Komplexe Systeme: Warum gut gemeinte Eingriffe unerwartete Folgen haben können

1. Ein Eingriff verändert die Bedingungen zukünftiger Entscheidungen

Angenommen, ein Unternehmen möchte die Zahl verspäteter Projekte reduzieren und erhöht deshalb den Druck auf verbindliche Termine. Die unmittelbare Logik ist plausibel: Wer Termine konsequenter einfordert, sollte weniger Verzögerungen erhalten.

Die Beteiligten reagieren jedoch nicht nur auf das offizielle Ziel. Sie reagieren ebenso auf die Konsequenzen der neuen Bewertungslogik. Projektleiter können größere Zeitreserven in ihre Planung einbauen, Teams könnten Risiken später melden, weil schlechte Nachrichten stärker sanktioniert werden, und Aufgaben können formell als abgeschlossen gelten, obwohl Nacharbeiten in spätere Phasen verschoben wurden.

Damit verändert die Intervention ihren eigenen Gegenstand. Vor der Maßnahme bestand das System aus Projekten, Ressourcen, Abhängigkeiten und bestehenden Anreizen. Danach enthält es zusätzlich eine neue Regel, auf die alle Beteiligten reagieren.

Genau hier liegt ein wesentlicher Unterschied zwischen sozialen Systemen und einfachen technischen Bauteilen. Menschen und Organisationen sind keine passiven Komponenten. Sie beobachten Regeln, antizipieren Konsequenzen und verändern ihr Verhalten entsprechend.

Das Ergebnis einer Maßnahme hängt deshalb nicht allein davon ab, welchen unmittelbaren Effekt sie erzeugt. Ebenso wichtig ist, welches Verhalten unter den neuen Bedingungen attraktiv, sicher oder wirtschaftlich sinnvoll wird.

2. Eine frühe Erfolgsmessung kann ein zutreffendes und trotzdem unvollständiges Bild liefern

Unerwartete Folgen werden häufig so dargestellt, als habe eine Maßnahme von Beginn an überhaupt nicht funktioniert. Tatsächlich erreichen viele problematische Interventionen ihr unmittelbares Ziel zunächst sehr wohl.

Eine Kostensenkung reduziert Kosten. Zusätzliche Straßenkapazität schafft zunächst mehr Raum für Verkehr. Ein Bonusprogramm kann jene Aktivität erhöhen, die vergütet wird. Eine effizientere Maschine benötigt weniger Energie pro erzeugter Einheit.

Die Schwierigkeit beginnt mit dem Zeitpunkt der Bewertung.

Wird eine Intervention unmittelbar nach ihrer Einführung beurteilt, werden vor allem jene Wirkungen sichtbar, die schnell eintreten. Verhaltensanpassungen, neue Nachfrage, organisatorische Verschiebungen oder Folgekosten können dagegen wesentlich später auftreten.

Eine kurzfristige Evaluation kann deshalb vollkommen korrekt feststellen, dass eine Maßnahme funktioniert hat, und dennoch ein unvollständiges Bild ihrer Gesamtwirkung liefern.

Gerade in komplexen Systemen muss Erfolg deshalb über mehrere Zeithorizonte hinweg betrachtet werden. OECD und IIASA weisen in ihren Arbeiten zum systemischen Denken auf Feedback, Nichtlinearität, Verzögerungen und unbeabsichtigte Folgen als zentrale Eigenschaften solcher Systeme hin. Eine Intervention ist damit nicht allein danach zu beurteilen, ob ihr erster Effekt dem gewünschten Ziel entspricht, sondern auch danach, welche Dynamik dieser Effekt anschließend auslöst.^[2]

3. Neue Regeln verändern das Verhalten – und damit die Aussagekraft alter Daten

Viele Prognosen beruhen unausgesprochen auf der Annahme, dass sich das System nach einer Intervention grundsätzlich ähnlich verhält wie vorher, nur unter einem veränderten Parameter.

Gerade in sozialen Systemen ist diese Annahme riskant.

Verändert ein Unternehmen seine Provisionen, verschieben Verkäufer ihre Prioritäten. Führt eine Behörde neue Kriterien ein, lernen Betroffene, welche Eigenschaften künftig relevant sind. Sinkt der Preis einer Leistung, kann sich ihre Nachfrage verändern.

Diese Anpassungen müssen weder manipulativ noch opportunistisch sein. Häufig handelt es sich um rationales Verhalten unter veränderten Bedingungen.

Damit entsteht ein grundlegendes Prognoseproblem: Historische Daten beschreiben Beziehungen, die unter den bisherigen Regeln entstanden sind. Werden genau diese Regeln verändert, kann sich auch das Verhalten ändern, auf dessen Grundlage die historische Beziehung beobachtet wurde.

Eine Organisation kann beispielsweise aus vergangenen Daten ableiten, wie Kunden auf bestimmte Lieferzeiten reagieren. Verbessert sie die Liefergeschwindigkeit erheblich, kann das neue Kundengruppen anziehen oder bestehende Kunden dazu bewegen, häufiger zu bestellen. Die alten Daten beschreiben dann nicht mehr vollständig jene Welt, die durch die Intervention neu entstanden ist.

Dasselbe gilt für interne Prozesse. Eine Abteilung, die zusätzliches Personal erhält, kann neue Aufgaben übernehmen. Ein kostenloses digitales Werkzeug wird möglicherweise weit intensiver genutzt als dasselbe Produkt mit einem hohen Nutzungspreis. Eine neue Infrastruktur kann Standorte attraktiv machen, die zuvor aufgrund schlechter Erreichbarkeit kaum relevant waren.

Interventionen verändern daher nicht nur Antworten auf bestehende Bedingungen. Sie können die Bedingungen selbst neu ordnen.

4. Rückkopplungen verändern die ursprüngliche Wirkung

Während Abschnitt zwei das Problem des Beobachtungszeitraums betrifft, geht es bei Rückkopplungen um die Mechanik, durch die eine Intervention später auf sich selbst zurückwirkt.

Ein Eingriff verändert zunächst eine Größe. Diese Veränderung beeinflusst andere Teile des Systems, deren Reaktion anschließend wieder auf die Ausgangssituation zurückwirken kann.

Ein Unternehmen verbessert etwa seine Lieferfähigkeit, indem es deutlich größere Lagerbestände aufbaut. Kunden erhalten Produkte schneller, Ausfälle werden seltener und die Servicequalität steigt. Gleichzeitig bindet das Unternehmen mehr Kapital, benötigt zusätzliche Lagerfläche und trägt höhere Abschreibungsrisiken.

Steigen dadurch die Gesamtkosten, kann an anderer Stelle neuer Sparbedarf entstehen. Sortiment, Personalstruktur oder Lieferantenverträge werden angepasst, und die ursprüngliche Verbesserung wird Teil eines größeren Wirkungszusammenhangs.

Solche Rückkopplungen sind besonders schwer zu erkennen, wenn ihre Folgen in einem anderen Bereich auftreten als die ursprüngliche Intervention. Eine Maßnahme kann innerhalb ihrer eigenen Kennzahl erfolgreich bleiben, während sie außerhalb dieses Ausschnitts neue Belastungen erzeugt.

Sterman beschreibt genau diese Wechselwirkungen als einen Kern von policy resistance. Entscheidungen erzeugen Reaktionen, die ihre ursprüngliche Wirkung abschwächen oder verändern können. Weil diese Reaktionen häufig verzögert oder organisatorisch weit entfernt auftreten, erscheinen sie leicht als unabhängige neue Probleme.^[1]

5. Zeitverzögerungen erschweren Lernen aus Erfahrung

Je länger der Abstand zwischen Handlung und Wirkung, desto schwieriger wird es, aus vergangenen Entscheidungen zuverlässig zu lernen.

Wenn eine Maßnahme heute eingeführt wird und ihre vollständige Wirkung erst in zwei Jahren sichtbar wird, verändern sich in der Zwischenzeit zahlreiche andere Faktoren. Märkte entwickeln sich weiter, Verantwortliche wechseln, neue Projekte beginnen und zusätzliche Maßnahmen werden eingeführt.

Wenn schließlich ein unerwarteter Effekt eintritt, ist die ursprüngliche Entscheidung möglicherweise längst aus dem unmittelbaren Blickfeld verschwunden.

Noch problematischer wird die Situation, wenn ein System auf die bisher unsichtbare Wirkung einer früheren Entscheidung mit einer neuen Intervention reagiert.

Ein Unternehmen investiert beispielsweise in eine langfristige Verbesserung seiner Produktqualität. Die Kosten steigen sofort, während Reklamationen erst zeitverzögert sinken können. Interpretiert das Management den kurzfristigen Kostenanstieg als Misserfolg und korrigiert frühzeitig gegen, kann genau jene Maßnahme beendet werden, deren Nutzen sich noch gar nicht vollständig entfalten konnte.

Umgekehrt können kurzfristig attraktive Maßnahmen jahrelang fortgesetzt werden, während sich ihre Nachteile schrittweise aufbauen.

Komplexität entsteht hier nicht zwingend durch hunderte Variablen. Bereits eine einzige relevante Verzögerung kann ausreichen, um Ursache, Wahrnehmung und Reaktion so weit voneinander zu trennen, dass das System systematisch falsch interpretiert wird.

6. Nichtlinearität macht einfache Hochrechnungen unsicher

In einer linearen Vorstellung ist eine größere Intervention lediglich eine stärkere Version einer kleineren. Verdoppelt sich der Einsatz, sollte sich ungefähr auch der Effekt verdoppeln.

Viele komplexe Systeme verhalten sich anders.

Eine zusätzliche Einheit Personal kann in einem überlasteten Team zunächst enorme Entlastung bringen, während weitere Einstellungen später kaum noch zusätzlichen Nutzen erzeugen. Ein System kann eine bestimmte Belastung lange problemlos aufnehmen und bei einer nur geringfügig höheren Belastung plötzlich einen kritischen Schwellenwert überschreiten. Ein Markt kann über Jahre stabil wirken und nach einer vergleichsweise kleinen zusätzlichen Veränderung abrupt reagieren.

OECD und IIASA behandeln Nichtlinearität und mögliche Kipppunkte deshalb als wesentliche Merkmale komplexer Systeme. Kleine Veränderungen können unter bestimmten Bedingungen große Wirkungen entfalten, während umfangreiche Interventionen anderswo überraschend wenig verändern.^[2]

Das erschwert insbesondere die Übertragung von Pilotprojekten.

Wenn eine Maßnahme bei hundert Personen funktioniert, folgt daraus nicht automatisch, dass sie bei zehn Millionen Menschen denselben Effekt lediglich in größerem Maßstab erzeugt. Bei der Skalierung können Preise, Kapazitäten, institutionelle Strukturen oder Verhaltensweisen reagieren, die im kleinen Versuch praktisch konstant geblieben sind.

Skalierung ist deshalb nicht nur eine quantitative Frage. Mitunter verändert die Größe der Intervention das System selbst.

7. Probleme können verschwinden, weil ihre Kosten den Ort wechseln

Ein besonders häufiger Scheinerfolg entsteht, wenn eine Belastung nicht beseitigt, sondern verlagert wird.

Ein Unternehmen reduziert beispielsweise seine Lagerbestände, indem es Lieferanten zu häufigeren und kleineren Lieferungen verpflichtet. Die eigene Kapitalbindung sinkt, während beim Lieferanten Logistikaufwand, Lagerhaltung oder Sicherheitsbestände steigen können.

Innerhalb der Unternehmensbilanz sieht die Maßnahme erfolgreich aus. Wird dagegen die gesamte Lieferkette betrachtet, fällt die Bewertung differenzierter aus.

Ähnliche Verschiebungen treten zwischen Abteilungen, Zeiträumen oder verschiedenen Arten von Risiken auf. Ein IT-Team kann Entwicklungszeit reduzieren, indem technische Schulden akzeptiert werden. Der aktuelle Release wird schneller fertig, während Wartungsaufwand in zukünftige Jahre verschoben wird. Ein Servicebereich kann Bearbeitungskosten senken, wenn weniger Fälle individuell behandelt werden, während Reklamationen und Wiederholkontakte an anderer Stelle steigen.

Ob ein Problem tatsächlich gelöst wurde, hängt deshalb wesentlich davon ab, wo die Grenze der Betrachtung gezogen wird.

Je enger diese Grenze ist, desto leichter kann eine Intervention erfolgreich erscheinen, obwohl sie einen Teil ihrer Kosten lediglich aus dem betrachteten Bereich hinaus verschoben hat.

Systemische Analyse erweitert deshalb nicht nur die Zahl der beobachteten Variablen. Sie fragt immer auch, welche Folgen außerhalb der gewählten Systemgrenze unsichtbar bleiben.

8. Zusätzliche Straßen zeigen, wie Kapazität ihre eigene Nachfrage verändern kann

Ein anschauliches Beispiel liefert die Verkehrsforschung.

Die intuitive Logik ist überzeugend: Sind Straßen überlastet, sollte zusätzliche Fahrbahnkapazität den Verkehr auf mehr Raum verteilen und dadurch Staus reduzieren.

Kurzfristig kann genau das geschehen.

Gilles Duranton und Matthew Turner untersuchten jedoch US-amerikanische Städte und fanden für Interstate Highways einen annähernd proportionalen Zusammenhang zwischen zusätzlicher Straßenkapazität und gefahrenen Fahrzeugkilometern. Als relevante Mechanismen identifizierten sie unter anderem zusätzliches Fahren bestehender Einwohner, Veränderungen wirtschaftlicher Aktivität und Zuzug.^[3]

Die Studie belegt damit keinen universellen Mechanismus für jede Straße und jedes Verkehrssystem. Sie zeigt jedoch deutlich, dass zusätzliche Kapazität in einem realen Verkehrsnetz selbst neue Nutzung hervorrufen kann.

Wird eine Verbindung schneller oder weniger überlastet, verändert sich ihre Attraktivität. Menschen können häufiger fahren, andere Routen wählen oder langfristig Wohn- und Arbeitsstandorte anpassen. Unternehmen verändern möglicherweise Standort-, Liefer- oder Investitionsentscheidungen.

Die zusätzliche Straße beantwortet daher nicht einfach eine fixe Nachfrage. Sie verändert Bedingungen, unter denen Nachfrage überhaupt entsteht.

Auf einer statischen Karte sieht die Intervention wie eine reine Kapazitätserweiterung aus. Über längere Zeit betrachtet wird sie Teil jener Struktur, die das Verkehrsverhalten mitbestimmt.

9. Effizienz senkt Kosten pro Einheit – nicht automatisch den Gesamtverbrauch

Ein verwandter Mechanismus findet sich bei Energieeffizienz.

Wenn ein Gerät dieselbe Leistung mit weniger Energie erbringt, sinkt zunächst der Ressourcenbedarf pro Nutzung. Technisch ist dies ein realer Effizienzgewinn.

Die geringeren Nutzungskosten können jedoch dazu führen, dass Menschen oder Unternehmen die betreffende Leistung häufiger verwenden. Zusätzlich kann eingespartes Einkommen für andere Güter oder Dienstleistungen ausgegeben werden, die wiederum Energie oder andere Ressourcen benötigen.

Dieser Rebound-Effekt hebt technische Einsparungen keineswegs zwangsläufig vollständig auf. Seine Größenordnung unterscheidet sich erheblich nach Anwendung, Zeithorizont und Berechnungsmethode; insbesondere bei gesamtwirtschaftlichen Effekten besteht in der Forschung keine einheitliche Schätzung. Systematische Reviews zeigen jedoch, dass Verhaltens- und Markteffekte einen Teil der theoretisch erwarteten Einsparungen wieder reduzieren können.^[4]

Das zugrunde liegende Prinzip reicht über Energie hinaus.

Wird Datenspeicherung billiger, können größere Datenmengen gespeichert werden. Sinkt der Preis digitaler Kommunikation nahezu auf null, steigt ihre Nutzung massiv. Wird Rechenleistung effizienter und günstiger, werden Anwendungen wirtschaftlich, die zuvor kaum sinnvoll gewesen wären.

Effizienz verändert den Ressourcenbedarf einer einzelnen Einheit. Sie sagt noch nichts darüber aus, wie viele Einheiten unter den neuen Bedingungen genutzt werden.

Wer ausschließlich die technische Einsparung misst, betrachtet deshalb möglicherweise nur die erste Hälfte der Reaktion.

10. Kennzahlen greifen in das System ein, das sie messen sollen

Auch Messsysteme sind Interventionen.

Ein Unternehmen, das eine neue Kennzahl einführt, beobachtet seine Organisation zunächst lediglich. Sobald diese Kennzahl jedoch mit Vergütung, Karriere, Budget oder öffentlicher Bewertung verbunden wird, erhält sie eine zweite Funktion: Sie verändert Verhalten.

Ein Support-Team, das stark auf kurze Bearbeitungszeiten optimiert wird, kann Fälle schneller schließen. Ob dadurch tatsächlich mehr Kundenprobleme gelöst werden, hängt davon ab, welche Handlungen die Kennzahl belohnt und welche Folgen außerhalb der Messung liegen.

Eine Vertriebsorganisation, die ausschließlich Vertragszahlen betrachtet, erzeugt andere Anreize als eine Organisation, die zusätzlich Marge, Stornoquote und langfristige Kundenbindung berücksichtigt.

Kennzahlen sind deshalb weder überflüssig noch grundsätzlich problematisch. Große Organisationen könnten ohne Messsysteme kaum gesteuert werden.

Entscheidend ist vielmehr, dass Messung Teil der Kausalstruktur wird. Sobald Menschen wissen, welche Zahl Konsequenzen besitzt, richten sie zumindest einen Teil ihres Verhaltens danach aus.

Ein Indikator, der gestern ein guter Beobachter des Systems war, kann dadurch morgen ein schlechterer werden, weil sich die Beteiligten inzwischen an ihm orientieren.

11. Jede Intervention beruht auf einem unvollständigen Modell des Systems

Die Grenzen einer Intervention entstehen nicht nur dadurch, dass Informationen fehlen. Bereits die Entscheidung, welche Informationen als relevant gelten, setzt ein Modell des Systems voraus.

Ein Unternehmen berücksichtigt bestimmte Kosten und Folgewirkungen, andere dagegen nicht. Eine öffentliche Institution arbeitet innerhalb ihres gesetzlichen Zuständigkeitsbereichs. Ein Projektteam kennt direkte Abhängigkeiten meist besser als entfernte Auswirkungen in anderen Teilen der Organisation.

Jede Intervention enthält deshalb implizite Annahmen darüber, welche Beziehungen wichtig sind, wo das System beginnt und endet und welche Folgen vernachlässigt werden können.

Sterman betont gerade in diesem Zusammenhang eine Form analytischer Bescheidenheit: Kein mentales oder formales Modell bildet ein komplexes System vollständig ab. Gute Systemanalyse zeichnet sich daher nicht durch den Anspruch auf ein perfektes Modell aus, sondern dadurch, Annahmen sichtbar zu machen, Rückkopplungen ernst zu nehmen und Modelle immer wieder mit Beobachtungen zu konfrontieren.^[5]

Diese Haltung besitzt erhebliche praktische Konsequenzen.

Wer davon ausgeht, alle wesentlichen Wirkungen bereits verstanden zu haben, interpretiert unerwartete Ergebnisse leicht als reine Umsetzungsfehler. Wer dagegen mit unvollständigem Wissen rechnet, kann Abweichungen als zusätzliche Information über das System behandeln.

Unerwartete Folgen sind dann nicht nur störende Nebenwirkungen, sondern Hinweise darauf, dass die ursprüngliche Vorstellung des Systems an einer entscheidenden Stelle unvollständig war.

12. Erfolgreiche Lösungen lassen sich nicht unverändert in andere Systeme übertragen

Eine weitere Quelle von Fehlsteuerung liegt in der Übertragung erfolgreicher Maßnahmen aus einem Kontext in einen anderen.

Wenn ein Modell in einer Organisation, Stadt oder Branche funktioniert hat, liegt es nahe, seine sichtbaren Elemente zu kopieren. Dabei wird leicht übersehen, dass der Erfolg möglicherweise von Bedingungen abhing, die im neuen Umfeld fehlen.

Eine stärkere Zentralisierung kann beispielsweise in einer kleinen Organisation Prozesse vereinheitlichen, Doppelarbeit reduzieren und Entscheidungen beschleunigen. Dieselbe Struktur kann in einer sehr großen, geografisch verteilten Organisation zusätzliche Informationswege erzeugen und lokale Reaktionsfähigkeit einschränken.

Auch eine Produktionsmethode, die mit hochqualifizierten Mitarbeitern hervorragend funktioniert, kann in einer Umgebung mit anderer Ausbildung oder Infrastruktur andere Ergebnisse liefern. Ein Prozess, der bei niedriger Auslastung stabil bleibt, kann unter hoher Last neue Engpässe erzeugen.

Die OECD weist deshalb darauf hin, dass systemische Ansätze Kontext, Interaktionen und institutionelle Bedingungen berücksichtigen müssen. Komplexe Probleme besitzen selten eine einzelne Ursache und noch seltener eine Lösung, die unabhängig von ihrem Umfeld identisch wirkt.^[6]

„Best Practice“ ist unter solchen Bedingungen weniger ein fertiges Rezept als ein Hinweis darauf, dass bestimmte Mechanismen unter bestimmten Voraussetzungen funktioniert haben.

Die entscheidende Frage lautet deshalb nicht nur, was anderswo erfolgreich war, sondern warum es dort erfolgreich war und welche dieser Bedingungen im eigenen System tatsächlich vorhanden sind.

13. Mehr Eingriff bedeutet nicht automatisch mehr Kontrolle

Wenn eine Maßnahme nicht ausreichend wirkt, besteht eine natürliche Reaktion darin, sie zu verstärken. Höhere Zielwerte, strengere Regeln, zusätzliche Ressourcen oder engere Kontrollen erscheinen als logische nächste Schritte.

In komplexen Systemen kann größere Steuerungsintensität jedoch zusätzliche Rückkopplungen auslösen.

Mehr Kontrolle kann den administrativen Aufwand erhöhen. Zusätzliche Berichtspflichten erzeugen mehr Informationen, beanspruchen zugleich aber Zeit, die für die eigentliche Tätigkeit fehlt. Engere Regeln können bestimmte Risiken reduzieren und gleichzeitig lokale Akteure daran hindern, auf ungewöhnliche Situationen flexibel zu reagieren.

Die Wirkung hängt deshalb davon ab, welche Funktion Kontrolle im jeweiligen System erfüllt.

Manche Prozesse werden stabiler, wenn Regeln enger gefasst sind. Andere benötigen gerade an bestimmten Stellen Redundanz, Ermessensspielraum oder lokale Anpassungsfähigkeit.

Zwischen der Stärke einer Intervention und der Beherrschbarkeit des Systems besteht daher kein automatisch positiver Zusammenhang.

Entscheidend ist nicht allein, wie intensiv eingegriffen wird, sondern welche Rückkopplungen und Anpassungsreaktionen diese Intensität erzeugt.

14. Vorhersage hat Grenzen – Lernen nicht

Aus den bisherigen Argumenten könnte eine pessimistische Schlussfolgerung entstehen: Wenn komplexe Systeme auf Interventionen reagieren und unerwartete Folgen prinzipiell möglich bleiben, scheint jede weitreichende Entscheidung riskant.

Vollständige Vorhersage ist tatsächlich unrealistisch. Daraus folgt jedoch nicht, dass systemisches Handeln unmöglich wäre.

Auch Nichtstun verändert den weiteren Verlauf eines Systems oder erhält bestehende Strukturen aufrecht. Die relevante Alternative lautet deshalb selten „vollständig sichere Intervention oder keine Intervention“.

Systemisches Handeln verändert vielmehr die Erwartung an eine Maßnahme. Sie wird weniger als endgültige Lösung und stärker als überprüfbare Hypothese behandelt: Unter bestimmten Annahmen erwarten wir bestimmte Wirkungen; anschließend beobachten wir, ob das System tatsächlich so reagiert.

Die OECD empfiehlt bei komplexen Herausforderungen entsprechend Monitoring, iterative Anpassung, Aufmerksamkeit für Rückkopplungen und die Bereitschaft, strategische Annahmen zu revidieren.^[2]

Damit wird Lernen selbst zu einem Bestandteil der Intervention.

Wo es möglich ist, können Maßnahmen zunächst begrenzt getestet werden. Neben dem gewünschten Haupteffekt werden mögliche Nebenwirkungen beobachtet, Frühindikatoren ausgewertet und Annahmen überprüft.

Nicht jede Entscheidung lässt sich als kleines Experiment organisieren. Manche Maßnahmen müssen sofort in großer Dimension umgesetzt werden. Auch dann bleibt jedoch derselbe Grundsatz relevant: Die Reaktion des Systems ist neue Information und nicht lediglich eine störende Abweichung vom ursprünglichen Plan.

15. Gute Interventionen bauen ihre eigene Korrektur ein

Der entscheidende Unterschied zwischen einer starren und einer adaptiven Intervention liegt deshalb häufig darin, ob die Maßnahme selbst Rückmeldung über ihre Folgen erzeugt.

Ein einfaches Steuerungssystem misst nur, ob eine Vorgabe umgesetzt wurde.

Ein besseres System beobachtet zusätzlich, was danach geschieht.

Wurde ein Prozess tatsächlich schneller, oder wurden Arbeitsschritte nur in andere Phasen verschoben? Sanken die Gesamtkosten, oder lediglich die Kosten einer einzelnen Abteilung? Führte zusätzliche Kapazität dauerhaft zu weniger Überlastung, oder entwickelte sich zusätzliche Nachfrage? Verbessert eine Kennzahl das eigentliche Ziel, oder lediglich den gemessenen Wert?

Solche Fragen sind anspruchsvoller als eine klassische Soll-Ist-Kontrolle. Gerade deshalb sind sie in komplexen Systemen wichtig.

Eine Intervention ist dort nicht abgeschlossen, sobald sie implementiert wurde. Sie beginnt vielmehr einen neuen Zustand, in dem Akteure, Märkte und Organisationen wiederum reagieren.

Gute Steuerung besteht deshalb nicht ausschließlich darin, den richtigen ersten Eingriff zu finden.

Sie benötigt ebenso Mechanismen, mit denen sichtbar wird, welche Reaktionen dieser Eingriff ausgelöst hat und ob die ursprünglichen Annahmen weiterhin tragen.

Gut gemeint ist ein Ausgangspunkt, keine Wirkungsanalyse

Komplexe Systeme bestrafen keine guten Absichten. Sie reagieren lediglich nicht auf Absichten, sondern auf veränderte Bedingungen.

Neue Regeln verändern Anreize, zusätzliche Kapazitäten eröffnen neue Nutzungsmöglichkeiten, Effizienz verschiebt Kosten und Messsysteme lenken Aufmerksamkeit. Jede dieser Veränderungen kann weitere Reaktionen hervorrufen, deren Wirkung räumlich oder zeitlich weit vom ursprünglichen Eingriff entfernt liegt.

Eine Maßnahme kann deshalb gleichzeitig vernünftig und unvollständig sein. Sie kann ihr unmittelbares Ziel erreichen und langfristig einen Teil des Erfolgs verlieren, ein Problem reduzieren und ein anderes vergrößern oder neue Verhaltensweisen erzeugen, die in der ursprünglichen Planung kaum berücksichtigt wurden.

Daraus folgt keine Forderung nach weniger Veränderung, sondern eine anspruchsvollere Vorstellung davon, was gute Veränderung bedeutet.

Eine Intervention in einem komplexen System sollte nicht nur danach beurteilt werden, ob ihr erster Schritt logisch erscheint. Entscheidend ist ebenso, welche Rückkopplungen sie erzeugt, welche Akteure ihr Verhalten anpassen, wo Wirkungen verzögert eintreten und welche Kosten außerhalb des unmittelbaren Blickfeldes entstehen.

Die vernünftigste Maßnahme ist deshalb nicht immer jene, die das sichtbare Problem am stärksten angreift.

Oft ist es jene, die genügend Rückmeldung erzeugt, um zu erkennen, wie das System auf den Eingriff reagiert und welche Anpassung danach erforderlich wird.