Einfluss komplexitätsbezogener Faktoren auf Innovation. Eine ... - AFA
Einfluss komplexitätsbezogener Faktoren auf Innovation. Eine ... - AFA
Einfluss komplexitätsbezogener Faktoren auf Innovation. Eine ... - AFA
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Master-Thesis, Mayrhofer (2013)<br />
bei weitem wichtiger zu sein, nicht nur <strong>auf</strong> die Summe der Bestandteile zu<br />
achten, sondern <strong>auf</strong> Knoten und Verknüpfungen, die sich durch Dynamisierung<br />
im System ergeben [61] . Kausalitäten zwischen Subsystemen sind unter dieser<br />
Perspektive nicht mehr länger linear erklärbar: „Linear systems respond to big<br />
changes in a big and proportionate manner and linear systems respond to small<br />
changes in an equally small and proportionate way. Most real life situations, on<br />
the other hand, are complex. Small changes in initial conditions, and later<br />
interventions of whatever size, can result in disproportionately large effects“ [62] .<br />
Unterschiedliche Anfangsbedingungen zweier Elemente können also genauso zu<br />
unterschiedlichen Ergebnissen führen, wie gleiche Anfangsbedingungen, wenn<br />
der Verl<strong>auf</strong> in anderer Form beeinflusst wird. Schließlich sollte die Kenntnis<br />
komplexer Zusammenhänge für Unternehmen auch einen Vorteil <strong>auf</strong> diversen<br />
Märkten bedeuten, da sie im Hintergrund l<strong>auf</strong>ende Prozesse tiefer verstehen<br />
können als mögliche Konkurrenten und sich mannigfaltiger <strong>auf</strong> Änderungen der<br />
Umgebung vorbereiten und einstellen können. Wie lässt sich der <strong>Einfluss</strong> von<br />
Komplexität bei der Beschreibung von Systemen wie dem <strong>Innovation</strong>ssystem<br />
nun beschreiben? Bedienen wir uns dazu des klassischen „Standing Ovation<br />
Problems“ von Miller/Page (2004). In einem Auditorium wird nach einer<br />
Vorstellung applaudiert und die Zuhörer/innen müssen sich die nicht einfache<br />
Frage stellen, ob sie <strong>auf</strong>stehen (Standing Ovations), wenn andere auch<br />
<strong>auf</strong>stehen. Lassen wir die Schwelle sein, ab der <strong>auf</strong>gestanden wird, weil die<br />
individuell wahrgenommene Qualität der Vorführung so hoch ist. In diesem<br />
kleinen Modell steht nun für ein Signal der Qualität der Vorführung; ist<br />
eine normalverteilte random-variable mit Mittelwert Null und einer<br />
Standardabweichung ; ist die Anzahl der Zuhörer/innen und ( ) ist das<br />
individuelle Signal, dass eine/r Zuhörer/in empfängt. <strong>Eine</strong> Person steht hier<br />
nur <strong>auf</strong>, wenn ( ) . Betrachten wir nun das Modell als Signalprozess<br />
( ) und fragen uns dann, was und über ( ) aussagen können,<br />
dann stellen wir fest, dass gewichtige <strong>Faktoren</strong>, wie etwa eine mögliche die<br />
„Welle“ der Aufsteher/innen nicht in das Modell einbezogen werden. Es könnte<br />
nun ein Parameter einbezogen werden, der für jenen Prozentsatz der Leute<br />
steht, die stehen müssen, damit ein Individuum unabhängig von seiner eigenen<br />
Wahrnehmung ebenfalls <strong>auf</strong>steht. Dieser Parameter beschreibt die Situation<br />
zwar nun etwas genauer, allerdings nicht vollständig. Wir wissen, dass Standing<br />
Ovations in der Praxis sich nicht immer an Schätzergebnisse eines solchen<br />
Modells halten. Es gibt bspw. sukzessive Aufstehwellen, die regionale<br />
Schwerpunkte im Publikumsraum bilden. Was in dieser Modellierung<br />
entscheidend wäre, ist also der <strong>Einfluss</strong> oder Eigenschaften komplexer Systeme<br />
[61] Vgl. Liening, 1999: 62<br />
[62] Rogers et al., 2005: 3<br />
21