Schlagwort-Archive: causal loop diagram

Wie nützlich sind Wirkungsnetzwerke im systemischen Kontext?

In der System Dynamics Community wird schon lange die Nützlichkeit von Causal Loop Diagrams (CLD) – zu Deutsch etwa „Wirkungsnetzwerke“ – diskutiert. Hier fragt Tom Fiddaman Are causal loop diagrams useful?  Dabei geht es nicht darum, die Methode der Causal Loop Diagrams anzuzweifeln, sondern darum, gleich einen Schritt weiterzugehen und von Anfang an Stock-Flow-Modelle zu bauen. Dagegen spricht jedoch, dass Stock-Flow-Modelle ungleich schwieriger und aufwändiger sind als CLD. Diese sind dafür handlich und schnell entwickelt.

Pfeile sind Funktionen!

Gerade das ist der Kritikpunkt. Weil CLD sofort einleuchten – Parameter, die sich beeinflussen, sind mit einem Pfeil verbunden – meint schnell einer, er könne drauflos zeichnen. Das führt dann dazu, dass in der Literatur wirre CLD auftauchen, die die Kritik geradezu herausfordern.

Auf der anderen Seite betrachten auch die Kritker CLD nicht als das, was sie wirklich sind: verkettete reellwertige monotone Funktionen. Den Kritikern – das sind meist die ganz grossen der Szene, wie eben Tom Fiddaman, Kim Warren, George P. Richardson – ist dann jedes Argument recht, wenn es gilt, CLD zu umgehen, um gleich von Anfang an Stock-Flow-Modelle zu entwickeln. Nur: das ist nicht praxisgerecht! Gerade KMU haben kein Budget zur Entwicklung aufwändiger Stock-Flow-Diagramme.

Fiddaman bezieht sich in seinem Artikel auf Problems in Causal Loop Diagrams Revisited von George P. Richardson. Richardson macht dort das Beispiel eines Epidemiemodells, in dem ein Pfeil positiver Polarität „Infection rate –> sick population“ vorkommt. Dazu schreibt er:

[This arrow is false]. The link from the Infection rate to the Sick population has a similar problem:
when the infection rate decreases, the sick population does not decrease (move in the same direction) as the “S” label suggests — it would continue to increase. We know very well the reason for these behaviors: the infection rate always subtracts from the susceptible population and adds to the sick population. The populations are stocks, and the infection rate drains one stock and pours into the other

Richardson ist als Professor of Public Administration and Policy vermutlich kein Mathematiker. Er beachtet deshalb nicht, dass hier der funktionale Zusammenhang nicht von der Zeit abhängt. Zwar nimmt zeitlich die Grösse der infizierten Bevölkerung auf jeden Fall zu, auch wenn die Infektionsrate sinkt, da hat er recht. Aber das ist hier nicht die Frage. Es geht hier nicht um einen funktionalen Zusammenhang mit der Zeit, sondern mit der Infektionsrate. Wenn die Infektionsrate sinkt, sinkt selbstverständlich auch die Grösse der infzierten Bevölkerung.

Ein Pfeil ist meist keine Funktion der Zeit

Um das einzusehen, schauen wir die Welt zunächst durch Richardsons Augen an. Er hat recht, dass die infizierte Bevölkerung ein Bestand ist und die Infektionsrate angibt, wie viel Prozent der „ansteckbaren“ Bevölkerung krank werden. Das hat ungefähr dieselbe Dynamik, wie ein Zinsmodell. Sind i1 < i2 < i3 drei verschiedene Infektionsraten, dann sieht die Dynamik der infizierten Bevölkerung so aus:

In der Tat nimmt jede dieser Funktionen zu, auch wenn die Infektionrate sinkt, z.B. i2 nach i1: die infizierte Bevölkerung wächst auch bei i1. Aber das ist hier gar nicht die Frage!
Der Pfeil „Infection rate –> sick population“ ist eine monoton steigende Funktion der Infektionsrate, die einem Wert der Infektionsrate eine Anzahl infizierte Menschen zuordnet.

Wir müssen also in der obigen Grafik einen bestimmten Zeitpunkt t0 festhalten und schauen, wie sich die infizierte Bevölkerung in Abhängigkeit der Infektionsrate verhält.

 

Wir sehen, dass das eine monoton steigende Funktion ist, d.h. wenn die Infektionsrate von i2 auf i1 sinkt, dann sinkt auch die dazu gehörende Anzahl infizierter Menschen.

CLD können weitgehende Einsichten vermitteln. Voraussetzung ist, dass sie sauber und präzise eingesetzt werden. Auch ein CLD ist bereits ein Modell! Es hilft bei der Kommunikation eines Sachverhalts und bei der Einschätzung von Fern- und Nebenwirkungen.

Loops machen die Essenz eines CLD aus!

Im Allgemeinen sind CLD zu umfangreich und die Bezeichnungen der Parameter sind suggestiv. Anfänger würden den Pfeil „Infection rate –> sick population“ in Richardsons CLD vielleicht so bezeichnen:

aggressive Infection –> epidemic increasing sick population

in der Meinung, plakative Bezeichnungen würden die Verantwortlichen eher zum Handeln bringen. Aber die Infektionsrate könnte auch niedrig und die Zunahme der infizierten Bevölkerung moderat sein. Deshalb sind neutrale Bezeichnung Voraussetzung brauchbarer CLD.

Wichtig sind die Loops in den CLD. Diese müssten deutlich sichtbar gemacht werden, denn nur sie tragen zur Dynamik bei. Im eingangs erwähnten Artikel stellt Tom Fiddaman ein CLD zur Verfügung, das er zusammen mit Ron Suiter über CO2-Emmissionen entwickelte.

Da die beiden Profis sind, ist das CLD bereits auf einem hohen Niveau. Ich versuchte, ein wirklich wirres CLD zu finden, scheiterte aber an Copyrights. Das Vorgehen, um das es mir hier geht, kann auch am Fiddaman-CLD gezeigt werden. Nicht alle Loops sind direkt ersichtlich (und wenn, dann nehmen wir an, dass nicht). Ich habe das CLD zuerst in insightmaker.com möglichst so übernommen, wie es im Artikel steht. Die drei terminalen Grössen „Out-of-state Cobenefits“, „Out-of-cap California Cobenefits“ und „In-cap California Cobenefits“ habe ich weggelassen, denn sie tragen nichts zum System bei und sind bloss Ablesegrössen, wie ein Stromzähler. Wie üblich, haben blaue Pfeile positive Polarität und rote negative. Wenn Sie auf das Bild klicken, gelangen Sie gleich in den insightmaker.

(https://insightmaker.com/insight/97633/emissions-original)

Dann habe ich mit Hilfe der Funktion „Identify loops“ die Kreise ausgemacht und sie in den Fokus des Diagramms geholt:

(https://insightmaker.com/insight/97711/emissions-kreise)

Erst in dieser Darstellung kommt die Nützlichkeit eines CLD zum Ausdruck: man sieht sogleich, dass der Kreis oben rechts vom übrigen System völlig isoliert ist. Wenn man sich nicht gerade für die drei Grössen, die diesen Kreis bilden – „Reductions Elsewhere“, „Real Emissions Reductions“ und „Control Elsewhere“ – interessiert, könnte man den Kreis sowie alle Pfeile, die zum Kreis hin führen, weglassen. Die Grössen, auf dem Weg zum Kreis, wie z.B. „Real Additional Verifiable Enforceable“ und „Real Offset-driven Reductions“ sind ebenfalls unnütz und reine Massumwandler.

Das CLD reduziert sich auf das System der sechs Kreise in der Mitte des Diagramms. Es sind vier reinforcing Loops und zwei balanced Loops. Meine Erfahrung zeigte, dass sich Kreise ähnlich wie Pfeile verhalten, wenn man die Zuordnung

reinforcing loop –> postivie Polarität
balanced loop –> negative Polarität

macht. Ein Kreis, in welchem eine gerade Anzahl Pfeile negativer Polarität vorkommt, ist reinforcing. Ein Kreissystem in welchem es eine gerade Anzahl balanced Kreise gibt, wäre demnach vermutlich im Gesamten reinforcing. Stimmt diese Vermutung, dann wird sich das Fiddaman-CLD gesamthaft aufschaukeln (oder kollabieren). Um diese Vermutung zu festigen, ist weitere Forschungsarbeit nötig.

Die Analyse der Kreisstruktur eines CLD macht dieses zu einem sehr nützlichen Werkzeug, aller Unkenrufe der Community zum Trotz.

Die Kunst, Wirkungsnetzwerke zu zeichnen

Im letzten Beitrag befasste ich mich mit sogenannten „Causal Loop Diagrams“ (CLD) – Deutsch etwa mit „Wirkungsnetzwerke“ übersetzt – als systemische Darstellungsmittel. Ich habe den Eindruck, dass es im systemischen Umfeld wohl kaum ein zweites, derart missverstandenes und missbrächlich eingesetztes Hilfsmittel gibt, als CLD. Das kommt vielleicht daher, dass es sehr einfach aussieht und daher jeder Berater unreflektiert darauf zurückgreift.

Wirkungen wirken auf die Ursachen zurück

Ein lineares Ursache-Wirkungsdiagramm (oft auch als Fischgrät-Diagramm bezeichnet)  listet die Ursachen für ein Problem auf. Ein CLD integriert das Problem und seine Lösung in ein Gesamtsystem und fragt nach Problemursachen, die sich aus der Lösung ergeben.

Ein CLD ist ein bewerteter Digraph und eine dazugehörende Story. Die Werte der Kanten stammen aus der Menge {-1,0,1}. Ein Pfeil mit dem Wert +1 hat positive Polarität, ein Pfeil mit dem Wert -1 hat negative Polarität. Dann gibt es auch Pfeile, denen keine Polarität zugeordnet werden kann.

Soweit kann es zwei CLD mit derselben Struktur geben, wie Kim Warren in The Ambiguity of Causal Loop Diagrams and Archetypes festgestellt hat.  Deshalb gehört zu einem CLD stets eine Story, die die spezielle Bedeutung des CLD erzählt. Da CLD rein qualitativ sind, lassen sich quantitative Unterschiede nicht darstellen, wie etwa Nichtlinearität gegenüber linearen Verhältnissen. Solche Unterscheidungen übernimmt die Story. Die online-Software insightmaker.com unterstützt Storytelling bei CLD.

Das CLD heisst deshalb „Causal Loop Diagram“, weil ein guter CLD-Entwickler darauf achtet, die Pfeile stets in einem Kreis anzuordnen, z.B. so:

Ein CLD soll aufzeigen, dass Wirkungen oftmals zu Ursachen der Ursachen werden können. Zwar ist ein hoher Marktanteil die Ursache für eine hohe Nachfrage, aber die Nachfrage wird via Verkäufe und Investitionen zu der Ursache für den hohen Marktanteil. Die Einsicht in solche Rückkopplungsschleifen ist gerade das Systemische am CLD. Die kollaborative Modellierungssoftware insightmaker.com hat deswegen ihren Namen.

Der folgende Ausschnitt eines CLD ist ein Ausschnitt aus einem abschreckenden Beispiel. Es werden Grössen beliebig miteinander verbunden, ohne dass die entstandenen Loops klar dargestellt werden.

Es gibt durchaus Loops, z.B.

job structure flexibility –> social & economical security –> citizen wealth –> citizen social & economical well-being –> freedom of action –> job structure flexibility

Vielleicht wäre das CLD aussagekräftiger, wenn es diesen Loop in das Zentrum stellen und sich darauf konzentrieren würde. CLD, die viele Grössen mit vielen Pfeilen wild verbinden, sind nicht nur schweirig zu lesen, sondern auch unnütz.

Warum sind Pfeilpolaritäten wichtig?

In System Dynamics hat es sich eingebürgert, dass man sagt, ein Pfeil A –> B habe eine positive Polarität, wenn gilt:

Je mehr/grösser/besser/höher A, desto mehr/grösser/besser/höher B

und

Je weniger/kleiner/schlechter/niedriger A, desto weniger/kleiner/ schlechter/niedriger B

Das ist aber einfach eine saloppe Sprechweise für eine monoton steigende Funktion. Der Pfeil A –> B ist eine Funktion, die jedem Wert von A einen Wert von B zuordnet.

Ein Pfeil A –> B hat eine negative Polarität, wenn gilt:

Je mehr/grösser/besser/höher A, desto weniger/kleiner/ schlechter/niedriger B

und

Je weniger/kleiner/schlechter/niedriger A, desto mehr/grösser/ besser/höher B

Ein Loop, der aus lauter Pfeilen mit positiver Polarität besteht, schaukelt sich auf, bzw. kollabiert. Man nennt solche Loops auf English reinforcing. Ein Loop, in dem eine ungerade Anzahl Pfeile negativer Polarität vorkommt, pendelt sich auf einem bestimmten Niveau ein. Solche Loops werden auf Englisch balancing – in Deutsch auch zielsuchend – genannt.

Das sind zwei verschiedene Verhaltensdynamiken. Die Hauptaufgabe eines CLD ist es, Aussagen über das dynamische Verhalten eines Systems zu machen, die aus dem Zusammenwirken seiner reinforcing und balancing loops abgelesen werden kann.

Polaritäten sind Funktionsmonotonien

Da ein CLD ein Graph ist, kann es nicht zwischen Fluss- und Bestandesgrössen unterscheiden. Betrachte das CLD

Der Pfeil Kapital –> Zinsbetrag hat eindeutig eine positive Polarität, d.h. je höher das Kapital, desto höher der Zinsbetrag und je kleiner das Kapital, desto kleiner der daraus resultierende Zinsbetrag.

Auch der Pfeil Zinsbetrag –> Kapital ist monoton steigend. Wenn z1 < z2 zwei Zinsbeträge sind und K das Anfangskapital, dann ist natürlich K+z1 < K+z2. Das heisst: je höher der Zinsbetrag, desto höher das resultierende Kapital und je niedriger der Zinsbetrag, desto kleiner das daraus resultierende Kapital. Der Loop Zinsbetrag <–> Kapital ist klar aufschaukelnd.

Hier zeigt es sich, wie salopp die Sprechweise je kleiner der Zins, desto kleiner das Kapital ist. Selbstverständlich sinkt das Kapital nie unter seinen Anfangsbetrag. Wird kein Zins ausgeschüttet, bleibt das Kapital einfach konstant.

Dasselbe gilt für Abflüsse. Z.B. können Sie eine Investition abschreiben und erhalten ein duales CLD

Der Pfeil Investitionswert –> Abschreibungsbetrag hat positive Polarität. Die Funktion Abschreibung –> Investitionswert ist monoton fallend, der Loop Investitionswert <–> Abschreibung ist daher zielsuchend: der Investitionswert nähert sich dem Wert 0.

Alle diese Diagramme sind mit insightmaker gezeichnet worden, ein freies online Tool, mit dem Sie kollaborativ System Dynamics Modelle entwickeln können.

Conny Dethloff hat in seinem Beitrag Drei Stolperfallen der qualitativen Modellierung gefordert, dass schon in einem CLD zwischen Fluss- und Bestandesgrössen unterschieden werden muss und dies in einer Reihe von Kommentaren begründet. Auch George P. Richardson bemängelt dasselbe wie Dethloff in A problem with causal-loop diagrams (System Dynamics Review, Juni 1986). Dabei wird klar, dass er gedanklich kaum zwischen CLD und Bestand-Fluss-Modell unterscheidet. Er denkt schon beim Erstellen eines CLD so, als wäre ein Bestand-Fluss-Modell das Ziel. Das ist selber eine Denkfalle. Ein CLD ist bloss ein bewerteter Graph, in welchem es nur eine einzige Art von Knoten gibt. Es gibt keine Unterscheidung von Fluss- und Bestandesgrössen, keine versteckten Pfeile oder gar versteckte Feedbackschleifen. Das sind alles Dinge, die erst im Bestand-Fluss-Modell zu Tage treten.

Dethloff meint, dass sich Fehler einschleichen können, wenn der Modellierer nicht aufpasst. Das ist zwar richtig, aber Fehler können sich aber auch in einem Bestand-Fluss-Modell einschleichen. Systemische Modelle entdecken nichts Neues. Wenn der Modellierer falsch denkt, ist auch sein noch so exaktes Modell falsch.

Stolperfalle in suggestiven Bezeichnungen

Es kann sogar Pfeile geben, denen überhaupt keine Polarität zugeordnet werden kann. Das Yerkes-Dodson-Gesetz beschreibt die Leistungsfähigkeit eines Menschen in Abhängigkeit von allgemeinen nervösen Erregungsniveaus und besagt, dass zwischen Erregung und Leistung ein Zusammenhang besteht. Solange eine Aufgabe freiwillig ist, werden Sie sich per Gelegenheit darum kümmern. Besteht ein gewisser Druck und betrifft die Aufgabe Ihre aktuelle Haupttätigkeit, dann werden Sie sie als wichtig und dringend einstufen und sich sorgfältig ihrer annehmen. Steht ein Berg offener Arbeiten an und tadelt man Sie wegen Schlamperei, dann werden Sie lustlos resignieren. Das heisst, die Leistung nimmt bei zunehmender Erregung zunächst ebenfalls zu, fällt dann aber bei Übererregung wieder ab. Dem Pfeil

Erregungsniveau –> Leistungsfähigkeit

kann keine Polarität zugeordnet werden. Dennoch kann er in einem CLD vorkommen.

Ich sehe die Stolperfallen nicht so sehr in der Kategorisierung der Grössen und Pfeile, sondern vielmehr in suggestiven Bezeichnungen der Grössen. Ein typischer Anfängerfehler! Da die meisten Berater, die CLD einsetzen, keine Gedanken über die Methode verlieren, kommen sie nie über dieses Niveau hinaus und präsentieren ihren Kunden unnütze CLD.

Ein CLD soll die Dynamik einer Situation beschreiben. Der Pfeil

Gute Qualität –> Zufriedene Kunden

ist statisch. Die Qualität ist auf dem Niveau „gut“ fixiert und kann keine Dynamik zwischen grottenschlecht und hervorragend gut erfahren. Dadurch sind auch die Kunden einfach immer nur zufrieden, was nicht der Beobachtung entspricht. Der CLD-Entwickler wollte damit zeigen, dass gute Qualität zu zufriedenen Kunden führt. Solche plakativen Behauptungen sind aber nicht Aufgabe eines CLD. Soll ein CLD die beobachtete Dynamik abbilden, müsste der Pfeil so dargestellt sein:

Qualitätniveau –> Kundenzufriedenheit

Ist das Qualitätsniveu hoch, ist auch die Kundenzufriedenheit hoch. Ist die Qualität niedrig, ist die Kundenzufriedenheit niedrig. Der Pfeil hat eindeutig positive Polarität. Hier leitet sich die Behauptung, dass hohe Qualität zu guter Kundenzufriedenheit führt, von selber ab. Gleichzeitig erhält der Leser des CLD auch die Einsicht, dass niedrige Qualität die Kunden vertreibt.

Genauso falsch wäre es, das Yerkes-Dodson-Gesetz so zu formulieren:

Hohe Erregung –> Gute Leistung,

nur um zu zeigen, wie wichtig ein gewisses Erregungsniveau zur Motivation von Menschen ist.  Hier sieht man besonders gut, wohin solche Bezeichnungen führen. Es ist eben nicht so, dass je höher die Erregung, desto höher die Leistung, da die Funktion nicht monoton ist.

Causal Loop Diagrams sind linearen Ursache-Wirkungsdiagrammen, wie z.B. Fischgrätdiagrammen, in jedem Fall überlegen. Der erfolgreiche Einsatz von CLD setzt allerdings einige Kenntnisse und Fähigkeiten voraus, die der Einsatz von linearen Ursache-Wirkungsdiagramme nicht benötigt. Das dürfte der Grund sein, weshalb sich nichtsystemische Fischgrät-Diagrammen grösserer Beliebtheit erfreuen.

Systemisches Denken mit Wirkungsnetzwerken

In einem meiner letzen Blogartikel forderte ich dazu auf, ein System Thinker zu werden. Ich denke, dass Sie mittlerweile genug Zeit hatten, sich mit System Thinking zu beschäftigen, so dass Sie folgendes Stück „System Thinking“ nachvollziehen können oder es dazu nutzen, um Ihre System Thinking Skills zu verbessern.

System Thinking kommt wohl ohne Causal Loop Diagrams (CLD) kaum aus. Ich möchte mich heute der Frage widmen, inwiefern ein Causal Loop Diagram als systemisches Darstellungsmittel genügt. Inspiriert dazu hat mich der Artikel The Ambiguity of Causal Loop Diagrams and Archetypes von Kim Warren.

Wer und was

Ich mag Kim Warren sehr. Er war 2013 Präsident der System Dynamics Society und ich habe ihn ein paar Mal auf einer SD Conference getroffen. Zudem nahm ich vor ein paar Jahren an einer seiner hochspannenden SD-Trainings teil.

Über Causal Loop Diagrams (CLD) – auf Deutsch vielleicht mit Wirkungsnetzwerk übersetzt – und Systemarchetypen habe ich hier schon oft geschrieben, z.B. in Kein einzelner Teil… und in Archetypendiagramme

Zwei Archetypen

Der Archetypus „Eroding Goal“ besagt, dass wir zu Beginn unsere Ziele zu hoch setzen, und wenn wir sie nicht erreichen können, schnell bereit sind, sie auf niedrigerem Niveau neu zu formulieren. Umgekehrt strengen wir uns immer mehr an, das Ziel zu erreichen. Ich habe diese Situation in Fallen gelassene Vorsätze von Dozenten, Studenten und Projektleitern beschrieben

Der Archetypus „Eroding Goal“ als CLD. Blaue Pfeile haben positive, rote negative Polarität.

Der Archetypus „Escalation“ skizziert die gegenseitige Konkurrenz zweier Parteien in ein und derselben Sache. Z.B. streben zwei Personen in einer Disziplin die Weltmeisterschaft an. Immer, wenn die eine einen Erfolg verbucht, fühlt sich die andere bedroht und gibt noch mehr, um das nächste mal die andere zu überbieten.

Der Archetypus „Escalation“ als CLD.

Die Diagramme sind mit insightmaker gezeichnet worden, ein freies Entwicklungstool, das Sie online und kollaborativ einsetzen können.

Gleiche Strukturen

Im erwähnten Artikel stellt Warren fest, dass beide Archetypen – „Eroding Goals“ und „Escalation“ – aus zwei zielsuchenden Loops bestehen und sieht sich deshalb ausserstande, den Unterschied der beiden Situationen mit einem CLD beschreiben zu können. Er folgert daraus, dass CLD uneindeutig und in gewissem Grad für eine präzise Beschreibung spezifischer (Unternehmens-)Situationen ungeeignet seien. Er räumt allerdings ein, dass der Einsatz von CLD dem „Laundry List“-Vorgehen von Nicht-System-Thinkers immer noch überlegen sei.

Warrens Definition, wonach ein Archetypus ein generisches CLD, zusammen mit einer speziellen Verhaltensstory sei, finde ich bestechend handlich. Gerade an ihrer Verhaltensstory können die beiden Archetypen – „Eroding Goal“ und „Escalation“ – sehr eindeutig voneinander unterschieden werden. Das fängt schon nur bei der Tatsache an, dass in „Eroding Goal“ bloss eine Partei in gewissem Sinne gegen sich selbst handelt, während es in „Eskalation“ zwei Parteien gibt, deren Handlungen sich an denjenigen des Gegners orientieren.

Dynamische Struktur

Warren plädiert dafür, nicht beim CLD stehen zu bleiben, sondern gleich den Schritt zum System Dynamics Modell zu machen, das erst die nötige Klarheit geben könne. Ich kann ihm in dieser Hinsicht nicht folgen. Ich glaube, seine Befürchtungen, dass ein CLD die nötige Eindeutigkeit fehle, sind zumindest dann übertrieben, wenn das CLD nach allen Regeln der Kunst erstellt wurde. Meine Kritik richtet sich vielmehr gegen die vielen Berater, die CLD ohne irgendwelche Grundkenntnisse und ohne grossen Zeitaufwand ihren Kunden teuer verkaufen.

Wenn Warren z.B. schreibt: „The loop structure is mathematically identical“, dann stimmt das nicht. In dem Archetypus „Eroding Goal“ werden Soll-Zustand (Ziel) und Ist-Zustand als Differenz verglichen („Lücke“). Das führt zu einer linearen Struktur. Im Archetypus „Escalation“ hingegen werden die Resultate beider Parteien zueinander in Relation gesetzt, was nicht-linear ist.

Dass die Loopstruktur dennoch gleich ist, liegt daran, dass die Stories sehr verwandt sind. In beiden Stories versuchen die Parteien, durch Anstrengung ein Ziel zu erreichen. Während jedoch in „Escalation“ das Ziel durch die andere Partei immer höher gesetzt wird, wird es in „Eroding Goal“ durch den „inneren Schweinehund“ immer mehr gesenkt.

Fluktuationen

Eine andere Aussage Warrens fordert mich zu einer Präzisierung heraus. Er schreibt: „For example, if A and B start with the same results, there is no escalation“. Das ist rein rechnerisch zwar richtig, verkennt aber die Funktionsweise lebender Systeme. In einem System, das weit vom Gleichgewicht entfernt ist, wird die Dynamik stets von sogenannten Fluktuationen geprüft. Fluktuationen sind in Stärke und Ort zufällig vorkommende Störungen, die gegen die herrschende Struktur verstossen.

In „Escalation“ versuchen die beiden Parteien ständig, sich selbst zu verbessern, ganz ungeachtet vom Resultat der Konkurrenz. Das führt auf alle Fälle zu Differenzen in den jeweiligen Resultaten, sogar, wenn beide Parteien mit exakt denselben starten würden.

Warrens Behauptung gilt bloss für Systeme, die sich in völligem Gleichgewicht befinden. Solche Systeme sind aber tot. In ihnen bewegt sich gar nichts mehr. In der Tat gäbe es auch keine Eskalation mehr.

Jedem CLD seine Story!

Für Warren ist erst ein System Dynamics Modell ein Modell. Für mich ist ein fachgerecht erstelltes CLD jedoch bereits ein (qualitatives) Modell. Allerdings steckt für mich bedeutend mehr hinter einem CLD, als bloss ein paar Parameter, die mit Pfeilen wirr verbunden sind.

Wenn also die generischen CLD der beiden Archetypen „Eroding Goal“ und „Escalation“ fast nicht unterschieden werden können, anhand ihrer Stories und weiteren Analysen lassen sie sich jedoch wohl unterscheiden. Das bedeutet für mich: zu jedem CLD gehört eine Story! Das erreichen Sie am besten, indem Sie sich zu Beginn fragen: „Welche Archetypen stecken in der zu untersuchenden Situation“ und die Modellierung auf diesen Archetypen aufbauen. Dann tragen Sie auch stets die Story mit. Zu einem einfach mal so hingeworfenen CLD eine passende Story zu finden, dürfte ungleich schwieriger sein.