Criterion - ProRank
ProRank - Software für multikriterielle Bewertung und Entscheidungshilfe

Im Zuge unserer Informationsgesellschaft ist ein enormer Zuwachs an Daten zu beobachten. Informationen aus Daten zu gewinnen, ist daher ein immer größer werdender Bestandteil täglicher Arbeit, insbesondere in Bewertungs- und Entscheidungsprozessen. Zahlreiche Werkzeuge können diese Prozesse unterstützen, besitzen jedoch oft den Nachteil Daten zu maskieren und zu aggregieren. Dies führt in der Regel zu einem Verlust von Informationen und Transparenz und kann somit erheblichen Einfluss auf die Akzeptanz von Entscheidungsprozessen haben.

ProRank nutzt einen relativ neuen Ansatz zur multikriteriellen Bewertung und Entscheidungshilfe. Basierend auf der mathematischen Theorie partiell geordneter Mengen, vermeidet ProRank das Verschmelzen von Daten und erhält somit wichtige Informationen für Bewertungs- und Entscheidungsprozesse.

Informationen aus partiellen Ordnungen

Was sind die vergleichweise "besten"

  • Alternativen
  • Materialien
  • Strategien
  • Objekte
  • Produkte, etc.

Welche Alternativen erfüllen die vereinbarten bzw. erforderlichen Kriterien?

Welche Kriterien haben auf das Bewertungs- bzw. Entscheidungsergebnis den größten Einfluss oder wie sensitiv reagiert die Bewertung auf bestimmte Kriterien?

Dies ist nur eine Auswahl an Informationen, die Sie mit Hilfe von ProRank aus Ihren Daten generieren können.

Grafische Abbildungen erleichtern dabei sowohl die visuelle Analyse von Ergebnissen, als auch deren Verwendung für Präsentationszwecke.

Über das Ranking anhand partiell geordneter Mengen hinaus, können Datentabellen mit Hilfe Boolscher Algebra und Vergleichsoperatoren analysiert und gefiltert werden. ProRank besitzt daher auch Qualitäten im "Data mining". Eine Projektübersicht erleichtert die Arbeit, wenn innerhalb eines Projektes zahlreiche Teilmengen von Daten gebildet und analysiert werden. So können Abhängigkeiten zwischen Daten immer wieder leicht erkannt und auf die entsprechenden Tabellen zugegriffen werden.

Für Entscheidungsprozesse im Besonderen können die partiell geordneten Mengen, die oftmals mehrere Alternativen gleichzeitig als prioritär kennzeichnen, in ein lineares Ranking transformiert werden.

Features von ProRank
  • Datenbewertung und -Analyse mittels partiell geordneter Mengen
  • Visualisierung von Ergebnissen durch Hassediagramme
  • Analyse von Bewertungsergebnissen und Rankings:
    • Herausfilterung von Alternativen, Objekten, etc. mit ähnlichen Eigenschaften in allen Kriterien, und zwar unabhängig von der Skalierung der Kriterien (z.B. können unterschiedliche physikalische mit monetären Größen verglichen werden - keine Aggregation erforderlich)
    • Klassifizierung von Produkten, Alternativen, etc.
    • Prüfung von Produkten, Materialien, Schadstoffbelastungen, etc. auf Einhaltung von mehreren unterschiedlichen Kriterien
    • Wichtigkeit der verwendeten Kriterien/Attribute für die Bewertung

Objekte mit ähnlichen Eigenschaften in allen Kriterien→

nach oben
  • Für Entscheidungsprozesse kann die partielle Ordnung in ein eindeutiges Ranking bzw. in eine totale Ordnung transformiert werden.

Während sich die partielle Ordnung vor allem auf die Informationsgewinnung und Bewertung unter gleichzeitiger Berücksichtigung aller Kriterien richtet und so auch mehrere Objekte, Alternativen, etc. als prioritär einstufen kann, liefert die totale Ordnung eine eindeutige Klassifzierung (z.B. eine "beste" anstelle von mehreren "besten" Alternativen ermitteln).

nach oben
  • Kontextspezifische Auswahl von Objekten, Alternativen, etc. sowie von Kriterien durch Boolsche Algebra und Vergleichsoperatoren (Data mining).
nach oben
  • Aggregation von Kriterien bzw. Attributen zu neuen übergeordneten Kriterien mittels verschiedener Algorithmen
  • Bildung von Kriteriengruppen aus dem gesamten Kriterienpool. Vergleich und Quantifizierung der Wirkung unterschiedlichen Kriteriengruppen auf das Bewertungsergebnis.
  • Berechnung grundlegender statistischer Kenngrößen für Kriterien und Objekte
  • Leichte Navigation zwischen den Programmfenstern. Die Projektübersicht liefert zu jeder Zeit den Zusammenhang zwischen verschiedenen Tabellen, Diagrammen und Dialogen
  • Import und Export von MS-Excel Tabellen und Textdateien
  • Export von Diagrammen in die gängigsten Formate
  • Plattformunabhängigkeit, Prorank läuft z.Z. auf Windows®, Versionen für MacOs® und Linux/Unix folgen.
Was ist eine partielle Ordnung?
Die multikriterielle Bewertung lässt sich als Ranking von Objekten anhand von mehr als einem Kriterium definieren. Objekte sind hier als Repräsentanten für alle möglichen Gegenstände der Bewertung anzusehen.
Objekt Kriterium 1 - Benzinverbrauch l/km
Boran 7
GW 8.8
Relant 7.6
Flint 9.2
Rami 8.0
Angenommen, dass geringe Werte "besser" sind als höhere, dann ist ein Ranking der Fahrzeuge relativ einfach:
Beispiel:

Ranking von Fahrzeugtypen durch ein Kriterium = totale Ordnung

Multikriterielle Bewertung durch Ranking mit partiell geordneten Mengen
Wenn die Fahrzeugtypen anhand von mehreren Kriterien gleichzeitig bewertet werden sollen, dann ist eine Aggregation dieser Kriterien zu einem übergeordneten Bewertungskriterium als kritisch anzusehen, da es sich hier um unterschiedliche Eigenschaften und somit auch Messgrößen handelt; beispielsweise Benzinverbrauch in Liter/km und Kofferraumvolumen in Liter.

Beim Ranking anhand partiell geordneter Mengen werden die beiden Kriterien gleichzeitig verwendet, wobei ein Fahrzeug dann "besser" ist als ein anderes, wenn es in beiden Kriterien gleichzeitig geringere Werte aufweist. Voraussetzung dabei ist die einheitliche Orientierung der Kriterien, also geringe Werte z.B. als "gut" anzusehen und hohe Werte als "schlecht". Entsprechend wurde in diesem Beispiel das Vorzeichen für das Kofferraumvolumen umgekehrt (man hätte auch hohe Werte als "gut" betrachten können, dann aber das Vorzeichen für den Benzinverbrauch umkehren müssen) .

Die grafische Darstellung einer partiellen Ordnung zeigt dabei die "Vergleichbarkeit" der Fahrzeuge an. So ist z.B. Relant vergleichsweise "besser" als Rami, GW und Flint, da es in beiden Kriterien geringere Werte hat und daher mit diesen durch eine Linie verbunden ist. Die Abwesenheit einer Linie zwischen zwei Objekten bzw. Fahrzeugen im Diagramm weist dabei auf deren "Unvergleichbarkeit" hin. Ihre Kriterien verlaufen "antagonistisch" zueinander: Boran ist unvergleichbar zu Relant, da Boran einen geringeren Benzinverbrauch, aber höhere Werte im Kofferraumvolumen hat.

Das Ergebnis der Bewertung kann wie folgt interpretiert werden: Es gibt zwei "beste" Fahrzeuge, und zwar Boran und Relant, jedoch aus unterschiedlichen Gründen. Boran hat einen geringeren Benzinverbrauch als Relant, während Relant durch ein größeres Kofferraumvolumen - im Vergleich zu Boran - charakterisiert ist. Relant ist in beiden Eigenschaften vergleichbar "besser" als viele andere Fahrzeuge (Rami, GW und Flint). Boran ist dagegen nur vergleichsweise "besser" als GW jedoch "unvergleichbar" zu den übrigen Fahrzeugen.

Anhand partiell geordneter Mengen lässt sich somit herausfinden, warum eine Alternative "besser" ist als eine andere, und zwar ohne Informationsverlust. Aufgrund der Vermeidung von Kriterienaggregationen kann der Vorteil des Rankings mit partielle geordneten Mengen durch die folgenden Eigenschaften charakterisiert werden:

  • Informationserhaltung
  • Transparenz

Entscheidungsprozess: Transformation der partiellen Ordnung in eine totale Ordnung

Nach dem das obige Ranking zwei "beste" Fahrzeuge im Hinblick auf Benzinverbrauch und Kofferraumvolumen ergeben hat, soll zwischen diesen beiden eine Entscheidung fallen. Selbstverständlich könnte man nun beide Kriterien in ein komplexes Punktesystem umrechnen bzw. normieren und die sich ergebenen Zahlen mit einer möglichen Gewichtung zu einer Größe zusammenfassen (Informationsverlust).

ProRank bietet hierzu eine Alternative an, die auf eine möglichst objektive Behandlung der Kriterien Rücksicht nimmt. Das Average Rank-Konzept gibt für jedes der Fahrzeuge in der partiellen Ordnung einen mittleren Rang (Rkav) an. Dieser mittlere Rang ergibt sich dabei aus der mathematischen Zerlegung der partiellen Ordnung in viele einzelne lineare Ordnungen und der Wahrscheinlichkeit, dass ein Fahrzeug einen bestimmten Rang einnimmt. Man erhält so eine eindeutige Rangfolge der Fahrzeuge, wie im Bild rechts gezeigt. Relant gilt demnach der Vorzug im Vergleich zu Boran.

nach oben
Download
DOWNLOAD CRITERION PRORANK

Systemvoraussetzungen

Wir empfehlen mindestens 64 MB Arbeitspeicher, 20 MB freien Festplattenspeicher sowie einen SVGA Adapter und Monitor.

Wichtige Installationshinweise

ProRank erfordert die Installation der Java Runtime Environment (JRE, mindestens Version 1.4.2) auf Ihrem Rechner. Bei Linux (Unix) und MacOS Betriebssystemen wird die JRE gewöhnlich mitinstalliert. Für Windows-Nutzer empfehlen wir zu überprüfen, ob die JRE bereits installiert ist. Falls erforderlich können Sie die JRE über folgenden Link herunterladen: www.java.sun.com.

Für eine Vollversion nehmen Sie bitte Kontakt mit uns auf.
nach oben