System Dynamics

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 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 „System Dynamics“ oder „Business 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 vier konstituierende Elemente dynamischer sozioökonomischer Systeme: kausale Feedbackbeziehungen, Wirkungsverzögerungen, Bestandesgrößen 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 regelt 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. 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 . Zwei wesentliche sind das kausale Rückkopplungsdiagramm (Causal Loop Diagram, CLD) 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 dem Gebiet der anwendungsorientierten Statistik. Dadurch kann SD in allen Bereichen der Volks- und Betriebswirtschaft 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 dann 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, hinterfragen und systematisch weiterentwickeln. Modellbasiertes Lernen strukturiert dabei die Lernprozesse.
In der Forschung wird SD als eine Strukturmethode zur kausalen 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 Differenzialgleichungen 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 Differenzialgleichungen, wodurch Kausalmodelle erstellt werden können.

Bild in Originalgröße zeigen