Cynefin Framework
Ein kontextbasiertes Entscheidungs- und Sense‑Making‑Framework zur Einordnung von Problemsituationen und zur Auswahl geeigneter Vorgehensweisen.
Klassifikation
- KomplexitätMittel
- AuswirkungOrganisatorisch
- EntscheidungstypOrganisation
- OrganisationsreifeFortgeschritten
Technischer Kontext
Prinzipien & Ziele
Use Cases & Szenarien
Kompromisse
- Fehlende Disziplin kann zu willkürlicher Klassifikation führen
- Übersimplifizierung komplexer Probleme
- Falsche Governance‑Ableitungen bei inkorrekter Domänenzuweisung
- Regelmäßige Review-Sessions zur Überprüfung von Klassifikationen
- Klare Entscheidungsrechte und Eskalationspfade pro Domäne
- Kleine Experimente in komplexen Kontexten priorisieren
I/O & Ressourcen
- Situationsdaten, Stakeholder-Statements, technische Kennzahlen
- Geschäftsziele und Risikotoleranzen
- Historische Entscheidungen und Ergebnisse
- Kontextklassifikation und empfohlene Vorgehensweise
- Abgestimmte Rollen, Verantwortlichkeiten und Eskalationen
- Messgrößen und Lernhypothesen für Nachverfolgung
Beschreibung
Das Cynefin Framework ist ein sense‑making‑Modell zur Klassifikation von Problemsituationen in fünf Domänen (klar, kompliziert, komplex, chaotisch, unordentlich). Es hilft Führungskräften, Entscheidungen kontextsensitiv zu treffen, passende Routinen zu wählen und Risiken zu erkennen. Anwendung: Strategieentwicklung, Krisenmanagement und Produktpriorisierung in Organisationen.
✔Vorteile
- Verbesserte Entscheidungsqualität durch kontextsensitive Einordnung
- Schnellere Erkennung von Risiken und passenden Gegenmaßnahmen
- Unterstützt unterschiedliche Governance- und Entwicklungsmodi
✖Limitationen
- Vage Begriffsabgrenzungen führen zu inkonsistenter Anwendung
- Benötigt Moderation und Trainingsaufwand zur richtigen Einordnung
- Nicht immer eindeutig überlappungsfreie Zuordnung möglich
Trade-offs
Metriken
- Entscheidungszeit
Zeit zwischen Problemidentifikation und verbindlicher Entscheidung.
- Lernrate
Anzahl validierter Hypothesen oder Experimente pro Zeiteinheit.
- Korrekturzyklen
Häufigkeit und Effektivität von Nachsteuerungsmaßnahmen nach Entscheidungen.
Beispiele & Implementierungen
Technische Schuld im Legacy-System
Legacy-Refactoring als komplexe Domäne behandeln, Experimente und kurze Feedbackzyklen planen.
Regelbetrieb eines stabilen Services
Routinebetrieb als klare Domäne mit dokumentierten Prozessen und automatisierten Checks.
Prototyping für neue Märkte
Markt‑Unsicherheit als komplex ansehen, Hypothesen testen und lernen.
Implementierungsschritte
Pilotworkshop durchführen, Beispiele aus dem eigenen Kontext sammeln und klassifizieren.
Regeln und Governance für jede Domäne definieren und dokumentieren.
Trainings und Moderationshilfen bereitstellen, Feedbackschleifen einrichten.
⚠️ Technische Schulden & Engpässe
Tech Debt
- Mangelnde Dokumentation von Entscheidungsgrundlagen
- Ungenügende Messinstrumente für Lernfortschritt
- Legacy‑Prozesse, die Domänenwechsel blockieren
Bekannte Engpässe
Beispiele für Missbrauch
- Führungskraft ordnet strategische Entscheidung fälschlich der klaren Domäne zu und setzt rigide Prozesse durch.
- Team nutzt Cynefin nur als Schlagwort ohne konkrete Abläufe zu ändern.
- Komplexe Nutzerforschungsfragen werden mit Standardchecklisten beantwortet.
Typische Fallen
- Falsche Sicherheit durch zu starre Zuordnung
- Überbetonung einer Domäne zulasten anderer relevanter Aspekte
- Fehlende Iteration nach Einstufung
Erforderliche Fähigkeiten
Drivers (Architectural Drivers)
Constraints
- • Erfordert Moderation und Training
- • Kulturelle Akzeptanz der Methode notwendig
- • Nicht alle Stakeholder erkennen sofort den Nutzen