-1-1      Einleitung„If we believe that organizational life can usefully be seen as loops of causal relationsinvolving acc...
-2-Informationsfeedback in den Mittelpunkt der Betrachtung sozialer Systeme. Obwohl esdiese Möglichkeiten schon seit mehr ...
-3-Ein in den letzten Jahren wachsender Teil der Literatur steht in engerem Kontakt mitder Forschungsfrage. Diese wichtige...
-4-1.3    Ziele der Arbeit und Ablauf der UntersuchungDie Arbeit an meiner Dissertation gestaltet sich als ein Prozess, in...
-5-Kapitel   sechs     untersucht   die   Möglichkeiten   und   Grenzen     qualitativerModelliertechniken.Das siebente Ka...
-6-2      Experteninterviews2.1    Ziel der BefragungEin erstes Herantasten an die Hauptforschungsfrage „Was sollen Manage...
-7-2.2    Aufbau des Fragebogens und AblaufBei der Gestaltung des Fragebogens musste ein Kompromiss aus drei verschiedenen...
-8-Yaman Barlas, Jack Homer, David Lane, Edoardo Mollona, John Morecroft, ErlingMoxnes, John Sterman, Kim Warren, Markus S...
-9-bring about what scale of performance improvement, and insurmountable theoreticalproblems prevent qualitative mapping a...
- 10 -Modellart kommt hinzu, dass sich Manager vergewissern sollten, ob das Modell einerrigorosen Gültigkeitsprüfung unter...
- 11 -einem Unternehmen zu verbreiten, es ist ein langwieriger Prozess, es ist ein Prozess,der von den entsprechenden Prom...
- 12 -Der Schlüssel in der Beantwortung der Frage „Was sollen Manager wissen?“, liegt inder Beantwortung der Fragen:1) „Wa...
- 13 -3      Theoretischer BezugsrahmenIn diesem Kapitel möchte ich mit der Darlegung eines Theoretischen Rahmens dieBasis...
- 14 -voll Sand ist die Summe der Massen der einzelnen Sandkörner. Es handelt sich umeinen einfachen, linearen, additiven ...
- 15 -    selbst in eine neue Struktur. Die neue Struktur ergibt sich spontan aus dem    emergenten Verhalten des Systems....
- 16 -Entscheidungen in Bezug auf das Systemziel angibt. Die vergleichsweise hoheKomplexität sozialer Systeme hat zwei wic...
- 17 -Im Feld der System Dynamics spricht man häufig von einem "counterintuitive behavior"sozialer Systeme. Ganz allgemein...
- 18 -"The mental model is fuzzy. It is incomplete. It is imprecisely stated. Furthermore,within one individual, a mental ...
- 19 -       Tendenz westlicher Industrienationen systemische Strukturprobleme mit nicht       nur neuen Schulden sondern ...
- 20 -Probleme hatten, schnitten besonders schlecht ab. Dass Menschen mit einem derartigeinfachem Konzept sehr wohl Proble...
- 21 -2. Die Intransparenz der Situation       Darunter wird eine Situation verstanden, in der nicht alle Informationen, d...
- 22 -       Kognitive Variablen. Es gibt einige Hinweise darauf, dass kognitive Variablen       wie    Hintergrundwissen,...
- 23 -Dörner untersucht das Planungs- und Entscheidungsverhalten von Menschen inkomplexen Systemen anhand von computersimu...
- 24 -Die Eigendynamik der Situation verursacht Zeitdruck beim Treffen vonEntscheidungen. Für eigendynamische Systeme ist ...
- 25 -Informationssammlung und HypothesenbildungFür die Bildung von Hypothesen über die Zusammenhänge in dem zugrundeliege...
- 26 -erreichen versucht. "Gute" Versuchspersonen ziehen die Vernetztheit von Zielen undEntscheidungen in ihr Planungskalk...
- 27 -Einfluss wichtiger Eigenschaften von Informationsfeedback Systemen untersucht,nämlich Feedback und Verzögerungen.Die...
- 28 -Wirkungsverzögerung wurde in grafisch analoger Form mittels Symbolen dargestellt.Die Verzögerung bei der Berichterst...
- 29 -Verzögerungen aufweisen. Es gibt jedoch Hinweise darauf, dass Menschen, selbstwenn sie über alle Verzögerungen in ei...
- 30 -                                     Reale Welt                                                     Informations-   ...
- 31 -mit dynamischer Komplexität ist ein Wandel der Perspektive sowie der Einsatz neuerTechniken und Methoden erforderlic...
- 32 -Erhöhung       der    Trefferquote   neuer   Produkte    gelöst   werden.      DieProduktentwicklungsdauern wurden i...
- 33 -Der traditionelle wissenschaftliche Ansatz für natürliche Phänomene istreduktionistisch. Ein System wird auseinander...
- 34 -Mechanisch – Organisch evolutionärEin Weltbild, dem der Glaube an maschinenähnliche System, die einfachen Gesetzenge...
- 35 -                    Abbildung 3.2 Die Wertkette nach Porter 1985Die Analyse der Wertkette beschreibt Aktivitäten in ...
- 36 -Unternehmung gefördert oder Stärken gegenüber Mitbewerbern abgeleitet werden.Dies ist jedoch nur die Voraussetzung f...
- 37 -aufgrund der höheren Qualität dazu führen, dass Lieferzeiten ansteigen undzusätzliche Kapazität in der Service-Abtei...
- 38 -Vierte Prämisse:System Dynamics bietet Techniken und Methoden an, um die dynamische Komplexitätsozialer Systeme abzu...
- 39 -koexistieren eine Reihe verschiedener und unabhängiger Theorien. Modelle vonsozialen Systemen müssen eine bestimmte ...
- 40 -In den Folgejahren erweiterte Forrester den Ansatz einen Betrieb als System zubetrachten, zu einer modellbasierten T...
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Sd für manager
Nächste SlideShare
Wird geladen in …5
×

Sd für manager

2.792 Aufrufe

Veröffentlicht am

0 Kommentare
1 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
2.792
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
3
Aktionen
Geteilt
0
Downloads
14
Kommentare
0
Gefällt mir
1
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Sd für manager

  1. 1. -1-1 Einleitung„If we believe that organizational life can usefully be seen as loops of causal relationsinvolving accumulations, delays and non-linearities then we intervene in those systemsat our peril. We do not have the cognitive capacity to implement mental simulation andyet we purport to do it all the time. Decision makers are already model builders – justvery bad ones.“[Dr. David C. Lane]1.1 ForschungsfrageDas Umfeld unternehmerischer Entscheidungen hat in den letzten Jahren einedramatische Zunahme an Komplexität erfahren. Eine klare Ursache für die Zunahmeder Komplexität unserer sozialen Systeme ist die zunehmende Vernetztheit. Dersprunghafte Anstieg der Mobilität von Informationen macht eine Verbreitung von Ideenschneller und billiger als jemals zuvor. Jeder Anstieg in der Vernetzung unsererSysteme in der Vergangenheit – von der Schifffahrt über die Eisenbahn, Telegraphen,das Internet bis zur Mobiltelefonie – hat die Welt in Raum, Zeit und Aufwand derInteraktionen von Menschen, Unternehmen und Ideen schrumpfen lassen. Vernetzungzwischen Ideen schafft die nächste Produktinnovation, Vernetzung zwischenUnternehmungen die nächste Fusion. Vernetzung zwischen Käufern, Verkäufern undSupply Chains verkürzt die Produktlebenszyklen.Stark verflochtene soziale Systeme beginnen nicht-linear zu werden, kleine Ursachenkönnen disproportional große Auswirkungen haben. Gerade die Nichtlinearität in denVerbindungen der Systemelemente und die damit einhergehende dynamischeKomplexität des Gesamtsystems bereiten erhebliche Probleme bei der Prognose desSystemverhaltens nach Eingriffen. Zahlreiche Studien belegen, dass wir schon beiInterventionen in die einfachsten Systeme an unsere kognitiven Grenzen stoßen. Dasmenschliche Gehirn verfügt nicht über die notwendige Kapazität, die erforderlich wäredas Systemverhalten nach Eingriffen mental zu simulieren. Gerade darin, nämlich diegestaltende Intervention in soziale Systeme besteht jedoch die Aufgabe vonEntscheidungsträgern in Organisationen.Die Systemdynamik nach J. W. Forrester gibt uns Werkzeuge an die Hand, die es unsermöglichen, die Komplexität sozialer Systeme sichtbar und handhabbar zu machen.Als Methode der quantitativen Simulation stellt sie Akkumulationsprozesse und
  2. 2. -2-Informationsfeedback in den Mittelpunkt der Betrachtung sozialer Systeme. Obwohl esdiese Möglichkeiten schon seit mehr als 40 Jahren gibt, konnten die Ziele, die sich dasFeld in seinen Kindertagen gesetzt hat bisher bei weitem nicht erreicht werden. Inseinem Klassiker „Industrial Dynamics“ beschreibt der Vater von System Dynamics JayW. Forrester eine Situation, in der „proper men with the managerial viewpoint“ ein„understanding of the company’s problems and of system dynamics behavior“entwickeln. Diese Männer sind „in demand to fill management positions in thecompany“ (Forrester 1961, Chp. 21). System Dynamics wurde also mit der Zielgruppe„Manager“ entwickelt. In einer Studie aus dem Jahr 2003 von Bain & Company(www.bain.com), die alljährliche mehrere hundert Top-Manager bezüglich derH Hverwendeten Werkzeuge befragt findet System Dynamics keinerlei Erwähnung.Eine Reihe von „success stories“ in der Literatur belegen das enorme Potential derMethode für langfristigere Unternehmensentscheidungen. Trotzdem hat dieSystemdynamik bisher keinen Einzug in die Fülle an Managementmethoden undManagementwerkzeugen halten können und ist nicht über den Zustand einerRanderscheinung hinweg gekommen. System Dynamics in der heutigen Form derAnwendung ist sehr stark wissenschafts- und expertenlastig. Die vorherrschende Formder Anwendung beschränkt sich zumeist auf den Einsatz als Methode inwissenschaftliche Untersuchungen oder auf hochspezialisiertesUnternehmensconsulting.Die geschilderten Überlegungen als Basis führen zur zentralen Fragestellung dieserArbeit:Was sollen Manager als Nicht-Experten im Modellieren über System Dynamicswissen, um die Methode zum Vorteil für ihre Organisation einsetzen zu können?1.2 Behandlung der Frage in der LiteraturDie Wurzeln von System Dynamics – damals noch Industrial Dynamics – liegen in derErforschung des dynamischen Verhaltens sozialer Systeme und reichen bis in diefrühen 50er Jahre des 20. Jahrhunderts zurück. System Dynamics in heutiger Formfindet Anwendung in zahlreichen Gebieten der Naturwissenschaften der technischenWissenschaften und der Wirtschafts- und Sozialwissenschaften. Entsprechend derZielgruppe dieser Arbeit beschränkt sich die Literaturanalyse auf Veröffentlichungen,die in Zusammenhang mit Management stehen.
  3. 3. -3-Ein in den letzten Jahren wachsender Teil der Literatur steht in engerem Kontakt mitder Forschungsfrage. Diese wichtige Entwicklung könnte man mit den Schlagworten„Modellieren mit dem Management“ zusammenfassen. Kernpunkt dieser Entwicklungist eine neue Definition des Zweckes von Modellen. Weg vom fertigenSimulationsmodell als Black-Box rückt der Prozess des Modellierens mit denModellkonsumenten in den Mittelpunkt der Überlegungen. Der neue Modellzweck istweniger Prognose als viel mehr Modellieren für Lernzwecke.Ein Teil der angesprochenen Literatur behandelt dabei mehr die technischen Aspektedes Modellierens in Gruppen, z. B. Ford und Sterman 1998b, Richardson undAndersen 1995, Andersen et. al. 1997b, Vennix et. al. 1996b, Vennix 1999 oderRichmond 1997. Andere Veröffentlichungen beziehen sich auf die Frage wie dasModellieren in Gruppen, und Modelle als Management Flight Simulators Lernen beiden beteiligten Managern fördern können, z. B. Morecroft 1992 und 1992b, Senge undSterman 1994, Bakken et. al. 1992, Isaacs und Senge 1994 oder Morecroft 1984.Auffallend ist, dass die Thematik in der Literatur typischerweise vom Standpunkt desExperten-Modellierers aus betrachtet wird. Die Frage was Manager über SystemDynamics wissen sollen stellt sich dabei nur am Rande weil praktisch immerSituationen beschrieben werden, in welchen ein Experte ein Modell für einen Kundenerstellt. Aus dieser Perspektive betrachtet sind Manager in erster Linie einerseitsInformationsquellen im Prozess des Modellbaus, andererseits Lernende, welche dieLektionen aus dem Modell aufnehmen sollen.Das durch Peter Senge (Senge 1990, Senge und Kleiner 1994b) Anfang der 90erJahre populär gewordene Systems Thinking richtet sich hingegen direkt an Manager.Hier wird jedoch Wissen über quantitative Simulation komplett ausgeklammert. Sengebeschränkt sich ausschließlich auf die Vermittlung von Wissen über qualitativeModelliertechniken.Die wenigen Lehrbücher im Feld (Coyle 1977, Coyle 1996, Sterman 2000) sind sehrsimulationszentriert und in erster Linie für angehende Experten im Modellierengeschrieben.Zusammenfassend kann gesagt werden, dass die konkrete Forschungsfrage in dieserForm in der Literatur bisher nicht gestellt wurde. Quantitative Simulation für Nicht-Experten ist ein Thema, zu dem sich die Veröffentlichungen im Feld nicht äußern.
  4. 4. -4-1.3 Ziele der Arbeit und Ablauf der UntersuchungDie Arbeit an meiner Dissertation gestaltet sich als ein Prozess, in dem gewonneneErkenntnisse die weitere Vorgehensweise bestimmen. Der Prozess wird dabei von dreiwesentlichen Zielsetzungen geleitet:1. ZielgruppeDie Arbeit hat eine klare Zielgruppe: Manager als interessierte Neulinge in SystemDynamics. Die Arbeit soll für diesen Personenkreis lesbar sein, das heißt ich werdeversuchen, wo immer möglich, eine übertriebene Verwendung von Fachtermini zuvermeiden.2. Klare AussagenDie Arbeit soll klare Aussagen darüber treffen,• Welches Wissen über System Dynamics für Manager relevant ist.• Warum es relevant ist.• Wofür es verwendet werden soll, bzw. wie es eingesetzt werden kann.3. Praktische ErgebnisseDie Ergebnisse der Arbeit sollen praktische Bedeutung haben. Das heißt, sie solleneinerseits praktisch umsetzbar sein und andererseits eine vorherrschende Situationverbessern. Im Endeffekt müssen die Aussagen dieser Arbeit dazu führen, dass imManagement „bessere“ Entscheidungen getroffen werden.Im nächsten Kapitel werde ich die Ergebnisse einer explorativen Expertenbefragungvorstellen, die im Rahmen des ersten europäischen System Dynamics Work Shops inMannheim im März 2003 durchgeführt wurde.Das dritte Kapitel legt einen theoretischen Bezugsrahmen als Basis weitererÜberlegungen in der Arbeit. Gleichzeitig wird hier beantwortet, warum SystemDynamics Wissen bei Managern vorteilhaft ist.Das vierte Kapitel erhebt den Status Quo in der Anwendung von System Dynamics undbereitet den Weg für weitere Untersuchungen in den folgenden Kapiteln.Kapitel fünf definiert das breite Spektrum an System Dynamics Wissen.
  5. 5. -5-Kapitel sechs untersucht die Möglichkeiten und Grenzen qualitativerModelliertechniken.Das siebente Kapitel stellt die grundsätzlichen Ergebnisse der Arbeit vor und bietetAnknüpfungspunkte für zukünftige Forschung.Das achte und letzte Kapitel wird sich damit befassen, die Ergebnisse aus denvorhergehenden Abschnitten in konkrete und umsetzbare Empfehlungen umzusetzen.
  6. 6. -6-2 Experteninterviews2.1 Ziel der BefragungEin erstes Herantasten an die Hauptforschungsfrage „Was sollen Manager überSystem Dynamics wissen?“ erfolgte über eine teils schriftliche, teils mündlicheBefragung von namhaften Experten auf dem Gebiet. Die sehr offen formulierteHauptforschungsfrage machte es zunächst erforderlich einige Arbeitshypothesen zugenerieren, anhand derer die eigentliche Frage beantwortet werden konnte. DerCharakter der Befragung war daher ein explorativer, in dem Sinn, dass eine „fremdeWirklichkeit“ in all ihren verschiedenen Facetten und Ausprägungen erforscht werdensollte. Die Ziele der Befragung waren:• Hilfe bei der Generierung von Arbeitshypothesen bzw. Konkretisierung der Hauptforschungsfrage.• Aufdeckung eventueller Probleme oder Aspekte, die bis zu diesem Zeitpunkt nicht bedacht worden sind.• Erfassung der subjektiven Einschätzungen und Deutungsmuster der Problemstellung durch die Experten.Zwei Kriterien waren für die Auswahl geeigneter Experten ausschlaggebend. Einerseitsdie Expertenleistung in Form von bereichsspezifischen Publikationen. Andererseitseine mehrjährige Erfahrung in einer wissenschaftlichen oder privatwirtschaftlichenTätigkeit im Feld der System Dynamics. Die Expertenbefragung erfolgte schriftlichmittels E-mail.Da die meisten Aktivitäten in System Dynamics in amerikanischen Universitäten undBeratungsunternehmen angesiedelt sind, ergab sich mit der ersten europäischenSystem Dynamics Konferenz in Mannheim im März 2003 eine günstige Gelegenheiteinige europäische Experten auf dem Gebiet persönlich zu treffen. AusgewähltenTeilnehmern wurde angeboten, neben der schriftlichen Beantwortung desFragebogens ein persönliches Gespräch in Mannheim zu führen.
  7. 7. -7-2.2 Aufbau des Fragebogens und AblaufBei der Gestaltung des Fragebogens musste ein Kompromiss aus drei verschiedenenAnforderungen an das Unterfangen sowie die erwarteten Ergebnisse gefundenwerden. Zum einen macht es das Wesen einer schriftlichen Befragung notwendig, dassdie ausgewählten Fragen relativ detailliert formuliert werden. Da bei schriftlichenBefragungen keinerlei direkte Rückmeldungen des Interviewers möglich sind, müssendie Fragen so formuliert sein, dass sie so wenig Raum für Fehlinterpretationen seitensdes Experten zulassen wie möglich.Andererseits verfolgte der Fragebogen das Ziel einen möglichst großen Ausschnitt derExpertenmeinungen bezüglich der Forschungsfrage einzufangen. Der explorativeCharakter des Fragebogens erforderte also allgemein formulierte Fragen, die dieKreativität des Experten anregen und die Antworten nicht im vorhinein in einebestimmte Bahn lenken sollten.Die dritte Anforderung ergab sich aus der Überlegung, ein möglichst breites Spektruman Meinungen zu möglichst vielen Themen abzufragen. Die Fragen mussten sogewählt werden, dass ein möglichst großer Bereich an System Dynamics Wissenthematisiert wurde.Der Kompromiss, der sich aus den formulierten Anforderungen ergab war einFragebogen, der sich an dem in System Dynamics allgemein anerkannten Prozess desModellbaus (wie z. B. in Sterman 2000 formuliert) orientierte. Dem Aufbau desFragebogens konnte damit eine klare, für einen Experten leicht verständliche undlogische Struktur gegeben werden. Die Fragen waren allgemein formuliert, enthieltenjedoch Schlüsselwörter, die die Interpretation in eine bestimmte Richtung lenkensollten. Mit der Orientierung am Modellbauprozess konnte die Anzahl der Fragen sogewählt werden, dass ein großes Spektrum an Wissen abgedeckt werden konnte(siehe Anhang 1).Der in Anhang 1 dargestellte Fragebogen wurde einige Wochen vor dem erstenSystem Dynamics Work Shop in Mannheim am 20. März 2003 an einige teilnehmendeExperten versendet. Den Experten wurde die Möglichkeit geboten, den Fragebogenschriftlich auszufüllen oder in Form eines 20 – 30 minütigen Interviews mit mir inMannheim zu beantworten. Zusätzlich wurde der Fragebogen ohne die Option einespersönlichen Interviews an einige amerikanische Experten versendet.Von den etwa 30 angesprochenen Personen antworteten folgende schriftlich:
  8. 8. -8-Yaman Barlas, Jack Homer, David Lane, Edoardo Mollona, John Morecroft, ErlingMoxnes, John Sterman, Kim Warren, Markus Schwaninger, Graham Winch.Mit zwei Personen, nämlich Jac Vennix und Peter Milling konnte ein persönlichesInterview durchgeführt werden.2.3 ErgebnisseGrundsätzlich ist zu dem vorhandenen Datenmaterial zu bemerken, dass dieAntworten eher allgemein gehalten sind. Das heißt es werden kaum konkreteWissensthemen aufgelistet, die Manager wissen sollen, sondern in den meisten Fällenallgemeine Konzepte angegeben, die das Weltbild hinter System Dynamics wiederspiegeln.Im Folgenden werde ich auf die ersten sechs Fragen näher eingehen. Frage für Fragewird untersucht, ob es einen Grundtenor in den Meinungen gibt, wenn ja welchen, bzw.wie stark die Meinungen zu einer bestimmten Frage streuen. Besonders interessanteAntworten und abweichende Meinungen werden eine besondere Erwähnung erfahren.1. Problem IdentificationDie meisten Antworten auf diese Frage beziehen sich auf das Konzept derdynamischen Komplexität in sozialen Systemen. Das heißt Manager sollen wissen wasdynamische Komplexität ist, und welche Probleme damit einher gehen. Eine typischeAntwort stammt von Yaman Barlas: „A clear definition of a dynamic feedback problem.It’s distinction from a static decision problem“. Obwohl allgemeine Antworten in derForm wie sie Barlas gibt vorherrschen, konkretisiert ein Experte, der nicht genanntwerden will: „So an appreciation of behaviour over time charts and the relationshipbetween structure and behaviour is essential for problem identification.2. Qualitative ModelingHier streuen die Antworten stark und reichen von Empfehlungen über Wissenbezüglich der klassische Modelliertechnik, dem Causal Loop Diagram bis hin zu derExtremposition von Kim Warren, der die Ansicht vertritt, dass überhaupt kein Wissenüber qualitatives Modellieren für Manager angebracht ist. Warren begründet seineAntwort: „None – since managers need to know what to do, when and how much, to
  9. 9. -9-bring about what scale of performance improvement, and insurmountable theoreticalproblems prevent qualitative mapping achieving this purpose...“. Die Bedenken, dieWarren in Bezug auf qualitative Modelliertechniken hegt sind ein weitres gemeinsamesMerkmal der meisten Antworten. Die meisten Experten sind der Meinung, dass CausalLoop Diagrams eine sinnvolle Technik für Manager darstellt, warnen jedoch zumeistvor deren Beschränkungen. Ein Experte mit dem Code-Namen Bernard Dixon:„Managers should be encouraged to draw CLDs (or even word-and-arrow diagramswith few or no feedback loops) as an aid to understanding, but should NOT expect todraw firm conclusions about policy interventions.“.3. Developing a fully specified quantitative modelDiese Frage behandelt den kontroversen Punkt, ob Manager Modelle inGleichungsform bauen sollen oder nicht. Die Meinungen im Feld zu dieser Problematiksind sehr unterschiedlich. Dementsprechend vielfältig sind auch die Reaktionen aufdiese Frage. Ein Experte, der anonym bleiben möchte meint: „I believe that inexpertattempts to model quantitatively with easy-to-use software [...] is potentially verydangerous.“. Im Gegensatz dazu Kim Warren: „They should have experienced thebuilding and behaviour of simple models ...“. Die Antworten einiger Experten lassensich dahingehend interpretieren, dass Manager Wissen besitzen sollten, das es ihnenermöglicht, gute „Partner“ in einem Modellierprojekt mit einem Experten zu sein. PeterMilling schlägt darüber hinaus vor, dass Manager einen gesunden Modellskeptizismusan den Tag legen sollten: „Keine blinde Modellgläubigkeit. Mit Modellen kann irresSchindluder betrieben werden.“.4. Purpose of ModelsDie Antworten auf diese Frage sind relativ einheitlich und gehen alle in die Richtung,dass Manager wissen müssen, ob ein Modell das Problem, für welches es gebautwurde anspricht und Lösungsvorschläge generiert. In diesem Zusammenhang wurdenöfters die Schlagworte Modellskeptizismus und Modellvalidierung genannt. Managersollten also wissen, ob das Modell eine brauchbare Abbildung des realenproblemverursachenden Systems darstellt. Kim Warren beschreibt drei Modellzweckemit unterschiedlichen Anforderungen an diese Überprüfung durch Manager. Erstens,Modelle, die klären sollen, warum bestimmte Probleme auftreten, wo die Hebelpunkteliegen könnten und welche Indikatoren man betrachten sollte. Für diese Modelle reichtes aus, wenn Manager in der Lage sind zu beurteilen, ob die Struktur des Modells eineungefähre Abbildung der Realität darstellt. Das Modellverhalten sollte eineeinigermaßen bekannte Karikatur des Problemverhaltens in der Realität darstellen.Zweitens Modelle, die quantitative Hilfe bei Entscheidungen geben sollen. Hier ist eserforderlich, dass Manager in der Lage sind zu beurteilen, ob das Modellverhalten mitDaten aus der Realität übereinstimmt. Drittens, detaillierte Prognose undEntscheidungsmodelle. Zu den Anforderungen an die Überprüfung der zweiten
  10. 10. - 10 -Modellart kommt hinzu, dass sich Manager vergewissern sollten, ob das Modell einerrigorosen Gültigkeitsprüfung unterzogen wurde, und welche Grenzen dieseTestmethoden der Vertrauenswürdigkeit in das Modell setzen.5. Implementation of Model outcomesDie Meinungen bezüglich der Implementierung der Modellergebnisse können sozusammengefasst werden, dass System Dynamics Wissen bei Managern dasVertrauen in Modellergebnisse fördert. Dadurch wird die Umsetzung der Ergebnisse ineiner Organisation günstig beeinflusst. Manager sollen die Modellergebnisse kritischbetrachten und als Basisempfehlungen sehen, die vor der Umsetzung noch aufmögliche, im Modell nicht berücksichtige Einflüsse geprüft werden sollen. Ein Experte,der nicht genannt werden will drückt den Sachverhalt folgendermaßen aus:„Implementation requires understanding by policy makers,...“. System DynamicsWissen wird als Voraussetzung für eine erfolgreiche Umsetzung gesehen.6. The role of SD in an organizationBei den Meinungen der Experten bezüglich der Rolle von System Dynamics in einerOrganisation lassen sich drei Hauptargumentationslinien ausmachen. Erstens herrschtEinigkeit darüber, dass System Dynamics Wissen bei Managern den Prozess desModellbaus in einer Kunden – Experten Rolle positiv beeinflusst. Hier bewerten dieExperten die Situation aus der Perspektive eines Beraters. Sowohl die Akzeptanz vonSystem Dynamics Projekten als auch die Effektivität der Zusammenarbeit könnengesteigert werden. Edoardo Mollona gibt eine typische Antwort: „[System Dynamicsknowledge] create[s] commitment, facilitates the process of information collection andmental models elicitation.“.Zweitens ermöglicht System Dynamics Wissen das Erkennen von dynamischenProblemen, sowie fördert das Verständnis und die Einsicht für deren Wichtigkeit inManagementfragen. Bernard Dixon: „It is helpful if the managers all learn to appreciatewhy the issue being modeled is dynamically complex and how a model can help themto avoid terrible mistakes that a „business as usual“ approach could produce.“.Die dritte Argumentationslinie bezieht sich auf den Themenkreis „Manager alsModellbauer“. Hier gehen die Meinungen weit auseinander und reichen von „only astep on the road towards having all decision makers be their own SD model builders.“von Dr. David C. Lane bis „But it should not be expected that more than a handful ofmanagers will ever have a very direct hand in building models themselves.“ von JackHomer.In diesem Zusammenhang äußert sich Peter Milling über die relativ geringeVerbreitung von System Dynamics im Management: „Es ist eben kein Verfahren wieTabellenkalkulation oder Balanced Scorecard, das relativ schnell eingeführt relativschnell Ergebnisse präsentiert. Nein, es ist ein mühseliger Prozess diese Gedanken in
  11. 11. - 11 -einem Unternehmen zu verbreiten, es ist ein langwieriger Prozess, es ist ein Prozess,der von den entsprechenden Promotoren Standhaftigkeit und Engagement über langeZeiträume verlangt, und eben nicht unmittelbar und kurzfristig zu Ergebnissen führt.“.2.4 Umformulierung der ForschungsfrageMit dem vorliegenden Datenmaterial aus der Expertenbefragung können keinerleidetaillierte Aussagen darüber getroffen werden was Manager über System Dynamicswissen sollen. Die Streuung der Antworten und Meinungen ist sehr groß. Die Expertensind sich jedoch über gewissen allgemeine Themenbereiche, die für ManagerRelevanz haben sollten einig:• Langfristige Feedbackperspektive• Stock und Flow Akkumulation• Dynamische Komplexität als Konsequenz aus den ersten beiden Punkten• Probleme, die mit dynamischer Komplexität und Entscheidungen einher gehen• Kritische Beurteilung von Modellergebnissen und Klarheit über den Zweck von Modellen• System Dynamics Grundwissen für eine gute Zusammenarbeit von Kunde und ExperteTrotz des Mangels an konkreten Ergebnissen konnten aus den Experteninterviewsdennoch einige wichtige Erkenntnisse für den weiteren Verlauf der Untersuchunggewonnen werden.Bis zu diesem Zeitpunkt wurde ohne zu hinterfragen angenommen, dass relevantesSystem Dynamics Wissen für Manager in Bezug auf Prozesse und Methoden eineTeilmenge des Expertenwissens darstellen müsse. Auch die Interviewfragen wurdenmit dieser Annahme im Hintergrund formuliert.Die grundsätzliche Frage, die sich stellt ist:„Gibt es andere Anwendungen von System Dynamics im Management als die durchExpertenanwendung charakterisierten Formen?“.
  12. 12. - 12 -Der Schlüssel in der Beantwortung der Frage „Was sollen Manager wissen?“, liegt inder Beantwortung der Fragen:1) „Warum sollen Manager etwas über System Dynamics wissen?“ und2) „Wozu soll dieses Wissen verwendet werden, wozu soll es befähigen?“.Die weiteren Überlegungen in dieser Arbeit orientieren sich also am Zweck vonAnwendungsformen von System Dynamics im Management. Im nächsten Kapitel sollmit der Darlegung eines theoretischen Bezugsrahmens die Basis für diese Arbeitgeschaffen werden. Gleichzeitig wird damit die erste Frage „Warum sollen Manageretwas über System Dynamics wissen“ beantwortet. Anschließend wird aufgrund einerLiteraturanalyse untersucht, was die vorherrschenden Formen der Anwendung sind.
  13. 13. - 13 -3 Theoretischer BezugsrahmenIn diesem Kapitel möchte ich mit der Darlegung eines Theoretischen Rahmens dieBasis für weitere Überlegungen in Bezug auf die Beantwortung derHauptforschungsfragen legen. Der theoretische Bezugsrahmen wird durch vierPrämissen gebildet, welche den Ausgangspunkt für alle weiteren Argumentationendarstellen.• Soziale Systeme sind komplex.• Eingriffe in soziale Systeme durch den Menschen sind problematisch.• Die wachsende Komplexität erfordert den Einsatz neuer Werkzeuge.• System Dynamics ist ein Werkzeug für die Handhabbarmachung von Komplexität.Die vier Prämissen geben gleichzeitig Antwort darauf "Warum Manager etwas überSystem Dynamics wissen sollen". Manager sind Personen, die in komplexe sozialeSysteme zielgerichtet steuernd eingreifen müssen. Die zweite Prämisse wird darlegen,dass Menschen Probleme damit haben die Auswirkungen ihrer Eingriffe auf dasglobale Verhalten des komplexen Systems zu prognostizieren. System Dynamics isteine Möglichkeit die wachsende Komplexität sozialer Systeme beherrschbarer zumachen. Insofern können die Methoden und Techniken eine wertvolle Ergänzung imRepertoir der Management-Werkzeuge darstellen.3.1 Soziale Systeme und Komplexität3.1.1 Eine Definition von komplexen SystemenKomplexe Systeme können am besten beschrieben werden, indem man sie miteinfachen oder nicht-komplexen Systemen vergleicht.Einfache Systeme zeichnen sich dadurch aus, dass die Eigenschaften des Ganzen inden Eigenschaften der Komponenten des Systems verwurzelt sind. Solche Systemesind additiv und entsprechend der Anzahl der Komponenten des Systems skalierbar.Ein Beispiel für ein einfaches System wäre ein Eimer voll Sand. Die Masse eines Eimer
  14. 14. - 14 -voll Sand ist die Summe der Massen der einzelnen Sandkörner. Es handelt sich umeinen einfachen, linearen, additiven und vorhersagbaren Prozess.Die wesentliche Eigenschaft, die komplexe von einfachen Systemen unterscheidet istemergentes Verhalten. Die emergente Eigenschaft komplexer Systeme entstehtaufgrund der Interaktionen der Elemente eines Systems. Die emergente Eigenschafteines komplexen Systems lässt sich nicht auf die Eigenschaften seiner Komponentenzurückführen. Das Ganze ist mehr als die Summe seiner Teile. Die Interaktion derKomponenten erzeugt dynamische Komplexität. Davon zu unterscheiden ist diekombinatorische Komplexität. Diese entsteht in erster Linie durch das Vorhandenseineiner sehr großen Anzahl von Komponenten und der Suche nach Kombinationen unterihnen, welche bestimmte gewünschte Eigenschaften aufweisen. Das Problem denoptimalen Flugplan einer Airline zu finden ist sehr komplex, aber die Komplexitätbesteht in der Berücksichtigung von extrem vielen möglichen Lösungen und der Suchenach der besten. Dynamische Komplexität hingegen kann bereits in Systemen mit sehrgeringer kombinatorischer Komplexität auftreten.Einige wichtige Eigenschaften komplexer Systeme, und Ursachen für dynamischeKomplexität sind:• Nichtlinearität – Der Effekt ist selten proportional zu seiner Ursache. Nichtlinearitäten in der Interaktion der Systemkomponenten ergibt sich häufig aus den physischen Gegebenheiten des Systems. Z.B. bewirkt ein zu geringer Lagerbestand, dass die Produktion angekurbelt wird, andererseits kann die Produktion niemals negativ werden, egal wie hoch der Lagerbestand ist.• Abhängigkeit und Vernetztheit – eine einzelne Komponente des Systems beeinflusst andere Komponenten und wird von diesen beeinflusst. Oft bestimmt der Grad der Abhängigkeit zwischen den Systemkomponenten wie schnell sich ein Ereignis an einer Stelle des Systems zu anderen Teilen des Systems ausbreitet.• Feedback – Feedback beschreibt die Tendenz eines Systems seinen eigenen Output als Input für Änderungen im System zu verwenden. Positives Feedback verstärkt den Systemoutput, negatives Feedback beschränkt das Wachstum des Outputs.• Emergenz – Das Verhalten der einzelnen Komponenten des Systems und ihr Zusammenwirken erzeugt das globale Verhalten. Das Verhalten des gesamten Systems ist mehr als die Summe der Verhalten der Einzelkomponenten.• Selbstorganisation – Wenn ein komplexes System offen gegenüber der Umwelt ist, kann es immer unorganisierter werden, d. h. sich immer weiter von einem Gleichgewicht entfernen. An einem gewissen Punkt reorganisiert sich das System
  15. 15. - 15 - selbst in eine neue Struktur. Die neue Struktur ergibt sich spontan aus dem emergenten Verhalten des Systems.• Adaption – Die Fähigkeiten und Entscheidungsregeln der Agenten eines komplexen Systems können sich ändern. Evolution führt zur Selektion und Wachstum bestimmter Agenten, während andere aussterben. Adaptives Verhalten ergibt sich auch, wenn Agenten aus Erfahrung lernen ihre Ziele zu erreichen und Hindernisse zu umgehen.• Butterfly Effects – Manche komplexe Systeme können extrem sensibel auf veränderte Anfangsbedingungen reagieren. Winzige Änderungen im Anfangszustand können sich über die Zeit zu enormen Änderungen im Systemverhalten aufschaukeln.3.1.2 Komplexe soziale SystemeErste Prämisse:Soziale Systeme sind komplexe Systeme im Sinne der obigen Definition. SozialeSysteme sind komplexe Systeme, welche die Komponente Mensch beinhalten.Für meine Zwecke besonders wichtig ist das soziale System Organisation in Formeiner Unternehmung. Die Komponenten dieses Systems sind physische Güter wieRohmaterial, Produkte oder Produktionsanlagen, menschliche Akteure, dieEntscheidungen treffen oder Probleme lösen um die eigenen sowie die Ziele derOrganisation zu erreichen und Information über den Systemzustand, welche als Inputfür die Entscheidungen der Akteure dient. Das Zusammenwirken dieser Komponentenerzeugt dynamische Komplexität.Obwohl sich soziale Systeme in Bezug auf die allgemeinen Eigenschaften vonkomplexen Systemen von physikalischen, chemischen oder biologischen Systemennicht unterscheiden, gibt es dennoch einen wesentlichen Unterschied. SozialeSysteme sind bei weitem komplexer. Als Maß für die Komplexität möchte ich dieAnzahl der Komponenten sowie den Grad ihrer Vernetztheit verwenden. Ein Maß, dassich aus diesen beiden Punkten ergibt, aber besonders für soziale Systeme hoheRelevanz besitzt ist der Grad der Folgelastigkeit von Entscheidungen. Wenn manunterstellt, dass soziale Systeme, wie z.B. Unternehmen Ziele verfolgen, derenErreichung am globalen Verhalten des Systems gemessen werden, so könnte mandieses Komplexitätsmaß operationalisieren, indem man das Verhältnis der Anzahl dermöglichen richtigen Entscheidungen zu der Anzahl der möglichen falschen
  16. 16. - 16 -Entscheidungen in Bezug auf das Systemziel angibt. Die vergleichsweise hoheKomplexität sozialer Systeme hat zwei wichtige Gründe:• Die Akteure in sozialen Systemen haben ein Funktionsmodell der systeminternen und umweltbedingten Prozesse. Das heißt, sie nehmen bewusst wahr, dass sie sich in einem System bewegen, welches durch die Umwelt und das System selbst beeinflusst wird. Sie entwickeln darüber hinaus ein Geschichtsbewusstsein, indem sie Informationen aus der Vergangenheit für die Lösung gegenwärtiger Probleme nützen und zukünftige Folgen ihrer Entscheidungen abwägen. Ein soziales System hat damit die Möglichkeit sich selbst als Problem zu erkennen und seine internen Prozesse einer Selbststeuerung zu unterwerfen.• Das bewusste Handeln der Akteure führt dazu, dass diese ständig die Systemstruktur ändern, indem neue Komponenten hinzukommen, andere verschwinden und sich die Verbindungen zwischen den Komponenten ständig ändern.Globalisierung und zunehmende Technisierung der Gesellschaft sowie dieexplosionsartige Verbreitung von effektiven Kommunikationstechnologien führen zuimmer mehr alternativen Möglichkeiten und zu einer immer dichteren Vernetzung derKomponenten sozialer Systeme. Die Folgen der rasch ansteigenden Komplexität fürden Umgang von Menschen mit sozialen Systemen wird Thema des nächstenUnterpunktes sein.3.2 Eingriffe in soziale SystemeZweite Prämisse:Menschen haben erhebliche Schwierigkeiten das globale Verhalten von sozialenSystemen, insbesondere nach Eingriffen vorherzusehen.Die dynamische Komplexität sozialer Systeme hat einige Konsequenzen für denUmgang von Menschen mit diesen Systemen. Vor allem steuernde Eingriffe mit demZiel ein gewünschtes globales Verhalten zu erreichen sind problematisch.3.2.1 Counterintuitive Behavior
  17. 17. - 17 -Im Feld der System Dynamics spricht man häufig von einem "counterintuitive behavior"sozialer Systeme. Ganz allgemein ist damit eine Situation gemeint, in der ein Systemein unerwartetes Verhalten als Reaktion auf einen Eingriff aufweist. Die Eingriffe in dasSystem erfolgen aufgrund eines mentalen Modells über die Struktur und dieZusammenhänge des Systems. Das Konzept des "Mentalen Modells" geht aufForrester (Forrester 1961) zurück. Die Idee, dass Menschen interne Modelle vonInformationsfeedback Systemen erzeugen, speichern und manipulieren war für dieTheorie der System Dynamics zentral. Die Natur und die Eigenschaften diesermentalen Modelle sind die Voraussetzungen für die Überzeugung, dasssystemdynamisches Modellieren und systemdynamische Simulation den Umgang vonMenschen, die mit Komplexität sozialer Systeme konfrontiert sind verbessern kann. Esexistieren einige Definitionen, die jedoch teils widersprüchlich sind, teils weiter undenger gefasst sind. Senge (Senge 1990, pp. 8) z.B. definiert:"Mental models are deeply ingrained assumptions, generalizations, or even pictures orimages that influence how we understand the world and how we take action. Veryoften, we are not consciously aware of our mental models or the effect they have onour behavior."Sterman (Sterman 1994, pp. 294) meint:"In system dynamics, the term mental model stresses the implicit causal maps of asystem we hold, our beliefs about the network of causes and effects that describe howa system operates, the boundary of the model (the exogenous variables) and the timehorizon we consider relevant – our framing or articulation of a problem."Doyle und Ford (Doyle und Ford 1998) schlagen eine verbindliche Definition vor:"...a mental model of a dynamic system is a relatively enduring and accessible, butlimited, internal conceptual representation of an external system whose structuremaintains the preceived structure of that system"Obwohl man sich über die Definition des Konzepts "mental model" nicht ganz einig ist,so herrscht jedoch wenig Uneinigkeit darüber, dass mentale Modelle unzureichendeAbbildungen der Realität darstellen. Z.B. Forrester (Forrester 1971, pp. 213):
  18. 18. - 18 -"The mental model is fuzzy. It is incomplete. It is imprecisely stated. Furthermore,within one individual, a mental model changes with time and even during the flow of asingle conversation".Der Eingriff in soziale Systeme aufgrund von unzureichenden mentalen Modellen führtzu "counter intuitive behavior" des Systems. Dies hat mehrere Gründe die imallgemeinen Verhalten von komplexen Systemen, sowie den mentalen Modellen derMenschen, die sich in diesen Systemen bewegen zu suchen sind (Forreste 1994):1. Ursache und Wirkung sind zeitverzögert In komplexen Systemen, die von zahlreichen Feedbackschleifen und Verzögerungen geprägt sind, kann sich ein Eingriff erst viel später auswirken. Menschen haben gelernt, die Ursache für Probleme mit welchen sie konfrontiert sind in der unmittelbaren zeitlichen Umgebung zu suchen.2. Interventionspunkte Aufgrund der großen Anzahl von balancierenden Feedbackschleifen in sozialen Systemen verpuffen die meisten Eingriffe wirkungslos. Andererseits werden die wenigen Interventionspunkte mit hoher Hebelwirkung auf das Verhalten des Systems häufig falsch eingesetzt relativ zu dem, was man erreichen will.3. Systemendogene Verhaltensursachen Das Verhalten eines sozialen Systems ist eine Konsequenz seiner Struktur und entsteht somit systemendogen. Der Mensch neigt jedoch dazu externe, von den Akteuren nicht beeinflussbare Faktoren für das Missverhalten des Systems verantwortlich zu machen.4. Tendenz zu abfallenden Leistungen Die Akteure in sozialen Systemen verfolgen Ziele. Kommt es über einen längeren Zeitraum nicht zu einem befriedigenden Verhalten des Systems, besteht sehr häufig die Tendenz dazu die Zielvorstellungen abzusenken. Einmal abgesenkte Zielvorstellungen werden nur sehr schwer wieder korrigiert. Dieses Verhalten der Akteure kann zu einer schweren Systemkrise führen, die, einmal aufgetreten kaum mehr bewältigt werden kann.5. Trade-off zwischen kurz- und langfristigen Zielen Die Verfolgung kurzfristiger Ziele verspricht unmittelbare Belohnung. Die langfristigen negativen Auswirkungen auf das System werden dabei häufig ignoriert. In einer immer schnelllebigeren Zeit besteht ein starker Anreiz dafür kurzfristige Ziele in den Mittelpunkt zu stellen. Vor allem die Kombination von abfallenden Zielvorstellungen mit der Verfolgung kurzfristiger Ziele kann zu verheerenden Konsequenzen für das System auf längere Frist führen. Die
  19. 19. - 19 - Tendenz westlicher Industrienationen systemische Strukturprobleme mit nicht nur neuen Schulden sondern auch mit immer höherer Neuverschuldung zu bekämpfen ist eines von unzähligen Beispielen.Einige dieser typischen Verhaltensweisen von komplexen Systemen und die Probleme,welche Menschen im Umgang mit ihnen haben konnten in Experimentennachgewiesen werden.3.2.2 Unterscheidung von Bestands- und FlussgrößenDas komplexe dynamische Verhalten von sozialen Systemen entsteht durch dasZusammenwirken von Stock+Flow-Akkumulation, Verzögerungen und Feedback.Diese drei Komponenten bilden die Bausteine, welche die Struktur des Systemsbestimmen. "Counterintuitive Behavior" entsteht, wenn aufgrund eines falschenmentalen Modells über die Struktur eingegriffen wird. Für die Bildung eines korrektenmentalen Modells ist es somit erforderlich das Konzept der Stock+Flow-Akkumulationzu verstehen. Gerade bei dieser fundamentalen Anforderung zeigen sich jedocherhebliche Schwächen.In einer Studie haben Sweeney und Sterman (Sweeney und Sterman 2000)nachgewiesen, dass selbst technisch hochbegabte Studenten des M.I.T. erheblicheProbleme mit der Unterscheidung von Beständen und Flüssen haben. DieVersuchspersonen mussten in jeweils drei Aufgaben den Verlauf des Bestandes ausdem Verlauf des Nettoflusses in den Bestand ableiten. Der Nettofluss in Abhängigkeitvon der Zeit war in grafisch funktionaler Form gegeben. Der Verlauf des Bestandesmusste in ein Zeit-Mengen Diagramm eingezeichnet werden.Die Versuchspersonen hatten insbesondere Probleme mit der Beziehung zwischen derForm des Nettozuflusses (positiv steigend, fallend oder negativ steigend, fallend) unddem entsprechenden zeitlichen Verlauf des Bestandes. Viele verstanden denZusammenhang nicht, dass die Fläche, die von dem Nettofluss über ein Zeitintervalleingeschlossen wird die Veränderung des Bestandes in diesem Zeitintervall darstellt.Einige Versuchspersonen waren der Meinung, dass der Verlauf des Bestandes eineähnliche Form aufweisen müsse wie der Verlauf des Nettoflusses.Diese Ergebnisse konnten von Ossimitz (Ossimitz 2001) bestätigt werden. Ossimitzfindet zusätzlich Hinweise darauf, dass es ein Basiskonzept in Bezug auf Stock-Flow-Thinking gibt, welches eine Grundvoraussetzung für das Verständnis vonAkkumulationsprozessen bildet. Ist der Nettozufluss positiv, dann muss der Bestandsteigen und vice versa. Versuchspersonen, die bereits mit diesem Grundkonzept
  20. 20. - 20 -Probleme hatten, schnitten besonders schlecht ab. Dass Menschen mit einem derartigeinfachem Konzept sehr wohl Probleme haben zeigt Moxnes (Moxnes 2000). In einemExperiment war der Bestand an Weideflächen durch einen Zu- und einen Abflussbestimmt. Der Zufluss, die Wachstumsrate der Grünflächen war vom Bestand selbstabhängig. Der Abfluss konnte mit der Herde, welche auf den Weiden graste reguliertwerden. Ziel war es, die Größe der Herde zu maximieren. Das Experiment startete ineinem Zustand mit übergraster Weideflächen, sodass es zunächst erforderlich war, dieHerde durch Schlachtungen zu minimieren, um ein Erholen der Grünflächen zugestatten. Selbst professionelle Züchter hatten Probleme damit den Zusammenhangzwischen der Differenz zwischen Zu- und Abfluss (nachwachsende Grünflächen undgrasende Tiere) zu erkennen. Die meisten Versuchspersonen senkten die Anzahl derTiere viel zu langsam, was sich in einem ständigen Übergrasen und damitabnehmender Grünflächen äußerte.3.2.3 Komplexes Problemlösen"Komplexes Problemlösen" ist die Bezeichnung eines relativ neuen Forschungsgebietsder Psychologie, das sich mit der Beschreibung und Erklärung von Phänomenenbefasst, wie sie beim Umgang von Menschen mit komplexen Systemen auftreten. Beidiesen komplexen Systemen handelt es sich typischerweise um computersimulierteSzenarien, in welche der Akteur zielgerichtet handelnd eingreifen soll. KomplexesProblemlösen entstand Mitte der 70er Jahre aus der Erkenntnis heraus, dassempirische Ergebnisse und theoretische Überlegungen, die in einfachenProblemlösungssituationen im Labor entstanden sind nicht auf komplexere Problemedes realen Lebens übertragbar sind. Die Simulationsszenarien bestehen in der Regelaus mehreren Variablen, zwischen welchen wechselseitige Beziehungen existieren.Von "Problemlösen" spricht man, weil der Übergang von einem Ausgangszustand ineinen Zielzustand, welche die Versuchsperson erreichen soll nicht in einem Schritterfolgen kann, sondern das Überwinden von Barrieren zwischen Ist- und Sollwertenerfordert.Es gibt einige typische Merkmale der Situation, welcher sich ein Akteur in einemComputerszenario ausgesetzt sieht (Dörner, Kreuzig, Reither und Stäudel 1983):1. Die Komplexität der Situation Diese bezieht sich primär auf die Menge der zu verarbeitenden Information, die die zur Verfügung stehende Kapazität bei weitem überschreitet und damit optimale Problemlösung verhindert. Dadurch entsteht die Notwendigkeit starker Informationsreduzierung.
  21. 21. - 21 -2. Die Intransparenz der Situation Darunter wird eine Situation verstanden, in der nicht alle Informationen, die ein Akteur für seine Entscheidung benötigt unmittelbar verfügbar sind. Es besteht die Notwendigkeit der aktiven Informationsbeschaffung.3. Die Abhängigkeiten zwischen den Variablen Nicht nur die bloße Menge an Informationen ist zu bewältigen, sondern auch die Beziehungen der Variablen untereinander. Das System und die verfolgten Ziele machen es erforderlich, dass bei den Akteuren Vorstellungen über die wechselseitigen Abhängigkeiten der Variablen gebildet werden.4. Die Eigendynamik der Situation Das System entwickelt ohne Zutun der Akteure eine Eigendynamik. Akteure handeln unter Zeitdruck.5. Die Polytelie der Situation In komplexen Situationen ist es häufig erforderlich nicht nur ein Ziel zu verfolgen sondern in der Regel mehrere, häufig sogar widersprüchliche Ziele. Dies erzeugt die Notwendigkeit einer mehrdimensionalen Informationsbewertung und Regeln für die Gewichtung konfliktärer Ziele.Ein Hauptanliegen der Forschung in diesem Bereich ist es, eine generelle Theorie fürdie Erklärung des Verhaltens von Menschen beim Lösen von komplexen Problemen zufinden. Die bisherige Forschung hat einige Faktoren, die menschliches Verhalten inkomplexen Problemlösungssituationen beeinflussen identifiziert (Frensch und Funke1995).Interne Faktoren Erfahrung. Komplexes Problemlösen variiert mit der Erfahrung, die ein Individuum in dem entsprechenden Aufgabengebiet hat. Erfahrung beeinflusst die Wahrscheinlichkeit erfolgreichen Problemlösens. Außerdem beeinflusst Erfahrung die Problemlösungsstrategie. Es konnte nachgewiesen werden, dass Experten ihre Hypothesen über die kausalen Zusammenhänge komplexer Systeme häufiger änderten als Neulinge. Durch die höhere Anzahl der in Betracht gezogenen Hypothesen über die Kausalstrukturen des Systems steigt die Wahrscheinlichkeit die richtige Struktur des Systems herauszufinden. Auf der anderen Seite unterliegen Experten in einem geringeren Ausmaß einem "confirmation bias". Das heißt, dass Experten widersprüchliche Informationen stärker gewichten und damit eine Strategie des Testens von Hypothesen stärker ausgeprägt ist als bei Neulingen (Krems 1995).
  22. 22. - 22 - Kognitive Variablen. Es gibt einige Hinweise darauf, dass kognitive Variablen wie Hintergrundwissen, Strategien der Informationssammlung und Informationsbewertung, sowie kognitive Stile komplexes Problemlösen beeinflussen. Zu dem Einfluss von Intelligenz auf die Leistung beim Lösen komplexer Probleme gibt es kontroverse Ergebnisse. In diesem Zusammenhang wurde häufig der klassische Intelligenztest, welcher Problemlösungsverhalten in statischen Situationen misst kritisiert. Ein Zusammenhang zwischen komplexem Problemlösen und Intelligenz tritt häufig dann auf, wenn das Szenario abstrakt ist, das heißt semantisch nicht in ein "reale Welt Szenario" eingebettet ist. Die Situation ähnelt dann eher einem klassischen Intelligenztest (Beckmann und Guthke 1995). Nichtkognitive Variablen. Die Leistungen beim Lösen komplexer Probleme scheinen durch nichtkognitive Variablen wie Selbstvertrauen, Motivation und Arbeitsfreude begünstigt zu werden. Generell wird Komplexes Problemlösen von persönlichen und sozialen Faktoren beeinflusst.Externe Faktoren Die externen Faktoren beschreiben die Charakteristika der Aufgabe, welche die Versuchsperson lösen soll. Dazu zählen unter anderem die semantische Einbettung der Aufgabe. Also wie sehr die Aufgabenstellung einer Situation aus dem realen Leben ähnelt. Die Transparenz der Aufgabe beschreibt, in welchem Ausmaß kausale Zusammenhänge und Zustände des Systems der Versuchsperson bekannt gegeben werden. Die Komplexität bestimmt die Anzahl der Elemente und den Grad der Vernetztheit dieser Elemente. Zur Komplexität können auch Feedack und Verzögerungen gezählt werden.Menschliches Problemlösen in komplexen Situationen wurde in einer Vielzahl vonExperimenten untersucht. Dabei reicht das Spektrum an verwendeten Szenarien vonrelativ einfachen und transparenten Systemen mit wenigen Variablen bis zu Systemenmit extrem vielen Variablen mit hoher Vernetztheit, hoher Intransparenz und allgemeinformulierten Zielen. Das Design der Experimente ist naturgemäß stark davonbeeinflusst, welche der oben genannten Einflussfaktoren isoliert werden sollen. Funke(Funke 1992) untersucht z.B. anhand eines Systems mit drei endogenenZustandsvariablen und drei exogenen Steuerungsvariablen inwieweit dieEigendynamik des Systems die Leistung der Versuchspersonen bei der Bewältigungder Aufgabe beeinflusst. Komplexes Problemlösen in sehr realitätsnahen Situationenwurde von Dietrich Dörner schon seit Mitte der 70er Jahre untersucht. Charakteristischfür die Studien von Dörner sind Situationen mit hoher Realitätsnähe, vielen vernetztenVariablen und unklaren Zielvorgaben. Ich möchte an dieser Stelle die Arbeiten vonDörner und die Ergebnisse seiner Studien näher betrachten.Die Szenarien
  23. 23. - 23 -Dörner untersucht das Planungs- und Entscheidungsverhalten von Menschen inkomplexen Systemen anhand von computersimulierten Szenarien, die stark an realeSysteme angelehnt sind. Mit diesen Experimenten sollen Merkmale der kognitivenProzesse der Versuchspersonen wie Denken, Entscheiden, Planen undHypothesenbildung untersucht werden. In der Studie "Lohhausen" (in Dörner 1989)nimmt die Versuchsperson die Rolle eines Bürgermeisters einer deutschen Kleinstadtmit 3700 Einwohnern ein. Die wirtschaftliche Situation von Lohnhausen ist durch dieörtliche Uhrenfabrik bestimmt. Es gibt Einzelhandelsgeschäfte, Arztpraxen, Bankenund Gasthäuser. Die Aufgabe der Versuchsperson besteht darin, die Geschicke dieserKleinstadt über einen simulierten Zeitraum von 10 Jahren zu lenken. DieVersuchsperson ist mit weitreichenden Eingriffsmöglichkeiten ausgestattet. Das zuverfolgende Ziel ist sehr allgemein als "Kümmern um das Wohlergehen derBevölkerung" definiert.In der Studie "Tanaland" (in Dörner 1989) mussten die VersuchspersonenEntwicklungshilfe für zwei halbnomadische Stämme in einem Gebiet derostafrikanischen Steppe organisieren. Ein Stamm in diesem Gebiet lebt von Acker- undGartenbau, der andere von Viehzucht und Jagd. Die Versuchspersonen hattenwiederum nur das vage definiertes Ziel für das Wohlergehen der beiden Stämme unddes gesamten Gebietes zu sorgen. Die Versuchspersonen konnten hierfür z.B.Jagdmaßnahmen anordnen, die Düngung der Plantagen verbessern, Brunnen bauenund das Bewässerungssystem verbessern, Geburtenkontrollen einführen oderTraktoren kaufen. Mittels sechs Eingriffen zu welchen jeweils ein Paket vonMaßnahmen möglich war wurde ein Zeitraum von 10 Jahren simuliert.Die Schwierigkeiten der AufgabeDörner nennt einige Probleme mit welchen die Versuchspersonen in diesen Szenarienkonfrontiert sind (Dörner 1989). Aus diesen allgemeinen Merkmalen derHandlungssituationen ergeben sich Anforderungen an den Handelnden.KomplexitätKomplexität ergibt sich, wenn viele Variablen, Systemzustände oder Merkmalevorhanden sind, und diese untereinander vernetzt sind. Eine hohe Komplexität stellthohe Anforderungen an das Sammeln von Informationen als Grundlage vonEntscheidungen. Die Vernetztheit bewirkt, dass sich Eingriffe selten nur lokalauswirken, sondern Neben- und Fernwirkungen haben.Dynamik
  24. 24. - 24 -Die Eigendynamik der Situation verursacht Zeitdruck beim Treffen vonEntscheidungen. Für eigendynamische Systeme ist die Kenntnis des aktuellenZustandes nicht genug, es müssen Erwartungen über die Entwicklungstendenzen desSystemverhaltens gebildet werden.IntransparenzViele Merkmale der Situation sind dem Entscheider gar nicht oder nicht unmittelbarzugänglich. Selbst wenn der Entscheider vollständige Kenntnis von der Systemstrukturhat, bleibt ihm die aktuelle Situation teilweise verborgen.HypothesenUm Eingriffe und deren Auswirkungen planen zu können braucht man eine Vorstellungvon der Struktur des zugrundeliegenden Systems. Die Akteure halten ein Modell derRealität, welches Annahmen über wechselseitige Beziehungen der Elemente imSystem beinhaltet. Dieses Modell kann explizit im Sinne von bewusst oder implizit sein.Handlungen aufgrund von impliziten Realitätsmodellen könnte man auch als intuitiveHandlungen bezeichnen.Einige empirische ErgebnisseFolgend sollen einige empirische Ergebnisse vorgestellt werden, die Menschen beimHandeln in komplexen Situationen, wie sie oben beschrieben wurden haben.Probleme mit ZielenIn komplexen Problemsituationen mit global definierten Zielen ist häufig ein Defizit beider Bildung von Teilzielen des Globalziels festzustellen. Globalziele sind nicht klardefiniert und geben keine unmittelbare Handlungsstrategie vor. Ein Fehlen der Bildungvon Teilzielen führt meistens dazu, dass Versuchspersonen Missstände aufgreifen undbeseitigen, die augenfällig sind, oder ihren Kompetenzen und Vorwissen entsprechen.Diese Ziele können die falschen in Bezug auf das Erreichen des Globalziels sein. EineKonzentration auf die unmittelbaren Missstände schafft mit der Zeit Unsicherheit beider Versuchsperson. Die Folge ist eine Sicherheit schaffende, starke Konzentrationauf irrelevante, aber leicht lösbare Probleme.Eine andere Art von Problemen mit der Zielformulierung ergibt sich, wenn sichVersuchspersonen nicht im Klaren darüber sind, dass sie konfliktäre Ziele verfolgen. Inkomplexen Systemen ist es normal, dass verschiedene Ziele nicht gleichzeitig erreichtwerden können. Frustration bei den Versuchspersonen führt oft dazu, dasssystemexogene Umstände für die Nichterreichung der Ziele verantwortlich gemachtwerden.
  25. 25. - 25 -Informationssammlung und HypothesenbildungFür die Bildung von Hypothesen über die Zusammenhänge in dem zugrundeliegendenSystem kann man verschiedene Handlungstendenzen beobachten. Unsicherheit spielthier wieder eine zentrale Rolle. Bei manchen Versuchspersonen kommt es, speziell beiAufgaben, die unter Zeitdruck zu lösen sind zu einer Verweigerung vonInformationsaufnahme und blindem Aktionismus. Andere Versuchspersonen wiederumneigen zu einer exzessiven Informationssammlung um die innere Unsicherheit über diegemutmaßten Zusammenhänge zu bekämpfen. Häufig treffen sie Entscheidungen nurzögerlich. Oftmals kommt es dazu, dass Individuen reduzierte Hypothesen über dieSystemzusammenhänge bilden. Dabei werden in der Regel wichtige Rückkoppelungenvernachlässigt, und das gesamte System auf wenige zentrale Variablen reduziert.Diese reduzierten Hypothesen habe eine Reihe von Vorteilen. Sie sind leicht zuhandhaben und zu erfassen. Sie geben klare Handlungsanleitungen und sind überdies,wenn Teile der Gesamthypothese isoliert betrachtet werden auch korrekt. Es ist nichteinfach eine reduzierte Hypothese zu widerlegen und das gibt Sicherheit. Pläne fürEingriffe in das System aufgrund reduzierter Hypothesen sind jedoch häufig falsch weilnur Aktionen berücksichtigt werden, die die zentrale Variable beeinflussen und dieEffekte dieser Eingriffe auch nicht rückgekoppelt sind.Prognosen des SystemverhaltensMenschen haben erhebliche Probleme damit Zeitabläufe zu erfassen, vor allem dann,wenn diese nicht linear sind. Lineare Extrapolation ist eine geeignete Strategie fürkurzfristige Prognosen, scheitert jedoch häufig, wenn die Prognosezeiträume längerwerden. Prognosen sind vor allem dann schwierig, wenn das Verhalten des Systemsnicht monoton ist, sondern plötzlichen und unerwarteten Änderungen unterliegt.Planen und EntscheidenDas Planen von Aktionen in komplexen Systemen ist besonders durch dieSchwierigkeit gekennzeichnet, dass praktisch jeder Eingriffe Nebenwirkungenausweist, die noch dazu in Zeit und Raum entfernt liegen können. Ein typischmenschliches Verhalten beim Planen von Aktionen in komplexen Systemen ist dieNichtbeachtung dieser Nebeneffekte. Eine Planung, die Nebeneffekte berücksichtigtkann leicht in ein Verhalten ausarten, welches oben als exzessiveInformationssammlung charakterisiert wurde. Mehr Information über Nebeneffekteverkompliziert das Problem indem es die Komplexität der Situation in das Bewusstseinbringt, und führt zur Notwendigkeit noch mehr Informationen einzuholen. DiesesVerhalten kann plötzlich in einen wilden Aktionismus umschlagen, wenn dasIndividuum schlussendlich resigniert .Typischerweise zerlegen "gute" Versuchspersonen ein Hauptziel in mehrereZwischenziele. Diese Zwischenziele werden mit einem Bündel von Entscheidungen zu
  26. 26. - 26 -erreichen versucht. "Gute" Versuchspersonen ziehen die Vernetztheit von Zielen undEntscheidungen in ihr Planungskalkül mit ein. Bei "erfolglosen" Versuchspersonenbleiben Ziele und Entscheidungen relativ unabhängig von einander.Typisch für erfolglose Versuchspersonen ist ein Verhalten bei welchem schnell voneinem Problemlösungsthema zum nächsten gesprungen wird wenn Schwierigkeitenauftreten.Es wurden einige Ursachen für diese ausgeprägten Defizite beim Problemlösen inkomplexen Situationen genannt (Dörner 1995):Beschränkte Kapazität des menschlichen GehirnsDie beschränkten kognitiven Fähigkeiten des Gehirns zwingen die Menschen dazu mitder Ressource "bewusstes Denken" sparsam umzugehen. Dies verursacht eine Reihevon Fehlertendenzen wie die Bildung reduzierte Hypothesen oder die lineareExtrapolation von Zeitverläufen.KompetenzKompetenz äußert sich nach außen in der Fähigkeit effektiv handeln zu können. InnereZweifel an der eigenen Kompetenz werden durch aktionistische Entscheidungenverdrängt.Das aktuelle MotivMenschen versehen aktuelle und akute Probleme mit einem sehr starken Gewicht. Daskann dazu führen, dass relativ unbedeutende akute Probleme bekämpft werden unddabei eine viel schwerwiegendere langfristige Entwicklung aus den Augen verlorenwird.VergessenEinfaches vergessen ist dafür verantwortlich, dass Menschen keine klare Vorstellungvon zeitlichen Entwicklungen haben. Besonders bei langsamen Entwicklungen istdieses Defizit erkennbar. Es entsteht die Tendenz zur linearen Extrapolation vonzeitlichen Verläufen.Wie man sieht liegen die erklärenden Variablen für die Probleme der Menschen imUmgang mit komplexen Systemen hier überwiegend im Bereich der Persönlichkeit desProblemlösers selbst. Es existieren im Gegensatz dazu einige Studien, die dieunabhängigen Variablen in externen Faktoren suchen. Hier wurde insbesondere der
  27. 27. - 27 -Einfluss wichtiger Eigenschaften von Informationsfeedback Systemen untersucht,nämlich Feedback und Verzögerungen.Die verwendeten Computerszenarien sind ähnlich wie jene wie sie z.B. Dörnerverwendet. Die simulierte Umwelt beinhaltet mehrere Akteure, Feedback,Nichtlinearitäten und Verzögerungen. Die Interaktion der individuellen Entscheidungenmit der Struktur des Systems verursacht komplexes dynamisches Verhalten.Verzögerungen können in verschiedenen Positionen einer Feedback-Schleifeauftreten. Die Konsequenzen von Feedback und Verzögerungen sind immer, dass dasSystem mit Feedbackinformation alleine nicht optimal gesteuert werden kann. Dasheißt, dass optimale Kontrolle nicht einfach durch Korrektur des momentanbeobachteten Systemzustandes erreicht werden kann. Der beobachteteSystemzustand hinkt dem tatsächlichen hinterher. Da der Akteur immer mit unaktuellenInformationen konfrontiert ist, muss er ein mentales Modell des Systems haben,welches ihm erlaubt die Informationen abzuleiten, welche er für seine Entscheidungbenötigt. In einer Situation, in welcher die Entscheidungen einige Zeit benötigen umWirkung zu entfalten muss der Akteur vorhersagen, welchen Zustand das System zumZeitpunkt des Wirksamwerdens der Entscheidung haben wird. Auf der anderen Seitemuss der Akteur den aktuellen Zustand des Systems ableiten, wenn er mitVerzögerungen konfrontiert ist, welche bei der Übertragung oder dem Bericht desaktuellen Zustandes auftreten. Die Informationen über den aktuellen Zustand desSystems sind dann immer veraltet und betreffen einen vergangenen aktuellen Zustand.Wenn der Akteur nicht in der Lage ist ein korrektes mentales Modell des Systems ausden vorhandenen Informationen abzuleiten, wird er immer damit beschäftigt seinvergangene Fehler zu korrigieren. Das System wird oszillieren.In einem Computerszenario von Brehmer und Allard (Bremer und Allard 1991) nahmendie Versuchspersonen die Position eines Feuerwehrhauptmannes ein, der für dieLöschung von Waldbränden zuständig war. Der Feuerwehrhauptmann kontrollierteinige Einsatzgruppen, die im Bedarfsfall zu dem Ort des Brandes kommandiertwerden konnten um diesen zu bekämpfen. Um eine Stresskomponente hinzuzufügenläuft das Szenario in Echtzeit ab. Das Ziel des Akteurs war es einerseits dasFeuerwehrhauptquartier vor dem Niederbrennen zu schützen, andererseits so vielFläche Wald als möglich zu retten. In dieser und einigen Folgestudien (Brehmer 1995)konnten erhebliche Probleme beim Umgang mit dieser Aufgabe festgestellt werden.Die Aufgabe wurde für die Versuchspersonen durch zwei Arten von Verzögerungenerschwert. Der Einsatz einer Löschmannschaft am Einsatzort erfolgte verzögert, dasheißt die Entscheidung einen Brand zu löschen wirkte erst nach Verstreichen einerZeitkonstante. Ebenso gab es eine Verzögerung bei der Meldung über das Ausbrechenund das erfolgreiche Löschen eines Brandes. Die Versuchspersonen waren über dasmögliche Auftreten von Verzögerungen informiert. Die Bedienungsschnittstelle für dasSzenario lieferte alle relevanten Informationen um die Existenz und die Dauer vonWirkungsverzögerungen und Verzögerung bei der Berichterstattung abzuleiten. Die
  28. 28. - 28 -Wirkungsverzögerung wurde in grafisch analoger Form mittels Symbolen dargestellt.Die Verzögerung bei der Berichterstattung konnte aus der Differenz der aktuellen Zeitund dem Zeitpunkt der Abgabe des Berichts, welche verfügbar war, abgeleitet werden.Die Versuchspersonen kompensierten die relativ leicht erkennbarenWirkungsverzögerungen. Jedoch konnte keine einzige Versuchsperson eineVerzögerung in der Berichterstattung ausmachen. Die Akteure irrten sich bei derEinschätzung der Art und der Ursache der Verzögerung. In 58 % der Versuche branntedie Basis nieder. Im Durchschnitt verbrannten 70 – 80 % der Waldfläche.Zu einem ähnlichen Ergebnis gelangt auch Sterman (Sterman 1989). In einemExperiment untersuchte Sterman das Verhalten von Versuchspersonen in einemSzenario, welches als "Beer Game" bekannt ist. Dabei wird die Produktions- undLieferkette von Bier simuliert. Die Versuchspersonen nehmen die Positionen desProduzenten, Verteilers des Groß- oder des Einzelhändlers ein. Die Aufgabe für dieeinzelne Versuchsperson besteht darin, die Lagerhaltungskosten zu minimieren. DieNachfrage am Ende der Kette (Einzelhändler) ist konstant, und steigt ab einemgewissen Zeitpunkt stufenförmig an, um anschießend auf diesem Niveau zu verharren.Die Nachfrage ist also nicht schwankend. Sterman fand Lagerhaltungskosten, die jenebei optimalen Entscheidungen um das zehnfache überschritten. Weiters entstandendrei Verhaltensmuster, die die typische Abweichung von der Optimallösungcharakterisieren. Erstens schwankten die Lagerbestände in den einzelnen Stufen derLiefer- und Produktionskette sehr stark (Oszillation). Zweitens stiegen dieseSchwankungen der Lagerbestände von Einzelhändler zu Produzent stark an(Amplifikation). Und drittens gab es eine Phasenverzögerung bei der Spitze derBestelleingänge von Einzelhändler bis zum Produzenten. Dieses typische Verhaltenweist darauf hin, dass die Versuchspersonen ähnliche Heuristiken für die Bestimmungihrer Bestellungen verwenden. Eine Erklärung für das stark suboptimale Abschneidenbesteht darin, dass die Versuchspersonen zu einem großen Teil die Bestellungen inder Pipeline ignorieren. Die Versuchspersonen konzentrieren sich auf den aktuellenZustand des Systems – die Höhe des aktuellen Lagerbestandes – und richten danachihr Verhalten aus. Ein optimales Verhalten muss die Bestellungen, die bereitsaufgegeben wurden, aber noch nicht eingetroffen sind in das Entscheidungskalkül miteinbeziehen. Ein Ignorieren dieses Umstandes muss zwangsläufig zu Über- oderUnterbestellungen führen. Das System beginnt zu schwanken. Sterman fasst diesesVerhalten unter der "Misperception of Feedback"-Hypothese zusammen. Menschenverwenden mentale Modelle für ihre Entscheidungen, welche dynamisch fehlerhaftsind, verwenden ereignisorientierte Kausalketten als Erklärung von Phänomenen,ignorieren Feedback und Verzögerungen, haben Probleme mit der Unterscheidung vonBeständen und Flüssen und können die Auswirkungen von nichtlinearen Beziehungennicht einschätzen. Diese Probleme führen sehr häufig zu einem Missverhalten desSystems.Diese "Misperception of Feedback"-Hypothese ist eine Erklärung für dieSchwierigkeiten von Menschen im Umgang mit Informationsfeedback Systemen, die
  29. 29. - 29 -Verzögerungen aufweisen. Es gibt jedoch Hinweise darauf, dass Menschen, selbstwenn sie über alle Verzögerungen in einem System informiert sind, diese in ihrenEntscheidungen trotzdem nicht berücksichtigen. Brehmer (Brehmer 1995) wiederholtdas Feuerbekämpfungsszenario unter veränderten Bedingungen. Diesmal sind dieVersuchspersonen nicht nur über die mögliche Existenz von Verzögerungen aufgeklärt,sondern auch über die Art der Verzögerungen. Also insbesondere die Existenz vonVerzögerungen in der Berichterstattung. Trotz dieser zusätzlichen Informationschneiden die Versuchspersonen nicht besser ab. Das Ergebnis deutet darauf hin,dass die Akteure Probleme dabei haben ein mentales Modell zu entwickeln, aufdessen Basis Entscheidungen über Kompensation von Verzögerungen in derBerichterstattung gefällt werden könnten. Erklärungen für dieses Phänomen könntenunter Umständen in den kognitiven Merkmalen der Akteure liegen.3.2.4 Lernen in komplexen SystemenDie dynamische Komplexität vieler sozialer Systeme wirkt sich negativ auf dieFähigkeiten des Menschen aus in diesen Systemen zu lernen. Lernen ist einFeedback-Prozess (Abbildung 3.1). Entscheidungen werden aufgrund bestehenderStrategien oder Normen gefällt. Diese Normen und Strategien werden gebildet umbestimmte Ziele zu erreichen und sind ein Ergebnis unserer mentalen Modelle von derRealität. Eingriffe in die Realität verursachen Informationsfeedback. Dieses istnotwendig um die Auswirkungen unserer Eingriffe in das System beurteilen zu können.Informationsfeedback führt einerseits in Kombination mit der Strategie zu einerAnpassung der Entscheidung, andererseits werden die mentalen Modelle den neuenGegebenheiten angepasst.Zentrales Element in dieser Betrachtung von Lernen ist also Feedback. Gerade diesesFeedback auf unsere Eingriffe in die reale Welt ist jedoch in komplexen Systemenhäufig verzerrt. Eingriffe wirken sich häufig erst mit Verzögerung aus. Nichtlinearitätenverursachen unterschiedlich starke Auswirkungen von Eingriffen, je nachdem inwelcher Phase sich das System befindet.
  30. 30. - 30 - Reale Welt Informations- Entscheidungen Feedback Strategien, Struktur und Mentales Modell Entscheidungsregeln der Realität Abbildung 3.1 Lernen als FeedbackprozessZusätzlich wird Lernen durch menschliche Einflüsse und Faktoren erschwert wie z.B.die Neigung einem bestehenden mentalen Modell widersprüchliche Informationen zuignorieren oder die beschränkte Kapazität des menschlichen Gehirns bei derInformationsverarbeitung.Sterman (Sterman 1993) weist nach, dass Lernen in komplexen Systemen nur spärlichvorhanden ist. Insbesondere ein Verstehen der Struktur der Realität, welche dasdynamische Verhalten sozialer Systeme verursacht ist schwach ausgeprägt. Das realeSystem wird als so kompliziert angesehen, dass Feedback auf getroffeneEntscheidungen einfach ignoriert wird. Das entspräche einer Situation, in der dieVerbindung von Informationsfeedback und mentalem Modell der Realität durchbrochenist. Entscheidungen werden dann nach einem bestehenden mentalen Modell gebildet,welches nicht mehr angepasst wird.3.3 KomplexitätsmanagementDritte Prämisse:Die zunehmende Komplexität in Unternehmen und im Umfeld der Unternehmen machteinen Umdenkprozess im Management erforderlich. Für einen erfolgreichen Umgang
  31. 31. - 31 -mit dynamischer Komplexität ist ein Wandel der Perspektive sowie der Einsatz neuerTechniken und Methoden erforderlich.3.3.1 Wachsende KomplexitätEinen wesentlichen Treiber für die zunehmende Komplexität im unternehmerischenUmfeld stellt der Trend einer immer stärkeren Globalisierung derWertschöpfungsketten dar. Die nachfolgenden Ausführungen beziehen sich auf eineErhebung von Deloitte & Touche LLP. (www.deloitte.com, Deloitte & Touche 2003) H Hüber die Herausforderungen der wachsenden Komplexität in denWertschöpfungsketten internationaler Unternehmen. Die Ergebnisse der Befragungvon mehr als 600 nordamerikanischen und europäischen Unternehmen ausverschiedenen Bereichen wie Automobil, Flugzeugbau, Konsumgüter, chemischeIndustrie, Telekommunikation und High-Tech zeichnen ein klares Bild der Problematikwachsender Komplexität und die damit verbundenen Herausforderungen.Die meisten der 600 Produzenten sehen die gesamte Welt als ihren Markt und alsBühne für Verkauf, Einkauf, Produktion und Entwicklung ihrer Produkte. Mehr als 80 %betreiben Marketing- und Verkaufsabteilungen außerhalb des Mutterlandes, und dieMehrheit produziert in Niedriglohnländern wie China, Mexiko und Osteuropa.Erstaunlicherweise geben darüber hinaus fast die Hälfte der Unternehmen an, Teileder Produktentwicklung in andere Länder ausgelagert zu haben. Diese Ergebnisse sindsowohl für große als auch für kleinere Unternehmen zutreffend.Drei wesentliche Ursachen sind für den Globalisierungsdruck, welchem sichUnternehmen ausgesetzt sehen, verantwortlich. Erstens, Kostendruck auf derNachfrageseite. Die hohe Käufermacht im Wiederverkaufsbereich sowie die allgemeineKonkurrenzsituation unter den Produzenten führt zu einem starken Druck Kosten zureduzieren um konkurrenzfähig zu bleiben. Zahlreiche Möglichkeiten fürKostenreduzierungen ergeben sich entlang der Wertschöpfungskette, insbesondere dieAuslagerung von Produktion und Produktentwicklung in Niedriglohnländer.Zweitens sehen sich die Unternehmen verstärktem Druck ausgesetzt, Umsätze zusteigern und neue Märkte zu erschließen. Um einen Markt wie China oder Indien zubeliefern müssen Einkauf, Produktion und Verkauf in diese Länder ausgelagertwerden.Ein dritter Grund ist in der Notwendigkeit zu suchen, neue und bessere Produkteimmer schneller und effizienter zu entwickeln. Der Anteil am Umsatz, der durch neueProdukte erzielt wird ist ständig steigend. Gleichzeitig steigen die Aufwendungen fürForschung und Entwicklung aufgrund des Kostendruckes nur leicht an. DerWiderspruch kann nur durch die schnellere Einführung neuer Produkte oder die
  32. 32. - 32 -Erhöhung der Trefferquote neuer Produkte gelöst werden. DieProduktentwicklungsdauern wurden in den letzten drei Jahren um durchschnittlich 12% auf 16 Monate reduziert. Der Wert soll im Jahr 2006 bei 13 Monaten liegen. Diehohen Entwicklungskosten zwingen Unternehmen dazu neue Märkte zu erschließenund ihre internationale Präsenz auszuweiten.Das Management dieser über den Globus verteilten Aktivitäten erfordert ein hohesMaß an Koordination, vor allem dann, wenn Fabriksmanager, Arbeiter, Ingenieure undZulieferer von Halbfertigfabrikaten auf verschiedene Unternehmen verteilt sind. DieKonsequenzen einer geografisch stark verteilten Wertschöpfungskette ist Komplexität.Die wachsende Komplexität hat sehr reale Auswirkungen auf die finanzielle Situationvon Unternehmen. 38 % der Teilnehmer geben an, schmale operative Profitmargenvon weniger als 5 % zu haben oder überhaupt Geld zu verlieren. Ein gutes Drittel zeigtsich unzufrieden mit der Erreichung der Rentabilitätsziele. Komplexität kann dieoperative Leistungsfähigkeit von Unternehmen beeinträchtigen. Das wiederum führt zufinanziellen Einbußen.Trotz dieser allgemein ernüchternden Ergebnisse konnten sich etwa 7 % derTeilnehmer in Bezug auf finanzielle und kundenorientierte Kennzahlen weit vor demRest des Feldes platzieren. Diese kleine Gruppe weist einige Gemeinsamkeiten auf,welche sie vom Rest des Feldes klar unterscheidet. Den wesentlichen Unterschiedmacht vor allem die Fähigkeit aus, Kunden-, Produkt- und Supply-Chain Prozesse überden Lebenszyklus der Produkte hinweg zu synchronisieren, insbesondere dieintegrative und grenzüberschreitende Behandlung der Aktivitäten in diesen Prozessen.Anstatt unabhängig zu operieren, arbeiten Manager aller drei Bereich bei Design,Produktion, Marketing und Verkauf sowie Kundenservice zusammen. DieseUnternehmen haben den Sprung von einer reduktionistischen Perspektive desProdukt-Lebenszyklus zu einer holistischen Perspektive eines Profit-Zyklus, einer Serievon koordinierten Aktivitäten rund um ein neues Produkt geschafft.3.3.2 Paradigmenwandel und neue TechnikenDas Geschäftsumfeld vieler Unternehmen unterliegt beispiellos schnellen undradikalen Veränderungen. Die neue Wirtschaft, getrieben von Globalisierung undexponentiellem Wachstum von Telekommunikationstechnologien zwingt Firmen dazu,nicht nur ihre Strategien anzupassen, sondern eine vollkommen neue Perspektiveeinzunehmen. Um den Herausforderungen der ständig wachsenden Komplexitätbegegnen zu können ist ein Umdenkprozess bei den Entscheidungsträgern notwendig.An Stelle einmaliger Prognosen mit anschließender Steuerung tritt ein kontinuierlicherProzess des Verstehens und Anpassens von Strategien.
  33. 33. - 33 -Der traditionelle wissenschaftliche Ansatz für natürliche Phänomene istreduktionistisch. Ein System wird auseinander genommen und seine Komponenten inIsolation untersucht, das gesamte System aufgrund seiner Einzelteile verstanden.Dieser Ansatz hat unser Verständnis der Welt über die letzten 300 Jahre geprägt. Derreduktionistische Ansatz ist auch die klassische Herangehensweise um Probleme imunternehmerischen Bereich zu lösen. Firmen werden typischerweise alsAnsammlungen von Teilen wie Abteilungen, Funktionen oder Hierarchien verstandenund geführt. Natürlich gibt es Umstände, in welchen es als vollkommen angebrachterscheint Teile zu studieren, aber mit zunehmender Komplexität gewinnt die globaleSystemsicht an Bedeutung.Für ein erfolgreiches Komplexitätsmanagement sind zwei Dinge erforderlich. Erstens,ein Einstellungswandel bei den Entscheidungsträgern und zweitens, neue Technikenund Methoden für die Komplexitätsbewältigung. Der Paradigmenwandel muss sich aufmehreren Ebenen vollziehen:Linear – NichtlinearDie historisch bedingte Notwendigkeit Systeme zu linearisiren um sie analytischenLösungsverfahren zugänglich zu machen ist mit dem Aufkommen leistungsfähiger undpreiswerter Computer und den damit verbundenen numerischen Lösungsverfahrenverschwunden. Linearität stellt nicht die Regel, sondern die Ausnahme dar.Reduktionistisch – HolistischDie Analyse isolierter Einzelkomponenten eines Systems mit dem Ziel das gesamteSystem zu verstehen ist in den meisten Systemen zum Scheitern verurteilt. Einelebende Kreatur in seine Einzelteile zu zerlegen und diese zu untersuchen wird relativwenig Erkenntnisse über z.B. das natürliche Verhalten der Kreatur in seiner Umwelteröffnen. Ähnlich entwickeln Organisationen Wertesysteme, Normen und eigeneKulturen, die auch dann weiter Bestand haben, wenn sich die Komponenten, wie z.B.Mitarbeiter der Organisation ändern.statisch gleichgewichtig – dynamisch transientZu postulieren, dass sich Systeme stets im Gleichgewicht befinden, und bei Störungenunmittelbar in einen Gleichgewichtszustand zurückkehren mag die Analyse erleichtern,sagt jedoch überhaupt nichts über die Anpassungsprozesse zu diesenGleichgewichten aus. Selbst wenn man akzeptiert, dass Systeme einem Gleichgewichtzustreben sind doch die Anpassungsprozesse und ihre Konsequenzen für dieMenschen interessant und relevant.
  34. 34. - 34 -Mechanisch – Organisch evolutionärEin Weltbild, dem der Glaube an maschinenähnliche System, die einfachen Gesetzengehorchen zugrunde liegt führt zu der Überzeugung, dass Systeme vorhersagbar undoptimierbar sind. Im Gegensatz dazu akzeptiert eine evolutionäre Perspektive, dass dieKomplexität der Systeme viel zu hoch ist, um sie in ihrer Gesamtheit erfassen zukönnen und begnügt sich damit robuste und anpassungsfähige Strategien zuentwickeln, die einem emergenten und dynamisch komplexen Verhalten der Systemegerecht werden können. Dem mechanistischen Weltbild ist ebenso die weiteVerbreitung von statistischen Black-Box Modellen zuzurechnen, die anstatt kausalerErklärungen für Phänomene Zusammenhänge in Form von Korrelationen suchen.Viele der zeitgenössischen Methoden und Instrumente im Management sind stark inder vorherrschenden Weltsicht verwurzelt. Eines von ihnen, das besonders weiteVerbreitung gefunden hat und an dem sich Teile der Problematik sehr gutdemonstrieren lassen sei hier exemplarisch vorgestellt.Im Jahre 1980 veröffentlichte Michael E. Porter Competitive Strategy (Porter 1980).Porter erklärt, dass fünf Kräfte die Konkurrenzsituation innerhalb einer Industrie oderBranche bestimmen. Eine Unternehmung kann, um in dieser Konkurrenzsituationbestehen zu können entweder die Kostenführerschaft ansterben, oder ihre Produktemit einer Prämie verkaufen, die durch andere Komponenten des Produktesgerechtfertigt werden kann, also ein differenziertes Produkt anbieten. Eine dritteMöglichkeit eröffnet sich mit der Konzentration auf ein bestimmtes Marktsegment,wobei wieder die zwei generischen Strategien Kostenführerschaft und Differenzierunganzuwenden sind. Porter ist der Ansicht, dass eine Unternehmung auf jeden Fall eineder beiden Strategien auswählen muss um überleben zu können. Im Jahre 1985veröffentlichte Porter Competitive Advantage (Porter 1985). In diesem Buch beschreibter wie eine Unternehmung Kostenführerschaft oder Differenzierung der Produkteerreichen kann. Als Analyseinstrument für diesen Zweck stellt er die Wertkette einerUnternehmung vor (Abbildung 3.2).
  35. 35. - 35 - Abbildung 3.2 Die Wertkette nach Porter 1985Die Analyse der Wertkette beschreibt Aktivitäten in der Unternehmung sowie seinerUmwelt und setzt diese in Beziehung zur Wettbewerbsfähigkeit. Es wird versucht deneinzelnen Aktivitäten Werte zuzuordnen, welche diese den Produkten beisteuern. DasZiel besteht darin, die Aktivitäten so auszuwählen und zu organisieren, dass einProdukt entsteht, dessen Wert für den Konsumenten größer ist, als die Kosten derAktivitäten. Porter argumentiert, dass die Fähigkeit bestimmte Aktivitätendurchzuführen die Quelle für einen Wettbewerbsvorteil der Unternehmung ist.Primäre Aktivitäten betreffen direkt die Erzeugung und Lieferung des Produktes.Unterstützende Aktivitäten ermöglichen und verbessern die primären Aktivitäten. EinWettbewerbsvorteil kann erreicht werden, wenn die Wertkette so konfiguriert wird, dasssich entweder ein Kostenvorteil oder ein differenziertes Produkt ergibt.Kostenvorteile ergeben sich indem die Kostentreiber der Aktivitäten besser gesteuertwerden. Porter nennt einige Kostentreiber: Economies of Scale, Lernen,Kapazitätsauslastung, vertikale Integration oder Verbindungen unter den Aktivitäten. Imwesentlichen handelt es sich dabei um ein Abwägen ob Einsatz und Kosten an einerStelle erhöht werden sollen sodass an einer anderen Stelle Kosten eingespart werdenkönnen. Beispiele sind etwa Investitionen in den Produktionsprozess um Stückkostenzu senken oder Investitionen in Qualitätsmanagement um After-Sale-Service-Kostenzu senken.Gelegenheiten für die Produktdifferenzierung ergeben sich überall in der Wertkette.Z.B. kann der alleinige Zugang zu bestimmten Inputfaktoren für das Produkt oder derZugang zu bestimmten Vertriebswegen einen Differenzierungsvorteil bewirken.Die Wertekettenanalyse ist ein Rahmen, der Unternehmen dabei hilft ihre Produktions-und Administrationsprozesse in Bezug auf die Erzeugung von Werten und die damitverbundenen Wettbewerbsvorteile zu untersuchen. Der Rahmen ist hervorragend dafürgeeignet den herrschenden Zustand zu erfassen und abzubilden. Z. B. können Kostensegmentiert und analysiert, Einsicht über wertschaffenden Prozesse in der
  36. 36. - 36 -Unternehmung gefördert oder Stärken gegenüber Mitbewerbern abgeleitet werden.Dies ist jedoch nur die Voraussetzung für das eigentliche Ziel einer Wertkettenanalyse,die Prozesse und Aktivitäten so zu verändern, dass die Spanne steigt. DieWertkettenanalyse dient somit als Instrument für Eingriffe in das komplexe System mitdem Ziel das globale Verhalten des Systems positiv zu beeinflussen. Hier müssenjedoch aufgrund der Beschaffenheit des Analyserahmens Schwierigkeiten auftreten.Das Instrument ist reduktionistischDas Ziel, die Spanne zu erhöhen wird erreicht, indem die Unternehmung in Aktivitätenzerlegt wird, und diese in Isolation untersucht. Die Existenz komplizierter Vernetzungenunter den Aktivitäten wird vernachlässigt. Das globale Verhalten des Systems wirdnicht durch das Zusammenwirken der Aktivitäten erklärt, sondern nur durch das WortSpanne angedeutet.Das Instrument ist gleichgewichtig und statischDer Analyserahmen ist absolut statisch. Die Untersuchung produziert in der Regel eingenaues Abbild der herrschenden Situation und beschreibt den Zustand, der erreichtwerden soll. Darüber hinaus wird impliziert, dass der herrschende und der zukünftigeZustand ein Gleichgewicht darstellt, das keinen Veränderungen unterworfen ist.Typische Empfehlungen, die aus der Wertkettenanalyse abgeleitet werden sind etwa:"Unsere variablen Stückkosten betragen 25 €, wenn wir 500.000 € inEffizienzsteigerungen des Produktionsprozesses investieren können sie auf 19 €gesenkt werden". Obwohl diese Informationen durchaus nützlich sind, sagen sieabsolut nichts über die notwendigen Maßnahmen im Zeitablauf, bzw. die Reaktion desSystems auf diese Maßnahmen aus. Über welchen Zeitraum sollen sich dieKostensenkungen vollziehen? Soll die Kostensenkung schrittweise erfolgen oderkontinuierlich? Wie lange wird es dauern, bis die Investitionen in effizientereProduktionstechnologien greifen und die Kosten zu sinken beginnen? Sind 19 €variable Stückkosten die maximale Grenze oder werden die Kosten weiter sinken?Das Instrument ist mechanistischDie Wertkettenanalyse regt typischerweise zur isolierten Optimierung einzelnerFunktionsbereiche wie Kostensenkungsprogrammen in Produktion oder Servicebereichan mit dem Ziel die Spanne zu erhöhen. Derartige Aktivitäten setzen ein inhärentlineares Weltbild voraus, in dem sich isolierte Einzelverbesserungen zu einerGesamtverbesserung addieren, was häufig nur in linearen Systemen möglich ist.Multifunktionelle Probleme erfordern konzertierte Aktionen in allen Funktionsbereichenwie Produktentwicklung, Produktion, Marketing, Vertrieb, Verkauf, Personalwesen,Finanzen und allgemeines Management. Die Reduktion der Produktqualität mit demZiel Kosten im Kunden-Service zu senken kann bei stark steigenden Verkaufszahlen
  37. 37. - 37 -aufgrund der höheren Qualität dazu führen, dass Lieferzeiten ansteigen undzusätzliche Kapazität in der Service-Abteilung notwendig wird, was die ursprünglichenKostenvorteile zunichte macht. Eines der wenigen dynamischen Konzepte imstrategischen Management ist die Erfahrungskurve. Sie geht auf die Boston ConsultingGroup (Boston Consulting Group 1970) zurück, die erkannte, dass sich in vielenIndustriebetrieben die Stückkosten der Produktion, bei jeder Verdoppelung deskumulativen Outputs um charakteristische 10-20 % verringern. Die Erfahrungskurve istein typisches Black-Box-Modell, welches anstatt Erklärungen zu liefern einen bloßenempirischen Zusammenhang beschreibt. Die Prozesse, die hinter dem Phänomen dersinkenden Stückkosten liegen bleiben dabei unerwähnt. Die Annahmen, die hinter denmeisten Lernkurvenmodellen stehen sind, dass sich die wachsende Erfahrung imProduktionsprozess bei den Arbeitern in höherer Produktivität, besserer Qualität oderniedrigeren Kosten niederschlägt. Die meisten Modelle messen die kumulativeErfahrung anhand des kumulativen Outputs. Diese Variable kann jedoch niemalssinken, mit dem Effekt, dass sich die Stückkostenentwicklung niemals umkehren kann.Eine unplausible Annahme wenn man bedenkt, dass die erfahrensten Arbeiter jederzeitdas Unternehmen verlassen können oder eine rasche Veränderung in derProduktionstechnologie die angesammelte Erfahrung wertlos machen kann. DasGrundproblem ist darin zu suchen, dass der statistische Zusammenhang die kausalenUrsachen vernachlässigt. Lernen ist ein Prozess, der im Humankapital desUnternehmens verankert ist und nicht im kumulativen Output.Für die quantitative Analyse von Problemen im Umfeld des Management vonOrganisationen stehen heute eine Reihe von Techniken aus verschiedenen Bereichenwie Spieltheorie, Ökonometrie, statistische Entscheidungstheorie oder OperationsResearch zur Verfügung. Diese Werkzeuge sind rigoros und ausgeklügelt und habenihre Stärken in der Anwendung auf eine große Anzahl von Problemen bewiesen. Es istan der Zeit diesem Repertoir Werkzeuge hinzuzufügen, die bewusst auf dieProblematiken komplexer Systeme eingehen, also dynamische Komplexität sichtbarund handhabbar machen. Diese Werkzeuge ziehen darüber hinaus qualitatives undverborgenes Wissen, welches in den Menschen gespeichert ist, und für das Verhaltenvon Systemen mindestens genauso wichtig ist, wie quantitative Daten in die Analysemit ein. Außerdem tragen sie dem Umstand Rechnung, dass im Zuge von Analysenkomplexer Systeme immer wieder neue Informationen zu Tage treten, die sich für dieUntersuchung als relevant erweisen, und ermöglichen ein exploratives und iterativesVorgehen. Die neuen Werkzeuge stellen nicht den Anspruch optimale quantitativeLösungen zu finden sonder zeigen vielmehr verschieden Lösungsansätze mitunterschiedlichen qualitativen Eigenschaften auf.3.4 System Dynamics
  38. 38. - 38 -Vierte Prämisse:System Dynamics bietet Techniken und Methoden an, um die dynamische Komplexitätsozialer Systeme abzubilden und handhabbar zu machen. Der Einsatz von SystemDynamics im Management kann einen wertvollen Beitrag für eine bessere Steuerungvon Unternehmen im Lichte wachsender Komplexität liefern.3.4.1 Simulationsmodelle komplexer Systeme und ManagementIntuitiv ist das Konzept komplexer Systeme auf den strategischenEntscheidungsprozess in Unternehmen anwendbar. Wenn die Wirtschaft einkomplexes System ist (Anderson et al. 1987) so kann ein besseres Verständnis derProbleme, die damit einher gehen dazu beitragen, dass bessere Modelle alsEntscheidungsgrundlage verwendet werden und damit im Endeffekt Unternehmenbesser gesteuert werden können. Von einem modelliertechnischen Standpunkt ausgesehen handelt es sich um Systeme, die in der Natur dynamisch sind, und für dieModelle auf Grundlage von Gleichgewicht oder Stasis unangemessen erscheinen. EinResultat dieser Überlegung ist, dass sowohl Prognosemodelle, als auch Modelle, dieoptimale Lösungen suchen zugunsten von Modellen, die es ermöglichen das Systemzu verstehen in den Hintergrund treten. System Dynamics bietet sowohl qualitativeInstrumente für ein besseres Systemverständnis, als auch rigorose quantitativeSimulationstechniken an, die insbesondere für die strategische Entscheidungsfindungin Unternehmen geeignet erscheinen.Bei der Anwendung solcher Techniken ist es erforderlich die Rolle vonSystemmodellen in der Entscheidungsfindung, welche zu großen Teilen einenpolitischen und sozialen Prozess darstellt zu verstehen. Um ein so komplexesProblem, wie etwa die Auswirkungen einer großen Investition auf ein soziales Systemzu verstehen, muss der Entscheidungsträger dem Problem in der RegelBeschränkungen auferlegen, d. h. die Komplexität des Problems so weit verringern,dass es einer Lösung zugänglich wird. Solche Einschränkungen könnten die Wahl derSystemgrenzen, die Wahl der Darstellungsmöglichkeiten des Problems oder dieStrukturierung des Problems innerhalb des gewählten Rahmens sein. DieStrukturierung von Problemen ist ein sozialer Prozess, der auf Diskussion,Verhandlungen und den Werten und Weltbildern der beteiligten Personen basiert. DieWahl verschiedener Systemgrenzen oder Darstellungsformen resultiert aber inverschiedenen Modellen. Dies reflektiert eine generelle Charakteristik sozialerSysteme. Solche sind komplex, aber zum Unterschied von naturwissenschaftlichenPhänomenen existiert keine kohärente Theorie um sie zu beschreiben. Stattdessen
  39. 39. - 39 -koexistieren eine Reihe verschiedener und unabhängiger Theorien. Modelle vonsozialen Systemen müssen eine bestimmte Sicht eines Problems repräsentieren.Verschiedene Modelle geben verschiedene Perspektiven eines Problems und spiegelnEntscheidungen wieder, die vor dem Modellbau getroffen wurden. Es gibt kein Modell,das alle Aspekte eines strategischen Problems berücksichtigen könnte.Demzufolge vertrete ich in meiner Arbeit die Ansicht, dass Modelle, insbesondereSimulationsmodelle komplexer Systeme Techniken, die z.B. Prognosen oderOptimallösungen liefern nicht ersetzen, aber sehr wohl ergänzen können. DieBesonderheit bei diesen Modellen besteht darin, dass diese verborgene Annahmenexplizit und damit einem Diskurs zugänglich machen, als auch verschiedene Optionenfür Entscheidungen aufzeigen können. Instrumente, wie System Dynamics, diedynamische Komplexität bewusst behandeln müssen demEntscheidungsinstrumentarium im Management hinzugefügt werden um eine neuePerspektive für Probleme zu ermöglichen.3.4.2 Die Geschichte von System DynamicsDie Geschichte von System Dynamics lässt sich bis in das Jahr 1956 zurückverfolgen,als Jay W. Forrester an die Massachusettes Institute of Technology (MIT) Sloan Schoolof Management kam. Die Sloan School wurde 1952 von Alfred Sloan mit dem Zielgegründet, Management zu einer Wissenschaft zu entwickeln. Forrester sah dieChance seine in den 40er und 50er Jahren gewonnene Erfahrungen im Engeneering,der digitalen Computertechnologie und im Management in einem neuen Gebiet zuverbinden (Forrester 1989).Initialzündung für System Dynamics war ein Beratungsprojekt bei einem Zulieferbetriebvon General Electrics. In diesem Betrieb kam es zu unerklärlichen Schwankungen vonProduktion und Beschäftigung. Forrester untersuchte dieses Phänomen von einemsystemischen Blickwinkel aus. Grundannahmen waren, dass ein Betrieb ein Systemist, in welchem Ströme von Information, Material, Mitarbeiter und Kapital fließen, die inmathematischer Form abgebildet und berechnet werden können. Forrester entwickeltedaraufhin, noch mit Papier und Bleistift, das erste System Dynamics Modell. SystemDynamics wurde von Forrester damals noch als Industrial Dynamics bezeichnet. ImJahre 1958 veröffentlichte Forrester im "Harvard Business Review" seinen erstenArtikel betreffend System Dynamics, "Industrial Dynamics – A Major Breakthrough forDecision Makers". In der Zwischenzeit entwickelte der Programmierer Richard Bennettdie Simulationsumgebung "SIMPLE" (Simulation of Industrial Management Problemswith Lots of Equations), um die Erstellung und Berechnung von Simulations-Modellenzu erleichtern.
  40. 40. - 40 -In den Folgejahren erweiterte Forrester den Ansatz einen Betrieb als System zubetrachten, zu einer modellbasierten Theorie der Unternehmung. Diese Theorieveröffentlicht er in seinem "Gründungswerk der System Dynamics", "IndustrialDynamics" (1968). Industrial Dynamics ruht auf vier Säulen, nämlich der Theorie überFeedback-Systeme, dem Wissen über Entscheidungsprozesse, der experimentellenModellierung komplexer Systeme und dem damals im kommen befindlichenDigitalcomputer als ermöglichendes Werkzeug von Simulation. Im Jahre 1986veröffentlichte Forrester das erste Lehrbuch über System Dynamics, "Principles ofSystems".Im Jahre 1969 erschien das Buch "Urban Dynamics", welches in Zusammenarbeit mitdem ehemaligen Bürgermeister von Boston, John F. Collins, entstand. In diesem Buchbeschäftigt sich Forrester mit dem Problem der Stadtentwicklung. Die Aussagen undEmpfehlungen, die Forrester aufgrund des entwickelten System Dynamics Modell trifftwurden in der Folge heftig kritisiert. Im Jahre 1970 erstellte Forrester ein Modell für denClub of Rome (WORLD I) und konnte diesen für die Finanzierung einesForschungsprojektes überzeugen. Im Zuge der Zusammenarbeit wurden IndustrialDynamics in System Dynamics umgetauft.Ein Student von Forrester, Dennis Meadows, verbesserte das WORLD I Modell zumWORLD III Modell (Meadows et al. 1974). Das auf dem WORLD III basierende Buchdes Club of Rome, "Die Grenzen des Wachstums" wurde zu einem millionenfachenBestseller.In den 70er Jahren begann Forrester mit der Arbeit an seinem National Model. DiesesModell soll die makro- und mikroökonomische Entwicklung der USA auf der Grundlagevon empirischen Daten abbilden. In den 80er Jahren engagierte sich Forrester für denEinsatz von System Dynamics in Erziehung und Ausbildung. Im Jahre 1989 emeritierteForrester als Germeshausen Professor Emeritus und Senior Lecturer von der SloanSchool. Er arbeitet seitdem am National Model Projekt und ist Direktor des 1990gegründeten Projektes System Dynamics in Education (SDEP) am MIT.3.4.3 Der System Dynamics AnsatzSystemdynamisches Modellieren ist eine Methode um die Struktur und das Verhaltenvon sozialen, technischen, ökonomischen und ökologischen Systemen zu studierenund die Art der Interaktion der Komponenten in diesen Systemen zu verstehen. Wie

×