# Systeme

Lesezeit:  17 Minuten

# Emergente komplexe Systeme

Systeme sind emergent und holistisch. Das bedeutet: Sie sind mehr als die bloße Summe ihrer Einzelteile. Der menschliche Körper ist ein gutes Beispiel:: Auf dem Papier besteht ein Mensch lediglich aus vielen Atomen unterschiedlicher Elemente – und doch ist ein Mensch weit mehr als das. Systeme sind emergent, weil Teile miteinander in sehr komplexen Beziehungen stehen und interagieren.

Die Zusammenwirkung der Systembestandteile spielen eine bedeutende Rolle. Kohlstoffatome können zu Grafit angeordnet werden – oder zu einem Diamanten. Es sind die selben Atome, aber die Anordung sorgt fĂŒr völlig unterschiedliche Endprodukte.

Ein StĂŒck Metall kann zu einem Rohr, einem Edelstahlarmband einer Rolex oder zu einer sehr wertvollen Komponente in einer Maschine verarbeitet werden. Der Wert richtet sich nicht nur nach den Einzelbestandteilen, sondern danach, wie sie zusammenwirken.

Beispiele

  • Kohlenstoff-Atome
  • Legierungen

Verwandte Modelle

  • Personen vs. Gruppen

# Non-LinearitÀt

Wir versuchen die Welt in einfachen kausalen Beziehungen zu sehen: A ➞ B. Das aber ist naiv und falsch. Die Welt ist nur selten linear und es gibt viele Asymmetrien. DarĂŒber hinaus ist die Welt unfassbar komplex. Dasselbe gilt fĂŒr kleinere Subsysteme. Ein Auto mit 200 PS fĂ€hrt nicht doppelt so schnell, wie ein Auto mit 100 PS. Vielmehr sorgt der Luftwiderstand dafĂŒr, dass Geschwindigkeit nicht linear mit den PferdestĂ€rken korreliert.

Metallische Legierungen, die plötzlich ganz andere Eigenschaften als die beiden Ausgangsmaterialien haben, sind ein weiteres Beispiel dafĂŒr, dass die Welt nicht linear ist und komplex skaliert. Skalierungen von Systemen können linear,  exponentiell,  logarithmisch,  binĂ€r (siehe Schwellenwert), mit einer Mischung daraus erfolgen und natĂŒrlich auch chaotisch erfolgen.

Wir leben zu Teilen in Mediocristan, zu anderen Teilen in Extremistan.

Mediocristan ist die lineare Welt. Variablen in dieser Welt sind beispielweise die KörpergrĂ¶ĂŸe oder die Lebenswerawrtung. Variablen in Mediocristan sind normalverteilt.

Extremistan ist die non-lineare Welt. Variablen in dieser Welt sind Erfolg auf Instagram oder Vermögen. Auch der Zinseszins lebt in dieser Welt.

Das menschliche Gehirn denkt und funktioniert in Mediocristan am besten. Das ist die Steppe der Steinzeit; hier gibt es keine Netzwerke, das Internet oder elektrischen Strom. Die menschliche Zivilisation, der technische Fortschritt sind es, die aus Mediocristan ein Extremistan gemacht haben. Da der technische Fortschritt deutlich schneller voranschreitet als sich das Gehirn anpasst, funktioniert das Gehirn in Extrimistan nicht so gut. Folgen sind kognitive Verzerrungen und unser Unvermögen, uns intuitiv in Extremistan zu bewegen.

Im Übrigen ist das auch der Unterschied zwischen dem ersten und zweiten System von Daniel Kahneman.

Verwandte Modelle

  • Schnelles Denken, langsames Denken
  • Schwellenwert
  • Tipping Point
  • Aktivierungsenergie
  • Einzelpersonen vs. Gruppen

# Statisch vs.dynamisch

Wir mĂŒssen vorsichtig sein, wenn wir von statischem Beobachten, absoluten Werten und ZustĂ€nden ausgehen. Denn die Welt ist stĂ€ndig in Bewegung, steht nie still. Daher gilt es, immer auch einen Blick auf die Dynamiken zu werfen: ein Sprinter, der großen Vorsprung hat, aber gerade stolpert, wird das Rennen nicht gewinnen.

Research in Motion (Blackberry) hatte 2011 den höchsten Umsatz der Unternehmensgeschichte – nur um in weniger als einem Jahrzehnt komplett irrelevant zu werden. Die Momentaufnahme allein ist in den meisten FĂ€llen nicht aussagekrĂ€ftig.

Die Welt ist stetig im Wandel und jeder Datensatz, den wir betrachten, stellt nur eine Momentaufnahme dar. Um in mathematischen Dimensionen zu denken: Es gilt nicht nur der Wert der Funktion selbst, sondern auch die Ableitung, die die Änderungsrate wiedergibt.

# Pareto-Asymmetrien

"Denn wer da hat, dem wird gegeben, dass er die FĂŒlle habe; wer aber nicht hat, dem wird auch das genommen, was er hat." — MatthĂ€us 25, 29

Wer kennt es nicht: Das Paretoprinzip. Überall hört man von "80–20". Das Paretoprinzip ist ein sehr gutes Beispiel fĂŒr Asymmetrie. Der MatthĂ€us-Effekt, der bereits deutlich Ă€lter ist, schlĂ€gt in dieselbe Kerbe: Wer Erfolg hat, wird noch mehr Erfolg haben – man befindet sich in einer AufwĂ€rtsspirale. Eine Studie, die bereits oft zitiert wurde, wird nur noch mehr zitiert werden.

Aufgrund dieser Eigenschaft enstehen Asymmetrien. Und aus diesen Asymmetrien enstehen non-lineare Beziehungen. Diese sorgen dafĂŒr, dass wir in Extremistan leben.

Stellen wir uns zwei Musiker vor, die beide die selbe FÀhigkeit haben (so man das messen kann). Die FÀhigkeit der Musiker lebt in Mediocristan: Die FÀhigkeiten der Musiker sind normalverteilt. Aufgrund von Netzwerkeffekten, Pareto-Asymmetrien und ZufÀllen ist es aber sehr gut möglich, dass einer der beiden Musiker MultimillionÀr wird, der andere am Hungertuch nagt. Der Erfolg der Musiker lebt in Extremistan, folgt keiner Normalverteilung.

Pareto-Asymmetrien, so scheint es, sind ein ganz natĂŒrliches Muster in nahezu allen Systemen. Es gibt zahlreiche Beispiele fĂŒr Pareto-Asymmetrien.

Beispiele

  • Vilfredo Pareto
  • Joseph Juran
  • Parkinson-Gesetz
  • 90-90-Regel aus der Software-Entwicklung
  • Ein-Prozent-Regel im Internet
  • ABC-Produkte in einem Produktportfolio
  • Zipfsches Gesetz

Verwandte Modelle

  • MatthĂ€us-Effekt
  • Potenzgesetz

# Flaschenhals

Jedes System hat unterschiedliche Bestandteile und die QualitĂ€t dieser Bestandteile bestimmt darĂŒber, wie gut das System als Ganzes funktioniert. Ein Fußballteam, z. B. Bayern MĂŒnchen oder der Liverpool FC, kann mit noch so vielen Stars bespickt sein – wenn der Torwart patzt, verliert das ganze Team.

Auch in Produktionsprozessen kennt man dieses PhĂ€nomen als bottleneck. Bottlenecks können die Performance von Systemen deutlich beeinflussen. Deshalb tut man gut darin, sie schnell ausfindig zu machen und zu fixen. Justis von Liebig hat dieses Prinzip in der Landwirtschaft entdeckt und vom "Prinzip des Minimums" gesprochen. Wenn ein PflanzennĂ€hrstoff, etwa Stickstoff, fehlt, bringt es gar nichts, mit noch mehr Phosphat und Kali zu dĂŒngen.

Charlie Munger nutzt die Metapher der Multiplikation mit 0 um das Prinzip des Flaschenhales zu verdeutlichen. Wenn am Ende die einzelnen Bestandteile mit 0 multipliziert wird (0 steht fĂŒr den Flaschenhals), dann ist auch das Gesamtergebnis 0.

Das Prinzip des Flaschenhalses spielt bei allen Prozessen eine beduetende Rolle. Tatsache ist nÀmlich: Jede Optimierung, die nicht den Flaschenhals verbessert, verbesser am Ende gar nichts im Gesamtsystem. Es geht nÀmlich nicht um lokale Maxima/Minima, sondern um globale Maxima/Minima.

Beispiele

  • Multiplikation mit 0
  • Teamsport
  • Industrielle Produktion
  • DevOps
  • Theory of Constraints

Verwandte Modelle

  • Effective truth

# Algorithmus

Die Von-Neumann-Architektur beschreibt die Eingabe, Verarbeitung und Ausgabe von Daten von Computern und ist Informatikern auch als EVA-Prinzip bekannt. Ein Algorithmus funktioniert grundsĂ€tzlich ganz Ă€hnlich: Aus einer Menge an Input wird durch eine Form von Verarbeitung ein Output erzeugt. Selbiges gilt fĂŒr mathematische Funktionen.

Ray Dalio, der bekannte Hedgefonds-Manager und Autor des sehr empfehlenswerten Buches Principles schlÀgt vor, alle Entscheidungen in Form von Algorithmen zu modellieren.

Es hilft in vielen FĂ€llen, die Algorithmus-Analogie zu verwenden:

  • Was sind die Eingangsparameter?
  • Welche Form der Bearbeitung findet statt?
  • Was ist am Ende das Ergebnis

Wenn man einen Prozess optimieren möchte, muss man zunÀchst definieren, was das Zielergebnis ist. Basierend darauf muss dann die Bearbeitung und auch der Input angepasst werden. Auch die andere Richtung ist denkbar: Gegeben bestimmer Input-Werte, wie muss die Verarbeitung aussehen?

Nutzt man dieses Modell, fÀllt einem schnell auf, dass es in den verschiedensten Bereichen verwendet werden kann. Es hilft dann dabei, konzeptionell und strukturiert ein Problem anzugehen.

Beispiele

  • EVA-Prinzip von John von Neumann
  • Produktionsprozesse
  • ErnĂ€hrung

Verwandte Modelle

  • Garbage In, Garbage Out

# Garbage In, Garbage Out

Wenn mand die Analogie des Algorithmus weiter denkt, kommt man unweigerlich zum GiGo-Prinzip. Wenn der Input von schlechter QualitÀt ist, dann kann auch die beste Verarbeitung nicht herausragenden Output erzeugen.

Auch dieses Konzept stammt aus der Informatik. Aus schlechten Input (garbage in) kann kein guter Output (garbage out) generiert werden. Das Ergebnis von Studien ist nur so gut, wie die verwendete Methodik zur Datenerfassung.

Bei der Fotografie ist es Ă€hnlich. Aus einem mittelmĂ€ĂŸigen Foto wird selsbt mit herausragenden Photoshop-Kenntnissen kein brillantes Bild.

Auch in der ErnÀhrung kann man sich dieses Konzept schnell vorstellen. Wie soll ein gesunder Körper entstehen, wenn nur minderwertige Nahrung konsumiert wird.

Ein weiteres Beispiel. Wie soll man die richtigen Entscheidungen treffen, wenn man das Gehirn nur mit minderwertigen Inhalten befĂŒllt?

Auch hier gilt: Die gesamte Prozess-Kette vor dem Ergebnis spielt fĂŒr das Endergebnis eine entscheidende Rolle.

Beispiele

  • Programmierung
  • Datenauswertung

Verwandte Modelle

  • Effective truth

# Netzwerkeffekte

Netzwerkeffekte treten dann auf, wenn in einem Netzwerk der Wert des Netzwerks mit der Anzahl der Nutzer desselben steigt. Wenn nur zwei Menschen auf der Welt ein Telefon haben, dann stiftet das nur bedingt Nutzen. Sind es hingegen zwei Milliarden, dann steigt der Nutzen enorm. Besonders deutlich sieht man das bei sozialen Netzwerken, die erst dann attraktiv sind, wenn viele Nutzer dabei sind. Und wenn viele Nutzer dabei sind, kommen noch mehr Nutzer dazu.

In Wahrheit gibt es Netzwerkeffekte nicht erst seit den sozialen Netzen. Auch die Sprache und die arabischen Zahlen sind eine Form eines Netzwerks (Plattform). Je mehr Menschen sprechen können, desto wertvoller wird das Gut Sprache. Aus diesen Grund ist auch anzunehmen, dass die Bedeutung von Englisch als linga franca nur noch weiter zunehmen wird.

Die entscheidende Frage bei Netzwerkeffekten ist der Punkt, ab dem sie eintreten. Das ist ein Henne-Ei-Problem. Wenn niemand eine Plattform nutzt, zieht auch niemand einen Nutzen daraus. Also kann die Plattform nicht wachsen. Aus diesem Grund muss das Feuer der Netzwerkeffekte erst noch entfacht werden. Um Netzwerkeffekte zu erhalten, muss man vorher das Wachstum kĂŒnstlich beschleunigen, denn sonst treten die Effekte nicht auf.

Um bei der Flammen-Metapher zu bleiben: Ein kleines Feuer wird von einem Windhauch ausgelöscht. Ein bereits großes, brennendes Feuer brennt durch den Windhauch nur noch stĂ€rker. Genauso verhĂ€lt es sich mit Netzwerkeffekten.

Beispiele

  • Facebook
  • Google
  • Amazon
  • AirBnB
  • Sprache
  • Schriftzeichen
  • Sprachen
  • Standards
  • Der internationale, normierte Schiffscontainer

Verwandte Modelle

  • The-winner-takes-it-all-Effekte
  • Potenzgesetze
  • Tipping Point
  • Pareto-Asymmetrien

# The-winner-takes-it-all-Effekte

The-winner-takes-it-all-Effekte sind eine starke Form von Asymmetrie, sozusagen die Pareto-Asymmetrie on steroids. Man findet sie im amerikanischen Mehrheitswahlrecht, aber auch im digitalen Umfeld. Die Google-Suche, Google Maps und PDFs sind ein gutes Beispiel hierfĂŒr.

WTA-Effekt sind oft, aber nicht immer, das Ergebnis von Netzwerkeffekten. Bei Google haben Netzwerkeffekte fĂŒr den unfassbar hohen Marktanteil gesorgt. Im amerikansichen Wahlrecht dagegen gibt es andere Mechanismen, die fĂŒr den WTA-Effect sorgen.

Wie bereits angesprochen sind WTA-Effekte eine Form von Asymmetrie. Diese Asymmetrie sorgt fĂŒr non-lineare Beziehungen. Insgesamt scheint das Konzept der Asymmetrie wie ein roter Pfaden zu sein, der sich durch alle metnalen Modelle zieht, die mit Systemem zu tun haben. Das kann kein Zufalls sein. Asymmetrien sind wesentliche Eigenschaften von fast allen Systemen; der WTA-Effekt ist eine AusprĂ€gungsform dieser Asymmetrien.

Durch die Globalisierung werden WTA-Effekte verstĂ€rkt. Viele non-physischen GĂŒter (Wissen, Informationen) sind weltweit durch das Internet nahezu kostenlos verfĂŒgbar. FrĂŒher oder spĂ€ter muss man sich fragen, ob es sich lohnt in eine mittelmĂ€ĂŸige Vorlesung an einer guten deutschen Hochschule zu gehen, wenn man sich im Internet auch die beste Vorlesung weltweit dazu anhören kann.

WTA-Effekte machen den weltweiten Wettbewerbung noch eim ein Vielfaches schĂ€rfer und hĂ€rter. Denn in vielen Bereichen ist man nicht mehr nur mit lokalen Wettbewerbern im Wettstreit, sondern mit den besten der Welt. Das gilt (und wird durch die Bedeutung von Remote-Work noch weiter an Bedeutung gewinnen) auch fĂŒr den Arbeitsmarkt. Die besten Software-Entwickler kann man nicht mehr mit einem soliden IG-Metall-Tarif nach Baden-WĂŒrttemberg locken. Sie sind weltweit die wohl gefragtesten ArbeitskrĂ€fte ĂŒberhaupt, und daher ist man als europĂ€isches Unternehmen auch im Wettkampf mit amerikanischen Giganten und aufstrebenenden asiatischen Riesen. Auch das ist ein Beispiel fĂŒr WTA-Effekte.

Beispiele

  • Google-Suchmaschine
  • Champions League
  • Jahrgangsbester
  • Erstes Suchergebnis auf Google
  • Der weltweite Arbeitsmarkt

Verwandte Modelle

  • Pareto-Asymmetrien
  • Netzwerkeffekte
  • Potenzgesetze

# Tipping Point

Der Tipping Point beschreibt den Punkt, an welchem eine Epidemie nicht mehr aufzuhalten ist. Andere Begriffe dafĂŒr sind:

  • the moment of critical mass
  • the threshold
  • the boiling point

Das gilt nicht nur fĂŒr Epidemien im klassischen Sinne, sondern auch social epidemics, wie der amerikansiche Autor Malcolm Gladwell sie in seinem Buch Tipping Point nennt.

Der Bandwagon-Effekt, wenn auch konzeptionell nicht ganz identisch, ist mit dem Tipping Point verwandt: Auf den bandwagon aufspringen, bedeutet einem Trend zu folgen. Und das passiert gemĂ€ĂŸÂ social proof dann, wenn viele andere es auch tun – mithin der Tipping Point erreicht ist.

Der Tipping Point ist fĂŒr Asymmetrien von fundamentaler Bedeutung. Ist dieser Grenzwert nĂ€mlich erreicht, ist die damit verbunde Entwickung kaum noch aufzuhalten. Jeder Netzwerkeffekt oder WTA-Effekt hat irgendwann einen Grenzwert erreicht und sich dadurch manifestiert.

Es ist natĂŒrlich oft schwer zu sagen, wann genau der Tipping Point erreicht ist. Man genau ist Google die Suchmaschine geworden. Wann ist Photoshop zum zu dem Hauptwerkzeug fĂŒr Designer geworden? (Mittlerweile wird Photoshop ĂŒbrigens von Sketch und zuletzt auch Figma in die Schranken gewiesen).

Tatsache ist, dass der Tipping Point eine Art binĂ€re Schranke darstellt. Alles davor hat noch wenig traction, alles danach ist kaum mehr aufzuhalten. Insofern ist der Tipping Point wie ein Schalter, der eine Bombe zĂŒndet oder den Staudamm öffnet.

Beispiele

  • Malcolm Gladwell
  • Soziale Epidemien
  • Kim Kardashian
  • Kylie Jenner

Verwandte Modelle

  • Influence: Social Proof
  • Netzwerkeffekte

# Antifragil

In seinem Buch "AntifragilitĂ€t" beschreibt der große Philosoph Nassim Taleb das gleichnamige Konzept. Etwas, das fragil ist, wird durch Risiko und Stress (z. B. physischer Schock) zerstört, sobald der breaking point (siehe hierzu auch den Tipping Point) erreicht ist. Die Beziehung zwischen Schock und Zerstörung ist dabei nicht linear. Auch die Zeit stellt eine Form von Schock dar. Zeit korreliert nĂ€mlich mit Entropie, und Entropie ist, was fĂŒr das stĂ€ndige Driften hin zum Chaos fĂŒhrt. Anders gesagt: Im Zeitverlauf werden Dinge grundsĂ€tzlich fragiler. Eine Burg ĂŒberdauert jahrhunderte von Jahren, aber irgendwann wird durch StĂŒrme, Regen und andere EinflĂŒsse (inbesondere auch solche, die nicht vom Menschen ausgehen) aus den stolzen Mauern eine Ruine.

Der menschliche Körper ist fragil, d.h. physischer Stress fĂŒhrt ab einem gewissen Punkt zur Zerstörung. Ein Sprung aus einem Meter Höhe reicht dafĂŒr noch nicht, aber ein Sprung aus 20 Metern endet fast immer tödlich. Auch im Zeitverlauf ist der Mensch höchst fragil. Altern ist der Prozess, der irgendwann, unweigerlich zum Tod fĂŒhrt.

Die nĂ€chste Stufe nach der FragilitĂ€t ist das Robuststein. Etwas das robust ist, kann externen Stress standhalten. Eine RĂŒstung macht einen Ritter robuster. Footballer bauen Muskekln auf, um robust zu sein. Robustsein bedeutet NeutralitĂ€t gegenĂŒber Schocks oder fĂŒhrt zumindest dazu, dass der breaking point erst spĂ€ter erreicht wird.

Nach dem Robuststein kommt die AnfifragitlitĂ€t. Sie ist das Gegenteil von FragilitĂ€t. Anders als das Robuste profitiert das Antifragile von von externem Stress. Der Löwenzahn, die Pusteblume, ist ein Beispiel hierfĂŒr. Beispiele aus der Mytholgie:

  • Fragil: Schwert des Damokles
  • Robust: Der Phönix
  • Antifragil: Die Hydra

WÀhrend das Schwert des Damokles jederzeit herunterzufallen droht, ist der Phönix robust, strebt aus der Asche wieder hervor. Die Hydra aber wird durch Chaos nur noch stÀrker: Wird ein Kopf abgeschlagen, wachsen gleich zwei neue Köpfe nach.

Beispiele

  • Nassim Talebs "Barbell strategy"
  • Investmentstrategien, die auf VolatilitĂ€t setzen

# Der Schwarze Schwan

"Absence of Evidence is not evidence of absence" — Nassim Taleb

FrĂŒher dachte man, es gĂ€be nur weiße und graue SchwĂ€ne. Dann hat man einen schwarzen Schwann in Australien entdeckt. Schwarze SchwĂ€ne sind Ereignisse, die sehr selten vorkommen, aber einen immens großen Einfluss haben.

Der 11. September war ein schwarzer Schwan. Die globale Finanzkrise, ausgehend von der Pleite von Lehmann Brothers, ebenso. Schwarze SchwĂ€ne lassen sich unmöglich vorhersehen. Aber sie tauchen immer wieder wie aus dem Nichts auf – ob wir wollen oder nicht. ne Taleb schlĂ€gt vor, AntifragilitĂ€t zu entwickeln, um uns vor schwarzen SchwĂ€nen zu schĂŒtzen.

Schwarze SchwÀne haben mit den fat tails am Rande einer Wahrscheinlichkeitsverteilung zu tun. Die meisten wissenschaftlichen Modelle gehen von einer Normalverteilugn vieler Variablen aus. Das ist auch beim Black-Scholes-Modell zur Berechnung des Wertes von Optionen der Fall. Das Problem: In Wirklichkeit sind die RÀnder der Wahrscheinlichkeitsverteilung nicht so, wie in der Normalverteilung. Es gibt vielmehr fat tails, die mit dem Modell nicht vorhergesehen werden können. Diese fat tails in Form von schwarzen SchwÀnen sind zwar so selten, dass das Modell in 99 % der FÀlle funktioniert. Aber in den 1 % der FÀlle, wo es nicht funtkioniert, kommt der schwarze Schwan und macht das komplette Modell nutzlos.

Im vorigen Teil zu "Karte und Terrotorium" wurde bereits das eindrĂŒckliche Beispiel von LTCM beschreiben. Die Manager dieses Fonds waren ĂŒbrigens die NobelpreistrĂ€ger hinter der Black-Scholes-Formell fĂŒr Optionen ...

Beispiele

  • Extremistan
  • Nassim Talebs "Sei kein Truthahn"
  • Long-Term Capital Management (LTCM-Krise)

Verwandte Modelle

  • Denken in Wahrscheinlichkeiten
  • Schmetterlingseffekt
  • AntifragilitĂ€t
  • Karte vs. Territorium

# Schmetterlingseffekt

GeprĂ€gt hat den Begriff des Schmetterlingseffekts der US-Meteorologe Edward Lorenz: Könnte ein SchmetterlingsflĂŒgel in Brasilien einen Tornado in Texas auslösen? Das mag auf den ersten Blick weit hergeholt erscheinen, aber wir mĂŒssen uns eins verdeutlichen: Die Welt ist noch weit komplexer, als wir annehmen.

Kleine Änderungen hier fĂŒhren zu großen Änderungen da. Oft sind diese Änderungen nicht linear, sondern exponentieller oder logarithmischer Natur. Der Schmetterlingseffekt hat demzufolge mit komplexe System und Asymmetrien zu tun.

Auch die Chaostheorie hat konzeptionell Ă€hnliche Wurzeln. Im Endeffekt verdeutlichen beide, dass wir die Welt nur bruchstĂŒckhaft verstehen können. Viele VorgĂ€nge sind der menschlichen Wahrnehmung nicht zugĂ€nglich und/oder nur sehr schwer messbar und wissenschaftlich zu erfassen.

In Freakonomics wird beispielsweise gezeigt, dass die neue Geseztgebung der Abtreibung in den USA zum RĂŒckgang der KriminalitĂ€t gefĂŒhrt hat. Das erscheint auf den ersten Blick weit hergehohlt, aber es kann durch Daten belegt werden. Das zeigt: In der komplexen Welt stehen Dinge miteinander in Beziehung, von denen wir nicht davon ausgehen, dass sie etwas miteindaer zu tun haben. Das ist der Schmetteringseffekt.

Beispiele

  • Edward Lorenz
  • Globales Wetter
  • Jurassic Park

Verwandte Modelle

  • Der Schwarze Schwan
  • Unknown unknowns

# Lindy-Effekt

Der Lindy-Effekt besagt folgendes: Etwas ist Lindy wenn ein Fortbestehen mit zunehmendem Alter immer wahrscheinlicher wird. So beschreibt Taleb den Lindy-Effekt. Was Lindy ist, ist damit auch zu einem gewissen Grad antifragil. Ein Buch, das bereits seit 100 Jahren gelesen wird, wird vermutlich auch in 100 Jahren noch gelesen werden.

Verwandt damit sind Evergreens in der Musik. Mozart hört man mit Sicherheit auch noch in 100 Jahren. Dasselbe gilt fĂŒr: Seneca, Shakespeare, Mozart, Pizza, Milch.

Taleb argumentiert, dass man keine modernen BĂŒcher lesen sollte, denn diese haben sich im Hinblick auf ihre Lindy-Eigenschaft noch nicht beweisen können. Klassiker hingegen, so Taleb, sind nicht ohne Grund zu Klassikern geworden. Taeb rĂ€t deshalb, die Klassiker zu lesen.

Wichtig: Der Lindy-Effekt stellt kein Werturteil dar. Nur weil etwas Lindy ist, bedeutet das nicht immer auch, dass es gut ist. Lindy ist eine Eigenschaft, die sich auf das Überleben bezieht, nicht die QualitĂ€t einer Sache. Oft, aber eben nicht immer, ĂŒberlebt etwas, dass QualitĂ€t aufweist. Deshalb gilt, dass viele Dinge, die Lindy sind, auch eine hohe QualitĂ€t besitzen.

Es fĂ€llt auf, dass der Lindy-Effekt auch viel mit der Evolution gemeinsam hat. In der Evolution fĂŒhrt "die Natur" verschiedene Experimente aus, was in der RealtitĂ€ ĂŒberlebt, bleibt bestehen. Das kann der lange Hals der Giraffe sein, oder der kleine Zeh beim Menschen. Diesen scheint es eigentlich gar nicht zu brauchen. Vielleicht ist die Evolution zu langsam; vielleicht gibt es aber auch einen uns unbekannten Grund, warumd er kleine Zeh noch vorhanden ist. Analog kann man ĂŒber den Blinddarm ode WeißheitszĂ€hne argumentieren.

Beispiele

  • Mozart
  • Bier
  • Milch
  • Pfeil und Bogen
  • Produkte aus Holz

Verwandte Modelle

  • Evolution
  • Komplexe Systeme
Last Updated: 1/13/2020, 8:54:44 PM