Partner von
Partner von

Ins Schwärmen geraten

Chaosforscher tun genau das Gegenteil dessen, was der Name vermuten lässt: Sie helfen Unternehmen dabei, ihre Arbeitsabläufe zu ordnen und zu optimieren.
Mit Modellen, die sie bei Ameisen, Termiten und Wespen abgeschaut haben.




Kein Konzern möchte gern mit einem Ameisenhaufen verglichen werden. Mit Heerscharen kleiner, seelenloser Arbeiter, zur Selbstaufgabe bereiter Soldaten und einer pausenlos fruchtbaren, aber weitgehend unbeweglichen und unnahbaren Königin tief im Herzen der Organisation. Was sollte das wohl mit einer Firma zu tun haben, die Hightech- oder Verbrauchsgüter in schlanker Produktion fertigt, ihre Logistik-Kette elektronisch und weltumspannend verwaltet, Informationen per Videokonferenz und kontinuierlicher Fortbildung verbreitet und tausende von Preisen mehrmals am Tag den unsteten Märkten anpasst? Insekten sind sozial, so viel wissen wir alle inzwischen. Aber sie sind – zumindest nach dem Verständnis von Laien – nichts weiter als dumme Rädchen im Getriebe der Natur.

Das sieht Stuart Kauffman anders. Der 63-jährige Biophysiker, Unternehmer und Lehrbeauftragte am Santa Fe Institute erforscht seit 40 Jahren, wie soziale Insekten und andere vermeintlich simple Tiere zusammenarbeiten, um komplexe Organisationen nicht nur aufzubauen, sondern auch widerstands- und anpassungsfähig zu machen.

Ameisen markieren ihre Pfade mit hormonellen Wegweisern

Der Mediziner ist einer der Pioniere der Chaos- oder Komplexitätsforschung, die vom Santa Fe Institute in New Mexico seit den achtziger Jahren langsam, aber beständig in Chefetagen, Labors und Werkshallen ausgeschwärmt sind. Und der Industrie bei der Optimierung von Organisationen und Prozessen helfen: Kauffmans Einsichten und Ideen haben namhaften Firmen Flügel, Fühler und sechs Beine verliehen – von Southwest Airlines über die elektronische Börse Nasdaq bis zu Procter & Gamble. Insekten faszinieren die Wissenschaft seit langem. Aber erst im Verbund von Fachleuten mehrerer Disziplinen und mit leistungsstarken Computern wurde es möglich, Theorien zu testen und durchzuspielen und die für die Wirtschaft wichtige Frage zu beantworten: Nach welchen Regeln spielen dutzende oder tausende von Akteuren mit- und gegeneinander, damit aus ihrem scheinbar zufälligen oder gar chaotischen Verhalten komplexe Organisationen und eine neue, höhere Qualität entstehen?

Experten nennen das Aufkeimen solcher neuen Eigenschaften Emergenz. Ob Forscher dabei als Mathematiker oder Ingenieure mit mathematischen Modellen, als Biochemiker oder Mediziner mit Gen-Netzwerken in einer Zelle oder als Biologen mit Ameisenkolonien arbeiten, ihre Erkenntnisse sind verblüffend ähnlich: Lässt man solche Akteure laufen, entwickeln sie selbst mit einfachsten Regeln komplexes Verhalten.

Wer lange genug zuschaut, entdeckt Selbstorganisation und robustes Anpassungsvermögen: „Aus Chaos entsteht spontan Ordnung. Das nenne ich mit Stolz das Kauffman-Modell“, sagt der Entdecker, der seine langjährige Forschung 1993 in dem Buch „The Origins of Order“ zusammenfasste – und sie kommerziell nutzbar machte. Kauffman gründete das Software- und Beratungsunternehmen BiosGroup, das inzwischen an das Unternehmen NuTech verkauft wurde. Selbst einfache Wesen wie Insekten, so die Erkenntnis, können im Verbund intelligent handeln und Probleme lösen, daher der erst 1988 geprägte Begriff Schwarmintelligenz.

Ameisen markieren ihre Pfade mit Pheromonen, Duftstoffen, die langsam verdunsten. Bietet man einem Ameisenvolk zwei Futterquellen an, wird innerhalb kurzer Zeit entweder die nächstgelegene oder die ergiebigere Beute von immer mehr Ameisen angesteuert. Jeder Hin- und Rückweg eines Insekts verstärkt die Pheromonspur in einem Feedback-Kreislauf mit eingebautem Verfallsdatum. Ist der Weg zu weit oder der Vorrat erschöpft, verblassen die hormonellen Wegweiser, während andere Ameisen bereits auf der Suche nach der nächsten optimalen Futterquelle neue Spuren legen. Ähnliche Fähigkeiten zur Optimierung gemeinsamer Aufgaben demonstrieren die Krabbeltiere beim Abtransport großer Beutestücke, bei der Beseitigung toter Artgenossen und der Lagerung ihrer Larven.

Dieses Verhalten lässt sich dank Mikroprozessoren inzwischen auch am Rechner modellieren, mit so genannten Agentenmodellen. Wenn er ein künstliches Ökosystem durchspielt, ist es dem Algorithmus egal, ob die Agenten Insekten, Zugvögel oder Lkw-Flotten, Preispunkte oder neue Chemikalien sind. „Mit Agentenmodellen lassen sich komplexe Systeme realitätsnah simulieren“, erklärt Thomas Bäck, Professor für Natural Computing an der Universität Leiden und Präsident von NuTech Solutions Germany. „Wenn man das mit Wissen kombiniert, das aus bestehenden Datenmengen extrahiert wurde, kann eine Firma Varianten durchspielen, um alle möglichen Fragen zu beantworten.“

Konzerne wie Eli Lilly, Schlumberger, Unilever und General Motors wissen das längst. Sie nutzen die Schwarmintelligenz, um herauszufinden, wie Medikamenten-Entwicklung, Auftragsabwicklung, Nachschub oder Preisstrukturen verbessert werden können – und bilden damit die Ausnahme. „Für die meisten Entscheider sind Agentenmodelle reine Esoterik,“ sagt Eric Bonabeau, der ehemalige Instituts-Kollege von Kauffman und heutige Vorstandsvorsitzende von Icosystem, dem zweiten Unternehmen neben Nutech, das die Bio-Erkenntnisse verkauft. Er macht an dieser Stelle deshalb stets den Exkurs zu den Ameisen. Der Krabbeltier-Vergleich funktioniert immer. In Bonabeaus Büro hängt ein weißer Laborkittel, auf den eine Handvoll Plastikameisen geklebt sind, die vom Hüftsaum zum Kragen marschieren – so stellte sich der Fotograf des US-Wirtschaftsmagazins Business 2.0 die Computermodelle bildlich vor, mit denen Fortune-500-Firmen operative Exzellenz erzielen wollen.

60.000 Dollar investiert, zehn Millionen Dollar gespart

NuTech und Icosystem lassen Agentenschwärme durch ihre Computer krabbeln, damit am Ende Modelle für mehr Umsatz, geringere Kosten, schnellere Prozesse, weniger Leerlauf und andere operationale Vorteile herauskommen. Neben dem US-Militär zählen Konzerne fast aller Branchen zu ihren Kunden: Automobilhersteller und Zulieferer, Kosmetik-, Pharma-, Chemie-, Nahrungsmittel-Unternehmen und Finanzdienstleister. Allerdings wollen nur die wenigsten über ihre mit diesen Erkenntnissen erzielten Fortschritte reden. Für Bonabeau kein Wunder: „Das ist Competitive Intelligence, die man mit Differenzialgleichungen oder mit dem menschlichen Verstand allein nicht herausfiltern kann.“ Dementsprechend groß sei das Bedürfnis nach Geheimhaltung.

Einiges ist mit der Zeit dann doch in Erfahrung zu bringen. Southwest Airlines beispielsweise brachte dank Stuart Kauffman ihr Frachtgeschäft auf Vordermann. Die Billig-Fluglinie setzt ausschließlich Jets vom Typ Boeing 737 ein, arbeitet mit vielen kurzen Direktverbindungen statt Drehkreuz und verdient entgegen dem Branchentrend Jahr für Jahr Geld. In der Vergangenheit nutzte Southwest im Schnitt pro Jet nur sieben Prozent seiner Cargo-Kapazität, während an einigen Flughäfen immer wieder Engpässe auftraten.

Schuld war der gesunde Menschenverstand: Die Mitarbeiter luden die vorhandene Fracht, um möglichst schnell zu sein, immer in die nächste Maschine, die zum Bestimmungsort startete. Im Computerexperiment stellte sich heraus, dass die Methoden der Ameisen schlauer sind. Oft lohnt es sich nämlich, die Luftfracht über mehrere Zwischenstopps hinweg im selben Jet zu belassen, anstatt sie umzuladen, auch wenn das auf den ersten Blick langsamer erscheint.

BiosGroup veranlasste die Southwest-Planer, Umwege in Kauf zu nehmen. Das Resultat: Die Umladehäufigkeit an Knotenpunkten ging um mehr als 80 Prozent zurück; der Arbeitseinsatz der Spediteure sank um 20 Prozent; pro Nacht mussten deutlich weniger Pakete und Container eingelagert werden. So konnte die Fluggesellschaft bei Lagerungs- und Lohnkosten sparen – und trotzdem mehr Platz für zusätzliche Fracht in ihren Maschinen schaffen.

Für Recherche und Simulation, die drei Monate dauerten, zahlte die Airline 60.000 Dollar. Die Einsparungen beziffert Chuck Thomas, Finanzanalyst von Southwest Airlines, auf zehn Millionen Dollar in fünf Jahren.

Procter & Gamble (P & G) wandte sich an Kauffman, um Logistik und Lagerhaltung umzukrempeln. Das Unternehmen stellt mehr als 250 verschiedene Produkte für Kunden in 130 Ländern her – darunter Waschmittel (Ariel), Chips (Pringles) und Zahnpasta (Crest). „Sie wollten ihre Lagerhaltung um 75 Prozent reduzieren“, sagt Kauffman. „Die ersten 50 Prozent schafften sie allein. Für das letzte Viertel brauchten sie neue Ideen.“

BiosGroup studierte das Logistiknetz und entwarf fünf verschiedene Agentenmodelle für ein Produkt, ein Shampoo, Kauffman setzte es in ein dreidimensionales Rechenexperiment um. „Man hat drei Erfolgskriterien: das gesamte Lagervolumen, die vergriffenen Artikel in jedem Laden und die Umschlagszeit, während der eine Flasche Shampoo durch das System wandert. Das rechnet man durch, im Blick auf das unternehmenspolitische Ziel.“ In dieser 3D-Matrix setzte der Forscher seine virtuellen Agenten aus. Für jede mögliche Kombination gibt es einen Punkt, jenseits dessen keine weiteren Verbesserungen mehr möglich sind (im Ökonomen-Jargon ein so genanntes Pareto-Optimum).

Die Agenten entwickelten auf dem Weg dorthin ihr Eigenleben: Simulierte Lastwagen pendelten zwischen einem Werk, zehn Geschäften und Distributeuren. Jedes Produkt, jede Palette, jeder Verbraucher war Teil des Schwarms. Die Kernfragen lauteten: Wie handhabt man die „late-stage distribution“, also die Verteilung in der letzten Staffel? Wie justiert man den Produkt-Mix bei Stückzahl und Packungsgröße („late-stage differentiation“)? Wie sorgt man trotz mangelnder Vorabinformationen für Rabattaktionen vor?

Das Geheimnis ist die Mischkalkulation vieler Faktoren

Die Ergebnisse nach zehn Monaten Simulation waren so erhellend, dass P&G begann, sein gesamtes Nachschubnetz umzukrempeln. Das spart nach Angaben von P&G rund 300 Millionen Dollar im Jahr, während die Modellierung weniger als drei Millionen kostete. Kauffman findet das eher logisch als beeindruckend – und zitiert ein weiteres Paradebeispiel der Komplexitätsforschung: Ein Felsbrocken in einem Fluss erzeugt Wirbel und Reibungsverluste. Wer die Variablen jedoch lange genug verändert, kann erreichen, dass das Wasser ohne Turbulenzen (laminar) fließt.

Für die Logistik eines Konzerns bedeutet das aus seiner Sicht: „Man kann mit Verteilung in der letzten Staffel viel erreichen. In unserem Modell lohnte es sich, Lastwagen zwischen einzelnen Geschäften hin- und herzuschicken, solange sie nicht länger als acht Stunden unterwegs waren. Darüber hinaus brachte es keine weiteren Einsparungen.“ Es zahlte sich auch aus, nur halb volle Transporte mit gemischten Gebinden auf den Weg zu bringen, anstatt jedem Laden eine ganze Palette einer Sorte Shampoo zu liefern. Agenten suchten sich bei Engpässen und plötzlichen Käufer-Schwärmen, die auf Sonderangebote reagierten, von denen der Hersteller zu spät oder gar nicht erfuhr, Alternativrouten – wie Ameisenkolonnen, denen der Weg zu einer Nahrungsquelle abgeschnitten wurde.

Das Geheimnis der Optimierung liegt in einer Mischkalkulation vieler Faktoren. Icosystem etwa simuliert gerade die Prozesse, nach denen der US-Pharmariese Eli Lilly neue Wirkstoffe identifiziert und zu Medikamenten entwickelt. Bislang ist der Weg einer neuen Arznei durch die Phasen I und II der klinischen Tests umständlich und Zeit raubend. Doch Zeit ist Geld: Ein einziges neues Medikament verursacht von der Entwicklung bis zur Zulassung im Durchschnitt 800 Millionen Dollar Kosten. Ziel sei es deshalb, so Bonabeau, mehr Produkte in kürzerer Zeit durch die Pipeline zu drücken, ohne Abstriche zu machen bei Sicherheit, Wirksamkeit und Kostenkontrolle. Das Icosystem-Modell behandelt jedes Element im Medikamenten-Puzzle als unabhängigen Akteur: Moleküle, Arbeitsgruppen oder „Funktionen“ sowie ordnungspolitische Vorgaben. Mit statistischen Daten aus dem laufenden Betrieb unterfüttert, stand nach sechs Monaten ein realistisches Modell, sagt Bonabeau. „Wir können den Entscheidungsprozess ändern, kleinere Experimente anlegen oder sogar die klinischen Tests verkleinern und jeweils beobachten, was bessere Ergebnisse bringt.“

Die Erkenntnis für das Management: Es ist möglich, Operationsvorgaben aufzustellen, die einfachen Regeln folgen, auch wenn das Verhalten der beteiligten Akteure sehr komplex ist. So helfen die Modelle Antworten auf die unterschiedlichsten Probleme im Unternehmen zu finden. Von der Preisfindung bis zum Lieferantensystem: kein Bereich, in dem die Schwarmintelligenz nicht eingesetzt werden könnte.

Selbst Arbeitszeitmodelle und Kapazitätsplanungen lassen sich mithilfe der Ameisen optimieren, wie das Beispiel eines Konzerns der Öl-Zulieferindustrie belegt. Das Unternehmen, das nicht genannt werden will, stand vor einem Dilemma: Es hatte zu viele Aufträge, wollte aber keinen Kunden abweisen und verlieren. Wie also lassen sich Mannschaften, Maschinen, Transportmittel und Experten so einteilen, dass die Firma bei Engpässen auf keinen Auftrag verzichten müsste? „Da geht es um eine robuste Organisationsstrategie“, analysiert Bonabeau. Als Agenten dienen in diesem Fall Personen, Gruppen und Gegenstände: die Mannschaften, die nach festen Plänen auf Bohrinseln entsandt werden (14 Tage auf Montage/sieben Tage frei oder das Ganze im 10-zu-5-Rhythmus), die Ausrüstung, die jedem Team zusteht, Schiffe und Helikopter, ein Team von Ingenieuren, die Aufsicht führen, sowie Bohrinseln und Häfen. „Unser Modell erlaubte es, jede mögliche Konfiguration direkt mit der Gewinn- und Verlustrechnung zu verbinden“, sagt der Forscher. Tatsächlich hat der Kunde mit dem Agentenmodell nicht nur eine optimale Auslastung erreicht. Er hat auch zum ersten Mal genau nachrechnen können, welche Kosten entstehen und welcher Gewinn ihm entgeht, wenn er Mensch und Maschine für einen Auftrag bereithält, der in letzter Minute storniert wird.

„Wer die Kosten für Wartezeit und Absagen nicht genau kennt, kann auch den Wert des einzelnen Auftrags und damit des Kunden nicht genau bestimmen“, sagt Bonabeau. Für die Ölfirmen seien die Stornokosten minimal, nicht aber für den Dienstleister, der Mannschaften und Maschinen bereitstellt – zumal wenn sie als Faktor plötzlich in die Logistikplanung einfließen.

Nach bald 20 Jahren Tüftelei an wirtschaftlichen Anwendungen der Komplexitätstheorie sind die Vorlaufzeiten, die benötigt werden, um Firmendaten in Schwärme zu verwandeln, drastisch gesunken. Thomas Bäck wie Eric Bonabeau versprechen Modellierung und Analyse in drei Monaten. Doch auch wenn sich die Belege für den sinnvollen Einsatz der Instrumente häufen: Die Skepsis bleibt. Viele Manager, sagt Bonabeau, ließen sich die Instrumente präsentieren und legten sie dann zur Seite, weil sie ihren Erfahrungen völlig widersprächen. Für den Komplexitätsforscher ein kapitaler Fehler: „Je komplexer unsere Geschäftswelt wird, desto weniger kann man sich auf sein Gespür verlassen.“ Wenn Ursache und Effekt nicht mehr linear zusammenhängen, steigt die Gefahr: „Im Chaos nach altbekannten Mustern zu suchen ist die schlechteste aller Optionen.“

Weblinks:

www.santafe.edu
www.icosystem.com

Literatur:

Mitchell Waldrop: Complexity – The Emerging Science at the Edge of Order and Chaos. Touchstone, Washington, 1992; 384 Seiten; 11,20 Dollar

Roger Lewin: Complexity – Life at the Edge of Chaos. University of Chicago Press, 1999; 224 Seiten; 10,50 Dollar

Steven Johnson: Emergence – The Connected Lives of Ants, Brains, Cities and Software. Touchstone, Washington, 2002; 288 Seiten; 11,20 Dollar