Interview mit Prof. Dr. Jürgen Strohhecker

Auf der Suche nach dem schwarzen Schwan


Bevor Australien entdeckt wurde, waren die Menschen in der Alten Welt überzeugt, alle Schwäne seien weiß. Diese Überzeugung war unanfechtbar, da sie durch die empirische Evidenz anscheinend völlig bestätigt wurde. Als der erste schwarze Schwan gesichtet wurde, wurde das bisherige Gedankengebäude schwer erschüttert. Die Schwarze-Schwan-Illustration veranschaulicht eine schwerwiegende Beschränkung bei unserem Lernen durch Beobachtung oder Erfahrung und die Zerbrechlichkeit unseres (historischen) Wissens. Da die meisten Beobachter über den eigenen Tellerrand nicht hinausschauen, war für sie klar, dass alle Schwäne weiß sind. Es lag schlichtweg außerhalb der eigenen Vorstellungskraft, dass schwarze (Trauer-)Schwäne in allen Bundesstaaten Australiens vorkommen, sowohl auf dem Festland wie auch in Tasmanien.

Nassim N. Taleb, Gründer und Inhaber der Trading-Firma Empirica Capital LLC ist Autor des Buches "The Black Swan". Er behauptet, dass wir systematisch die schmerzhaften Folgen von Extremereignissen unterschätzen. Talebs Analyse ist einfach und schlicht: Wir denken in schlüssigen Geschichten, verknüpfen Fakten zu einem stimmigen Bild, nehmen die Vergangenheit als Modell für die Zukunft. So schaffen wir uns eine Welt, in der wir uns zurechtfinden. Aber die Wirklichkeit ist anders: chaotisch, überraschend, unberechenbar. Wir sprachen mit Prof. Dr. Jürgen Strohhecker, Frankfurt School of Finance & Management, über Grenzen in der Risikomodellierung und alternative Methoden aus dem Bereich System Dynamics.

RiskNET: In der Realität der komplexen Finanzmärkte entstehen Risiken häufig durch nicht-lineare und chaotische Effekte. Kurzum: Die Risikoursachen in komplexen Märkten, wie den globalen Finanzmärkten, können in aller Regel nicht monokausal auf einen einzigen Auslöser zurückgeführt werden. Die aktuelle Finanzkrise bietet hier ausreichend Anschauungs- und Beweismaterial. Bietet der klassische Werkzeugkasten des Risikomanagers überhaupt die passenden Instrumente um derartig komplexe Risikolandkarten zu bewerten?

Strohhecker: Nein, ich denke nicht. Meiner Einschätzung nach sind viele Risikomanager noch immer hauptsächlich damit beschäftigt, historische Daten zusammenzutragen und Messmodelle zu entwerfen. Damit lassen sich aber nur diejenigen Risiken bewerten, die in der Vergangenheit schon einmal eingetreten sind. Für neuartige, noch nie dagewesene Risiken sind die klassischen Risikowerkzeuge blind. Wer den schwarzen Schwan finden will, muss neue und besonders empfindliche Sensoren einsetzen und sehr breit suchen. Wer dann auch noch ein Gefühl für die Konsequenzen entwickeln möchte, die dann möglich sind, muss entweder übermenschliche Fertigkeiten entwickeln oder Computersimulationsmodelle einsetzen. Ich persönlich würde mich eher auf ein gutes System-Dynamics-Simulationsmodell verlassen.

RiskNET:
Inwieweit kann System Dynamics helfen, komplexe Systeme besser zu verstehen und zu analysieren?

Strohhecker: Der System-Dynamics-Ansatz ist auf das Arbeiten mit dynamisch-komplexen Problemstellungen spezialisiert. Das sind Probleme, die sich durch besonders starke Vernetzung, durch Rückkopplung und lange Verzögerungen zwischen Ursache und Wirkung auszeichnen. Für solche Probleme erweist sich der System-Dynamics-Instrumentenkasten als besonders wirksam. Feedback-Diagramme machen die Vernetzung offensichtlich und kommunizierbar. Computersimulationsmodelle dokumentieren einerseits glasklar alle berücksichtigten Zusammenhänge und erlauben es andererseits, das Problem umfassend zu analysieren. System Dynamics hilft also dabei, die dynamische Komplexität eines Systems transparenter zu machen und durch die Simulation seine potenziellen Verhaltensmuster aufzudecken.

RiskNET:
System Dynamics ist vor allem eine Methode, die Entscheidungsträger dabei unterstützt, mittels qualitativen Systemdenkens und quantitativer Systemsimulation ganzheitlich zu denken, um daraus bessere Entscheidungen treffen zu können. Hätte System Dynamics dazu beigetragen, dass Entscheider die Ursachen der aktuellen Finanzkrise besser verstanden hätten?

Strohhecker: Ich bin sicher, dass ein gut konzipiertes und richtig fokussiertes System-Dynamics-Modell den Verlauf der aktuellen Krise als ein Szenario hätte erzeugen können. Es hätte vermutlich die Kreditvergabepraxis der Banken und Vermittler, die Verbriefungsstrategie der Investmentbanker und die Verhaltensmuster der Hauskäufer und Bauunternehmer abbilden müssen. Entscheidungsträgern, die ihre Aufmerksamkeit nicht nur auf Schönwetter-Szenarien mit weiterhin niedrigen Zinssätzen und hoher Liquidität gerichtet hätten, wären die Gefahren nicht verborgen geblieben. Ich glaube außerdem, dass wir auch jetzt noch von einem solchen Modell profitieren könnten; denn ich bezweifle, dass wir die Ursachen der Krise schon komplett verstehen. Wir haben aktuell viele Hypothesen, aber nur bedingt Klarheit darüber, welche Faktoren wie zusammenkommen mussten, damit sich das gerade zu beobachtende Resultat ergibt.

[Das Interview führte Frank Romeike, Chefredakteur RiskNET sowie Chefredakteur der Zeitschrift RISIKO MANAGER]


Prof. Dr. Jürgen StrohheckerProfessor Dr. Jürgen Strohhecker
, Jahrgang 1968, ist Professor für Allgemeine Betriebswirtschaftslehre, Produktionswirtschaft und Controlling. Themenbereiche in Lehre und Forschung sind System Dynamics, Produktionsmanagement, Controlling sowie Kosten- und Erlösrechnung. Er hat in den Jahren 1987 bis 1992 an der Universität Mannheim Betriebswirtschaftslehre studiert. Im Anschluss – in den Jahren 1992 bis 1996 war er wissenschaftlicher Mitarbeiter am Industrieseminar der Universität Mannheim. Die Promotion zum Dr. rer. pol. folgte im Jahr 1997. Seit dem Jahr 2005 ist er Sprecher des Management Research Centre und seit 2006 Vorstand für System Dynamics in Forschung und Lehre der Deutschen Gesellschaft für System Dynamics e. V.

Kommentare zu diesem Beitrag

Panzerknacker /10.02.2009 21:52
Danke für die Erklärungsversuche. Aber so richtig transparent ist mir der Mehrwert noch nicht geworden. Das Jahr 2009 ist nun außerordentlich und mit konventionellen Methoden sind die Risiken schwer meßbar. Kann nicht mal jemand hier ein Fallstudie reinstellen, z.B. von einem fiktiven Automobilzulieferer? Welche (neuen) Risiken kann man mit dieser Methode konkret für solch ein Beispiel für das Jahr 2009 analyisieren und bewerten? Was kommt dabei raus?
Meinhard /11.02.2009 10:29
Haben wir nicht gerade gelernt, dass die Welt nicht so funktioniert, wie Mathematiker, Physiker und Statistiker sie uns mit ihren Modellen erklären wollten? Unterliegen die Finanzingenieure nicht dem Trugschluss, dass die Wirtschaft und damit das Verhalten von Individuen einer großen Maschine gleich modelliert werden kann. Benötigt werden einfach nur ausreichend interdependente Verhaltensgleichungen und Korrelationen sowie Verteilungsfunktionen. Und man drückt einfach auf den Simulationsknopf und schon haben wir die Kristallkugel, die uns einen Blick in die Zukunft ermöglicht. Leider hatten die Modellierer vergessen, dass gerade die Verhaltensweisen und teilweise irrationalen Reaktionen der beteiligten Akteure die unterstellte Modellstruktur ad absurdum führen. Dies wird auch immer so bleiben, da Modelle nicht lernfähig sind ... Individueen aber sehr wohl.

Zitat aus einem RiskNET-Text: "Der Nobelpreisträger Daniel Kahneman belegte gemeinsam mit seinem Kollegen Amos Tversky, wie weit das Idealbild des Homo Oeconomicus, der bei gegebener und bekannter Präferenzordnung, bei vollkommener Information und vollkommener Voraussicht seine Kauf- und Verkaufs-, Produktions- und Konsumtionsentscheidungen stets rational trifft, von der Realität entfernt ist. Der Mensch handelt völlig anders als jenes Wesen aus den Ökonomielehrbüchern. Vielmehr beruhen Entscheidungen häufig nicht auf komplizierten Rechnungen, sondern auf Daumenregeln (Kahneman, D. und Tversky, A.: Prospect Theory: An Analysis of Decision Under Risk, 1979)."

Nun ja, Menschen sind nicht so rational und klar strukturiert, wie es die Modelle (auch die SD-Modelle) suggerieren ...
Nightrader /11.02.2009 11:38
Ein Modell ist immer nur ein Hilfsmittel und - überspitzt formuliert - ein Spielzeug. Ein Modellbauer sollte erst garnicht das Ziel verfolgen, jedes Details der Realität nachzubilden. Vielmehr müsssen alle Modelle simplifizieren und reduzieren sich auf auf das Wesentliche. Das ist auch bei SD so. Modelle können jedoch den Entscheider ganz wesentlich unterstützen und mit besseren Informationen versorgen bzw. die Transparenz des Entscheidungsprozesses ganz wesentlich verbessern. Gruß aus FFM
Artur /12.02.2009 20:24
Taleb selber gehörte doch zu der Garde der egozentrischen Investmentbanker und ist erst jetzt zu einem Pseudo-Philosophen mutiert, Sein Buch über schwarze Schwäne ist eine Zumutung. Reines Geschwafel und unqualifizierte Verunglimpfung der wissenschaftlichen Statistik. Alternativvorschläge bringt Taleb leider nicht ... wahrscheinlich hat er auch keine ... Nein, für die Talebschen Weisheiten müssen Sie kein Geld ausgeben ... investieren Sie das Geld lieber in seriöse (wissenschaftlich fundierte) Bücher ... beispielsweise von Benoit Mandelbrot!
Strohhecker /18.02.2009 11:22
Modelle müssen nicht rationales Verhalten abbilden. Gerade in System Dynamics wird viel Wert darauf gelegt, dass das tatsächliche Verhalten von Menschen modelliert wird - nicht das den Rationalitätspostulaten gehorchende. So lange menschliches Verhalten (zumindest im Aggregat) Regeln folgt - gerne können es Daumenregeln sein - so lange lassen diese sich modellieren.

SD-Modelle sind keine Kristallkugel - ganz bestimmt nicht. Forrester hatte ihren Einsatz für Vorhersagen kategorisch abgelehnt. Für ihn war es ausreichend, sie als Lerninstrumente zu benutzen. Es gibt inzwischen aber eine ganze Reihe von Beispielen, die zeigen, dass man mit SD-Modellen gar nicht so schlecht prognostizieren kann - wenn man die gebotene Vorsicht walten lässt. (Vgl. Lyneis: System dynamics for market forecasting and structural analysis, Syst. Dyn. Rev. 16, 3–25, 2000). Das liegt daran, dass SD-Modelle zu der Kategorie der Kausalprognosemodelle zu rechnen sind, mit denen sich prinzipiell bessere Ergebnisse erzielen lassen als z.B. mit Zeitreihenprognosemodellen.

Mein Fazit: Bei Schwarzen Schwänen, die sich über die Zeit entwickeln und aufplustern (bspw. die Harry-Potter-Manie) und dabei bestimmten Gesetzmäßigkeiten gehorchen (wie bspw. denen der Ausbreitung von Epidemien), gäbe es mit Kausalmodellen eine realistische Chance für eine nicht zu schlechte Vorhersage - allerdings häufig auch erst nach der Initialzündung. Das bedeutet, wir könnten in einem frühen Stadium die Ausbreitung des Harry-Phänomens antizipieren; den Geistesblitz in J.K. Rowlings Kopf, den werden wir m.E. niemals vorhersagen können.
Tzaduk /09.03.2010 12:08
Sehr gut zusammengefasst, Herr Professor Strohhecker! Die Idee eines schwarzen Schwans ist nicht zu prognostizieren, die Möglichkeit, dass es mehr als einen davon gibt, ist nach dem ersten Entdecken sehr wohl zu antizipieren. Komplexe Systeme zeichnen sich sich zwar meistens dadurch aus, dass man im Nachhinein nachvollziehbar machen kann, wie was passiert ist - aber mit dem "Nachher ist man immer schlauer" lässt sich im Risk Management auch kein Staat machen. Daher ist die Prognose-Fähigkeit nicht auf den Geistesblitz, sondern eben nur die Harry-Potter-Manie anwendbar. Interessant wäre es nun aber, die Trittbrettfahrer prognostizieren zu können... Was ist mit dem "Twilight-Hype" oder den "Harry-Potter-Filmen"?
Panzerknacker /10.02.2009 11:54
Sehr geehrter Herr Prof. Strohhecker, ich habe mit Interesse Ihr Interview gelesen. Aber wenn Sie sich lieber ausschließlich auf "ein gutes System-Dynamics-Simulationsmodell verlassen" als auf das menschliche Gefühl, diese Modelle gleichzeitig aber nur dann funktionieren wenn sie ein "richtig fokussiertes" Modell sind und auch nur die vom Anwender "berücksichtigten Zusammenhänge" kennen ... ähm... landen wir dann nicht sofort wieder dort wo wir gerade erst angekommen sind??? Wo ist die wirklich neue Erkenntnis für zukünftige Risiken verborgen? Ich bedanke mich vorab Ihre Antwort.
Ulrich /10.02.2009 13:02
@Panzerknacker: Ich arbeite seit vielen Jahren mit SD. Der Vorteil von SD gegenüber klassischen Modellen liegt eindeutig darin, dass das komplexe Verhalten von Menschen in sozialen Systemen und überhaupt das Verhalten von komplexen Systemen besser beschrieben werden kann. Die Analyse unterschiedlicher Szenarien schärfen das Verständnis für das Systemverhalten über eine bestimmte Zeitachse. Den gesunden Menschenverstand sollte man allerdings trotz SD nicht ausschalten. Denn auch bei SD gilt: Garbage in = Garbage out!
Risk Academy

The seminars of the RiskAcademy® focus on methods and instruments for evolutionary and revolutionary ways in risk management.

More Information
Newsletter

The newsletter RiskNEWS informs about developments in risk management, current book publications as well as events.

Register now
Solution provider

Are you looking for a software solution or a service provider in the field of risk management, GRC, ICS or ISMS?

Find a solution provider
Ihre Daten werden selbstverständlich vertraulich behandelt und nicht an Dritte weitergegeben. Weitere Informationen finden Sie in unseren Datenschutzbestimmungen.