System Dynamics

Inhaltsverzeichnis

1. Einleitung

2. Begriffsdefinition
2.1. Modell
2.2. System
2.3. Kybernetik
2.4. Simulation

3. System Dynamics
3.1. Grundlagen
3.2. Qualitativer Ansatz
3.3. Quantitativer Ansatz
3.4. Einsatzmöglichkeit

4. Kritische Würdigung und Fazit

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Allgemeine Darstellung eines Systems

Abbildung 2: Positive Rückkopplung

Abbildung 3: Kombinierte Rückkopplung

Abbildung 4: System Dynamics Modellierungsphasen

Abbildung 5: Vertrauen und Kompetenz in System Dynamics

Abbildung 6: Beispielanwendung eines Flussdiagramms

Abbildung 7: Systemstrukturdiagramm

Abbildung 8: Vergleich historischer und simulierter Umsatz-Daten

Tabellenverzeichnis

Tabelle 1: Grenzen und Probleme des System Dynamics Ansatzes

1. Einleitung

System Dynamics (SD) ist eine von dem US-amerikanischen Elektroingenieur Jay W. FORRESTER (1918–2016) entwickelte kybernetische Simulationsmethode zur ganzheitlichen Analyse komplexer, nicht linearer kontinuierlicher Systeme.^[1] In der deutschsprachigen Fachliteratur wird System Dynamics mit Systemdynamik übersetzt. In der Wirtschaftswissenschaft haben sich jedoch auch die Synonyme Business Dynamics oder Strategy Dynamics etabliert.^[2]

FORRESTER schloss sich 1956 der Sloan Management School am Massachusetts Institute of Technology (MIT) an.^[3] Hier sah er die einmalige Chance, Ingenieurs- mit Wirtschaftswissenschaften in Forschung und Lehre zu kombinieren. Ausschlaggebend für seine weiterführende Tätigkeit am MIT war die Zusammenarbeit mit dem Management von General Electric. Hier stellte er fest, dass bei der Suche nach Gründen für die Auslastungsschwierigkeiten eines Werkes – also einem betriebswirtschaftlichen Problem – sein Wissen aus dem Ingenieurswesen half die Problemstellung zu lösen. Die Situation wurde in einem formalen Modell abgebildet und ihre zeitliche Entwicklung mit Hilfe eines Computers simuliert.^[4] FORRESTER bemerkte dabei, dass viele Probleme eine generische Systemstruktur aufwiesen und veröffentlichte daraufhin sein Werk Industrial Dynamics. Dieses gilt auch heute noch als Standardwerk, an dem sich Forschung und Lehre orientieren können.^[5] Obwohl SD ursprünglich für die Lösung ingenieurwissenschaftlicher Problemstellungen gedacht war, findet sie mittlerweile auch Anwendung in vielen anderen Fachdisziplinen, wie Unternehmensentwicklung, Medizin, Fischerei, Psychiatrie, Energieversorgung und -preisgestaltung, Volkswirtschaften, städtischem Wachstum, Umweltverschmutzung, Bevölkerungswachstum, Managementtraining sowie Pädagogik.^[6]

Diese Ausarbeitung hat zum Ziel, einen Einblick in die von FORRESTER entwickelte Methode System Dynamics zu gewähren. Dazu befassen wir uns im zweiten Kapitel zunächst mit der Definition der Begriffe Modell, System, Kybernetik und Simulation. Im dritten Kapitel gehen wir detailliert auf FORRESTERS System Dynamics Methodik ein. Hier erläutern wir zunächst die Grundlagen, gehen dann auf die qualitative und quantitative Modellierung ein und präsentieren eine praktische Einsatzmöglichkeit zu der Methode. Abschließend wird im letzten Kapitel ein Fazit gezogen und eine kritische Würdigung vorgenommen.

2. Begriffsdefinition

2.1. Modell

Unter einem Modell versteht man eine abstrakte Darstellung der Realität. Mithilfe eines Modells sollen Zusammenhänge verdeutlicht werden, um sie diskutierbar zu gestalten. So stellt die Abbildung 1 im nächsten Abschnitt beispielsweise das Modell eines Systems dar. Entscheidend ist, zu verstehen, dass ein Modell nicht zielführender ist, je präziser es die Realität abbildet: „Modelle sind gerade deswegen so nützlich, weil sie vereinfachen und die Realität auf wenige Annahmen reduzieren – ein Modell, das die Realität exakt nachbildet, wäre so nützlich und möglich wie eine Landkarte im Maßstab 1:1.“^[7] Es gilt also bei Modellen: „Das […] beste und zugleich einfachste Modell ist gerade noch komplex genug, um seinen Zweck zu erfüllen.“ ^[8] In der SD-Methode kann der Modellierungsansatz in zwei verschiedene Schritte aufgeteilt werden. Zum einen in die qualitative- und zum anderen die quantitative Modellierung.^[9] Die qualitative Modellierung beschreibt die Abgrenzung des zu betrachtenden Systems von der Umwelt, die Ermittlung der bestehenden Wirkungszusammenhänge der einzelnen Elemente sowie deren mathematischen Zusammenhänge. Die quantitative Modellierung beschreibt hingegen die Umsetzung des Modells in ein Flussdiagramm (Stock Flow Diagramm) und der Konvertierung auf eine virtuelle Umgebung sowie deren anschließende Simulation.

2.2. System

Im Mittelpunkt von SD steht der Systembegriff, weswegen dieser zunächst definiert werden muss. Der Systembegriff findet in verschiedensten Fachdisziplinen Verwendung. Man denke beispielsweise an das Periodensystem der Elemente in der Chemie, an politische- und wirtschaftliche Systeme, oder auch an Computersysteme. „ Der Systembegriff wird bewusst sehr allgemein definiert, um grundlegende allgemeingültige Merkmale aller dieser Systeme beschreiben und untersuchen zu können.“^[10] In der Literatur ist der Systembegriff durch seine Bestandteile sowie seiner Abgrenzung zur Umwelt definiert.^[11] Ein System beschreibt eine von der Umwelt abgegrenzte Menge von Elementen, welche durch Beziehungen miteinander verknüpft sind. Weist ein Bereich innerhalb eines Systems selbst Merkmale eines Systems auf, so spricht man von einem Sub-System. Diese Definition nachfolgend grafisch dargestellt:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Allgemeine Darstellung eines Systems^[12]

In Bezug auf SD werden nachfolgend ausschließlich dynamische Systeme betrachtet. Dynamische Systeme sind zeitlich veränderlich. Um ein dynamisches Modell zweckmäßig darzustellen muss hier ein besonderes Augenmerk auf die Beziehungen zwischen den einzelnen Systemelementen geworfen werden. Die Fachdisziplin, welche sich hiermit beschäftigt ist die Kybernetik.

2.3. Kybernetik

Die Kybernetik stellt eine Spezialisierung der allgemeinen Systemtheorie dar. Sie ist ebenso interdisziplinär, wie die Systemtheorie und kann als Wissenschaft der Funktions- und Wirkungsweisen von biologischen-, mechanischen- und sozialen Systemen verstanden werden. Der Ursprung des Begriffs liegt im griechischen kybernetes und bedeutet Steuermann.^[13] Als Begründer der Kybernetik gilt der US-amerikanische Mathematiker Norbert WIENER (1894–1964). Dieser war im zweiten Weltkrieg bei der amerikanischen Artillerie und befasste sich dort mit dem Problem, wie immer schneller werdende feindliche Flugzeuge getroffen werden konnten. Diese Problemstellung führte ihn und seine Kollegen zur Entdeckung des Prinzips der Rückkopplung (feedback).^[14] Allgemein kann Kybernetik wie folgt definiert werden: „Kybernetik ist die allgemeine, formale Wissenschaft von der Struktur, den Relationen und dem Verhalten dynamischer Systeme.“ ^[15] Eine Form von kybernetischen Beziehungen ist die positive Rückkopplung (positive feedback). Diese stellen wir nachfolgend anhand von Geburten und Population dar. Es gilt: je mehr Geburten, desto höher die Population und je höher die Population umso mehr Geburten.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Positive Rückkopplung^[16]

Außer den positiven- gibt es noch negative Rückkopplungen sowie Kombinationen aus beiden. Die nachfolgende Darstellung berücksichtigt zusätzlich den Einfluss von Todesfällen auf die Population. Diese Beziehung stellt eine kombinierte Rückkopplung dar. Während durch die Geburten die Population weiter steigt, erhöht sich ebenfalls die Anzahl der Todesfälle. Die erhöhte Anzahl von Todesfällen wiederum führt zu einer schrumpfenden Population.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Kombinierte Rückkopplung^[17]

2.4. Simulation

„Ziel jeder Simulation ist es, das zu betrachtende System durch ein Modell so gut zu beschreiben, dass die gewünschten Rückschlüsse vom Verhalten des Modells auf das Verhalten des realen Systems möglich werden.“ ^[18] Die Grundlage für Simulationen bildet ein materielles oder immaterielles Modell, welches jene Aspekte des realen Systems berücksichtigt, welche für den angestrebten Erkenntnisgewinn erforderlich sind.^[19] Der Verein Deutscher Ingenieure (VDI) definiert den Begriff daher wie folgt: „Simulation ist das Nachbilden eines Systems mit seinen dynamischen Prozessen in einem experimentierfähigen Modell, um zu Erkenntnissen zu gelangen, die auf die Wirklichkeit übertragbar sind.“ ^[20] Diese Definition hat zum Ziel, die Simulation von Logistik-, Materialfluss- und Produktionssystemen zu beschreiben. Sie ist daher für dynamische Simulationen und somit auch für die SD-Methode geeignet. Als allgemeine Definition kann sie jedoch nicht verstanden werden, da statische Simulationen unberücksichtigt bleiben. Eine allgemeingültige Definition von Simulation müsste daher wie folgt lauten: „Simulation ist das zielgerichtete Experimentieren an einem Modell, um Erkenntnisse zu gewinnen, die zur Lösung eines realen Problems geeignet sind.“ ^[21] Simulationen bieten uns also die Möglichkeit, Szenarien zu testen, ohne einen direkten Einfluss auf die Umwelt zu nehmen.

3. System Dynamics

3.1. Grundlagen

„System Dynamics ist eine Methodik, die Entscheidungsträgerinnen und -träger dabei unterstützt, mittels qualitativen Systemdenkens und quantitativer Systemsimulation ganzheitlich zu denken, um daraus bessere Entscheidungen treffen zu können.“^[22] Systemdenken bezeichnet den Ansatz, anhand von Kausaldiagrammen (Casual Loop Diagrams), Beziehungen verschiedener Elemente innerhalb eines Systems zu verstehen. Ziel ist es auch, komplexe Strukturen, welche bei intuitiven Entscheidungen unbeachtet blieben, zu berücksichtigen. Das Abbilden des Systems und seiner Struktur trägt dazu bei, ein erstes Systemverständnis zu erhalten. „Eine ausführliche Systemanalyse oder die Gestaltung von Entscheidungsregeln zur zielorientierten Einflußnahme auf das Systemverhalten kann sich bei einer ausschließlich qualitativen Analyse jedoch schwierig gestalten, da das dynamische Zusammenspiel der Systemelemente und ihre Verhaltensweisen nicht vollkommen verstanden werden können.“ ^[23] Aus den Erkenntnissen, welche durch Simulationen gewonnen wurden sollen dann Rückkopplungsstrukturen geschaffen und Entscheidungsregeln abgeleitet werden.^[24] SD hat also das Verhalten von gelenkten Systemen in einem zeitlichen Verlauf zur Grundlage. „Es verfolgt das Ziel, Systeme mit Hilfe qualitativer und quantitativer Modelle nicht nur zu beschreiben, sondern auch zu verstehen, wie Rückkopplungsstrukturen das Systemverhalten determinieren.“^[25]

Die Komplexität und Nichtlinearität im Zeitablauf von Systemen identifiziert FORRESTER als Ursache dafür, dass es dem Individuum nicht ohne weiteres 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.^[26] Stattdessen bietet der virtuelle Raum des Simulationsmodells Entscheidungsträger die Möglichkeit, gefahrlos und schnell unterschiedliche Entscheidungsszenarien unter variierenden Umweltbedingungen zu testen. Hierdurch soll ein tieferes Verständnis für die Konsequenzen ihres Handelns geschaffen werden. Dieses soll die reale Entscheidungsfindung unterstützen.^[27]

Alltägliche Anwendung findet SD u.a. bei der Wettervorhersage oder bei Heizungssystemen, welche per Thermostat geregelt werden. Ursachen für den Einsatz können auch natürlichen Ursprungs sein. Auch für die Katastrophenvorbeugung spielt SD eine zunehmend größere Rolle. „Frühwarn- und Ratingsysteme, etwa für Wirbelstürme oder Flutwellen, werten dynamische Umwelteinflüsse aus und retten durch rechtzeitige „Erkennung“ solcher Naturkatastrophen viele Menschleben.“^[28]

3.2. Qualitativer Ansatz

Der Modellbildungsprozess im SD-Ansatz besteht laut FORRESTER aus 6 Phasen, welche iterativ und zyklisch durchlaufen werden.^[29] Hierzu ist anzumerken, dass von jeder Modellierungsphase eine Rückkopplung zum vorhergehenden Schritt existiert, um Fehler und Inkonsistenzen aufzudecken und zu korrigieren. Zum Einstieg in den SD-Ansatz werden in dieser Ausarbeitung bewusst die beiden letzten Phasen Educate and debate sowie Implement changes in policies and structure nicht berücksichtigt, da diese sich auf die unternehmensspezifische Implementierung fokussieren.^[30] Stattdessen wird nachfolgend ein vierphasiges Modell präsentiert:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: System Dynamics Modellierungsphasen^[31]

Während der ersten Phase erfolgen eine verbale Analyse eines spezifischen Systems sowie das Formulieren einer Hypothese, welche Aufschluss darüber gibt, warum jenes Verhalten auftritt. Das Untersuchungsziel kann sich aus der Situation ergeben (Problemfindung) oder es wird von außen vorgegeben (Problemstellung). Im Hinblick auf das Untersuchungsziel werden die wesentlichen Elemente des betrachteten Systems isoliert (Reduktion) und mit ihren äquivalenten und konträren Wechselwirkungen in Phase zwei in die symbolhafte Form eines Kausaldiagramms gebracht. Dieser Zwischenschritt ist in FORRESTERS Vorgehensmodell nicht explizit vorgesehen, da Flussdiagramme ebenfalls kausale Beziehungen darstellen können. R.G. COYLE hält die Entwicklung von Kausaldiagrammen allerdings für elementar. Sie stehen seines Erachtens stets am Anfang und Ende eines Modellierungsprozesses.^[32] Kausaldiagramme sollen das Verständnis von Außenstehenden für die immanente Rückkopplungsstruktur des SD-Ansatzes fördern, weshalb sie in den Modellierungsprozess integriert werden sollten. Da komplexe SD-Diagramme nur schwer verständlich sind, muss die Größe bei qualitativen Modellen zweckmäßig begrenzt werden.^[33] Kausaldiagramme erleichtern den Einstieg in das systematische Denken und helfen ein Gefühl für Ursache und Wirkung zu erlangen.^[34] PETERSON und EBERLEIN (1994, S. 161) stellten fest, dass sobald ein Kausaldiagramm erstellt wurde, das Vertrauen in die Fähigkeit systemisch zu denken sehr viel schneller stieg, als die eigentliche Kompetenz. Dieses Phänomen wird in der folgenden Abbildung grafisch dargestellt:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Vertrauen und Kompetenz in System Dynamics^[35]

Aus der Abbildung wird ersichtlich, dass für ein tieferes Verständnis für System Dynamics das Erstellen von mathematischen Gleichungen sowie das Simulieren und Testen unabdingbar sind. „Bei spekulativen Strukturen und vielen weichen Variablen ist eine Quantifizierung nicht sinnig, da eine Genauigkeit lediglich vorgetäuscht wird.“ ^[36]

[...]

^[1] Vgl. u.a. SCHWARZ (2002), S. 148.; VOSS (1977), S. 20.

^[2] Vgl. SPRINGER FACHMEDIEN WIESBADEN (2013), S. 352.

^[3] Vgl. FORRESTER (1989), S. 4f.

^[4] Vgl. PRÖLS (2005), S. 23f.

^[5] Vgl. SCHWARZ (2002), S. 147.

^[6] Vgl. FORRESTER (1992), S. 9.

^[7] BECK (2014), S. 1.

^[8] GÜNTHER/ VELTEN (2014), S. 5.

^[9] Vgl. SCHWARZ (2002), S.153f.

^[10] SCHWARZ (2002), S.153f.

^[11] Vgl. u.a. RODDECK (2006), S. 26.; TURBAN et al. (2005), S. 41.; KLEIN/ SCHOLL (2004), S. 29.; SOMMERLATTE (2002), S. 1.; DÖRNER (1999), S. 109.; ROSEMANN (1996), S. 14.; HILL et al. (1994), S. 20f.; HESSE et al. (1994), S. 42.; HANSS-MANN (1993), S. 9.

^[12] Eigene Darstellung in Anlehnung an HILL et al. (1994), S. 22.

^[13] Vgl. CHERRY (1954), S. 7.

^[14] Vgl. SCHWARZ (2002), S. 33.

^[15] FLECHTNER (1972), S. 10.

^[16] Eigene Darstellung.

^[17] Eigene Darstellung.

^[18] SCHRAMM et al. (2013), S. 6.

^[19] Vgl. MÖLLER (1992), S. 119.

^[20] VDI (2000).

^[21] Vgl. FLEMMING/ SCHACH (2011), S. 8.

^[22] DEUTSCHE GESELLSCHAFT FÜR SYSTEM DYNAMICS E.V. (2017).

^[23] DEUTSCHE GESELLSCHAFT FÜR SYSTEM DYNAMICS E.V. (2017).

^[24] Vgl. ASSAD/ GASS (2011), S. 363ff. ; COYLE (1996), S. 10.

^[25] KAPMEIER (1999), S. 3.

^[26] Vgl. FORRESTER (1971), S. 110.

^[27] Vgl. DEUTSCHE GESELLSCHAFT FÜR SYSTEM DYNAMICS E.V. (2017).

^[28] REHSE (2007), S. 9.

^[29] Vgl. FORRESTER (1994), S. 4f.

^[30] Vgl. FORRESTER (1994), S. 4f.

^[31] Eigene Darstellung in Anlehnung an FORRESTER (1994), S. 4.

^[32] Vgl. COYLE (1998), S. 345.

^[33] Vgl. VENNIX (1996)

^[34] Vgl. KAPMEIER (1999), S. 46.

^[35] Modifizierte Darstellung von KAPMEIER (1999), S. 46 in Anlehnung an PETERSON/ EBERLEIN (1994), S. 161.

^[36] GRÖTICKE (2013), S. 36.