Der richtige Ansatz Ihre Entscheidungen zu modellieren

Die Modellierung von Geschäftsregeln ist ein komplexer Prozess, der sich je nach Unternehmen und Branche, die ein Business Rule Management implementieren, unterscheiden kann. Die große Auswahl an Modellierungswerkzeugen und Automatisierungsmaschinen kann bei richtiger Anwendung eine wesentliche Unterstützung bieten. Neben Eigenschaften wie Verständlichkeit der modellierten oder programmierten Entscheidungsregeln für die Fachbereiche und Automatisierbarkeit durch die IT sollte für jeden Modellierer die Frage geklärt sein: Welcher Modellierungsansatz ist für den Einsatz von Entscheidungen vorzuziehen?

Im Grunde lassen sich alle bekannten Modellierungsansätze in zwei zugrunde liegende Klassen unterteilen: ein problemorientiertes und ein lösungsorientiertes Modellierungsparadigma. Analog dem deklarativen Programmierparadigma ist das Vorgehen bei dem problemorientierten Modellierungsparadigma, das Problem zu beschreiben, also welche Entscheidung getroffen werden soll, und durch einen generischen Algorithmus die Lösung ableiten zu lassen, das heißt, wie das Ergebnis der Entscheidung lautet. Diesem Paradigma gegenüber steht die imperative Programmierung, bei der durch konkrete Anweisungen der genaue Lösungsweg vorgegeben wird. Übertragen auf das lösungsorientierte Modellierungsparadigma bedeutet dies, dass die Entscheidungsfindung konkret ausmodelliert wird.

Problemorientiertes Modellierungsparadigma

Die Idee hinter diesem Paradigma ist es, die Entscheidung als Problem zu formulieren, das durch ein generisches Lösungsverfahren gelöst werden kann. Hier kann es notwendig sein, das Problem in mehrere Teilprobleme aufzuteilen, die zuvor gelöst werden müssen. Ausgehend von bekannten Fakten, welche die Eingaben der Entscheidungsfindung sind, leitet das Lösungsverfahren für jedes Teilproblem neues Wissen ab, um mit diesem letztlich auf die Lösung des Problems und damit auf das Ergebnis der Entscheidung zu schließen. Probleme werden in dieser Modellierung mit Regeln definiert.

Nehmen wir z.B. folgende Fakten an:

Es ist bekannt, dass es eine direkte Bahnverbindung zwischen den Orten Aquarin und Hogsfeet gibt.
Es ist bekannt, dass es eine direkte Bahnverbindung zwischen den Orten Hogsfeet und Easthaven gibt.

Wir wollen nun entscheiden, ob es eine Verbindung zwischen den Orten Aquarin und Easthaven gibt. Hierfür formulieren wir das Problem als eine Regel, die beschreibt:

Es gibt dann eine Verbindung zwischen zwei Orten A und B, wenn

es eine direkte Bahnverbindung zwischen A und B gibt oder
es eine direkte Bahnverbindung zwischen A und Z gibt und eine Verbindung zwischen Z und C

Diese allgemeine Beschreibung einer Regel genügt nun, um herauszufinden, ob eine Verbindung zwischen Aquarin und Easthaven existiert. Das generische Lösungsverfahren würde zunächst schauen, ob eine direkte Verbindung zwischen beiden Orten bekannt ist. Falls nicht, würde das Verfahren Verbindungen mit bekannten Zwischenzielen in Betracht ziehen, zu denen Direktverbindungen bekannt sind.

Ein sehr bekannter Modellierungsansatz des problemorientierten Paradigmas ist das Business Rules Management System Drools. Es integriert eine eigene Engine, mit der sich u.a. Geschäftsregeln modellieren und automatisieren lassen. Ein weiterer bekannter Ansatz ist ein maschineller Lernalgorithmus, der nach vorherigem Training, basierend auf einer Eingabe, eine Entscheidung trifft. Solche Algorithmen bilden ebenfalls ein generisches Lösungsverfahren.

Lösungsorientiertes Modellierungsparadigma

Komplementär zum problemorientierten Modellierungsparadigma steht das lösungsorientierte. Der Modellierer gibt hier klar vor, welche Schritte zu unternehmen sind, damit eine Entscheidung aus einer Menge von Eingaben getroffen werden kann. Dabei wird der Lösungsweg genau modelliert.

Hier finden sich viele Modellierungsansätze wieder, wie z.B. die Decision Model and Notation. Sie verfügt zum einen über ein eigenes Diagramm, mit welchem die Entscheidungen mit ihren Abhängigkeiten zu Eingaben und anderen Entscheidungen fachlich sehr gut dargestellt werden, zum anderen aber die Fähigkeit, durch eine Automatisierungsengine, wie Drools oder die Decision Engine der camunda BPM Plattform, ausgeführt zu werden. Der Lösungsweg wird durch die Modellierung einer Entscheidungslogik für eine Automatisierung vorgenommen. Eine Entscheidungslogik lässt sich z.B. durch eine Entscheidungstabelle modellieren, die aus einer Verknüpfung von Eingabeparametern eine Regel findet, welche die Ausgabe bestimmt.

Fazit

Die Modellierungsansätze des lösungsorientierten Paradigmas lassen sich meist grafisch modellieren, was den Lösungsweg für Fachabteilungen leichter verständlich skizziert. Ansätze des konträren problemorientierten Paradigmas sind der Implementierung durch die IT näher und schwerer begreiflich, da nicht gesehen werden kann, wie der Lösungsweg aussieht. Dennoch bieten diese Modellierungsansätze auch Vorteile. Durch ihre abstrakte Beschreibung der Entscheidung als Problem, ist sie von der Ausführung durch ein System entkoppelt. Sie hilft klarer zu formulieren, was entschieden werden soll und was das Problem ist, als es bei lösungsorientierten Ansätzen möglich ist. Wie der Lösungsweg bei Ansätzen des problemorientierten Paradigmas tatsächlich aussieht, bleibt dem Anwender jedoch verborgen. Selbst wenn der generische Lösungsweg bekannt ist, ist es schwierig, Rückschlüsse auf das Zustandekommen der Lösung zu ziehen.

von Patrick Dohrmann