Skip to main content
main-content

Über dieses Buch

Durch den zunehmenden Einsatz von Computern in nahezu allen Lebensbereichen erhöht sich die Menge verfügbarer Information extrem. Die Nutzung dieser Daten führt zu immer größeren betriebswirtschaftlichen und technischen Systemen, die zu komplex sind, um von Menschen verstanden zu werden. Als Ausgleich für dieses Manko wird im Rahmen der Digitalisierung versucht, intelligente Verfahren einzusetzen, die dem Menschen dabei helfen, die Systeme zu verstehen und zu steuern. In diesem Buch wird eine Theorie vorgestellt, die die systemischen Grenzen für diesen Ansatz aufzeigt und Alternativen vorschlägt. Systeme können nur dann nachhaltig und rational gemanagt werden, wenn die Konsequenzen von Entscheidungen auch verstanden werden können. Systeme mit entsprechenden strukturellen Eigenschaften sind mittel- und langfristig deutlich rentabler und überlebensfähiger. Der Text spiegelt die Erfahrung von mehr als 20 Jahren Beratungstätigkeit der Autoren wider.

Inhaltsverzeichnis

Frontmatter

1. Systeme

In diesem Buch geht es um Modelle von humanzentrischen Systemen. Diese Systeme können z. B. Unternehmen, Maschinen oder soziale Gruppen sein. Humanzentrisch bedeutet, dass diese Systeme „vom Menschen für den Menschen“ gemacht sind und/oder der Mensch in ihnen eines der zentralen Elemente darstellt. Die Systemmodelle können für verschiedene Zwecke eingesetzt werden:
Mit Hilfe eines Systemmodells kann man über Reale Systeme nachdenken, ohne an diesen „herumexperimentieren“ zu müssen. Man kann über mögliches Verhalten von Systemen nachdenken, selbst wenn man diese nicht beeinflussen kann. Im optimistischen Fall kann man die Zukunft des Systems voraussagen, ehe die Ereignisse in der Realität eintreffen. Ein gutes Systemmodell verleiht seinem Besitzer im Idealfall einen Vorteil im Umgang mit dem Realen System, insbesondere gegenüber möglichen Konkurrenten. Dies funktioniert jedoch nur, wenn sich das Systemmodell in hinreichendem Maße wie das Reale System verhält. Diese Überlegungen sind nicht neu, sondern bilden den Kern jeder wissenschaftlichen Arbeit. In letzter Konsequenz sind alle formalen Modelle der modernen Wissenschaften (Physik, Mathematik, Soziologie, …) Systemmodelle, die einem oder mehreren der oben angegebenen Zwecke dienen.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

2. Klassen von NES-Systemen

Die weiteren Überlegungen beruhen auf der Idee, dass drei verschiedene Klassen von Systemen unterschieden werden, die bezüglich Statik, Dynamik, Wertschöpfung und Trägheit deutlich unterschiedliche Eigenschaften besitzen. Die aus diesen Klassen nach der hier vorgestellten Methodik ableitbaren Systemmodelle sind für Menschen in unterschiedlichem Grade verständlich, was im Detail in den folgenden Kapiteln illustriert wird. Es ist jedoch klar, dass Systemmodelle nur dann einen Vorteil im Umgang mit den Realen Systemen bieten, wenn der Mensch aus ihnen signifikante Erkenntnisse ableiten kann. Andernfalls können aus Systemmodellen keine nachvollziehbaren Schlüsse für ein rationales Handeln abgeleitet werden. Wenn man ein Systemmodell nicht in Gänze versteht und dann aus diesem Modell Schlüsse ableitet, können diese im Prinzip genauso zufällig sein wie solche, die man ohne Modell aufstellt, da es eine signifikante Gefahr gibt, relevante Sachverhalte aufgrund der begrenzten menschlichen Auffassungsgabe nicht bedacht zu haben.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

3. Natural Systems

Die menschgemachten Systeme sind eine Teilmenge der Natural Systems \(\Phi_{N}\), bei denen bestimmte Strukturmerkmale und Maßzahlen eingehalten werden. Deshalb erläutern wir im Folgenden zunächst die natürlichen Systeme. Diese enthalten Systemmodelle von Realen Systemen, die nicht von Menschen entworfen und gebaut worden sind. Dies umfasst insbesondere physikalische Systeme und damit u. a. solche, die Gegenstand der klassischen und relativistischen Mechanik, der Thermodynamik oder der Quantenmechanik sind, z. B. ein Billardspiel, Flugzeuge, das Wetter und Schwarze Löcher. Mit eingeschlossen sind damit auch die in den anderen Naturwissenschaften behandelten Systeme, da diese sich stets auf physikalische Gesetze gründen.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

4. Engineered Systems

Die Engineered Systems \(\Phi_{E}\) enthalten Systemmodelle Realer Systeme, die von Menschen entworfen und gebaut worden sind, um einen bestimmten Zweck zu erfüllen. Dies umfasst technische Systeme wie z. B. Maschinen, aber auch betriebswirtschaftliche Systeme wie Unternehmen [3]. Engineered Systems können vom Menschen beherrscht werden, d. h. die Kausalität von Modifikation und Effekt ist für ihn durchschaubar und kann von ihm zur Kontrolle des Systems eingesetzt werden. Diese Beherrschbarkeit, die auch den zentralen Unterschied der \(E\)- zu den \(N\)-Systemen darstellt, beruht auf der bewussten oder unbewussten Anwendung einer Handvoll Mechanismen.
In diesem Kapitel werden die Werkzeuge zur Modellierung eines \(E\)-Systems erläutert, anhand derer die Prinzipien in den folgenden Abschnitten dargestellt und in Kap. 8 zusammengefasst werden.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

5. Projektionen auf E- und S-Systemen

Modelle von E-Systemen, die auf den TAM-Relationen basieren, lassen sich gut erweitern und kommunizieren. Die Verständlichkeit beruht auf drei Prinzipien, die sich in ähnlicher Form auch in den üblichen Konstruktionsmethoden von Ingenieur- und Wirtschaftswissenschaften wiederfinden. Diese sind die hierarchische Dekomposition von Problemen in Aspekte, die Betrachtung von Abhängigkeiten nur zwischen jeweils zwei Aspekten, sowie das Auslagern von Attribut-Informationen.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

6. Die E-Wertschöpfungsmatrix

Die E-Wertschöpfungsmatrix gibt an, welche Variablen eines bestimmten Aspekts Beiträge zur Realisierung von Teilwertschöpfungen liefern. Über diese Matrix wird die Wertschöpfungskomplexität definiert, die als Indikator für die Beherrschbarkeit und Veränderbarkeit eines Realen Systems dient.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

7. Slipped Systems

Die Slipped Systems \(\Phi_{S}\) beschreiben Reale Systeme, die von Menschen entworfen wurden. Beim Entwurf der \(S\)-Systeme wurden jedoch Entscheidungen getroffen, die dazu geführt haben, dass die Systeme de facto nicht die Gesetzmäßigkeiten von \(E\)-Systemen aufweisen und deshalb eher Eigenschaften von \(N\)-Systemen aufweisen. Dies kann z. B. daran liegen, dass die Statik zu komplex ist, die Dynamik nicht beherrschbar ist oder keine valide, nachvollziehbare Wertschöpfung vorliegt.
Es gibt auch Reale Systeme, die zu ihrem Realisierungszeitpunkt gut mit \(E\)-Systemen beschrieben werden konnten, aber Veränderungen durchlaufen haben, die dazu geführt haben, dass wichtige Gesetzmäßigkeiten der \(E\)-Systeme nicht mehr vorhanden sind. Sie sind zu \(S\)-Systemen geworden. Dies kann der Fall sein, wenn die Veränderungen dazu geführt haben, dass die Statik zu komplex geworden ist, dass die Dynamik nicht nachvollziehbar ist oder die Wertschöpfung nur noch mit geringer Signifikanz oder mit nicht vertretbarem Aufwand ermittelt werden kann.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

8. Abgrenzung von NES-Systemen

Die Systemklassen N, E und S werden anhand ihrer Komplexitätsmaße und Kombinatorik voneinander abgegrenzt. Insbesondere setzen beherrschbare E-Systeme eine klare Obergrenze an die Anzahl der Aspekte und M-Klassen. Diese bewusste Begrenzung der Struktur verspricht im Falle von Unternehmensmodellierung eine verbesserte Steuerbarkeit und Zukunftsfähigkeit des Unternehmens.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

9. Beherrschbarkeit von Systemen

Die Überlegungen der vorhergehenden Kapitel führen zu dem Schluss, das \(N\)- und \(S\)-Systemmodelle für den Menschen de facto nicht verständlich sind. Sie bilden somit keine valide Grundlage für die rationale Ableitung von nachvollziehbaren Entscheidungen oder ein sicheres Management.
Man kann dies noch strenger formulieren: Falls für ein Reales System kein \(E\)-Systemmodell gefunden werden kann, dann besteht eine hohe Wahrscheinlichkeit, dass das Reale System durch einen Menschen nicht mehr sicher kontrolliert und weiterentwickelt werden kann.
In manchen Fällen können in \(\mathit{NES}\)-Systemen automatische Analyseverfahren eingesetzt werden, die die Komplexitätsgrenzen von 7 weiter verschieben und somit auch Effekte größerer Zusammenhänge sicher vorhersagen. Man muss sich jedoch vor Augen führen, dass diesen Verfahren durch die Auswirkungen der temporalen Unschärfe, kombinatorischen Explosion und unbekannten Einzeleffekte berechnungstheoretisch unüberwindbare Grenzen gesetzt sind. Diese Grenzen greifen häufig schon bei vergleichsweise kleinen Systemmodellen, d. h. der Einsatz solcher Verfahren erweitert den Horizont der Beherrschbarkeit nur wenig. Automatisch erzeugte Entscheidungen sind für Menschen nicht mehr verständlich und werden häufig nicht akzeptiert.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

10. Vereinigung und Dekomposition von Systemen

Ein möglicher Ansatz zum geschickteren Umgang mit der Komplexität von Systemen besteht darin, Systeme als Kombination von Teilsystemen zu betrachten. Diese Idee rührt daher, dass Reale Systeme vereinigt oder in Teilsysteme dekomponiert werden können. Erstere Idee folgt dem Konzept des „System of systems“ [2, 4] mit dem Ansatz, durch Vereinigung der Ressourcen und Fähigkeiten mehrerer Systeme ein neues, komplexeres System zu erschaffen, das „mehr ist als die Summe seiner Teile“, also eine höhere Wertschöpfung als beide Einzelsysteme besitzt. Die Idee der Dekomposition in Teilsysteme findet z. B. im Rahmen der Multiskalensimulation [1] weite Verbreitung. Im Folgenden wird diskutiert, welchen Einfluss die Anwendung von Vereinigung und Dekomposition auf \(\mathit{NES}\)-Systeme hat und inwieweit sie zur Komplexitätsreduktion eingesetzt werden kann.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

11. Bilanz und Stabilität von Systemen

Bei allen bisherigen Überlegungen wurde davon ausgegangen, dass ein Systemmodell dazu dient, ein System zu einem Zeitpunkt zu beschreiben. Die meisten Realen Systeme sind aber in eine Umwelt eingebettet, die diese Systeme entweder ständig aktiv verändert, oder es erforderlich macht, dass das System als Reaktion auf Umwelteinflüsse anpasst werden muss. Zur Analyse des Systems ist neben der Höhe der erforderlichen Veränderungsenergie (bzw. der entsprechenden Kosten) auch relevant, wie schnell das System angepasst bzw. umgebaut werden kann. Wenn ein System zu starr ist und nur langsam transformiert werden kann, entstehen Opportunitätskosten, da das System in der veränderten Umwelt vorübergehend nicht optimal agiert, also eine reduzierte Wertschöpfung besitzt.
Im Folgenden wird erörtert, welche statischen Eigenschaften von Systemen eine rasche Reaktion auf Umwelteinflüsse fördern und welche Arten von Statik dies behindern.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

12. Kooperation auf Basis von Systemmodellen

Aufgrund des humanzentrischen Ansatzes ist die Idee der \(E\)-Systeme auch auf soziale Systeme anwendbar. Aus den vorgestellten Überlegungen ergibt sich für eine Zusammenarbeit zwischen zwei oder mehreren Menschen eine verblüffende Implikation, die hier dargestellt wird.
Die Komplexität und Beherrschbarkeit ist ein bestimmender Faktor für die Kooperation zwischen zwei Menschen. Hierbei wird der Begriff Kooperation so verstanden, dass zwei Menschen gemeinsam ein Systemmodell schaffen.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

13. TAM-Prozesse

Prozesse können durch baumartige T-Relationen beschrieben werden. Die Ausführung eines Prozessblockes impliziert hierbei die Ausführung der hierarchisch untergeordneten Prozessschritte. Auch für Prozesse kann dann überprüft werden, ob sie den Anforderungen eines E-Systems genügen.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann

14. Die Semantik von Transitionen

In diesem Buch werden \(\mathit{TAM}\)-Modelle als Partielle Differenzialgleichungen, d. h. numerisch interpretiert und angewandt. Neben dieser Interpretation können \(\mathit{TAM}\)-Modelle aber aus als Repräsentation von Sachverhalten in natürlicher Sprache interpretiert werden.
Uwe Beyer, Kilian Nickel, Felix Hasenbeck, Alexander Zimmermann
Weitere Informationen

Premium Partner

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Wieviel digitale Transformation steckt im Informationsmanagement? Zum Zusammenspiel eines etablierten und eines neuen Managementkonzepts

Das Management des Digitalisierungsprozesses ist eine drängende Herausforderung für fast jedes Unternehmen. Ausgehend von drei aufeinander aufbauenden empirischen Untersuchungen lesen Sie hier, welche generellen Themenfelder und konkreten Aufgaben sich dem Management im Rahmen dieses Prozesses stellen. Erfahren Sie hier, warum das Management der digitalen Transformation als separates Konzept zum Informationsmanagement zu betrachten
und so auch organisatorisch separiert zu implementieren ist. Jetzt gratis downloaden!

Bildnachweise