Produkte / Visualisierungen

Komplexe Zusammenhänge kann man besser 
visualisieren als beschreiben

Identifikation der zentralen Faktoren eines Systems

Nicht alle Elemente eines Systems sind gleich bedeutsam und gleich wichtig für das Zustandekommen des Systemverhaltens. Einige Elemente erscheinen bei genaueren Hinsehen als ausgesprochen aktive, mit vielen anderen Elementen in Wechselwirkung stehende Größen, wohingegen andere Elemente sich eher passiv verhalten, also eher beeinflusst werden, als selbst beeinflussen. 

... mehr lesen

Complexity-Research verfügt über Tools und Erfahrung in der Visualisierung komplexer Systemstrukturen. 
Hier findet sich eine kleine Auswahl von Beispielen:

 




 


 


 


 

      

             

Gezielte Intervention und Steuerung eines Systems

Die Steuerung eines komplexen Systems muss also von der Einsicht ausgehen, dass das zu steuernde System seinen eigenen Erwartungsstrukturen gemäß operiert, geschichtsabhängig ist, seinen inneren Zustand verändern kann, also lernfähig ist und damit in seinen Verarbeitungsprozessen nicht vorhersehbar ist. 

... mehr lesen

Eine Voraussetzung für das Verständnis eines Systems ist die Visualisierung seine Verhaltens.
Complexity-Research verfügt über Tools und Erfahrung in der Visualisierung komplexer Prozesse. 
Hier findet sich eine kleine Auswahl von Beispielen:

 




          

 






  

Management von Change Prozessen

Umfassende Veränderungen und Change Prozesse werden als Phasenübergänge bezeichnet. Sie sind natürlich und nachhaltig und nutzen die systemeigenen Kräfte. Zum Management solcher Change Prozesse bedarf es einer umfassenden Kenntnis der aktuellen Systemprozesse, so dass sensible Phasen im Verlauf der Systemgeschichte identifiziert und genutzt werden können.

... mehr lesen

Complexity-Research orientiert sich im Verständnis von Change Prozessen an der Theorie Nichtlinearer Dynamischer Systeme. 
Hier findet sich eine kleine Auswahl von Beispielen:

 






         

Messen von Komplexität

Komplexität von statischen Strukturen und dynamischen Prozessen kann gemessen und quantifiziert werden. In vielen Bereichen können mittels solcher Komplexitätsmessungen verschiedene qualitative Aspekte eines Systems bestimmt werden. So ist z.B. Barockmusik weniger komplex als Free-Jazz, sind komplex fluktuierende Herzrhythmen gesünder als ein starres maschinenartiges Herzklopfen. 

In vielen Fällen ist die organisierte und geordnete Komplexität ein besonders trickreicher Überlebensmechanismus. Die hoch komplexe fraktale Struktur der Lunge, die komplexe Anordnung von Ästen und Laub eines Baumes, die Vielfalt der Arten etc. sind Beispiele, die zeigen, wie eine gesteigerte Komplexität einen besonderen Nutzen nach sich zieht. Auch Unternehmen können sich solcher Tricks bedienen, durch flache Hierarchien, durch Gruppen und Projektarbeit, durch Teilautonome Fertigungsinseln etc.

Die Messung der Komplexität einer Dynamik oder einer statischen Struktur ist dabei ein unabdingbares Werkzeug der Komplexitätsforschung.

Identifikation von Chaos

Chaos ist ein besonders komplexes, nicht mehr periodisches und nicht mehr über längere Zeiträume hinweg prognostizierbares Systemverhalten. Dennoch ist auch Chaos ein geordneter Systemzustand. Chaos lässt sich an seiner hohen Komplexität aber dennoch vorhandenen Ordnung identifizieren. In vielen Fällen repräsentiert Chaos durch seine Empfindlichkeit für äußere Einflüsse ein gesundes und lernfähiges Verhalten.

Dabei sind aber nicht alle chaotischen Systeme gleich chaotisch. Einige Systeme, wie z.B. das Wetter sind über einen praktikablen Zeitraum hinweg prognostizierbar. Andere Systeme können nicht einmal für die nächsten Sekunden vorhergesagt werden (und sind dennoch in sich nicht zufällig und beliebig).

Moderne mathematisch-statistische Methoden erlauben es die Chaotizität einer Dynamik zu bestimmen und so das plötzliche Auftreten von Chaos oder die Veränderung der Dynamik zu identifizieren.

Strategien im Umgang mit Komplexität

Bei komplexen Systemen ist es unmöglich einzelne Bereiche getrennt zu planen oder zu entwickeln. Die verschiedensten Interaktionen zwischen den Elementen erfordern einen Planungs- und Analyseansatz, der nicht auf einer Unsumme an Detaildaten beruht, sondern das Zusammenspiel der Elemente berücksichtigt, denn einzeln perfekt geplante Elemente können im Zusammenspiel sich durchaus ungeplant und nicht mehr steuerbar verhalten. 

Man muss deshalb dazu übergehen, Strategien zu entwickeln, die das Zusammenspiel und die Selbstregulation der Systemkomponenten mit einbeziehen - dh. es muss ein Wechsel vom linearen zum vernetzten Denken erfolgen. Um komplexe Systeme zu erfassen und ihr Verhalten zu verstehen benötigt man einen Planungsansatz, der die komplexe Vernetzung des untersuchten Systems berücksichtigt. Unter Bezug auf die Arbeiten von Dörner können in diesem Zusammenhang sechs Fehler im Umgang mit komplexen Systemen benannt werden:

Vorhersage von Vorhersagbarkeit

Die Chancen, zu überprüfbaren Prognosen für ein dynamisches System zu kommen, stehen auch für chaotische Systeme gar nicht so schlecht:

Insgesamt ist es jedoch wenig sinnvoll, an komplexe Prozesse die gleichen Fragen zu richten, wie sie bei trivialen Prozessen Verwendung finden. Prognosen für komplexe Systeme können sich an folgenden vier Leitlinien orientieren:

Abbildung: Therapeutisches Chaos

Die Abbildung stammt aus einem Forschungsprojekt zum therapeutischen Chaos. Zwei Psychotherapien wurden in 10-Sekundenintervallen aufwändig kodiert. Die Abbildung zeigt für eine der beiden Therapien die Stärke des Schmetterlingseffektes im Verlauf der Therapie (lokaler Lyapunov-Exponent). Im gesamten Verlauf der Therapie liegt Chaos vor. D.h. die Entwicklung ist nicht langfristig vorhersagbar. Starke Veränderungen sind markiert. Die Pfeile markieren synchron bei Therapeut und Klientin (rot) bzw. nicht synchron (blau) auftretende sprunghafte Veränderungen. Markiert wurden die jeweils größten Veränderungen.
(Strunk, G. (2004) Organisierte Komplexität)

Quick Links

- Bücher
- Lehre
- Software
- Videos
- Home