Komplexe Systeme: Ist die Antwort einfach mehr Daten?

Eigene Darstellung nach Mainzer (2008)

Auf der Basis umfangreicher Geburts- und Sterbedaten berechnen Versicherungen seit dem 19. Jahrhundert die durchschnittliche Lebenserwartung von Menschen. Dabei wird eine Normalverteilung und das Gesetz der großen Zahl unterstellt. Die Verwendung von Normalverteilungen ist dabei nicht nur auf Versicherungen beschränkt. Ein weiteres Beispiel für die Nutzung der Normalverteilung ist die Berechnung des Intelligenz-Quotienten. In der Zwischenzeit gibt es deutliche Kritik an diesen Vorgehensweisen.

„Vom zentralen Grenzwertansatz und Normalverteilungen ging die klassische Sicht von Zufall und Wahrscheinlichkeit aus. Sie ist untypisch für komplexe Systeme, in denen sich Ordnungen und Strukturen selbst organisieren. Normalverteilungen setzen nämlich völlig unabhängige Ereignisse voraus. Daher können sie keine Korrelationen und Synergieeffekte von zusammenwirkenden Ereignissen berücksichtigen, die erst zu neuen Formen und Strukturen in Natur und Gesellschaft führen“ (Mainzer, 2008).

In der Abbildung (oben) wird plakativ dargestellt, dass durch zufällige Wechselwirkungen der Systemelemente einer Mikroebene zufällig neue Strukturen auf einer Makroebene entstehen, die nicht auf die einzelnen Systemelemente zurückzuführen sind (Emergenz). Siehe dazu auch Alle reden über Komplexität, doch wer kennt schon Bifurkationspunkte?

In der nächsten Abbildung ist die komplexe Situation in einer Gesellschaft zu erkennen, in der auf der Mikroebene Individuen interagieren und somit Bottom Up Einfluss auf die Makroebene nehmen. Die Makroebene wiederum hat Einfluss auf die Mikroebene (Top Down).

Eigene Darstellung nach Mainzer (2008)

Wir schauen als Bürger noch zu sehr auf die Makroebene (die da oben) und erwarten, dass das komplexe System für alle Beteiligten geregelt (gesteuert) wird. Besser wäre es, wenn mehr Raum für die Entwicklung der Mikroebene geschaffen wird (Ermöglichungsräume), um eine angemessene, selbstorganisierte Antwort auf die gesteigerte Komplexität in unserem Leben geben zu können.

Da das Denken in komplexen Zusammenhängen (komplexen Systemen) in unserer Gesellschaft leider wenig ausgeprägt ist, dominiert immer noch die falsche Annahme, dass alles regelbar und steuerbar sei. Man muss nur viele – ja sehr viele – Daten und Informationen sammeln. Künstliche Intelligenz suggeriert, dass dieser Zustand möglich sein kann – dem ist allerdings nicht so, wie es der Nobelpreisträger Simon schon in seiner eingeschränkten Rationalität erläuterte:

„Allerdings ergeben sich durch die Informationsbeschaffung selbst, Unsicherheit und Ungewissheit, da die Informationen über komplexe Systeme immer auch unvollständig sind, sodass eher von einer begrenzten oder auch eingeschränkten Rationalität auszugehen ist (vgl. Simon 1957/1982, Foss 2003)“ (Freund 2011:19).

Ein komplexes System kann zwar über geeignete Ordnungsparameter beeinflusst werden, doch ist dieser Ansatz oft nicht zu erkennen. Es müssen in einem komplexen System nicht alle Daten erfasst – was nicht möglich ist -, sondern die richtigen Ordnungsparameter gefunden werden. „Wir brauchen eben noch mehr Daten“ ist also eine Antwort, die nicht zu den heute anstehen Fragen passt.

Auf der MCP 2026 (16.-19.09.2026, Balatonfüred, Ungarn) gehe ich darauf in einem Paper ein:

Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework

Mein zweites Paper:

Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs

Multiple Intelligenzen Theorie erfasst die wesentlichen Dimensionen des zugrundeliegenden komplexen Systems

Image by StockSnap from Pixabay

Complex Problem Solving (CPS) unterscheidet sich erheblich von Simple Problem Solving (SPS). Beim einfachen Problemlösen (SPS) sind Ist- und Soll-Zustand gut beschreibbar. Durch planbares Vorgehen ist der Soll-Zustand dann mehr oder weniger gut erreichbar. Für CPS ist bei einem Menschen ein komplexes System von informationsverarbeitenden Prozessen erforderlich, denn komplexes Problemlösen (CPS) ist anders. Die Ausgangszustände sind nicht so eindeutig beschreibbar, der Weg zum Ziel ist vielfältig und das Ziel selbst ist unscharf (fuzzy). Bamberger und Wrona (2000:6) formulieren das so:

Sie stellen Entscheidungen unter Unsicherheit dar und werden auch als sogenannte Multi-Kontext-Probleme derart bezeichnet, dass sie in unterschiedlichen, jeweils aktorspezifischen Kontexten definiert bzw. expliziert werden.“

Das theoretische Konstrukt Multiple Intelligenzen erfasst hier die wesentlichen Dimensionen dieses zugrundeliegenden (komplexen) Systems beim Menschen und geht damit über die biologischen Einschränkungen hinaus.

„This theoretical construct of multiple intelligences represents a framework that not only connects the biological constraints of human information processing to the world of culturally valued capabilities. In addition, it represents a particular compromise, balancing the need to deal with the richness and complexity of the underlying system against theoretical tractability, while still capturing the most important dimensions of the complex system“ (Cornell, Shearer and Gardner, 2003).

In der heute stark vernetzten Welt, kommt es immer mehr zu komplexen (nicht nur komplizierten) Problemstellungen. Insofern hat die Multiple Intelligenzen Theorie eine gute Passung zu dieser Entwicklung. Siehe dazu auch

Multiple Intelligenzen: Intelligenzprofile angemessen interpretieren

Wie hängen Multiple Intelligenzen und Fähigkeiten zusammen?

Was sind Eigenschaften von komplexen Aufgabenstellungen?

Multiple Intelligenzen: Intelligenzprofile angemessen interpretieren

Eigene Darstellung. Quelle: Connell et al. (2003)

Die Multiple Intelligenzen Theorie von Howard Gardner integriert verschiedene Perspektiven auf Intelligenz (Intelligenz-Quotient, Emotionale Intelligenz, Soziale Intelligenz, … ). Dabei geht Howard Gardner in seinem Verständnis von Intelligenz von einem biopsychologischen Potenzial aus, was sich daher auch von Künstlicher Intelligenz (KI) unterscheidet. Siehe dazu auch die Anmerkungen zu möglichen Kategorienfehler.

„Ich verstehe eine Intelligenz als biopsychologisches Potenzial zur Verarbeitung von Informationen, das in einem kulturellen Umfeld aktiviert werden kann, um Probleme zu lösen oder geistige oder materielle Güter zu schaffen, die in einer Kultur hohe Wertschätzung genießen“ (Gardner  2002:46-47).

Die ursprünglichen Multiplen Intelligenzen sind in ihren Ausprägungen in einem fiktiven Profil in der Abbildung dargestellt. Es ist dabei wichtig, dass diese Intelligenzen in Bezug auf etwas bewertet werden, also in Bezug auf eine bestimmte Arbeit/Tätigkeit. Ein Intelligenzprofil „out of context“ zu erstellen, macht nach Howard Gardner keinen Sinn, und entspricht nicht seiner Definition von Intelligenz (Problembezug, kulturelles Umfeld, Wert).

Es ist aus diesen Überlegungen heraus auch nicht richtig – ja sogar unsinnig – davon zu sprechen, dass jemand „hauptsächlich musikalisch intelligent“ sein soll, da bei einer kontextabhängigen Problemlösung immer alle Intelligenzdimensionen mehr oder weniger stark eingesetzt werden.

Diese Interpretation des Intelligenz-Konstrukts führt zwangläufig auch zu der Frage, ob Intelligenz entwickelt werden kann, oder ob der größte Teil schon in den Genen eines Menschen vorhanden ist. Howard Gardner geht nicht von einem Fixed Mindset, sondern von einem veränderbaren, Growth Mindset aus – ganz im Sinne von Caroll S. Dweck. Multiple Intelligenzen können also gezielt entwickelt werden.

In einem der nächsten Blogbeiträge gehe ich darauf ein, was ein Intelligenzprofil (Multiple Intelligenzen) für mögliche Kompetenzen bedeutet.

Anmerkung: Ich kann an dieser Stelle nicht auf alle Facetten des Themas eingehen. Wenn sie sich mit der Multiple Intelligenzen Theorie von Howard Gardner noch nicht befasst haben, können Sie sich gerne in meinen Blogbeiträgen umsehen.

Umfangreiche Studie (2026) zur Nutzung von Künstlicher Intelligenz in Unternehmen

AdobeStock_650993865.jpeg

Es wird sehr viel über die positiven und negativen Auswirkungen bei der Nutzung von Künstlicher Intelligenz geschrieben. Dabei ist es nicht immer klar, ob die jeweiligen Veröffentlichungen nicht eher Public Relations oder Wunschdenken sind.

Um sich ein relativ gutes Bild machen zu können, sind Studien geeignet, die umfangreiches Datenmaterial unvoreingenommen analysieren. So eine Studie liegt nun mit Yotzov et al (2026) FIRM DATA ON AI vor.: „We survey nearly 6,000 senior business executives at US, UK, German, and Australian firms to develop new evidence on AI adoption and its effects on jobs, productivity, and output. Specifically, we ask executives about AI usage, its effects at their own firms over the past three years and, looking ahead, what they anticipate over the next three year.“ Die Forscher sind zu folgenden Ergebnissen gekommen:

First, around 70% of firms actively use AI, particularly younger, more productive firms.

Second, while over two thirds of top executives regularly use AI, their average use is only 1.5 hours a week, with one quarter reporting no AI use.

Third, firms report little impact of AI over the last 3 years, with over 80% of firms reporting no impact on either employment or productivity.

Fourth, firms predict sizable impacts over the next 3 years, forecasting AI will boost productivity by 1.4%, increase output by 0.8% and cut employment by 0.7%.

Neben dem von den Tech-Konzernen mit ihren KI-Modellen gerne propagierte Hype um ihre Produkte, gibt es die nüchterne Realität, die sich in den Studienergebnissen widerspiegelt.

Gemeinwohl-Ökonomie – Economy of Common Goods

Image by Kyrios Kyriakos from Pixabay

Die Folgen des Wirtschaftens der letzten 100 Jahre zeigen, dass es Zeit ist, neue Wege zu gehen. Neben den klassischen alten Denkweisen (mehr oder weniger Markt usw.) werden auch immer mehr alternative, innovative Ansätze diskutiert. Einer davon ist der von Christian Felber geprägte Begriff der „Gemeinwohl-Ökonomie“ (Wikipedia).

Felber, Christian (2010) Die Gemeinwohl-Ökonomie – Das Wirtschaftsmodell der Zukunft. Deuticke. ISBN 978-3-552-06137-8.

Eine in 2010 gegründete Initiative hat in der Zwischenzeit schon mehr als 11.000 Mitglieder – erstaunlich. Einen weiteren Push bekommt diese Entwicklung aktuell durch die Veröffentlichung von Mariana Mazzukato, einer renommierten Professorin am University College London:

Mazzukato, Mariana (2026) The Common Goods Economy. A News Compass.

Das Buch ist in der Zwischenzeit in viele Sprachen übersetzt worden. Weiterhin ist Mariana Mazzukato eine gefragte Rednerin auf verschiedenen Veranstaltungen..

„In The Common Good Economy, Mariana Mazzucato builds on her visionary ideas of the entrepreneurial state and mission-oriented policies to establish a new theory of the common good, one which allows governments and businesses to develop purposeful economic relationships, creating value and building spaces where human flourishing can happen. She argues that how we achieve collective goals – through collective action, participation and reciprocity – matters as much as what those goals are. The book provides a practical ‘common good compass’ to help navigate our economies in a radically different direction“ (ebd.).

Für mich interessant ist diese Entwicklung deshalb, weil sich auch über Open User Innovation (Eric von Hippel) ein Trend zu einer eher selbstorganisierten „Gift Economy“ ergeben kann. In einem meiner zwei Paper für die MCP 2026 in Balatonfüred, Ungarn, gehe ich auf diese Zusammenhänge ein. Siehe dazu auch

Von der Market Economy zur Self-organized Gift Economy

Society 5.0? Was ist das nun schon wieder?

Digitale Souveränität ist angekommen

Vor mehreren Jahren, als wir angefangen haben über eine mögliche Digitale Souveränität für Personen, Unternehmen, in Deutschland und in Europa zu schreiben, haben wir einige Rückmeldungen erhalten die zeigten, dass man diesem (europäischen) Weg keine Chance einräumt, und es als unrealistische Vision einschätzte.

In der Zwischenzeit hat sich gezeigt, dass die vielen aufgebauten Abhängigkeiten der letzten Jahrzehnte in eine Sackgasse auf allen Ebenen geführt haben: Energetische Abhängigkeit, militärische Abhängigkeit, digitale Abhängigkeit usw.

Es ist durchaus erstaunlich, dass viele, die diese Abhängigkeiten selbst herbeigeführt haben, nun nach Souveränität rufen. Die einzigen allerdings, die behaupten können, dass sie auf Digitale Souveränität hingewiesen haben, sind Akteure aus dem Open Source Bereich, denn hier geht es schon immer um Transparenz, Offenheit und Rechtstaatlichkeit.

Diejenigen, die sich aus Bequemlichkeit in die digitale Abhängigkeit begeben haben, müssen jetzt zu hohen Kosten umsteuern, da die Nutzung von den bekannten APPs und KI-Modellen in den Köpfen (auch in den Unternehmen) zu einer Pfadabhängigkeit geführt hat, aus der manche möglicherweise gar nicht mehr herauskommen werden.

Die Überschrift des Blogbeitrags ist vom Newsletter Juni 2026 der Open Source Business Alliance – Bundesverband für digitale Souveränität e.V. entnommen. Die Aussage bezieht sich dabei auf die Erkenntnisse aus dem SCS Summit 2026, der in Berlin stattfand.

„Liebe Leserinnen und Leser,
am 21. Mai 2026 kamen 200 Menschen im bUm Berlin zusammen – und der diesjährige SCS Summit hat bewiesen, dass digitale Souveränität in der Cloud keine Zukunftsvision mehr ist, sondern gelebter Alltag. Vom ersten Moment an war deutlich zu spüren: es wird weniger von Visionen als von klaren Umsetzungen und Mehrwerten gesprochen“ (OSBA SCS Summit 2026).

Die vielen Beispiele zeigen, was alles schon heute möglich ist, und was schon konkret umgesetzt wurde. Informieren Sie sich weiter über die Entwicklung auf dem Gebiet der Digitalen Souveränität und entscheiden Sie, was für Sie als Person und als Organisation umsetzbar ist.

Vergleichen Sie dabei nicht nur die einzelnen Tools, sondern auch, was Sie durch eine Neuausrichtung wieder erhalten: Sie gewinnen wieder die Kontrolle über ihre eigenen Daten – ein unschätzbarer Vorteil.

Fangen Sie an, ihre eigene Digitale Souveränität zurückzugewinnen.

Was bedeutet es, wenn wir uns von einer Risikogesellschaft zu einer Bedrohungsgesellschaft entwickeln?

Image by Gerd Altmann from Pixabay

In dem von Ulrich Beck 1986 veröffentlichten Buch Risikogesellschaft. Auf dem Weg in eine andere Moderne ging es dem Autor darum aufzuzeigen, dass die Gesellschaft lernen muss, die den von ihr selbst verursachten Technologiefolgen zu bewältigen. Dabei handelt es sich nicht mehr um eine einfache Modernisierung, sondern um eine Reflexive Modernisierung, was einen Strukturbruch bedeutet. Dazu sollen zunächst wichtige Begriffe geklärt werden:

Gefahr: antizipierte Verluste, denen keine Handlungsintention zugeschrieben wird (etwa ein Meteoriteneinschlag).
Risiko: ein antizipierter Verlust als Nebenfolge einer als positiv bewerteten Handlungsabsicht (etwa Investitionsrisiken).
Bedrohung: ein antizipierter Verlust, der einer negativen Handlungsintention zugeschrieben wird (etwa ein Überfall).

Quelle: Golka, P. in Gesellschaftsforschung 1/2026, Max-Planck-Institut für Gesellschaftsforschung

Wenn es um die Risiken nach Beck geht, geht es auch um die Frage nach komplexen Problemlösungen auf verschiedenen Ebenen einer Gesellschaft. Es hier ist also eher ein positives Umgehen mit der Situation gemeint, wobei alle in den Prozess mit einbezogen werden.

In der Zwischenzeit interpretieren allerdings viele Einzelpersonen, Gruppen, Organisationen, Unternehmen, öffentliche Verwaltungen und ganze Gesellschaften den Begriff „Risiken“ als „Bedrohungen“ um , was fundamental Änderungen im Umgang miteinander zur Folge hat, da dadurch bewusst Ausgrenzungen angestrebt werden. Dabei werden Fakten bewusst übertrieben oder auch bewusst falsch dargestellt, wobei den Initiatoren die sehr geringe Aufmerksamkeitspanne von Usern in den Medien zu Gute kommt. Das Ergebnis:

Ausgrenzung wird in der Bedrohungs-Logik als Täter-Opfer-Beziehung dargestellt.

„Materielle Risiken dienen primär als Mittel, um eine Täter-Opfer-Beziehung zu konstruieren, und nicht als Ausgangspunkt für die Suche nach Lösungen. Dies wirft die Frage auf, ob und inwiefern gegenwärtige Gesellschaften zunehmend durch eine solche Bedrohungslogik strukturiert werden – wir uns also von einer Risiko- in eine Bedrohungsgesellschaft entwickeln“ (Golka, P. in Gesellschaftsforschung 1/2026, Max-Planck-Instituts für Gesellschaftsforschung).

Achten Sie doch bitte einmal darauf, wie oft Begriffe wie „Bedrohung“, „bedroht“ usw. in den Medien vorkommen. In meinem Blog-Beitrag Der Droh-Journalismus geht mir auf die Nerven vom 10.03.2009 habe ich das schon einmal anhand von Beispielen deutlich gemacht. Geändert hat sich bis heute nichts – im Gegenteil.

Dennoch kann jeder versuchen, sich die Zusammenhänge selbst und anderen klar zu machen, und das Vokabular der Bedrohungslogik nicht zu verwenden.

Siehe dazu auch Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Ebenen Individuum, Gruppe, Organisation und Netzwerk.

Flexicurity: Flexibel und sicher – geht das?

in vielen gesellschaftlichen Bereichen haben wir in der Zwischenzeit gelernt, dass es iheute nicht mehr darauf ankommt zu fragen, ob das eine oder das andere richtig ist. Es kommt eher darauf an, zwei (oder mehr) Dimensionen hybrid zu verbinden, und dadurch etwas Neues zu kreieren. Das ist bei der Hybriden Wettbewerbsstrategie Mass Customization, beim Hybriden Projektmanagement, beim Hybriden Innovationsmanagement, bei Hybrider Arbeit usw. usw. Siehe dazu auch meine Blogbeiträge zu dem Begriff „Hybrid„.

Wenn es um Arbeitsplätze geht, werden in den Diskussionen oft zwei Pole gegeneinander ausgespielt. Auf der einen Seite sollen Arbeitsplätze flexibel sein, um Arbeit an die schnell wechselnden Rahmenbedingungen anpassen zu können. Andererseits sollen die Arbeitsplätze relativ sicher sein, damit private Planung auf einer gesunden Basis erstellt werden können.

Die beiden Begriffe „flexibel“ oder „sicher“ scheinen sich gegenseitig auszuschließen. Dass dem nicht so ist, hat beispielsweise Dänemark gezeigt. Das Vorgehen wurde Flexicurity (Wikipedia) genannt, also eine Kombination aus Flexibilty und Security. Der Begriff geht wohl auf den niederländischen Soziologen Hans Adriaansens zurück (ebd.). Wieder ist es ein Soziologe, der es geschafft hat, komplexe Zusammenhänge in ein Konzept zu bringen.

„Europe doesn’t need to become America. It needs to stop discouraging risk“ (Coste, 2026)

„Es ist nicht genug, zu wissen, man muss auch anwenden; es ist nicht genug, zu wollen, man muss auch tun“ (Johann Wolfgang von Goethe aus dem Roman Wilhelm Meisters Wanderjahre).

OpenMoji: Open Source Emojis für jeden

https://openmoji.org/

Jeder benutzt in seiner Kommunikation Emojis, die oft in den üblichen Apps enthalten sind. Um sich etwas zu unterscheiden, haben Studenten mit ihren zwei Professoren das Open Source Projekt OpenMoji ins Leben gerufen.

„OpenMoji is an open source project of 80+ students and 2 professors of the HfG Schwäbisch Gmünd and many external contributors“ (ebd.).

Die Symbole sind somit für jeden frei nutzbar, und können in verschiedenen Größen und Farben – auch Schwarz/Weiß – heruntergeladen werden.

Wieder ein schönes Beispiel für Open Source Projekte, die unseren Alltag bereichern. Mehr Beiträge zu Open Source finden Sie hier.

OECD Report (2026) – Bei der Reproduzierbarkeit erfüllen GenAI Modelle nicht die wissenschaftlichen Kriterien

AI (Artificial intelligence) AI management and support technology in the Business plan marketing success customer. AI management concept.

Es ist nur natürlich, dass jeder Einzelne, Organisationen und Öffentliche Verwaltungen ausprobieren, was mit Künstlicher Intelligenz (GenAI) möglich ist. Im wissenschaftlichen Umfeld wundere ich mich allerdings immer wieder darüber, wie unkritisch GenAI eingesetzt wird, wodurch die Kriterien wissenschaftlicher Arbeit konterkariert werden. Warum ist das so? Eine ausführlich Begründung habe ich im aktuellen OECD Report gefunden. Dabei geht es hier speziell um die Reproduzierbarkeit als Säule wissenschaftlichen Arbeitens geht.

Reproducibility is a pillar of scientific operations. To be accepted by the scientific community, results must (usually) be verifiable, and reproducible by others. One condition for reproducibility is full disclosure of the methods and data that led to the conclusion, meaning transparency and accessibility. From this perspective, GenAI models do not meet scientific criteria. First, the most popular models of GenAI are “black boxes”, as neither their weights (the parameters that define a neural network) nor their training data are publicised. Thus, disentangling the contribution of the data and the contribution of various components of the model is difficult in any scientific result coming from such a model. This comes from the very nature of neural networks: knowledge is distributed, hence difficult to localise. As GenAI models have a random component at their core, some results might not be robust. In addition, access to the training data can be limited due to the proprietary nature of many GenAI models: one example is the “AI Structural Biology Consortium”, a follow-up to AlphaFold-3, an ongoing project which makes use of data owned by pharmaceutical companies, which is secret and will remain secret (Callaway, 2025). Currently, solutions for access include open weights (e.g. Llama) and open source (including access to training data). The importance of openness was demonstrated by AlphaFold2, as the disclosure of its code and data triggered a series of initiatives refining the tool (Saplakoglu, 2024). Openness is essential to the cumulative progress at the core of science“ (OECD Digital Education Report 2026).

Am Beispiel von Pharmaunternehmen wird deutlich, dass es gerade in sensiblen Branchen wichtig ist, offene KI-Modelle zu nutzen. Offenheit ist: „Offenheit ist für den kumulativen Fortschritt im Kern der Wissenschaft unerlässlich“ (ebd.). Siehe dazu auch

Open Source AI: Besser für einzelne Personen, Organisationen und demokratische Gesellschaften

In Zeiten des Hypes um Künstliche Intelligenz kann Akademische Integrität nicht schaden