlensuche (nur die w besten Knoten) |
| Induktionsschluss | aus früheren Erfolgen lernen | maschinelles Lernen aus Daten, auch die exponentielle Glättung |
| Analogieschluss | von der Konkurrenz auf sich selbst schliessen | fallbasiertes Schliessen, Transferlernen |
| Mittel-Zweck-Analyse | Massnahmen an Zielen messen | Means-ends analysis im General Problem Solver (Newell und Simon) |
Die Zuordnung ist meine Interpretation und in keiner Quelle so zu finden. Sie zeigt aber: Die BWL-Lehre von 2002 und die KI der 1960er- bis 1980er-Jahre schöpfen aus derselben Tradition, der Problemlösungsforschung von Pólya, Simon und Newell. Dieselbe Verwandtschaft stellt schon Wissensrepräsentation damals und heute für semantische Netze und das Blackboard fest.
Suchen statt rechnen
Die Wissensbasierte Bildanalyse behandelt Bildverstehen als Suche in einem Zustandsbaum mit uninformierten Verfahren (Tiefen-, Breitensuche), bewerteten Verfahren (Bergsteigen, Strahlensuche) und optimalen Verfahren (Branch and Bound, A*) (Quelle - Bildverarbeitung Zusammenfassung).
Diese Suchverfahren lassen sich eins zu eins auf BWL-Probleme übertragen. Einen Marketing-Mix schrittweise zu verbessern, indem man jeweils ein Instrument ändert und nur behält, was wirkt, ist Bergsteigen. Es bleibt wie jedes Bergsteigen auf dem nächsten „Hügel“ stecken, also in einem lokalen Optimum. Genau dagegen wurden die Metaheuristiken erfunden: genetische Algorithmen (Holland 1975), Simulated Annealing (Kirkpatrick u.a. 1983) und Tabu-Suche (Glover 1986, der auch den Begriff „Metaheuristik“ prägte) (Quelle - Recherche - BWL Nachprüfung und Heuristiken 2026). Heutige Planungssoftware für Produktion und Tourenplanung beruht zu grossen Teilen auf solchen Verfahren.
Auch neuronale Netze werden so trainiert: Das Gradientenverfahren ist Bergsteigen abwärts, mit Richtung aus der Ableitung. Es bleibt ebenfalls in lokalen Minima stecken. Die Abhilfe im Lehrbuch ist dieselbe wie bei den Heuristiken: mehrmals mit zufälligen Startgewichten trainieren, oder ein Optimierer mit „Impuls“ wie Adam (Quelle - Neuronale Netze selbst programmieren). Ein neuronales Netz ist damit die Heuristik schlechthin: Es liefert keine beweisbar optimale, aber eine sehr gute Lösung für Probleme, bei denen sich keine Regeln aufschreiben lassen.
Heuristiken: Schwäche oder Stärke?
Zwei Forschungsrichtungen bewerten Heuristiken gegensätzlich (Quelle - Recherche - BWL Nachprüfung und Heuristiken 2026):
| Tversky und Kahneman (1974) | Gigerenzer („fast and frugal“) | |
|---|---|---|
| Sicht | Heuristiken sind sparsam, führen aber zu systematischen Fehlern | Einfache Heuristiken sind bei Unsicherheit oft gleich gut oder besser |
| Beispiele | Repräsentativität, Verfügbarkeit, Verankerung | take-the-best, tallying, Wiedererkennung |
| Folgerung | Fehler erkennen und korrigieren | „less is more“, bei wenig Daten nicht überanpassen |
Beide Sichten finden sich in den BWL-Quellen wieder, ohne dass sie dort so genannt werden:
- Verankerung im Marketing: Gebrochene Preise (9.90), der hohe Einführungspreis bei der Abschöpfungsstrategie und Lockvogelangebote (Preispolitik) nutzen Urteilsheuristiken der Käufer. Das Gewohnheits- und das Impulsverhalten in Markt und Konsumentenverhalten sind Heuristiken im Sinn von Simon.
- Less is more in der Prognose: Die exponentielle Glättung (Marktforschung) ignoriert bewusst alle Ursachen und nutzt nur die Umsatzreihe. Dass solche einfachen Verfahren oft genauso gut prognostizieren wie aufwendige Modelle, passt zu Gigerenzers Befund. Die Quelle empfiehlt zudem ein kleines α (0,1–0,3), also eine starke Glättung statt einer Überanpassung an die letzten Werte.
Welche Sicht zutrifft, hängt von der Umgebung ab: In stabilen Umgebungen mit vielen Daten gewinnen exakte Verfahren, in unsicheren mit wenigen Daten oft die einfachen Regeln.
Wann eine Heuristik, wann exakt?
Eine Faustregel aus dem Vergleich:
- Ist das Problem klein oder hat es eine Sonderstruktur? Dann exakt rechnen, z.B. Cournot-Punkt, Break-even, Losgrösse für eine Maschine, Flow Shop mit zwei Maschinen.
- Ist es gross und genau definiert (NP-schwer)? Dann eine Heuristik oder Metaheuristik verwenden und mit Schranken prüfen, wie weit man höchstens vom Optimum entfernt ist.
- Sind die Wirkungen unbekannt? Dann bringt auch mehr Rechenleistung nichts. Hier helfen einfache, robuste Regeln und Experimente, die neue Information liefern: Markttest, A/B-Test (Marktforschung).
Dieses Wiki selbst folgt übrigens einer Heuristik: Es verzichtet auf eine vollständige Suche in allen Quellen bei jeder Frage (wie Retrieval-Augmented Generation) und verlässt sich auf einmal kompiliertes Wissen und den Index (LLM Wiki).
Heuristiken in der Softwarearchitektur
Auch in der Praxis der Softwareentwicklung wird nach Faustregeln entschieden. Der Angular-Kurs wählt den Ort für den Zustand einer Anwendung (Komponente, Service oder Bibliothek) ausdrücklich nach fünf Heuristiken: Menge, Grad des Teilens, Lebensdauer, Komplexität des Zustands und Komplexität der Nebeneffekte (Quelle - Angular Mastery Workshop, Folie 372, siehe State Management).
Das ist Grund 2 (Unsicherheit): Wie gross und verflochten eine Anwendung einmal wird, weiss man beim Entwurf nicht. Die Heuristiken ersetzen eine Vorhersage, die niemand treffen kann, ähnlich wie die Marketing-Prinzipien fehlende Wirkungskurven ersetzen.
Heuristiken in der Gestaltung von Oberflächen
Eine dritte Disziplin arbeitet ausdrücklich mit dem Wort: Jakob Nielsen nannte seine zehn Regeln für das Interface-Design von 1995 „Heuristiken“, weil es grobe Richtlinien sind, die man für den Einzelfall auslegen muss. Gerade deshalb gelten sie für Website, Smart-TV und Kraftwerk gleichermassen (Quelle - Praxisbuch Usability und UX, S. 41). Die UX-Quelle definiert Heuristiken als „praktische Vorgehensweisen, die nicht den Anspruch haben, wissenschaftlich korrekt zu sein, aber gut funktionieren“ (S. 38).
Hier greift der zweite Grund: Wie ein bestimmter Nutzer reagiert, lässt sich nicht berechnen. Die Faustregeln bündeln Erfahrung, der Usability-Test prüft sie an echten Menschen (Usability-Review). Auch Simons Satisficing taucht wieder auf, diesmal als Beobachtung über Nutzer: Sie klicken den ersten Link, der ungefähr passt, statt alle Optionen zu vergleichen (Wahrnehmungspsychologie). Wer Menüs gestaltet, muss also für Menschen planen, die selbst heuristisch entscheiden.
Offene Fragen
- Eine Quelle zur Geschichte der KI (symbolisch vs. konnektionistisch, Newell und Simon) würde den Abschnitt zum General Problem Solver belegen. Dieselbe Lücke ist schon bei Wissensrepräsentation damals und heute vermerkt.
- Wie gut schneiden einfache Prognoseregeln im Vergleich zu komplexen Modellen tatsächlich ab? Die Forecasting-Wettbewerbe (M-Competitions) wären eine mögliche Quelle.
Verwandt
- Marketing-Mix – die fünf heuristischen Prinzipien der BWL-Quelle
- Komplexitätstheorie – warum NP-schwere Probleme Heuristiken brauchen
- Produktionsplanung und -steuerung – Ablaufplanung, Losgrösse als lokale Optimierung
- Wissensbasierte Bildanalyse – Suchstrategien Bergsteigen, Strahlensuche, A*
- Problemlösungsprozess – Pólyas vier Schritte und der BWL-Zyklus
- Preispolitik – praxisorientierte Preisbestimmung statt Preistheorie
- Marktforschung – exponentielle Glättung, Experimente
- Wissensrepräsentation damals und heute – dieselbe KI-Tradition in der Wissensdarstellung
- Gradientenverfahren – lokale Suche mit Ableitung, Training neuronaler Netze
- State Management – fünf Heuristiken für den Ort des Zustands in einer Webanwendung
- Usability-Review – Nielsens zehn Heuristiken als Prüfkatalog