29. Entscheidungen unter Unsicherheit in komplexen Systemen

Es gibt formale und daher systematische Möglichkeiten, Unsicherheit darzustellen und unter Einbeziehung dieser Unsicherheiten zu entscheiden. Ein Beispiel stellt die Geschichte der Diskussion des Klimaproblems aus global-wirtschaftlicher Sicht dar. Sie liefert wichtige Hinweise darauf, was die weltweite Klimapolitik antreibt, und zeigt mögliche Potenziale auf, konsistente Handlungen auf regionaler Ebene umzusetzen. Zugleich handelt es sich hierbei um einen besonders stark diskutierten und illustrativen Anwendungsfall für Entscheidung unter Unsicherheit in einem komplexen System. Wie viel Vermeidungsanstrengung ist bei Unsicherheit angesichts eines bestimmten Ziels angemessen? Das ist eine klimapolitisch fundamentale Frage. Eine entscheidungstheoretische Herausforderung des global betrachteten Klimaproblems liegt nun darin, dass wir die Gesamtheit der Klimawandelfolgen derzeit nur sehr schwer abschätzen und bewerten können. Die Kosten für Emissionsminderung (in der Klimaökonomie „Vermeidungskosten“ genannt) lassen sich hingegen abschätzen, weil das Energiesystem menschengemacht ist. Mit dieser Diskrepanz der Abschätzbarkeiten gilt es im Folgenden umzugehen.

Die Entscheidungstheorie (Sorger 1999) hat verschiedene Verfahren entwickelt, wie bei Unsicherheit so entschieden werden kann, dass der jeweilige Grad des Eingehens auf die unterschiedlichen Zielvorstellungen (z. B. „keine Chancen ungenutzt lassen“, „Ruin vermeiden“) so gewählt wird, dass die daraus abgeleiteten Handlungsempfehlungen alle Möglichkeiten ausschöpfen und zugleich keine Selbstwidersprüche enthalten. Ausgangspunkt ist immer das Eingeständnis, dass die Folgen unseres Handelns nicht nur von diesem Handeln selbst, sondern auch von bislang noch verborgenen Eigenschaften des Systems abhängen, das wir zu beeinflussen gedenken.

Wie ist nun unter Unsicherheit zu entscheiden? Diese Frage auf gesellschaftlicher Ebene zu beantworten ist selbst schon ein Akt von governance (Kap. 30). Werden sich die entscheidenden Personen zu Unsicherheit etwa eher optimistisch oder pessimistisch verhalten, oder werden sie mit Wahrscheinlichkeiten gewichten? Welche Entscheidungsregel wir wählen, ist eine Vorentscheidung im ethisch-normativen Bereich. Fachleute für Entscheidungstheorie haben daher im Dialog mit der Gesellschaft transparent darzulegen, welche Voraussetzungen und Konsequenzen die jeweiligen Entscheidungsregeln mit sich bringen: Es gibt Hauptannahmen, aber auch überraschende Auswirkungen von Entscheidungen – und ggf. sind neue Regeln vorzuschlagen. Fühlen sich die Stakeholder mit allen Szenarien – d. h. den Konsequenzen möglicher Entscheidungen – unwohl, ist der Entscheidungsszenarienpool in einem iterativen Prozess (Edenhofer und Seyboth 2013) zu erweitern, um so nach Möglichkeit befriedigenderen Lösungen zu suchen. In der Regel wird hier jedoch nur eine Annäherung gelingen, und es werden sich nicht gleichzeitig alle Wünsche befriedigen lassen. Die Wahl des Umgangs mit Unsicherheit ist hierbei Teil dessen, was Entscheidungskräfte beeinflussen können. Der im Kap. 30 vorgestellte „Risikodialog in Form eines runden Tisches mit den Hauptbeteiligten aus Regierung, Wissenschaft, Privatwirtschaft und Zivilgesellschaft“ kann hierbei ein wirksames Instrument darstellen, sich darüber zu verständigen, wie Unsicherheit bei Entscheidungen Rechnung zu tragen ist.

Die derzeit wichtigste Entscheidungsmethode „Erwartungsnutzenmaximierung“ (Sorger 1999) nimmt an, dass alle verborgenen Systemeigenschaften inklusive aller möglichen numerischen Werte unsicherer Systemgrößen benannt und in Zahlen dargestellt werden können. Die Gesamtheit dieser möglichen numerischen Einstellungen nennt die Entscheidungstheorie „Weltzustand“ (Sorger 1999). Wüssten wir, wie genau dieser aussieht, könnten wir die Folgen unserer Entscheidungen perfekt voraussagen. Wird dies nun noch in die Tradition des Utilitarismus eingebettet, der auf die Anordnung von möglichen Handlungen entlang einer einzigen numerisch ausdrückbaren Dimension hinausläuft, der sogenannten utility, ergibt sich folgende Weltsicht: Es sind nicht nur alle möglichen Handlungsfolgen vorstellbar, diese können auch mit einem Wahrscheinlichkeitsmaß unterlegt werden. Savage (1954) hat dies aus abstrakten, aber durchaus schlüssigen Theoriegrundsätzen motiviert. Hiernach kann das Wahrscheinlichkeitsmaß subjektiver oder objektiver Natur sein. Wenn es neue objektive Informationen gibt, kann das Maß mithilfe der Bayes'schen Formel aus dem Bereich der Statistik jeweils auf den neuesten Stand gebracht werden. In dieser Weltsicht wird quasi Unsicherheit als stets durch Wahrscheinlichkeit ausdrückbar verengt. Aus einer Reihe weiterer abstrakter, plausibler Grundsätze folgt, dass sich somit jede Bewertung von Entscheidungen – im Sinne eines Rankings – als Erwartungsnutzenmaximierung ausdrücken lässt.

Es hat sich in der Tradition der Entscheidungstheorie und Ökonomik eingeschliffen, dass derjenige, der stets der Erwartungsnutzenmaximierung folgt, sich entlang des Ideals der „rationalen Entscheiderin“ oder des „rationalen Entscheiders“ verhalte. Dabei könnte mitschwingen, dass die Handelnden, die sich entsprechend eines konkurrierenden Entscheidungskriteriums verhalten, irrational, unreflektiert, unlogisch oder intellektuell überfordert sind. Eine unterschwellige Abwertung konkurrierender Entscheidungsmodelle (s. u.) hat somit bereits vor einem offenen Diskurs stattgefunden.

Wie in Abschn. 29.5 ausgeführt wird, kann es jedoch gute Gründe geben, vom Prinzip der Erwartungsnutzenmaximierung abzuweichen – wie dies insbesondere bei der Erzeugung der Mehrzahl der in IPCC AR5 und AR6 zusammengefassten ökonomischen Szenarien getan wurde (Held 2019).

Für eine große Klasse von Entscheidungsproblemen ist das Konzept der Erwartungsnutzenmaximierung jedoch sinnvoll. Dies sei zunächst am Beispiel Deichhöhe und Versicherungen illustriert: Ziel wäre es zu versuchen, die Deichhöhe in einer Gesamtschau von ökonomischer, sicherheitstechnischer und ökologischer Sicht optimal zu bestimmen. Mithilfe von Modellen für den Erfolg internationaler Klimaschutzpolitik müsste eine Wahrscheinlichkeitsverteilung für das weltweite Emissionsverhalten abgeschätzt werden. Aus diesen würde dann mittels downscaling von globalen Klimamodellen eine Wahrscheinlichkeitsverteilung für künftige Sturmfluten ermittelt. Diese würden wiederum mit Überflutungsmodellen in Überflutungskarten übersetzt. Regionalwirtschaftliche Modelle würden daraus schließlich abschätzen, wie sich die geldlich bewerteten Schäden von Überflutungen verteilen. So könnten für verschiedene Deichhöhen der erwartete wahrscheinlichkeitsgemittelte Schaden ermittelt und die Kosten für den notwendigen Deichbau gegengerechnet werden. Es müsste dann die Deichhöhe gewählt werden, welche die Baukosten und die erwarteten vermiedenen Schäden optimiert. Allerdings empfehlen hier Ökonomen noch eine Modifikation: Es sind nicht die monetären Schäden, sondern es ist der „gefühlte Verlust“ durch die monetären Schäden in Rechnung zu stellen. Dies gibt die Möglichkeit, seltene, aber große Schäden stärker zu gewichten, wie es auch dem Lebensgefühl der meisten Menschen entspricht (risk aversion). Optimiert wird in der ökonomischen Theorie daher nicht direkt das Monetäre, sondern das durch eine „Nutzenfunktion“ gewichtete Monetäre.

Dennoch findet diese Erwartungsnutzenmaximierung in der wirtschaftlichen Betrachtung des Klimaproblems seit etwa 20 Jahren statt. Ein Ergebnis sind z. B. „sozial optimale“ – d. h. wohlfahrtsoptimale – Pfade, die empfehlen, dass die weltweiten Emissionen nur moderat vom bislang üblichen Pfad abweichen mögen. Damit würden sich die Kosten, die entstehen, um den Ausstoß von Treibhausgasen zu verringern, und die Kosten, die entstünden, um die Schäden zu verhindern, die Waage halten. Nordhaus etwa fand noch 2008 optimale Pfade, die eine weltweite Erwärmung von höchstens 3,5 °C bedeuteten (Nordhaus 2008). Wird die Erwärmung allerdings nur so wenig gebremst, verletzt das die auf den vergangenen Klimakonferenzen vereinbarte Zwei-Grad-Obergrenze eklatant (zu diesem „Zwei-Grad-Ziel“ s. Schellnhuber 2010). Jüngere Arbeiten im Rahmen von Erwartungsnutzenmaximierung, die eine verbesserte Darstellung von Systemeigenschaften auf der Klimawandelfolgenseite aufweisen, tendieren dazu, das Zwei-Grad-Ziel eher zu unterstützen (Hänsel et al. 2020), nicht jedoch ein 1,5-Grad-Ziel.

War nun das Zwei-Grad-Ziel „unvernünftig“, solange es den Ergebnissen von am Prinzip „rationaler Entscheidungen“ orientierter Analysen widersprach? Ist analog das 1,5-Grad-Ziel heute „irrational“? Oder drückt vielmehr das Festhalten an derartigen Zielen und deren Begründung aus, dass sich die Unterstützer dieser Ziele nicht darüber im Klaren sind, was sie dann alles „mitkaufen“ an entscheidungstheoretischen Paradoxien? Aus Sicht der Standardentscheidungstheorie wäre das so.

Weitzman (2009) allerdings zeigt aus unserer Sicht, dass im Zusammenhang mit dem Klimawandel das Erwartungsnutzenmaximum als Entscheidungsgrundlage ungeeignet ist. Wird das Wissen über die Empfindlichkeit des Klimasystems gegenüber Treibhausgaskonzentrationsänderungen konsequenter als bislang im Erwartungsnutzenbezugsrahmen modelliert, kombiniert mit einer besonders steil ansteigenden, aber möglichen Schadensfunktion, müssten wir sofort alle Emissionen einstellen: Bei hoher Klimasensitivität würden im (Wahrscheinlichkeits-)Mittel die Folgen derart eklatant sein, dass sie jegliche Kosten der Vermeidung übersteigen würden. Die so deutlich werdende enorme Spannbreite an Empfehlungen, die sich derzeit noch aus dem Kriterium des Erwartungsnutzenmaximums ableiten lassen, kann nicht als politisch hilfreich bezeichnet werden.

Dass das Erwartungsnutzenmaximum als Kriterium sehr sensibel auf Änderungen von schwer bestimmbaren Eingangsgrößen reagiert – etwa die Wahrscheinlichkeit und das Ausmaß erwarteter Klimaschäden – bemerkten auch Anthoff et al. (2009). Der Standardreflex der Wissenschaftswelt wäre eigentlich gewesen, mehr Forschungsgelder zu fordern, um die aufgezeigten Wissenslücken so schnell wie möglich zu schließen und so das Standardentscheidungsinstrument „EU-Max“ stabil anwenden zu können. Doch dieses käme im Fall des Klimaproblems zu spät: In den kommenden 10 Jahren wird so viel in das weltweite Energiesystem investiert werden, dass dadurch die weltweite Klimaschutzpolitik der kommenden Jahrzehnte im Wesentlichen gebunden sein wird. Es braucht daher ergänzende oder sogar völlig andere Entscheidungskriterien, die mit dem vorhandenen Wissen effizienter zu haushalten verstehen und so schon heute Orientierung für die unmittelbar anstehenden Investitionsentscheidungen bieten können.

Wird das Erwartungsnutzenmaximum für komplexe Umweltsysteme angewendet, ist es insbesondere im Umgang mit der Natur sehr schwer, nachvollziehbare Wahrscheinlichkeitsmaße für alle möglichen Weltzustände anzugeben. Der traditionelle Bayesianismus stellt jedoch in den Raum, es sei stets möglich und auch geboten, eine sinnvolle subjektive Wahrscheinlichkeitsverteilung als Standardausgangspunkt für unsicherheitsbehaftete Untersuchungen anzugeben. Gerade wenn es kaum Vorwissen gibt, verwickelt sich dieser Standpunkt jedoch in Widersprüche.

Daher könnte man geneigt sein, Kriterien heranzuziehen, die nicht auf Wahrscheinlichkeitsaussagen fußen. Diese basieren darauf, jeder möglichen Handlung einen besten oder schlimmsten Weltzustand zuzuweisen. In einem zweiten Schritt wird dann entlang der Entscheidungsachse eine bestmögliche Entscheidung vorgeschlagen (Sorger 1999): Ein Optimist würde z. B. von einer Klimasensitivität nahe Null ausgehen und bräuchte sich folglich nicht um das Klimaproblem zu kümmern. Ein Pessimist würde sich an der maximalen Klimasensitivität, die mit dem Klimawissen zu vereinbaren ist, orientieren und den sofortigen Stopp aller Treibhausgasemissionen fordern. Das Minimum-regret-Kriterium, das Kriterium „des geringsten Bedauerns“, schließlich minimiert den maximal möglichen Nutzenabstand gegenüber einem imaginierten Handelnden mit perfekter Information. Sogenannte „robuste“ Kriterien nutzen dann einen Verschnitt aus Erwartungsnutzenmaximierungsaspekten für Systemkomponenten, die besser verstanden sind, und aus Kriterien, die nicht auf Wahrscheinlichkeitsaussagen basieren, für weniger gut verstandene Komponenten (Lempert et al. 2006; Hall et al. 2012).

Konzepte, die nicht allein auf Wahrscheinlichkeiten fußen, konzentrieren sich auf die Extreme: Was kann im besten und was im schlechtesten Fall passieren? Daher weisen sie beim Klimaproblem die Schwierigkeit auf, dass sie letztlich in radikale Empfehlungen („Nichtstun“ oder „Einstellen jeglicher Emission“) münden würden, denn mit je einer gewissen Wahrscheinlichkeit könnten Folgen von Treibhausgasemissionen auch vernachlässigbar oder aber quasi unbegrenzt sein. Solche radikalen Empfehlungen dürften allerdings kaum die gesellschaftliche Präferenzordnung widerspiegeln. Vielleicht sind beide Ansätze, eine Wahrscheinlichkeitsverteilung unter allen Umständen wie beim Erwartungsnutzenmaximum einerseits und das völlige Absehen von Gewichtungen unbestimmter Messgrößen andererseits, zu radikal und unangemessen? Womöglich liegt das angemessene Modell, unser Wissen auszudrücken, in einem stetigen Übergang zwischen beiden? Derartige Modelle sind entwickelt worden. In der prominentesten Version lässt sich unser Wissen nicht mithilfe jeweils einer einzigen Wahrscheinlichkeitsverteilung ausdrücken, sondern eher mit einem Bündel von Verteilungen (Walley 1991).

So vielversprechend dieser Zugang ist, unsicheres Vorwissen zu modellieren, so wirft er doch neue Paradoxa auf (z. B. Walley 1991; Held et al. 2008). Wir empfehlen, denselben zunächst in seinen Konsequenzen weiter zu untersuchen, bevor er in der Politikberatung eingesetzt würde.

Dies lenkt den Blick auf eine radikal einfachere Lösung: das alte, umweltpolitisch etablierte Konzept von Grenzwerten, die nicht überschritten werden sollten, auch bekannt als Konzept der „starken Nachhaltigkeit“ (Hediger 1999). Wo genau die Grenzwerte jeweils liegen sollen, hängt vom Wissen und von den Normen der Beteiligten ab. Anlass zur Wahl von Grenzwerten kann das Zutreffen einer der folgenden Kategorien sein:

Ist ein Grenzwert festgesetzt, wird das Erwartungsnutzenmaximum durch ein bedingtes Erwartungsnutzenmaximum ersetzt, das diesen Grenzwert einhält: die Kosten-Effektivitäts-Analyse (Patt 1999). Es stellt sich die Frage, welche Politik es erlauben würde, den Grenzwert mit dem geringsten ökonomischen Aufwand einzuhalten. Entscheidend ist hierbei, den Teil der Analyse, der die Wissenschaftswelt bis auf Weiteres überfordert, für eine Entscheidungsfindung nicht zu benötigen. Wird etwa ein Zwei-Grad-Ziel oder sogar ein 1,5-Grad-Ziel gesetzt, braucht man im Anschluss die Klimawandelfolgen nicht zu modellieren, sondern „nur“ die Transformation des (besser verstandenen) Energiesystems, das zu einer Zwei oder 1,5-Grad-Welt führen kann.

Dieses Vorgehen ist dann sinnvoll, wenn

Aus Sicht von immer mehr Wirtschaftsfachkräften treffen diese beiden Voraussetzungen zu:

So könnte eine Gesellschaft über Grenzwerte und eine Kosten-Effektivitäts-Analyse zu Handlungen kommen, selbst wenn das gekoppelte Gesamtsystem noch nicht bewertet werden kann (Patt 1999; Held und Edenhofer 2008).

Starke Nachhaltigkeit und damit harte Grenzen als handlungsleitende Prinzipien münden jedoch in konzeptionelle Schwierigkeiten, sollte man mit der Möglichkeit rechnen müssen, dass der Grenzwert irgendwann nicht mehr einzuhalten wäre. Dieses kann auftreten, weil Handlungen verzögert wurden oder weil das System viel empfindlicher auf Eingriffe reagiert als erwartet.

Für den vorliegenden Fall, in dem der Anlass zur Entscheidung für Grenzwerte eher einer Situation der Kategorie „3“ oder „1“ denn „2“ (s. o.) zuzurechnen ist, haben Schmidt et al. (2011) vorgeschlagen, das „Risiko“ der Grenzüberschreitung mit den Aufwendungen für Klimaschutz zu verrechnen (Schmidt et al. 2011). Diese „weichere“ Variante eines umweltpolitischen Ziels in Kombination mit Kosten-Effektivitäts-Analyse nennen sie „Kosten-Risiko-Analyse“. Neubersch et al. (2014) weisen aus, dass sich im Fall des Zwei-Grad-Ziels dann etwa dieselben Handlungsempfehlungen ergäben wie infolge der noch standardmäßig verwendeten Kosten-Effektivitäts-Analyse. Bei anderen Anwendungen mag es jedoch größere Differenzen geben (Held 2019).

Akteurinnen und Akteure sollten darauf achten, ob für den Zeitraum ihrer Entscheidungssequenzen zu erwarten ist, dass es künftiges Lernen über unsichere Systemvariablen geben wird. Wenn dies der Fall sein sollte, könnte es sinnvoll sein, von Anfang an mit der Kosten-Risiko-Analyse zu arbeiten. Der Autor erwartet, dass sie eine wichtige und einfach zu implementierende „Brückentechnologie“ sein könnte, solange Formalismen, die kontinuierlich zwischen probabilistischem Wissen und Nichtwissen vermitteln würden (Abschn. 29.4), nicht voll ausgearbeitet und verstanden sind. Das neue Instrument der Kosten-Risiko-Analyse hat einen weiteren Vorteil gegenüber der älteren, strikten Interpretation: Die darin verwendete „weichere“ Interpretation des Zwei-Grad-Ziels erlaubt es, dieses Ziel notfalls moderat zu überschreiten (falls es wegen weiterhin nicht umgesetzten globalen Klimaschutzes nicht anders möglich ist), das zugrundeliegende Normensystem jedoch aufrechtzuerhalten: Die Zwei-Grad-Community bliebe handlungsfähig, auch wenn das Ziel nicht mehr exakt einzuhalten wäre (Tab. 29.1). Die folgende Tabelle ordnet die Kosten-Risiko-Analyse zusammenfassend in den Kontext vorangegangener Kriterien ein:

Was bedeutet die vorliegende Analyse nun für Verwaltung und Politik? Der Umgang mit Unsicherheit bedarf auch normativer Setzungen. Die Verantwortung dafür, welche Normen governance bestimmen sollten, tragen Politik und Verwaltung. Diese Entscheidung kann gerade nicht von den Wissenschaftlern übernommen werden. Aber die Wissenschaft kann der Politik und Verwaltung ein reicheres und transparenteres Spektrum an ausgearbeiteten Vorschlägen für Normen und entsprechende Szenarien zur Verfügung stellen und auf den normativen Entscheidungsbedarf, der sich spezifisch aus Unsicherheit ergibt, hinweisen. In diesem Zusammenhang sei noch einmal auf das Politikberatungsmodell der Arbeitsgruppe III im Fünften Sachstandbericht des Weltklimarats (IPCC-WG3) verwiesen, das sogenannte „erleuchtet pragmatische Modell“ (Edenhofer und Seyboth 2013; Edenhofer und Kowarsch 2015). Dementsprechend können weder Wissenschaftler noch die Gesellschaft unabhängig voneinander langfristige Ziele festlegen. Vielmehr würde die Gesellschaft normative Vorstellungen (Umweltziele, Umgang mit Unsicherheit) formulieren und die Wissenschaft deren Konsequenzen anhand von Szenarien illustrieren. In deren Lichte könnte die Gesellschaft ihre normativen Forderungen überdenken und ggf. revidieren, weil sie sich weiterer Zielkonflikte bewusst geworden wäre. Dieser Zyklus würde idealerweise bis zur vollständigen Konvergenz durchlaufen. Zunächst überzeugende Dringlichkeiten und weniger Wichtiges werden so nach und nach immer grundsätzlicher und fundamentaler geordnet. Mit Unsicherheit umzugehen ist dann nur ein Spezialfall unter vielen anderen normativen Aspekten, zu denen sich die Gesellschaft zu äußern hat. (Für die Wissenschaft ist hierbei wichtig, sich für das gesamte normative Spektrum zu öffnen, statt sich jeweils in die Denkweise einer einzigen Schule einzukapseln.)

Das Konzept zur Risikosteuerung des Internationalen Risikorats (International Risk Governance Council, IRGC) (Kap. 30) wäre demnach mehrfach zu durchlaufen – ein überaus ehrgeiziges Unterfangen!

Bei den meisten Entscheidungen, die komplexe Umweltsysteme betreffen, spielt Unsicherheit eine entscheidende Rolle. Dies ist besonders aus Sicht regionaler Handelnder dann der Fall, wenn es abzuwägen gilt, wie genau man sich gegen schwer abzuschätzende Folgen des Klimawandels schützen soll. Das wirtschaftliche Standardinstrument der Erwartungsnutzenmaximierung kann versagen, solange das Wissen über das System mit teils großen Unsicherheiten behaftet ist. Das zeigen die Abwägungen des Klimaziels selbst. Dann ist zu prüfen, ob nicht z. B. kombinierte Entscheidungskriterien wie eine flexibilisierte Kosten-Effektivitäts-Analyse (Kosten-Risiko-Analyse) die Präferenzen der Entscheidungskräfte besser repräsentiert. Die Wahl, nach welcher Methode unter Unsicherheit entschieden werden soll, ist bereits eine normative Vorentscheidung. Wie bei allen Entscheidungen über komplexe Systeme könnten Entscheidungsträgerinnen und -träger sie sinnvoll fällen, nachdem ein iterativer und transparenter Dialogprozess zwischen ihnen in verschiedenen gesellschaftlichen Gruppen und der Wissenschaft aktiv betrieben wurde.