Einfluss komplexitätsbezogener Faktoren auf Innovation. Eine ... - AFA

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