< English >

Die Entwicklung von Märkten, Gesellschaften etc. nennen wir zurecht komplex. Komplex heisst, wir können eine Entwicklung allenfalls sehr grob mit Ausdruck von Wahrscheinlichkeiten vorhersehen. Das Zusammenspiel sehr vieler Faktoren oder auch nur eine hohe Dynamik von relativ wenigen Faktoren bedingen Komplexität, wenn bereits an wenigen Stellen nicht sicher ist, wie sich ein Faktor verhalten wird. Prominente Beispiele sind die Börse, das Wetter oder sogar die Lottozahlen. Hingegen einen Verbrennungsmotor, selbst in seinem Zündverhalten, können wir als hoch-kompliziertes Gebilde schon sehr zuverlässig vorhersagen.

Als Planer und Entscheider wollen wir aber auch komplexe Entwicklungen vorhersagen. Natürlich gibt es rein stochastisch vorhersehbare Entwicklungen, wie das Fallen der Lottozahlen. Aber auch bei der Entwicklung von Aktienkursen oder einer Regenwahrscheinlichkeit sprechen wir von Wahrscheinlichkeiten. Wenn die für hochwahrscheinlich erklärte Vorhersage eintrifft, ist offenbar alles richtig gemacht worden. Wenn die für wenig wahrscheinlich erklärte Entwicklung eintrifft, denken wir zumeist immer noch, dass eigentlich das andere hätte passieren müssen, aber aus irgendwelchen Gründen wohl der weniger wahrscheinliche Fall eingetreten ist. War dieser Fall wirklich weniger wahrscheinlich, oder waren unsere Vorabüberlegungen zu einfach? Haben wir entscheidende Faktoren nicht berücksichtigt oder falsch eingeschätzt?

Ursache-Wirkungsmodelle können komplexe Entwicklungen auch nicht exakt vorhersagen. Aber sie helfen uns, die entscheidenden Faktoren zu berücksichtigen und vergleichend unterschiedliche Annahmen hinsichtlich der Dynamik durchzuspielen. So können in qualitativen Modellen ganz grobe Entwicklungen vorhergesagt werden, und in quantitativen Modellen sogar Dynamiken im Zeitverlauf. Mit der Monte-Carlo Simulation können in quantitativen Modellen zudem Wahrscheinlichkeiten von Entwicklungen berechnet werden.

Verlockend und doch gefährlich dabei die Möglichkeit, das Modell anhand vorliegender Daten der Vergangenheit zu validieren. Verlockend, da ein valides Modell dann ceteris paribus (unter ansonsten unveränderten Bedingungen) auch die Zukunft vorherzusagen erlaubte und da Abweichungen von den Ist-Kurven in der Vergangenheit die Suche nach erklärenden Ereignissen und damit Erkenntnisgewinn bedeutete. Gefährlich, da die Zukunft so gut wie nie ceteris paribus ist und zu dem Modell daher immer eine systemische Suche nach zukünftigen Einflussfaktoren gehören sollte. Hierbei hilft dann wieder die KNOW-WHY-Methode, die Corporate Foresight nicht nur kreativ, sondern systemisch begründet ermöglicht.

“Gemessen an der Komplexität von Märkten ist es erfolgreich gelungen, die Entwicklungen eines Marktsegments unter Integration abteilungsübergreifenden Wissens zu simulieren und weitestgehend mit Vergangenheitsdaten zu validieren. Das fertige Modell ist Grundlage strategischer Geschäftsfeldentscheidungen.”

Thomas Meyer
BASF

 

< Top >