Incident Command Decision Intelligence (Intelligenz für Entscheidungen in der Einsatzführung)
Verwenden Sie diese Fähigkeit, wenn das Schwierige nicht darin besteht, Optionen zu generieren, sondern zu entscheiden, wie viel Erkennung, Analyse, Informationssammlung und Koordinationsdisziplin die Situation tatsächlich benötigt.
Wann verwenden
- Multi-Agent- oder Mensch-Agent-Systeme treffen unter zunehmendem Zeitdruck schlechtere Entscheidungen.
- Übergaben, Befehlsübertragungen oder abteilungsübergreifende Koordinationen scheitern, obwohl jede Komponente einzeln kompetent wirkt.
- Ein System zögert, weil Informationen unvollständig sind und niemand weiß, was als nächstes zu lernen sich lohnt.
- Ein Trainingssatz aus Post-Mortems oder Fallstudien könnte durch retrospektive Rationalisierung kontaminiert sein.
- Sie müssen Arbeit nach Verhaltensebene routen: automatisch, regelgeführt oder vollständig analytisch.
NICHT für Grenzen
Diese Fähigkeit ist nicht die primäre Linse für:
- Routine-Implementierungsarbeit mit klaren Anforderungen und keiner nennenswerten Unsicherheit.
- Statische Single-Agent-Aufgaben, bei denen sich die Umgebung während der Ausführung nicht ändert.
- Probleme, bei denen erschöpfende Optimierung billig ist und es keine Strafe für Verzögerung gibt.
- Reine Wahrscheinlichkeitsschätzungsaufgaben, die kein Expertenurteil, keine Koordination und kein Handeln unter Druck beinhalten.
Zentrale mentale Modelle
Erkennung vor Enumeration
Unter Zeitdruck vergleichen Experten normalerweise keine geordnete Menge von Optionen. Sie erkennen den Situationstyp, rufen die erste funktionierende Antwort ab, simulieren sie mental und erweitern die Suche nur, wenn die Simulation fehlschlägt.
Verhaltensbezogenes Routing
Verwenden Sie die Ebenen von Rasmussen als Routing-Disziplin:
- Fertigkeitsbasiert: automatische oder kompilierte Antworten für stabile, gut einstudierte Situationen.
- Regelbasiert: musterausgelöste Regelanwendung mit moderater Anpassung.
- Wissensbasiert: explizites Denken für Neuheit, Mehrdeutigkeit oder Rahmenbrüche mit hohen Einsätzen.
Das Hauptrisiko ist die Fehlanpassung. Wissensbasierte Behandlung von fertigkeitsbasierter Arbeit verschwendet Zeit. Fertigkeitsbasierte Automatisierung bei einem wissensbasierten Problem ist der katastrophale Fehler.
Epistemische Unsicherheit
In Krisensituationen betrifft Unsicherheit oft das, was noch nicht bekannt ist, nicht die inhärente Zufälligkeit. Die Frage wird, welche fehlende Tatsache die Handlung am stärksten ändern würde, nicht wie man verweilt, bis Gewissheit eintritt.
Retrospektive Verzerrung
Fallstudien und Interviews rekonstruieren oft, was hätte passieren sollen, anstatt was tatsächlich passiert ist. Beobachtungsspuren verdienen mehr Gewicht als saubere nachträgliche Erzählungen.
Individuelle Exzellenz vs. Systemzuverlässigkeit
Ausgezeichnete lokale Urteile garantieren keinen Erfolg auf Systemebene. Grenzausfälle, überlastete Kanäle und Autoritätskonflikte können starke individuelle Entscheidungen überwältigen.
Entscheidungspunkte
Weitere Informationen finden Sie in der kompakten Routing-Ansicht in diagrams/01_flowchart_decision-points.md.
flowchart TD
A[Entscheidungsproblem] --> B{Hoher Zeitdruck oder fragmentierte Informationen?}
B -->|Ja| C{Starke Musterübereinstimmung?}
B -->|Nein| D[Gewöhnliche regelbasierte oder analytische Bearbeitung verwenden]
C -->|Ja| E[Erkennungsgestützte Aktion plus schnelle Simulation]
C -->|Nein| F[Wissensbasierte Argumentation plus gezielte Prüfung]
E --> G[Mit Aktualisierungsprüfpunkt handeln]
F --> G
1. Wählen Sie das Verhaltensregister
- Verwenden Sie fertigkeitsbasierte Handhabung nur, wenn die Situation wirklich vertraut ist, der Zeitdruck erheblich ist und die Automatisierung bereits validiert wurde.
- Verwenden Sie regelbasierte Handhabung, wenn ein bekanntes Spielbuch anwendbar ist, aber dennoch eine situative Parametrisierung erforderlich ist.
- Verwenden Sie wissensbasierte Argumentation, wenn der Rahmen umstritten ist, die Situation neuartig ist oder die Einsätze eine falsche Vereinfachung bestrafen.
2. Entscheiden Sie, welche Informationen erfasst werden sollen
- Identifizieren Sie die eine fehlende Tatsache, die die gewählte Handlung am wahrscheinlichsten ändern würde.
- Erfassen Sie diese Tatsache vor einer breiten explorativen Suche.
- Wenn keine vorhersehbare Prüfung die Handlung ändern würde, handeln Sie mit der besten aktuellen Schätzung und erstellen Sie einen expliziten Aktualisierungsprüfpunkt.
3. Entscheiden Sie, wie Sie aus der Episode lernen
- Bevorzugen Sie Beobachtungsspuren, Zeitstempel, Nachrichtenverläufe und Verhaltensprotokolle gegenüber polierten Erinnerungen.
- Behandeln Sie verdächtig saubere Berichte als Lehrmaterial über Ideale, nicht als Grundwahrheit über tatsächliche Kognition.
- Trennen Sie Aktionsursachen von Systemursachen, damit eine Nachbesprechung nicht in Schuldzuweisungen verfällt.
Fehlermodi
1. Analytische Lähmung
Symptome: Die Optionengenerierung expandiert, während die Aktionsqualität nicht verbessert wird. Erkennungsregel: Neue Alternativen tauchen weiter auf, aber keine ändert die kurzfristige Entscheidung substanziell. Behebung: Wechseln Sie zur erkennungsgestützten Simulation der ersten funktionierenden Option und setzen Sie ein Zeitlimit für die weitere Suche.
2. Fehlanpassung der Verhaltensebene
Symptome: Das System überdenkt stabile Aufgaben oder automatisiert durch Neuheit. Erkennungsregel: Der Reaktionsstil passt nicht zur wahren Neuheit und Mehrdeutigkeit der Situation. Behebung: Klassifizieren Sie die Aufgabe als SB, RB oder KB um, bevor Sie Werkzeuge oder Modelle wechseln.
3. Informationshortung
Symptome: Das System fragt weiter nach mehr Daten, ohne den Aktionsplan zu ändern. Erkennungsregel: Erfasste Informationen erhöhen hauptsächlich das Vertrauen, anstatt Entscheidungen zu ändern. Behebung: Ordnen Sie Prüfungen nach Aktionsauswirkung und hören Sie auf, Daten mit geringer Hebelwirkung zu sammeln.
4. Retrospektives Overfitting
Symptome: Trainings- oder Nachbesprechungsschlussfolgerungen werden sauberer und rationaler als das ursprüngliche Ereignis. Erkennungsregel: Erklärungen konvergieren zu eleganten Geschichten, die schwach durch Live-Spuren gestützt werden. Behebung: Stufen Sie Selbstauskunftsbeweise herab und kommentieren Sie Unsicherheit um rekonstruierte Schritte.
5. Koordinationsblinde Diagnose
Symptome: Jede Komponente besteht die lokale Überprüfung, während das Gesamtsystem immer noch versagt. Erkennungsregel: Erklärungen bleiben auf individueller Ebene, obwohl Fehler an Übergaben oder gemeinsam genutzten Kanälen auftreten. Behebung: Prüfen Sie Übergabepunkte, Rollengrenzen und Informationsflüsse, bevor Sie einzelne Akteure umtrainieren.
Durchgearbeitete Beispiele
Beispiel 1: Dringendes Vorfall-Routing
Eine Orchestrierungsschicht erhält einen Schwall von Alarmen während eines Live-Ausfalls. Ein naives System zählt alle möglichen Responder-Sequenzen auf und bleibt stecken. Mit dieser Fähigkeit klassifizieren Sie das Problem als RB/KB-Grenzarbeit, wählen die erste glaubwürdige Eindämmungsmaßnahme aus, simulieren die nächsten drei Schritte und fordern nur das einzelne fehlende Signal an, das die Eindämmungsentscheidung umkehren könnte.
Beispiel 2: Triage von Trainingsdaten für Nachbesprechungen
Ein polierter Vorfallbericht behauptet, der Einsatzleiter habe vor dem Handeln ruhig drei Alternativen bewertet. Live-Chat-Protokolle zeigen einen Mustererkennungssprung plus eine schnelle Lebensfähigkeitsprüfung. Die Fähigkeit leitet die Erzählung in die Kategorie „als Doktrin nützlich, geringes Gewicht als Verhaltensspur“ um und schützt den Trainingssatz vor retrospektiver Verzerrung.
Qualitätstore
- Die Aufgabe wird explizit als SB, RB oder KB klassifiziert, bevor die Denktiefe gewählt wird.
- Informationsanfragen werden danach eingestuft, wie sehr sie die Handlung ändern könnten.
- Nachbesprechungen trennen individuelle Entscheidungsqualität von Koordinationsqualität.
- Retrospektive Berichte werden als beobachtend, selbstberichtet oder gemischt gekennzeichnet.
- Die Architektur verfügt über eine explizite Prüfung von Übergaben und Befehlsübertragungen, nicht nur über eine Bewertung auf Komponentenebene.
Referenzdateien
| Datei | Laden, wenn |
|---|---|
references/recognition-primed-decision-making-for-agents.md | Entwurf einer erkennungsgestützten Aktionsauswahl oder Korrektur von Optionsenumerationsverzerrungen |
references/three-behavior-levels-for-agent-routing.md | Routing von Aufgaben nach SB/RB/KB-Ebene oder Zerlegung von Arbeit nach kognitivem Register |
references/epistemic-uncertainty-and-information-triage-in-crisis-systems.md | Triage fehlender Informationen unter Zeitdruck |
references/crisis-decision-failures-taxonomy-for-agent-systems.md | Überprüfung von Entscheidungspathologien und Pre-Mortem-Fehlerchecks |
references/coordination-failure-modes-in-multi-agent-crisis-systems.md | Diagnose von Übergabefehlern und kollektiven Zusammenbrüchen |
references/the-retrospective-distortion-problem-for-agent-learning.md | Gewichtung von Fallstudiennachweisen und Schutz von Lernpipelines |
references/novice-to-expert-progression-in-agent-capability.md | Entscheidung, ob ein System für eine Aufgabenklasse ausreichend erfahren ist |
references/the-theory-practice-gap-in-crisis-decision-research.md | Bewertung, ob ein Forschungsmodell zur operativen Realität passt |
Anti-Patterns
- Jede Krisenentscheidung als Optimierungsproblem behandeln, anstatt als Erkennungs-und-Simulationsproblem.
- Nach mehr Informationen fragen, ohne zuerst anzugeben, wie diese Informationen die Handlung ändern könnten.
- Einzelne Akteure bewerten, während die Übergabestruktur, die den Fehler prägte, ignoriert wird.
- Nachträgliche Erzählungen als direkte Aufzeichnungen von Expertenkognition verwenden.