Multicriteria-analyse: zo weeg je complexe beslissingen systematisch af

Een multicriteria-analyse (MCA) is een wetenschappelijke evaluatiemethode om tussen meerdere alternatieven een rationele keuze te maken op basis van meer dan één criterium. De methode is geschikt voor zowel overheden als private organisaties en stelt weinig technische voorwaarden aan de gebruikers. Daarmee is ze breed toepasbaar, van ruimtelijke inrichting tot investeringsbeslissingen.

Wanneer kies je voor een MCA?

Een MCA is bijzonder waardevol wanneer een beslissing afhangt van criteria die je niet zomaar in euro’s kunt uitdrukken. Dat onderscheidt de methode van een maatschappelijke kosten-batenanalyse (MKBA), waarbij alle effecten in monetaire eenheden worden omgezet. Bij een MCA mogen criteria kwantitatief én kwalitatief zijn.

Voorbeelden van criteria die in een MCA worden meegenomen, zijn bodemkwaliteit, investeringskosten, luchtkwaliteit, veiligheid, milieu en inpassing in de ruimtelijke structuur. Juist de combinatie van harde en zachte factoren maakt de methode krachtig voor complexe vraagstukken waarbij meerdere belangen spelen.

De drie hoofddoelen van een MCA zijn:

  • Het ordenen van gegevens over alternatieven en criteria
  • Het transparant maken van beslissingsprocessen
  • Het ondersteunen van beslissers bij het maken van een rationele keuze

De zeven stappen van een multicriteria-analyse

Een MCA volgt een vaste volgorde. Elke stap bouwt voort op de vorige, waardoor de redenering traceerbaar en herhaalbaar blijft. Bij Ondernemersvizier zien we dat juist die structuur de methode zijn kracht geeft: ze dwingt tot expliciete keuzes in plaats van impliciete aannames.

  1. Beschrijf de context. Formuleer het beslissingsprobleem helder en stel vast welke alternatieven in aanmerking komen.
  2. Identificeer de alternatieven. Breng alle opties in kaart die realistisch uitvoerbaar zijn en met elkaar vergeleken worden.
  3. Bepaal de criteria. Selecteer de factoren waarop de alternatieven beoordeeld worden. Orden de criteria in groepen en stel voor elk criterium een schaal vast. De scores per criterium worden vastgelegd in een effectentabel.
  4. Standaardiseer de criteria. Alle criteria worden omgezet naar een vergelijkbare schaal, gewoonlijk tussen 0 en 1, waarbij 0 een slechte prestatie aangeeft en 1 een goede. Gebruikelijke methoden zijn de lineaire standaardisatiefunctie en de maximumstandaardisatie. Zowel bij kosten- als batencriteria krijgt de beste score de hoogste waarde.
  5. Weeg de criteria. Voor elk criterium wordt vastgesteld hoe belangrijk het is ten opzichte van de andere criteria. Experts doen dit meestal via paarsgewijze vergelijking, waarbij twee criteria steeds direct met elkaar worden vergeleken.
  6. Rangschik de alternatieven. De gewichten worden vermenigvuldigd met de gestandaardiseerde scores en vervolgens opgeteld. Het alternatief met de hoogste totaalscore eindigt bovenaan.
  7. Voer een gevoeligheidsanalyse uit. Stel vast hoe de rangschikking verandert wanneer je de gewichten van criteria aanpast. Zo wordt zichtbaar hoe robuust de uitkomst is en welke criteria de meeste invloed hebben op het eindresultaat.

Standaardisatie en weging nader bekeken

Standaardisatie is de stap die vergelijking mogelijk maakt. Zonder deze omzetting zijn criteria met verschillende eenheden, zoals kosten in euro’s en luchtkwaliteit in concentraties, niet bij elkaar op te tellen. Door alle scores te herschalen naar een schaal van 0 tot 1 worden ze vergelijkbaar.

De weging bepaalt uiteindelijk welke criteria zwaarder meetellen in de eindscore. Dit is meteen de meest gevoelige stap, omdat de keuze voor gewichten een waardeoordeel inhoudt. Transparantie over wie de weging heeft uitgevoerd en op welke gronden, is daarom onmisbaar voor de geloofwaardigheid van de analyse.

Gevoeligheidsanalyse: de sleutel tot betrouwbare uitkomsten

De gevoeligheidsanalyse sluit de MCA af en is meer dan een formaliteit. Ze laat zien hoe stabiel de rangschikking is bij andere gewichten. Als een alternatief onder vrijwel alle wegingsscenario’s bovenaan blijft staan, is de keuze goed onderbouwd. Wisselt de rangschikking sterk bij kleine aanpassingen, dan verdient de weging nadere discussie.

Gespecialiseerde MCA-software kan deze analyse automatiseren en ook onzekerheidsanalyses uitvoeren. Dat maakt het eenvoudiger om de uitkomsten te communiceren naar betrokkenen die de technische achtergrond niet hoeven te kennen.

MCA in de praktijk

De methode wordt ingezet bij vraagstukken op het snijvlak van meerdere belangen, zoals klimaatadaptatie, infrastructuurkeuzes en ruimtelijke ordening. Overheden gebruiken MCA om beleidsalternatieven te rangschikken op grond van criteria als veiligheid, kosten en milieu-impact. Private partijen zetten de methode in om investeringsbeslissingen te rationaliseren waarbij financiële én niet-financiële factoren meespelen.

Bij Ondernemersvizier zien we dat de MCA ook in kleinere organisaties zijn waarde bewijst, juist omdat de methode weinig technische voorkennis vereist en de besluitvorming zichtbaar en navolgbaar maakt voor alle betrokkenen. Dat draagt bij aan draagvlak, ongeacht de complexiteit van het vraagstuk.

Foto van Lisa de Bruin
Lisa de Bruin

Lisa de Bruin richt zich op werk en software. Ze verdiept zich in de tools en werkwijzen die het dagelijks werk makkelijker maken, van planning en samenwerking tot automatisering. Daarbij kijkt ze kritisch naar wat een oplossing echt oplevert, voorbij de beloftes van de makers.