Direkt zum Inhalt

System Dynamics

Definition: Was ist "System Dynamics"?

Methodik zur Analyse komplexer und dynamischer Systeme bzw. deren Strukturen im sozio-ökonomischen Bereich (strategische Frühaufklärung).

Geprüftes Wissen

GEPRÜFTES WISSEN
Über 200 Experten aus Wissenschaft und Praxis.
Mehr als 25.000 Stichwörter kostenlos Online.
Das Original: Gabler Wirtschaftslexikon

zuletzt besuchte Definitionen...

    Ausführliche Definition im Online-Lexikon

    1. Begriff: System Dynamics (SD) ist eine Methodik zur Modellierung, Simulation, Analyse und Gestaltung von dynamisch-komplexen Sachverhalten („dynamische Komplexität“) in sozioökonomischen Systemen. SD wurde von Jay W. Forrester am Massachusetts Institute of Technology (MIT) in den 1950er-Jahren entwickelt, um Führungskräfte beim Management von komplexen unternehmerischen Entwicklungen und bei der Entscheidungsfindung zu unterstützen. In der deutschsprachigen Fachliteratur wird SD mit Systemdynamik übersetzt. In den Wirtschaftswissenschaften haben sich jedoch auch die englischen Begriffe „Business Dynamics“ oder „Strategy Dynamics“ etabliert.

    2. Eigenschaften und Methoden von System Dynamics: SD verfolgt das Ziel, das Verhalten eines Systems zu erklären und ggf. zu beeinflussen. Um dieses Ziel zu erreichen, werden relevante Systemstrukturen modelliert. SD erfasst dafür fünf konstituierende Elemente dynamischer sozioökonomischer Systeme: kausale Feedbackbeziehungen (Feedback und Feedback Loops), Wirkungsverzögerungen, Bestandesgrößen (stocks), Flussgrößen (flows) und Nichtlinearitäten.

    Feedback ist die Rückführung von Informationen über den aktuellen Zustand eines Systems (Ausgangsgröße) auf dessen Eingang. Feedback Loops, d. h. in sich geschlossene Prozesse kausaler Beziehungen zwischen Systemvariablen, operationalisieren solche Rückführungsprozesse. Die Interaktion von Feedback Loops erzeugt das Verhalten eines Systems. Wirkungsverzögerungen sind in einem System vorhanden,  wenn Ursache und Wirkung zeitlich voneinander getrennt sind. Bestandesgrößen sind Systemvariablen, die den aktuellen Zustand eines dynamischen Systems charakterisieren; z. B. ist der Produktlagerbestand eine Bestandesgröße eines Produktionssystems. Flussgrößen sind die Elemente eines Systems, welche Bestandesgrößen verändern. Nichtlinearitäten sind in sozioökonomischen Systemen eher die Regel als die Ausnahme. Ein System ist nichtlinear, wenn Änderungen in der Ausbringungsmenge nicht proportional zu Änderungen in der Eingabemenge sind.

    Um ein System Dynamics Modell zu erstellen, benutzt ein Modellierer mehrere Methoden. Drei wesentliche sind das kausale Rückkopplungsdiagramm (Causal Loop Diagram, CLD), das Systemstrukturdiagramm (SSD) und das Bestandesgrößen- und Flüssediagramm (Stock and Flow Diagram, SFD). Durch umfangreiche Validierungsmethoden können hochqualitative System Dynamics Modelle erstellt werden.

    3. Anwendung in Praxis und Forschung: System Dynamics ist eine Methodik und somit vergleichbar mit der anwendungsorientierten Statistik. Dadurch kann SD in allen Bereichen der Volks- und Betriebswirtschaft, und darüber hinaus, zur Analyse von dynamischen und komplexen Sachverhalten eingesetzt werden. Praxisbeispiele stammen aus dem öffentlichen und privaten Sektor: Produktionsmanagement, strategische Planung, Analyse und Design von Geschäftsmodellen, Business Forecasting und Szenarioanalyse. SD kann für qualitative sowie für quantitative (mathematische) Modellierung verwendet werden. In Praxisanwendungen werden meist zuerst qualitative Modelle zur Erfassung und Strukturierung der Problemsituationen erstellt. Diese werden dann durch Quantifizierung als simulationsfähige Modelle ausgestaltet, welche für Szenarioanalysen verwendet werden können.
    Neben der problemorientierten Anwendung wird SD oft auch für modellbasiertes Lernen in der Ausbildung von Führungskräften eingesetzt. Durch die Interaktion mit einem externen, formalen Referenzmodell können Führungskräfte ihre eigenen mentalen Modelle über dynamische Systeme erkunden, testen und systematisch weiterentwickeln. Modellbasiertes Lernen strukturiert dabei die Lernprozesse.

    In der Forschung wird SD als eine Strukturmethode zur Untersuchung der Funktionsweise von sozialen Systemen (Unternehmen, Organisationen, etc.) und für die kausale Analyse von Zeitreihen verwendet. Ein Forscher versucht die Zeitreihen durch Kausalmodelle (dynamische Hypothesen) und Simulationsmodelle zu erklären. Die dafür verwendete mathematische Formulierung als ein System von Differentialgleichungen erhöht den Grad der Zuverlässigkeit der aufgestellten Hypothesen bzw. Modelle. Die modellierten Kausalstrukturen stammen aus qualitativen und quantitativen empirischen Analysen.

    Eine Abgrenzung von SD zu anderen Forschungsmethoden ist insbesondere im Fall von statistischen Methoden sinnvoll. SD basiert, im Gegensatz zu statistischen Methoden, auf mathematischen Differentialgleichungen, mit denen Kausalmodelle erstellt werden.

     Verbindungen von System Dynamics zu anderen Bereichen der Wirtschaftswissenschaft

    4. Anwendungsfall (aus: Schwaninger und Grösser 2008): Eine Schweizer Unternehmung hatte das Problem, dass sie zum Zeitpunkt der Einführung eines neuen Produktes keine Möglichkeit hatte, das Entwicklungspotenzial des Marktes zu bestimmen. Des Weiteren hatte die Unternehmung nur unzureichendes Wissen über die Einflussgrößen, welche die Entwicklung des Absatzes wesentlich bestimmen. Das durchgeführte System Dynamics Projekt war wesentlich, weil die kurzen Produktlebenszyklen in dieser Branche schnelle und klare Entscheidungen nötig machten. Das Ziel des Projekts und somit des Modells war es, die Einführung neuer Produkte der Unternehmung und somit den Ertrag für jede Produktgeneration zu optimieren. Die Projektleitung wollte erstens verstehen, welche Faktoren die Produkteinführung stark beeinflussen, und zweitens die Faktoren identifizieren, die den stärksten Einfluss auf das finanzielle Resultat einer Produkteinführung haben. Eine übergeordnete Zielsetzung des Projektes war die Erarbeitung von generellen Erkenntnissen zu Maßnahmen, um zukünftige Produkteinführungen besser gestalten zu können. Um diese Ziele zu erreichen, wurde ein qualitatives Systems Dynamics Modell erstellt, welches auf den Referenz-Modi zweier Variablen basierte – Anzahl monatlicher Produktverkäufe sowie Umsatz. Abbildung 2 zeigt die Entwicklung des Umsatzes in einem Zeitraum von 24 Monaten. In Expertenworkshops wurde ein detailliertes, quantitatives Modell entwickelt, welches kontinuierlich während dem Projektverlauf validiert wurde, um eine hohe Modellqualität und Akzeptanz durch das Unternehmen sicherzustellen. Die während den Modellierungsworkshops entstandenen Reflexionen führten zu Verbesserungen von früheren Modellversionen und haben weitere Datenbedürfnisse aufgedeckt. Nachfolgende Modellierungsworkshops quantifizierten und testeten die Modellstrukturen. Außerdem wurden Szenario- und Maßnahmenanalysen durchzuführen.

    Abbildung 2: Daten zum Produktumsatz wurden als Referenzmodus für das Modell verwendet; Die Preisentwicklung wurde als exogener Datensatz aufgenommen.

    Während dem Modellierungsprozess waren die Prioritäten darauf gerichtet, den Prozess transparent zu gestalten sowie eine zielführende Kommunikation mit dem Kunden zu ermöglichen und weniger darauf, das ein detailgetreues Modell zu entwickeln. Das Modell sollte so verständlich wie möglich ausgestaltet sein und dadurch sollte eine undurchsichtige „Black-Box“ Modellierung vermieden werden. Ohne diese Vorkehrungen hätte sich leicht ein intransparentes Modell ergeben können, da es sich bei der gegebenen Marktsituation, der Firmengröße sowie dem Produktportfolio, um hochkomplexe Zusammenhänge handelte. Abbildung 3 zeigt die auf wesentliche Sachverhalte reduzierte Feedbackstruktur des Modells als Systemstrukturdiagramm.

    Abbildung 3: Systemstrukturdiagramm zum Anwendungsfall

    Der erste Mechanismus des Modells war, dass eine Erhöhung der Anzahl Kunden und somit der monatlichen Verkäufe zur Verbesserung der relativen Attraktivität des Produkts führt (Gleichung 1).

    MathML (base64):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

    In Gleichung 1 sind AR die Akzeptanzrate, ARA die Akzeptanz durch die relative Produktattraktivität, AWM die Akzeptanz durch Mund-zu-Mund Werbung und t der Einführungszeitpunkt des neuen Produkts. Attraktivität wurde definiert als eine Funktion der Servicequalität, Produktspezifikationen, Effekt von Marketing sowie der durchschnittlichen Produktionszeit. Alle dieser Faktoren konnten durch die Unternehmung direkt beeinflusst werden. Den Zusammenhang dieser Faktoren mit der Produktattraktivität wurde anhand der Erfahrung von firmeninternen Produktexperten gewichtet. Die Produktionszeit verringerte sich mit zunehmenden Lerneffekten. Der zweite Mechanismus war, dass Mund-zu-Mund Werbung nur einen positiven Einfluss auf die Akzeptanzrate hatte; mögliche negative Effekte von Mund-zu-Mund Werbung wurden nicht aufgenommen, da dies als wenig relevant eingeschätzt wurde (Gleichung 2).

    MathML (base64):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

    Wobei AWM die Akzeptanz durch Mund-zu-Mund Werbung, c die Kontaktrate zwischen Kunden der Unternehmung und i den Anteil der Kunden (in %) darstellt, die bei einem Kontakt das Produkt akzeptieren, TC die Anzahl aktueller Kunden und PC die potenziellen Kunden darstellt. Negative Effekte waren in dem Modell insofern inbegriffen, als eine lange Produktionszeit die Produktattraktivität reduzierte und zu einem Verlust von Kunden führte (s. Abbildung 3). Diese Beschreibung des Modells ist absichtlich kurz gehalten. Weitere Informationen zum Modell finden sich in Schwaninger und Grösser (2008).

    Was war der Nutzen des System Dynamics Modells für die Unternehmung? Die System Dynamics Simulation wurde zuerst für ein bereits bestehendes Produkt erstellt und mit den verfügbaren Daten verglichen (Abbildung 4). Das dann vorhandene Modell wurde für eine neue Produktgruppe parametrisiert und dann zum Management der Einführung von neuen Produkten verwendet. So konnten verschiedene Handlungsmöglichkeiten bei unterschiedlichen Umfeld-Szenarien simuliert und daraus Handlungsempfehlungen für die Neueinführung von Produkten erarbeitet werden. Dadurch wurde die Entscheidungsfindung auf der Ebene des Produktmanagements wesentlich verbessert.

    Abbildung 4: Vergleich historischer und simulierter Umsatz-Daten

    In der dargestellten Fallstudie wurde System Dynamics als quantitative Simulationsmethodik verwendet. Darüber hinaus kann System Dynamics jedoch auch als qualitative Methodik des Systemdenkens angewendet werden. Dies ist meist der erste Schritt bei einer praxisbezogenen Anwendung.

    GEPRÜFTES WISSEN
    Über 200 Experten aus Wissenschaft und Praxis.
    Mehr als 25.000 Stichwörter kostenlos Online.
    Das Original: Gabler Wirtschaftslexikon

    zuletzt besuchte Definitionen...

      Literaturhinweise SpringerProfessional.de

      Bücher auf springer.com