Zusammenfassung
Die ständig zunehmende Komplexität des Umfeldes unternehmerischen Handelns ist zum geflügelten Wort vieler Einleitungen zu wissenschaftlichen Arbeiten geworden. Jedoch beschäftigt sich die ökonomische Forschung traditionell mit einer objektiv faßbaren Welt, deren Zusammenhänge durch lineare Terme beschrieben werden können und stets dem Gleichgewichtszustand zustreben.1
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Lissack (1999, S. 110) und beispielsweise die „klassische Verteidigung” von Winter (1986, S. 429). Vgl. auch Goldstein (1999, S. 56) und North (1992, S. 23f.). Boisot/Cohen (2000, S. 113) stellen fest: „Economics [...] has been Platonic and Newtonian in its orientation. It evolved with a focus on stable equilibria and, for that reason, found it difficult to handle discontinous change.”
Simon (1986b, S. 210). Vgl. auch Schmidt (1994); Tamborini (1997); Schmidt (1992).
Vgl. Hahn (1987, S. 324).
Vgl. unter anderem Goldstein (1999, S. 50).
Der Emergenzbegriff stammt bereits aus dem 1 9. Jahrhundert und wurde erstmals zur Unterscheidung der Bildung von chemischen Substanzen, die vollständig auf die generierenden Substanzen zurückgeführt werden können und andererseits einer Bildung, bei der dieses nicht möglich ist, durch Lewes eingeführt. Er bezeichnete reduzierbare Ergebnisse als resultierend, nicht-reduzierbare als emergent. Vgl. Lewes (1875, S. 368f.). Zur Verwendung des Begriffes im Rahmen der Komplexitätstheorie und ihrer Anwendungen vgl. u.a. Holland (1998, passim); Goldstein (1999, S. 53); Casti (1997, S. 16).
Goldstein (1999, S. 61). Vgl. Bunge (1977a); Bunge (1977b); Blitz (1992).
Goldstein (1999, S. 62). Vgl. dazu auch Schröder (1988, S. 435f.).
Zur Interdisziplinarität vgl. Schweitzer (1997, S. XIX), der feststellt: „Examples can be found in almost every field of today’s scientific interest, ranging from coherent pattern formation in physical and chemical systems, to the motion of swarms of animals in biology and the behavior of social groups.” Vgl. auch Lissack (1999, S. 112); McKelvey (1999, S. 5 and S. 10).
Lissack (1999, S. 112)
Goldstein (1999, S. 68)
Vgl. Goldstein (1999, S. 68f.): „Since emergent phenomena are ubiquitous in organizations, the advances being made in the study of emergence can only have a huge impact on the study of organizational dynamics.”
Vgl. Lissack (1999, S. 119).
Vgl. Grothe (1997, S. 3).
Schreyögg/Eberl (1998, S. 519). Siehe auch Goldstein (1999, S. 65).
McKelvey (1999, S. 22). Vgl. Bunge (1976, S. 64f.) und Suppes (1968, S. 655ff.). Eine Übersicht findet sich bei Carley (1995, passim). Siehe auch Troitzsch (1990, S. 30ff.).
Vgl. die Beschreibung der vollständigen Grundmodells in Bach et alii (2001) aufbauend auf vorangegangene Arbeiten in Weber et alii (1995) und Weber/Brettel/Schäffer (1996). Die Bedeutung der Ordnungsentstehung als betriebswirtschaftliches Phänomen untersucht Grothe (1997) und darauf aufbauend unter besonderer Perspektive des Bruchs bestehender Ordnungen und die Übergangsphase zu neuen Ordnungen Bach (1998). Erste Anwendungen, durch Antlitz (1999) auf die Unternehmensentwicklung, durch Kehrmann (2000) auf die Rationalitätssicherung in strategischen Problemlösungsteams und Schäffer (2001) auf die Bedeutung der Rückkopplung durch Kontrolle für Lernhandlungen bestätigen das Erklärungspotential des Modells.
Der hohe Abstraktionsgrad des Grundmodells wird in der Zielsetzung von Bach et alii (2001, S. 95) hervorgehoben: „Hierbei steht der schrittweise Aufbau der Argumentation im Vordergrund. Sie läßt sich insgesamt als wenig komplex bezeichnen, d.h. sie gelingt kurz.”
Zur Bedeutung der axiomatischen Basis in der Modellkonzeption vgl. McKelvey (1999, S. 16).
Vgl. zu der hier als Grundlage der Einordnung verwendeten Vierteilung des Zieles wissenschaftlicher Arbeit Chmielewicz (1979, S. 17f.) und Schweitzer (1978, S. 3ff.). Dort werden deskriptive, theoretische, pragmatische und normative Wissenschaftsziele differenziert.
Vgl. Axelrod (1997, S. 21): „Simulation is a young and rapidly growing field in the social sciences.” Erste Ansätze gehen zwar in die siebziger Jahre des zoten Jahrhunderts zurück, vgl. unter anderem Abelson/Bernstein (1963) oder Cyert/March (1963), eine weite Verbreitung ist jedoch in der letzten Dekade festzustellen. Brassel et alii (1997, S. 55) führen diese Entwicklung auf die zu Beginn der Entstehung dieser Forschungsmethode fehlenden technischen Möglichkeiten zurück.
Chattoe (1996, S. 81)
Vgl. zum allgemeinen Modellbegriff Stachowiak (1973, S. 128ff.). Gilbert/Troitzsch (1999, S. 18) stellen fest: „Every model will be simplification — sometimes a drastic simplification — of the target to be modelled.”
Vgl. McKelvey (1999, S. 18):„It is important to emphasize that in the semantic conception, ‚theory‘ is always hooked to and tested via the model. ‚Theory‘ does not attempt to explain ‚real-world‘ behavior; of only attempts to explain ‚model‘ behavior.”
Vgl. zur inhärenten Dynamik sozialwissenschaftlicher Forschung Gilbert/Troitzsch (1999, S. 14): „In the social sciences, the target is always a dynamic entity, changing over time and reacting to its environment.” Zu verschiedenen Zeitbegriffen, die in modellzentrierten Arbeiten verwendet werden, siehe Chattoe (1996, S. 90f.): „Real time, unlike econometric time or theory time can be defined more or less independently of the actions which take place within it. By contrast theory time is designed to make the actions of individuals appropriately sequential and econometric time to relate available data.” Axelrod (1997, S. 23) unterscheidet über die hier im weiteren detailliert aufgeführten Zwecke hinaus weiterhin: (i) Die Bearbeitung von Aufträgen im Sinne eines Expertensystems („performance”), z.B. zur Spracherkennung oder medizinischen Diagnose, (ii) Das Training menschlicher Handlungsträger zur Erlangung spezifischer Fähigkeiten („training”), beispielsweise im Rahmen von Flugsimulatoren, (iii) Unterhaltung („entertainment”), zu der Axelrod feststellt: „From training, it is only a small step to entertainment”, (iv) Die Unterrichtung („education”), zum Beispiel durch den Einsatz von Unternehmensplanspielen.
Quelle: in Anlehnung an Gilbert/Troitzsch (1999, S. 15).
Vgl. Axelrod (1997, S. 24): „As a scientific methodology, simulation’s value lies principally in prediction, proof, and discovery.” Ähnlich Gilbert/Troitzsch (1999, S. 16).
Vgl. Axelrod (1997, S. 24), der die besondere Gewichtigkeit dieses Simulationszwecks hervorhebt: „[T]he use of simulation for the discovery of new relationships and principles is at least as important as proof or prediction.”
Zur Unterscheidung der drei Beschreibungssysteme vgl. Ostrom:1988. Dort wird die verbale Beschreibung als erstes, mathematische Modelle als zweites und Computersimulationen als drittes Symbolsystem zur Beschreibung von Sozialwissenschaftlichen Theorien bezeichnet. Vgl. Gilbert (1996, S. 448), der ähnlich zwischen „case-based”, „variable-centered” und „simulation” unterscheidet. Dabei werden die ersten beiden Ansätze als „conventional approaches” bezeichnet. Lindenberg (1991, S. 33) bezeichnet diese beiden als literarischen bzw. formalen Stil. Als Ursprung des ersteren wird Smith, des letzteren Ricardo genannt. Eichhorn (1979, S. 68ff.) ergänzt graphische Modelle. Vgl. Troitzsch (1997, S. 42) für eine ausführliche historische Diskussion der Entwicklung von computergestützten Simulationen als Forschungsmethode und die daraus resultierenden heutigen Verständnisse und Einsatzbereiche. Die allgemeine Definition der Simulation von Bratley/Fox/Schrage (1987, S. IX) blendet den inhaltlichen Vorgang, der im folgenden genauer betrachtet werden soll, gerade aus: „Simulation means driving a model of a system with suitable inputs and observing the corresponding outputs.”
McKelvey (1999, S.25). Chattoe (1996, S. 82) kritisiert ausschließlich verbal vorliegende Modelle ebenfalls: „It was all too easy to take advantage of the ambiguity of everyday language to obscure the weakness of a poor argument.”
Troitzsch (1997, S. 41)
Die Bedeutung des mathematischen Symbolsystem für die betriebswirtschaftliche Forschung bewertet Boulding (1976, S. 120): „Im großen und ganzen besteht heute wohl kein Zweifel mehr darüber, daß die Mathematik auf die Ökonomie einen positiven Einfluß ausgeübt hat. [...] Dennoch bleibt die Ökonomie eine Mischung aus Mathematik und etwas, das wir in Ermangelung eines besseren Ausdrucks als «Nichtmathematik» bezeichnen können.”
Vgl. die Entwicklung eines „formal model of the Hobbesian state of nature from the perspective of bioeconomics” bei Martinez Coll (1986) oder die formale Beschreibung der Vorhersagen des Club of Rome in Meadows et alii (1974).
Vgl. Troitzsch (1997, S. 41): „[A] machine is used to manipulate the symbols of the symbol system of mathematics, and this manipulation is more or less restricted to numerical treatment (although some computer help in symbolic computation is sometimes desirable, too)”
Chattoe (1996, S. 79)
Vgl. zum Prinzip der System Dynamics Gilbert/Troitzsch (1999, 27ff.) und Verwendungsbeispielen Forrester (1971), Forrester (1980), Meadows/Meadows/Randers (1992).
Zur Unterscheidung verschiedener Bezugsebenen siehe Abschnitt 2.1 in dieser Arbeit.
Die begriffliche Unterscheidung deskriptiver und instrumenteller Simulationen trifft Chattoe (1996, S. 80) auf der auch hier nachfolgend vertretenen Erkenntnis: „Instead of being restricted to representing mathematical models of social processes, there is no reason why simulation should not enable us to represent the processes themselves. It seems appropriate to refer to simulations of this sort as descriptive and contrast them with the process of instrumental simulation [...]“ (Hervorhebung im Original kursiv)
Troitzsch (1997, S. 41)
Agentenbasierte Beschreibungen greifen auf Erkenntnisse der künstlichen Intelligenz zurück, die in den einzelnen Agenten inkorporiert werden. Vgl. Brassel et alii (1997, S. 55). Eine der ersten Simulationsumgebungen für Multi-Ebenen-Modelle, das Mimose-Sprachsystem, wird in Möhring (1990) beschrieben.
Vgl. Wooldridge/Jennings (1995, S. 3ff.) und Moulin/Chaib-Draa (1996, S. 8ff.). Brassel et alii (1997, S. 56) verweisen auf die Bedeutung der Abstraktion vom Urbild und stellen fest: „Kinds of agents are, of course, part of the model, not of the target system [...].” In extremer Form kann die Abstraktion zur Loslösung von realweltlichen Zusammenhängen führen. Gilbert/Troitzsch (1999, S. 19) heben hervor: „This is simulation without reference to any specific ‚real world‘ target. The object of study is the set of possible social worlds, of which the actual world in which we live is just one.”
Vgl. McKelvey (1999, S. 17f.). In Abbildung 1.1 auf Seite 6 sind die Zusammenhänge durch die gestrichelt gezeichneten Linien dargestellt.
Vgl. Stachowiak (1973, S. 195) zu dieser Vorgehensweise: „Wo immer soziotechnisch experimentiert wird, besteht die Hoffnung, prognostizierende Theorien über soziale Prozesse entwickeln zu können. Da konkret-einmaliges Geschehen nicht im erfahrungswissenschaftlichen Sinne szientifizierbar ist, bleibt dem erfahrungswissenschaftlich orientierten soziologischen Theorienbildner nur der Weg, jenes Geschehen auf künstliche Weise, etwa durch Simulationsmodelle im Labor reproduzierbar und somit anderen Geschehensabläufen exakt vergleichbar zu machen.”
Die oben angeführte Fähigkeit von Simulationen in Entdeckungsverfahren zu dienen, gewinnt in diesem Zusammenhang an Bedeutung. Gilbert (1996, S. 450) vermutet diesen Weg der wissenschaftlichen Erkenntnis als den häufiger beschrittenen: „Most commonly, the researcher formulated a rather sketchy theory, then a model based on this theory was developed and finally the model was run to detect ‚ interesting ‘ properties.”
Vgl. Axtell/Epstein (1996, S. 4), die als Prinzip der agentenbasierten Computersimulation gerade die isolierte „Laboratmosphäre” hervorheben: „We view artificial societies as laboratories, where we attempt to ‚ grow ‘ certain social structures in the computer — or in silico — the aim being to discover fundamental local or micro mechanisms that are sufficient to generate the macroscopic social structures and collective behaviors of interest.” (Hervorhebungen im Original kursiv)
Vgl. McKelvey (1999, S. 18), der als Beispiel anführt: „How well does an idealized wind-tunnel model of an airplane wing represent the behavior of a full-sized wing on a plane flying in a storm?”
Zur Notwendigkeit und Möglichkeiten der Verifikation und Validation von Simulationsmodellen vgl. ausführlich Gilbert/Troitzsch (1999, S. 21ff.).
Vgl. zur näheren Beschreibung der Entwicklungsumgebung sowie der verwendeten Programmiersprachen Abschnitt 5.1.1.
Rights and permissions
Copyright information
© 2002 Deutscher Universitäts-Verlag GmbH, Wiesbaden
About this chapter
Cite this chapter
Langer, C. (2002). Einführung. In: Ordnungsparameter im handlungsorientierten Führungsmodell. Schriften des Center for Controlling & Management (CCM), vol 5. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-322-95303-2_1
Download citation
DOI: https://doi.org/10.1007/978-3-322-95303-2_1
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-7680-0
Online ISBN: 978-3-322-95303-2
eBook Packages: Springer Book Archive