Entscheiden & Optimieren

Wert der Information: Wann lohnt sich ein Test?

Soll ein Team erst einen Markttest bezahlen oder sofort entscheiden? Ein durchgerechneter Entscheidungsbaum zeigt, wann zusätzliche Information eine bessere Handlung ermöglicht und wie viel sie kosten darf.

  • 3 Min. Lesezeit
  • Aktualisiert am
  • Redaktion smartlytics

Kurz erklärt

Information ist dann wertvoll, wenn sie eine Entscheidung verbessern kann. EVPI bewertet perfekte Information, EVSI einen konkreten unvollkommenen Test; erst nach Abzug der Testkosten entsteht dessen erwarteter Netto-Mehrwert.

Interaktives Beispiel ausprobierenKostenlos · im Browser · ohne Anmeldung

Auf einen Blick

  1. Mehr Wissen hilft wirtschaftlich nur, wenn dadurch eine bessere Handlung gewählt werden kann.
  2. Der Wert eines unvollkommenen Tests liegt zwischen null und dem Wert perfekter Information, bevor Kosten berücksichtigt werden.
  3. Testgüte, Ausgangswahrscheinlichkeit und Handlungskosten gehören gemeinsam in den Entscheidungsbaum.

Ein Team kann ein neues Angebot starten oder darauf verzichten. Vorher wäre ein Markttest möglich. Die interessante Frage lautet nicht nur, wie genau der Test ist: Wie viel darf das Team höchstens dafür ausgeben? Dafür müssen Testergebnisse mit den anschließenden Handlungen verknüpft werden. Ein besseres Diagramm allein bringt noch keinen wirtschaftlichen Nutzen.

Erst die Entscheidung ohne Test

Unser vollständig fiktives Beispiel kennt zwei Nachfragezustände. Bei hoher Nachfrage bringt der Start 80.000 Euro, bei niedriger Nachfrage verliert er 40.000 Euro. Der Verzicht hat in beiden Fällen den Wert null. Alle Beträge sind vergleichbare Nettowerte; Zeitaufwand und weitere Kosten müssten sonst ergänzt werden. Hohe Nachfrage wird zunächst mit 40 % Wahrscheinlichkeit angenommen.

V0=max⁡(0,  0,4⋅80−0,6⋅40)=8V_0=\max(0,\;0{,}4\cdot80-0{,}6\cdot40)=8

In Tausend Euro gerechnet ist Starten daher die beste Handlung, mit einem Erwartungswert von 8. Das heißt weder, dass genau 8.000 Euro verdient werden, noch dass ein Verlust ausgeschlossen wäre. Die Rechnung bewertet die Entscheidung vor Kenntnis des Nachfragezustands. Die Rolle von Risikopräferenzen erklärt die Entscheidungstheorie.

Perfekte Information als Obergrenze

Wäre die Nachfrage vorher sicher bekannt, würde das Team nur bei hoher Nachfrage starten. Der erwartete Wert wäre 0,4⋅80=320{,}4\cdot80=32. Der Expected Value of Perfect Information, kurz EVPI, beträgt somit 32−8=2432-8=24 Tausend Euro. Das ist die Obergrenze für den Bruttowert einer Information über genau diesen Zustand. Howard beschreibt den entscheidungsbezogenen Informationswert als Verbindung von Unsicherheit, Handlung und Bewertung (Howard 1966).

Die Grenze gilt für die festgelegten Handlungsoptionen und Ziele. Kommen neue Möglichkeiten hinzu, etwa ein kleinerer Start, verändert sich das Entscheidungsproblem. EVPI ist außerdem kein Budgetvorschlag: Ein realer Test liefert selten perfekte Information, und sein Nutzen kann deutlich niedriger liegen.

Ein unvollkommener Test und sein Entscheidungsbaum

Der Test meldet mit 80 % Wahrscheinlichkeit „positiv“, wenn die Nachfrage hoch ist, und mit 80 % „negativ“, wenn sie niedrig ist. Sensitivität und Spezifität sind hier absichtlich gleich. Das positive Signal tritt mit Wahrscheinlichkeit 0,4⋅0,8+0,6⋅0,2=0,440{,}4\cdot0{,}8+0{,}6\cdot0{,}2=0{,}44 ein.

Nach positivem Signal steigt die Wahrscheinlichkeit hoher Nachfrage auf 0,32/0,44≈72,7 %0{,}32/0{,}44\approx72{,}7\,\%. Nach negativem Signal sinkt sie auf 0,08/0,56≈14,3 %0{,}08/0{,}56\approx14{,}3\,\%. Diese Aktualisierung ist ein Bayes-Update. Das Team startet nach einem positiven Signal und verzichtet nach einem negativen. Der Erwartungswert dieser vorab festgelegten Strategie ist 20,8 Tausend Euro.

EVSI=20,8−8=12,8\mathrm{EVSI}=20{,}8-8=12{,}8

Kostet der Test 5.000 Euro, verbleiben 7.800 Euro erwarteter Netto-Mehrwert. Die Informationsanalyse unterscheidet genau deshalb zwischen dem Wert einer Stichprobe und ihrem Nutzen nach Forschungskosten (Rothery 2020).

Interaktiv

Interaktiv: Wert der Information: Wann lohnt sich ein Test?

Ohne JavaScript gilt das Ausgangsbeispiel: EVPI 24.000 Euro, EVSI 12.800 Euro, Netto-Mehrwert bei 5.000 Euro Testkosten 7.800 Euro.

Drei Beobachtungen, die überraschen können

Ein Test mit 50 % Sensitivität und Spezifität ist in diesem Modell uninformativ. Beide Signale lassen die Ausgangswahrscheinlichkeit unverändert; sein EVSI ist null. Ein perfekter Test erreicht dagegen den EVPI. Zwischen diesen Extremen kann ein besserer Test zunächst nichts ändern, solange kein Signal die Handlungsschwelle überschreitet.

Auch große Unsicherheit garantiert keinen großen Informationswert. Sind die Folgen beider Handlungen fast gleich, lässt sich wenig gewinnen. Umgekehrt kann ein mäßig genauer Test wertvoll sein, wenn eine falsche Entscheidung teuer wäre. Deshalb sollte die Diskussion mit einer Ergebnismatrix beginnen, nicht mit der Größe eines Datensatzes.

Voraussetzungen und Grenzen

Das Modell setzt kalibrierte Wahrscheinlichkeiten, bekannte Testgüte und unveränderte Nachfrage nach dem Test voraus. Eine Verzögerung bis zum Ergebnis kann die Gelegenheit verschlechtern. Testteilnehmende können vom späteren Markt abweichen. Solche Effekte sind zusätzliche Annahmen, keine Details, die eine präzisere Rechnung automatisch löst.

Für eine eigene Fragestellung notieren Sie Handlungsalternativen, relevante Zustände, Konsequenzen und Testkosten. Prüfen Sie anschließend ausdrücklich: Was würden wir nach jedem möglichen Signal anders tun? Wenn die Antwort stets „nichts“ lautet, sollte das Testdesign überarbeitet werden.

Häufige Fragen

Was unterscheidet EVPI und EVSI?

EVPI ist der erwartete Vorteil vollständig aufgelöster Unsicherheit; EVSI bewertet die möglichen Ergebnisse eines konkreten Tests vor dessen Durchführung. Beide vergleichen die beste Entscheidung mit Information mit der besten Entscheidung ohne Information (Rothery 2020).

Kann ein genauer Test wertlos sein?

Ja. Wenn alle möglichen Testergebnisse zur gleichen optimalen Handlung führen, verändert der Test die Entscheidung nicht. Sein Bruttowert ist dann null, auch wenn er die Wahrscheinlichkeitsschätzung verbessert (Howard 1966).

Quellen und weiterführende Literatur

  1. PaperHoward, R. A. (1966): Information Value Theory.
  2. PaperRothery, C. et al. (2020): Value of Information Analytical Methods: Report 2 of the ISPOR Value of Information Analysis Emerging Good Practices Task Force.

Zuletzt fachlich geprüft am 14. November 2026. Hinweise auf Fehler nehmen wir gern entgegen: impressum@nyxai.com.

Von NyxAI

smartlytics ist das Wissensangebot der NyxAI GmbH.

Wir erklären hier die Methoden, mit denen wir arbeiten – offen, mit Quellen und so, dass man sie nachrechnen kann.

Entscheidungskern

NyxAI entwickelt einen Entscheidungskern (Decision Core) für Decision Intelligence, der Optimierung, Simulation, Statistik und Reinforcement Learning verbindet: Optionen vergleichen, Unsicherheit sichtbar machen, aus Ergebnissen lernen – unter menschlicher Verantwortung.

DeepSquare

Erklärbare Schach-KI mit menschlichen Spielstilen: das Testfeld von NyxAI für nachvollziehbare Entscheidungen unter Zeitdruck.