Unsere selbst verschuldete Komplexität

Forschung:

Von Roger L. Martin
20. September 2013

Menschen, die beruflich umfangreiche Probleme untersuchen wie beispielsweise Managementforscher oder Ökonomen scheinen sich einig zu sein: Die Welt wird immer komplexer - und das macht ihre Arbeit schwieriger. Wenn diese Diagnose zutrifft, dann sollten wir ihnen dankbar dafür sein, dass sie es immer noch versuchen. Und wir sollten die Experten nicht dafür kritisieren, dass sie nicht mehr Fortschritte zustande bringen. Aber stimmt die These der zunehmenden Komplexität wirklich?

 Universelle Komplexität : Sie wäre vermeidbar, wird stattdessen immer mehr verstärkt
Corbis

Universelle Komplexität: Sie wäre vermeidbar, wird stattdessen immer mehr verstärkt

Die Vielzahl von Bedeutungen, die das Wort Komplexität trägt, kann es schwierig machen, solche Behauptungen zu überprüfen. Hilfreich ist es, mit einer robusten, allgemein anerkannten Definition zu beginnen. Mir gefällt vor allem eine alte, aber einfache am besten: die Definition von Peter Senge, formuliert in seinem Buch "The Fifth Discipline". Senge erklärt damit auch, warum scheinbar ausgeklügelte Prognosewerkzeuge so oft ihr Ziel verfehlen:

"Sie alle sind darauf ausgelegt, die Art von Komplexität zu beherrschen, bei der es viele Variablen gibt: Detail-Komplexität. In Wirklichkeit aber gibt es zwei Arten von Komplexität. Bei der zweiten handelt es sich um dynamische Komplexität, also um Situationen, in denen Ursache und Wirkung schwierig zu erkennen sind und bei denen die Folgen von Interventionen im Zeitverlauf nicht offensichtlich sind. Konventionelle Methoden für Prognosen, Planung und Analyse sind nicht dafür geeignet, solche dynamische Komplexität zu handhaben."

Senges Unterscheidung zwischen Detail-Komplexität und dynamischer Komplexität ist nicht nur sehr nützlich, um das Versagen von manchen gelobten Werkzeugen zu erklären: Sie ist zugleich die Erklärung dafür, warum wachsendes Wissen in einem bestimmten Feld automatisch dazu führt, dass Komplexität entsteht und zunimmt.

Das Fallbeispiel AIDS

Der Ausgangspunkt für Wissen sind Mysterien. Alles, was wir heute wissen, begann als Mysterium, bei dem wir nicht einmal die Variablen erkennen und deshalb schon gar nicht Ursachen und Wirkungen verstehen konnten. Denken Sie einmal daran zurück, wie ratlos die Welt in den ersten Tagen der AIDS-Krise war. Wir wussten damals schlicht nicht, was wir über diese neue und schreckliche Krankheit denken sollten.

Mit der Zeit entwickelte es sich bei AIDS so wie in den meisten anderen Wissensbereichen auch: Es wurde immer weniger rätselhaft. Mit harter Arbeit und Untersuchungen fanden wir irgendwann eine Heuristik. Wir begannen also zu verstehen, auf welche Variablen es ankam, und entwickelten ein Gefühl für Ursache und Wirkung. Später schlussfolgerten wir, dass es sich bei AIDS um eine nicht angeborene Autoimmunkrankheit handelt, die hauptsächlich durch Sexualkontakte übertragen wird. Damit hatten die Forscher eine Grundlage dafür, um sich dann auf die relevanten Variablen zu konzentrieren und Ursache-Wirkungsbeziehungen besser verstehen zu können - wie etwa den Zusammenhang zwischen ungeschütztem Sex und einer Ansteckung.

Manchmal schreitet das Wissen sogar so weit voran, dass es in einem Algorithmus festgehalten werden kann, in dem jede relevante Variable spezifiziert und die Beziehungen zwischen Ursachen und Wirkungen präzise definiert sind. Dies war zum Beispiel bei Polio der Fall: Wir fanden heraus, was diese Krankheit auslöst, und entwickelten einen Impfstoff dagegen. Wer ihn nimmt, ist sein Leben lang vor Polio geschützt.

Seite
1
2
Artikel
© 2013 Harvard Business Publishing
Alle Rechte vorbehalten
Vervielfältigung nur mit Genehmigung
Nach oben