30. 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 Vermeidungskosten lassen sich hingegen abschätzen. Dies liegt aus unserer Sicht wesentlich daran, dass 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 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. 29). Werden sich die Entscheider 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. Entscheidungstheoretiker haben daher im Dialog mit der Gesellschaft transparent darzulegen, welche Bandbreite an Eigenschaften die jeweiligen Entscheidungsregeln mit sich bringen: Es gibt Hauptannahmen, aber auch überraschende Auswirkungen von Entscheidungen – und ggf. sind neue Regeln vorzuschlagen. Wie bei jeder normativen Vorauswahl fällt der Wissenschaft im Rahmen einer Politikberatung die Aufgabe zu, diejenigen Konsequenzen von Entscheidungen herauszuarbeiten, die sich für die Praxisakteure vermutlich als besonders bedeutsam herausstellen werden. Eben diese Konsequenzen sind dann in der Kommunikation mit Praxisakteuren besonders hervorzuheben. 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; s. auch am Ende dieses Kapitels) zu erweitern, um so nach Möglichkeit befriedigendere 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 Entscheider beeinflussen können. Der im Kap. 29 vorgestellte „Risikodialog am runden Tisch“ 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, man könne alle verborgenen Systemeigenschaften inklusive aller möglichen Einstellungen benennen und in Zahlen darstellen. Die Gesamtheit dieser möglichen numerischen Einstellungen nennt die Entscheidungstheorie „Weltzustand“. 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-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 des „rationalen Entscheiders“ verhalte. Dabei könnte mitschwingen, dass Akteure, 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. 30.5 ausgeführt wird, kann es jedoch gute Gründe geben, vom Prinzip der Erwartungsnutzenmaximierung abzuweichen (wie dies insbesondere bei der Mehrzahl der 1000 im jüngsten IPCC-Bericht zusammengefassten Szenarien der Fall ist).

Dennoch findet diese Erwartungsnutzenmaximierung (EU-Max) 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“ siehe Schellnhuber 2010).

Ist nun das Zwei-Grad-Ziel „unvernünftig“, weil es den Ergebnissen „rationaler Entscheidungen“ widerspricht, die ein Optimum bei 3,5 °C angeben? Oder drückt vielmehr das Festhalten am Zwei-Grad-Ziel und dessen Begründung aus, dass sich die Unterstützer dieses Ziels nicht darüber im Klaren sind, was sie dann alles „mitkaufen“ an entscheidungstheoretischen Paradoxien? Aus Sicht der Standard-Entscheidungstheorie wäre das so.

Weitzman (2009) allerdings zeigt aus Sicht des Autors, dass im Zusammenhang mit dem Klimawandel das Erwartungsnutzenmaximum als Entscheidungsgrundlage ungeeignet ist. Modellierte man das Wissen über die Empfindlichkeit des Klimasystems gegenüber Treibhausgaskonzentrationsänderungen konsequenter als bislang im EU-Max-Bezugsrahmen, 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. Diese enorme Spannbreite an Empfehlungen, die derzeit noch aus dem Kriterium des Erwartungsnutzenmaximums abgeleitet wird, 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 Standard-Entscheidungsinstrument „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.

Wendet man das Erwartungsnutzenmaximum für komplexe Umweltsysteme an, 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. Das minimum-regret-Kriterium, das Kriterium „des geringsten Bedauerns“, schließlich minimiert den maximal möglichen Nutzenabstand gegenüber einem imaginierten Akteur mit perfekter Information. Sogenannte „robuste“ Kriterien nutzen dann einen Verschnitt aus EU-Max-Aspekten 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 und das völlige Absehen davon, also überhaupt eine Gewichtung unbestimmter Messgrößen anzugeben, 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 und Edenhofer 2008). Der Autor tendiert dazu zu 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 Akteure ab. Anlass zur Wahl von Grenzwerten sind Situationen der folgenden Kategorien:

Ist ein Grenzwert festgesetzt, wird das Erwartungsnutzenmaximum durch ein bedingtes Erwartungsnutzenmaximum ersetzt, das diesen Grenzwert einhält: die Kosten-Effektivitäts-Analyse (KEA). Man fragt, 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. Setzt man etwa ein Zwei-Grad-Ziel, braucht man im Anschluss die Klimawandelfolgen nicht zu modellieren, sondern „nur“ die Transformation des (besser verstandenen) Energiesystems, das zu einer Zwei-Grad-Welt führen kann.

Dieses Vorgehen ist dann sinnvoll, wenn

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 die Situation eher 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 KEA 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 KEA. Bei anderen Anwendungen mag es jedoch größere Differenzen geben.

Anwender sollten darauf achten, ob künftiges Lernen über Systemantworten für ihren Entscheidungshorizont relevant ist. 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. 30.4), nicht voll ausgearbeitet und verstanden sind. Das neue Instrument 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 zugrunde liegende Normensystem jedoch aufrechtzuerhalten: Die Zwei-Grad-Community bliebe handlungsfähig, auch wenn das Ziel nicht mehr exakt einzuhalten wäre (Abb. 30.2).

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 jüngste 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. 29) 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 Akteure 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 Entscheider 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 Entscheider sie sinnvoll fällen, nachdem ein iterativer und transparenter Dialogprozess zwischen Entscheidern, Akteuren verschiedener gesellschaftlicher Gruppen und der Wissenschaft aktiv betrieben wurde.