Bestands- und Flussmodellierung
Eine System‑Dynamics‑Methode zur Modellierung von Beständen und Flüssen, die Verhalten über die Zeit erklärt und Szenarien quantifiziert.
Klassifikation
- KomplexitätMittel
- AuswirkungGeschäftlich
- EntscheidungstypDesign
- OrganisationsreifeFortgeschritten
Technischer Kontext
Prinzipien & Ziele
Use Cases & Szenarien
Kompromisse
- Fehlende oder fehlerhafte Daten führen zu irreführenden Ergebnissen
- Übervertrauen in unvalidierte Annahmen
- Komplexe Modelle sind schwer verständlich für Stakeholder
- Mit einfachen Modellen beginnen und schrittweise verfeinern
- Annahmen transparent dokumentieren
- Stakeholder früh einbinden und Ergebnisse visualisieren
I/O & Ressourcen
- Zeitreihen historischer Bestände und Flüsse
- Annahmen zu Parametern und Verzögerungen
- Fachliche Prozesse und Entscheidungspunkte
- Zeitliche Verläufe von Beständen
- Szenarien und Sensitivitätsanalysen
- Empfehlungen für Steuerungsmaßnahmen
Beschreibung
Bestands- und Flussmodellierung ist eine System‑Dynamics‑Methode zur Abbildung von Akkumulationen (Beständen) und Änderungen (Flüssen) in komplexen Systemen. Sie unterstützt Ursachenanalyse, Szenariensimulation und Politikgestaltung durch explizite Modellierung von Rückkopplungen. Modelle liefern zeitliche Verläufe, Sensitivitätsanalysen und Entscheidungsgrundlagen.
✔Vorteile
- Ermöglicht kausale Analyse komplexer Dynamiken
- Quantifiziert zeitliche Effekte und Verzögerungen
- Unterstützt robuste Szenario‑ und Politiktests
✖Limitationen
- Benötigt präzise Daten für quantitative Prognosen
- Modellaufbau kann bei hoher Detailtiefe aufwändig sein
- Vereinfachungen können wichtige Einflussgrößen verbergen
Trade-offs
Metriken
- Prognosefehler (MAPE)
Mittlerer absoluter prozentualer Fehler zwischen Modell und Beobachtung.
- Sensitivitätsindex
Ausmaß, in dem Ausgaben auf Parameteränderungen reagieren.
- Simulationslaufzeit
Zeitbedarf für modellbasierte Szenarioevaluierungen.
Beispiele & Implementierungen
Vensim Beispiel: Lager‑Dynamik
Ein typisches Modell, das Bestandsaufbau und Nachschubverzögerungen zeigt.
Modellierung von Patientenflüssen im Gesundheitswesen
Case Study zur Analyse von Bettenbelegung und Wartezeiten.
Supply‑Chain-Szenarioanalyse für E‑Commerce
Simulation verschiedener Bestell- und Lagerrichtlinien unter Nachfragevariabilität.
Implementierungsschritte
Ziele definieren und relevante Bestände/Flüsse identifizieren
Modellstruktur entwerfen, Rückkopplungen kartieren
Kalibrieren, validieren und Szenarien simulieren
⚠️ Technische Schulden & Engpässe
Tech Debt
- Nicht dokumentierte Modellannahmen
- Veraltete Datenquellen im Modell
- Monolithische Modelle ohne Modularisierung
Bekannte Engpässe
Beispiele für Missbrauch
- Verwendung ohne Daten- oder Expertenbasis für politische Entscheidungen
- Einsatz zur Verifikation anstelle von Exploration
- Übersimplifikation kritischer Flüsse führt zu Fehleinschätzungen
Typische Fallen
- Verwechslung von Korrelation und Kausalität in Zeitreihen
- Unterschätzen von Nichtlinearitäten und Grenzphänomenen
- Fehlende Berücksichtigung externer Schocks
Erforderliche Fähigkeiten
Drivers (Architectural Drivers)
Constraints
- • Begrenzte historische Datenauflösung
- • Zeitliche Verzögerungen in Rückkopplungen
- • Organisatorische Akzeptanz komplexer Modelle