Einsatz von System Dynamics bei der Unternehmenssteuerung auf Basis von Causal Maps

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

1 Einleitung

2 System Dynamics
2.1 Grundlegende Aspekte
2.2 Der Modellierungsprozess
2.3 Aufbau von Causal Maps und Flussdiagrammen

3 System Dynamics in der Unternehmenssteuerung
3.1 Anwendungsmöglichkeiten
3.2 Einsatz von System Dynamics zur Erweiterung der Balanced Scorecard...
3.2.1 Grenzen der BSC
3.2.2 Möglichkeiten der System Dynamics-Modellierung
3.2.3 Anwendung in der Praxis / Fallstudien

4 Grenzen von System Dynamics in der Unternehmenssteuerung

5 Fazit und Ausblick

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Der sechsstufige Modellierungsprozess nach Forrester

Abbildung 2: Der fünfstufige Modellierungsprozess nach Sterman

Abbildung 3: Beispiel eines balancing loop

Abbildung 4: Beispiel eines Flussidagramms

Abbildung 5: Die Balanced Scorecard nach Kaplan und Norton

Abbildung 6: Wirkung auf die finanzielle Kennzahl

Abbildung 7: Causal Map nach Akkermans und van Oorschot

Abbildung 8: Flussdiagramm nach Akkermans und van Oorschot

Abbildung 9: Causal Map nach Nielsen und Nielsen

Abbildung 10: Flussdiagramm nach Nielsen und Nielsen

Abbildung 11: Simulationsergebnisse von Nielsen und Nielsen

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Die vorliegende Seminararbeit befasst sich mit dem Einsatz von System Dynamics (SD) in der Unternehmenssteuerung. Hierbei wird im speziellen die Causal Map (CM) als Basis des gesamten Modellierungsprozesses mit System Dynamics betrachtet. Zunächst wird in dieser Arbeit explizit auf das Konstrukt System Dynamics eingegangen. Neben grundlegenden Aspekten wird hierbei auf den in der Literatur nicht einheitlich dargestellten Modellierungsprozess und die Konzeption einer Causal Map sowie des darauf aufbauenden Flussdiagramms eingegangen.

Darauf aufbauend wird im folgenden Kapitel aufgezeigt, welche allgemeinen Möglichkei- ten der Anwendung von System Dynamics in der Unternehmenssteuerung bestehen, ehe im speziellen auf die Kombination von Balanced Scorecard (BSC) und System Dynamics ein- gegangen wird. Hier werden zunächst die Grenzen der BSC erläutert und darauf aufbauend Möglichkeiten aufgezeigt, wie diese Grenzen durch Anwendung der SD-Modellierung behoben und überwunden werden können. Ergänzend hierzu wird anhand von Fallstudien verdeutlicht, wie Causal Maps und Flussdiagramme in der Praxis entworfen und ange- wandt werden können und letztlich anhand von Simulationen Ergebnisse generiert werden. Im vierten Kapitel wird kurz auf die Grenzen von System Dynamics eingegangen und wel- che Auswirkungen diese auf die Anwendung in der Unternehmenssteuerung haben.

Die Arbeit schließt mit einem Fazit, in dem die gewonnen Erkenntnisse der Arbeit noch einmal zusammengefasst dargestellt werden. Darüber hinaus soll ein kurzer Ausblick auf ein weiteres Anwendungsgebiet in der Unternehmenssteuerung gegeben werden.

2 System Dynamics

2.1 Grundlegende Aspekte

Der Grundgedanke von System Dynamic wurde in den 1950er Jahren von J. W. Forrester am Massachusetts Institute of Technology (MIT) entwickelt und beruht auf Erkenntnissen der Kybernetik und des system thinking.¹

Der Leitgedanke Forresters bei der Entwicklung bestand aus der Modellierung und Simu- lation von dynamischen Systemen. Die Komplexität und Nichtlinearität im Zeitablauf von Systemen gelten für Forrester als Ursache dafür, dass es dem Individuum nicht ohne weite- res möglich ist, seine mentalen Modelle und das ihn umgebende soziale System richtig zu verstehen, zu interpretieren und letztlich die für ihn richtigen Entscheidungen zu treffen.² System Dynamics jedoch ermöglicht die Modellierung und Simulation von komplexen, nichtlinearen und dynamischen Systemen und fördert somit das Verständnis bezüglich des Verhaltens dieser Systeme. Auch können mit System Dynamics Lücken in den mentalen Modellen identifiziert und korrigiert werden.³

Wie aus dem Begriff System Dynamics hervorgeht, werden keine isolierten Elemente betrachtet, sondern ein in sich geschlossenes System von Elementen, deren Wechselwirkungen als kausale Verknüpfungen über die Zeit betrachtet werden.⁴ Grundlegendes Element bei Betrachtung dieser Verknüpfungen sind die sogenannten Informationsrückkopplungen (feedback loops).⁵ Es gilt somit bei Anwendung von System Dynamics, diese feedback loops sichtbar zu machen und zu analysieren, um letztlich im Bereich der Unternehmensstrategie die Performance zu verbessern.⁶

2.2 Der Modellierungsprozess

Um ein dynamisches System zu modellieren, ist ein in einzelne Schritte aufgeteilter Modellierungsprozess nötig. In der Literatur existieren jedoch unterschiedliche Vorgehensweisen hinsichtlich der Aufteilung des Prozesses, so dass die Anzahl von Modellierungsphasen zwischen drei und sieben Phasen variiert.⁷ Forrester selbst schlägt einen sechsphasigen Modellierungsprozess vor (vgl. Abb. 1).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Der sechsstufige Modellierungsprozess nach Forrester

(Quelle: in Anlehnung an Forrester, J. W. (1994), S. 245)

Wolstenholme führt dagegen lediglich drei Phasen an. Dabei handelt sich um eine „ diagram construction and analysis phase “ sowie die darauf folgende in zwei Stufen unterteilte „ simulation phase “.⁸

Sterman teilt den Modellierungsprozess in fünf Phasen auf (vgl. Abbildung 2).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Der fünfstufige Modellierungsprozess nach Sterman

(Quelle: in Anlehnung an Sterman, J. D. (2000), S. 87)

Dieser fünfstufige Prozess soll im Folgenden kurz erläutert werden.⁹

In der ersten Phase des Modellierungsprozesses ist es zunächst sinnvoll, die Problemstel- lung und den Zweck der Modellierung zu beschreiben. Daraus ergeben sich der Zeithori- zont und die zu betrachtenden Schlüsselvariablen. Ausgangspunkt ist schließlich die Frage nach dem bisherigen und zukünftigen Verhalten dieser Variablen im betrachteten System. Die zweite Phase besteht aus der Aufstellung von Hypothesen über das System und das Verhalten dessen Elemente. Hierbei wird zunächst die dynamische Struktur des Systems definiert und anschließend ein Kausaldiagramm und ein Flussdiagramm erstellt.

In der dritten Phase werden die aus dem Flussdiagramm gewonnenen quantitativen Daten in formelle Gleichungssysteme umgewandelt. Mit diesen Gleichungssystemen lässt sich ein Simulationsmodell erstellen. Dieses Simulationsmodell ermöglicht nun die Simulation des betrachteten dynamischen Modells. Zunächst muss es jedoch in Phase vier getestet und validiert werden.

Ist das Modell erfolgreich getestet und validiert worden, folgt mit Phase fünf die Analyse und Evaluation des Modells. Es können hier verschiedene Szenarien spezifiziert und die Auswirkungen alternativer Entscheidungen simuliert werden.

Den hier kurz dargestellten Modellierungsprozessen ist gemeinsam, dass sie sich aus zwei Teilbereichen des System Dynamics zusammensetzen. Es handelt sich hierbei um das qua- litative und das quantitative System Dynamics.¹⁰ Während im qualitativen System Dyna- mics die mentalen Modelle mit Hilfe von Diagrammen in Form von Causal Maps veran- schaulicht werden, bezieht sich das quantitative System Dynamics auf die Weiterverarbei- tung dieser Causal Maps, indem mittels Quantifizierung der vorhandenen Wirkungsketten ein über einen bestimmten Zeitraum gegebenes dynamisches Systemverhalten rekonstruiert wird.¹¹ Auf diesem Systemverhalten baut letztlich die Entscheidungsfindung auf.

In der Literatur ist der jeweilige Umfang von qualitativem und quantitativem System Dy- namics umstritten.¹² Aus den drei hier angeführten Modellierungsprozessen lässt sich er- kennen, dass lediglich Wolstenholme und Sterman den Einsatz von Causal Maps als Hauptbestandteil des qualitativen System Dynamics mit einbeziehen. Forrester lässt diese Art der Darstellung jedoch außer Acht und geht nach der Beschreibung des Systems direkt in die Modellierung von Flussdiagrammen über. Er setzt sein Hauptaugenmerk damit auf den quantitativen Bereich.

Der Hauptbestandteil des qualitativen System Dynamics, die Causal Maps und darüber hinaus die darauf aufbauende Darstellung mittels Flussdiagrammen sollen im folgenden Kapitel näher erläutert werden.

2.3 Aufbau von Causal Maps und Flussdiagrammen

Causal Maps sollen im Rahmen dieser Arbeit als Ursache-Wirkungs-Diagramme aufge- fasst werden, in Folge dessen die in der Literatur zu findenden Bezeichnungen influence diagram, causal loop diagram, Kausaldiagramm und Wirkungsdiagramm als Synonyme zu verstehen sind.¹³ Sie dienen, wie schon im vorherigen Kapitel angedeutet, der Visualisie- rung und Veranschaulichung von mentalen Modellen. Es lassen sich mit Causal Maps Ideen, Zusammenhänge und Auswirkungen verschiedener Systemelemente veranschauli- chen und auch nicht beteiligten Personen leichter verdeutlichen. Dabei können sowohl sta- tische, als auch dynamische und zeitverzögerte Ursache-Wirkungs-Beziehungen visuali- siert werden, die zur Vorhersage der potentiellen Systementwicklungen herangezogen werden können und letztlich der Entscheidungsunterstützung dienen.¹⁴ Für die Erstellung einer Causal Map sind zunächst alle Größen aufzuführen, die auf die Zielgröße wirken. In einem weiteren Schritt sind die Größen aufzuführen, die wiederum diese Einflussgrößen beeinflussen. Schließlich sind auch die Rückkopplungseffekte zu erfassen, die von der Zielgröße zurück auf die Einflussgrößen wirken.¹⁵ Es entsteht somit ein einfaches Ursache-Wirkungs-Diagramm, dass durch Wechselbeziehungen gekenn- zeichnet ist, die entweder gleich- oder gegengerichtet sein können.¹⁶ Anhand von grafi- schen Symbolen wie „-“ für gegengerichtete und „+“ für gleichgerichtete Wechselbezie- hungen lassen sich die Beziehungen zwischen den Variablen darstellen. Das Diagramm kann nun hinsichtlich seiner Rückkopplungen untersucht werden. Diese sogenannten feed- back loops können entweder negativ (reinforcing loop) oder positiv (balancing loop) sein. Ein reinforcing loop verstärkt das Systemverhalten, während ein balancing loop das Sys- temverhalten stabilisiert. In Abbildung 3 ist beispielhaft ein balancing loop dargestellt, der die Auswirkung eines sinkenden Preises auf den Gewinn illustriert.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Beispiel eines balancing loop

(Quelle: in Anlehnung an Schöneborn, F. (2004), S. 38)

Auch Zeitverzögerungen, in der Literatur als time-lags oder delays bezeichnet, können in den Ursache-Wirkungs-Beziehungen einer Causal Map berücksichtigt werden.¹⁷ Causal Maps können u.a. für die Entwicklung sogenannter Systemarchetypen herangezogen werden, die immer wiederkehrende Basisstrukturen und Systemverhalten abbilden. Wolstenholme benennt insgesamt vier dieser generic archetypes mit jeweils zwei feedback loops, die exakt oder in leicht abgewandelter Form aus fast jeder Causal Map herauszulesen sind.¹⁸ Als Konsequenz können diese erkannten Strukturen schneller interpretiert und auf andere Systeme angewandt werden. Die in den Causal Maps erarbeiteten qualitativen Kausalzusammenhänge werden mittels eines Flussdiagrammes dynamisiert und quantifiziert, sie werden also quasi mathematisch definiert.¹⁹

Die Darstellung in einem Flussdiagramm erfolgt mittels Zustandsvariablen („ stocks “) und Flussvariablen („ flows “). Zustandsvariablen können als zeitpunktbezogene Akkumulatio- nen aufgefasst werden, die den aktuellen Systemzustand beschreiben und deren Größe durch die Zu- und Abflüsse festgelegt wird.²⁰ Flussvariablen üben einen direkten Einfluss auf die Zustandsvariablen aus. Sie können diese vergrößern oder verkleinern und sind zeit- raumbezogen. Eine beispielhafte Darstellung eines Flussdiagramms ist Abbildung 4 zu entnehmen.²¹

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Beispiel eines Flussdiagramms

(Quelle: in Anlehnung an Sterman, J. D. (2000), S. 193.)

Die Causal Map bildet zusammenfassend die qualitative Modellierung eines Systemzu- sammenhangs ab. Als Übergang zum quantitativen System Dynamics fungiert das Flussdi-agramm als Grundlage für die Darstellung dieses dynamischen Zusammenhangs mit einer Simulation.

[...]

¹ Vgl. Forrester, J. W. (1968), S. 400; Forrester, J. W. (1971), S. 111.

² Vgl. Forrester, J. W. (1971), S. 110.

³ Vgl. Ritchie-Dunham, J. L./Puente, L. M. (2008).

⁴ Vgl. Schöneborn, F. (2004), S. 34.

⁵ Vgl. Forrester, J. W. (1975), S. 143.

⁶ Vgl. Coyle, R. G. (1979), S. 2.

⁷ Vgl. Luna-Reyes, L. F./Anderson, D. L. (2003), S. 275.

⁸ Vgl. Wolstenholme, E. F. (1990), S. 4.

⁹ Vgl. im Folgenden Sterman, J. D. (2000), S. 86-105.

¹⁰ Vgl. Wolstenholme, E. F. (1990), S. 4ff.

¹¹ Vgl. Wolstenholme, E. F. (1990), S. 4ff.

¹² Vgl. u.a. Coyle, R. G. (2000).

¹³ Vgl. u.a. Wolstenholme, E.F. (1999), S. 422; Sterman, J. D., S. 86; Schöneborn, F. (2004), S. 36.

¹⁴ Vgl. Schöneborn, F. (2004), S. 34.

¹⁵ Vgl. Schöneborn, F. (2004), S. 36.

¹⁶ Vgl. im Folgenden Sterman, J. D. (2000), S. 138f.

¹⁷ Vgl. Sterman, J. D. (2000), S. 150ff.

¹⁸ Vgl. Wolstenholme, E. F. (2003), Wolstenholme, E. F. (2004).

¹⁹ Vgl. Sterman, J. D. (2000), S. 191.

²⁰ Vgl. Sterman, J. D. (2000), S. 192.

²¹ Für eine detaillierte Darstellung von Flussdiagrammen vgl. Sterman, J. D. (2000), S. 191-230.