Entscheidungsorientiertes Lernen: auf die Entscheidung statt auf den Fehler trainieren erklärt

Stellen Sie sich vor: Ein Lager bestellt jeden Morgen verderbliche Ware, bevor es weiß, wie viel verlangt wird. Fehlt eine Einheit, geht ein Kunde verloren, und das kostet viermal so viel, wie wenn eine Einheit übrig bleibt und verdirbt. Die Prognose der Nachfrage ist so gut, wie ein Modell überhaupt sein kann. Und doch bestellt das Lager, wenn es der Prognose einfach folgt, deutlich zu wenig. Wie kann die beste Prognose zu einer teuren Entscheidung führen, und woran misst man ein Modell dann?

Das ist entscheidungsorientiertes Lernen: Ein Modell wird nicht daran gemessen, wie nah seine Vorhersage an der Wahrheit liegt, sondern daran, wie gut die Entscheidung ist, die aus ihr folgt. Dieses Maß heißt Regret, also die Kosten der gewählten Entscheidung minus die Kosten der besten. Das übliche Vorgehen ist zweistufig: erst die Kosten schätzen, dann entscheiden (im Englischen estimate, then optimize). Die Leitfrage dieser Linie lautet: Wann lohnt es sich, stattdessen auf die Entscheidung zu trainieren, und was tut man, wenn zwischen Modell und Entscheidung ein Löser steht, den man nicht ableiten kann?

Zehn Stücke gehen dem nach. Sie handeln vom Bestellen mit perfekter Prognose und teurer Entscheidung, vom direkten Lernen der Bestellmenge auf den Kosten, vom kürzesten Weg in einem Gitter, bei dem der Löser in jeder Trainingsrunde mitläuft, und davon, wann welcher Weg gewinnt. Dazu kommen das Bestellen ohne Modell nur mit ähnlichen Fällen, der Löser als Treppe ohne Gradient mit drei Auswegen, das Mitliefern einer Schranke für die Kosten der Entscheidung und zum Schluss die Wahl des Verfahrens.

Was diese Linie ist und was nicht: Es sind Modelle mit gewählten Annahmen und erzeugten Daten, ein Newsvendor mit Normalrauschen und ein abstraktes Gitter mit 70 Wegen. Alle Befunde sind Messungen in diesen Welten mit ihren Bedingungen, keine Aussage über echte Lager oder Netze. Die Linie zeigt nicht, dass das Training auf die Entscheidung besser ist, sondern wann welcher Weg gewinnt.

In short: Interactive demos on decision-focused learning (predict-then-optimize): training a model on the cost of the decision it leads to, not on its prediction error. Topics are regret, a newsvendor, SPO+ on a shortest-path grid, derivatives through a solver, a conformal cost bound and method choice.

Hintergrund zum Thema: Bestandsmanagement.

Diese Seite gehört zu Algorithmen und Verfahren erklärt. So lesen Sie sie: Das Diagramm zeigt, wie die Stücke zusammenhängen. Jede Kachel darunter öffnet eine interaktive Demo, wo es eine gibt, mit einer Erklärseite für Einsteiger und Fachleute. Auf der Suche nach einer Lösung für ein konkretes Problem? Zu den Interaktiven Demos.

Hinweis: Alle Demos rechnen mit synthetischen oder frei verfügbaren Beispieldaten und laufen auf einem externen Anbieter (Datenschutz). Bitte geben Sie darin keine vertraulichen oder personenbezogenen Daten ein. Die Ergebnisse gelten für die jeweilige Demo-Instanz und lassen sich nicht ungeprüft auf reale Fälle übertragen; für darauf gestützte Entscheidungen übernehme ich keine Gewähr.

Zuletzt aktualisiert: 11. November 2026

Welches Verfahren passt zu Ihrem Fall? Zum Entscheidungsbaum ↓

Zum Nachlesen: erst einfach, dann fachlich

Die zehn Stücke im Überblick

Der Graph zeigt, wie die zehn Stücke zusammenhängen. Am Anfang steht der Regret beim Bestellen: Von dort führt ein Weg zum direkten Lernen der Bestellmenge, einer zum kürzesten Weg im Gitter mit dem SPO-Verlust und ein gepunkteter zur gewichteten Stichprobe, die ganz ohne Modell auskommt. Beide Wege münden in die Frage, wann welcher gewinnt: Das Stück zur Modellklasse stellt sie, und die Verfahrenswahl am Schluss führt alles zusammen.

Der SPO-Verlust führt weiter zum Stück über den Löser als Treppe, das zugleich die Glättung zeigt. Von dort gehen zwei Wege aus: das Stören mit Rauschen, das mehrfach löst und mittelt, und die Black-Box-Interpolation, die den Löser gar nicht öffnet. Beide stehen im Kontrast zueinander, denn beide brauchen nur Löseraufrufe. Aus dem SPO-Verlust folgt außerdem die Schranke für die Kosten der gewählten Entscheidung. Zur Verfahrenswahl führen die Stücke, die ein Verfahren oder eine Frage herausgreifen.

Die Kästen sind klickbar und öffnen die jeweilige Demo direkt.

• behebt eine Schwäche des Vorgängers oder baut darauf auf
• Gegenstück: derselbe Zweck, andere Bauweise (kein Fix)
• übernimmt nur eine Idee
• Zusammenfluss mehrerer Stränge
• Baustein aus einer anderen Linie

Durchgezogene Pfeile bauen auf dem Vorgänger auf, gepunktete übernehmen nur eine Idee, der gestrichelte Doppelpfeil ist ein Kontrast (derselbe Zweck, andere Bauweise). Graue gestrichelte Knoten sind Bausteine aus anderen Linien, der Doppelrahmen markiert die Verfahrenswahl, in der mehrere Stränge zusammenlaufen.

Verwandt in anderen Linien

• Optimierung unter Unsicherheit — Die Stichproben-Demo rechnet SAA aus einer Stichprobe von Szenarien ohne Merkmale; in der gewichteten Stichprobe haben die Fälle Merkmale, und die Gewichte kommen aus der Ähnlichkeit. Die Wert-der-Information-Demo kennt die Verteilung und fragt nach dem Wert der Information, in der Regret-Demo ist sie unbekannt und wird aus Daten geschätzt.
• Zeitreihen-Prognose — Die Demo Von der Prognose zum Bestand bestimmt Sicherheitsbestände aus der Prognoseunsicherheit bei Zeitreihen, die Prognoseintervall-Demo prüft konforme Intervalle. Die Entscheidungsschranke übernimmt die Idee, Summenfehler statt Einzelfehler zu begrenzen, und legt eine konforme Schranke auf die Kosten der Entscheidung, die der Löser wählt.
• Konvexe und konische Optimierung — Die Demo zur impliziten Differentiation leitet die Lösung eines Kegelprogramms am fertigen Ergebnis ab; sie setzt eine eindeutige, reguläre Lösung voraus. Die Nullgradient-Demo misst am kürzesten Weg, wie oft eine kleine Störung den gewählten Weg ändert, und glättet den Löser statt ihn abzuleiten. Die Entrollte-Netze-Demo ist der Gegenpol: die Ableitung durch die Schritte eines Verfahrens statt am Ergebnis.
• Zielfunktionsdesign — Die Ziel-lernen-Demo rechnet aus beobachteten Entscheidungen das Gewicht zwischen Kosten und Zeit zurück, also das Ziel. Die Demos dieser Linie lernen dagegen bei festem Ziel die Kosten oder die Entscheidungsregel; die Verfahrenswahl nennt das Lernen des Ziels als Nachbarproblem, das sie nicht misst.
• Experimente und Wirkungsmessung — Die Off-Policy-Demo bewertet eine nie gefahrene Bestandsregel aus Aufzeichnungen der alten Regel. Die Direkt-Demo lernt die Bestellregel dagegen aus simulierten Fällen mit beobachteter Nachfrage; die Verfahrenswahl nennt die Off-Policy-Evaluation aus Logdaten als Nachbarproblem, das sie nicht misst.
• Überlebenszeit — Die Demo Direkt auf den Kosten lernen lernt die Bestellregel direkt aus den Kosten, statt erst die Nachfrage zu prognostizieren; Zensierte Nachfrage der Linie Überlebenszeit fragt, was sich dafür aus Verkäufen statt aus der Nachfrage lesen lässt, und misst die Mehrkosten einer Menge, die aus Verkäufen bestimmt wurde.

Weitere Linien in diesem Bereich