Forschung / Komplexitätsforschung

    

Was kann Komplexitätsforschung?

Komplexität wird im Alltagsverständnis gerne als Entschuldigung für eine Überforderung gebraucht. Komplexitätsforschung ist aber mehr als die Feststellung, dass nichts geht. Im Gegenteil, sie hilft komplexe Phänomene zu verstehen indem zentrale Faktoren eines Systems identifiziert werden, Möglichkeiten zur gezielten Intervention und Steuerung abgeschätzt werden können und Change Prozesse in Organisationen erstmals verständlich werden.

Zudem kann Komplexität gemessen werden und ist so eine zentrale Beschreibungsgröße eines Systems. Die Behauptung, dass alles immer komplexer wird kann so tatsächlich geprüft werden. Auch wenn komplexe Prozesse nicht im Detail vorhergesagt werden können, so kann doch eventuell vorhergesagt werden, wann und unter welchen Umständen in einem System die Vorhersehbarkeit verloren geht.

   

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.

Andere Elemente stehen mitten im Geschehen, sind dreh- und Angelpunkt fast aller Vernetzungen. Und wieder andere Elemente stehen am Rande des Systems, sind wenig eingebunden und nur schwer von Außen zu erreichen. Die Identifikation der zentralen Schlüsselelemente eines Systems ist ein zentrales Ziel der Komplexitätsforschung.

Neben den direkt am System beteiligten Variablen, sind es Faktoren wie die antreibende Energie im System und die Rahmen- bzw. Randbedingungen, die auf das Verhalten des Systems einen wichtigen Einfluss haben.

   

Gezielte Intervention und Steuerung eines Systems

Komplexe (soziale) Systeme können aufgrund der Rückkoppelungs- und Selbstorganisationsprozesse bzw. der interaktiven Wirkungszusammenhänge nicht von einem bestimmten Punkt aus zielgerichtet in eine gewünschte Richtung gelenkt werden. 

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 sich damit in seinen Verarbeitungsprozessen nicht vorhersehbar verhält. 

Es ist das intervenierte System selbst, das die Kriterien vorgibt, unter denen es bereit ist, sich beeinflussen zu lassen. Das System kann mittels Interventionen allenfalls zur Eigenaktivität angeregt werden. Dazu muss man aber die Wirkungsstrukturen und die sensiblen Druckpunkte des Systems identifizieren. Dabei steht weniger die akribische Sammlung von Detaildaten im Vordergrund, als vielmehr die ganzheitliche Betrachtung des Systems und seiner Zusammenhänge.

   

Management von Change Prozessen

Die Veränderung des Systemverhaltens erfordert bei vielen Systemen weder die Ausübung von äußerem Zwang, noch den vollständigen Umbau des Systems. 

Insbesondere die Ausübung von Zwang und der Versuch einem System ein anderes, ihm nicht eigenes Verhaltensmuster vorzugeben, führt zu keiner dauerhaften Veränderung des Verhaltens. Die Eigendynamik des Systems führt es unweigerlich zurück in sein altes Muster, sobald der Zwang nachlässt.

Auf der anderen Seite ist ein aufwändiger und kostspieliger Umbau eines Systems nicht immer möglich, um dauerhaft ein anderes Verhalten zu erreichen. Komplexe Systeme sind in der Regel in der Lage von sich aus verschiedene Verhaltensmuster zu generieren, wenn die relevanten Kontrollparameter (hiermit ist insbesondere die Energie im System gemeint) verändert werden. 

Solche Veränderungen 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.

   

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:

   

Weiterlesen:

Komplexitätsforschung

Was ist Komplexität?

Was ist Chaos?

Was ist ein System?

Was ist Nichtlinearität?

 

   

Abbildung: Therapeutischer Schmetterlingseffekt

Die Abbildung zeigt Daten von zwei depressiven Patienten. Beide schätzen mit einem täglichen Fragebogen ihre Problembelastung ein und starten bei sehr ähnlichen Werten, die sich dann schnell auseinander bewegen (Divergenz) aber zwischenzeitlich auch wieder zueinander finden (Konvergenz). Beide Prozesse sind typisch für deterministisches Chaos.
(Mehr dazu: Strunk, G. & Schiepek G. (2014) Therapeutisches Chaos)

Quick Links

- Bücher
- Lehre
- Software
- Videos
- Home