System Dynamics und seine Anwendung im Risikomanagement

Inhaltsverzeichnis

1 Einführung
1.1 Motivation
1.2 Aufbau

2 Der Systembegriff, sein Inhalt und Methodik seiner Betrachtung
2.1 Der Systembegriff in der Literatur
2.2 Die konstituierende Merkmale des Systembegriffes
2.2.1 Elemente
2.2.2 Beziehungen
2.2.3 Systemgrenzen aus systemtheoretischer Sicht
2.2.4 Systemgrenzen aus systemdynamischer Sicht
2.2.5 Dynamik
2.2.6 Komplexität
2.2.7 Struktur
2.3 Systemisches Denken
2.3.1 Zusammenfassende Definition des Systemdenkens
2.3.2 Systemdenken in der Literatur

3 Modellierung
3.1 Exkurs in Modellierung
3.2 Dynamische Modelle als Repräsentanten dynamischer Systeme .
3.3 Systemdynamische Modellarten
3.4 Klassifizierung der formalen Modelle

4 Exkurs in Simulation
4.1 Begriffsbestimmung
4.2 Vor- und Nachteile der Simulationen als Prognosemethode . .
4.3 Simulationswerkzeuge
4.4 Modellklassen und weitere Kategorisierungen unterschiedlicher Simulati- onswerkzeuge

5 System Dynamics
5.1 Kurze Vorstellung der Methode System Dynamics
5.2 Systemdynamik als Prozess im Überblick
5.3 Problembeschreibung
5.3.1 Vorgehensweise und Methoden
5.4 Qualitative systemdynamische Modellierungsphase
5.4.1 Kausaldiagramme
5.4.2 Systemarchetypen
5.5 Quantitative systemdynamische Modellierungsphase
5.5.1 Erstellung von Flussdiagrammen
5.5.2 Von Flussdiagrammen zu elementaren systemdynamischen System- gleichungen
5.5.3 Modellierung elementarer systemdynamischer Gleichungen
5.6 Simulation
5.6.1 Dürchführung und Analyse von Simulationsexperimenten
5.6.2 Einige für systemdynamischen Simulationen wichtige Funktionen
5.6.3 Beispiele
5.7 Verhaltens- und Entscheidungsregeln
5.8 Modelltest

6 Risikomanagement
6.1 Wandel zur Komplexitätsgesellschaft und in der Komplexitätsbewältigung
6.2 Grundlagen
6.2.1 Risiko, -modelle und -arten
6.2.2 Begriffe, Ziele und Aufgaben des Risikomanagements
6.2.3 Operatives Risikomanagement
6.2.4 Strategisches Risikomanagement
6.3 Neue wirtschaftliche Anforderungen

7 System Dynamics im Risikomanagement
7.1 System Dynamics als Werkzeug für das Risikomanagement
7.1.1 Die unternehmensspezifische Risikolandschaft identifizieren, trans- parent visualisieren und vernetzt analysieren
7.1.2 Strategisches Risikomanagement mit System Dynamics
7.1.3 Mögliche Risikoentwicklungen prognostizieren
7.1.4 System Dynamics als Lernmethode im Risikomanagement
7.1.5 Früherkennungs- und Frühwarnsysteme
7.2 Einsatzpotenziale von System Dynamics im Risikomanagement
7.3 Modellierungsrisiken im systemdynamischen Prozess

8 Systemdynamische Risikoanalyse für ein idealtypisches Industrieunternehmen
8.1 Überblick
8.2 Technische Werkzeuge des Risikomanagements
8.3 Beschreibung und qualitative Modellierung
8.3.1 Rahmenbedingungen und Annahmen zum Unternehmenssystem . .
8.3.2 Lagersubsysteme und ihre qualitativen Modelle
8.3.3 Produktionssubsystem und sein qualitatives Modell
8.3.4 Marktsubsystem und sein qualitatives Modell
8.3.5 Personalsubsystem und sein qualitatives Modell
8.3.6 Finanzsubsystem und sein qualitatives Modell . .
8.3.7 Modellierte Risiken
8.3.8 Vernachlässigte Risiken
8.4 Quantitative Modellierung
8.4.1 Lagersubmodule
8.4.2 Personalsubmodul
8.4.3 Produktionssubmodul
8.4.4 Martktsubmodul
8.4.5 Finanzsubmodul
8.4.6 Die zusätzlichen Submodule
8.5 Modelltest
8.5.1 Basismodell
8.5.2 Modellvalidierung
8.6 Risikolage und -analyse des modellierten Unternehmens
8.6.1 Best- und Worst-Case-Szenarien
8.6.2 Cash-Flow-at-Risk mit Monte-Carlo-Simulation .
8.6.3 Strategische Entscheidungen und ihre Bewertung
8.6.4 Mögliche Erweiterungen
8.7 Kritische Würdigung
8.8 Zusammenfassung

9 ANHANG
A Anhang
B Anhang
C Anhang
D Anhang
E Anhang
F Anhang

Abbildungsverzeichnis

1.1 Reduktionistische Sichtweise

1.2 Betrachtung der gesamten Situation mit den innenwohnenden Rückwir- kungen

1.3 Überblick über den Aufbau der Arbeit

2.1 Kausalrelation
2.2 Kausalketten
2.3 Darstellung der Zeitverzögerung zwischen einer Ursache A und einer Wir- kung B
2.4 Verzweigungen der Kausalketten, Monokausalketten
2.5 Netz aus Kausalrelationen mit dem elemenataren Charakter
2.6 Die einfachste Art kybernetischer Systeme
2.7 Direkte und indirekte Rückwirkungsschleifen
2.8 Positive Rückkopplung von zwei und fünf Elementen und Systemdynamik
2.9 Negative Rückkopplung von zwei und fünf Elementen und Systemdynamik
2.10 Elementares Wirkungsdiagramm des Schwarzmarktes für Heroin
2.11 Positive Rückkopplungskreise des Schwarzmarktes für Heroin
2.12 Schematische Darstellung eines offenen Systems aus der systemtheoreti- scher Sicht der 1. Phase
2.13 Schematische Darstellung eines offenen Systems und eines geschlossenen Systems aus der systemdynamischen Sicht
2.14 Triviale und nicht-triviale dynamische Systeme
2.15 Systemstruktur als versteckte Ursache der Systemoutputs
2.16 Zusammenhang von dem systemischen Denken und System Dynamics

3.1 Modelltypen

4.1 Zusammenhang zwischen Modellerstellung und Simulation
4.2 Einige Möglichkeiten für die Modell- und dimensionale Konsistenzkontrolle mit Vensim PLE 6.0 (screenshots)
4.3 Fehlermeldung im Falle nicht-konsistenter Einheiten mit Vensim PLE 6 (screenshots)
4.4 Modell Räuber-Beute-System, Ausgabedialog, Zeitdiagramm des Systems, Modellgleichungen mit DYNASYS 1.2 (screenshots)
4.5 Kategorisierung der Simulationswerkzeuge nach Maier und Größler

5.1 System Dynamics-Prozess
5.2 SD-Prozess als iterativer Prozess
5.3 Problembeschreibung als iterativer Prozess
5.4 Referenz-Zeitverlauf-Diagramm: Entwicklung der Populationen von Beute und Räuber ohne Begegnung
5.5 Kausaldiagramm des Räuber-Beute-Systems
5.6 Kausaldiagramm und dynamische Entwicklung des „Erfolg den Erfolgreichen- Archetypes“
5.7 Kausaldiagramm und dynamische Entwicklung des „Fehlkorrekturen- Ar- chetypes“
5.8 Generische Flussdiagramme und Beispiele dafür
5.9 Einheitentest für Bestands- und Flussgrößen
5.10 Flussdiagramm mit Konstanten
5.11 Flussdiagramm mit Hilfsvariablen
5.12 Darstellung von Informationseinflüssen auf Bestandsgrößen in einem Fluss- diagramm
5.13 Generische Parallelflussstruktur
5.14 Beispiel von der Übertragung eines Kausaldiagramms in ein Flussdiagramm
5.15 Flussdiagramm des Räuber-Beute-Systems
5.16 Flüsse als proportionale Veränderung der Bestände
5.17 Anpassung an einen Zielwert
5.18 Flüsse in Abhängigkeit von anderen Beständen
5.19 Beispiel für ein Modell mit und ohne Hilfsvariablen
5.20 Flussdiagramm des Räuber-Beute-Systems ohne Hilfsvariable Treffen
5.21 Diaglogfenster für eine Eingabe der beschriebenen Verfahren und Parame- ter bei Vensim PLE 6.0
5.22 Kategorisierung der Faktoren
5.23 Entwicklung der Beute- und Räuberpopulation im modellierten Räuber- Beute-System ohne Kapazitätsbegrenzung
5.24 Tabellenfunktion für die Weidekapazität und Tabelleneditor mit einer Ta- bellenfunktion in DYNASYS 1.2
5.25 Eingabedialog und Tabelleneditor mit der Tabellenfunktion (Lookup-Table) in Vensim PLE 6.0
5.26 Pulsfunktion
5.27 Sprungfunktion
5.28 Rampenfunktion
5.29 Sinusfunktion
5.30 Zeitverhalten von Delay Fixed
5.31 Flussdiagramm und damit erzeugte Abbildung zur Visualisierung des Ver- laufs von Delay Information
5.32 Systemdynamisches Modell zur Veranschaulichung von Funktionen Delay .
5.33 Werte der Variablen Delay 1, Delay 3 mit und ohne Anfangswert und Eingangsgröße im zeitlichen Ablauf von 0 bis 70
5.34 Veranschaulichung der Verzögerung erster Ordnung mit Verzögerungszeit= und einer stufenförmigen Eingangsgröße ohne und mit einem Anfangs- wert=3 Einheiten
5.35 Veranschaulichung der Verzögerung dritter Ordnung mit Verzögerungs- zeit=5 und einer stufenförmigen Eingangsgröße ohne und mit einem An- fangswert=2 Einheiten
5.36 Werte der Variablen Delay 1 mit Verzögeungszeiten 5, 20 und 30 und Eingangsgröße im zeitlichen Ablauf von 0 bis 200
5.37 Materialverzögerungen verschiedener Ordnungen (1, 2, 3, 4, 5) der Sprung- funktion mit Verzögerungszeit=20
5.38 Materialverzögerungen verschiedener Ordnungen (1, 2, 3, 4, 5) der Puls- funktion
5.39 Modell desökosystems in Vensim PLE 6.0
5.40 Eingabe von Bestandsgleichungen in Vensim PLE 6.0
5.41 Beispielhafte Anwendung der Tabellenfunktion zur Modellierung der Räu- berpopulation imökosystem
5.42 Verlauf der Tabellenfunktion Räuber
5.43 Verlauf der Tabellenfunktion Beute
5.44 Liste aller Gleichungen eines Modells in Vensim PLE 6.0
5.45 Simulationsergebnisse des modelliertenökosystems
5.46 Flussdiagramm des Lagerhaltung-Bestellung-Systems mit der Anwendung einer Testfunktion
5.47 Bei zufälligen täglichen Verkaufsschwankungen ergeben sich langfristige Schwingungen
5.48 Flussdiagramm des Standardmodells für Lagerhaltung und Bestellung . .
5.49 Entwicklung von Anlieferung und Bestellung im Zeitraum von 10 bis 50
5.50 Entwicklung von Änderung der LagerBestand, seiner Zu- und Abflüsse (Anlieferung und Verkauf) und Bestellung im Zeitraum von 50 bis 100
5.51 Kernrückkopplungen im Lagerhaltung- Bestellung-Modell
5.52 Veranschaulichung der Anwenung von Testfunktion am Beispiel des La- gerhaltung -Bestellung-Systems

6.1 Komplexitätskreislauf nach Mauritius
6.2 Zusammenhang zwischen Unternehmensziele, Risikomanagementziele und -aufgaben
6.3 Elemente eines Risikomanagements
6.4 Operativer Risikomanagement-Prozess und Risikomanagement-System nach ISO 31000
6.5 Risikomanagement-System nach ISO 31000

7.1 Merkmale dynamischer Komplexität als Grundursachen für nicht erfolg- reiche Projekte
7.2 Modellrisiken im SD-Prozess

8.1 Ableitung eines Szenariotrichters
8.2 Übersicht des Gesamtsystems und der Subsysteme
8.3 Kausaldiagramm des Rohstofflagersubsystems
8.4 Kausaldiagramm des Produktionslagersubsystems
8.5 Kausaldiagramm des Produktionssubsystems
8.6 Kausaldiagramm der Preispolitik
8.7 Kausaldiagramm der Nachfrage
8.8 Kausaldiagramm des Personalsubsystems (vereinfacht)
8.9 Kausaldiagramm des Abrechnungssystems
8.10 Kausaldiagramm des Finanzsubsystems (vereinfacht)
8.11 Flussdiagramm des Rohstofflagers
8.12 Flussdiagramm des Produktionslagers
8.13 Flussdiagramm des Personalsubsystems
8.14 Flussdiagramm der Werkzeuge
8.15 Basisdynamik der Produktion
8.16 Flussdiagramm des Produktionssubsystems
8.17 Flussdiagramm der Preispolitik
8.18 Flussdiagramm der Nachfrage
8.19 Ausgangsmodell finance01.mdl
8.20 Flussdiagramm des Anlagevermögens
8.21 Werte des Referenzpreises im Modell
8.22 Werte der angenommenen durchschnittlichen Vergütungen im Betrach- tungszeitraum
8.23 Flussdiagramm des Umlaufvermögens
8.24 Typisches Flussdiagramm eines Abrechnungssystems
8.25 Flussdiagramm des Debitorenbestandes
8.26 Flussdiagramm der Verpflichtungen
8.27 Flussdiagramm des Finanzsubsystems
8.28 Flussdiagramm zur Erzeugung von rosa Rauschen
8.29 Flussdiagramm zur Erzeugung von Produktionsausfällen . .
8.30 Systemverhalten bei einer konstanten Zahl von Aufträgen pro Woche . .
8.31 Änderung von Schwankungen bei minimalen Änderungen der Zahl von Aufträgen pro Woche
8.32 Nachfrage und konjunkturelle Entwicklung
8.33 Konjunkturelle Entwicklung und ihre Wahrnehmung
8.34 Preispolitik
8.35 Produktionskapazität und Rohstoffkapazität
8.36 Produktionskapazität und Personalkapazität
8.37 Kapazität und ausgelieferte Produkte
8.38 Aufträge und ausgelieferte Produkte
8.39 Forderungen und Einzahlungen
8.40 Absatz-, Konjunkturentwicklung und Entwicklung von Netto-Cash-Flow
8.41 Rohstoffbestellung, -anlieferung und Rohstoffbestand
8.42 Produktions-, Personalkapazität und vorhandene Rohstoffe
8.43 Marktpreis, geplanter Preis, Preis aus Marktfaktoren
8.44 Änderungen im Modell zur Simulation einer Extrembedingung
8.45 Personalbestand als Ergebnis des Nachfragerückganges mit Parameter des Basismodelles
8.46 Personalbestand als Ergebnis des Nachfragerückganges mit verkürzten Ver- zögerungszeiten im Personalbestand
8.47 Beschaffung und Werkzeugbestand als Ergebnis des Nachfragerückganges mit verkürzten Verzögerungszeiten im Personalsubmodul
8.48 Rohstoffbestand als Ergebnis des Nachfragerückganges mit verkürzten Ver- zögerungszeiten im Personalbestand
8.49 Produktionskapazität als Ergebnis des Nachfragerückganges mit verkürz- ten Verzögerungszeiten
8.50 Rückgang der Produktionsmenge pro Woche als Ergebnis des Nachfrage- rückganges mit verkürzten Verzögerungszeiten im Personalbestand
8.51 Absatzentwicklung als Ergebnis des Nachfragerückganges mit verkürzten Verzögerungszeiten im Personalsubmodul
8.52 Mitarbeiterbestand als Ergebnis der erhöhten Mitarbeiterfluktuation mit Parametern des Basismodells
8.53 Mitarbeiterbestand als Ergebnis der erhöhten Mitarbeiterfluktuation mit verkürzten Verzögerungszeiten
8.54 Vergleich zwischen dem Personalbestand im Basismodell und Modell mit der Extrembedingung
8.55 Vergleich zwischen den Personalbeständen und den Einstellungen im Ba- sismodell und Modell mit der Extrembedingung
8.56 Zahl der eingehenden Aufträge und hergestellter Erzeugnisse
8.57 Nachfrageentwicklung, Anlieferung und Verkauf
8.58 Rohstoff-, Produktions- und Personalkapazität unter der Extrembedingung
8.59 Vergleich zwischen den Absätzen in dem Basismodell und dem Modell mit der Extrembedingung
8.60 Produktions-, Personalkapazität und Werkzeugbestand unter der Extrem- bedingung
8.62 Eingehende Aufträge und Anlieferung der hergestellten Produkte
8.61 Werkzeugbestand und Menge der ins Lager angelieferten Erzeugnisse . . .
8.63 Eingehende Aufträge und Bestände von neuen und ausgebideten Mitar- beitern
8.64 Werkzeugbestand, Menge der pro Woche produzierten Produkte und Absatz
8.65 Vensim-Funktion SyntheSim zur Unterstützung der Sensitivitätsstest . . .
8.66 Vergleich zwischen den Entwicklungen in Mitarbeiterbeständen in dem Basismodell und dem Best-Case-Modell
8.67 Vergleich zwischen den Entwicklungen in Produktivitäten und Menge der hergestellten Produkten in dem Basismodell und dem Best-Case-Modell
8.68 Vergleich zwischen den Entwicklungen des Werkzeugbestandes in dem Ba- sismodell und dem Best-Case-Modell
8.69 Absatz, Gewinn und Cash-Flow unter Best-Case-Bedingungen
8.70 Absatz, Gewinn und Cash-Flow unter Basismodellbedingungen
8.71 Vergleich zwischen den Kostenentwicklungen in dem Basismodell und dem Best-Case-Modell
8.72 Vergleich zwischen den Entwicklungen des Kostensatzes in dem Basismo- dell und dem Best-Case-Modell
8.73 Vergleich zwischen den Entwicklungen der Barwerte in dem Basismodell und dem Best-Case-Modell
8.74 Vergleich zwischen den Zahlen der eingehenden Aufträge in dem Basismo- dell und dem Worst-Case-Modell
8.75 Vergleich zwischen den Entwicklungen in Mitarbeiterbeständen in dem Basismodell und dem Worst-Case-Modell
8.77 Vergleich zwischen den Entwicklungen des Werkzeugbestandes in dem Ba- sismodell und dem Worst-Case-Modell
8.76 Vergleich zwischen den Entwicklungen in Produktivitäten und Menge der hergestellten Produkten in dem Basismodell und dem Worst-Case-Modell
8.78 Absatz, Gewinn und Cash-Flow unter Worst-Case-Bedingungen
8.79 Vergleich zwischen den Kostenentwicklungen in dem Basismodell und dem Worst-Case-Modell
8.80 Vergleich zwischen den Entwicklungen des Kostensatzes in dem Basismo- dell und dem Worst-Case-Modell
8.81 Vergleich zwischen den Entwicklungen der Barwerte in dem Basismodell und dem Worst-Case-Modell
8.82 Vergleich zwischen den Entwicklungen der Barwerte in dem Best-Case- und dem Worst-Case-Modell
8.83 Simulationsergebnisse für die ersten 50 Simulationen
8.84 Balkendiagramme der durch Monte-Carlo-Simulationen erzeugten Daten und theoretische Dichten zum Vergleich
8.85 QQ-Plots für die Verteilungsanalyse der durch Monte-Carlo-Simulationen erzeugten Daten
8.86 Nachfrage, konjunkturelle Entwicklung, Mitarbeiteranzahl und Mitarbei- terbedarf
8.87 Produktionskapazität nach der Änderung der Personalpolitik
8.88 Aufträge und die Menge der auf das Lager angelieferten Produkte nach der Änderung der Personalpolitik
8.89 Vergleich zwischen den Entwicklungen der Produktionskapazität im Ba- sisszenario und nach der Änderung der Personalpolitik
8.90 Vergleich zwischen den Entwicklungen des Absatzes im Basisszenario und nach der Änderung der Personalpolitik
8.91 Vergleich zwischen den Entwicklungen der Produktionskosten im Basiss- zenario und nach der Änderung der Personalpolitik
8.92 Vergleich zwischen den Entwicklungen der Herstellungskostensätze im Ba- sisszenario und nach der Änderung der Personalpolitik
8.93 Vergleich zwischen den Entwicklungen der Barwerte von Cash-Flows und des Gewinnes im Basisszenario und nach der Änderung der Personalpolitik
8.94 Best- und Worst-Case-Analyse nach der Änderung der Personalpolitik . .
8.95 Balkendiagramme der durch Monte-Carlo-Simulationen erzeugten Daten mit der geänderten Personalpolitik und theoretische Dichten zum Vergleich
8.96 QQ-Plots für die Verteilungsanalyse der durch Monte-Carlo-Simulationen erzeugten Daten nach der Änderung der Personalpolitik
8.97 Änderungen des Flussdiagramms nach der Flexibilisierung der Arbeitsver- träge
8.98 Zeitkontostand und für die Abwicklung der eingehenden Aufträge benö- tigte Arbeitszeit
8.99 Entwicklung der Mitarbeiterbestände im Vergleich
8.100Hergestellte Produkte, Rohstoff- und Personalkpazitäten nach der Flexi- bilisierung der Arbeitsverträge
8.101Simulationsergebnisse des Basisszenarios für Hergestellte Produkte, Rohstoff- und Personalkpazitäten
8.102Produktionskosten im Vergleich
8.103Mitarbeiterbestände nach der Einführung eines neuen Risikofaktors
8.104Vergleich zwischen den Produktionskapazitäten vor der Einführung eines neuen Risikofaktors und nacher

9.1 Kriterien der Kategorisierung verschiedener Simulationstools nach Maier und Größler (1)
9.2 Kriterien der Kategorisierung verschiedener Simulationstools nach Maier und Größler (2)
9.3 Basismodell komplett

Tabellenverzeichnis

2.1 Einzelne Kausalrelationen des Systems Schwarzmarkt für Heroin

5.1 Wirkungsmatrix des Systems Schwarzmarkt für Heroin
5.2 Wirkungsmatrix des Räuber-Beute-Systems
5.3 Darstellung von Verzögerungen durch Flussdiagramme
5.4 Übersicht der Modelltests

6.1 Abgrenzung zwischen strategischem und operativem Risikomanagement

8.1 Rahmenbedingungen und Annahmen des Unternehmenssystems
8.2 Aufgabenbezogene Risiken durch Personalmanagement und ihre Modellie- rung
8.3 Stresstest-Analyse anhand der Simulationsergebnisse des Worst-Case- Sze- narios

9.1 Projektplanungsrisiken im System Dynamics-Prozess
9.2 Problembeschreibung-, Modellentwicklungs- und Simulationsrisiken im Sys- tem Dynamics-Prozess
9.3 Modellanalyserisiken im System Dynamics-Prozess
9.4 Modellanwendungsrisiken im System Dynamics-Prozess
9.5 Sensitivitätsanalyse der Modellkonstanten
9.6 Konstanten des Basismodells
9.7 Simulationsannahmen mit normalverteilten Parameterwerten
9.8 R-Code zur Analyse der Simulationsergebnisse

1 Einführung

1.1 Motivation

Die Welt ändert sich heutzutage wie nie zuvor. Die permanente Veränderung wird nicht mehr als temporäres Phänomen, sondern als beständige Tatsache verstanden.¹ Dank der Globalisierung und technologischer Entwicklung ergeben sich weitere neue Verknüpfun- gen und Vernetzung zwischen den unterschiedlichen Objekten, Orten und Sachverhalten. Somit wird die menschliche Umwelt im Zeitalter der Globalisierung immer komplexer und unübersichtlicher. Zu der ausgeprägten Dynamik kommt die erhöhte Komplexität der Bestände in vielen Bereichen.²

Die typischen Ansätze zur Komplexität reduktion sind sogenannte reduktionistische Sicht- weisen³. Dieses Denken löst zunehmend kleine Teilprobleme aus größeren Zusammen- hängen heraus, um einzelne einfache Ursache-Wirkungsbeziehungen genau erfassen zu können. Gründe, aus denen man die Ansätze bevorzugt anwendet, sind umstritten. Es kann aus evolutionären Gründen folgen⁴ oder durch das Bildungssystem erklärt werden.⁵

Eine Analyse einer Einheit durch Betrachtungen ihrer isolierten Teile schildert die folgende Geschichte. Als drei Blinde auf einen Elefanten stießen, tat jeder seine Entdeckung kund. Einer entdeckte ein Ohr und sagte: „Es ist ein raues Ding, groß und breit, wie ein Teppich“. Der zweite ertastete den Rüssel und meinte, dass die Entdeckung ein langer, hohler Schlauch sei. Der Dritte, der ein Vorderbein umschlungen hielt, widersprach: „Es ist groß und fest, wie eine Säule“. Teilt man also einen Elefanten in mehrere Teile, bekommt man nicht mehrere kleine Elefanten, die einfacher zu untersuchen seien, sondern einzelne Teile, die kein Elefant mehr darstellen.

1 Einführung

Abbildung 1.1: Reduktionistische Sichtweise

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1.2: Betrachtung der gesamten Situation mit den in- nenwohnenden Rückwirkungen

Abbildung in dieser Leseprobe nicht enthalten

Viele Probleme und Aufgaben der immer komplexer werdenden Welt erfordern also eine Auseinandersetzung des menschlichen Umgangs mit entsprechend komplexen und dy- namischen Tatbeständen. Bei der Problemlösung stößt aber die reduktionistische bzw. lineare Denkweise an ihre Grenzen, weil beim Auseinanderspalten einer Gesamtheit in isolierte Teilprobleme die Zusammenhänge zwischen der Teilproblemen verloren gehen. Löst man doch die isolierte Teilaufgabe ohne die Gesamtfunktionsweise zu berücksichti- gen, lässt man damit das übergeor netes Problem ungelöst. Vielmehr ist es ebenso wichtig, das Netzwerk zwischen der Systemteile in seinen Wirkzusammenhängen zu analysieren.⁶

Die Bedeutung von Gesamtzusammenhängen im Finanzindustrie wurde noch mal durch die Studie „The Corporate Governance Lessons from the Financial Crisis“ im Februar 2009 bestätigt. Die Konzentration auf einzelne mathematische und technische Kennzah- len führte nach der Studie dazu, dass die Gesamtzusammenhänge im Risikomanagement außer Acht gelassen wurden. Konkret weist die Organisation für wirtschaftliche Zusam- menarbeit und Entwicklung (OECD) auf Versäumnisse im Risikomanagement, die als mitverantwortlicher Faktor für die aktuelle Finanzkrise bezeichnet wurde.⁷

Somit kommen komplexe und dynamische Sachverhalte in einer großen Vielfalt in der menschlichen Umwelt zunehmend vor, führt aber die Unfähgkeit des linearen mensch- lichen Denkens im Umgang mit den Sachverhalten zu keiner Problemlösung oder zu Fehlentscheidungen.⁸ Um die vorhandene Komplexität unter der dynamische Entwick- lung der Umwelt erfassen zu können, bedarf man nun einen Ansatz, der in Systemen innewohnende Komplexität, Nichtlinearität und den Rückkopplungsstruktur beschrei- ben, analysieren und steuern lässt. Da die zunehmende Komplexität, Nichtlinearität und die Verflechtungen von Komponenten der weltwirtschaftlichen Systeme und der politischen Systeme in der natürlichen Systemen immer vorhanden waren, empfiehlt Vester eine überlenensfähige Wirtschaftsstrategie und Technologien nach der biokybernetischen Herangehensweise zu entwickeln.⁹ Die Denkweise wurde von Vester als vernetztes Denken bezeichnet. Diese Denkweise wird auch als systemisches oder systemtheoretisches Denken (engl. systems thinking) bezeichnet.¹⁰

Um ein tieferes Verständnis für die Folgen des Handels im Rahmen eines Systems zu ge- winnen, benötigt man im Weiteren eine Übertragung der erstellten kausalen Beziehungen in quantitative Modelle. Eine ausführliche, auf der Denkweise basierte, Systemanalyse und eine darauf bezogene Gestaltung von Entscheidungsregeln zur Einflussnahme auf das Systemverhalten kann sich bei einer ausschließlich quantitativen Darstellung jedoch schwierig gestalten. Deswegen wird die Simulation des Systemverhaltens abschließend angewandt und somit wird eine Analyse der Systemdynamik ermöglicht.

System Dynamics basiert auf bereits erwähnten Erkenntnissen der Kybernetik und der Systemtheorie und verwendet neben dem systemischen Denken eine Simulation zur Analyse des Verhaltens komplexes Systems im Zeitverlauf. Damit erfüllt der Ansatz alle Anforderungen an Methoden der Analyse von komplexen dynamischen Systemen. Es handelt sich in der Arbeit nicht darum, die Phänomene des Wandels, denen wir ausgesetzt sind, zu interprätieren, sondern zu lernen, mit Veränderungen um zu gehen, sich von ihr leiten zu lassen und sie zu meistern.

1.2 Aufbau

Die Arbeit gliedert sich in zwei Hauptteile. Der erste Hauptteil widmet sich der Theorie und dem Stand der Forschung. Es besteht aus sechs Kapiteln.

In dem ersten Theoriekapitel erfolgt eine grundlegende Auseinandersetzung mit den wich- tigen Definitionen der Systemtheorie und zum Teil den Definitionen der Kybernetik. Das Kapitel dient der Einführung in das systemische Denken, welche auch in einem Abschnitt erläutert wird. Es kann als Reflexion und Analyse dynamischer Systeme, die dem Lernen und Fördern von Verständnis über Systeme dient, verstanden werden. Dies stellt zwar ei- ne Grundlage dar, reicht jedoch zur Prognose und zur optimalen Wahl von Maßnahmen für die Problemlösung nicht aus. Hierzu muss die systemdynamische Methode um die Modellierung der Systemstrukturen, Simulationen und Entscheidungsfindung erweitert werden.

Die Erstellung eines Abbildes des realen Systems in einem Modell ist eine Voraussetzung für eine weiter folgende Analyse, deswegen beschäftigt sich das zweite Kapitel mit den Grundlagen der Modellierung. Das zweite Kapitel stellt einen Exkurs in Modellierung dar. In dem Kaptel wird der Begriff Modell definiert und ein Modell charakterisierende Eigenschaften erläutert. Im Mitellpunkt des Kapitels stehen aber die Modelltypen, dy- namische Systemmodelle insbesondere systemdynamische Modelltype, deswegen werden diese in zwei Abschnitten des Kapitels vorgestellt. An dieser Stelle ist zu merken, dass die Konzepte aus dem Kapitel zum Teil im ersten bereits verwendet wurden. Das liegt daran, dass man bei dem Thema ständig auf andere Tatsachen und somit auf andere Ab- schnitte verweisen muss. Ich habe mich bemüht, dies in einem erträglichen Rahmen zu halten und im Interesse der Lesbarkeit Verweise auf spätere Kapitel zu vermeiden. Bei den Erläuterungen von Definitionen der Systemtheorie und des systemischen Denkens sind aber die Begriffe wie Modell nicht zu vermeiden, genau so werden Simulationswerk- zeuge mit systemdynamischen Strukturelementen im Kapitel über Simulationen vor dem der Erläuterung von der Methode System Dynamics vorgestellt.

System Dynamics verwendet zwar im Modellierungprozess viele Modelltype, zum Er- forschen des Systemverhaltens und zur Erarbeitung verbesserter Strukturen und Ent- scheidungsregeln, abschließend werden aber die Simulationsmodelle und die Verfahren der Computersimulation verwendet.¹¹ Die wesentliche Bedeutung des Verfahrens und Si- mulationsmodelle im systemdynamischen Prozess erfordert eine Auslagerung des Thema in ein Kapitel. In diesem Kapitel werden noch Vor- und Nachteile der Simulationen als Prognosemethode zusammengefasst. Die ständige zunehmende Bedeutung der Simulati- on hat zu einem großen Angebot an Simulatoren geführt.¹² Um in diese Vielzahl von Simulatoren Ordnung und Übersicht zu bringen, werden die Simulatoren, den systemdy- namischen Ansatz unterstützen, unter verschiedenen Kriterien in zwei letzten Abschnit- ten des Kapitels klassifiziert.

In dem vierten Theoriekapiel erfolgt eine ausführliche Erläuterung der Technik Systemdynamik, wobei die Technik als Prozess mit den in den einzelnen Phasen verwendeten Methoden und Werkzeugen vorgestellt wird.

Im fünften Kapitel werden Grundlagen des Risikomanagements erläutert. Im Abschnitt wird der Begriff Risiko definiert, Risikomodelle vorgestellt, ihre Stärken, Schwächen und Risikoarten aufgelistet. In den nächsten Abschnitten werden grundlegenden Definitio- nen, Aufgaben und Ziele des Risikomanagements vorgestellt. Es wird in diesem Kapitel näher auf Veränderungen im betrieblichen Umfeld und Eigenschaften von Risiken in die- sem sich verändernden Umfeld eingegangen, was die erforderliche systemische Sichtweise im Risikomanagement begründet. Die Veränderungen stellen dementsprechend neue An- forderungen an das Risikomanagement, die im letzten Abschnitt des Kapitels erläutert wird.

Das letzte Theoriekapitel befasst sich mit der Anwendung von System Dynamics im Risikomanagement. Es wird in dem Kapitel gezeigt, wie eingeführten Aufgaben des Risi- komanagements mit Hilfe von System Dynamics gelöst werden können und welche Nach- teile der existierenden Risikomodelle mit System Dynamics vermieden werden können. Es wird die Einsatzbreite von System Dynamics im Risikomanagement geschildert. Im letzten Abschnitt werden die Risiken, die durch die Anwendung von System Dynamics verursacht werden, erläutert.

In Kapitel 8 erfolgt eine systemdynamische Modellierung eines idealtypischen Industrie- unternehmens nach den in Kapitel 5 erläuterten Grundlagen des System Dynamics. Es werden zunächst einige Methoden und Risikomaße zur Risikobewertung eingeführt, die zur Beurteilung der Risikolage des Unternehmens herangezogen werden. Auf der Grundlage des modellierten Systems und der eingeführten Werkzeugen des Risikomanagements wird die Risikosituation des modellierten Unternehmens analysiert und bewertet. Dies lässt auch zeigen, wie sich die Anforderungen an das Risikomanagement mit Hilfe von System Dynamics erfüllen lassen. Dabei wird auch gezeigt, dass System Dynamics keine Schwächen der „klassischen“ Risikomadelle aufweist.

Die folgende Abbildung stellt einen Überblick über den Aufbau der Arbeit dar.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1.3:überblicküber den Aufbau der Arbeit

2 Der Systembegriff, sein Inhalt und Methodik seiner Betrachtung

Die im Weiteren vorzustellende Methodik der Systemdynamik (engl.: System Dynamics) beschäftigt sich mit dem Verhalten von gelenkten dynamischen komplexen Systemen. Die Systeme, ihre Dynamik und ihre Komplexität stehen also im Mittelpunkt von Sys- tem Dynamics, deswegen werden die Begriffe System, Dynamik, dynamisches Denken und ihre Eigenschaften einführend in folgenden Abschnitten dargelegt. Viele Begriffe ha- ben verschiedene Auffassungen, was durch interdisziplinäre Anwendung oder historische Entwicklungen zu erklären ist. Da eine übergreifende Erläuterung aller Auffassungen die Rahmen der Arbeit sprengen würde, wird nur ein für die Problemstellung der Arbeit relevanter Teil der Vielfalt der Auffassungen vorgestellt. Um die Begriffe und Zusam- menhänge zwischen ihnen zu illustrieren, werden Beispiele angeführt und eine in der Systemtheorie verbreitete Darstellungsmethode die „Kausaldiagramme“ verwendet.

2.1 Der Systembegriff in der Literatur

Griech.: systema = „das Gebilde, Zusammengestellte, Verbundene“.¹ Daraus geht hervor, dass es in einem System Komponenten existieren müssen, die in einer bestimmten Ordnung in einem Ganzen zueinander stehen.

Es gibt inzwischen unzählige unterschiedliche Auffassungen bei der Definitionen, die je nach Wissenschaftsbereich des Verfassers unterschiedliche Merkmale der Systeme voraussetzen. Es kommt dadurch zustande, dass die Systemansätze als interdisziplinäre Theorieansätze in den verschiedenen Wissenschaften wie in der Mathematik und Physik durch Newton, in der Soziologie durch Luhmann,² in der Biokybernetik durch Vester,³ in der Kommunikationstheorie durch Watzlawick,⁴ in der Verhaltungsforschung durch Lücke,⁵ in derökosystemforschung durch Koehler⁶ usw. verwendet werden.

Zu einem näheren Verständnis der Aussagen der Systemtheorie listen wir einige Systemdefinitionen, die in der Literatur zu finden sind.

2.1 Der Systembegriff in der Literatur

Dörner bezeichnet „eine Menge von Variablen, die durch ein Netzwerk von kausalen Abhängigkeiten miteinander verbunden sind“ als System.⁷ Er bemerkt weiter, dass die Variablen eines Systems auch von sich selbst abhängig sein können.⁸

Vester definiert ein System durch mehrere Merkmale: ein System muss „aus mehreren Teilen bestehen, die jedoch [...] verschieden voneinander sind und [...] nicht wahllos ne- beneinander liegen, sondern zu einem bestimmten Aufbau miteinander vernetz sind. Wo- bei das „Netz“ nicht unbedingt sichtbar sein muss, sondern auch aus Wirkungen bestehen kann, die durch Kommunikation, und zwar durch reinen Informationsaustausch zustan- de kommen“. Es tritt eine Veränderung ein, wenn Teile entfernt oder hinzugefügt werden.⁹

Ulrich und Probst definieren ein System als „ein dynamisches Ganzes, das als solches bestimmte Eigenschaften und Verhaltensweisen besitzt. Es besteht aus Teilen, die so miteinander verknüpft sind, dass kein Teil unabhängig ist von anderen Teilen und das Verhalten des Ganzen beeinflusst wird von Zusammenwirken aller Teile.“¹⁰

Die in der Literatur von fachspezifischen Vorstellung abhängigen Systemdefinitionen las- sen sich generell zu der folgenden auf die konstituierenden Eigenschaften reduzierten De- finition zusammenfassen: Ein System besteht aus Elementen (Objekten, Komponenten, Teilen, Bausteinen), wobei die Elemente durch Beziehungen (Zusammenhängen, Relatio- nen) verknüpft sind, habt weitere Eigenschaften, die es von der Umwelt abgrenzen lassen. Die für die Begriffsbildung wesentliche Merkmale können auf die Begriffe Elemente, Be- ziehungen, Systemgrenzen und Struktur zurückgefürt werden. Diese Merkmale werden in den nächsten Unterabschnitten definiert und erläutert, wobei wir auf Beziehungen näher eingehen. Wegen der vielfältigen Verwendungsmöglichkeiten der Begriffe handelt sich bei der vorzustellenden Definitionen um Auffassungen, die nicht auf alle Systeme anwendbar sind. Da der systemdynamischer Ansatz in erster Linie auf das Verständnis komplexer dynamischer Systeme abzielt, werden die Begriffe der Komplexität und Dynamik eines Systems auch definiert.

Die Begriffe Systemgrenzen, Systemumgebung, Systemoffenheit und Systemgeschlossenheit haben in der Systemtheorie und in der Systemdynamik verschiedene Bedeutungen. Deswegen werden diese Begriffe zu Einem aus der Sicht der Systemtheorie definiert. Zum anderen ist es ratsam, zum besseren Verständnis und zur Schaffung einer gemeinsamen Basis zu erörtern, was im Rahmen dieser Arbeit darunter verstanden werden soll. Deswegen werden diese Begriffe im Vergleich zu den Anderen zusätzlich aus der Sicht der Systemtheorie in einem Unterabschnitt definiert.

Bei vielen Auffassungen werden noch Funktionen eines Systems als ein Merkmal des Sys-

2 Der Systembegriff, sein Inhalt und Methodik seiner Betrachtung tems betrachtet. Viele Autoren nennen damit Selbsterhaltung, Aufrechterhaltung eines stabilen Zustandes, Fortpflanzung usw.¹¹ Da die Funktionen nicht von allen Systemen erfüllt werden, werden in der vorliegenden Arbeit nicht betrachtet.

2.2 Die konstituierende Merkmale des Systembegriffes

2.2.1 Elemente

Der Terminismus Element wird in vielen Bereichen der Wissenschaft, der Produktion und des Alltaglebens benutzt. Wir reden vom chemischen Element, vom Bauelement, vom Heizelement eines Battarieempfängers usw.

Eine der Eigenschaften des Begriffes Element in der Systemtheorie, die ihn von vielen anderen Auffassungen abgrenzt, ist die Relativität. Eine Einheit ist dann als Element eines Systems zu bezeichnet, wenn es eine Komponente innerhalb des Relationsgefüges eines bestimmten Systems¹² ist, d.h. in einem anderen Bezugssystem kann die Einheit selbst wieder ein kompliziertes System sein: wie z.B. eine Fabrik in einem Ballungsraum, das Verkehrssystem in einer Stadt usw. Sie alle sind Systeme, aber auch Teile von überge- ordneten Systemen, mit denen sie verbunden sind.¹³ andererseits können mehrere vorher getrennt gewesene Systeme in enge Beziehung treten, daraus sich ein neues übergeordne- tes System entwickeln: z.B. aus Atomen entstehen Moleküle. Die Abgrenzung von System und Element hängt also von der Perspektive der Betrachtung, von der fachlichen Zielset- zung der Untersuchung und vom zu untersuchenden Objekt ab.

Die zweite wichtige Eigenschaft von Elementen eines Systems ist die Zugehörigkeit, d.h. es tritt eine Veränderung des Gesamtsystems ein, wenn ein Element entfernt, hinzugefügt¹⁴ oder geändert wird.¹⁵ Die Eigenschaft kann man am Beispiel einer Fußballmannschaft als System erklären. Es ist sowohl für die einzelnen Spieler wie auch für den Zuschauer eines Fußballspiels nicht egal, wer zu einem und wer zu dem anderen System gehört. Wesen eines Systems hängt vom Ganzen ab.¹⁶ Als Gegenbeispiel wird oft ein Sandberg angeführt. Man kann beliebig viel Körner entfernen oder hinzugeben, es bleibt ein simpler Sandberg.¹⁷ Somit bildet eine einfache Ansammlung von Dingen oder Systemen, zwischen denen keine Relationen gibt, kein System.

Sowohl in der Systemtheorie als auch in System Dynamics wird keine Einschränkung hinsichtlich der Art der Elemente vorgenommen, d.h. es können nicht nur materielle Dinge sondern auch Sachverhalte als Elemente eines Systems bezeichnet werden. Somit kann man materielle, ideelle,¹⁸ künstliche oder natürliche Elemente unterscheiden.¹⁹ Sie lassen sich weiter nach den Arten der Beziehungen zwischen einander und zur Umwelt und nach der Art ihrer Zustände klassifizieren. In der Hinsicht spricht man von qualita- tiver und quantitativer Art. Qualitative Eigenschaften sind direkt messbar, wie z.B. die physikalischen Größen, Länge, Gewicht, Temperatur usw. Werden solche Größen über Gesetzmäßigkeiten verknüpft, so sind Angaben über die Zustände eines Gesamtsystems möglich. Demgegenüber sind qualitative Eigenschaften einer direkten Messung nicht ge- eignet.²⁰

Elemente können weiter in Indikatorelemente sowie in kritische Elemente differenziert werden. Kritische Elemente stehen mit anderen Elementen des Systems in einer engen Beziehung, so dass sie einerseits selbst auf viele Elemente einwirken und andererseits von vielen beeinflusst werden. Sie beeinflussen den Zustand des Gesamtsystems in hohem Maße, deswegen werden sie als Kritische bezeichnet. Indikatorelemente wirken nur wenig auf anderen Elemente ein, hängen aber von vielen Elementen ab. Sie zeigen also den Gesamtzustand des Systems, somit werden als Indikatoren betrachtet.²¹

2.2.2 Beziehungen

Eine der wichtigen Charakteristiken eines Systems ist „Übersummativität“. Damit wird die Tatsache bezeichnet, dass ein System „mehr“ oder „etwas anderes“ als bloß die Summe seiner Komponenten ist. Erst durch das Zusammenwirken mehrerer Systemteile eine organisatorische Einheit gebildet wird. Beziehungen zwischen Elementen haben zur Folge, dass einzelne Aktivitäten nicht unabhängig voneinander ablaufen.²² Es müssen aber nicht alle Elemente miteinander in direkter Beziehung stehen.

Es handelt sich bei Beziehungen um Einwirkungen auf Systemelemente, wobei es verschiedene Wirkungsarten gibt. Wir beginnen mit den einfachsten Arten und fassen ihre Eigenschaften und Darstellungsmöglichkeiten zusammen. Abschließend wird in diesem Unterabschnitt an einem Beispiel die Vorgehensweise bei der qualitativen Untersuchung von Beziehungen veranschaulicht.

Wir bezeichnen das Verhalten eines Elementes A als Ursache des Verhaltens eines ande- ren Elementes B, wenn das Verhalten von A dem von B zeitlich vorangeht und dieses Verhalten hervorruft. Ist das Verhalten von B seinerseits wieder Ursache des Verhaltens von C, so wird von einer Kausalkette gesprochen²³ (s. die Abb. 2.1 und 2.2). Die Rich- tung der Einflussnahme wird durch die Pfeilspitze zum Ausdruck gebracht. Das Element am Fuß des Pfeils wirkt auf das Element, auf das die Pfeilspitze zeigt.

Abbildung 2.1: Kausalrelation Abbildung 2.2: Kausalketten

Quelle: in Anlehnung Quelle: in Anlehnung an[63] S. 171- an[63] S. 171-172 172

Abbildung in dieser Leseprobe nicht enthalten

Klaus weist noch darauf hin, dass man zwischen Haupt- und Nebenursachen unterschei- den soll. Nebenursachen haben häufig den Charakter von Störungen und verleihen dem System einen, in bestimmten Grenzen, statischen Charakter. Sie sind zufällig und rufen zufällige Veränderungen des Outputs hervor. Ohne diese Untersuchung wird alles auf die Ebene des Zufalls gebracht, so dass Auffinden von gesetzmäßigen Zusammenhängen un- möglich ist.²⁴ Im Fokus von Untersuchungen stehen Hauptursachen. Auf die Behandlung von Nebenursachen wird verzichtet.

Bei der Untersuchung der einzelnen Zusammenhänge und ihrer folgenden Modellierung unterscheidet man zwei Richtungen einer Einwirkung.²⁵

Wenn eine Änderung der einen Komponente in einer bestimmten Richtung zu einer gegenläufigen Veränderung der anderen Komponente führt, liegt eine entgegengerichtete Wirkung vor, d.h. Wirkungsbeziehungen sind vom Typ: je mehr- desto weniger oder je weniger- desto mehr. Es passiert beispielsweise bei der Senkung von Preisen bestimmter Waren, welches zu einer Erhöhung der Verkäufte führt. Die Wirkungsart wird durch Pfeile mit einem negativen Vorzeichen graphisch dargestellt.

Bei einer gleichgerichteten Wirkung führt eine Zunahme der einen Komponente auch zu einer Zunahme der anderen Komponente, d.h. wenn ein Wert des Elementes A steigt, dann steigt der Wert von B über einen Wert, den B ohne Änderung vom Wert des Ele- mentes A annehmen würde.²⁶ Die Wirkungsart wird durch Pfeile mit einem positiven Vorzeichen dargestellt.

Kommt es bei einer Veränderung der Ursache zu einer bedeutenden zeitlichen Ver- zögerung bei der Auswirkung auf das Element an der Pfeilspitze, wird dies in Wir- kungsdiagrammen durch einen Verbindungspfeil mit Doppelstrich kenntlich gemacht.²⁷ Die Darstellung in Abbildung 2.3 bedeutet, dass Veränderungen von A nicht unmittelbar eine Veränderung von B zur Folge hat, sondern dass eine gewisse Zeit vergeht, bevor sich die Veränderung auf B auswirkt. Zeitliche Verzögerungen zwischen Ursachen und Wir- kungen sind eine wichtige Voraussetzung für das dynamische Verhalten eines Systems. Sie verleihen einem System seine „Trägheit“. Gleichzeitig fällt es dem menschlichen Gehirn besonders schwer, richtig mit Verzögerungen umzugehen²⁸ und damit die Systeme mit der Eigenschaft weiter zu modellieren.²⁹ Verzögerungen der Art sind aber sehr verbreitet in der Umwelt von Menschen. Wir investieren jetzt, um in ferner Zukunft einen Vorteil zu haben. Wir stellen jetzt einen neuen Mitarbeiter ein, aber es kann eine Weile dauern, bevor er produktiv arbeitet.³⁰

Abbildung 2.3: Darstellung der Zeitverzögerung zwischen einer Ursache A einer und Wirkung B Quelle: in Anlehnung an[142] S. 111

Abbildung in dieser Leseprobe nicht enthalten

Soweit haben wir nur lineare Kausalketten betrachtet, bei denen eine Ursache exakt eine Wirkung hervorruft. Eine Ursache A kann aber mehrere verschiedene Wirkungen B, C, usw. haben, und jede dieser Wirkungen wiederum verschiedene andere Wirkungen (s. Abb. 2.4).³¹ Die einfache lineare Kausalkette kann sich also immer mehr verzweigen. Der umgekehrte Fall liegt vor, wenn eine Wirkung E mehrere A, B, D Ursachen hat (s. Abb. 2.4).

Abbildung 2.4: Verzweigungen der Kausalketten, Monokausalketten Quelle: in Anlehnung an[63] S. 176

Abbildung in dieser Leseprobe nicht enthalten

Die Systeme können Nezte von elementaren bisher betrachteten Ursache-Wirkungs-Relationen darstellen, Netze etwa der folgenden Gestalt:

Abbildung 2.5: Netz aus Kausalrelationen mit dem elemenataren Charakter Quelle: in Anlehnung an[63] S. 178

Abbildung in dieser Leseprobe nicht enthalten

Aber auch dieses etwa komplizierte Netz von Zusammenhängen ist in einer Beziehung künstlich vereinfacht: Die Wirkungen haben einsinnige Richtungen. Nirgends wirkt ein Element, das Wirkungen eines anderen Elements erfährt, auf dieses Element zurück. Die Neigung zu dieser Vereinfachung liegt an der menschlichen Denkweise. Das menschliche Denken bewegt sich nämlich in einem, an linearen Kausalketten orientierten, Denksche- ma.³² Die biologischen, sozialen, physiologischen und neurologischen Probleme können mit Hilfe einer linearen, kausalanalytischen Denkweise nicht angemessen erklärt werden.³³ Man muss bei der Modellierung dieser Systeme Rückwirkungen berücksichtigen.

Da Rückwirkungen eine besondere Rolle in der Kybernetik und Systemtheorie spielen und unserer Denkweise fremd sind,³⁴ beschäftigen wir uns mit dem Begriff etwas ge- nauer. Feedback oder Rückwirkung ist im Allgemeinen das Phänomen, bei dem eine Aktion, die innerhalb eines Systems durchgeführt wird, schließlich einen Effekt auf dieses System hat. Manche Autoren grenzen Rückkopplung (engl.: Feedback) von Rückwirkung (engl.: Causal) ab. Die Begriffe werden aber in der Regel als Synonyme verwendet. Syste- me mit Rückkopplung sind zielsuchende Systeme, werden oft als kybernetische Systeme bezeichnet. Die einfachsten Typen kybernetischer Systeme lassen sich an folgendem Sche- ma erläutern:

Abbildung 2.6: Die einfachste Art kybernetischer Systeme Quelle: in Anlehnung an[63] S. 182

Abbildung in dieser Leseprobe nicht enthalten

Der Output von B beeinflusst in einem kybernetischen System den Input von A. Sie handeln oder verhalten sich nur, um eine Übereinstimmung herzustellen oder zu erhalten zwischen dem, was sie wahrnehmen, und dem „Referenzwert“, der in der Repräsentation eines ihm vorgegebenen Zielzustandes besteht. Das Prinzip geht auf Norbert Wieners Idee des Feedback zurück.³⁵ Ein Beispiel des Systems mit der Eigenschaft ist einökologi- sches System mit einer „Räuber-Beute-Beziehung“. Das Anwachsen der Beute-Population führt in dem System zu einem Anwachsen der Räuber-Population; dies führt wiederum zu einer Senkung der Beute-Population. Die Senkung der Beute-Population führt wieder- um zu einer Senkung der Räuber-Population; diese Zusammenhänge können so austariert sein, dass Räuber- und Beute-Populationen sich auf ein Gleichgewicht einpendeln.

Im Unterschied dazu verringern Rückwirkungsschleifen in der Regel keine Abweichungen. Eine Rückwirkungsschleife ist eine geschlossene Sequenz von Ursachen und Wirkungen, deswegen verwendet man als korrekte englische Bezeichnung „causal loop“. Man kann sie als kreisförmige Anordnung kausal miteinander verbundener Elemente vorstellen. Eine Anfangsursache breitet sich entlang der Verbindungsglieder aus und jedes Systemteil gibt eine Wirkung auf das nächste weiter, bis schließlich der erste Systemteil selbst wieder be- einflusst wird (s. Abb. 2.7). Beeinflussen sich zwei Elemente einander gegenseitig spricht man von einer direkten Rückwirkungsschleife. Handelt es sich um eine Kette mit meh- reren Elementen, wie es in 2.7 abgebildet wird, bezeichnet man die Kette als indirekte Rückwirkungsschleife.³⁶

Abbildung 2.7: Direkte und indirekte Rückwirkungsschleifen Quelle: in Anlehnung an[63] S. 179

Abbildung in dieser Leseprobe nicht enthalten

In der vorliegenden Arbeit werden häufiger die systemtheoretische Auffassungen benutzt, deswegen werden wir die beiden Begriffe als Synonyme verwenden. Zwei Arten von Rückkopplungen lassen sich unterscheiden: positive und negative, wobei die positive Rückwirkungsschleifen der kybernetischen Systemen ähnlich sind.

Eine positive Rückkopplung in einem System mit zwei Elementen entsteht, wenn Wirkung und Rückwirkung gleichgerichtet sind.³⁷ Im Allgemeinen kommt es durch die Rückwirkung zu einer Verstärkung der ursprünglichen Veränderungen, handelt es sich um eine positive Rückkopplung. Auf diese Art und Weise verstärkt sich eine Variable selbst, wobei die Eskalation in zwei Richtungen laufen kann (s. Abb. 2.8), nämlich in der Richtung eines Zuwachses oder in der Richtung des Stillstandes.

Abbildung 2.8: Positive Rückkopplung von zwei und fünf Elementen und Systemdynamik Quelle: in Anlehnung an[156] S. 47

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.9: Negative Rückkopplung von zwei und fünf Elementen und Systemdynamik Quelle: in Anlehnung an[156] S. 47

Abbildung in dieser Leseprobe nicht enthalten

Dies führt zu einer immer stärkeren Aufschaukelung einer gleichgerichteten Wirkung.³⁸ Deswegen sind positive Rückkopplungen auch meist gefährlich für die Stabilität eines Systems.³⁹

Negative Rückkopplungen sind stabilisierender Art, allerdings nicht im Sinne von stets gleichbleibender. Sie lassen sich anhand des obigen Schemas 2.6 erläutern. Hat der Input von A den Charakter einer Störung mit der Tendenz, A aus einem Zustand der Stabilität, das Gleichgewicht zu beeinflussen, so wird der Output von B bei einer entsprechenden Systemstruktur von B den Input so beeinflussen, dass A in der Lage ist, seinen stabilen Zustand aufrechzuerhalten.⁴⁰

Obwohl das System in der Abbildung 2.8 zwei entgegengerichtete Wirkungen hat, ist die Wirkungen letztendlich verstärkend. In den Kreisen kann eine Faustregel zur Bestimmung der formalen Grundart (Polarität) des Rückkopplungskreises bestimmt werden. Es gelten nämlich die Vorzeichenregeln für die Multiplikation mehrerer positiven und negativen Zahlen als Faustregeln der Rückkopplungskreise. Ist die Anzahl der im Rückkopplungskreis vorkommenden entgegengerichteten Wirkungen eine gerade Zahl, dann ist der Rückkopplungskreis positiv.⁴¹

Oftmals kommt es zu Verzögerungen bevor das letzte Element des Wirkungskreislaufes wieder auf das erste zurückwirkt. Alle Feedbackprozesse umfassen irgendeine Verzöge- rung. Da aber dem menschlichen Gehirn schwer fällt, mit den Verzögerungen umzugehen, bleiben die Verzögerungen entweder unbemerkt oder werden nicht richtig verstanden. Das kann dazu führen, dass man übers Ziel hinausschießt und man viel mehr leistet, als für das gewünschte Ergebnis nötig wäre. Z.B. die Verzögerung zwischen dem Start eines neuen Bauvorhabens und seiner Fertigungstellung erzeugt viel zu dicht bebaute Wohngebiete und schließlich eine Flurbereinigung.⁴²

Zeitverzögerung bei negativen Rückkopplungen führen also oft dazu, dass man zu ag- gressiv handelt und damit stärker als notwendig in das System eingreift. Der gewünschte Effekt stellt sich damit nicht ein, also verstärkt man seine Anstrengung weiter. Durch diese Fehleinschätzung ergeben sich Oszillation und Instabilität des Systems.⁴³ Bei eskalierenden Rückkopplungen machen sich Verzögerungen auf eine andere Art be- merkbar. Sie führen oft zur Eskalation. Zeitliche Verzögerungen bei positiven Rückkopp- lungen können aber auch zu Unterschätzung einer vorherrschenden Entwicklung führen. Man übersieht, dass neben der permanenten Geschwindigkeitszunahme der Eskalation sich eine Eigendynamik entwickelt, welches es immer mehr erschwert, die ständige Selbst- verstärkung noch zu bremsen.⁴⁴

Da die Systemanalysen i. A. auf langfristige Entwicklungen ausgerichtet sind, ist das Verständnis von Verzögerungen und Rückwirkungsschleifen sehr wichtig. Bei einer kurzfristigen Perspektive können sie vernachlässigt werden. Das Gefährliche ist jedoch, dass auch lange Verzögerungen oft scheinbar keine Rolle spielen. Nach einer Weile machen sie sich dann jedoch mit voller Wucht bemerkbar.

Mit den Beziehungen, ihren quantitativen Charakteristiken und ihren im Rahmen der Systemdynamik etablierten Darstellungen werden wir uns in dem nächsten Kapitel weiter beschäfftigen. Im Weiteren betrachten wir ein Beispiel, in dem die bereits angeführten Definitionen und Darstellungen veranschaulicht werden.

Beispiel

Wie vernetzte Strukturen ein überaschendes, intuitiv nicht vermutetes Verhalten zei- gen können, verdeutlicht das nächste Beispiel. Wie bereits früher erwähnt wurde, ist ein Problem selten die Konsequenz einer einzigen Ursache, sondern das Resultat des Zusam- menwirkens verschiedener Ursachen und Wirkungen. Indem wir bereits dieses Netzwerk des Zusammenwirkens aufzeichnen, können wir rasch ein Modell von dem behandelten System entwickeln. Die konstruktive Gestaltung des Systems wird nur so weit behandelt, wie das zum Verständnis des Wirkungsablauf notwendig ist. An dem Beispiel werden auch die im Weiteren zu behandelten Modellierungsmethoden angedeutet.

Wir stellen ein vereinfachtes Modell des Schwarzmarktes für Heroin in einer Stadt auf.⁴⁵ Dabei konstruieren wir ein elementares Wirkungsdiagramm, ohne weitere Eigenschaf- ten des Systems zu betrachten. Systemgrenzen, Systemelemente, Systemumwelt und die Komplexität von wirtschaftlichen Systemen werden in[156],[150],[35],[166] und[131] behandelt. In dieser Literatur wird auch die Anwendung der systemtheoretische Konzepte in der Wirtschaft gerechtfertigt. Im Mittelpunkt dieser Modellierung stehen Beziehungen zwischen den Systemelementen.

Der vereinfachte, zu modellierende Markt bestehe aus acht Elementen: Heroinhandel, Süchtigenzahl (Nachfragerzahl), Süchtige als Kleindealer, Heroinpreis, Beschaffungskri- minalität, Razzien (polizeiliche Maßnahmen), Heroinangebot, beschlagnahmtes Heroin. Fangen wir nun mit den einfachen Kausalbeziehungen zwischen den einzelnen Elementen. Unter der Annahme der Elastizität des Heroinpreises auf Angebotsänderung besteht die entgegengerichtete Wirkung zwischen dem Heroinangebot und dem Heroinpreis (s. Tabel- le 2.1 Zeile 1). Da kein Süchtiger auf sein Ration verzichten kann, sind sie bereit, viel mehr für eine Ration zu zahlen, was im Falle der Verringerung des Angebotes die Heroinpreise steigert. Das heißt je weniger Heroin am Markt angeboten wird, desto höher ist der Preis. Steigt der Preis an, erhöht sich die Beschaffungskriminalität und die Anzahl von Kleindea- lern. Die gleichgerichtete Wirkung zwischen den Elementen kommt dadurch zustande, dass die Süchtigen die notwendigen gestiegenen Geldbeträge zum Heroinkauf nicht mehr durch legale Wege erreichen können und müssen somit entweder selbst zu Kleindealern werden oder durch kriminelle Delikte Herionkauf finanzieren. Die beiden Wirkungen sind in der Tabelle 2.1 in der zweiten und dritten Zeilen dargestellt.

Das Ansteigen der Anzahl von süchtigen Kleindealer führt somit zur Erhöhung der Anzahl der Süchtigen, d.h. zwischen den beiden Elementen besteht wieder eine gleichgerichtete Wirkung (s. Tabelle 2.1 Zeile 4). Als neue Kleindealer müssen sich die Süchtigen erst einen Markt schaffen, was viele durch ein Anstiften von Freunden, Bekannten usw. errei- chen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2.1: Einzelne Kausalrelationen des Systems Schwarzmarkt für Heroin Quelle: in Anlehnung an[122]

Eine Erhöhung des Heroinpreises oder steigende Nachfrage nach dem Heroin, die im Modell durch die Anzahl der Süchtigen dargestellt wird, führt zum Ansteigen der At- traktivität des Heroinhandels, was eine weitere Verbreitung des Heroinhandels bewirkt. Je mehr Heroinhandels, desto mehr Razzien wird die Polizei durchführen, was eine gleich- gerichtete Wirkung darstellt. Diese Erhöhung muss eine Steigerung der beschlagnahmten Heroinmengen bewirken (s. Tabelle 2.1 Zeile 7). Damit besteht zwischen dem Preis und Heroinhandel und zwischen der Süchtigenzahl und dem Heroinhandel auch gleichgerich- tete Wirkungen.

Die ansteigende Menge des beschlagnahmten Heroins verringert das Heroinangebot am modellierten Markt, somit stellt die Wirkung einen entgegengerichteten Zusammenhang dar.

Unter der Voraussetzung, dass eine steigende Tendenz in der Beschaffungskriminalität von der Polizei wahrgenommen wird, besteht zwischen der Beschaffungskriminalität und Razzien eine gleichgerichtete Wirkung.

Fassen wir die einzelnen in der Tabelle 2.1 aufgelisteten Kausalrelationen zu einem Wir- kungsdiagramm zusammen, erhalten wir ein Netz der Gestalt:

Abbildung 2.10: Elementares Wirkungsdiagramm des Schwarzmarktes für Heroin Quelle: in Anlehnung an[122]

Abbildung in dieser Leseprobe nicht enthalten

Man sieht, dass der modellierte Markt drei Rückwirkungsschleifen besitzt. Die drei Kreise sind in der Abbildung 2.11 noch mal abgebildet. Anhand von diesen Diagrammen mit Hilfe der oben erläuterten Faustregel kann man die Polaritäten der inneren Kreise bestimmen. Alle drei Rückkopplungskreise sind positiv.

Abbildung 2.11: Positive Rückkopplungskreise des Schwarzmarktes für Heroin Quelle: in Anlehnung an[122]

Abbildung in dieser Leseprobe nicht enthalten

Die Positivität des Rückkopplungskreises im System ist zunächst eine abstrakte Eigen- schaft. Was sie in der Realität bedeuten kann, versteht man, wenn man die Abhängigkeit der Änderungen von Elementen von der Änderung eines anderen Elementes also Dynamik des Systems untersucht. Wir nehmen dafür an, dass die Polizei mehr Razzien durchführt, wodurch das Heroinangebot verringert wird. Da die Süchtigen extrem abhängige Nach- frager sind, führt die durch die Änderung am Element Razzien gesenkte Heroinangebot zur Erhöhung des Heroinpreisniveaus. Wegen des angestiegenen Heroinpreises benötigen die Süchtigen mehr Kapital, um ihre Sucht zu finanzieren. Sie versuchen durch kriminelle Delikte die notwendigen Geldbeträge zu beschaffen, was schließlich die Beschaffungskri- minalität steigert. Wegen des angestiegenen Heroinpreises wird das Heroingeschäft für die organisierte Kriminalität attraktiver, was zur Erhöhung der Drogenkriminalität führt. Die dritte Auswirkung der Erhöhung des Heroinpreises ist die Steigerung der Zahl der Süchtigen und damit die Zahl der Nachfrager nach Heroin. Dies erfolgt indirekt dadurch, dass immer mehr Süchtige gezwungen sind, als Kleindealer neue Leute zur Sucht anzustiften. Schließlich führen die polizeiliche Maßnahmen zur Erhöhung der Drogen- und Beschaffungskriminalität und Steigerung der Süchtigenzahl. D.h. je mehr sich die Polizei anstrengt, desto schlimmer wird das Problem.⁴⁶

Das Beispiel stellt den vereinfachten Realitätsaausschnitt dar. Die gedanklich durchgespielten Szenarien werden als keine Prognose rezipiert. Sie geben kein zukunftiges Systemverhalten detailliert wieder. Mit dem Beispiel werden die Aufgaben von der vorzustellenden Methoden System Dynamics angedeutet. Die Analysen sollen ermöglichen, strukturelle Annahmen zu treffen, diese zur Diskussion zu stellen und die Auswirkungen der angenommenen Strukturen zu untersuchen.⁴⁷

2.2.3 Systemgrenzen aus systemtheoretischer Sicht

Ein System ist eine zusammenhängende Einheit, die sich von der Umwelt abgrenzen lässt.⁴⁸ Damit muss man für eine Systemuntersuchung Systemgrenzen ziehen, die ein System nach außen hin zur Umwelt unterscheiden und ihm seine organisatorische Ge- schlossenheit verleihen, d.h. innerhalb der Systemgrenzen müssen alle wichtigen Fakto- ren liegen, die das beobachtete Systemverhalten beeinflussen. Z.B. ein Arzt als „Beob- achter“ muss für eine Diagnose eine gedankliche Grenze innerhalb des Körpers seines Patienten ziehen, sonst kann er nicht entscheiden, welches Subsystem er für die Behand- lung als relevant ansieht. Trifft er eine gravierend falsche Entscheidung, dann gibt es keine Heilung oder unter Umständen unerwünschte Nebenwirkungen.

Um eine Grenze zwischen einem System und seiner Umgebung festlegen zu können, muss man die Begriffe Umgebung und Systemgrenze erst definieren. Die beiden Begriffe sind aber aus mehreren Hinsichten relativ. Außerdem unterscheidet man mehrere Phasen der Systemtheorie aus der Sicht der Betrachtung von Systemgrenzen. Die Problematik wird kurz im Folgenden erläutert.

Der Begriff der Umgebung und Anpassung eines Systems an seiner Umgebung stammen aus der Biologie und der Gesellschaftswissenschaften. Die Begriffe werden aber viel breiter angewandt. Man spricht z.B. von der Umgebung einer Turing-Maschine, d.h. einer idealen Rechenmaschine besonderer Art, und man meint mit dieser Umgebung den äußeren unendlichen Speicher der Maschine.

Der Begriff der Umgebung eines Systems ist relativ. Einmal bezieht sich die Relativität auf die Festlegung der Grenze zwischen System und Umgebung. Betrachtet man z.B. das zentrale Nervensystem als System, so gehöret zur Umgebung nicht nur die natürliche und gesellschaftliche Umgebung des Menschen, sondern auch derjenige Teil des menschlichen Körpers, der nicht aus Nervenzellen besteht, die zum zentralen Nervensystem gehört.⁴⁹ Der Begriff der Umgebung ist aber noch in einer zweiten Hinsicht relativ. Die Umgebung eines existierenden materiellen Systems besteht aus unzählig vielen Elementen mit einer beliebig großen Anzahl von Beziehungen der verschiedenen Art. Nicht alle Elemente und Beziehungen zwischen Elementen der tatsächlich existierenden Umgebung eines Systems gehören im abstrakten systemtheoretischen Sinn zur Umgebung des Systems. Wäre die Wissenschaft gezwungen, alle Elemente der Umgebung und alle Beziehungen zwischen solchen Elementen in den Umgebungsbegriff einzubeziehen, so würde sich der Begriff der Umgebung als wissenschaftlich wertlos erweisen. Zur Umgebung eines Systems rechnet man im systemtheoretischen Sinn nur solche Elemente und Beziehungen, die Einwirkun- gen durch die Elemente des Systems im Sinn der jeweiligen Elementardefinition erleiden oder Einwirkungen auf solche Elemente ausüben.⁵⁰

Es wurde in diesem Unterabschnitt keine klare Methode zur Festlegung der Grenze zwi- schen einem System und seiner Umgebung formuliert. Da viele Begriffe relativ sind und ihre Anwendungen sehr speziell sind, lässt sich keine allgemeine Methode für alle mög- lichen Systeme definieren. Betrachten wir Beispiele aus dem Bereich Biologie, um die Relativität der Begriffe Systemgrenze und Systemumgebung zu erklären. Die Antwort des Biologen auf die Frage nach der Grenze eines Lebewesens ist allen klar. Jede Zelle weist einen Rand auf, die Input-Output-Aktivitäten ermöglicht, aber dennoch die Ab- grenzung der Zelle zu ihrer Umwelt darstellt. Auch ein aus mehreren Zellen gebildetes Lebewesen lässt sich als einzelne Einheiten beobachten, die von ihrer Umwelt abgegrenzt ist. Wenn es aber mit anderen Lebewesen eine Gemeinschaft bildet, wird die Festlegung einer Grenze fallweise auch schwieriger. - Bildet die Durchmischung von äsenden Zebras und Gnus in der Seregeti ein System? Und was passiert, wenn ein Rudel Löwen kommt und die Beutetiere fliehen? - Das wird dann ganz deutlich eine Frage der Kriterien, die ein Beobachter anlegt. Neue Dimensionen bekommt der Begriff der Grenze im Zusammen- hang mit so genannten sinnhaften Systemen. Unter diesen sind die psychischen Systeme nur so lange als einfach hinsichtlich ihrer Grenze zu beurteilen, als man von einzelnem Individuum redet, z.B. vom Menschen: Auf der physischen Ebene ist seine Grenze durch seine Haut definiert. Auf der psychischen Ebene wird die Frage schon schwieriger: Was und wo ist der Geist, das Bewusstsein, die Psyche? Sind sie auch Teile der Psyche? Wo ist ihre Grenze? Sinnhafte Systeme entwickeln in der Regel ein Wissen darüber, wer oder was Element ihres Systems ist, wer oder was nicht - und damit ein Wissen über die Grenze des Systems.⁵¹ Den interessierten Leser verweise ich auf Werke von Lumann z.B. [77].

Eine weitere Schwierigkeit bei der Definition des Begriffes bildet die historische Entwick- lung der Systemtheorie, in der mehrere Phasen zu unterscheiden sind. Um es zu erklären, führen wir eine Klassifizierung von Systemen nach der Art der Systemgrenze ein.

Man unterscheidet offene und geschlossene Systeme. Geschlossene Systeme stehen in kei- nerlei Wirkungszusammenhang mit der Umgebung, keinerlei Input oder Output. In dem Sinne geschlossene Systeme sind aber nicht lebensfähig,⁵² was unter anderem schon der zweite Hauptsatz der Wärmelehre zeigt. Der Satz besagt nämlich, dass ein abgeschlos- senes System von alleine in Richtung Unordnung strebt. Bedingt durch die zunehmende Unordnung müsste jedoch jedes System wieder zu einem Nicht-System werden. Geschlos- sene Systemen sind künstliche Modelle, bei welchen man die Umweltbeziehungen vernach- lässigt. Diese Modelle weisen eine gewisse Gültigkeit im sehr begrenzten Rahmen auf.⁵³ Jedes überlebensfähige System ist in der Wirklichkeit ein offenes System, welches andere beeinflusst und selbts von anderen beeinflusst wird.

In der Systemtheorie wird deswegen der Begriff des geschlossenen Systems in der Hinsicht als relativer Begriff behandelt, d.h. es ist sinnvoll stets im Hinblick auf bestimmte Arten der Zusammenhänge. Der Begriff des offenen Systems demgegenüber ist absolut, da jedes beliebige materielle System stets auch Zusammenhänge besitzt, die ihm den Charakter des offenen Systems verleiht, d.h. vermöge derer es in Stoff-, Energie- oder Informations- austausch mit der Umgebung oder auch in allen Austauscharten zusammen mit ihr in Verbindung steht.

Deswegen dürfte der Begriff der Grenze nicht im Sinne von einem Abruch oder einer Trennung verstanden werden; Grenzen verweisen als „Einheit“ einer Struktur nach innen und nach außen: „Grenzen sind nicht zu denken ohne ein dahinter, sie setzen also die Realität des Jenseits und Möglichkeit des Überschreitens voraus. Sie haben deshalb nach allgemeinem Verständnis die Doppelfunktion der Trennung und Verbindung von System und Umwelt.“⁵⁴

Jedes System ist eine Besonderhheit aufgrund der beeinflussenden Umwelt. Entschei- dend für diese Auffassung ist, dass System als offenes Gebilde im Austausch mit der Umwelt ist und von dieser Umwelt geprägt wird. Der prägender Einfluss auf das System wird am Beispiel eines Apfels verständlich: „Apfel ist nicht gleich Apfel“. Dieselbe Sorte Apfel an unterschiedlichen Standorten führen zu unterschiedlichen Reifzeiten, Größen, Geschmacksrichtungen usw. Das System existiert aus sich selbst heraus, wird allerdings von seiner Umwelt beeinflusst.

Die obige Auffassung offener Systeme gehört zu der sogenannten 1. Phase Offenheit der Systeme gegenüber ihrer Umwelt. In der zweiten Phase wird „die Theorie offener Syste- me durch die Theorie autopoietischer Systeme ersetzt.⁵⁵ Man redet in dem Fall von der sogenannten operatinalen Geschlossenheit. Systeme reproduzieren sich dementsprechend aus den Elementen, aus denen sie bestehen, und nehmen nur die Informationen aus der Umwelt hinzu, die sie aus ihrer Sicht für ihre Reproduktion benötigen. Ein System (z.B. eine menschliche Zelle) entwickelt aus sich selbst heraus die zum Überleben wichtigen Bestandteile. Hierzu greift das System auf Informationen und Bausteine aus der Um-

Abbildung 2.12: Schematische Darstellung eines offenen Systems aus der systemtheoretischer Sicht der 1. Phase

Quelle: in Anlehnung an[156] S. 28

Abbildung in dieser Leseprobe nicht enthalten

welt zurück.⁵⁶ Man redet in dem Fall von autopoistischen Systemen, die zwar autonom agieren, sind aber nicht autark.⁵⁷

2.2.4 Systemgrenzen aus systemdynamischer Sicht

Systemdynamik benutzt die Sprache der Kybernetik und formuliert die Definition fol- gendermaßen: Ein offenes System ist charakterisiert durch einen Strom von Outputs, die Reaktionen auf zeitlich vorangegangene Inputs darstellen, aber diese Outputs sind iso- liert und haben keinen Einfluss auf die Inputs. Ein offenes System beobachtet nicht und reagiert nicht auf seinen Output. Ein Rückkopplungssystem, auch „geschlossenes“ System genannt, wird durch sein eigenes Verhalten in der Vergangenheit beeinflusst. Ein solches „Feedback-System“ hat die Struktur einer geschlossenen Schleife, in der die Ergebnisse vorangegangener Handlung als Informationen zur Kontrolle zukünftiger Aktionen be- nutzt werden.

Mit anderen Worten: werden in der Systemdynamik Systeme als geschlossen bezeichnet, falls in denen Ursachen, die das Systemverhalten determinieren, innerhalb der System- grenze liegen. Die Systemgrenze ist jedoch in dem Sinne offen, dass das System von außen Material, Energie oder Informationen empfangen kann. Diese von außen auf das System einwirkenden Elemente der Umgebung bleiben vom Verhalten innerhalb des Systems un-

Abbildung 2.13: Schematische Darstellung eines offenen Systems und eines geschlossenen Systems aus der systemdynamischen Sicht

Quelle:[90] S. 510

Abbildung in dieser Leseprobe nicht enthalten

beeinflusst.⁵⁸

Die systemdynamische Geschlossenheit ist nur dann gegeben, wenn durch die Systemgrenze keine für die Untersuchung relevanten Rückkopplungsbeziehungen „aufgeschnitten“ werden. Die Abbildung 2.13 soll diesen Sachverhalt veranschaulichen.

Die Menge aller rosa Elementen und Beziehungen zwischen diesen Elementen repräsentieren ein geschlossenes System. Das durch die dünn ausgezogene Linie abgegrenzte Untersystem ist offen und nicht in der Lage, die in dem geschlossenenen System beobachtbaren Verhaltensformen aus seinen Elementen zu erzeugen. Wesentliche Entscheidungszusammenhänge werden durch die enge Lage der Systemgrenze aufgetrennt. Alle außerhalb von dem geschlossenenen System liegenden Faktoren stellen die Umwelt des Systems dar. Inputs und/oder Outputs überschreiten zwar die Grenze, ohne jedoch die dynamische Unabhängigkeit des Systems zu berühren.⁵⁹

Aus der obigen Erläuterung wird auch klar, dass die Klassifizierung von Systemen hin- sichtlich der Offenheit nicht eine Frage der besonderen Anordnung von Systemelementen ist, sondern hängt allein vom Standpunkt des Betrachters bei der Definition des Sys- temszweckes ab.⁶⁰ Die Geschlossenheit eines Systems aus der systemdynamischen Sicht ist auch relativ. Betrachten wir einen Verbrennungsmotors, um diesen Sachverhalt zu illustrieren.

2 Der Systembegriff, sein Inhalt und Methodik seiner Betrachtung

- Der Motor, der ohne Regler arbeitet, hat keine Geschwindigkeitsvorgabe. Er stellt im Bezug auf die Geschwindigkeitregulierung ein offenes System dar. Eine Veränderung der Ventileinstellung führt zu einer anderen Geschwindigkeit. Die Geschwindigkeit hat aber keinen Einfluss auf das Ventil.
- Baut man einen Geschwindigkeitsregler ein, erhält man aus dem Motor ein geschlossenes System. Veränderungen der Belastung verursachen Geschwindigkeitsveränderungen, die ihrerseits eine kompesierende Anpassung der Ventileinstellung hervorrufen, weil der Regler die Funktion hat, die vorgegebene Geschwindigkeit, auf die er eingestellt wurde, zu halten.
- Erweitern wir das System weiter, in dem wir den Motor als Bauteil eines Rasenmähers darstellen. Der Zweck des erhaltenen Systems ist Rasenmähen. Von der erweiterten Zwecksetzung des Grasscheidens ausgesehen ist der Rasenmäher ein offenes System, weil er nicht wahrnimmt, welches Gras schon geschnitten wurde und welches als nächstes zu schneiden ist.
- Das System lässt sich weiter auf eine System Rasenmäher und eine ihn bedienende Person erweitern, was es zu einem geschlossenen System macht.⁶¹

2.2.5 Dynamik

Der Unterabschnitt beschäftigt sich mit dem Verhalten von Systemen in der Zeit und der Definition der Dynamik.

Dörner betrachtet das ganze Universum in einem vierdimensionalen System, nämlich in einem dreidimensionalen Raum, der auf einer Zeitachse in einer Richtung, nämlich der Richtung „Zukunft“ bewegt.⁶² Diese Bewegung spielt bei der Modellierung der dynami- schen Systemen eine wichtige Rolle. Sie setzt Beobachter bei der Untersuchung unter Zeitdruck,[63] weil sich dynamische Systeme im Zeitverlauf ändern. Anhand von beobach- teten Zuständen und Ereignissen in der Vergangenheit und augenblicklichen Zuständen kann man zwar viel über Systeme erfahren, die Erkenntnisse sind aber für Prognosen des zukünftigen Systemsverhalten nicht ausreichend.⁶⁴ Es folgt zu Einem aus der Zeit- verzögerung und zu dem Anderen aus der sogenannten Eigendynamik der dynamischen Systeme.⁶⁵ Möchte man ein System über einen längeren Zeithorizont steuern, muss man diese Eigendynamik verstehen.

In folgenden Abschnitten wird mit der Dynamik eine gewisse Verhaltenscharakteristik von Systemen in der Zeit gemeint. Sie folgt aus der Abhängigkeit der Verhaltensstruk- tur eines Systems vom Verlauf von Wirkungen seiner Elemente untereinander und der Umwelt auf sie. Dabei ist das Zusammenwirken der Systemelemente untereinander im Zeitablauf von der Bedeutung.⁶⁶ Mit der Eigendynamik von Systemen wird ein eigen- ständiges, von der Systemstruktur selbst bestimmtes Verhalten bezeichnet. Das Verhalten wird durch Rückkopplungen im System erzeugt, wobei das Verhalten mit etwaigen Ein- wirkungen auf das System kaum noch oder nicht mehr in Verbindung gebracht werden kann.⁶⁷ Weisen Systeme keine Eigendynamik auf, werden sie als statisch bezeichnet.⁶⁸

Die weiteste begriffliche quantitative Auslegung versteht unter Dynamik eine bloße Ab- tragung von Zahlenwerten einer Größe auf einer Zeitachse. Diese Abtragungen werden in der Physik als Kinematik bezeichnet, d.h. Kinematik betrachtet die Veränderungen von Größen im zeitlichen Verlauf. Dynamik untersucht dagegen die Determinanten die- ser Veränderungen. Somit lässt die Dynamik klären, inwiefern die Änderungen einiger Größen auf Änderungen anderer Größen zurückzuführen sind. Dafür muss man das Vor- handensein von Zusammenhängen zwischen zu untersuchender Größen voraussetzen.

Aus der Erläuterung wird die Definition der Dynamik auch im analytischen Sinn deutlich. Unter dem Begriff Dynamik versteht man das Studium von Systemen, deren Zustände sich laufend ändern. Man untersucht in der Dynamik die augenblickliche Änderungsrate einer Größe, die durch ihre Ableitung nach der Zeit ausgedrückt wird. Die Änderungsra- te kann auch eine Zeitableitung haben bzw. Gleichungen, welche Zusammenhängen zwi- schen Größen und ihren zeitlichen Ableitungen ausdrücken, sind Differenzialgleichungen. Klassische Dynamik ist also eine Theorie der Differenzialgleichungen.⁶⁹ Diese Wortver- wendung wird bei der quantitativen Modellierung der dynamischen Systemen ab dem Abschnitt 5.5 wieder zweckmäßig.

2.2.6 Komplexität

Die weitere zu erläuternde Systemeigenschaft ist Komplexität. Die Definition von Kom- plexität als solche sowie die Messung derselben ist in der Literatur nicht eindeutig be- schrieben und es existiert eine Vielzahl von unterschiedlichen Ansätzen. Ein eher techni- sches Maß der Komplexität bildet die Kompliziertheit oder Varietät. Darunter wird die Anzahl und Verschiedenheit der Elemente und ihrer Beziehungen verstanden.⁷⁰ Nach Ul- rich und Probst sind die Begriffe Varietät und Komplexität nicht identisch, weil bei der Komplexität das dynamische Verhalten des Systems (engl.: dynamic complexity) mit- berücksichtigt wird. Sie definieren sie als „Fähigkeit eines Systems, in einer gegebenen Zeitspanne eine große Zahl von verschiedenen Zuständen annehmen zu können“.⁷¹

Die Komplexität der Systeme bzw. ihrer Modelle resultieren also aus der Vielfalt der möglichen diskreten Zustände und Zustandübergänge sowie aus der Tatsache, dass die in der Modellierung auftretenden Funktionen f (t) (s. Abb. 2.14) nicht durch einfache analytische Ausdrücke darstellbar sind. Komplexität entsteht häufig durch das Zusammenwirken vieler Elementen. Selbst wenn die Komponenten sehr einfach sind, kann das Gesamtverhalten aufgrund der vielfältigen Kombinationsmöglichkeiten der Elementen eine sehr große Zahl von Zuständen annehmen.⁷²

Eine dynamische Komplexität nach Senge liegt dann vor, wenn dieselbe Handlung kurz- fristig völlig andere Auswirkung hat als langfristig. Auch wenn eine Handlung sich an einer Stelle des Systems auf eine bestimmte Weise auswirkt, in einem anderen Teil je- doch ganz andere Auswirkungen hat.⁷³ Senge weist darauf hin, dass bei der dynamischen Komplexität Ursachen und Folgen nicht offensichtlich in Zeit und Raum miteinander verbunden sind.⁷⁴ Das Merkmal folgt aus der Beobachtungen soziotechnischer Systeme⁷⁵ undökosysteme.⁷⁶ Diese Systeme haben ihre Eigendynamik so, dass ein Input selbst den Zustand des Systems verändert. Dadurch wird der Output nicht nur abhängig vom momentanen Input, sondern auch vom früheren Systemzustand, auf den er trifft.

Systeme können dynamisch und komplex sein. Sie können aber auch entweder dynamisch oder komplex sein. Nicht dynamische Systeme, wie wir bereits wissen, werden statisch bezeichnet. Ulrich und Probst bezeichnen dynamische Systeme einfach oder trivial, falls Systeme ohne jegliche Komplizierbarkeit sind.

Nicht-triviale Systeme sind analytisch unbestimmbar, unvoraussagbar und vor allem ver- gangenheitsabhängig, d.h. jedes neue oder wiederkerende Input führt zu unterschiedlichen Output. Der Unterschied zu trivialen Systemen ist, dass sich nicht-triviale Systeme nicht über äußere, d.h. leicht wahrnehmbare Kriterien bestimmen lassen, sondern hierfür die Kenntnis der jeweiligen intern vorhandenen Komplexität notwendig ist.⁷⁷ Bei den technischen selber konstruierten Systemen fehlt die Eigenschaft Komplexität in der vorgestellten Auffassung. Jeder Teil ist auf ein bestimmtes Verhalten hin konstruiert und auf das Zusammenwirken der Teile erfolgt nach festen Regeln. Derselbe Input führt nachher zwangsläufig immer zum selben Output. Zum Beispiel hält man zuerst einen Stein in der Hand und lässt ihn dann los, so fällt er zufolge der Schwerkraft zu Bo- den. Während einfache Zusammenhänge, wie etwa das Fallen eines Gegenstandes, durch einfache kausale Beziehungen erklärt werden können, sind bei komplexen Systemen be- stimmten Wirkungen keine eindeutigen Ursachen zuzuordnen. Analog lässt es sich nicht von einer bestimmten Ursache auf eine vorhersagbare Wirkung schließen.

2.2 Die konstituierende Merkmale des Systembegriffes

Soweit wurde nur die Komplexität innerhalb des beobachteten Systems behandelt. Aus der Sicht eines Unternehmens, das man auch als ein System betrachten kann, weist seine Umwelt eine höhe (Umwelt-)komplexität auf, in Form z.B. der Märkte, der gesetzlichen Regelungen und der technologischen Möglichkeiten (Finanzindustrie). Damit wird bei Behandlung von sozialen Systemen die Komplexität sowohl innerhalb als auch außerhalb des jeweils beobachteten oder beobachtenden Systems gesehen.⁷⁸

Abbildung 2.14: Triviale und nicht-triviale dynamische Systeme Quelle: in Anlehung an[156] S. 58

Abbildung in dieser Leseprobe nicht enthalten

2.2.7 Struktur

Nachdem die Begriffe Elemente und Beziehungen zwischen den Elementen erläutert wur- den, kann man die Anordnung der Elementen in einem System als Aufbau eines Systems betrachten. Die Verwendung von Wörtern Organisation und Struktur bei Systemtheore- tikern folgt weitergehend dem gewohnten Sprachgebrauch. Eine sehr eigenständige Auf- fassung vertreten allerdings Maturana und Varela im Zusammenhang mit dem Modell der Autopoise.⁷⁹ Sie unterscheiden zwischen der Struktur und der Organisation eines Systems. Die Struktur in ihrer Auffassung ist die augenblickliche Ansammlung von Re- lationen zwischen einzelnen Elementen. Demgegenüber ist eine Systemorganisation die Menge der Regeln, die die Reproduktion der Elemente festlegt, Eigenschaften besitzen und die Aufrechterhaltung der grundlegenden Aspekte der Struktur sicherstellen.⁸⁰

Die Auffassung ist sehr speziell auf System in der Biologie ausgerichtet. Da wir im Wei- teren allgemeine dynamische komplexe Systeme durch die Methodik der Systemdynamik behandeln möchten, schränken wir die Begriffsbestimmung auf die allgemeinen dyna- mischen komplexen Systeme ein. Aus diesem Grund ist die Bezeichnung Struktur in Anlehnung an Ulrich besser geeignet.⁸¹ Die Struktur stellt nach Ulrich eine Bestimmung von Beziehungen der Positionen von Systemelementen zueinander dar. In dynamischen Systemen sind diese Positionen nicht dauerhaft, d.h. dass sich die Struktur mit der Zeit verändert. Damit beinhaltet der Begriff Struktur im Bezug auf dynamische Systeme die Anordnung bzw. Abfolge von Vorgängen und Positionen in einer zeitlichen Dimension. Die Strukturen der dynamischen komplexen Systeme werden als „Prozessstrukturen“⁸² oder „systemische Strukturen“ bezeichnet.

Wie wir aus dem Unterabschnitt Elemente schon wissen, können Systemelemente immateriell sein. Zur Struktur gehören sie alle. Senge weist darauf, dass zur Struktur z.B. Ängste gehören können. Elemente, die das Systemverhalten im Laufe der Zeit beeinflussen können, gehören alle zur systemischen Struktur.⁸³

Im Zusammenhang mit der systemischen Struktur ist das Axiom des strukturbestimmten Verhaltens zu beachten (s. Abb. 2.15). Es besagt nämlich, dass zwei zentrale Eigenschaften nämlich Systemstruktur und Systemverhalten den Charakter dynamischer Systeme bestimmen. Die Beziehung zwischen den beiden ist asymmetrisch. Das heßt:

- Einer bestimmten Systemstruktur ist das Systemverhalten eindeutig zugeornet.
- Ein bestimmtes Systemverhalten kann durch eine (unendliche) Menge von Systemstrukturen erzeugt werden.

Abbildung 2.15: Systemstruktur als versteckte Ursache der Systemoutputs

Abbildung in dieser Leseprobe nicht enthalten

Das Systemverhalten ist eine komplexe Deduktion aus dem dynamischen Zusammenwir- ken einer strukturellen Eigenschaft. Es ist direkt und eindeutig aus der Struktur ableitbar. Die umgekehrte Vorgehensweise - eine Regression von Systemverhalten auf die Struktur - stellt hingegen eine Transformation dar, die mehrwertig ist und nicht zu einer eindeuti- gen Lösung führt. Dies bedeutet, dass die Ursache (Systemstruktur) einer beobachteten Wirkung (Systemverhalten) nicht mit letzter Sicherheit bestimmt werden kann.⁸⁴

[...]

---

¹ Als Beispiel kann man die Veränderungen in der Finanzindustrie betrachten, die in150. S 4. ff. geschildert werden.

² Vgl.150. S 4. ff.

³ Die Sichtweise wird unterschiedlich bezeichnet.

⁴ Vgl.119

⁵ Vgl.159,142 S. 419

⁶ Vgl.142 S. 85

⁷ Vgl.62

⁸ Für die vertiefte Auseinandersetzung mit der Problematik des menschlichen Denkens im Hinblick auf dynamische komplexe Systeme verweise ich den interessierten Leser auf Werke von Dörner37, Senge142, Ossimitz119 und Vester160,159.

⁹ Vgl.159 S. 18 ff.

¹⁰ Vgl.119

¹¹ Vgl.90 S. 507

¹² Vgl.9 S. 52

¹ http://de.wikipedia.org/wiki/System#cite_note-0 25.09.2012

² Vgl.77

³ Vgl.160

⁴ Vgl.163

⁵ Vgl.109 S. 102 ff.

⁶ Vgl.109 S. 118 ff.

⁷ Vgl.37 S. 109

⁸ Vgl.37 S. 109

⁹ Vgl.159 S. 27

¹⁰ Vgl.156 S. 30

¹¹ Vgl.84

¹² Vgl.63 S. 146

¹³ Vgl.159 S. 27

¹⁴ Vgl.159 S. 27

¹⁵ Das Verhalten im Bezug auf das System wird als Ganzheit des Systems bezeichnet. Vgl.173 S. 48

¹⁶ Vgl.142 S. 83

¹⁷ Vgl.159 S. 27

¹⁸ Vgl.63

¹⁹ Vgl.159 S. 27 f.

²⁰ Vgl.47 S. 42 f.

²¹ Vgl.37 S. 112

²² Vgl.155 S. 109

²³ Vgl.63 S. 172 f.

²⁴ Vgl.63 S. 176 f.

²⁵ Vgl.156 S. 43 ff.

²⁶ Vgl.119

²⁷ Vgl.142 S. 111

²⁸ Vgl.150 S. 80

²⁹ Vgl.122

³⁰ Vgl.142 S. 110

³¹ Vgl.156 S. 37

³² Vgl.159

³³ Vgl.159 oder84 S. 383

³⁴ Vgl.119

³⁵ Vg.84 S. 383

³⁶ Vgl.63 S. 178 f.

³⁷ Vgl.156 S. 46,37 S. 110 ff. oder84 S. 385 ff. Malik bezeichnet sie als destabilisierend.

³⁸ Vgl.156 S. 47

³⁹ Vgl.63 S. 182

⁴⁰ Vgl.156 S. 46,37 S. 110 ff. oder84 S. 384 ff. Malik bezeichnet sie als stabilisierend.

⁴¹ Vgl.122

⁴² Vgl.142 S. 110

⁴³ Vgl.142 S. 110 ff.

⁴⁴ Vgl.142 S. 112

⁴⁵ Vgl.122. Das Beispiel wird ausführlich von Ossimitz betrachtet und das Problem systemtheoretisch weiter analysiert.

⁴⁶ In142 S. 73 ff. kann man auch weitere Beispiele finden.

⁴⁷ Vgl.167 S. 94

⁴⁸ Vgl.154 S. 22

⁴⁹ Vgl.63 S. 167

⁵⁰ Vgl.63 S. 167

⁵¹ Vgl.173 S. 56 f.

⁵² Vgl.159 S. 29

⁵³ Vgl.63 S. 169

⁵⁴ Vgl.77 S. 52

⁵⁵ Vgl.1 S. 35

⁵⁶ Vgl.1 S. 36

⁵⁷ Vgl.1 S. 37

⁵⁸ Vgl.90 S. 510

⁵⁹ Vgl.90 S. 510

⁶⁰ Vgl.44 S. 16

⁶¹ Vgl.44 S. 17

⁶² Vgl.37 S. 156

⁶³ Vgl.37 S. 62 f.

⁶⁴ Vgl.37 S. 153 ff.

⁶⁵ Vgl.156 S. 60

⁶⁶ Vgl.156 S. 44 ff.

⁶⁷ Vgl.13 S. 42

⁶⁸ Vgl.115 S. 70

⁶⁹ Vgl.106 S. 38 ff.

⁷⁰ Vgl.156 S. 61

⁷¹ Vgl.156 S. 58

⁷² Vgl.78 S. 54 ff.

⁷³ Vgl.142 S. 90

⁷⁴ Vgl.142 S. 80, 89 f.

⁷⁵ Vgl.84 S. 37

⁷⁶ Vgl.155 S. 60 ff.

⁷⁷ Vgl.1 S. 25 ff.

⁷⁸ Vgl.166 S. 17 ff.

⁷⁹ Autopoise ist eine Eigenschaft eines Systems, dass sich auf eine solche Weise reproduziert, das es seine Organisation beibehält, was in dem Fall Identität bedeutet. Vgl.106 S. 115

⁸⁰ Vgl.106 S. 114 f.

⁸¹ Im Bezug auf soziale Systeme benutzt Luhmann die Begriffe Struktut und Prozess und bearbeitet damit das Phänomen der Zeit, was dem Ulrich’s Konzept ähnlich ist. Vgl.77 S. 386 ff.

⁸² Vgl.155 S. 110

⁸³ Vgl.142 S. 59 84 Vgl.76 S. 26 f.