Loading content
Kausale Schleifendagramme stammen aus der Systemdynamik und visualisieren Rückkopplungen sowie nichtlineare Wirkbeziehungen in komplexen Systemen. Sie unterstützen Teams dabei, Ursachen-Wirkungs-Schleifen zu identifizieren, Hypothesen zu bilden und Interventionen in Workshops zu diskutieren. Die Methode eignet sich für Strategie, Policy-Design und operative…
Nutze diesen Steckbrief, um den Baustein kurz zu verstehen, ihn im Modell einzuordnen und bei Bedarf in die 360°-Bewertung zu wechseln.
Ausführbares Vorgehen: kann angewendet werden und erzeugt ein Ergebnis.
Was Zusammenhänge ordnet, verbindet oder entscheidbar macht.
Kausale Schleifendagramme sind eine Notation, mit der sich Ursache-Wirkungs-Beziehungen und Rückkopplungen in komplexen Systemen sichtbar machen lassen. Sie helfen, Dynamiken, Verstärkung, Ausgleich und unerwünschte Nebenwirkungen gemeinsam zu diskutieren.
CLDs sind aus der Systemdynamik hervorgegangen, die komplexe Systeme als zeitliche Rückkopplungszusammenhänge statt als isolierte Einzelursachen betrachtet. Die Notation mit Variablennamen, Pfeilen und Vorzeichen dient dazu, kausale Einflüsse ohne Materialfluss zu modellieren. In der Literatur wird die frühe formale Verwendung solcher Diagramme häufig mit Maruyamas Beitrag von 1963 verbunden; später wurden CLDs zu einem verbreiteten Werkzeug für Analyse und Workshop-Diskussionen.
Stell dir ein CLD als beschriftete Feedback-Karte vor. Zuerst benennt man die relevanten Variablen. Dann verbindet man sie mit gerichteten Pfeilen und markiert jeden Einfluss mit + oder −. Anschließend folgt man den Schleifen: Verstärkt die Rückkopplung eine Abweichung, ist sie verstärkend; führt sie das System zurück in Richtung Ziel oder Gleichgewicht, ist sie ausgleichend. Verzögerungen erklären, warum Systeme schwingen oder scheinbar widersprüchlich reagieren.
Fachgebiet, das Bestände, Flüsse und Rückkopplungen nutzt, um Verhalten über Zeit zu erklären.
Ein gerichteter Pfeil beschreibt, wie sich eine Variable auf eine andere auswirkt.
Plus und Minus zeigen, ob sich beide Variablen in dieselbe oder in entgegengesetzte Richtung bewegen.
Ein Kreislauf, der Abweichungen vergrößert und Wachstum oder Eskalation antreibt.
Ein Kreislauf, der Abweichungen dämpft und das System auf ein Ziel oder Gleichgewicht zurückführt.
Zeitliche Lücken zwischen Ursache und Wirkung können Schwingungen, Überschwingen oder Fehlinterpretationen auslösen.
CLDs sind hilfreich, wenn Strategie-, Governance- oder Betriebsfragen nicht mit einer einzelnen Ursache erklärt werden können und die Rückkopplungsstruktur sichtbar werden soll. Sie eignen sich besonders für Workshops, Hypothesenbildung und die Diskussion möglicher Eingriffe. Für belastbare Prognosen, Parameterabschätzungen oder genaue Mengenvergleiche ersetzen sie jedoch keine quantitative Simulation.
Wo dieser Baustein im Themenmodell verortet ist.
Erkunde, wie dieser Wissensbaustein mit Konzepten, Methoden, Technologien und Tools verbunden ist.
Diese Quellen belegen den Begriff und seine fachliche Bedeutung.
Alle direkten Verbindungen des aktuellen Wissensbausteins in einer kompakten, textuellen Darstellung.
Diese Einordnung zeigt, in welchem Kontext der Baustein typischerweise relevant wird, wie anspruchsvoll er ist und welche Wirkung er im Modell hat.
Die Ebene innerhalb der Organisation (Unternehmen, Domäne, Team), auf der der AssetBlock angewendet wird.