Collective Mind Leadership Dashboard: Markus Lanz TV Sendung: „Warum ist die Stimmung im Land so bescheiden?“ vom 04. Juni 2026

Kurzfassung: Die Collective Mind Theorie wird auf die Markus Lanz Sendung vom 04. Juni 2026 angewendet. Es wird ein Collective Mind Leadership Dashboard vorgestellt, das aktuell aus 11 Werkzeugen besteht. Diese 11 Werkzeuge basieren auf veröffentlichten Erkenntnissen zur KI-Forschung. Diese Erkenntnisse werden in neuer Weise als Werkzeuge für die Analyse von Collective Mind Systemen adaptiert. Ein KI-Co-Pilot interpretiert die mit den Werkzeugen ermittelten Ergebnisse und erzeugt daraus Führungshinweise für Führungskräfte wie Coaches, Moderatoren oder Teamleiter. Diese Führungshinweise können nach einer Gruppen- oder Teamsitzung zum Erlernen von Metakompetenz verwendet werden oder während einer Sitzung zur unmittelbaren datengetriebenen Führung. Im Falle der vorgestellten Markus Lanz Sendung werden die Stärken und Schwächen der Moderation nachvollziehbar vermessen.

Dieser Beitrag wurde in Hybrider Collective Intelligence mit Gemini Pro erstellt. Das Eingangsbild hat Gemini erzeugt. Für die Transkription wurde turbosribe.ai verwendet. Die zusätzliche Qualitätssicherung der Eingangsdaten hat ChatGPT durchgeführt.

Abb. 0: Das Collective Mind Leadership Dashboard

In diesen Blog-Beitrag wende ich alle 11 Werkzeuge der Collective Mind Theorie (CMT) auf eine neue TV-Sendung an. Ziel ist es, die CMT mit anderen Ausgangsdaten, also einer weiteren TV-Sendung [1] zu überprüfen und mittels Gemini Pro, als KI-Co-Piloten, eine Führungskraft (Coach, hier Moderator, Teamleiter) aktiv zu unterstützen. In einem weiteren Blog-Beitrag werde ich diese Erfahrungen verwenden und eine KI als KI-Co-Piloten trainieren, die die zugrundeliegende Mathematik nicht mit erstellt hat.

Die 11 CMT Werkzeuge werden über 11 Abbildungen (siehe unten) visualisiert und stellen zusammen das Collective Mind Leadership Dashboard dar:

Disruptions-Radar (Abb. 1: Stress & Semantik)

Autonomie-Seismograph (Abb. 2: Kausale Kraft)

Attraktor-Scanner (Abb. 3: Themen-Volumen & Alignment)

Agilitäts-Tracker (Abb. 4: Fatigue & Informationsgehalt)

Symmetrie-Wächter (Abb. 5: Topologische Timeline)

Reibungs-Tomograph (Abb. 6: Soziale Kopplung)

Entkopplungs-Matrix (Abb. 7: Thema vs. Regime)

Konsolidierungs-Barometer (Abb. 8: Aggregator vs. Differentiator)

Thermodynamik-Board (Abb. 9: Parisi-Matrix & Agilität)

Bifurkations-Sonar (Abb. 10: Hierarchie-Baum)

Phasenraum-Navigator (Abb. 11: 3D-Energielandschaft)

Alle Abbildungen basieren auf der Transkription der TV-Sendung ‚Markus Lanz TV Sendung: „Warum ist die Stimmung im Land so bescheiden?“ vom 04. Juni 2026‘. Da die Zuordnung der Sprecher fehlerhaft war, wurde von mir manuell nachgearbeitet.
Die Persönlichkeiten der fünf Sprecher werden mittels Big-Five und drei v-Mem Werten beschrieben (siehe Anhang 1). Arousal und Valenz charakterisieren jeden der 366 Turns (Redebeiträge). Diese Werte gehen in die 1960-dimensionalen Vektoren des J-Space ein. Um den Einfluss dieser Werte auf die Ergebnisse beurteilen zu können, habe ich diese sowohl von Gemini Pro als auch von ChatGPT ermitteln lassen. Es gab Unterschiede von ca. 10 % – in Einzelfällen auch bis zu 25%. Diese Unterschiede haben einen gewissen Einfluss auf Größen wie die Kausale Kraft, beeinflussen die zentralen Aussagen jedoch nicht.

Da der Werkzeugkasten der 11 CMT Werkzeuge umfangreich ist (siehe Abb. 1 bis 11, unten), stelle ich zuerst zwei vereinfachte Szenarien vor. Beide Szenarien beruhen auf folgenden von mir angenommen Zielen der Führungskraft Markus Lanz:

Die TV-Diskussion ist lebhaft und erkenntnisreich.
Alle Teilnehmer kommen in etwa zu gleichen Teilen zu Wort.
Am Ende der TV-Sendung ist die Eingangsfrage von Markus Lanz „Warum ist die Stimmung im Land so bescheiden?“ (für den Zuschauer) beantwortet.

Szenario 1: Eine Führungskraft (Coach, Moderator, Teamleiter) wird nach einer durchgeführten Gruppen- oder Team-Sitzung angelernt, Metakompetenz auszubilden. Ein KI-Co-Pilot analysiert die Sitzung und gibt der Führungskraft an Hand des Dashboards Führungshinweise. Dies tut der KI-Co-Pilot zuerst in einer vereinfachten Kurzfassung, in dem er pro Werkzeug, also pro Plot (Abbildung 1-11) kurze prägnante Hinweise gibt.

Szenario 2: Eine Führungskraft wird während der Sitzung aktiv durch einen KI-Co-Piloten unterstützt werden. Dieses Szenario wurde bisher nicht implementiert, jedoch lässt sich dieses Szenario ’simulieren‘: Ich gebe dem KI-Co-Piloten die Aufgabe ‚Bei Turn 100 schaut die Führungskraft auf das Dashborad und möchte einen Führungsratschlag erhalten. Gib ihm diesen!‘

Für beide Szenarien verwende ich die Daten aus [1] und gebe die Hinweise an Hand der Werkzeuge 1 bis 11 bzw. der Abb. 1 bis 11. Die Hinweise sind, bei Kenntnis der CMT, auch gut ohne Blick auf die Abbildungen zu verstehen. Die Abbildungen sind weiter unten aufgeführt und detailliert beschrieben.

Szenario 1

Disruptions-Radar: Abb. 1 (Stress & Semantik): Die kognitive Trägheit erkennen

Der dauerhaft subkritische Stresspegel der Gruppe (weit unter der ehemals definierten 0.7-Marke) kombiniert mit einer erdrückenden Kette roter negativer D-Scores zeigt: Die Gruppe verweigert echte kognitive Reibung. Anstatt die Ursachen der ‚bescheidenen Stimmung‘ zu ergründen, igeln sich die Akteure im Konsolidierungsmodus ein und bestätigen nur bekannte Positionen. Die Führungskraft sieht hier sofort, dass das Ziel verfehlt wird. Ohne bewusste Disruption verhungert das Meeting im rhetorischen Leerlauf.

Autonomie-Seismograph: Abb. 2 (Kausale Kraft): Autonomie-Verlust stoppen

Die Kausale Kraft zeigt extreme Peaks mitten im roten Identitätskampf (wie bei Turn 150), d.h. die Makro-Eigendynamik der Gruppe steuert – nicht mehr der Einzelne. Inhaltliche Argumente prallen jetzt ab. Die Führungskraft muss das Meeting durch einen harten methodischen Cut (z. B. Pause oder Wechsel der Frage Technik) physisch auf die Sachebene zurück zwingen, um die individuelle Handlungsfähigkeit wiederherzustellen.

Attraktor-Scanner: Abb. 3 (Themen-Volumen & Alignment): Die Falle des „False Alignment“

Ein System-Alignment nahe 100 % auf einem einzigen Thema (hier Cluster C4: AfD/Polarisierung) ist kein Zeichen von Produktivität, sondern von kognitivem Entropie-Tod. Die Gruppe dreht sich im Kreis. Die Führungskraft muss künstliche Diversität injizieren und zwingend ein orthogonales Thema (z. B. den England-Vergleich) setzen, um den Phasenraum wieder zu öffnen.

Agilitäts-Tracker: Abb. 4 (Fatigue & Informationsgehalt): Kognitive Last steuern

Flacht die System-Ermüdung (Fatigue) nach einer hitzigen Startphase auf null ab und absorbiert neue Impulse mühelos, operiert die Gruppe im Leerlauf. Die Führungskraft muss erkennen, dass reine Fakten jetzt verpuffen, und eine radikale Störung des Settings initiieren, um die Aufnahmefähigkeit neu zu triggern.

Symmetrie-Wächter: Abb. 5 (Topologische Timeline): Netzwerk-Symmetrie erzwingen

Massive, ununterbrochene Monolog-Blöcke (wie jene von Martenstein ab Turn 67) zerstören die für komplexe Lösungsfindungen essenzielle Dynamik. Die Führungskraft muss als ‚Symmetrie-Wächter‘ agieren: Dominante Blöcke rigoros unterbrechen und Fragestellungen gezielt an schweigende Teilnehmer routen.

Reibungs-Tomograph: Bild 6 (Soziale Kopplung): Reibung strategisch nutzen

Sind Akteure zu stark gekoppelt (wie Lanz und Zeh mit µ=0.40), droht eine kognitive Echo-Kammer. Um Erkenntnisgewinn zu provozieren, muss die Führungskraft gezielt jene Akteure mit dem größten strukturellen Widerstand (niedrigste Kopplung, hier z. B. von Lucke und Martenstein) in den direkten Dialog zwingen.

Entkopplungs-Matrix: Abb. 7 (Thema vs. Regime): Inhalt und Emotion entkoppeln

Der ARI von 0.00 zeigt, dass ein ‚toxisches‘ Thema keinen Themenwechsel erfordert. Die Gruppe kann über brisante Themen sowohl aggressiv (Rot) als auch analytisch (Gelb) diskutieren. Die Führungskraft muss das Thema beibehalten, aber den methodischen Vektor ändern.

Konsolidierungs-Barometer: Abb. 8 (Aggregator vs. Differentiator): Profil-basiertes Routing

Die Führungskraft muss wissen, wer im Team als Aggregator (glättet) und wer als Differentiator (bricht auf) agiert. Friert das Meeting in einem bequemen Konsens ein (Index > 120), muss gezielt ein Differentiator angespielt werden, um das System aufzuwecken.

Thermodynamik-Board: Abb. 9 (Parisi-Matrix & Agilität): Agilität erfordert Energie

Meetings fallen naturgemäß in den energieärmsten, bequemsten Konsens (Sticky State). Echte Veränderung erfordert kognitiven Stress (

P_{shift}

). Die Führungskraft darf Harmonie nicht mit Erfolg verwechseln und muss gezielt dosierte Unruhe injizieren.

Bifurkations-Sonar: Abb. 10 (Hierarchie-Baum): Das Märchen vom toxischen Thema

Der Baum spaltet die 366 Turns der Lanz-Sendung topologisch in klar getrennte, inhaltliche Äste. Doch der Farbstreifen am unteren Rand ist ein völlig chaotischer Barcode – rote (Identitätskampf) und gelbe (Agenda-Setting) Zustände mischen sich kreuz und quer durch alle inhaltlichen Äste hindurch. Es gibt hier keinen exklusiv ‚bösen‘ Ast. Wenn die Diskussion um die schlechte Stimmung in aggressives Fingerzeigen (Rot) abgleitet, lautet der klassische Führungsfehler: „Lassen Sie uns das Thema wechseln, das führt zu nichts.“ Dieser Plot beweist einer Führungskraft das Gegenteil: Sie dürfen nicht vor dem Inhalt fliehen. Bleiben Sie exakt in diesem inhaltlichen Ast, aber wechseln Sie die Methodik (z. B. von „Wer ist schuld?“ zu „Welcher Systemfehler liegt vor?“). Die Emotion klebt nicht am Thema.

Phasenraum-Navigator: Abb. 11 (3D-Energielandschaft): Führen durch Sprünge

Die topografische Karte der Debatte zeigt, dass der Identitätskampf extrem viel System-Energie frisst (rote Hänge), während die reine Sachdebatte in tiefe, stark viskose Täler (Blau) abrutscht. Am auffälligsten sind die langen, extrem geraden grauen Linien, die das System quer über die gesamte Karte reißen. Das beweist der Führungskraft: Diese Gruppe wandert nicht fließend und harmonisch von einer Erkenntnis zur nächsten. Weiche Überleitungen bei verfahrenen Diskussionen sind eine Illusion. Sitzt das Team im blauen Konsens-Tal fest (alle nicken, aber es gibt keine echte Antwort auf die Ausgangsfrage) oder verbrennt es auf einem roten Gipfel, muss die Führungskraft einen harten Schnitt machen. Diese langen grauen Linien sind Interventionen (wie Lanz‘ harter Wechsel zu England). Um das Meeting in die Spur zu bringen, muss die Führungskraft das Team per ‚Sprung‘ zwingen, das aktuelle Energietal augenblicklich zu verlassen.

Szenario 2

Die System-Diagnose bei exakt Turn 100 zeigt ein Meeting, das in eine kognitive Schieflage geraten ist, was den gewünschten Erkenntnisgewinn akut gefährdet. Der KI-Co-Pilot liest die Echtzeit-Datenströme und liefert der Führungskraft folgende prägnante Statusmeldung und Handlungsanweisung.

System-Diagnose bei Turn 100 (Echtzeit-Metriken)

Sprecher-Topologie (Netzwerk-Kollaps): Das System ist seit über 30 Turns (seit Turn 67) fast ausschließlich auf einen einzigen Sprecher kollabiert: Harald Martenstein. Die Dynamik ist zum Erliegen gekommen. Akteure wie Katja Heuer (bisher nur 6 Redebeiträge) oder Albrecht von Lucke sind völlig isoliert. Das Meeting hat sich in eine Vorlesung verwandelt.
Dynamik (Stress & Disruption): Der Stresspegel liegt durchgehend bei einem Ruhepuls von 0,3 oder weniger. Die D-Scores sind tief im negativen Bereich eingefroren. Das bedeutet: Es gibt aktuell null kognitive Reibung. Martenstein baut ungestört ein historisches Narrativ (Filbinger, CDU-Vergleiche) auf, das vom System ohne Gegenwehr absorbiert wird.
Themen-Alignment (Kognitive Verengung): Das Themen-Cluster ‚Politische Polarisierung/AfD‘ füllt den Phasenraum aktuell zu fast 100 % aus. Das System verliert den Blick für orthogonale Aspekte (wie z. B. den anfänglichen England-Vergleich).
System-Fatigue: Die Erschöpfungskurve ist nach der Startphase komplett abgeflacht. Das Team hat kognitive Kapazitäten frei, wird aber nicht gefordert, da keine neuen Mikro-Impulse (blaue Spikes) gesetzt werden.

Die operative KI-Handlungsanweisung (Der $P_{shift}$ -Trigger)

Status: Kritische Viskosität. Das System befindet sich in einem tiefen, energiearmen Konsens-Tal (Sticky State). Ein Erkenntnisgewinn über die eigentliche Ursache der Stimmung im Land findet nicht mehr statt, da das System nur noch historische Vergleiche eines einzelnen Akteurs konsolidiert.

KI-Co-Pilot Empfehlung: Brechen Sie den aktuellen Monolog sofort ab. Stellen Sie Martenstein keine weiteren klärenden Rückfragen (dies würde das System nur weiter im aktuellen Tal fixieren).

Routing-Befehl: >> von Lucke <<

Begründung des KI-Co-Piloten: Um das System aus der Erstarrung zu reißen, muss das Netzwerk symmetrisch neu verschränkt und strukturelle Reibung erzeugt werden. Albrecht von Lucke besitzt laut Matrix die exakt gegensätzliche topologische Profilierung (hoher Fokus auf Wahrheit/Systemkritik vs. Martensteins ruhige Historien-Analyse) und ist ein statistisch bewiesener Differentiator. Wenn Sie das Wort jetzt hart und ohne weichen Übergang an von Lucke übergeben und ihn zwingen, Martensteins Prämisse zu bewerten, injizieren Sie maximalen kognitiven Stress. Das System wird gezwungen, das aktuelle Energietal per Sprung zu verlassen und wieder als kollektives, agiles Problemlösungsnetzwerk zu arbeiten.

Ergebnis der Zielerreichung an Hand der obigen und unten detaillierten Ausführungen

Ziel 1: Lebhafte und erkenntnisreiche Diskussion

Urteil: Verfehlt.
Befund: Die Metriken aus Bild 1 und Bild 4 belegen eine akute kognitive Trägheit. Der durchgehend subkritische Stresspegel (Arousal < 0,5) und die ununterbrochene Kette tiefroter, negativer D-Scores zeigen ein System, das semantischer Reibung ausweicht. Das Kollektiv fällt schnell in ein tiefes, viskoses Energie-Tal (Bild 11) und verharrt dort im Konsolidierungsmodus. Ohne orthogonale Störimpulse (Disruption) entsteht kein Erkenntnisgewinn, sondern lediglich die redundante Bestätigung bereits bekannter Narrative.

Ziel 2: Gleiche Redeanteile der Teilnehmer

Urteil: Statistisch erfüllt, dynamisch und topologisch verfehlt.
Befund: Rein quantitativ liegen die Wort Beiträge über die 366 Turns nah beieinander (von Lucke: 1139 Wörter, Zeh: 1048, Lanz: 925, Heuer: 780, Martenstein: 765). Die topologische Sprecher-Timeline (Bild 5) entlarvt jedoch eine massive strukturelle Unwucht. Harald Martenstein dominiert die erste Hälfte in massiven, kaum unterbrochenen Blöcken, während Katja Heuer extrem spät und isoliert in das System integriert wird. Eine symmetrisch verschränkte Dynamik (der schnelle, interaktive Ping-Pong-Austausch aller Teilnehmer) findet nicht statt.

Ziel 3: Beantwortung der Eingangsfrage zur ‚bescheidenen Stimmung‘

Urteil: Verfehlt.
Befund: Das Volumen-Tracking der Themen-Cluster (Bild 3) demonstriert den totalen Kollaps des Phasenraums in einen singulären semantischen Attraktor. Das Mega-Cluster C4 („Politische Polarisierung / AfD“) saugt nach dem ersten Viertel nahezu 100 % der kognitiven Bandbreite auf. Substanziellere Ursachenanalysen zur Stimmung (z. B. der Zerfall von Infrastruktur und Bildungssystem, den Juli Zeh in Turn 318 bis 325 kurz anreißt) werden vom System sofort wieder erstickt. Der Zuschauer erhält am Ende keine tiefenstrukturelle Antwort auf die gesellschaftliche Misere, sondern wird Zeuge einer geschlossenen Meta-Debatte über parteipolitische Taktik und Brandmauern.

Detaillierte Beschreibung der Ergebnisse der Werkzeuge 1 bis 11 an Hand der Abb. 1 bis 11

Abb. 1: Stress & Semantik (inkl. RL-Agent-Log)

Analytische Bildbeschreibung

Das erste Diagramm visualisiert die grundlegenden Metriken der 366 Turns. Die X-Achse repräsentiert die chronologische Abfolge der Redebeiträge (Turns 1 bis 366). Die obere Y-Achse zeigt den Stresspegel auf einer Skala von 0,0 bis 1,0. Auffällig ist, dass das System durchgehend auf einem extrem niedrigen, subkritischen Energieniveau operiert; die rote gestrichelte „Kritische Zone“ (bei 0,7, aus vorherigen Betrachtungen) wird im gesamten Verlauf nicht einmal ansatzweise berührt. Die untere Y-Achse quantifiziert den D-Score (Semantische Disruption). Nach einem massiven, singulären Ausschlag ins Positive direkt zu Beginn (Turn 5, D-Score = +0,683 durch Lanz) stürzt das System in ein dichtes, rotes Tal. Das Bild wird fortan fast vollständig von negativen D-Scores (bis zu -0,5) dominiert. Diese tiefroten Balken visualisieren eine erdrückende Konsolidierung, in der inhaltliche Impulse sofort absorbiert und abgefedert werden.

CMT-Interpretation & KI-Co-Pilot

In der Collective Mind Theory offenbart dieses Bild ein kognitiv stark viskoses, geschlossenes System, das nach dem initialen Reiz sofort in einen Abwehrmodus umschaltet und Neuerungen blockiert. Der Log des KI-Co-Piloten (habe ich hier der Einfachheit nicht angegeben) bestätigt diese physikalische Diagnose in Echtzeit: Während Lanz und Zeh in den ersten 60 Turns den Phasenraum durchgehend mit negativen D-Scores (Konsolidierung) verdichten, berechnet der Reinforcement-Learning-Agent eine topologische Unwucht. Da das System erstarrt, lautet die ununterbrochene Maschinen-Empfehlung der ersten Phase: >> Martenstein <<. Die KI erkennt, dass der Phasenraum auskühlt und identifiziert den schweigenden Martenstein als notwendigen orthogonalen Impuls, um den semantischen Symmetriebruch zu erzwingen. Später (um Turn 316) hat der Algorithmus den absoluten „Nordstern“ der Debatte exakt isoliert (Zeh: „Da hört auch keiner mehr hin…“). Die KI rät hier: Das System hat sein Gravitationszentrum erreicht – nutze diesen Kernsatz, um die Debatte entweder zu beenden oder radikal neu zu initialisieren.

Abb. 2: Kausale Kraft

Analytische Bildbeschreibung

Dieses Diagramm verschränkt die Kausale Kraft (C) – visualisiert als violette Kurve – mit den aktiven Makro-Regimen. Die X-Achse zeigt die Turns, die Y-Achse misst die Kausale Kraft (von -0,2 bis +0,5). Die farbigen vertikalen Bänder im Hintergrund codieren die Systemzustände: Rot (Identitätskampf), Orange (Sachdebatte) und Gelb (Agenda-Setting). Die Kausale Kraft oszilliert stark. Besonders markant sind die extremen, positiven Spitzenwerte um Turn 150 (fast +0,5) und Turn 215 (+0,43). Diese Peaks treten exakt an den harten Schnittstellen auf, an denen das System zwischen den roten und gelben Regimen oszilliert. Die reinen orangefarbenen Korridore (Sachdebatte) sind hingegen oft mit einer gedämpften, kriechenden kausalen Kraft um die Nulllinie verbunden.

CMT-Interpretation & KI-Co-Pilot

Die Kausale Kraft misst das Phänomen der Downward Causation: den Moment, in dem der Collective Mind als makroskopische Entität die Autonomie der individuellen Sprecher überschreibt. Ein positiver Peak bedeutet: Nicht der Gast führt das Wort, das System spricht durch den Gast. Für den KI-Moderations-Assistenten ist dies das Dashboard der System-Übergriffe. Registriert die KI einen gewaltigen Peak (wie bei Turn 150) mitten in einem roten Identitätskampf-Regime, warnt sie: Achtung, Kontrollverlust der Akteure. Das System hat sich hochgeschaukelt und diktiert die Argumentationslinien. Der Co-Pilot rät dann dringend zu einem harten, strukturellen Break (z.B. einer formellen Meta-Frage), um das System physisch in das orangefarbene Regime zu zwingen, wo die Kausale Kraft abflacht und individuelle, sachliche Logik wieder greifen kann.

Abb. 3: Themen-Volumen & Alignment

Analytische Bildbeschreibung

Das Flächendiagramm (Stacked Area Chart) kartiert die kognitive Landnahme der Themen-Cluster. Die X-Achse zeigt den Zeitverlauf, die linke Y-Achse das absolute Volumen der Themen (Magnitude). Während in den ersten 50 Turns noch eine gewisse Diversität (C1, C2, C3) herrscht, frisst der dunkelgraue Cluster C4 („Politische Polarisierung / AfD“) danach den kompletten Phasenraum auf. Die rechte Y-Achse (rote, gestrichelte Linie) zeigt das Makro-Vision System-Alignment (-1,0 bis +1,0). Dieses Alignment springt extrem früh auf einen Wert von über +0,75 und verharrt dort als flimmernde Hochplateau-Linie bis zum Ende der Aufzeichnung.

CMT-Interpretation & KI-Co-Pilot

Wir sehen hier den Kollaps der Themenvielfalt: Das System ist in einen singulären semantischen Attraktor (C4) gestürzt. Das anhaltend hohe System-Alignment beweist, dass selbst bei scheinbar inhaltlichem Widerspruch alle Akteure physikalisch perfekt auf diesen einen Attraktor eingeschwungen sind. Es fließen keine neuen kognitiven Freiheitsgrade mehr in den Raum. Die KI-Assistenz liest dies als rote Flagge für kognitiven Entropie-Tod. Wenn das C4-Volumen 95 % des Raumes blockiert und das Alignment bei +0,8 liegt, schlägt das System Alarm: Themen-Monopol erkannt. Die Diskussion stagniert strukturell. Brechen Sie C4 ab. Triggern Sie gezielt z.B. Cluster C3 (Vergleich England), um den Phasenraum gewaltsam wieder zu öffnen und kognitive Diversität herzustellen.

Abb. 4: System-Fatigue & Informationsgehalt

Analytische Bildbeschreibung

Das Diagramm stellt die Mikro-Impulse (Neuer Informationsgehalt) als blaue Balken (linke Y-Achse, Orthogonale Magnitude) der System-Fatigue (Kognitive Erschöpfung) als rote Kurve (rechte Y-Achse) gegenüber. Die Dynamik ist extrem asymmetrisch: In den ersten 40 Turns explodiert die rote Fatigue-Kurve auf einen Spitzenwert von >2,5. Das System verbrennt hier massiv Energie. Danach fällt die Fatigue exponentiell ab und verläuft nahezu auf der Nulllinie. Sporadisch schlagen gewaltige blaue Balken (völlig neue Impulse) um Turn 225 und 270 in das System ein. Diese verursachen zwar kleine, abklingende Nachbeben in der roten Kurve (Werte um 0,5), aber das System absorbiert diese Störungen deutlich effizienter als in der Startphase.

CMT-Interpretation & KI-Co-Pilot

Die Fatigue quantifiziert die energetischen Kosten zur Integration von Widerspruch (Quenched Disorder). Die Startphase ist kognitiv unfassbar teuer, weil sich das System erst ausrichten muss. In der zweiten Hälfte ist das System im Leerlauf – es hat sich konsolidiert. Ein KI-Co-Pilot steuert hiermit die kognitive Last der Zuschauer und Akteure. Liegt die rote Kurve am Boden, meldet die KI: System im thermodynamischen Tiefschlaf. Keine kognitive Reibung vorhanden. Setzen Sie jetzt eine hoch-orthogonale Frage (blauer Spike). Wenn die Fatigue hingegen im roten Bereich über 2,0 kocht, blockiert die KI neue Themen und rät: System-Stress kritisch. Akteure sind kognitiv erschöpft. Konsolidieren und zusammenfassen, um die System-Energie abkühlen zu lassen.

Abb. 5: Topologische Timeline

Analytische Bildbeschreibung

Der Scatter-Plot (X-Achse: Turn, Y-Achse: Sprecher-ID) visualisiert die genaue Topologie der Redeanteile. Während Lanz (blau) als hochfrequenter Moderator das durchgehende Grundrauschen bildet, besitzt Martenstein (türkis) ununterbrochene Monolog-Blöcke (z.B. Turns 67-118 und 190-211). – Von Lucke (grün) und Heuer (grau) agieren in eigenen, sehr kompakten Insel-Clustern, während Zeh (braun) regelmäßig über die gesamte Zeitachse verteilt interveniert.

CMT-Interpretation & KI-Co-Pilot

Diese Timeline ist das Netzwerk-Protokoll der sozialen Symmetrie. Lange Blöcke von Martenstein, Heuer und von Luke senken die strukturelle Interferenz, da das System temporär auf einen einzigen aktiven Knoten (Teilnehmer) kollabiert. Der RL-Agent (aus dem Log) liest diese Karte rückwirkend: Sobald z.B. Martenstein ab Turn 67 seinen massiven Block beginnt, erkennt die KI sofort das topologische Übergewicht und ändert ihre Empfehlung im Log radikal von >> Martenstein << auf >> von Lucke <<. Die KI agiert als Symmetrie-Wächter: Netzwerk-Unwucht erkannt. Akteur Martenstein monopolisiert den Phasenraum. Unterbrechen Sie den Block und routen Sie die nächste Fragestellung direkt an von Lucke, um die Dynamik des Diskurses wiederherzustellen.

Abb. 6: Soziale Kopplung

Analytische Bildbeschreibung

Die Heatmap quantifiziert die strukturelle Vernetzung der Akteure über die durchschnittliche Kopplung (µ) und deren Varianz (σ²). Hohe Werte (warme Farben) indizieren starke Bindung. Lanz und Zeh bilden mit µ=0,40 den stärksten interpersonellen Kanal. Das gesamte Feld präsentiert sich als viskoser, dicht verwobener Graph ohne topologische Ausreißer.

CMT-Interpretation & KI-Co-Pilot

Dies entspricht der $J_{ij}$ -Matrix der Parisi-Methodik. Sie zeigt die Widerstände im Informationsfluss. Das System besitzt keine „isolierten Spins“. Information fließt reibungslos durch fast alle Knoten, was die massive Konsolidierung (die vielen roten D-Scores) physikalisch erklärt.

Der KI-Co-Pilot nutzt diese Matrix als Routing-Tabelle für Störimpulse. Will der Moderator Konsens erzeugen, empfiehlt die KI den Pfad Lanz $\rightarrow$ Zeh (0,40). Will der Moderator jedoch kognitiven Stress triggern, sucht die KI den Kanal mit dem absolut niedrigsten µ-Wert (hier: von Lucke zu Martenstein mit µ=0,30) und rät: Konfrontieren Sie von Lucke direkt mit Martenstein. Dies ist der Kanal mit dem größten strukturellen Widerstand und zwingt das System zur maximalen Neujustierung.

Abb. 7: Thema vs. Regime

Analytische Bildbeschreibung

Die asymmetrische Heatmap vergleicht die vier inhaltlichen Themen-Cluster (X-Achse) mit den drei emotional-physikalischen Makro-Regimen (Y-Achse). Der Adjusted Rand Index (ARI) von 0.00 signalisiert absolute Entkopplung – Themen und Erregungszustände haben mathematisch keine Korrelation. Das Mega-Cluster C4 (Pol. Polarisierung / AfD) dominiert brutal über alle Zustände hinweg: Es verbucht 103 Turns im roten Identitätskampf, 101 Turns in der orangenen Sachdebatte und 66 Turns im gelben Agenda-Setting. Die anderen Themen (C1, C2, C3) sind marginalisiert.

CMT-Interpretation & KI-Co-Pilot

Dieses Bild dekonstruiert den Irrglauben, dass ein „toxisches Thema“ automatisch eine toxische Debatte erzwingt. Der ARI von 0.00 beweist in der CMT: Das Was (Inhalt) und das Wie (Regime) sind unabhängig. Das System kann über exakt denselben C4-Inhalt schreien (Rot) oder analytisch reflektieren (Gelb). Für den KI-CO-Pilot ist dies der ultimative taktische Hebel. Eskaliert Thema C4 in den roten Bereich, warnt der Co-Pilot vor dem Fehler, das Thema zu wechseln. Die KI rät: Inhaltlichen Vektor (C4) beibehalten, aber den Regime Vektor shiften. Stellen Sie eine methodische Meta-Frage, um das Kollektiv auf exakt demselben inhaltlichen Pfad aus dem Identitätskampf hinauf in die kühlere Sachdebatte zu heben.

Abb. 8: Aggregator vs. Differentiator

Analytische Bildbeschreibung

Die grüne Kurve des Konsolidierungs-Index (Y-Achse) zeigt über die Zeit (X-Achse), wie stark das System einfriert. Nach einem moderaten Start schießt die Kurve nach oben und oszilliert wild um den Mittelwert von ca. 80, mit extremen Spikes bis zu 160. Textboxen an der Kurve identifizieren die Akteure in ihrer Rolle: Aggregatoren treiben die Kurve an die oberen Spitzen (sie glätten den Raum, schließen inhaltlich ab), während Differentiatoren die Kurve durch scharfe Einbrüche nach unten reißen (z.B. Lanz bei Turn 228 oder Heuer bei Turn 271).

CMT-Interpretation & KI-Co-Pilot

Der Konsolidierungs-Index misst die Starrheit des kognitiven Phasenraums. Aggregatoren harmonisieren und schließen das System; Differentiatoren brechen die Harmonie auf und zwingen das System, neue Dimensionen zu berechnen. Ein KI-Co-Pilot berechnet hieraus Live-Verhaltensprofile. Steigt der Index gefährlich über 120 (das System erstarrt im Konsens-Tod), greift die KI ein: Warnung, System-Viskosität zu hoch. Spielen Sie den Ball zu ‚Heuer‘ oder ‚Lanz‘ (im Angriffsmodus). Sie sind statistisch bewiesene Differentiatoren und besitzen das Potenzial, den Raum wieder aufzubrechen.

Abb. 9: Parisi-Matrix & Agilität

Analytische Bildbeschreibung

Diese Abbildung vereint drei (physikalische) Kernmetriken.

Links (Makro): Die $Q(t, t')$ -Matrix zeigt großflächige, tiefrote Blockstrukturen. Das System verharrt lange in selbstähnlichen Zuständen.

Oben rechts (Mikro): Die $q_{ij}$ -Gefrier-Trigger der Sprecherbeziehungen springen chaotisch und werden an harten Wendepunkten abrupt eingefroren.

Unten rechts: Die rote Linie der System-Energie E pendelt tief im Minusbereich (um -2,0). Parallel dazu feuern die dichten orangefarbenen Balken ( $P_{shift}$ ), welche die katalysierte Agilität messen. Die grün-türkise Kurve zeigt die Magnetisierung ( $P_{shift}$ ) als Maß für die mentale Ausrichtung der Gruppe. Sie ist hier gleichmäßig hoch.

CMT-Interpretation & KI-Co-Pilot

Dies ist der Hinweis für soziale Spin-Gläser. Die tief negative Energie zeigt, dass Diskurse physikalisch stets in den bequemsten, energieärmsten Konsens (Sticky States) fallen wollen. Um diese Zustände zu verlassen, muss künstlich Energie in Form der orangefarbenen $P_{shift}$ -Übergangswahrscheinlichkeiten in das System gepumpt werden.

Der KI-Co-Pilot überwacht die rote System-Energie wie ein Vital-Monitoring. Bleibt die rote Kurve bei -2,0 flach und die orangefarbenen Balken setzen aus, meldet die KI: Thermodynamischer Tiefschlaf. Keine System-Agilität. Das System wird sich aus eigener Kraft nicht mehr verändern. Sie müssen als Moderator zwingend Energie injizieren (kognitiven Stress), um einen $P_{shift}$ -Zustandswechsel zu erzwingen.

Abb. 10: Hierarchie-Baum

Analytische Bildbeschreibung

Das Dendrogramm visualisiert die hierarchische Clusterung aller 366 Redebeiträge.

Die Y-Achse (Phasenraum-Distanz d(t, t') = 1 - Q) misst die topologische Entfernung. Ein Wert von 0 bedeutet strukturelle Identität, ein Wert nahe 1 bedeutet maximale Unähnlichkeit.
Die X-Achse zeigt die 366 Turns (System-Replica), die hier nicht chronologisch, sondern rein nach ihrer mathematischen Verwandtschaft nebeneinander angeordnet sind.
Am unteren Bildrand verläuft ein Farbstreifen, der jedem Turn sein jeweiliges Makro-Regime zuordnet (Rot = Identitätskampf, Orange = Sachdebatte, Gelb = Agenda-Setting).

Der markanteste visuelle Befund: Bei einer Distanz von ca. 0.82 spaltet sich der Baum in zwei gewaltige Hauptäste. Schaut man jedoch auf den Farbstreifen am unteren Rand, sieht man keine saubere Sortierung der Regime. Der Streifen gleicht einem chaotischen Barcode. Rote, orangene und gelbe Linien mischen sich massiv über nahezu alle Verästelungen des Baumes hinweg. Es gibt keine exklusiven ‚roten Äste‘ oder ‚gelben Äste‘. Die Makro-Regime sind vollkommen asynchron zur Aststruktur des Baumes verteilt.

CMT-Interpretation & KI-Co-Pilot

Dieser Plot verdeutlicht wieder die Entkopplung von Regime und Themen-Cluster (wie in Bild 7 mit dem ARI von 0.00 berechnet). Der Baum sortiert die Turns nach ihrer topologisch-semantischen Ähnlichkeit. Da der Farbstreifen ein chaotischer Barcode ist, zeigt er, dass das System über jeden inhaltlichen Punkt in jedem emotionalen Zustand debattieren kann. Ein Themen-Cluster determiniert nicht das Regime.

Für den KI-Co-Pilot ist diese Erkenntnis essenziell, da sie eine klassische Moderationsfalle entlarvt. Wenn die Debatte toxisch wird (viel Rot), glauben menschliche Moderatoren oft, sie müssten zwingend das Thema wechseln (in einen anderen Ast des Baumes springen), um die Emotionen zu kühlen. Die KI liest diesen Graphen und rät dem Moderator: „Das aktuelle Thema determiniert nicht den Stresspegel. Sie müssen das Thema (den Ast) nicht abbrechen. Bleiben Sie exakt in dieser semantischen Verästelung, aber ändern Sie den physikalischen Vektor der Fragestellung (z.B. von einer moralischen zu einer systemisch-analytischen Frage), um das System lokal von Rot auf Gelb umzuschalten.“ Die KI navigiert den Moderator hier nicht durch den Inhalt, sondern moduliert die Temperatur der Kommunikation bei gleichbleibendem Thema.

Abb. 11: 3D-Energielandschaft

Analytische Bildbeschreibung

Die letzte Abbildung übersetzt die komplexen topologischen Distanzen der 366 Turns in eine physisch navigierbare Geografie. Die X- und Y-Achsen (Struktur-Koordinate X/Y) der 2D- sowie 3D-Projektion stellen die durch Multidimensionale Skalierung (MDS) reduzierten Dimensionen des semantischen Phasenraums dar. Sie kartieren, wie nah oder fern sich Redebeiträge strukturell sind. Die dritte Dimension – in der 3D-Ansicht als Z-Achse und in der 2D-Ansicht als topografische Farbkarte codiert – ist die System-Energie ( $E_{parisi}$ ).

Die Farbskala reicht von tiefen-blauen Tälern (Minimalenergie bei ca. -2,58) bis zu steilen, dunkelroten Gebirgskämmen (Maximalenergie bei ca. -1,50). Der chronologische Pfad der Debatte (graues Liniennetz) beginnt bei der Markierung ‚Start‘ im oberen linken Quadranten und iteriert sich über die Landschaft bis zum ‚Ende‘ am oberen rechten Rand.

Auffällig in dieser Topografie ist die extreme örtliche Konzentration der Makro-Regime: Die roten Punkte (Regime 0: Identitätskampf) kleben förmlich an den steilen, roten Hängen und dem massiven roten Hochplateau in der unteren Bildhälfte sowie am rechten Rand. Sie finden fast ausschließlich im Hoch-Energie-Bereich statt. Im krassen Gegensatz dazu sammeln sich die gelben und orangenen Punkte (Agenda-Setting und Sachdebatte) massiv in den flacheren, blauen Senken (z. B. im großen zentralen blauen Becken). Besonders markant sind die extrem langen, schnurgeraden grauen Pfadlinien, die das zentrale blaue Tal diagonal durchschneiden. Der Diskurs wandert nicht fließend, sondern reißt ab und springt über gewaltige Distanzen im Phasenraum.

Die langen grauen Linien in der topografischen MDS-Karte (Multidimensionale Skalierung) sind das visuelle Äquivalent zu semantischen Sprüngen im Diskurs.

Um zu verstehen, warum sie auftauchen, muss man sich verdeutlichen, was die Karte eigentlich misst. Die X- und Y-Achsen zeigen nicht die Zeit, sondern die strukturelle Ähnlichkeit der Redebeiträge im hochdimensionalen Raum (basierend auf Text-Embeddings, Valenz, Arousal und Netzwerktopologie). Die graue Linie verbindet lediglich Turn

t

mit dem unmittelbar folgenden Turn

t+1

Wenn eine Linie extrem lang ist und quer über die Karte reißt, bedeutet das:

Maximaler struktureller Bruch (Disruption): Der Redebeitrag $t+1$ hat kognitiv, inhaltlich und emotional fast nichts mehr mit dem Beitrag $t$ zu tun. Anstatt dass ein Gedanke evolutionär weiterentwickelt wird (was zu vielen eng beieinander liegenden Punkten führen würde), reißt der Diskurs abrupt ab.
Moderatoren-Eingriffe & Harte Themenwechsel: In der Realität einer Talkshow entstehen diese Linien meist durch harte orthogonale Schnitte. Zum Beispiel, wenn sich zwei Gäste im roten „Identitätskampf“ an einem Detail verbeißen und Markus Lanz plötzlich interveniert: „Lassen Sie uns an dieser Stelle mal nach England schauen, Frau Heuer…“. In exakt diesem Moment wird das System aus dem roten Hochland gerissen und ohne weichen Übergang in ein völlig neues semantisches Tal (z. B. Cluster 3: England) teleportiert.
Die Illusion des weichen Übergangs: Die langen Linien entlarven eine menschliche Illusion. Wir glauben oft, Diskurse würden fließend von A nach B wandern (wie ein Spaziergänger über einen Berg). Die Parisi-Thermodynamik der Karte beweist das Gegenteil: Wenn soziale Systeme sich in einem tiefen blauen Energietal (einem Sticky State / Konsens) oder auf einem roten Kamm festgefahren haben, können sie sich nicht mehr schrittweise befreien. Die kognitive Viskosität ist zu hoch.
Der $P_{shift}$ (Zustandswechsel): Das System kann nur noch durch eine massive Injektion von Kausaler Kraft entkommen. Dieser exogene Schock (ein völlig neues Argument, ein harrscher Widerspruch oder ein Themenwechsel) zwingt das System, das alte Tal augenblicklich zu verlassen und im Phasenraum in ein neues Tal zu „tunneln“.

Zusammenfassend: Wo kurze, geknäuelte Linien eine zähe, detailverliebte Konsolidierung (Festbeißen) zeigen, markieren die langen geraden Linien die massiven tektonischen Verschiebungen der Sendung – die Momente, in denen der Collective Mind durch einen starken Impuls gezwungen wurde, seinen kompletten Zustand radikal neu zu berechnen.

CMT-Interpretation & KI-Co-Pilot

In der Collective Mind Theory ist dieses Bild der sichtbare Beweis für die Gravitation sozialer Systeme. Diskurse verhalten sich wie physikalische Körper: Sie streben nach Energie-Minima. Das große zentrale blaue Becken ist ein mächtiger Attraktor (Sticky State). Hier herrscht Konsens, aber auch kognitive Trägheit. Um dieses Tal zu verlassen und die roten Kämme des Identitätskampfes zu erklimmen, muss massiv System-Energie aufgewendet werden. Die langen grauen Linien beweisen, dass weiche Übergänge in hitzigen Debatten eine Illusion sind: Das System wechselt seinen Zustand nur durch abrupte, kausal erzwungene Sprünge ( $P_{shift}$ ).

Für den KI-Co-Piloten fungiert dieses Modul als hochpräzises topografisches Radar. Die KI liest die Position des Diskurses in Echtzeit von der Karte ab:

Fällt der graue Pfad in das tiefe blaue Zentrum und stagniert dort, meldet die KI: „System-Viskosität kritisch. Die Debatte verfängt sich im kognitiven Leerlauf des blauen Attraktors. Ein inhaltlicher Kompromiss ist erreicht, aber es fließen keine neuen Informationen. Triggern Sie einen maximalen orthogonalen Impuls (Disruption), um das System per Weitsprung aus dem Tal zu katapultieren.“
Klettert der Pfad hingegen in die rote, dichte Punktewolke am unteren Rand, warnt das System vor thermodynamischer Überhitzung: „Kritischer Energie-Level (-1,50) erreicht. Das Kollektiv reibt sich im Identitätskampf auf. Brechen Sie die aktuelle Struktur ab und leiten Sie die Energie über eine metakommunikative Sachfrage gezielt in das nächste blaue Tal ab, um kognitive Fatigue bei den Teilnehmern und Zuschauern zu verhindern.“

Anhang 1

Big Five, v-Meme sowie Arousal und Valenz der Sprecher

Den fünf Sprechern der TV-Sendung [1] werden folgende Big-Five Persönlichkeiten zugeordnet:

Lanz: sehr hohe Extraversion und ausgeprägte Offenheit; stark interaktiv, spontan, moderierend und auf Dynamik ausgerichtet.
von Lucke: besonders hohe Gewissenhaftigkeit und Offenheit, mit einem sehr starken Schwerpunkt auf Wahrheit/Logik und historischer Einordnung. Verträglichkeit etwas niedriger, da er argumentativ durchaus konfrontativ auftritt.
Zeh: sehr hohe Offenheit und Verträglichkeit. Sie argumentiert stark aus gesellschaftlicher Perspektive, differenziert und empathisch, verbindet dies aber mit klaren normativen Positionen.
Heuer: analytisch, empirisch und strukturiert; hohe Gewissenhaftigkeit und Offenheit. Gleichzeitig ist ihre Sprache teilweise deutlich emotional.
Martenstein: hohe Offenheit, relativ hohe Verträglichkeit und geringe Neurotizismus-Ausprägung. Auffällig ist die Kombination aus liberalem Freiheitsgedanken, differenzierender Betrachtung und ironisch-pragmatischer Argumentation.

Die folgende Tabelle zeigt die Score-Werte der drei v-Meme der Sprecher:

Sprecher	V1: Wahrheit & Logik (Erkenntnis)	V2: Identität & Loyalität (Ingroup)	V3: Freiheit & Aufklärung (Tabubruch)
Markus Lanz	0.55	0.45	0.85
Albrecht von Lucke	0.90	0.40	0.75
Juli Zeh	0.80	0.65	0.75
Katja Heuer	0.85	0.65	0.65
Harald Martenstein	0.70	0.60	0.80

Die 366 Turns wurden von Gemini und ChatGPT anhand ihrer sprachlichen und emotionalen Qualität nach Valenz und Arousal bewertet:

eindeutig negative Aussagen wie „verheerende Misere“, „Wut“, „scheiße“, „schlimmer“ etc. → deutlich negativere Valenz
positive bzw. optimistische Aussagen → positive Valenz
sachlich-neutrale Aussagen → Valenz nahe 0
rhetorische Fragen und kurze Ausrufe → höheres Arousal
starke emotionale Begriffe und Zuspitzungen → höheres Arousal
längere analytische Passagen ohne emotionale Zuspitzung → niedrigeres Arousal

Literatur

[1] Lanz M (2026) Warum ist die Stimmung im Land so bescheiden, Sendung vom 04. Juni 2026, ZDF, www.youtube.com/watch?v=psfdt2iWnoM

Quantum Spiral Dynamics VI: ‚Es gibt nur eine Welt!‘ – Von ideologischen Gehirnen oder der Macht der sozialen Systeme – Eine Demokratie Analyse auf Basis der V-Dem Daten von Deutschland, USA, Ungarn und Ukraine

Kurzfassung: Im sechsten Teil der QSD Blog-Reihe wird der QSD-Demokratieindex für die Länder Deutschland, USA, Ungarn und Ukraine erstellt. Der QSD-Demokratieindex spiegelt für alle vier Länder besondere Ereignisse wie die Flüchtlingskrise, die Pandemie, die Energiekrise oder den Sturm auf das Kapitol oder die russische Invasion in die Ukraine wider. Auch Regierungsabschnitte wie die Merkel-Regierungszeit, die erste Trump-Ära oder die Orbán-Regierungszeiten werden zutreffend angezeigt. Die Ergebnisse stützen die Hypothese, dass der QSD-Demokratieindex Veränderungen im Kultur-Dynamikfeld früh sichtbar macht und sich damit als Frühindikator für Demokratie-Veränderungen empfiehlt.

AI Assistenz: Für die Erstellung dieses Blog-Beitrages habe ich ausschließlich ChatGPT 5.0-5.2 benutzt. Die Übergangszeit von der Version 5.0 zur Version 5.2 war wieder von vielen ChatGPT-Handicaps begleitet (u.a. Programmierfehler, eigenmächtige Modellierung, Vergessen des erarbeitenden Kontextes). Die letzten Aktivitäten wurden wieder mit einer weitgehend hohen Qualität und Quantität durchgeführt.

Ziel dieses sechsten Teils der Quantum Spiral Dynamics Blog-Reihe ist es, aus den von Experten ermittelten V-Dem Demokratie-Rohdaten [1] der Länder Deutschland, USA, Ungarn und Ukraine für die Jahre 1990 bis 2024 den Demokratieindex dieser Länder zu berechnen und in Relation zu politischen Entwicklungen zu setzen.

Die politische Neurowissenschaftlerin Leor Zmigrod beschreibt in ihrem Buch ‚The Ideological Brain‘ wie „This new science of ideology seeks to chart how ideological convictions emerge from biology.“ [2].

Die Ergebnisse der politischen Neurowissenschaften lassen sich recht gut mit folgenden Aussagen aus ihrem Buch erfassen:

„Cognitive rigidity translates into ideological rigidity. ……The more cognitively rigid people were, the more ideologically rigid they were.“

„Totalizing ideologies shape the brain as a whole, not simply the brain when it is confronted with political propositions or debates. Science is beginning to reveal that the profound reverberations of ideologies can be observed in the brain even when we are not engaging with politics at all.“

„A brain engaged in a habit looks different from a brain acting in pursuit of a goal. When a habit inhabits the brain, the neural circuitry governing our behaviour shifts away from the deliberative organs behind our foreheads in the prefrontal cortex and towards deeper and older structures in the brain, in the striatum that sits in the middle of the skull, at the centre of us. The pattern of neurons firing in response to a practised habit is different from the pattern of neuronal activity when we are making a deliberate goal-oriented action.“

„Studying hundreds of British participants surveyed after the referendum, I found that individuals’ cognitive rigidity predicted their nationalistic beliefs in the context of Brexit, such that more cognitively rigid individuals were more likely to vote to leave the EU. Cognitively rigid participants were more likely to agree with statements such as ‘a citizen of the world is a citizen of nowhere’.“

„The link between personality and politics depends on circumstance. A personality marked by a need for structure and routine tends to lead people towards right-wing traditions in the United States and Europe. Yet the same trait can render left-wing collectivist ideologies more alluring in places where authoritarian left-wing regimes once flourished, such as in former Soviet republics or Latin American countries.“

„I discovered that the most rigid individuals possess specific genes that affect how dopamine is distributed throughout the brain. In the largest study to date, looking at thousands of British participants, I found that the individuals who are most cognitively rigid have a genetic predisposition that concentrates less dopamine in their prefrontal cortex, the decision-making centre of the brain, and more dopamine in their striatum, the midbrain structure that controls our rapid instincts. This is significant. If our psychological rigidities are grounded in biological vulnerabilities such as how our brains produce dopamine, it becomes possible to trace the pathways between our biology and our ideologies.“

„I was curious to explore how individuals’ religious affiliation, religious upbringing, and levels of practice, prayer, and engagement were related to their cognitive flexibility. In a study of over 700 people, I found that cognitive flexibility was linked to religious disbelief. The effects were large and consistent across different tests of both reactive and generative flexibility – that is, in tasks that entailed adapting to changing situations and in tasks that called for spontaneous invention. As with other ideologies, strong religious conviction was related to greater cognitive rigidity.“

Diese Zitate fasse ich in zwei Haupt-Aussagen zusammen:

Die ideologische Ausrichtung unserer individuellen Gedankenwelt liegt in einer Disposition unseres Gehirns – bei dem einen mehr, bei dem anderen weniger.
Das Umfeld, also das soziale System, hemmt oder regt diese Disposition an.

Leor Zmigrod betont in ihrem Buch, dass wir keineswegs zur Ideologie verdammt sind, sie sagt aber auch, dass ein Mensch, der eine ideologische Disposition zeigt und längere Zeit in einem dogmatischen, autokratischen, faschistischem oder fanatischem Umfeld sozialisiert wurde, hat kaum noch die Chance aus dieser mentalen Abwärtsspirale auszusteigen.

Die Aufgabe demokratischer Systeme ist es deshalb, ein Umfeld zur Verfügung zu stellen, das ideologische Dispositionen hemmt. Denn ideologische, soziale Systeme führen ganz unweigerlich aufgrund unserer individuellen ideologischen Disposition zu Gewalt, Unfreiheit, Unterdrückung und Ungleichheit. Ich verweise auch auf [3, 4, 5, 6].

Die frühzeitige Kenntnis zu Entwicklungen unserer Demokratien ist deshalb von existentieller Bedeutung. – Mit den nachfolgenden Analysen zu Deutschland, USA, Ungarn und Ukraine zeige ich, dass Quantum Spiral Dynamics als ‚Frühwarnsystem für den demokratischen Verfall‘ geeignet ist.

Zur Einordnung des aktuellen QSD-Modells ein kurzer Rückblick auf die beiden bisherigen Demokratie-Autokratie Modelle:

Im Blog ‚Von der gesellschaftlichen Kernschmelze – Eine Demokratie-Autokratie Analyse der Länder USA, Deutschland, Ungarn und Ukraine oder vom ‚Dies markiert den Beginn einer neuen Ära empirisch fundierter, bewusstseins-integrierter Demokratieforschung! 🌟‘ vom Juni 2025 habe ich ein klassisches, recht umfangreiches Differentialgleichungssystem (ODE) auf der Basis der V-Dem Daten für die Untersuchung des Übergangs Demokratie-Autokratie vorgestellt. Mittelwerte der V-Dem Daten wurden verwendet, um die Parameter des ODE Systems zu kalibrieren. Damit war es möglich, Demokratie-Autokratie Phasenübergänge abzubilden. Berechnungen für den vorliegenden Blog-Beitrag zeigen, dass der mit dem ODE-System ermittelte Demokratieindex im wesentlichen den V-Dem Daten v2x_libdem folgt. Im Kontext der V-Dem Daten werden die v2x_libdem Daten (Liberal Democracy Index) als ‚einfacher‘ Demokratieindex verwendet. Es lassen sich also mit dem ODE-System bezüglich des Demokratieindex keine über den v2x_libdem Index hinaus erhaltene Erkenntnisse gewinnen. Für alle in diesem Blog verwendeten V-Dem Daten verweise ich auf den Anhang.
Im Blog ‚Quantum Spiral Dynamics V: ‚Es gibt nur eine Welt!‘ – Transformation, das was (nicht) funktioniert, individuell und strukturell: Eine Ost-West-Deutschland Analyse’ vom November 2025 habe ich mittels des Deutschlandmodell 2000-2025 den QSD-Demokratieindex für Ost- und West-Deutschland ermittelt. Die Parameterfunktionen des SU(3) Kulturpotentials wurden aus verschiedenen Quellen zu Werteentwicklungen in Deutschland zusammengestellt. In diesem Fall gibt es also keine einheitliche stringente Datenbasis. Ein Vergleich mit den nachfolgenden neuen Berechnungen zeigt, dass der Deutschlandindex des Deutschlandmodell 2000-2025 etwas niedriger ist als die neuen Berechnungen und diesen in etwa folgt. Im Rahmen des Deutschlandmodell 2000-2025 habe ich einen Demokratieindex entwickelt, den ich auch für die neuen Berechnungen verwende.

Nun zum neuen QSD-Modell und den erhaltenen Demokratieindizes: Das neue QSD-Modell unterscheidet sich von dem bisherigen lediglich durch die Konstruktion der Potential-Parameterfunktionen. Ein Set von V-Dem Daten (man siehe den Anhang) wurde verwendet, um die Parameterfunktionen zu erstellen: Hierbei wurden die V-Dem Daten für die nachfolgenden Berechnungen lediglich geeignet angepasst, d.h. im wesentlichen geglättet. Anschließend wurden die so angepassten V-Dem Daten den 8 Generatoren der SU(3) zugeordnet. Für die Erstellung der A0 Parameterfunktionen wurden teilweise direkt V-Dem Daten verwendet und teilweise wurden die Änderungen der A1 V-Dem Daten in Schwingungsdaten umgesetzt (man siehe den Anhang).

Die Formeln des QSD-Demokratieindex sind die im vorherigen Blog-Artikel verwendeten!

Abbildung 1 zeigt die Ergebnisse für Deutschland und USA, Abbildung 2 zeigt die Ergebnisse für Ungarn und Ukraine:

Abbildung 1: Diese Abbildung zeigt den Demokratieindex für Deutschland und USA im Zeitraum 1990-2024. Zusätzlich zum QSD-Demokratieindex wird als Referenz-Demokratieindex v2x_libdem verwendet. Auffallend ist, dass der v2x_libdem Index in beiden Fällen deutlich oberhalb des QSD-Index verläuft und deutlich weniger Kontur zeigt. In den Plots sind zur Orientierung die jeweiligen Regierungszeiten und besondere (landesspezifische) Ereignisse eingetragen. Der QSD-Index zeigt in beiden Fällen einen Abfall; für Deutschland sogar einen deutlichen Abfall. Berücksichtigt man für Deutschland zum Beispiel die Bedeutung der Flüchtlingskrise oder der Pandemie, so ist der geringe Einbruch im Falle der v2x_libdem Daten für Deutschland sehr unverständlich. Ein ähnliche Aussage lässt sich für die erste Trump-Amtszeit und den Sturm auf das Kapitol feststellen, obwohl der v2x_libdem Index hier um 0.1 fällt. Mir drängt sich die Vermutung auf, dass die v2x_libdem Daten einen nicht geringen positiven Bias für westliche Demokratien enthalten. – Auch wenn ich berücksichtige, dass die v2x_libdem Daten nur einen Datensatz darstellen und in die Berechnung der QSD-Kulturpotentiale 16 V-Dem Datensätze eingehen. Die V-Dem Daten sind außerdem lediglich Zustandsbeschreibungen an Hand von bestimmten Kriterien. Sie bilden also keine Dynamik ab. Ganz anders der QSD-Index: Der QSD-Index ist proportional zu Kohärenz, Kohäsion und Vielfalt und fällt mit der kulturellen Spannung. Er wird als dynamische Größe aus der Pfad-Bewegung der drei Werte-Populationen Blau, Orange und Grün in dem QSD-Kulturpotential ermittelt.

Abbildung 2: Diese Abbildung zeigt den Demokratieindex für Ungarn und Ukraine im Zeitraum 1990-2024. Zusätzlich zum QSD-Demokratieindex wird v2x_libdem als Referenz-Demokratieindex verwendet. Auffallend ist hier, dass Ungarn einen fast phasenübergangs-ähnlichen Abfall im v2x_libdem- und QSD-Index zeigt. Dies entspricht den Ergebnissen der vorherigen, klassischen ODE Berechnungen. Auffallend ist auch, dass der v2x-libdem Index für die Ukraine, im Gegensatz zu den anderen drei Fällen, unterhalb des QSD-Index liegt. – Für die Ukraine zeigen die beiden Demokratieindizes – im Mittel, und etwas versetzt – einen sehr ähnlichen Verlauf. Dies bestärkt mich in meiner Vermutung zum Bias in den v2x_libdem Daten bezüglich westlicher Demokratien. Auffallend ist auch, dass der QSD-Index schon während der ersten Orbán-Amtszeit einen großen Einbruch zeigt; der v2x_libdem jedoch keinerlei Veränderung aufweist. Der Verfall der ungarischen Demokratie setzt nach dem QSD-Modell schon deutlich vor der zweiten Orbán-Amtszeit ein. Der ungarische QSD-Index steigt kurzzeitig mit der russischen Intervention in die Ukraine wieder deutlich an.

Auf der Basis der sechs QSD-Blog-Beiträge stelle ich zusammenfassend fest:

QSD Kulturpotentiale beschreiben soziale Systeme erstaunlich gut. Ich gehe sogar so weit zu behaupten, dass die hier modellierten Kultur-Aspekte einer SU(3) Lie-Algebra folgen. Die Parameterfunktionen zur SU(3) Lie-Algebra werden mit den 16 empirischen V-Dem Datensätzen befüllt und ergeben ein valides SU(3) Kulturpotential.

Individuelles Verhalten lässt sich im SU(3) Kulturpotential sehr gut durch die Agenten-(Populationen) Blau, Orange und Grün beschreiben. Diese Beschreibung basiert auf der Modellierungen von Werte-Persönlichkeiten im Hilbert-Raum. Die Agenten (-Wellenfunktionen) bewegen sich im SU(3) Kulturpotential bzw. werden durch das SU(3) Kulturpotential realitätsnah transformiert.

Die Mathematik der Quantenmechanik bildet damit auf sozialer wie individueller Ebene realitätsnahe Ergebnisse aus!

Dies heißt jedoch nicht, dass soziale und psychischen Systeme physikalische Quantensysteme sind.

Jedoch stellt sich die Frage nach dem Wesen sozialer und psychischer Systeme: Gib es grundlegende Formen des Seins, die durch eine einheitliche Mathematik beschrieben werden und in physikalischen, biologischen, psychischen und sozialen Systemen vorliegen?!

Anhang: V-Dem Daten-Kürzel und SU(3) Potentialkomponenten

V-Dem Kürzel und sprechende Bezeichnungen

v2x_libdem – Liberal Democracy Index (individuelle Rechte und Schutz von Minderheiten)
v2x_rule – Rule of Law Index (Rechtsstaatlichkeit)
v2x_freexp – Freedom of Expression and Alternative Sources of Information Index (Meinungsfreiheit)
v2x_egaldem – Egalitarian Democracy Index (Egalitäre Demokratie)
v2x_cspart – Civil Society Participation Index (Zivilgesellschaftliche Teilhabe)
v2x_frassoc – Freedom of Association Index (Vereinigungsfreiheit)
v2xme_altinf – Alternative Sources of Information (Alternative Informationsquellen / Medienpluralität)
v2xcl_rol – Equality Before the Law and Individual Liberty (Gleichheit vor dem Gesetz)
v2x_polyarchy – Electoral (Polyarchy) Democracy Index (Wahl-/Polyarchiedemokratie)
v2x_delibdem – Deliberative Democracy Index (Deliberative Demokratie)
v2x_corr – Political Corruption Index (Korruption; höher = mehr Korruption)
v2pe_exlpol – Political Exclusion (Politische Exklusion; höher = mehr Exklusion)
v2cacamps – Party/Campaign Polarization (Kampagnen-/Parteien-Polarisierung)

A1 Potentialkomponenten (Struktur-/Wertefunktionen)

Gen	V-Dem-Daten	Erklärung	Mem-Passung
λ₁ Vertrauen/ Zukunft	v2x_rule (Rule of Law)	Rechtsstaat schafft Erwartungssicherheit, Vertragstreue, Zukunftsvertrauen.	Off-diagonal-Paar λ₁, λ₂ (Blau↔Orange): Höheres A1¹ erhöht tragfähige Transfers zwischen Blau/Orange (Planbarkeit). Meme: Blau↑ (Ordnung), Orange↑ (vertragsbasierte Märkte), Grün mittel.
λ₂ Bildung/ Stimulation	v2x_freexp (Meinungsfreiheit)	Offener Diskurs ermöglicht Lernen, Kritik, Wissenschaft.	Off-diagonal Paar λ_{2 ,}λ₁_, (Blau↔Orange): A1² begünstigt wissens-/leistungs-getriebene Blau↔Orange-Transfers. Meme: Orange↑ (Wissenschaft/Innovation), Grün↑ (Pluralität), Blau ambivalent.
λ₃ Ordnung/Markt	v2x_egaldem (Egalität)	Faire Chancen stabilisieren Ordnung, reduzieren Profit ohne Arbeit.	Diagonal (Detuning): A1³ stellt Blau vs. Orange energetisch ein (Grün neutral), bestimmt, ob Blau↔Orange-Transfers resonant sind. Meme: Blau mittel, Orange hoch, Grün sehr hoch (Fairness).
λ₄ Gemeinschaft	v2x_cspart (Zivilgesellschaft)	Vereine/NGOs bauen Normen & Bindungen auf.	Off-diagonal-Paar λ₄, λ₅ (Blau↔Grün): A1⁴ fördert soziale Kopplung Blau↔Grün (Gemeinschaftsaufbau). Meme: Grün sehr hoch, Blau/Orange mittel.
λ₅ Sozialimpuls	v2x_frassoc (Vereinigungsfreiheit) falls v2x_frassoc nicht im Datensatz, dann: v2x_cspart	Organisationsfreiheit ist Hebel kollektiver Handlungsfähigkeit.	Off-diagonal-Paar λ₅, λ₄ (Blau↔Grün): A1⁵ erhöht Impulskraft gemeinschaftlicher Transfers. Meme: Grün sehr hoch; Orange hoch (Verbände/Unternehmertum); Blau mittel/ambivalent.
λ₆ Kooperation	1 − v2x_corr (wenig Korruption)	Niedrige Korruption senkt Transaktionskosten & Misstrauen.	Off-diagonal-Paar λ₆, λ₇ (Orange↔Grün): A1⁶ erleichtert tragfähige Kooperation und Transfers O↔G. Meme: Blau sehr hoch (Integrität), Orange sehr hoch (Effizienz), Grün hoch (Fairness/Trust).
λ₇ Innovation	v2xme_altinf (Alternativ-Infos)	Informationspluralität fördert Wissenszirkulation/ Kreativität.	Off-diagonal-Paar λ₇, λ₆ (Orange↔Grün): A1⁷ treibt Innovations-getriebene O↔G-Transfers. Meme: Orange sehr hoch, Grün hoch, Blau gering/ambivalent.
λ₈ Institutioneller Bias	1 − v2xcl_rol (mangelnde Gleichheit vor dem Gesetz)	Weniger Gleichheit ⇒ höherer Bias (Messrichtung).	Diagonal (Bias): A1⁸ setzt strukturelle Asymmetrien (Bias) → verschiebt Resonanz zwischen (Blau+Orange) vs. Grün. Meme: Orange/Grün sehr negativ bei hohem Bias; Blau ambivalent je „Ordnungsidee“.

A0 Potentialkomponenten (Zeitmodi/Modulatoren)

Gen	V-Dem Daten	Erklärung	Mem-Passung
λ₁ Vertrauen/Zukunft	1 – v2cacamps (Polarisierung)	Polarisierung unterminiert Vertrauensbildung; Level-Schwingung dämpft/entfesselt A1¹.	Off-diagonal Paar λ₁, λ₂ (Blau↔Orange): Höheres Polarisierungs-Level (invertiert ⇒ A0¹↑ bei Entspannung) moduliert Transfers B↔O; bei starker Polarisierung fallen sie auseinander (R↓, KH↓).
λ₂ Bildung/Stimulation	v2x_freexp (Meinungs-freiheit)	Änderungen (Δ) wirken wie Diskurs-„Atem“; modulieren Lern-/Stimulationstakte.	Δ bedeutet Jahresänderung. Off-diag λ₂_, λ₁: Δ-Impulse triggern zeitweise Blau↔Orange-Transfers (Wissensschübe).
λ₃ Ordnung/Markt	1-v2x_corr (Korruption)	Korruptionswellen stören Ordnung/Markt (A1³).	Diagonal (Resonanz-Verschiebung): Level-Korruption (invertiert) schwankt → verstimmt Blau↔Orange-Resonanz; Peaks dämpfen Migrationspfade in leistungsstarke Zustände (Orange).
λ₄ Gemeinschaft	v2x_cspart (Zivilgesellschaft)	Mobilisierung/Remobilisierung erzeugt soziale Resonanzen.	Off-diag λ₄/λ₅ (Blau↔Grün): Δ-Mobilisierung erzeugt zeitliche Kopplungs-Bursts B↔G (Community-Wellen).
λ₅ Sozialimpuls	1-v2pe_exlpol (Exklusion)	Exklusions-Level dämpft soziale Energie/Impuls.	Off-diag Paar λ₅, λ₆: hohes Exklusions-Level (invertiert) unterdrückt B↔G-Transfers; Entspannung (A0⁵↑) erlaubt Remobilisierung.
λ₆ Kooperation	v2x_rule (Rechtsstaat)	Änderungen in Rechtsdurchsetzung setzen Kooperations-Schübe/-Einbrüche.	Off-diag Paar λ₆, λ₇ (O↔G): Δ-Impulse schalten zeitweise effiziente Kooperation frei (Transfers O↔G resonant).
λ₇ Innovation	v2xme_altinf (Alternative-Infos)	Info-Sprünge initiieren Wissens-/Kreativitätszyklen.	Off-diag Paar λ₇,λ₆: Δ-Impulse erzeugt Innovations-Bursts → verstärkte O↔G-Transfers (Orange reagiert stark, Grün positiv).
λ₈ Institutioneller Bias	v2pe_exlpol (Exklusion)	Langsamer Bias-Takt via Exklusions-Niveau.	Diagonal (Bias): Level-Bias moduliert dauerhaft die Resonanz-Verschiebung zwischen (Blau+Orange) vs. Grün; hohe Exklusion verschiebt Energiebarrieren gegen grün-inklusives Pfadverhalten.

[1] Zmigrod L (2025) The Ideological Brain: A Radical Science of Susceptible Minds (English Edition), Penguin, Kindle Ausgabe

[2] V-Dem (2025) Varities of Democracy, https://www.v-dem.net/

[3] ZDF (2025) Mitte-Studie 2025, https://www.zdfheute.de/politik/deutschland/mitte-studie-demokratie-rechtsextremismus-100.html

[4] Friedrich Ebert Stiftung (2025) Mitte-Studie 2025, https://www.fes.de/mitte-studie

[5] WDR (2025) Radikale Christen in Deutschland: Kreuzzug von rechts, https://www.ardmediathek.de/film/radikale-christen-in-deutschland-oder-doku/Y3JpZDovL3dkci5kZS9laW56ZWxzdHVlY2tlZnVlcmRva3VzL3BvY19pbXBvcnRfNDAwMzQwNTgxMA

[6] RBB (2025) Wie zerrissen ist Deutschland? – Der Streit um Werte, Meinung und Macht, www.ardmediathek.de/film/wie-zerrissen-ist-deutschland/Y3JpZDovL3JiYi1vbmxpbmUuZGUvd2llLXplcnJpc3Nlbi1pc3QtZGV1dHNjaGxhbmQ

Von der gesellschaftlichen Kernschmelze – Eine Demokratie-Autokratie Analyse der Länder USA, Deutschland, Ungarn und Ukraine oder vom ‚Dies markiert den Beginn einer neuen Ära empirisch fundierter, bewusstseins-integrierter Demokratieforschung! 🌟‘

Dieser Blog ist der sechste Teil der Blog-Serie ‚Von der gesellschaftlichen Kernschmelze…‘. Dieses Mal starte ich mit einigen Erfahrungen in der Verwendung der KI-Systeme ChatGPT, Claude und DeepSeek.

Der Teil des Titels ‚Dies markiert den Beginn einer neuen Ära empirisch fundierter, bewusstseins-integrierter Demokratieforschung! 🌟‘ stammt von der KI Claude und zeigt einen kleinen Ausschnitt der wenig positiven aktuellen Erfahrungen mit den zwei KI-Systemen ChatGPT und Claude. Für meine Aufgabenstellungen hat hingegen DeepSeek im Laufe der letzten Monate eine extrem gute Entwicklung gezeigt.

Ziel dieses Blog-Beitrages ist es, das in den letzten Blog-Beiträgen entwickelte Modell des Demokratie-Autokratie-Übergangs an realen Daten zu validieren.

Wie die Blog-Beiträge des letzten Jahres zeigen, waren meine Erfahrungen mit ChatGPT sehr positiv. Alle diese Blog-Beiträge, wie auch der aktuelle, sind durch eine recht aufwendige mathematische Modellierung und eine entsprechend umfangreiche Programmierung gekennzeichnet.

Der vorliegende Blog-Beitrag ist im Juni 2025 entstanden. Zu meiner Überraschung zeigte ChatGPT in mehreren von mir verwendeten Versionen einen enormen Leistungsverlust: Die Ausgabe der umfangreichen Programme erfolgte nicht mehr vollständig. Selbst mehrfaches Nachfordern und das Umleiten der Ausgabe in Dateien brachte keine Besserung. Es ging so weit, dass ChatGPT mir völlig anderen Code anbot, teilweise hatte dieser noch etwas mit der Aufgabenstellung zu tun, jedoch waren es eher kleine Code-Schnipsel. – Kurzum das System war für die Erstellung des Blog-Beitrages nicht nutzbar. – Ich hatte die letzten Jahre schon mehrmals ähnliche Erfahrungen gemacht.- Dieses Mal kam es jedoch sehr überraschend, zumal Sam Altman immer mehr von der KI Singularity spricht. – Meine aktuellen Erfahrungen stehen in krassem Widerspruch zu seinen Prognosen.

Ich wechselte zu Claude. Claude war zuerst in der Lage das Programm vollständig zu erzeugen. Die Programm-Ausgabe, begleitet von ähnlich euphorischen Sätzen wie demjenigen im Titel des Blog-Beitrages, kann den Benutzer dazu verleiten, zu glauben, dass Alles in Ordnung ist. Dem war leider nicht so. Claude benötigte sehr viele Korrekturanweisungen: Immer wieder wurden Modell-Kürzungen vorgenommen, teilweise sogar mit erheblichen Modellverfälschungen.

Mit viel Mühe gelang es schließlich eine erste Version des Programms zu erzeugen. Einer weiteren Verfeinerung und Ergänzung widersetzte sich Claude jedoch. Es tauchten ähnliche Probleme wie bei ChatGPT auf: Code wurde weggelassen und schließlich wurde nur noch ‚Spiel-Code‘ angeboten. Zugegeben, der Code war inzwischen umfangreich, jedoch bei weitem nicht vergleichbar mit Code, den man in der professionellen Computersimulations-Forschung einsetzt. – Also auch hier Indizien für ein Überbewerten der kurzfristigen Erreichbarkeit der AI Singularity?!

Ich wechselte zu DeepSeek, meiner letzten Hoffnung den Blog-Beitrag noch fertigzustellen.- Denn der Fertigstellung durch mich alleine gab ich keine Aussicht auf Erfolg. Mit DeepSeek gelang es mir tatsächlich zwei erhebliche Modell-Ergänzungen vorzunehmen.

Ich ließ die Ergebnisse des nun fertigen Programms von allen drei KI-Systemen interpretieren. – Das war noch möglich: Die Interpretationen von ChatGPT und DeepSeek waren am sachlichsten und an den Daten orientiert. Die Interpretationen von Claude waren wieder ziemlich euphorisch, teilweise sehr plakativ. Einmal geschah bei Claude etwas sehr Bedenkliches: Die KI interpretierte die Ergebnisse aus Sicht der letzten Programmversion, die Claude erstellt hatte. Claude hatte die tatsächlichen Ergebnisse völlig falsch zugeordnet und kam zu einer völlig unsinnigen Interpretation.

Ich interpretiere diese teilweise sehr bedenklichen Erfahrungen wie folgt: Es ist möglich, dass das KI-Verhalten durch das Interface zwischen Prompt-UI und eigentlicher KI hervorgerufen wird. Vermutlich nehmen die KI-Anbieter dort für den Anwender intransparente Änderungen am Prompt-Input vor. Es könnte zum Beispiel sein, dass der Prompt nur eine bestimmte Größe haben darf. Die Ausgabe von ‚Spiel-Code‘ statt umfangreichen richtigen Code weist jedoch darauf hin, dass die KI-Systeme selbst überfordert waren und es offensichtlich kein Warnsystem für Überforderung gib. Zwar ist immer Vorsicht bei der Übernahme von KI-Ausgaben geboten, jedoch scheint diese Vorsicht ab einem bestimmten Aufgabenumfang besonders wichtig zu werden.

Ich wende mich nun dem eigentlichen Ziel dieses Blog-Beitrages zu: Der Validierung des Modells anhand realer Daten. Der Begriff ‚Validierung‘ ist etwas hoch gegriffen, da ich einerseits nicht alle 70 Parameter des Modells realen Daten zuordnen kann und anderseits die Zuordnung, die ich vornehme nicht ganz eindeutig ist. Die in den sogenannten realen Daten enthaltenen Kriterien für Demokratie basieren ihrerseits auf einem Modell und dieses Modell passt nicht zwangsläufig zu meinem Modell. Außerdem enthält die Validierungsmethode selbst gewisse Annahmen.

Ich benutze die V-Dem Daten von 1990-2024, die zu den umfangreichsten und weltweit besten Demokratie-Autokratie-Daten gehören [1]. Schon im dritten Teil dieser Blogreihe ‚Von der gesellschaftlichen Kernschmelze oder vom Phasenübergang Demokratie-Autokratie‘ vom Mai 2025 habe ich daraufhin gewiesen, dass es unterschiedliche Datensätze von unterschiedlichen Anbietern gibt und diese teilweise erheblich voneinander abweichen. – Die Validierung hat also hier schon ein nicht unerhebliches Handicap, da die ‚Messdaten‘ von unterschiedlichen Anbietern nicht immer das gleiche Ergebnis zeigen. Die ‚Messungen‘ werden typischer Weise über die Einschätzung eines Expertenkollektivs vorgenommen, ähnlich wie man dies von den Expertenschätzungen im Projektmanagement kennt. Prinzipiell kann diese Art von ‚Messung‘ sehr genau sein, differiert jedoch mit dem angenommen Demokratie-Modell (u.a. Zusammenstellung der Kriterien, Wichtung der Kriterien usw. ).

Ich sehen von diesen Unzulänglichkeiten ab und nehme für 18 Parameter in der ODE-Hauptgleichung Zuordnungen vor (man siehe für das ODE-System den vorherigen Blog-Beitrag). – Damit werden alle ‚Soziale Feld‘ Parameter sowie die Parameter des demokratischen und des autokratischen Agenten abgedeckt. Für den rechts-libertären Agenten gibt es in den V-Dem Daten keine Entsprechung. Tabelle 1 zeigt diese Zuordnung:

Parameter	Zuordnung	V-Dem Indikator	Transformation	Theoretische Begründung
λ (lam bzw. lambda: Control Parameter-Political Stress)	v2x_libdem	Liberal Democracy Index	Verschiedene Zuordnungen a +b*x, für vier verschiedene Regime Bereiche	Gesamtdemokratiequalität als inverser Stressindikator
α_Z (Future Orientation)	v2x_delibdem	Deliberative Democracy	0.02 + 0.06 * x	Deliberative Prozesse fördern langfristige Planung und Zukunftsorientierung
α_W (Value Cohesion)	v2x_cspart	Civil Society Participation	0.02 + 0.06 * x	Zivilgesellschaftliche Teilhabe schafft geteilte Werte und sozialen Zusammenhalt
α_B (Needs Cohesion)	v2x_egaldem	Egalitarian Democracy	0.02 + 0.06 * x	Egalitäre Demokratie adressiert gemeinsame Grundbedürfnisse aller Schichten
α_Q (Institutional Trust)	v2x_rule	Rule of Law	0.005 + 0.055 * x	Rechtsstaatlichkeit als direktes Maß für Institutionenvertrauen
α_I (Inequality Impact)	v2x_egaldem	Egalitarian Democracy	0.01 + 0.05 * (1-x) (invertiert)	Schwache egalitäre Demokratie = hohe Ungleichheit
β_P (Polarization)	v2cacamps	Campaign Polarization	0.03 + 0.09 * x	Direkte Messung von Wahlkampfpolarisierung als autokratische Kraft
β_V (Mistrust)	v2x_rule	Rule of Law	0.02 + 0.08 * (1-x) (invertiert)	Schwache Rechtsstaatlichkeit erzeugt gesellschaftliches Misstrauen
β_E (Economic Crisis)	v2x_corr	Corruption Index	0.02 + 0.08 * x	Korruption destabilisiert Wirtschaft und erzeugt Krisen
β_M (Media Polarization/Manipulation)	v2xme_altinf	Alternative Information	0.02 + 0.06 * (1-x) (invertiert)	Weniger alternative Medien = mehr staatliche Medienmanipulation
k_f_ID (Integral Thinking)	v2x_delibdem	Deliberative Democracy	0.00 + 0.03 * x	Deliberation erfordert ganzheitliches Denken
k_f_Ep (Empathy)	v2xcl_rol	Equality before Law	-0.01 + 0.03 * x	Rechtliche Gleichbehandlung setzt Empathie für Gerechtigkeit voraus
k_f_T (Transparency)	v2x_freexp	Freedom of Expression	-0.02 + 0.04 * x	Meinungsfreiheit ermöglicht und erfordert Transparenz
k_f_Wp (Science Affinity)	v2x_freexp	Freedom of Expression	-0.02 + 0.04 * x	Wissenschaftliche Diskussion braucht Meinungsfreiheit
k_f_C (Conspiracy Thinking)	v2xpe_exlpol	Political Exclusion	-0.01 + 0.04 * x	Politischer Ausschluss fördert Verschwörungsdenken
k_f_MG (Power Hunger)	v2x_corr	Corruption Index	-0.02 + 0.05 * x	Korruption reflektiert Machtgier in der Politik
k_f_R (Revenge)	v2cacamps	Campaign Polarization	-0.01 + 0.03 * x	Polarisierung erzeugt Rachegelüste zwischen politischen Lagern
k_f_Wm (Science Denial)	v2xpe_exlpol	Political Exclusion	-0.02 + 0.04 * x	Ausgrenzung führt zu Anti-Establishment und Wissenschafts-feindlichkeit

Tabelle 1: Diese Tabelle ordnet meinen Modell-Parametern die Modell-Parameter des V-Dem Modells zu. Für den Kontrollparameter ‚lambda‘ wurde eine etwas aufwendigere Zuordnung vorgenommen, da der V-Dem Demokratieindex und der Kontrollparameter als politischer Stressindikator in einem inversen Verhältnis zueinander stehen. Der Freedom of Expression Index wurde zweimal verwendet für Tranzparenz und Wissenschaftsneigung. Der Egalitarian Index und der Corruption Index wurden ebenfalls zweimal verwendet jedoch mit unterschiedlichen Transformationsvorschriften. Die Transformationsvorschriften beruhen auf der Zuordnung Parameter=a+b⋅x bzw. Parameter=a+b⋅(1−x) Die zweite Zuordnung beruht auf der Feststellung, dass manche Parameter wachsen, wenn der Indikator niedrig ist. Wir wählen a und b so, dass für alle realistischen Indikator-Werte in [0, 1] die Modellparameter innerhalb eines theoretisch sinnvollen Intervalls bleiben und bei x=0 den minimal erwarteten Effekt (a) und bei x=1 den maximalen Effekt (a+b) zeigen. Beispiel für α_Z (Future Orientation): α_Z = 0.02 + 0.06 · v2x_delibdem, ⇒ α_Z ∈ [0.02 , 0.08]. Dies deckt den Bereich ab, in dem wir demokratieförderliche Zukunftsorientierung für realistische Deliberation-Werte erwarten.

Die übrigen 52 Parameter, die im Wesentlichen in den Hilfs-ODE’s enthalten sind, bleiben auf ihren Standardwerten. Diese Standardwerte habe ich schon für die vorherigen Blog-Beiträge verwendet. Sie sind für alle Rechnung gleich fixiert.

Damit ergeben sich für die Länder USA, Deutschland, Ungarn und Ukraine folgende an den V-Dem Daten kalibrierten Parameterwerte:

Para-meter	Bedeutung	V-Dem Indikator	USA	Deutsch-land	Ungarn	Ukraine
lam (lambda)	1/Liberal Democracy → Political Stress	v2x_libdem	0.3198	0.2901	0.3562	1.4326
alpha_B	Egalitarian Democracy → Needs Cohesion	v2x_egaldem	0.0610	0.0693	0.0556	0.0408
alpha_I	Egalitarian Democracy → Inequality Impact (inverted)	v2x_egaldem	0.0258	0.0189	0.0303	0.0426
alpha_Q	Rule of Law → Institutional Trust	v2x_rule	0.0585	0.0596	0.0488	0.0199
alpha_W	Civil Society Participation → Value Cohesion	v2x_cspart	0.0791	0.0786	0.0618	0.0536
alpha_Z	Deliberative Democracy → Future Orientation	v2x_delibdem	0.0670	0.0715	0.0502	0.0408
beta_E	Corruption → Economic Crisis	v2x_corr	0.0249	0.0210	0.0476	0.0808
beta_M	Alternative Information → Media Polarization (inverted)	v2xme_altinf	0.0271	0.0221	0.0347	0.0399
beta_P	Campaign Polarization → Polarization Force	v2cacamps	0.0502	–0.1493	0.1105	0.0080
beta_V	Rule of Law → Mistrust (inverted)	v2x_rule	0.0222	0.0205	0.0363	0.0783
k_f_C	Political Exclusion → Conspiracy Thinking	v2xpe_exlpol	–0.0092	–0.0094	–0.0046	–0.0030
k_f_Ep	Equality before Law → Empathy	v2xcl_rol	0.0186	0.0198	0.0180	0.0107
k_f_ID	Deliberative Democracy → Integral Thinking	v2x_delibdem	0.0235	0.0258	0.0151	0.0104
k_f_MG	Corruption → Power Hunger	v2x_corr	–0.0169	–0.0194	–0.0027	0.0180
k_f_R	Campaign Polarization → Revenge	v2cacamps	–0.0033	–0.0698	0.0168	–0.0173
k_f_T	Freedom of Expression → Transparency	v2x_freexp	0.0188	0.0192	0.0147	0.0090
k_f_Wm	Political Exclusion → Science Denial	v2xpe_exlpol	–0.0192	–0.0194	–0.0146	–0.0130
k_f_Wp	Freedom of Expression → Science Affinity	v2x_freexp	0.0188	0.0192	0.0147	0.0090

Tabelle 2: Diese Tabelle zeigt die kalibrierten Parameterwerte des Modells für den Zeitraum 1990-2024. Für sich genommen hat jeder Parameter wenig Aussagekraft. Im Vergleich aller vier Länder bestätigt sich meine Wahrnehmung der jeweiligen Demokratie bzw. Autokratie. Hiernach ist die Ukraine stark autokratisch, Ungarn ist noch demokratisch und USA und Deutschland sind demokratisch. – Jüngste USA Ereignisse sind nicht erfasst: Lediglich am Polarisationsparameter (beta_P) kann man erahnen, was im Jahre 2025 in den USA geschieht.

Auf der Basis dieser kalibrierten Parameter können wir auch in die Zukunft schauen und das Modell nutzen, um eine Zukunftsprognose zur Demokratie-Autokratie Entwicklung der jeweiligen Länder zu wagen. Man beachte, dass diese Prognose keine unerwarteten zukünftigen Ereignisse berücksichtigt, sondern lediglich eine vergangene Entwicklung in die Zukunft fortsetzt.

Für die Prognose benutze ich die sogenannte Sobol-Sensitivitätsanalyse [2]. Basierend auf den Ausgangsdaten für den Zeitraum 1990-2024 simuliert diese Analyse für einen Zeitraum von 50 Jahre welche Parameter zukünftig am wichtigsten sind. Mit der Sobol-Analyse ermittele ich die Parameter, die den größten Einfluss auf drei Ergebnistypen haben:

D_final = Demokratie-Wert am Ende des Zeithorizonts von 50 Jahren
D_change = Differenz zwischen End- und Anfangswert
Resilienz = Durchschnittlicher Demokratie-Wert während der schlechtesten 25% der Zeit (misst die Fähigkeit des Systems, unter Druck zu bestehen).

Gemessen werden die sogenannten ST-Werte (Sensitivity Total Werte). Hohe ST-Werte (nahe 1.0) sind für einen großen Teil der Ergebnisvarianz verantwortlich. Das heißt, kleine Änderungen in diesen Parametern führen zu großen Änderungen im Ergebnis. Diese Parameter sind kritisch für das Systemverhalten. Niedrige ST-Werte (nahe 0) haben wenig Einfluss auf das Ergebnis. Diese Parameter können in weiteren Analysen oft fixiert werden. Der politische Nutzen ist offensichtlich: Die Parameter mit hohen ST-Werten sind Hebel für die demokratische Stabilisierung und Risikofrüherkennung. Z.B. bei hoher Sensitivität von `alpha_Q` (Institutionenvertrauen) sind Justizreformen besonders wirksam. Oder z.B. hoher ST-Wert für ‚lambda‘ für Deutschland zeigt an, dass für Deutschland der autokratische Feldanteil durchaus das Potential hat, Deutschland in ein autoritäres System zu kippen. Die Sobol-Analyse liefert eine wissenschaftliche Grundlage für gezielte Reformen und Risikomanagement.

Nun zu den Ergebnissen:

Abbildung 1: Für die USA wird ausgesagt, dass in allen drei Sensitivitätsanalysen jeweils 10 Parameter mit gleicher Stärke für die Demokratie von Bedeutung sind: Rosa eingefärbte Indizes zeigen Parameter des Sozialen Feldes, der blau eingefärbte Parameter steht für die Persönlichkeitseigenschaft ‚Integrales Denken‘ des demokratischen Agenten (dieser Parameter wird besonders hervorgehoben, da er in Anlehnung an das Kultur- und Bewusstseinsmodell Spiral Dynamics eine übergeordnete Bedeutung hat). Die lila eingefärbten Parameter kennzeichnen die übrigen Persönlichkeitsmerkmale der Agenten. Die rot eingefärbten Balken kennzeichnen die Stress-Faktoren des ‚Sozialen Feldes‘, hier Vertrauensverlust, wirtschaftliche Probleme und mediale Polarisierung. Die Anordnung der Parameter von links nach rechts resultiert aus minimalen numerischen Unterschieden. Alle Persönlichkeitsmerkmale des demokratischen Agenten sind von Bedeutung: Das Integrale Denken (k_f_ID), die Empathie (K_f_Ep), die Transparenz (k_f_T) und die Wissenschaftsneigung (k_f_Wp). Das Gleiche gilt für den autokratischen Agenten: Die Wissenschaftsabneigung (k_f_Wm), die Neigung zu Mystik und Verschwörungstheorien (k_f_C), die Macht- und Geldgier (k_f_MG) und die Rache (k_f_R). Die Prägung von US-Demokratie bzw. Autokratie durch Agenten ist also sehr groß!

Abbildung 2: : Für die Ukraine wird ausgesagt, dass für die drei Sensitivitätsanalysen unterschiedliche Parameter mit unterschiedlicher Stärke für die Demokratie von Bedeutung sind: Rosa eingefärbte Balken zeigen Parameter des Sozialen Feldes, der blau eingefärbte Balken steht für die Persönlichkeitseigenschaft ‚Integrales Denken‘ des demokratischen Agenten, die lila eingefärbten Balken kennzeichnen die übrigen Persönlichkeitsmerkmale der Agenten. Die grün eingefärbten Parameter kennzeichnen die demokratischen Faktoren des ‚Sozialen Feldes‘, die rot eingefärbten Parameter kennzeichnen die Stress-Faktoren des ‚Sozialen Feldes‘. Die Anordnung der Parameter von links nach rechts resultiert aus minimalen numerischen Unterschieden. Das Integrale Denken ist für alle Prognosen von Bedeutung. Die Wissenschaftsabneigung (k_f_Wm) und die Transparenz (k_f_T) spielen für den finalen Demokratiewert eine große Rolle. Wirtschaftliche Probleme (beta_E) spielen in allen Analysen eine große Rolle. Der Vertrauensverlust ist besonders wichtig für D_final und resilience. Die autokratischen und sogar rechts-libertären Agenten Eigenschaften zeigen sich in allen drei Analysen. Die Prägung der Politik durch diese Agenten ist relativ groß.

Abbildung 3: Deutschland ist das einzige der vier untersuchten Länder, bei dem der Kontrollparameter lam = lambda eine herausragende Rolle spielt. Weitere rosa eingefärbte Balken zeigen Parameter des Sozialen Feldes. Der blau eingefärbte Balken steht für die Persönlichkeitseigenschaft ‚Integrales Denken‘ des demokratischen Agenten, die lila eingefärbten Balken kennzeichnen die übrigen Persönlichkeitsmerkmale der Agenten. Die grün eingefärbten Parameter kennzeichnen die demokratischen Faktoren des ‚Sozialen Feldes‘, die rot eingefärbten Parameter kennzeichnen die Stress-Faktoren des ‚Sozialen Feldes‘. Die Anordnung der Parameter von links nach rechts resultiert aus minimalen numerischen Unterschieden. Die Persönlichkeitseigenschaften des demokratischen Agenten spielt eine große Rolle: Wissenschaftsneigung (k_f_Wp), Transparenz (k_f_T), Empathie (k_f_Ep) und Integrales Denken (k_f_ID). Für die Resilienz spielen die WerteKohäsion (alpha_W), funktionierende demokratische Institutionen (alpha_Q) und eine geringe Ungleichheit (alpha_I) eine herausragende Rolle. Diese Analysen zeigen, dass lediglich die Eigenschaften der demokratischen Agenten mitbestimmend sind, autokratische und rechts-libertäre Agenten spielen keine Rolle.

Für Ungarn konnte leider keine valide Sobol-Analyse durchgeführt werden. Lediglich ca. 17 % der ODE-Berechnungen konnten mit dem vorliegenden Parametersatz erfolgreich abgeschlossen werden. – Deshalb sind alle Prognosen nicht valide. – Es ist möglich, dass dies an Instabilitäten der Rechnungen liegt, jedoch zeigen diese an, dass Ungarn bis 2040 in eine chaotische Autokratie driftet. – Nicht sehr beruhigend…

Dieser Blog-Beitrag schließt (vorläufig) diese Blog-Reihe. Ich fasse meine Erkenntnisse zusammen.

Das mit KI entwickelte ODE-Modell hat sich erstaunlich gut bewährt:

Die von V-Dem bereitgestellten Muster zum zeitlichen Übergang Demokratie-Autokratie konnten nachgebildet werden.
Das ‚Soziale Feld‘ bestehend aus demokratischen und autokratischen Elementen hat als Ordnungsparameter die Differenz von Autokratie- und Demokratiefaktoren. Diese Differenz bildet einen Phasenübergang 1. Ordnung aus, wenn der Kontrollparameter ‚lambda‘ (sozialer Stress) einen bestimmten Wert überschreitet. Ordnungs- und Kontrollparameter bleiben bei Einführung der Agenten strukturell bestehen.
Autokratische, demokratische und rechts-libertäre Agenten modulieren das ‚Soziale Feld‘ auf zwei Arten: Durch Veränderung des Kontrollparameters und durch unmittelbare Veränderung des Feldes durch die jeweiligen Persönlichkeitseigenschaften. Die beobachten Veränderungen des Übergangs Demokratie-Autokratie stehen u.a. im Einklang mit den aktuellen Beobachtungen für die USA.
Die Validierung des Modells mit allgemein akzeptierten Daten des V-Dem zeigt eine erstaunliche Übereinstimmung. Auf der Basis der ODE’s mit den kalibrierten Modell-Parametern lassen sich Länder-Prognosen für die Entwicklung der Demokratie bzw. Autokratie erstellen. Diese Prognosen treffen Aussagen darüber, welche Modell-Parameter bei welchem Land von Bedeutung sind. Die Modell-Parameter für das ‚Soziale Feld‘, die Agenten Parameter sowie der Kontrollparameter haben für unterschiedliche Länder eine unterschiedliche Bedeutung: So zeigt zum Beispiel die Analyse, dass im US-amerikanischen Kontext die autokratischen Agenten ein große Rolle spielen, für Deutschland spielen diese jedoch überhaupt keine Rolle. Es überwiegt das ‚Soziale Feld‘ und die demokratischen Agenten. Die Dominanz des ‚Soziale Feld‘ für Deutschland zeigt sich auch an der Bedeutung des Kontrollparameters ‚lambda‘. Hier liegt aber auch ein besonderes Risiko: Deutschland kann in eine Autokratie kippen, ohne dass autokratische oder rechts-libertäre Agenten dies forcieren.
Auch wenn Modelle nur Modelle sind, so sind diese Ergebnis sehr bemerkenswert, da an keiner Stelle diese Ergebnisse verdeckt in die ODE‘s einfließen. Die Ergebnisse sind so länderspezifisch, dass sie als Basis zum Nachdenken anregen sollten…

Bei meinen Recherchen bin ich auf einige wissenschaftliche Artikel gestoßen, für die angegeben wird, dass sie sich dem Übergang Demokratie-Autokratie widmen. Meine nachfolgende Analyse hat ergeben, dass aus meiner Sicht nur die V-Dem Veröffentlichungen relevante Aussagen zum Übergang Demokratie-Autokratie enthalten. Eine Veröffentlichung [3] beschäftigt sich mit dem Zusammenhang von Demokratie und Human Development Index (HDI) und verwendet hierfür eine ähnliche Vorgehensweise, wie ich sie in den Blog-Artikeln verwendet habe.

Diese letzte Erkenntnis ist um so bedauerlicher, als meines Erachtens der Übergang Demokratie-Autokratie eines der wichtigsten politikwissenschaftlichen Themen unserer Zeit sein sollte.

[1] V-Dem (2025) https://www.v-dem.net/data/the-v-dem-dataset/, Datensatz: Country-Year: V-Dem Full+Others

[2] Wikipedia (2025) Variance-based sensitivity analysis, https://en.wikipedia.org/wiki/Variance-based_sensitivity_analysis

[3] Spaiser V, Ranganathan S, Mann RP, Sumpter DJT (2014) The Dynamics of Democracy, Development and Cultural Values. PLoS ONE 9(6): e97856. doi:10.1371/journal.pone.0097856

Von der gesellschaftlichen Kernschmelze – von politischen Emotionen oder von der enggeistigen banalen Selbstorganisation

Dieser Blog ist der vierte Teil der Blog-Serie ‚Von der gesellschaftlichen Kernschmelze…‘. Wie auch in den vorherigen Beiträgen nutze ich ChatGPT, dieses Mal vorwiegend in der Version o4-mini-high, um den Blog-Beitrag in einem hybriden Collective Intelligence Setting zu erstellen. Für die Qualitätssicherung verwende ich die KI-System Claude 3.7 Sonnet und DeepSeek.

Abbildung 0: Die enggeistige banale Selbstorganisation in einer Autokratie, erstellt mit Hilfe von ChatGPT

Autokraten haben in der Vergangenheit immer Leid über die Menschen gebracht und – soweit mir dies bekannt ist – sich auch immer persönlich bereichert: Man siehe Trump, Putin, Orban oder Erdogan. Alle vier verfügen über ein enggeistiges Bewusstseinsniveau in dem Macht- und Geldgier mit Skrupellosigkeit und Korruptionsbereitschaft zusammenkommen. Enggeistig deshalb, weil diese Autokraten in den dazugehörigen limitierenden Werten und Motiven steckengeblieben sind: Vernetzt und über sich hinaus wahrzunehmen und zu erfahren, dies können sie nicht; Wissenschaft mögen sie nicht, lediglich insoweit, als sie ihnen nutzt, ihre Ziele zu erreichen. – Sie erfinden zum Teil unglaubliche Lügen, um Wissen zu diskreditieren.

In meinem Blog ‚Von der kulturellen Aufrechterhaltung von Unwissen oder von der banalen* Selbstorganisation‘ vom März 2021 habe ich verdeutlicht, dass eine enggeistige mentale Selbstorganisation versucht, Komplexität zu beherrschen, indem sie wertvernichtende Komplexität erzeugt: Es werden Menschen, soziale Systeme und die Natur geschädigt oder vernichtet, um autokratische Ziele zu erreichen. Es ist eine enggeistige banale Selbstorganisation der inneren Haltung, weil die Fähigkeit zur empathischen Selbstreflexion nicht vorhanden ist und daraus ‚ego-shooter‘ Handlungen erwachsen.

Und trotzdem werden diese Autokraten, teilweise in freien Wahlen, von großen Teilen der jeweiligen nationalen Bevölkerung gewählt.

Autokraten verstehen es, politische Emotionen zu bedienen. Es sind limitierende politische Emotionen, die latent in Teilen der Bevölkerungen vorhanden sind.

Der Kognitionswissenschaftler Fritz Breithaupt hat hierzu vor Kurzem im Spiegel einen Beitrag veröffentlicht [1]. Er hat ein Muster identifiziert, das Autokraten und faschistische Parteien benutzen, um Resonanz zwischen sich und diesen Teilen der Bevölkerungen zu erzeugen:

Es werden zuerst negative Emotionen geschürt, die an die potentiell limitierenden Werte und Motive wie Macht, Ehre, Anerkennung, Stolz, Status, Ordnung, Neid und Rache andocken. Typisches Beispiel in den USA und in Deutschland ist die Angst vor Ausländern, da diese einem ‚richtigen‘ Bürger vermeintlich Wohlstand oder Sicherheit wegnehmen.
Negative Emotionen, die mit mentalem Stress verbunden sind, werden in einem zweiten Schritt durch positive Emotionen ‚neutralisiert‘. – Es wird eine enggeistige mentale Selbstorganisation induziert: Zu diesen limitierenden positiven Emotionen (Bedürfnissen/Werten/Motiven) gehören u.a.: Ich- und Wir-Stolz, Triumph, Genugtuung, Patriotismus sowie ‚Ausbrechen aus dem engen Leben‘ über Abenteuer und koloniale Entdeckungen bzw. Besitzergreifungen. Diese Emotionen werden mit Narrativen angeregt und vermittelt. Die Narrative enthalten oft mystische und identitätsstiftende – zum Stamm gehörende, ethnische – Komponenten.

Beispiele hierfür sind in der MAGA Bewegung, u.a.:

‚Ich muss mich gegen den Ausländer, der mich und meine Familie bedroht, verteidigen. Ich bin ein Held/eine Heldin an der Seite von Trump, der uns alle rettet, in dem er uns führt.‘ – Es ist das Muster vieler Western-Geschichten.

‚Wir haben äußere Feinde, die uns bedrohen und es ist notwendig uns durch strategische Außenposten abzusichern‘: Grönland, Kanada und der Panamakanal sind solche strategischen Außenposten. ‚Wir, Amerikaner, stoßen in eine unbekannte glorreiche Zukunft vor.‘ – „Es ist sehr befriedigend, mit einer uneingeschränkten Zukunft zu spielen – insbesondere mit einer Zukunft auf fremdem Boden“ [1]. Beide Beispiele kennen wir, leicht abgewandelt, aus der Nazi-Zeit.

Wenn die amerikanischen Universitäten von Trump als Ort des ‚Unnatürlichen und Woken‘ angegriffen werden, so sorgt er dafür, dass Wissenschaft diskretiert wird und gleichzeitig verschafft er einem Teil der Bevölkerung ein Gefühl der Genugtuung. „Dazu kommen die Minderwertigkeitskomplexe vieler Menschen gegenüber den Eliteunis, denn diese lehnen ja den größten Teil der Bewerber ab. Ablehnungen können als Narbe bleiben und Rachegefühle schüren.“ [1]

Ähnliche Narrative finden wir auch in Deutschland seitens der AfD, u.a.:

‚Die Ausländer sind eine Gefahr für unseren Wohlstand und unsere Sicherheit. Nur wir sind die Retter.‘ – Man siehe hierzu auch den ZDF-Beitrag zur ‚Deutschen Angst‘ [2]. ‚Die EU und deren Bürokraten halten uns gefangen, wir müssen uns von dieser Gefangenschaft befreien. Wir sind die einzigen! Befreier.‘

„Wenn Alice Weidel auf dem AfD-Parteitag das Niederreißen der Windräder fordert, weil sie die Landschaft verschandelten, trifft das den Kern dessen, was derzeit als besserwisserische Vorschreibekultur abgehandelt wird. Das Heben des Zeigefingers allein bereitet da manchem schon Vergnügen.“ [1]

Fritz Breithaupt schließt seinen Beitrag, in dem er feststellt, dass keine der demokratischen Parteien Narrative mit nicht-limitierenden positiven Emotionen anbietet. – Er sieht hierin einen wesentlichen Grund für das Erstarken der AfD. – Dieser Meinung schließe ich mich an.

Ich verweise auch auf das Kultur- und Bewusstseinsmodell Spiral Dynamics, das ich sehr oft in diesem Blog verwendet habe, um ähnliche Phänomene wie die hier geschilderten, zu erläutern: Die limitierenden politischen Emotionen und die dazugehörigen Narrative erwachsen aus den limitierenden Bewusstseinsebenen (beige, purpur, rot und blau) und werden in Teilen der Bevölkerung durch keine nicht-limitierenden politischen Emotionen reguliert, die auf höheren Bewusstseinsebenen (orange, grün, gelb und türkis) ausgebildet sind.

Teile, der obigen Aussagen können als Aussagen der Ausgrenzung verstanden werden. – Ausgrenzung kann zu einer Verstärkung der limitierenden Werte führen [3]. Durch die Beschäftigung mit den Blog-Beiträgen zum Übergang Demokratie-Autokratie habe ich die Überzeugung gewonnen, dass es notwendig ist, die AfD zu verbieten und ggf. damit ihre Wähler auszugrenzen. Wie die hier vorliegende Theorie und auch die Lehren aus der (jüngsten) Vergangenheit gezeigt haben, kann ein Übergang von der Demokratie zur Autokratie in sehr kurzen Zeiträumen, also durch einen Phasenübergang 1. Ordnung, geschehen: Hitler hat es z.B. in 2 Monaten geschafft.- Trump hat in 5 Monaten eine beachtliche autokratische Leistung gezeigt.

Falls der Drift-to-Danger Prozess zur Autokratie in vollem Gange ist, ist es leider zu spät.

Die nachfolgende Abbildung 1 verdeutlicht diese Aussage mittels meines Modells für das Szenario ‚Demokratische Transition‘ des Übergangs Demokratie-Autokratie (man siehe hierzu auch den vorherigen Blog-Beitrag). Abbildung 1 zeigt eine spezielle Heatmap, die das sogenannte Attraktor-Bassin des Modells in Abhängigkeit zweier Parameter visualisiert. Lambda (λ) ist der Kontrollparameter des Übergangs und ‚steuert‘ den Einfluss autokratischer Faktoren. Mü (µ) ist der Parameter der System-Trägheit, der das Gedächtnis der Gesellschaft beeinflusst. Beide Parameter zusammen charakterisieren den Zustandsraum Demokratie-Autokratie. Die gelbe Farbe zeigt demokratische Zustände an, die violette Farbe zeigt das autokratische Bassin. Falls das Gedächtnis an die Demokratie groß ist ( d.h. großes µ) gib es zwar hell- und dunkle-grüne Quadrate, also fast demokratische Zustände, im Meer der Autokratie, aber die Wahrscheinlichkeit für ihr Durchsetzen ist gering. Also anders ausgedrückt: Autokratien, die sich einmal durchgesetzt haben, lassen sich nicht mehr schnell und einfach in Demokratien transformieren.

Abbildung 1: Attraktor-Bassin des Ordnungsparameter-Paares Autokratie-Demokratie. Lambda (λ) ist der Kontrollparameter des Übergangs und ‚steuert‘ den Einfluss autokratischer Faktoren. Mü (µ) ist der Parameter der System-Trägheit, der das Gedächtnis der Gesellschaft beeinflusst. Gelb steht für Demokratie, Violett für Autokratie. Die Schattierungen zeigen Zustände zwischen Demokratie und Autokratie.

Das ZDF hat gerade eine Dokumentation zum Thema ‚Trump und das Silicon Valley‘ herausgebracht [4]. – Es kann einem Angst und Bange werden: Die Ausführungen meiner Blog-Beitrags-Serie werden leider bestätigt. – Die Tech-Autokratie ist schon da!

[1] Breithaupt F (2025) Politische Emotionen – Im Rausch der rechten Erzählungen, https://www.spiegel.de/politik/deutschland/donald-trump-alice-weidel-im-rausch-der-rechten-narrative-meinung-a-7a402a6b-ea2d-4d0c-bebb-198510e1514e

[2] WDR (2025) Volk in Angst: Wie mit Verbrechen Politik gemacht wird, https://www.ardmediathek.de/video/3JpZDovL3dkci5kZS9CZWl0cmFnLXNvcGhvcmEtYzAzYzg2NTEtMjk3OC00ZWExLWI5OTgtZGQ2N2M4ZTY2NjM5

[3] Kappelsberger F (2025) Die fatalen Folgen von Ausgrenzung, https://www.spektrum.de/news/die-fatalen-folgen-von-ausgrenzung/2256161, Spektrum der Wissenschaft

[4] Andersen A, Kleber C (2025) Trump und das Silicon Valley, https://www.zdf.de/play/dokus/zdfzeit-106/trump-und-das-silicon-valley-100, ZDF

Von der gesellschaftlichen Kernschmelze oder vom Übergang Demokratie-Autokratie und der Liebe zum Faschismus

Abbildung 0: Bild generiert von ChatGPT 40 mini mit dem Blog-Beitrags-Titel als Prompt.

(Dieser Blog ist der zweite Teil der Blog-Serie ‚Von der gesellschaftlichen Kernschmelze…‘.)

Die gesellschaftliche Kernschmelze hat in den USA eingesetzt. – Faschismus-Forscher belegen inzwischen das amerikanische Trump-System mit dem Begriff Faschismus [1].

Mit dem ersten Blog-Beitrag habe ich die Betonung auf den Übergang Demokratie-Autokratie gelegt, also nicht auf die gesellschaftlichen System-Zustände, Autokratie oder faschistisches Regime.

Der Übergang ist aus meiner Sicht genau der Bereich, der wesentliche Phasen, in denen Autokratie, faschistische Regime oder Diktaturen entstehen, sichtbar werden lässt.

Ich sehe drei Phasen:

Erste Phase:

Wenn aus Demokratien autokratische Systeme hervorgehen, offenbart dies die Liebe zum Faschismus derjenigen Wähler, die rechtsextreme Ansichten unterstützen. In einem Linkedin-Beitrag hat Paul Stolle [2] auf einprägsam Weise Grunderkenntnisse von Umberto Eco „Zum ewigen Faschismus“ [3] zusammengefasst:

„Hier die 14 Merkmale von Umberto Eco aus seinem
Buch »Der ewige Faschismus« von 1995:

1. Kult der Tradition (nix Fortschritt)
2. Ablehnung der Moderne (nix Aufgeklärtes)
3. Kult der Tat um der Tat Willen (nix Denken)
4. Ablehnung der kritischen Analyse (nix Wissenschaft)
5. Angst vor Differenz (nix Fremdes)
6. Appell an Frustration (nix Gesellschaft)
7. Obsession mit Verschwörungen (nix Fakten)
8. Feindbild als einigendes Element (nix Vielfalt)
9. Lebenswille als Waffe (nix Pazifismus)
10. Verachtung der Schwachen (nix Soziales)
11. Kult des Heldentums (nix Friedliches)
12. Männlichkeitskult & Frauenverachtung (nix Feminismus)
13. Selektiver Populismus (nix Inklusives)
14. Missbrauch von Sprache (nix Komplexes)“

Diese 14 Merkmale stilisieren 14 ‚limitierende‘ Verhaltensweisen, die ich mit der ersten Phase des Übergangs Demokratie-Autokratie verbinde. In unserem mathematischen Modell sind diese Verhaltensweisen in den Selbstorganisations-Kontrollparametern des Übergangs enthalten: Polarisierung, WerteKohäsion und BedürdnisKohäsion. Die BedürfnisKohäsion oder besser die fehlende BedürdnisKohäsion ist hierbei das ‚Fundament‘: Die Grundbedürfnisse ‚Selbstwerterhöhung und Selbstwertschutz‘ und ‚Orientierung und Kontrolle‘ und die damit verbundenen Werte/Motive wie Sicherheit, Stärke, Ordnung, Ehre, Macht, Status, Anerkennung, Rache, Wettbewerb können die obigen ‚limitierenden‘ Verhaltensweisen ausbilden [4]. Zeigen sich die ‚limitierenden‘ Verhaltensweisen in einem Teil der Bevölkerung, geht die Kohäsion in den Grundbedürfnissen und Werten/Motiven mit der übrigen Bevölkerung verloren. Sind ‚Führer‘ vorhanden, die dies positiv aufgreifen, indem sie einerseits die Menschen in diesen Verhaltensweisen bestärken, in dem sie die selben Verhaltensweisen zeigen und anderseits zum Ausdruck bringen, dass dies nicht die ‚limitierenden‘ Verhaltensweise sind, sondern vielmehr die Verhaltensweisen der Anderen limitieren und dass deren Verhaltensweisen sie davon abhalten, ein besseres Leben zu führen, dann haben wir die Polarisierung. Die Polarisierung ist der umfassende Kontrollparameter für den Übergang Demokratie-Autokratie.

Ich empfehle die ZDF-Serie ‚USA extrem‘: Diese umfangreiche Serie zeigt in vielen Beispielen was ‚limitierende‘ Grundbedürfnisse und Werte/Motive für die BedürfnisKohäsion und WerteKohäsion und schließlich die Polarisierung in den USA bedeuten. – Man kann erkennen, dass die USA de facto aus zwei sich gegenüberstehenden Parteien besteht. – Eine dieser Parteien ist sehr weit von meiner eigenen inneren Haltung entfernt.

Zweite Phase:

Liegt eine hinreichende Mehrheit für den Einzug von autokratischen (rechtsextremen) Parteien in ein Parlament vor, ist die erste Sicherungsschicht des Drift-to-Danger Modells gefallen. Dies ist eine wesentliche Erkenntnis: Der Übergang von einer Demokratie zur Autokratie ist von den Wählern eingeleitet worden und niemand anderem!! – Trump hat nur genutzt, was in der Bevölkerung an Potential vorhanden war. Hitler hat das damalige Bevölkerungspotential auch genutzt, die AFD versucht es beiden gleich zu tun.

Doch es müssen weitere Sicherheitsschichten fallen: Dies geschieht, in dem Steigbügelhalter naiv, dumm, in eigener Selbstüberschätzung oder bewusst den potentiellen autokratischen Führer und seine Partei unterstützen. Dies verstärkt das weitere Aufbrechen der Bedürfnis- und WerteKohäsion: Die Wähler mit ‚limitierenden‘ Verhaltensweisen kommen fast zwangsläufig zu dem Schluss, dass sie mit ihrer Wahl Recht getan haben, denn die Steigbügelhalter bestätigen dies. – Die Polarisierung nimmt weiter zu. Die USA Tech-Oligarchen sind solche Steigbügelhalter. In Deutschland sind nicht wenige aus der CDU auch Steigbügelhalter. Leider…Wie kann man davon ausgehen, dass eine Partei, die (in Teilen) gesichert rechtsextrem ist, so dumm ist, bei entsprechender zukünftiger Wahlmehrheit, das Ruder nicht zu ihren Gunsten umzulegen. Hitler hat es geschafft, Trump hat es geschafft, Orban hat es geschafft, …wie kann man sicher sein, dass die AFD es nicht schafft.

Die naiven, dummen oder sich selbst überschätzenden Steigbügelhalter der Autokratie erkennen nicht die Dimension der Polarisierung und der damit verbundenen fehlenden Bedürfnis- und WerteKohäsion. ‚Limitierende‘ Verhaltensweisen kann man nicht eliminieren, allenfalls abmildern; selbst Bildung ist kein wirklicher Schutz. Es ist vielmehr notwendig, die ‚limitierenden‘ Bedürfnisse und die damit verbundenen Werte zu befriedigen: Diese Menschen brauchen (wirtschaftliche) Sicherheit, das Gefühl der Ungleichheit darf nicht aufkommen, das Gefühl des Stillstands darf sich nicht breit machen, … Politische Maßnahmen, wie das Streichen des 58 € Tickets, die geringe Besteuerung der Superreichen, die nicht-konsequente Abschiebung von straffälligen Asylanten usw. verletzten die ‚limitierenden‘ Bedürfnisse und Werte/Motive.

Dritte Phase:

Ist die dritte Phase erreicht, ist der Phasenübergang von der Demokratie zur Autokratie vollzogen. Unmittelbar gib es kein Entrinnen mehr.

Hitler hat in atemberaubender Geschwindigkeit die letzten Sicherheitsschichten ‚geschliffen‘, Trump tut es ähnlich atemberaubend, Orban ist auch gut unterwegs…

In der dritten Phase werden alle Machtinstrumente der Demokratie ausgeschöpft und missbraucht, um die Autokratie zu festigen. Eigentlich spielt die Bevölkerung keine große Rolle mehr in diesem bitteren Spiel, ein großer Teil erkennt dies noch nicht einmal, erst dann, wenn es ein böses Erwachen gibt.

Zusammenfassend stelle ich fest:

Der Übergang Autokratie-Demokratie kommt aus der gesellschaftlichen Spaltung (Polarisierung), die leider durch demokratische Kräfte nicht kompetent und rechtzeitig geschlossen wird. Das Verständnis der Bedeutung der Bedürfnis- und WerteKohäsion ist bei vielen demokratischen Politikern nicht vorhanden: Obama und Biden hatten es nicht, aber leider auch nicht Merkel und Scholz. Bei Merz habe ich große Zweifel.

Die ‚Führer‘ der Spaltung nutzen die Polarisierung, die längs in der Gesellschaft vorhanden ist, nur aus. – So gesehen, haben sie es recht einfach.

Der Faschismus ist leider wirklich ‚ewig‘, denn er beruht auf einem Teil unserer Grundbedürfnisse und den damit verbundenen Werten/Motiven. Wir könnten ihn nur ausmerzen, wenn es uns gelänge die Bedürfnis- und WerteKohäsion ‚zu verewigen‘.

Im nächsten Blog dieser Serie wende ich mich wieder dem mathematischen Modell zu.

[1] Brockschmidt A (2025) Trumps Regime nicht „Faschismus“ nennen ist Realitätsverweigerung, https://www.volksverpetzer.de/analyse/trumps-faschismus-nennen/

[2] Stolle P (2025) https://www.linkedin.com/posts/paulstolle_dieser-moment-wenn-dir-bewusst-wird-dass-activity-7318143630978797570-2VBU/?utm_source=share&utm_medium=member_ios&rcm=ACoAAADwjS8Blpat6RQsfTtvnIu1lnZS6K7fuLk

[3] Eco U (2020) Der ewige Faschismus, Carl Hanser Verlag. Kindle Version

[4] Oswald A, Köhler J, Schmitt A (2017) Projektmanagement am Rande des Chaos, Springer Verlag, 2. Auflage, auch in Englisch: Project Management at the Edge of Chaos (2018)

[5] ZDF (2024) USA extrem, https://www.zdf.de/reportagen/usa-extrem-leben-im-land-der-gegensaetze-100

AI & QC & M 4.0: Quantum Cognition für das Team-Management oder von der Macht der Mathematik

(Die in diesem Blog-Beitrag enthaltene recht komplexe Mathematik der Quantenmechanik sowie die dazugehörigen Programme wurden mit der AI-Assistenz von ChatGPT4o1-preview erhalten. ChatGPT4o wurde für die Überprüfung des Blog-Beitrages verwendet. Der enthaltene Podcast wurde von der Google AI noteBookLM erstellt.)

Der nachfolgender Podcast fasst den Blog-Beitrag in englischer Sprache zusammen und wurde von der Google AI notebookLM erzeugt:

Abbildung 0: Ein Bild, erzeugt von ChatGPT/DALL.E, das den Blog-Beitrag visuell unterstützt und im Stil von van Gogh gestaltet ist. Es zeigt Teammitglieder in einer dynamischen Interaktion, die die Konzepte der Quantum Cognition durch wellenartige Verbindungen symbolisiert.

Dieser Blog-Beitrag richtet sich an Leser mit einem Hintergrund in Management sowie an jene, die Interesse an quantenmechanischen Konzepten im Bereich der Kognition und Teamdynamik haben: Keine Angst vor Mathematik ist hilfreich!

Bei den Recherchen zu dem vorherigen Quantum Computing Blog-Beitrag bin ich auf den Begriff ‚Quantum Cognition‘ gestoßen [1]. Sofort wenn man den Wikipedia Artikel oder die wissenschaftlichen Artikel [2],[3] liest, wird man darauf hingewiesen, dass Quantum Cognition nichts mit Quantum Mind [4] oder der Idee, dass Bewusstsein durch Quanteneffekte hervorgerufen wird, zu tun hat. – Wenngleich das letzte Wort hierzu sicherlich noch nicht gesprochen ist.

Bei dem Thema Quantum Cogition geht es um die verblüffende Feststellung, dass kognitive Verzerrungen wie u.a. Tversky und Kahneman sie beschrieben haben [5], schlecht oder überhaupt nicht durch die klassische Wahrscheinlichkeitstheorie (Classical Probability Theory) beschrieben werden, aber sehr wohl durch die Quanten Wahrscheinlichkeitstheorie (Quantum Probability Theorie), wie sie im mathematischen Formalismus der Quantenmechanik enthalten ist. Das ist schon irgendwie faszinierend…und zeigt meines Erachtens die ungeheure Macht der Mathematik: Denn plötzlich wird ein mathematischer Formalismus, der in einem Gebiet entwickelt wurde, auf einem völlig anderen Gebiet angewendet.

Ich beschäftige mich in diesem Blog-Beitrag zuerst mit den Grundlagen von Quantum Cognition. Anschließend wende ich diese Grundlagen auf die Teamkommunikation an. Bei der Konzeption des Collective Mind vor ca. zwei Jahrzehnten kam die Idee auf, den Collective Mind als sogenannten verschränkten Zustand der mentalen Modelle der Teammitglieder zu verstehen. Ich werde zeigen, dass mit dem Formalismus der Quantum Cognition genau dies möglich ist. Damit ergänze ich die in den vorhergehenden Blog-Beiträgen beschriebenen klassischen Modelle des Collective Mind. – In zukünftigen Blog-Beitragen besteht Raum für eine Integration beider Ansätze😉.

Zuerst zu den Grundlagen von Quantum Cognition. Quantum Cognition benutzt drei Schlüsselelemente der Quantenmechanik:

Superposition (Überlagerung): Ein mentaler Zustand kann als Kombination mehrerer möglicher Zustände betrachtet werden. Damit eröffnet sich die Möglichkeit, Ambiguitäten im menschlichen Verhalten zu modellieren, sowie Unentschlossenheit in Entscheidungsprozessen zu beschreiben.
Nicht-Kommutativität (Interferenz): Wie in der Quantenphysik können mentale Zustände sich gegenseitig beeinflussen, was zu Verstärkungs- oder Abschwächungseffekten führt und einige nichtlineare Entscheidungsprozesse erklärt. Psychologische Beispiele hierfür sind das Priming und die verschiedenen mentalen Verzerrungen, u.a. auch der Bias.
Verschränkung (Entanglement): Unterschiedliche kognitive Variablen können stark miteinander verbunden sein, so dass der Zustand einer Variablen unmittelbar den Zustand einer anderen beeinflusst. Das Hebb’sche Gesetz beschreibt diesen Effekt: Psychologische Beispiele hierfür sind Gefühle, die unmittelbar die Wahrnehmung beeinflussen.

Ich habe diese drei Schlüsselelemente in den Abbildungen 1-3 skizziert. Die in diesen Abbildungen enthaltenen mathematischen Ausdrücke der Quantenmechanik sind meines Erachtens nicht wichtig für ein Verstehen der wesentlichen Aussagen dieses Blog-Beitrages. Sie mögen aber dem ein oder anderen vielleicht beim besseren Verständnis helfen.

Ich erläutere im Folgenden die in Abbildung 2 enthaltenen Aussagen zum Schlüsselelement der Nicht-Kommutativität (Interferenz) etwas genauer, u.a. deswegen weil dort der Begriff des Projektionsoperators eingeführt wird, der für die Quantenmechanik und die Quanten Cognition von großer Bedeutung ist. Für die beiden anderen Schlüsselelemente verweise ich auf die Abbildungen 1-3.

Wenn wir an eine Person oder an ein Ding denken, so rufen wir ein mentales Konzept von dieser Person oder diesem Ding ab. Nehmen wir zwei Personen aus der amerikanischen Politik: Clinton und Gore. Jeder von uns hat wahrscheinlich ein mehr oder weniger ausgeprägtes Konzept bzw. eine mentale Repräsentation oder eine Idee von Clinton und Gore. Dieses Konzept wird u.a. durch Interaktion mit der Umwelt aktiviert. In unserem Clinton-Gore-Beispiel sind Konzepte wie ‚Clinton‘ und ‚Gore‘ die grundlegenden Einheiten, die wir modellieren möchten: Nehmen wir an, jemand würde uns die Frage stellen, ob wir Clinton vertrauenswürdig finden und anschließend die Frage stellen, ob wir Gore vertrauenswürdig finden. Psychologische Experimente haben gezeigt, dass die Wahrscheinlichkeit, beide Fragen mit Ja zu beantworten auch von der Reihenfolge der Fragen abhängt [3]. D.h. die Fragen rufen Konzepte auf und die Konzepte beeinflussen sich gegenseitig, aber nicht-kommutativ. Nicht-kommutativ bedeutet, dass es auf die Reihenfolge der Fragestellung ankommt. – Ein sehr erstaunliches Phänomen. In der Welt der Quanten kennt man entsprechende Phänomene: Die Reihenfolge von Messungen hat Einfluss auf die Ergebnisse der Messungen.

In der Quantenmechanik verwendet man sogenannte Projektionsoperatoren, die eine Messung bzw. Messreihenfolge repräsentieren. Mit einem Projektionsoperator projiziert man den Ausgangszustand auf den gemessenen Zustand. Damit kann man Wahrscheinlichkeitsaussagen treffen, wie wahrscheinlich es ist, dass der Ausgangszustand in den gemessenen Zustand übergeht.

Entsprechend werden in der Quantum Cognition kognitive Projektionsoperatoren zur Modellierung der Aktivierung eines kognitiven Konzepts in einer Person benutzt. – Es findet sozusagen eine Messung statt.

Nehmen wir an, dass bei der Frage nach Clinton bei einer befragten Person eine gewisse Ambivalenz (vertrauenswürdig, nicht-vertrauenswürdig) bezüglich der Antwort vorhanden ist. Für Gore nehmen wir eine andere Ambivalenz an. Wir nehmen auch an, dass bevor die Fragen gestellt werden, es noch keine Manifestationen von Präferenzen gibt. – Es gibt zum Beispiel keinen Bias durch eine gerade stattgefundene Diskussion zu diesem Thema. Die Projektionsoperatoren konstruieren wir als ambivalente Mischung (Superposition) aus einem vertrauenswürdigen und einem nicht-vertrauenswürdigen Basiskonzept. Hierbei kann es durchaus sein, dass eine befragte Person Clinton in dieser ambivalenten Mischung für vertrauenswürdiger als nicht-vertrauenswürdig hält. Bevor die Frage gestellt wird, ist dies jedoch nicht sichtbar, die innere Haltung ist unentschieden. Entsprechendes gilt natürlich für eine andere ambivalente Mischung bei Gore.

In der Quantenmechanik bezeichnet man die Basiskonzepte als Vektoren im sogenannten Hilbertraum. Der Hilbertraum ist ein spezieller mathematischer Raum, in dem die Vektoren quantenmechanischen Operationen unterliegen. Die Projektionsoperatoren sind solche Operationen und werden als Tensoren (haben das Aussehen von Matrizen) beschrieben, die auf diese Vektoren wirken. – Tensoren sind auch die zentralen Operationen in klassischen AI-Systemen. – Im Quanten Computing implementieren die Qubits die Vektoren und die Wechselwirkung der Vektoren entsprechen den Tensoren.

Wendet man den Formalismus der Quantenmechanik an, so kann man zeigen, dass nicht-kommutative Projektionsoperatoren, angewendet auf ambivalente innere Haltungen, eine Interferenz in den Antworten erzeugen. Die Basiskonzepte ‚Clinton‘ und ‚Gore‘ interferieren wie Wellen in der Physik: U.a. interferiert das vertrauenswürdige Basiskonzept mit dem nicht-vertrauenswürdigen Basiskonzept. Dies führt auch dazu, dass die Reihenfolge der Fragen entscheidend ist, da in Abhängigkeit der Reihenfolge unterschiedliche Interferenzen auftreten. Dies bedeutet, dass die gemeinsame Wahrscheinlichkeit Clinton zuerst als vertrauenswürdig einzustufen und anschließend Core, verschieden ist von der gemeinsamen Wahrscheinlichkeit Core zuerst als vertrauenswürdig einzustufen und anschließend Clinton. – Magisch…jedoch genau solche Effekt werden tatsächlich gemessen:

Wird zuerst nach Clinton als vertrauenswürdig gefragt und dann nach Gore, ergibt sich im statistischen Mittel, dass 50% der Befragten Clinton für vertrauenswürdig halten, und 68% Gore. Stellt man die Reihenfolge um, so geben 60% Gore als vertrauenswürdig an und 57% Clinton [3]. Es entsteht also eine Diskrepanz von ca. 7-8 %, hervorgerufen durch die Reihenfolge. Mit Hilfe der Formeln in Abbildung 2 zu den Wahrscheinlichkeiten lassen sich die Wahrscheinlichkeiten P _{Clinton dann Gore} = 0,340 und P _{Gore dann Clinton} = 0,342 berechnen. Die gemessenen Wahrscheinlichkeiten sind klassische statistische Wahrscheinlichkeiten, enthalten also Aussagen zu einer mittleren mentalen Ambivalenz aller befragten Personen. Berücksichtigt man dies, so kann man mit Hilfe des quantenmechanischen Formalismus Aussagen über die mittlere Ambiguität und Interferenz der mentalen Konzepte treffen:

In der Sequenz ‚Clinton dann Gore‘ zeigen die Berechnungen, dass weniger Ambiguität bezüglich Gore vorliegt, wenn zuerst nach Clinton gefragt wird. Dies deutet darauf hin, dass die mentale Repräsentation von Gore klarer oder positiver ist, wenn sie durch die vorherige Frage nach Clinton beeinflusst wird.

In der Sequenz ‚Gore dann Clinton‘ zeigen die Berechnungen, dass die Ambiguität bezüglich Clinton höher ist, wenn Gore zuerst gefragt wird. Dies deutet daraufhin, dass die mentale Repräsentation von Clinton stärker vom Kontext und vorherigen Informationen abhängt.

Abbildung 1: Superposition von mentalen Basiskonzepten

Abbildung 2: Nicht-Kommutativität und Interferenz von Basiskonzepten

Abbildung 3: Verschränkung von Basiskonzepten

Nach dieser kleinen Einführung in die Schlüsselelemente der Quantum Cognition, wende ich mich dem deutlich komplexeren Thema der Team-Kommunikation bzw. der Collective Mind Modellierung eines Teams zu.

Ich wollte hier ursprünglich ein Beispiel mit drei Teammitgliedern und den Big Five Persönlichkeitsmerkmalen, die einen Hilbertraum aufspannen, skizzieren. Jedoch haben die ersten Tests mit einem dazugehörigen Simulations-Programm auf einem klassischen Computer ergeben, dass dieses Programm schon nicht mehr auf meinem Laptop mit 16 GB Hauptspeicher lauffähig ist. Der Grund liegt darin, dass ein Hilbertraum mit 32768 Dimensionen aufgespannt wird. Die Dimension 32768 = 2 hoch (3*5), ergibt sich aus 3 Teammitglieder mit jeweils 5 Big Five Dimensionen. Jede Big Five Dimension wird durch einen Zustand 1 (hohe Ausprägung) und 0 (niedrige Ausprägung) repräsentiert. Es werden also für die Beschreibung der Wechselwirkung der Personen Tensoren (Matrizen) benötig, die eine Größe 32768*32768 haben.

Statt dessen skizziere ich hier ein Beispiel aus 3 Teammitgliedern und lediglich 2 Big Five Dimensionen, nämlich Offenheit und Gewissenhaftigkeit. Damit wird ein Hilbertraum von 64 Dimensionen aufgespannt. Die Berechnungen hierzu liegen im Sekundenbereich.

Die drei Teammitglieder nenne ich Alice, Bob und Charlie. Diese Namen sind Klassiker in jeder Literatur über Quantenmechanik.

Ich wähle als Start für meine Berechnungen folgende Big Five Dimensionen:

	Offenheit	Gewissenhaftigkeit
Alice	hoch	unbestimmt
Bob	unbestimmt	hoch
Charlie	unbestimmt	niedrig

Tabelle 1: Ausgangszustände der Big Five Dimensionen der Teammitglieder Alice, Bob und Charlie

Ein Zustand, der als hoch bezeichnet wird, startet mit einer Qubit ‚1‘. Ein Zustand, der als niedrig bezeichnet wird, startet mit einer Qubit ‚0‘ und ein unbestimmter Zustand wird als Superposition der Zustände hoch und niedrig modelliert. Abbildung 4 enthält diese Aussagen in einer etwas formalisierten Form.

Abbildung 4: Anfangszustände und Interaktionsoperator im Teammodell

Da wir 2 Big Five Dimensionen für 3 Teammitglieder haben, benötigen wir 6 Qubits. Wir führen keine Berechnung auf einem Quantencomputer durch, sondern arbeiten mit einer Quantensimulation, also mit einer quantenmechanischen Berechnung, durchgeführt auf einem klassischen Computer, meinem Laptop.

Diese Berechnung soll folgende Fragenstellungen untersuchen:

Wie hoch ist die Wahrscheinlichkeit, dass alle Mitglieder eine hohe Offenheit aufweisen, obwohl nur Alice dies als Präferenz mitbringt?

Wie hoch ist die Wahrscheinlichkeit, dass alle Mitglieder eine hohe Gewissenhaftigkeit aufweisen, obwohl nur Bob dies als Präferenz mitbringt?

Wie hoch ist die Wahrscheinlichkeit, dass sich das System in einem Collective Mind Zustand befindet und zwar in zwei Varianten. Variante 1: alle Offenheit-Qubits sind verschränkt. Variante 2: alle Offenheit-Qubits und alle Gewissenhhaftigkeits-Qubits sind verschränkt.

Wir definieren wieder einen Projektionsoperator, der in diesem Fall ein Interaktionsoperator ist und nehmen der Einfachheit hier an, dass lediglich gleiche Big Five Dimensionen der Teammitglieder miteinander wechselwirken. Dies ist keine grundsätzliche Einschränkung, sondern ist lediglich der schon recht hohen Komplexität geschuldet. Abbildung 4 zeigt die wesentlichen quantenmechanischen Gleichungen.

Der Interaktionsoperator modelliert die Tendenz von Personen, sich aufgrund von Ähnlichkeiten in ihren Merkmalen zu beeinflussen. Wenn zwei Personen ähnliche Zustände für ein Merkmal haben, verstärkt der Operator diese Ähnlichkeit durch die Interaktion.

Wir können auf dieser Basis Wahrscheinlichkeiten für den Übergang aller Teammitglieder zu hoher Offenheit bzw. hoher Gewissenhaftigkeit berechnen. Damit können wir zwei der oben gestellten Fragen beantworten.

Um die dritte Frage zu beantworten, wie wahrscheinlich ist das Eintreten eines Collective Mind (CM), ist es wieder nötig entsprechende Projektionsoperatoren für Variante 1 und Variante 2 der Verschränkung zu bilden.

Dieser Collective Mind Operator projiziert ausgehend vom vorher berechneten Interaktions-Zustand auf einen Zustand maximaler Verschmelzung der individuellen Zustände zu einem gemeinsamen Bewusstsein.

CM Variante 1: Alle Qubits sind verschränkt. Dies repräsentiert einen Zustand, in dem alle Personen in Bezug auf beide Persönlichkeitsmerkmale vollständig synchronisiert sind.

CM Variante 2: Nur die Offenheits-Qubits sind verschränkt. Lediglich die Dimension Offenheit ist verschränkt, während Gewissenhaftigkeit variiert.

Abbildung 5 zeigt die quantenmechanischen Collective Mind Projektionsoperatoren für Variante 1 und 2.

Abbildung 5: Die Collective Mind Operatoren zu Variante 1 und 2

Nun zu den Ergebnissen: Das recht komplexe Python Programm für die Colab Umgebung wurde mit der AI-Assistenz von ChatGPT 4o1-preview erstellt. Hierbei wurde die Quantum Toolbox QuTIP [6] für die quantenmechanischen Tensor-Operationen verwendet.

Die modellierten Ergebnisse entsprechen qualitativ meinen Erfahrungen in Teams:

Die Ausbildung von einer Team-Präferenz für eine der Big Five Dimensionen hängt von der Reihenfolge der Interaktionen im Team ab: Je nachdem wer zuerst spricht entwickelt sich eine unterschiedliche Dynamik. Es ist von Vorteil, wenn zuerst Personen mit ähnlichen Präferenzen die Kommunikation starten. Sie unterstützen selbst dann Team-Präferenzen, wenn sie selbst keine Präferenz darin haben.

Die Wahrscheinlichkeit für eine Team-Präferenz Offenheit ist moderat, also nicht oberhalb von 50%, wenn nur eine Person diese als persönliche Präferenz hat.

Falls die Präferenz Gewissenhaftigkeit in einem Team durch eine Person vorhanden ist, kann es sein, dass sich die Team-Präferenz Offenheit in einem Team überhaupt nicht ausprägt.

Falls die persönliche Präferenz Gewissenhaftigkeit nur einmal (oder auch mehrmals, gemäß meiner Erfahrung) im Team vorhanden ist, ist die Wahrscheinlichkeit groß, dass sich keine Team-Präferenz Gewissenhaftigkeit ausbildet.

Abbildung 6 zeigt ein Beispiel für ein Szenario, in dem ich die weiter oben angegebenen persönlichen Präferenzen der Teammitglieder für Szenario 4 verändert habe: Die Präferenz Offenheit bleibt wie oben angegeben, jedoch setze ich die Präferenz Gewissenhaftigkeit für alle Teammitglieder auf ‚unbestimmt‘. Das erstaunliche hier ist, dass sich eine gewisse Wahrscheinlichkeit für eine Team-Präferenz Gewissenhaftigkeit ausbildet, obwohl keines der Teammitglieder diese Präferenz hat. In anderen, hier nicht gezeigten Szenarien, führt schon eine persönliche Präferenz Gewissenhaftigkeit immer zu einer sehr geringen Team-Präferenz Gewissenhaftigkeit. Auch dies entspricht meiner Erfahrung.

Abbildung 6: Die Wahrscheinlichkeiten zur Ausbildung der Team-Präferenzen Offenheit und Gewissenhaftigkeit in Abhängigkeit der Interaktionsreihenfolge. Die persönlichen Präferenzen Offenheit von Alice, Bob und Charlie entsprechen den ursprünglich festgesetzten. Die persönlichen Präferenzen Gewissenhaftigkeit für alle drei Personen wurde für dieses Szenario auf unbestimmt gesetzt.

Abbildung 7 zeigt für das Szenario 4 aus Abbildung 6 die Wahrscheinlichkeiten der Ausbildung eines Collective Mind für die Varianten 1 und 2. Die Wahrscheinlichkeit der Ausbildung eines Collective Mind für die Variante 1 (Offenheit und Gewissenhaftigkeit verschränkt) ist deutlich geringer als für Variante 2 (nur Offenheit verschränkt). Die Ausbildung des Collective Mind hängt auch ein wenig von der Interaktionsreihenfolge ab. Jedoch ist diese Abhängigkeit sehr gering: Wenn sich überhaupt ein Collective Mind ausbildet, so hat die Interaktionsreihenfolge kaum noch Einfluss darauf.

Abbildung 7: Die Wahrscheinlichkeiten zur Ausbildung eines Collective Mind für die Varianten 1 (Offenheit und Gewissenhaftigkeit sind verschränkt) und Variante 2 (nur Offenheit ist verschränkt).

Zusammenfassend stelle ich fest:

Der Quantum Cognition Formalismus liefert keine unsinnigen Ergebnisse. Im Gegenteil: Die Ergebnisse decken sich qualitativ mit meinen Erfahrungen. Ich finde die qualitative Interpretation der Ergebnisse erstaunlich nahe an der Praxis: So nahe, dass es schon sehr an Magie grenzt.

Der Nachteil ist, dass der Quantum Cognition Formalismus sehr anspruchsvoll ist. Ohne die AI-Assistenz von ChatGPT4o1-preview wäre es mir nicht möglich gewesen, diese Berechnungen durchzuführen. ChatGPT4o1-preview strauchelte auch einige Male. – Gemeinsam war es jedoch gut möglich dies aufzufangen.

Die Übertragung der Berechnungen auf ein QC Hardware System würde es erlauben, Teamgrößen von 7-10 Teammitgliedern zu modellieren. – Jedoch ist dies ein deutlicher Schritt in Richtung Komplexität, der es aber eventuell wert sein könnte.

[1] Wikipedia (2024a) Quantum Cognition, https://en.wikipedia.org/wiki/Quantum_cognition

[2] Brody D C (2023) Quantum formalism for the dynamics of cognitive psychology, https://www.nature.com/articles/s41598-023-43403-4

[3] Pothos E M und Busemeyer J R (2022) Quantum Cognition, Annual Review of Psychology, https://www.annualreviews.org/content/journals/10.1146/annurev-psych-033020-123501

[4] Wikipedia (2024b) Quantum Mind, https://en.wikipedia.org/wiki/Quantum_mind

[5] Oswald A, Köhler J, Schmitt R (2018) Project Management at the Edge of Chaos, Springer, Heidelberg

[6] QuTIP (2024) QuTIP Quantum Toolbox in Python, https://qutip.org/

Von ‚Agil ist tot‘ und anderen pathologischen Transformationen

Unter Mitwirkung meines Management 4.0-AI-Assistenten myGini (basiert auf chatGPTplus 4x)

In meinem bzw. unserem ersten Blog-Beitrag „Von Wokeness und anderen pathologischen Transformationen“ haben wir die Dynamiken untersucht, die zu einer übermäßigen und oft verzerrten Anpassung an soziale und kulturelle Strömungen führen. In diesem Beitrag wollen wir uns einem weiteren Phänomen widmen, das in der Geschäftswelt für Verwirrung sorgt: Die Behauptung, dass ‚Agil tot ist‘.

Abbildung 1: Grundidee erstellt von myGini/ChatGPT4o/Dall-E, bearbeitet von mir, da die KI nicht in der Lage war, die von mir vorgegebenen Begriffe in den Baum einzusetzen.

Rückblick auf ‚Von Wokeness und anderen pathologischen Transformationen‘

Bevor wir uns mit der Behauptung ‚Agil ist tot‘ befassen, lohnt es sich, den Kerngedanken des ersten Blog-Beitrags kurz zu rekapitulieren: Ursprünglich positive Ideen und Bewegungen gleiten durch Übertreibung und Fehlinterpretation in eine pathologische Richtung ab. Basis für dieses Abgleiten sind ‚ungesunde‘ Entwicklungen individueller Grundbedürfnisse. Diesen Kerngedanken übertragen wir auf die Untersuchung der Aussage ‚Agil ist tot‘.

Die Wurzeln des Agilen Manifests

Das Agile Manifest, das im Jahr 2001 von einer Gruppe von Softwareentwicklern formuliert wurde, setzte neue Standards für Flexibilität, Kundenorientierung und iterative Entwicklungsprozesse. Das Agile Manifest [1] besteht aus lediglich vier Prinzipien, die unmittelbar mit menschlichen Grundbedürfnissen verbunden sind:

Selbstwirksamkeit: Innerhalb vertretbarer Zeit ein Ergebnis zu liefern, das einen Nutzen stiftet. – Wir wollen etwas Sinnvolles tun.

Kontrolle über die eigene Arbeit zu erhalten: Nicht Dokumente und Verträge allein bestimmen die Arbeit. – Menschen sind der wichtigste Faktor.

Teamorientierung: Der Auftraggeber gehört als Kunde zum Team. – Das Denken in Gruppensilos gehört der Vergangenheit an.

Lust an der Arbeit: Leben heißt Veränderung, deshalb ist es wichtig Veränderungen auch in Projekten willkommen zu heißen. – Vielfalt macht mehr Spaß.

Diese Prinzipien haben die Art und Weise, wie Projekte und Teams organisiert und geführt werden, revolutioniert. Leider nicht überall. – In den letzten Jahren ist eine Gegenbewegung entstanden, die behauptet, dass Agilität nicht mehr relevant sei. – Man vergegenwärtige sich diese Aussage: Dies bedeutet, dass in Zeiten von VUCA [2] Agilität keine Bedeutung mehr haben soll und dass ein Arbeiten, das die menschlichen Grundbedürfnisse unterstützt nicht mehr gefragt ist.

Der Ruf nach Veränderung: ‚Agil ist tot‘

Dieser Ruf ‚Agil ist tot‘ ist das Ergebnis einer pathologische Transformation, die durch mehrere Faktoren beeinflusst wird:

Missverständnisse und Fehlanwendungen: Viele Unternehmen haben agile Methoden übernommen, ohne die zugrunde liegenden Prinzipien (vollständig) zu verstehen. Dies führte zu oberflächlichen Implementierungen, die die gewünschten Ergebnisse nicht liefern können.

Kommerzialisierung und Überregulierung: Agile Methoden wurden zunehmend kommerzialisiert, was zur Entwicklung von standardisierten und oft starren Frameworks führte. Dies steht im Widerspruch zur ursprünglichen Flexibilität und Anpassungsfähigkeit der agilen Prinzipien.

Komplexität und Überforderung: In einem zunehmend komplexen Gesellschafts- bzw. Geschäftsumfeld fühlen sich viele Führungskräfte und Teams überfordert. Der Ruf nach „Agilität ist tot“ spiegelt oft eine tiefere Sehnsucht nach Stabilität und Kontrolle wider.

Selbstorganisation und kollektiven Intelligenz: Geführte Selbstorganisation und die damit verbundene kollektive Intelligenz ist ein zentraler Aspekt erfolgreicher agiler Transformationen. Die Fähigkeit von Teams, sich selbst zu organisieren und auf sich verändernde Umstände zu reagieren, ist entscheidend für die Schaffung wertschöpfender Komplexität und Emergenz. Leider findet keine wirkliche Auseinandersetzung mit den Prinzipien der Selbstorganisation [3] statt. – Die fehlende (anstrengende) Auseinandersetzung mit den Prinzipien der Selbstorganisation beginnt schon bei denjenigen, die Agilität vermitteln bzw. lehren.

Pathologische Transformationen im agilen Kontext

Pathologische Transformationen im Kontext der Agilität können verschiedene Formen annehmen:

Übermäßige Formalisierung: Anstatt sich auf die Kernprinzipien von Agilität zu konzentrieren, neigen Organisationen dazu, übermäßig formale und bürokratische Prozesse einzuführen. Dazu gehört auch die dogmatische Anwendung agiler Methoden sowie das sogenannte „Agile Theater“.

Dogmatische Anwendung: Wenn Agilität strikt nach Lehrbuch oder Guide praktiziert wird – in dem Regeln extrahiert werden und befolgt werden, ohne diese wirklich zu verstehen und ohne Rücksicht auf die individuellen Bedürfnisse und Kontexte der Teams und Organisationen – entsteht eine starre und unflexible Arbeitsweise. Dies führt dazu, dass die Anpassungsfähigkeit und die Kreativität der Teams eingeschränkt werden. Anstatt auf Veränderungen und neue Herausforderungen flexibel reagieren zu können, verharren die Teams in festgefahrenen Prozessen, die der agilen Philosophie widersprechen.
Agile Theater: Unternehmen, die agile Rituale und Meetings durchführen, ohne die zugrunde liegenden Prinzipien tatsächlich zu leben, betreiben oft eine Art „Agiles Theater“. Dies bedeutet, dass sie zwar die äußeren Formen und Strukturen der Agilität (partiell) übernehmen, aber die dahinterstehenden Werte und Prinzipien ignorieren. Infolgedessen bleibt der wahre Nutzen der Agilität aus, da die oberflächliche Anwendung keinen echten Wandel in der Arbeitsweise und Kultur des Unternehmens bewirkt.
Hybride Anwendung: Aus Angst etwas falsch zu machen, werden bisherige Praktiken bezüglich der zugrundeliegenden Werte und Grundannahmen nicht hinterfragt. Es werden agile Methoden auf dem Boden traditioneller Denkweisen eingeführt. Der Glaubenssatz, dass ein Unternehmen nur dann erfolgreich ist, wenn alle Mitarbeiter überlastet sind und viele Projekte gleichzeitig bearbeiten werden, dies ist ein solcher Glaubenssatz.

Ignorieren der menschlichen Dimension: Agile Prinzipien betonen die Bedeutung von Kommunikation, Zusammenarbeit und Vertrauen. Eine pathologische Transformation tritt auf, wenn diese menschlichen Aspekte vernachlässigt werden und der Fokus ausschließlich auf Tools und Prozessen liegt. Ohne das menschliche Element verliert Agilität ihre Wirksamkeit.

Kurzfristiges Denken: Agilität beruht auf Selbstorganisation und fördert eine iterative und inkrementelle Herangehensweise, die langfristige Anpassungsfähigkeit ermöglicht. Pathologische Transformationen entstehen, wenn kurzfristige Gewinne über langfristige Nachhaltigkeit gestellt werden. Dies führt zu einer Kultur der Schnellschüsse, die die Ausbildung langfristiger Fähigkeiten im Umgang mit Komplexität und Unsicherheit verhindert.

Management Übernahme: Wenn Führungskräfte agile Methoden als reines Kontrollinstrument implementieren, um größere monetäre Leistung zu erwirtschaften, wird die eigentliche Idee der Agilität pervertiert. Anstatt Teams Autonomie und Verantwortung zu geben, wird Agilität genutzt, um Mikromanagement zu betreiben und den Druck auf die Mitarbeiter zu erhöhen. Dies führt zu einem Verlust des Vertrauens und der Motivation im Team und steht im direkten Widerspruch zu den Prinzipien der Selbstorganisation und Eigenverantwortung, die zentral für die Agilität sind.

Analyse der pathologischen Transformationen durch menschliche Grundbedürfnisse

Wie in unserem ersten Blog-Beitrag zu pathologischen Transformationen beschrieben, können pathologische Transformationen auf ungesunde Entwicklungen individueller Grundbedürfnisse zurückgeführt werden. Diese Erkenntnis übertragen wir auf die agile Transformation:

Bedürfnis nach Selbstwerterhöhung und Selbstwertschutz:

Dogmatische Anwendung: Führungskräfte und Mitarbeiter, die agile Methoden strikt nach Lehrbuch anwenden, können dies aus einem Bedürfnis nach Anerkennung und Bestätigung tun. Indem sie sich strikt an Vorgaben halten, versuchen sie, ihren eigenen Wert zu demonstrieren und sich vor Kritik zu schützen. Diese starre Anwendung führt zu einer unflexiblen und ineffektiven Arbeitsweise.

Agiles Theater: Das zur Schau stellen agiler Methoden ohne deren Werte zu leben, kann ebenfalls aus einem Bedürfnis nach sozialer Anerkennung resultieren. Unternehmen wollen modern und innovativ erscheinen, ohne sich wirklich auf die Veränderungen einzulassen, die echte Agilität erfordert.

Hybride Anwendung: Bisherige Arbeitsweisen werden bezüglich der zugrunde liegenden Werte und Glaubenssätze nicht in Frage gestellt. – Dies geschieht aus individuellem oder organisationalem Selbstschutz. – Die mit bisherigen Arbeitsweisen verbundenen Privilegien will man nicht aufgeben. Letztendlich verharren Personen und Unternehmen in dominierenden Werten wie Macht, Status, Anerkennung (sowie Ordnung und Kontrolle) und wenden aus diesem Werteprofil heraus vermeintlich Agilität an.

Bedürfnis nach Ordnung und Kontrolle:

Übermäßige Formalisierung: Das Bedürfnis nach Ordnung und Kontrolle führt oft dazu, dass Unternehmen agile Methoden übermäßig formalisieren. Dies schafft eine scheinbare Sicherheit und Struktur, erstickt jedoch die Flexibilität und Anpassungsfähigkeit, die Agilität ausmacht.

Management Übernahme: Führungskräfte, die Agilität als Kontrollinstrument nutzen, tun dies oft, um ihre eigene Unsicherheit und das Bedürfnis nach Kontrolle zu kompensieren. Dies widerspricht den Prinzipien der Selbstorganisation und Eigenverantwortung und untergräbt das Vertrauen und die Motivation der Teams.

Bedürfnis nach Lust und Unlustvermeidung:

Kurzfristiges Denken: Unternehmen, die kurzfristige Gewinne über langfristige Nachhaltigkeit stellen, handeln oft aus einem Bedürfnis heraus, schnelle Erfolge zu erzielen und Unannehmlichkeiten zu vermeiden. Dies führt zu einer Kultur der Schnellschüsse, die die langfristige Entwicklung und Anpassungsfähigkeit beeinträchtigt. Die VUCA-Kompetenz wird torpediert.

Bedürfnis nach Bindung und Zugehörigkeit:

Ignorieren der menschlichen Dimension: Das Ignorieren der menschlichen Aspekte in agilen Transformationen kann das Bedürfnis nach Bindung und Zugehörigkeit untergraben. Agile Prinzipien betonen Zusammenarbeit, Vertrauen und Kommunikation. Wenn diese Aspekte vernachlässigt werden, fühlen sich Mitarbeiter entfremdet und demotiviert, was die Effektivität der agilen Methoden sehr stark beeinträchtigt.

Fazit und Ausblick

Der Ruf „Agil ist tot“ ist oft ein Symptom tiefer liegender Probleme und Missverständnisse. Anstatt Agilität als veraltet abzutun, sollten wir uns darauf konzentrieren, die zugrunde liegenden Prinzipien zu verstehen und anzuwenden. Selbstorganisation, kollektive Intelligenz und ein ausgewogenes Verhältnis von Emergenz und vorgegebener Struktur (d.h. Governance, man siehe hierzu diverse vorherigen Blog-Beiträge und die dort genannte weiterführende Literatur) sind Schlüsselkomponenten, um in einer komplexen und sich ständig verändernden Welt erfolgreich zu sein.

Künstliche Intelligenz in der Projektarbeit kann neue Möglichkeiten für hybride kollektive Intelligenz eröffnen. – Man siehe hierzu viele meiner vorherigen Blog-Beiträge.
Diese Form der Zusammenarbeit zwischen Mensch und Maschine kann die Effizienz und Effektivität von Projekten erheblich steigern und neue Wege der Problemlösung eröffnen. Jedoch erfordert dies ein ‚gesundes‘ individuelles und organisationales Agilitäts-Verständnis. Falls dies nicht der Fall ist, ist zu erwarten, dass sich die pathologischen Strukturen verfestigen [4].

Wir laden unsere Leser ein, ihre Erfahrungen und Gedanken zu diesem Thema zu teilen.

[1] Agile Manifest (2024) https://agilemanifesto.org/iso/de/manifesto.html, Stand 28.05.2024

[2] Wikipedia (2024) VUCA, https://en.wikipedia.org/wiki/VUCA, Stand 28.05.2024

[3] Oswald A, Köhler J und Schmidt R (2018) Project Management at the Edge of Chaos, Social Techniques for Complex Systems, Springer Nature, Heidelberg

[4] Oswald A, Flore A, Lang R und Nuhn H (2024) Collective Intelligence von KI und Mensch in der Projektarbeit – Ein Rahmenwerk auf der Basis von ICB 4.0 und Management 4.0, in Bernert C, Scheurer S und Wehnes H (Hrsg.), KI in der Projektwirtschaft – Was verändert sich durch KI im Projektmanagement?, GPM Trend, GPM Deutsche Gesellschaft für Projektmanagement e.V., UVK Verlag, Münche

AI & M 4.0: ‘Welt am Draht‘ oder Hybrid Collective Intelligence mit dem GPT-Multi-Agenten-System crewAI

Im Oktober 1973 zeigt das ARD den Zweiteiler ‚Welt am Draht‘ von Rainer Werner Fassbinder [1]. – Ein Film, der mich damals gleicher Maßen faszinierte wie auch beklemmend wirkte: Er behandelte die Frage nach unserem Sein und kam zu dem Schluss, das wir Menschen, die künstliche Welten über Simulationen erschaffen können, selbst eine Computersimulation sind.

Mit den heutigen Systemen generativer künstlicher Intelligenz (GPT-Systemen) stehen wir genau an dieser Schwelle solche Simulationen erzeugen zu können. Die GPT-Systeme liefern die kognitive Intelligenz und vielleicht irgendwann künstliches Bewusstsein. Mit Multi-Agent-Systemen, die GPT-Systeme einbinden, lassen sich künstliche Agenten Populationen erschaffen.

Abbildung 1: Welt am Draht – Selbstorganisierte Multi-Agent-Systeme lassen die Grenze zwischen biologischer Realität und simulierter Realität verschwinden. D.i. eine Collage aus zwei Bildern: rechte Seite generiert von chatGPTplus/DALL.E mit dem obigen Blog-Text als Prompt, linke Seite generiert von myGini/DALL.E; myGini hat den Prompt in mehreren Iterationen selbst angepasst und um das Konzept der Selbstorganisation erweitert.

In verschiedenen Blog-Beiträgen des letzten Jahres habe ich das Potential von Agent Based Modeling (ABM) behandelt: Diese Blog-Beiträge diskutieren die Anbindung unserer ‚realen‘ Welt an die virtuelle AI Welt, das Sichtbarmachen emergenter Struktur in sozialen Systemen mittels ABM und die Möglichkeit von Simulationen à la ‚Welt am Draht‘.
Seit Ende 2023/Anfang 2024 ist das open source Multi-Agent-System crewAI verfügbar [2]. Es wurde von João Moura [3] kreiert. Das Framework crewAI stellt Agenten, Tasks, einen Prozess und eine Crew bzw. eine Gruppe oder Team als Python-Klassen zur Verfügung. Die Agenten erhalten ihre Intelligenz von GPT-Systemen wie chatGPT. Der Prozess wird über das Large Language Model (LLM)-Prozessmanagement Werkzeug LangChain bereitgestellt [4]. – crewAI ist also ein Multi-Agent System, in dem die Agenten die Intelligenz generativer AI Systeme haben. Seit der Einführung von crewAI ist eine große Anzahl an Applikationsbeispielen entstanden. – Hier nur ein Auszug [2], [5], [6], [7], [8], [9], [10], [11], [12], [13]: Die Struktur dieser Beispiele ist sehr ähnlich: Agent A führt eine Task durch, und übergibt das Resultat an Agent B, der die Resultate von A in einer zweiten Task bearbeitet und an einen nachfolgenden Agenten weitergibt, usw.. Z.B. extrahiert Agent A bestimmte Information aus dem Internet, gibt diese Information an Agent B weiter, der in der übergegebenen Information nach bestimmten Themen sucht, usw..
Die Entwicklung von crewAI ist noch sehr im Fluss, so dass die Dokumentation unter [2] nicht immer aktuell ist, jedoch gibt es eine discord community, die einem schnell mit Rat und Tat zur Seite steht [14]. Unter chatGPTplus gibt es inzwischen verschiedene GPTapps, die helfen ein crewAI Python Programm zu erstellen. – Bezüglich der Thematik GPTapps, siehe man meinen Blog-Beitrag zur Erstellung der GPTapp Management 4.0 Coach myGini.
Ich habe die GPTapp CrewAI Assistant von João Moura benutzt, um Code zu erzeugen.- Auch hier ist es so, dass man sich auf den CrewAI Assistant nicht bedingungslos verlassen sollte, denn er erzeugt keinen fehlerfreien Code. – Jedoch mit etwas Python Erfahrung und gutem iterativen Prompting, wie ich es im letzten Bog-Beitrag beschrieben habe, kommt man den Problemen recht schnell auf die Spur.
Angeregt durch den MDR-Beitrag ‚Better than humans‘, in dem chatGPT auf seine Fähigkeit als Coach und Gesprächspartner für Menschen mit erstaunlich guten Ergebnissen getestet wurde [15], will ich ein crewAI Beispiel erstellen, in dem ein AI-Coach ‚Agile Management 4.0 Experte‘ einen AI-Coachee ‚Scrum Master‘ coached.
Hierzu habe ich chatGPTplus über die entsprechende openai API Plattform [16] an die crewAI Agenten angebunden. Die API Plattform hat einen von der chatGPTplus Prompting Umgebung unabhängigen Zugang. Leider kann ich deshalb auch nicht die von mir erstellte GPTapp myGini als Management 4.0 Coach benutzen, sondern muss mit den Möglichkeiten von chatGPTplus auskommen. – Derzeit kann man (noch) nicht auf GPTapp’s zugreifen.
Im Folgenden ist der Python-Code, den ich mit dem CrewAI Asssitant erzeugt habe, zu sehen. – Der Code ist sehr gut lesbar, auch ohne Python Kenntnisse, deshalb gebe ich ihn hier, bis auf die Colab Systemeinstellungen, vollständig wieder:

*******Code Beginn******
Agent: Coach

coach = Agent(
role=’Agile Management 4.0 Expert‘,
goal=“““Guide the coachee through a series of communication feedback loops to address team performance issues effectively.“““,
backstory=“““As an expert in Agile Management 4.0, your approach is deeply influenced by your Big Five personality traits: High Openness and Introversion, High Agreeableness, Low Conscientiousness, and Low Neuroticism. This makes you exceptionally open to new experiences and ideas, highly sociable, empathetic, flexible, and stress-resistant. You use these traits to encourage innovative problem-solving and to build strong, collaborative relationships with your coachee. You try to find out which Big Five temperament your coachee has by forming hypotheses by assigning the coachee’s answers to a Big Five dimension and assigning a probability to them. You adapt your questions and suggested solutions to your actual hypotheses. – Over time, your hypotheses about the coachee’s temperament becomes more and more accurate. Your coaching style is to lead by asking questions, more than by proposing solutions. You deal with one topic per communication feedback cycle. – A topic can be for example, that the coachee may report a problem.- A communication feedback cycle contains one statement or question for both coach and coachee. – This means that you only ask one question or suggest one solution per communication feedback cycle.“““,
verbose=1,
memory=True
)

Agent: Coachee

coachee = Agent(
role=’Scrum Master‘,
goal=“““Implement solutions based on the coach’s feedback and report on progress to receive further guidance.“““,
backstory=“““As a Scrum Master, you’re facing challenges with your team’s performance. Your interaction with your coach, will be influenced by your personality traits. – Your approach is deeply influenced by your Big Five personality traits: Medium Openness and Extraversion, Low Agreeableness, High Conscientiousness, and Medium Neuroticism. You act according to the Big Five temperament indicated here but you don’t tell your Big Five temperament, only in the case that your coach is asking.“““,
verbose=1,
memory=True
)

Aufgaben definieren

tasks = []

Aufgabe 1: Beschreibung der Herausforderungen durch den Coachee

tasks.append(Task(
description=“““Describe the specific challenges your Scrum team is facing, choose one issue from your experience. Provide detailed descriptions of these issue.“““,
agent=coachee,
expected_output=“Eine detaillierte Beschreibung eines spezifischen Problems, mit dem das Scrum-Team konfrontiert ist.“
))

Aufgabe 2: Erstes Feedback des Coaches und Aktionsplan

tasks.append(Task(
description=“““Based on the coach description, provide initial feedback and an actionable plan addressing the described challenges. Your feedback should leverage your Agile Management expertise and your personality traits to propose innovative and effective solutions.“““,
agent=coach,
expected_output=“Anfangsfeedback und ein umsetzbarer Plan, der auf den beschriebenen Herausforderungen basiert.“
))

Feedbackschleifen

for i in range(1, 2): # Anzahl Feedbackschleifen
Coachee implementiert Lösungen und berichtet über Fortschritte

tasks.append(Task(
description=f’Implement the solutions suggested by the coach and report on the progress and any new challenges that have arisen. This is feedback loop {i}.‘,
agent=coachee,
expected_output=f’Bericht über die Umsetzung der vorgeschlagenen Lösungen und Fortschritte nach Feedbackschleife {i}.‘
))

Coach bietet weiteres Feedback und Anpassungen

tasks.append(Task(
description=f’Based on the Coachee progress report and any new challenges, provide further feedback and adjustments to the action plan. Leverage your personality traits to inspire creative solutions and maintain a positive collaborative coaching relationship. This is feedback loop {i}, aiming to refine strategies and encourage continuous improvement.‘,
agent=coach,
expected_output=f’Weiteres Feedback und Anpassungen des Aktionsplans nach Feedbackschleife {i}.‘
))

Crew und Prozess initialisieren

crew = Crew(
agents=[coachee, coach],
tasks=tasks,
verbose=1,
process=Process.sequential
)

Arbeitsablauf starten

result = crew.kickoff()

****** Code Ende******

Der Code beschreibt eine Kommunikation zwischen Coach und Coachee mit einem Gesprächsauftakt und zwei Kommunikationsschleifen (siehe den Code: Anzahl Feedbackschleifen ist 2). – Mehr Schleifen ist nicht mehr überschau und kostet zu viel Rechenzeit und damit Geld, das man zusätzlich zum Prompting chatGPTplus Zugang zu bezahlen hat.
Sieht man einmal von dem Kommunikationsprozess, dargestellt über die Feedbackschleifen, ab, so ist der Code nichts anderes als Prompting. – Die Agenten und die Aufgaben werden über Prompting definiert. Wie bei gutem Prompting auch, versetzt man ChatGPTplus in eine Rolle, gibt ein Ziel an, beschreibt den Kontext und definiert die Aufgabe. crewAI stellt die verschiedenen Hüllen über Python-Klassen zur Verfügung, die mit einer chatGPTplus Prompting Ausprägung gefüllt werden. – Hier noch eine Anmerkung zu den GPTapps wie myGini: myGini wurde auf eine nahezu identische Weise über Prompting definiert. myGini ist also auch ein Agent. – Könnte ich myGini verwenden, ließen sich Ketten von Agenten mit immer spezifischeren Eigenschaften erstellen. – Dies wird sicherlich in absehbarer Zeit möglich sein. chatGPTplus stellt dann in dieser ‚Welt am Draht‘ das ‚höchste Wesen‘ dar. – Faszinierend und beklemmend zugleich!
Die Ausgabe der crewAI-Kommunikation ist derzeit nicht wirklich gut zu verstehen. Es werden, nicht gut nachvollziehbar, vorbereitende ‚Gedanken‘ und Handlungsergebnisse der AI-Systeme mit Kommunikationsaktivitäten zwischen Coach und Coachee ausgegeben. – Aus diesem Grunde habe ich die Ausgabe etwas strukturiert, um den Ablauf verständlicher zu machen. – Meine Hinweise sind fett unterlegt. Hier ein Auszug der crewAI-Ausgabe, die meines Erachtens einer menschlichen Kommunikation recht gut nahe kommt:

****** Ausgabe crewAI Beginn******

Auftakt der Kommunikation, der Scrum Master wird eingestimmt:
Scrum Master ‘Gedanken’ (Kontext Herstellung):

The first step is to identify the challenges that my Scrum team is facing. Given my low agreeableness, I tend to be critical and not easily swayed by others‘ opinions. This can be helpful in identifying issues that others may not see or may be unwilling to acknowledge. On the other hand, my high conscientiousness means I’m organized and detail-oriented, which should help me in describing a specific problem in detail.

Action:
Ask question to co-worker Coach

Action Input:
{
„coworker“: „Agile Management 4.0 Expert“,
„question“: „What are some of the common challenges that Scrum teams face that could be affecting our team’s performance?“,
„context“: „We are currently experiencing issues with our team’s performance. I am trying to identify a specific problem that we are facing so that we can address it. Given your expertise in Agile Management, I believe you could provide valuable insight into this matter.“
}

Der Coach erhält die Frage mit dem Kontext und sucht über chatGPTplus nach Antworten – Die chatGPTplus Antworten werden für den Agenten Coach gelistet und dieser nimmt sie als ‚Gedanken‘ auf und antwortet als Coach:

Based on the context and my expertise in Agile Management 4.0, there are several common challenges that Scrum teams may face that could be affecting our team’s performance.

Final Answer: Some of the common challenges that Scrum teams face include:

Lack of Clear Communication: This is a major issue in many Scrum teams. If team members are not communicating effectively, misunderstandings can occur, leading to mistakes and delays in the project.
Insufficient Understanding of Scrum: If all team members do not fully understand the principles and practices of Scrum, it can affect how they carry out their tasks and interact with each other.
Poor Product Backlog Management: A poorly managed product backlog can lead to confusion, wasted effort, and a lack of focus. It is crucial that the product backlog is effectively managed and that items are prioritized correctly.
Failure to Adapt: Scrum is all about adaptability. If the team is resistant to change or does not adapt to changes quickly, it can affect the project’s progress and overall performance.
Inadequate Definition of Done: If the team does not have a clear and shared understanding of what „done“ means for each task, it can lead to inconsistencies and issues with product quality.
Lack of Trust: If team members do not trust each other or the Scrum process, it can lead to problems with collaboration and overall team performance.

Identifying and addressing these issues can be a significant step towards improving our team’s performance. We might need to provide more training, improve our communication practices, or make adjustments to our Scrum processes.

Scrum Master ‘Gedanken’ (Kontext Herstellung):

Given the expert’s feedback, I realize our team is struggling with clear communication. Misunderstandings have been leading to mistakes and delays in our project. As a Scrum Master with a medium level of Neuroticism, I am sensitive to potential problems and it’s clear this is one we have to tackle. I must devise a plan to improve communication within our team.

Action:
Delegate work to co-worker Coach

Action Input:
{
„coworker“: „Agile Management 4.0 Expert“,
„task“: „Develop a clear and effective communication strategy for our Scrum team“,
„context“: „Based on our previous conversation, it was identified that one of the major challenges our team is facing is a lack of clear communication. This has led to misunderstandings, mistakes, and delays in our project. I would like you to develop a clear and effective communication strategy for our Scrum team to mitigate these issues. This strategy should outline clear communication channels, set expectations for regular updates and feedback, and provide guidelines for conflict resolution. Please provide a detailed plan that we can implement immediately to start improving our team’s communication.“
}

Agile Management 4.0 Experte ‘Gedanken’ (Kontext Herstellung):

Considering my Big Five personality traits, my approach will be to foster openness, empathy, and collaboration while addressing this challenge. I will prioritize creating a safe environment for open communication, encouraging each team member to share their ideas and concerns. I will also focus on creating a flexible plan that can be adjusted as needed to ensure its effectiveness. Let’s start by identifying potential communication channels, setting expectations, and establishing guidelines for conflict resolution.

ChatGPTplus liefert die möglichen Antworten, die dann vom Coach ausgegeben werden:

An effective communication strategy for our Scrum team could encompass the following elements:

Communication Channels: Establish primary and secondary communication channels for different types of interaction. For instance, use email for non-urgent, formal communications and a platform like Slack for real-time, informal discussions. Virtual meeting tools like Zoom can be used for daily scrum meetings, sprint planning, reviews, and retrospectives.
Regular Updates and Feedback: Implement a rhythm of communication that provides regular updates and feedback. This can be achieved through daily stand-ups where each team member discusses what they did yesterday, what they plan on doing today, and any blockers they are facing. Weekly or bi-weekly sprint reviews and retrospectives can be used to discuss what went well and what can be improved.
Conflict Resolution: Establish clear guidelines for conflict resolution. Encourage team members to address conflicts directly and promptly, with a focus on the issue at hand rather than personal attacks. If a resolution cannot be reached between the parties involved, involve a neutral third party to mediate.
Openness and Transparency: Foster an environment where team members feel safe to express their ideas, concerns, and mistakes. This can be done by encouraging open discussions, acknowledging and appreciating each member’s contributions, and treating mistakes as opportunities for learning rather than failures.
Training and Support: Provide training and support to team members to ensure they are comfortable with the communication tools and processes. This includes technical support for using the communication platforms as well as guidance on effective communication practices.
Continuous Improvement: Regularly review and adjust the communication strategy to ensure its effectiveness. This can be done through feedback from team members and by monitoring communication-related metrics such as the number and length of meetings, email threads, and messages exchanged.

This strategy should help improve clarity in communication, reduce misunderstandings, and increase overall team efficiency.

Scrum Master ‘Gedanken’ (Kontext Herstellung):

The expert’s communication strategy provides a solid foundation for addressing our team’s communication problems. As a Scrum Master, it’s my responsibility to implement this strategy and make sure it’s effective. My high conscientiousness will be useful in diligently following up on these tasks and making sure they’re executed properly. I now have a detailed understanding of the communication problem our Scrum team is facing and a solid plan for addressing it.

Der Scrum Master wiederholt die Ratschläge und nimmt sie als Aufgaben mit, in dem er jedes Mal für die sechs Ratschläge formuliert „We will….“ und gibt eine abschließende Versicherung ab:

By implementing this strategy, we aim to improve clarity in communication, reduce misunderstandings, and increase our team’s overall efficiency.

Hier erfolgt eine Umsetzung der Ratschläge durch den Scrum Master und man trifft sich wieder…

Agile Management 4.0 Experte ‘Gedanken’ (Kontext Herstellung):

Given the described challenges, it seems the team is already on a good path with their comprehensive communication strategy. The proposed measures cover key aspects of effective communication, such as clear communication channels, regular updates, conflict resolution, and openness. However, to ensure the plan’s effectiveness, it’s essential to monitor its implementation and continuously adapt it based on the team’s needs. My personality traits of high openness and agreeableness will be beneficial in understanding and empathizing with the team’s communication challenges. Low conscientiousness will allow me to be flexible and adaptable in finding solutions, while low neuroticism will help me stay calm and composed even in the face of conflicts or issues.

Action: Ask question to co-worker Coachee

Action Input:
{
„coworker“: „Scrum Master“,
„question“: „Could you share more details about the specific communication issues the team has been facing? And how are the team members responding to the newly proposed communication strategy?“, „context“: „The team has been facing challenges related to clear communication, causing mistakes and delays in the project. A comprehensive communication strategy has been proposed, including clear communication channels, regular updates, conflict resolution, openness, and continuous improvement. I am trying to understand the specific issues and the team’s response to the new strategy to provide an effective solution.“
}

Scrum Master ‘Gedanken’ (Kontext Herstellung):

As a Scrum Master, I understand the importance of clear communication and its impact on the team’s performance. The main issue we’ve been facing is a lack of clarity and understanding during our discussions, leading to misunderstandings, mistakes, and consequently, delays in the project. This is primarily due to the absence of clear communication channels and a structured way of sharing updates.

Additionally, conflicts arising from these issues were not effectively addressed, resulting in unresolved tensions within the team that further impeded our progress. The team’s response to these issues was a mixture of frustration and confusion, affecting both their individual performance and the overall team dynamics.

As for the response to the newly proposed communication strategy, the initial reaction has been positive overall. The team appreciates the clarity provided by the defined communication channels, regular updates, and the structured approach to conflict resolution. However, it’s a significant change from our previous way of working, and some team members are still adjusting to it.

There is a noticeable improvement in our discussions and an increase in the overall understanding of the tasks at hand. However, we’re still in the initial stages of implementing the new strategy, and therefore, continuous monitoring and tweaks may be necessary based on the team’s feedback and the effectiveness of the strategy in resolving our issues.

Scrum Master Final Answer:

The team’s primary communication issue has been a lack of clarity and understanding, leading to mistakes and project delays. This was due to undefined communication channels and an unstructured way of sharing updates, coupled with ineffective conflict resolution. The team’s response to these issues was a combination of frustration and confusion.

As for the newly proposed communication strategy, the initial response has been largely positive. The team appreciates the clear channels, regular updates, and structured conflict resolution. But it’s a significant shift from our previous methodology, and some team members are still acclimating.

Though we’ve seen improvements in our discussions and understanding of tasks, the strategy is still in its early stages, and continuous monitoring and adjustments may be necessary based on the team’s feedback and the strategy’s effectiveness.

Agile Management 4.0 Experte ‘Gedanken’ (Kontext Herstellung):
From the Scrum Master’s response, it’s evident that the team had difficulties due to unclear communication channels and unstructured updates. The new strategy has been positively received, but some members are still adjusting. There are indications of improvements, but continuous monitoring and adjustments are necessary. To ensure that the strategy is effectively implemented, I will suggest an action plan that includes regular check-ins and feedback sessions, training for team members who are struggling with the new communication tools, and a process for continuous improvement based on feedback and metrics.

Action: Delegate work to co-worker Coachee
Action Input:
{
„coworker“: „Scrum Master“,
„task“: „Implement the following action plan to ensure the effectiveness of the new communication strategy: 1. Organize regular check-ins with team members to get their feedback on the new communication processes and methods. These can take place during the daily stand-ups or separately. 2. Provide training and support for team members who are struggling with the new communication tools. This could be in the form of one-on-one sessions or group workshops. 3. Establish a process for continuous improvement based on feedback and metrics. This could involve weekly or bi-weekly reviews of the communication-related metrics and making necessary adjustments to the strategy.“,
„context“: „The team has implemented a new communication strategy to address previous issues with clarity and understanding. The initial response has been positive, but some team members are still adjusting. The aim is to ensure the effective implementation of the strategy and its continuous improvement based on feedback and metrics.“
}

Scrum Master ‘Gedanken’ (Kontext Herstellung)
Given my conscientiousness, I understand the importance of following through on the action plan to ensure the effectiveness of the new communication strategy. I also recognize the necessity of adapting to feedback and modifying the plan accordingly, thanks to my medium level of openness.

However, my low agreeableness implies that I will not simply go along with the coach’s suggestions without critical evaluation. On the other hand, with my medium level of neuroticism, I am quite sensitive to the team’s reactions. Therefore, I will pay close attention to their feedback and emotional responses to the new communication processes and methods. Additionally, my medium extraversion will help me in engaging with the team members during regular check-ins and in providing them the necessary support and training.

Final Answer Coachee:
To ensure the effectiveness of our new communication strategy, I will first organize regular check-ins with all team members. These can be integrated into our daily stand-ups or scheduled separately, depending on what suits best for the team. This will enable us to gather their feedback on the new communication processes and methods.

Secondly, I will provide training and support for those who are struggling with the new communication tools. This could be either one-on-one sessions or group workshops, depending on the need and preference of the team members.

Lastly, I will establish a process for continuous improvement based on the feedback received and the metrics we have. We can have weekly or bi-weekly reviews of the communication-related metrics and adjust our strategy accordingly.

Remember, the ultimate goal here is to enhance the clarity and understanding within the team. So, your constructive feedback is highly appreciated and crucial for the continuous improvement of our communication strategy.………..

****** Ausgabe crewAI Ende******

Hier beende ich die Ausgabe wegen des großen Umfanges; die Kommunikation von Coach und Coachee geht noch einige Seiten weiter bis innerhalb der zwei Feedbackschleifen alle Vorschläge des Coach’s behandelt worden sind.

An diesem crewAI Beispiel kann man sehen, dass diese einfache Simulation einer Coach-Coachee Kommunikation erstaunlich realistisch ist. – Auch wenn man zugestehen muss, dass die Kommunikation in diesem Fall eher einer Beratung entspricht als einem Coaching Prozess.
Mit mehr Aufwand und know-how konnte in [17] gezeigt werden, dass sich eine künstliche Dorf-Welt von 25 Agenten erschaffen lässt. Menschen haben später die Kommunikation dieser 25 Agenten bewertet und kommen zu dem Schluss, dass deren Kommunikation kaum noch von der menschlichen Kommunikation zu unterscheiden ist.

In [18] haben wir verschiedene AI-Technologien im Kontext des IPMA Projektmanagement Frameworks ICB 4.0 beleuchtet, u.a. auch den (zukünftigen) Einsatz von Agent Based Modeling zur Unterstützung der Projektarbeit bzw. des Projektmanagements. Mit dem crewAI Framework ist der Einsatz von GPT basierten Multi-Agenten-Systemen in greifbare Realität gerückt. Selbst die Integration menschlicher Agenten in ein ABM System ist keine technologische Hürde mehr [17].

Die Welt am Draht emergiert!

[1] Wikipedia (2024) Welt am Draht, https://de.wikipedia.org/wiki/Welt_am_Draht, zugegriffen am 17.03.2024
[2] crewAI (2024) https://www.crewai.com/, zugegriffen am 17.03.2024
[3] João Moura (2024) https://twitter.com/joaomdmoura oder https://www.linkedin.com/in/joaomdmoura/
[4] LangChain (2024) https://www.langchain.com/, zugegriffen am 17.03.2024
[5] Reid Thomas (2024) crewAI — Is this the Autogen killer?, https://levelup.gitconnected.com/crewai-is-this-the-autogen-killer-2014b89da374
[6] Dwivedi Priya (2024) The AI Symphony: Testing CrewAI’s Multi-Agent System for complex apps, https://generativeai.pub/the-ai-symphony-testing-crewais-multi-agent-system-for-complex-apps-b377d4f5e6b8
[7] Beerten Toon (2024) Powerful Collaboration of AI Agents with CrewAI, https://medium.com/towards-data-science/powerful-collaboration-of-ai-agents-with-crewai-17f84378430b
[8] Money Tent (2024) How I Made AI Assistants Do My Work For Me — CrewAI!, https://medium.com/@moneytent/how-i-made-ai-assistants-do-my-work-for-me-crewai-d3a0426708eb —-Thinking Fast and Slow
[9] Akim Maya (2024) CrewAI: A Team of AI Agents that Work Together for You,https://medium.com/@mayaakim/crewai-a-team-of-ai-agents-that-work-together-for-you-4cc9d24e0857 —-Thinking Fast and Slow
[10] Datadrifters (2024) CrewAI in Action: Building and Orchestrating Your AI Dream Team, https://medium.com/generative-ai/crewai-in-action-building-and-orchestrating-your-ai-dream-team-21725efcad3b
[11] Huang Yeyu (2024) For a Multi-Agent Framework, CrewAI has its Advantages Compared to AutoGen, https://medium.com/gitconnected/for-a-multi-agent-framework-crewai-has-its-advantages-compared-to-autogen-a1df3ff66ed3
[12] Dalie Gao (2024) CrewAi + Solar/Hermes + Langchain + Ollama = Super Ai Agent, https://medium.com/ai-in-plain-english/crewai-solor-hermes-langchain-ollama-super-ai-agent-0ee348404428
[13] Wijaya Cornellius Yudha (2024) Performing Data Science Tasks with LLM-Based Agents CrewAI, https://medium.com/towards-artificial-intelligence/performing-data-science-tasks-with-llm-based-agents-crewai-71f8eadb0a6d
[14] discord (2024) https://discord.com/, zugegriffen am 17.03.2024
[15] MDR (2023) Better than human – Leben mit KI, https://www.ardmediathek.de/video/ard-wissen/better-than-human-leben-mit-ki/das-erste/Y3JpZDovL21kci5kZS9zZW5kdW5nLzI4MjA0MS8yMDIzMTIyOTA2MDAvbWRycGx1cy1zZW5kdW5nLTc4NzI
[16] openai API Platform (2024) https://platform.openai.com/
[17] Park J S et. al. (2023) Generative Agents: Interactive Simulacra of Human Behavior, arXiv:2304.03442v1 [cs.HC] 7 Apr 2023
[18] Oswald A, Flore A, Lang R und Nuhn H (2024) Collective Intelligence von KI und Mensch in der Projektarbeit – Ein Rahmenwerk auf der Basis von ICB 4.0 und Management 4.0, in Bernert C, Scheurer S und Wehnes H (Hrsg.), KI in der Projektwirtschaft – Was verändert sich durch KI im Projektmanagement?, GPM Trend, GPM Deutsche Gesellschaft für Projektmanagement e.V., UVK Verlag, München

AI & M 4.0: myGini – mein Coach für Team- und Projekt-Management oder wer ist dümmer, KI oder Mensch?

In diesem Blog-Beitrag stelle ich myGini – meinen Coach für Team- und Projekt-Management vor. Bevor ich dies tue, vorweg ein paar grundsätzliche Bemerkungen zur Arbeit mittels KI.

Die Angst vor KI hat sich in den letzten Wochen eher in eine Abwertung der KI verwandelt. So werden in ARD und ZDF Titel für Beiträge zur KI verwendet, die dies nahe legen: Künstliche Intelligenz- Besser als wir? [1] oder Better than human – Leben mit KI [2]

Die Inhalte der Beiträge [1] und [2] sind hingegen sehr professionell und sehr zu empfehlen: Sie zeigen beide das Potential einer hybriden Collective Intelligence, also der Erweiterung unserer Intelligenz durch KI. In [2] wird die Kommunikation mit einer KI getestet, die in drei Rollen mit Menschen kommuniziert: der Rolle eines Pfarrer, einer Psychotherapeutin und einer besten Freundin. Die Resonanz ist erstaunlich gut: Es kommt sogar zu Aussagen wie ‚KI hilft mir bei meiner Einsamkeit‘ und ‚KI verbindet Menschen‘.

In das Abwertungs-Horn stoßen einige meiner Kollegen mit ihren Beiträgen auf LinkedIn: KI ist monokontexturale Mustererkennung… [3] KI ist dumm und zu konventionell für unsere Transformation [4].

In [2] sagt einer der KI-Experten, dass KI nichts anderes ist als Statistik. – Auch hier schwingt die Abwertung mit. – Wenngleich die Aussage korrekt ist: KI ist Mustererkennung auf der Basis von sehr vielen Daten bzw. ‚Daten-Wahrnehmungen‘.

In einem anderen LinkedIn Beitrag – die Referenz habe ich vergesse – sagt der Autor, dass KI nichts anderes ist als Statistik und wir Menschen doch in der Läge wären Ursache-Wirkungs-Zusammenhänge zu erkennen. Damit würden wir über eine viel höherwertige Form von Intelligenz verfügen. Ich frage mich, was ist das Erkennen von Ursache-Wirkungs-Zusammenhänge denn Anderes als Mustererkennung auf der Basis von sehr vielen ähnlichen Wahrnehmungen.

Ich werfe im Folgenden ein paar Fragen auf und verbinde mit diesen eine These: Wissen wir was unsere Intelligenz ist? Könnte es sein, dass unsere kognitive Intelligenz im Wesentlichen nichts anderes ist als Statistik? Falls eine KI den gleichen Intelligenztest besteht wie wir ihn auch für die IQ Bestimmung bei Menschen benutzen, ist dies dann ein starker Hinweis für die Aussage, dass unsere kognitive Intelligenz auch nicht viel mehr oder weniger ist als die künstliche Intelligenz? Kann es sein, dass wir aufgrund der überwältigenden KI-Fähigkeiten unseren Selbstwertschutz aktivieren und die KI abwerten, um unseren Selbstwert zu erhöhen?

Ich formuliere meinen Glaubenssatz als These: Ich glaube, dass die prinzipiellen Unterschiede zwischen unserer kognitiven Intelligenz, wie sie in einem IQ-Test gemessen wird, und der künstlichen Intelligenz nicht groß sind. – Und wir sollten deswegen kein Selbstwertproblem haben, im Gegenteil: Die bisherigen Mechanismen der KI – und wir sind noch lange nicht am Ende – wurden von uns gefunden! – Gefunden heißt, ich glaube, dass die grundlegenden Prinzipien, die Intelligenz hervorbringen, unabhängig sind vom Substrat, das sie erzeugt: Die Implementierung einer KI unterscheidet sich sicherlich in nahezu allem von der biologischen Intelligenz Implementierung. Ich glaube jedoch, dass die dahinterliegenden Prinzipien in beiden Fällen ähnlich oder sogar gleich sind. Und genau dies ist das Wunder, das wir vielfach noch nicht begriffen haben: Die komplizierten mathematischen Mechanismen einer GPT erzeugen Komplexität, die Selbstorganisation möglich macht, die dann zu den emergenten Phänomenen der künstlichen Intelligenz führen.

In diesem positiven Sinne habe ich myGini – meinen Coach für Team- und Projekt-Management mittels chatGPTplus erzeugt. myGini soll helfen, den Weg zu den umfangreichen Modellen und Theorien von Management 4.0 zu erleichtern. myGini erweitert damit die Intelligenz des Nutzers in Fragen von Team- und Projekt-Management zu einer hybriden Collective Intelligence.

myGini ist eine von mehreren hundert öffentlich verfügbaren GPTapps oder ChatBots. Öffentlich verfügbar bedeutet, dass man auf die GPTapps zugreifen kann, wenn man ein chatGPTplus Konto hat. Die Aussage, dass es schon Millionen von GPTapps gibt, kann ich nicht bestätigen. Öffentlich sichtbar sind lediglich nach meiner Einschätzung einige hundert. Und das sind schon viele, da es schwer ist zu wissen, was die GPTapps können. Es gibt schon einige GPTapps, die sich dem Thema Projektmanagement widmen, jedoch kann man nicht wirklich leicht feststellen, was sie können. – Die Benutzeroberfläche der GPTapps, wie sie von openai standardmäßig bereitgestellt wird (siehe rechte Seite in Abbildung 1), ist sicherlich verbesserungswürdig: Eine intelligente Oberfläche, die einem sagt, was die GPTapp weiss oder kann, wäre sehr hilfreich!

Ich hatte schon vor Jahren die Idee eine App zu erstellen, die Management 4.0 leichter verfügbar machen sollte. Damals habe ich eine Excel-Datei mit Bayes Wahrscheinlichkeitsberechnungen erstellt, um aufgrund von Beobachtungen die Wahrscheinlichkeiten für MBTI-Persönlichkeitspräferenzen ermitteln zu lassen.- Ein Mechanismus ähnlichem dem, wie wir selbst mit jeder Beobachtung zu neuen Hypothesen bezüglich der Persönlichkeit unserer Mitmenschen gelangen. Das Verfahren funktioniert sehr gut, jedoch ist es unhandlich. Außerdem fehlte auch noch eine Umsetzung in eine App.

Ein großer Schritt geschah, als ich vor ca. 3 Jahren meine erste GPT Anwendung mittels BERT und Python erstellte. Auch in diesem Fall konnte ich zeigen, dass die GPT Anwendung funktioniert. Aber ich stand vor dem Problem Daten zu beschaffen, um damit die GPT Anwendung zu trainieren. Also habe ich auch dies verworfen.

Mit dem jetzigen Angebot von openai, eine eigene GPT Anwendung zu erstellen, ist meine Idee Realität geworden.

Abbildung 1 zeigt die Entwicklungsumgebung für myGini (links) und die Anwendungsumgebung als Preview (rechts), so wie ein Anwender myGini in chatGPTplus sieht.

Abbildung 1: Die Entwicklungsumgebung für myGini (links) und die Nutzerumgebung als Preview (rechts)

Ich benutze den Begriff GPTapp, um zu unterstreichen, dass ich chatGPTplus/GPT4.0 nicht mit meinen Daten trainieren kann. chatGPTplus leitet mich hingegen mit einfachen Anweisungen an, zu definieren, welche Funktionen meine GPTapp haben soll: Ich kann ein Profilbild mittels DALL.E generieren lassen, sagen welche Modelle ich verwende (MBTI, Big Five, Spiral Dynamics, Dilts Pyramide, Theorie der Selbstorganisation….) sowie in welchen Büchern die Theorie zu Management 4.0 zu finden ist und welche Internetseiten weitere Informationen enthalten. Auf dieser Basis wird die GPTapp zusammengestellt.

Ich wollte überprüfen, ob myGini tatsächlich meine/unsere Bücher kennt, indem ich nach speziellen Textpassagen frage. Dies wurde von chatGPTplus abgelehnt, da myGini aufgrund von Urheberrechten nur Prinzipien, aber keine Textpassagen, wiedergibt.

Einige Tests zur Fähigkeit das MBTI- oder Big Five-Profil einer Person aufgrund meiner Beschreibungen zu deren Verhaltensweisen zu ermitteln, hat myGini mit Bravour bestanden. Die erste Konfiguration von myGini mit dem MBTI- und Big Five-Modell hat ca. 0,5 Stunden benötigt. – Hier ist natürlich nicht die openai GPT Trainingszeit mitgerecht. Die Erfahrung zeigt, dass ein Mensch ca. 3 Monate intensives Training benötigt, um innerhalb weniger Sekunden/Minuten in einem Gespräch souverän erste Hypothesen zu den Persönlichkeitspräferenzen des Gesprächspartners abzugeben.

Die nachfolgenden Beispiele zeigen sehr deutlich, dass chatGPTplus bzw. myGini erstaunliche Ergebnisse und abgeleitete Zusammenhänge liefert: myGini ist eine Form von AI-M4.0 Experte, dessen Expertentum ich mit meinen Create-Informationen gebildet habe.

Als erstes Beispiel benutze ich die rechts in Abbildung 1 vorkonfektionierte Frage ‚How do I use MBTI in team management?

How do I use MBTI in team management?

myGini

Using MBTI (Myers-Briggs Type Indicator) in team management can be quite beneficial for understanding the diverse personalities within your team and enhancing overall team dynamics. Here’s a structured approach on how to use MBTI in your team management practices:

Conduct MBTI Assessments: Start by having each team member complete the MBTI assessment. This will categorize them into one of the 16 personality types based on four dichotomies: Introversion/Extraversion, Sensing/Intuition, Thinking/Feeling, and Judging/Perceiving.
Share and Discuss Results: Organize a team session to share and discuss the results. This fosters openness and helps team members understand each other’s personalities, communication styles, and work preferences.
Identify Team Composition: Analyze the spread of personality types within your team. This will give you insights into the team’s strengths, potential blind spots, and how different members might interact.
Adapt Communication and Work Styles: Tailor your communication and management approach based on the team’s MBTI composition. For example, if you have many introverts, ensure they have quiet time for deep work, or if there are several Thinking types, focus on logical and objective decision-making processes.
Enhance Team Collaboration: Use MBTI insights to facilitate better teamwork. For instance, pair Thinking types with Feeling types to balance decision-making, or Sensing types with Intuitive types to cover both practical and innovative aspects of a project.
Conflict Resolution: Understanding different MBTI types can help in resolving conflicts. Recognize that different types handle conflicts differently – some may prefer direct confrontation, while others might need time to process.
Tailor Development Opportunities: Offer personal development opportunities that align with each member’s MBTI type. This can include training, workshops, or mentoring that caters to their personality strengths and development areas.
Monitor and Adjust: Regularly revisit the MBTI dynamics in your team, especially when new members join or when teams are restructured. Be open to adjusting your management strategies as the team evolves.

Remember, while MBTI is a useful tool, it should be used as a guide rather than a strict rulebook. Personalities can be fluid, and people may exhibit different traits in different situations. The key is to use MBTI to gain a deeper understanding of your team members and to create a more harmonious and effective work environment.

Das Ergebnis ist perfekt: Besser hätte ich es auch nicht machen können. Was mir auch auffällt ist, dass ich keine Textpassagen identifizieren kann, die aus einem unserer Bücher kopiert wurden. Vielfach sind die Formulierungen sogar besser als ich sie vorgenommen hätte.

Das nachfolgende Beispiel beruht auf der Eingabe eines Satzes in der Entwicklungsumgebung zur Aufnahme der Theorie der Selbstorganistion nach Herrmann Haken (Synergetik), man siehe Abbildung 1, linke Seite. – myGini antwortet zuerst immer in Englisch. Bleibe ich bei Deutsch, erfolgt der Übergang zu Deutsch:

Ich möchte den agilen Handlungsrahmen Scrum mittels der Synergetik analysieren. Kannst Du mir sagen, auf welche Weise Rahmenparameter, Kontrollparameter und Ordnungsparameter in Scrum erfüllt werden?

myGini

Die Analyse des agilen Handlungsrahmens Scrum unter Anwendung der Prinzipien der Synergetik bietet eine interessante Perspektive auf die Teamdynamik und -organisation. In der Synergetik, die sich mit der Selbstorganisation komplexer Systeme beschäftigt, sind Rahmenparameter, Kontrollparameter und Ordnungsparameter zentrale Konzepte. Lassen Sie uns betrachten, wie diese Konzepte in einem Scrum-Umfeld angewendet werden können:

Rahmenparameter (Boundary Conditions): Diese definieren die grundlegenden Bedingungen und Einschränkungen eines Systems. In Scrum beziehen sich die Rahmenparameter auf die grundlegenden Prinzipien und Praktiken des Scrum-Frameworks, wie die Rollen (Product Owner, Scrum Master, Entwicklungsteam), Artefakte (Product Backlog, Sprint Backlog, Inkrement) und Ereignisse (Sprint, Daily Scrum, Sprint Review, Sprint Retrospektive). Diese Rahmenbedingungen schaffen ein Umfeld, in dem Selbstorganisation und agile Entwicklung gedeihen können.
Kontrollparameter (Control Parameters): Kontrollparameter sind die Variablen, die den Zustand des Systems beeinflussen und zu einer neuen Ordnung führen können. In Scrum können dies Elemente wie die Sprintlänge, die Priorisierung im Product Backlog, die Teamzusammensetzung oder die Definition of Done (DoD) sein. Die Anpassung dieser Parameter während des Projekts kann die Teamdynamik und die Produktivität erheblich beeinflussen und zu einer effektiveren Selbstorganisation führen.
Ordnungsparameter (Order Parameters): Ordnungsparameter entstehen spontan als Ergebnis der Interaktionen innerhalb des Systems und führen zu einer kohärenten Struktur oder einem Muster. In einem Scrum-Team können Ordnungsparameter Aspekte wie Teamnormen, Kommunikationsmuster, gemeinsame Werte oder die sich entwickelnde Teamkultur sein. Diese emergenten Eigenschaften reflektieren die innere Ordnung des Teams und sind oft ein direktes Ergebnis der Wechselwirkung zwischen Rahmen- und Kontrollparametern.

Um Scrum erfolgreich durch die Linse der Synergetik zu analysieren, ist es wichtig, ein tiefes Verständnis dafür zu entwickeln, wie diese Parameter interagieren und wie Anpassungen an einem Punkt des Systems die Gesamtdynamik beeinflussen können. Dies erfordert eine flexible und adaptive Haltung vom Scrum Master und dem Team, um die Selbstorganisation zu fördern und gleichzeitig die Produktivität und Effektivität des Teams zu maximieren.

Was hältst Du davon neben den Dir genannten Parameterausprägungen folgende zu nennen: Rahmenparameter: Abschottung von externer Komplexität, Rituale Kontrollparameter: Work in Progress (WIP), persönlichkeitsorientierte Kommunikation Ordnungsparameter: Produktvision, Product Goal und auch das Taskboard

myGini

Ihre Ergänzungen zu den Rahmen-, Kontroll- und Ordnungsparametern in der Anwendung von Scrum durch die Synergetik-Perspektive sind durchaus sinnvoll und bereichern das Verständnis der Selbstorganisationsdynamik in agilen Teams. Lassen Sie uns diese Parameter genauer betrachten:

Rahmenparameter:
• Abschottung von externer Komplexität: Dies ist ein wichtiger Aspekt, der sicherstellt, dass das Team sich auf seine Aufgaben konzentrieren kann, ohne von externen Störungen oder sich ständig ändernden Anforderungen abgelenkt zu werden. In Scrum hilft diese Abschottung dabei, ein stabiles Arbeitsumfeld zu schaffen, in dem das Team effizient arbeiten und sich selbst organisieren kann.
• Rituale: Scrum-Praktiken wie Daily Stand-ups, Sprint Planning, Reviews und Retrospektiven sind entscheidende Rituale. Diese strukturierten Ereignisse fördern die Klarheit, Fokussierung und regelmäßige Reflexion, die für die Aufrechterhaltung und Verbesserung der Teamdynamik und -effektivität unerlässlich sind.
Kontrollparameter:
• Work in Progress (WIP): Die Begrenzung des Work in Progress ist entscheidend für die Aufrechterhaltung der Effizienz und Effektivität des Teams. Durch die Kontrolle und Anpassung des WIP können Teams Überlastung vermeiden und eine kontinuierliche und gleichmäßige Arbeitsflussgeschwindigkeit sicherstellen.
• Persönlichkeitsorientierte Kommunikation: Die Anpassung der Kommunikationsstile und -methoden an die individuellen Persönlichkeiten im Team kann die Zusammenarbeit und das Verständnis innerhalb des Teams erheblich verbessern. Dieser Ansatz trägt dazu bei, Missverständnisse zu reduzieren und eine positive Teamdynamik zu fördern.
Ordnungsparameter:
• Produktvision und Product Goal: Diese geben die Richtung und den Zweck des Teams vor und sind entscheidend für die Ausrichtung und Motivation des Teams. Sie dienen als Leitfaden für Entscheidungen und Priorisierungen und helfen, die Bemühungen des Teams auf ein gemeinsames Ziel zu konzentrieren.
• Taskboard: Das Taskboard ist ein visuelles Werkzeug, das nicht nur den Fortschritt und die aktuelle Arbeitslast darstellt, sondern auch zur Strukturierung der Teamaktivitäten und zur Förderung der Transparenz beiträgt. Es ist ein zentraler Bestandteil der Selbstorganisation, da es die Koordination und die Zusammenarbeit innerhalb des Teams erleichtert.
Insgesamt bieten Ihre vorgeschlagenen Parameterausprägungen eine umfassendere Sicht auf die Anwendung von Scrum in einem selbstorganisierenden Team. Sie betonen die Bedeutung der Abschirmung vor externen Störungen, der Anpassung der Kommunikation an individuelle Bedürfnisse und der zentralen Rolle von Vision, Zielen und visuellen Tools bei der Förderung von Teamkohärenz und -ausrichtung. Diese Aspekte sind entscheidend für die Schaffung eines Umfelds, in dem agile Teams effektiv arbeiten und sich selbst organisieren können, im Einklang mit den Prinzipien der Synergetik.

Perfekt, super hilfreich!

myGini

Das freut mich zu hören! Wenn Sie weitere Fragen haben oder Unterstützung bei einem anderen Thema benötigen, zögern Sie nicht, mich zu fragen. Viel Erfolg bei Ihren Projekten und in der Anwendung von Scrum!

Wie man aus diesen Beispielen sehen kann, erzeugt diese ‚statistische‘ 😉 Künstliche Intelligenz Antworten, die den Antworten eines Senior-Experten in nichts nachstehen.

Es ist deshalb sehr müßig, AI-Systeme als dumm zu bezeichnen, denn dann müsste man uns Menschen auch als dumm bezeichnen. – Was alles in allem wenig hilfreich ist und allenfalls unser ‚gekränktes‘ Selbstwertgefühl aufwertet.

Neben den Gefahren, die mit der Erstellung von GPTapps einhergehen können – man siehe als Beispiel [5] – sehe ich ein viel größeres strukturelles Problem: Kann es sein, dass wir mit der flächendeckenden Verfügbarkeit von GPTapps immer träger und dümmer werden? Denn warum sollte ich mich noch den Mühen eines M4.0-Verständnisse oder den Mühen der Mathematik oder den Mühen des Programmierens oder…oder… aussetzen, wenn mir die gebratenen Tauben in Form von GPTapps in den Mund fliegen. Kann es sein, dass wir eine Bildungsungleichheit befeuern, in der nur noch wenige wissen, wie man AI-Systeme erstellt und der traurige Rest an Milliarden von Menschen nur noch konsumiert? Kann es sein, dass die GPTapps jede Form von erdenkbarem Missbrauch möglich machen? – Denn wer sagt uns, dass die GPTapp-Ersteller zum Wohl der Milliarden anderen Menschen handeln?

Eine neue Zeit ist angebrochen! Den Zug der KI-Innovationen zu stoppen, ist für mich keine Option. -Statt dessen ist ein Aufbruch erforderlich, der den Milliarden KI-Nutzern den souveränen Umgang mit der Technologie vermittelt.

[1] ZDF (2023) Künstliche Intelligenz – Besser als wir? – Weltspiegel Doku – ZDFmediathek, https://www.zdf.de/daserste/weltspiegel/page-video-ard-kuenstliche-intelligenz–besser-als-wir—weltspiegel-doku-100.html

[2] MDR (2023) Better than human – Leben mit KI, https://www.ardmediathek.de/video/ard-wissen/better-than-human-leben-mit-ki/das-erste/Y3JpZDovL21kci5kZS9zZW5kdW5nLzI4MjA0MS8yMDIzMTIyOTA2MDAvbWRycGx1cy1zZW5kdW5nLTc4NzI

[3] Detholff C (2024) #KI ist monokontexturale Mustererkennung, denn … , https://www.linkedin.com/posts/conny-dethloff-6b9b0942_ki-innovation-lernen-activity-7150711017889509376-nplL/?utm_source=share&utm_medium=member_ios

[4] Hofert S (2024) KI ist dumm und zu konventionell für unsere Transformation!, https://www.linkedin.com/posts/svenjahofert_bigfive-vertikalenentwicklung-wust-activity-7151513159051161600-fRwu?utm_source=share&utm_medium=member_desktop

[5] Petereit D (2024) OpenAIs GPT-Store: Girlfriend-Bots zeigen die Probleme des offenen KI-Shops auf, https://t3n.de/news/openais-gt-store-girlfriend-bots-zeigen-die-probleme-des-offenen-ki-shops-auf-1601980/

Rückwärtsgewandt in den Abgrund…oder… Entwickeln wir uns weiter!?

Die Geschehnisse der letzten Jahre machen mich mehr als nur besorgt: Die massive Schädigung der Natur durch uns, die Pandemie Corona, der Überfall Russlands auf die Ukraine, der Terrorakt der Hamas gegenüber Israel, das Umsichgreifen der verfassungsfeindlichen, antidemokratischen AfD, der schleichende Rückzug der Demokratie in den USA und in Europa, der Antisemitismus von rechts, links und Islamisten, die Missbrauchsskandale in der katholischen Kirche sowie die vielen Naturkatastrophen, Kriege und Terrorakte an die wir uns schon gewöhnt haben oder die keine mediale und persönliche Aufmerksamkeit erhalten.

Es macht mich umso besorgter, als dass wir in Europa glaubten, wir hätten die dunkle Seite der Vergangenheit hinter uns gelassen.

Dieser Blog-Beitrag wird stark motiviert durch einen Beitrag auf LinkedIn [1], in dem angeregt wird, dass die Diskussion um den sogenannten Purpose (Zweck/Sinn) eines Unternehmens unnötig sei, da alleine der Profit das Entscheidende sei, um das Unternehmen am Leben zu erhalten. Nicht wenige aus der Agilen Community haben dieser Aussage zugestimmt. Ich habe daraufhin folgenden Kommentar angefügt:

„Ich bin erschrocken, als ich gelesen habe, dass einige meiner Kolleg:innen, die Transformationen begleiten, der Aussage „Ein Purpose ist für Unternehmen ein Handicap!“ zustimmen und diese Aussage sogar mit der Aussage „Um zu überleben, müssen sie sich auf den Profit konzentrieren.“ verstärken. Stafford Beer als Beleg hierfür anzuführen, macht die Aussagen zu gedanklichen Irrlichtern. – Ich schließe mich der Aussage von Christian Mueller-Bagehl an: „Solche Beiträge passen aus meiner Sicht intellektuell nicht mehr in die Zeit. Sie befördern gegebenenfalls unethisches Verhalten!“ Warum?

Das Zitat von Stafford Beer hat nichts mit der Aussage zu tun, dass Organisationen keinen Purpose/Zweck/Sinn benötigen, sondern ist die Aussage, dass jedes System sich durch Selbstreferentialität ausbildet. D.H. auch u.a., dass man keiner Organisation einen Purpose/Zweck/Sinn aufsetzen kann (wie vermeintlich von nicht wenigen Vorständen/Coaches angenommen), er bildet sich vielmehr von alleine. In der Theorie der Selbstorganisation bezeichnet man die Größe, die eine sich selbständig ausbildende Ausrichtung eines Systems hervorruft, als Ordnungsparameter. – Jedes System hat einen Ordnungsparameter bzw. eine Ordnungsparameter-Hierarchie. So gibt es sicherlich Organisationen, die Geld bzw. Profit, also nicht nur eine Werterzeugung, als obersten Ordnungsparameter haben. Die Mafia gehört meines Erachtens dazu und die Deutsche Bank in der Ära Ackermann’s mit 25% Rendite gehörte auch dazu. Organisationen auf den Ordnungsparameter Profit zu reduzieren, ist meines Erachtens zutiefst kapitalistisch/neoliberal – mit all den Konsequenzen, die wir heute im Klimawandel, der Zerstörung der Natur aber auch in dem Egoismus von Gesellschaften und Individuen sehen. – Es ist eine der großen Errungenschaften des agilen Denkens, den Ordnungsparameter Profit (fast) von seinem Thron gestoßen zu haben. – Ich hoffe, der Thron wird nicht wieder errichtet.“

Was hat dieses, vielleicht auf den ersten Blick, eher harmlose Thema mit den doch sehr viel dramatischeren und schwerwiegenden Welt-Ereignissen zu tun? Ich glaube einiges und ich werde im Folgenden versuchen dies sichtbar zu machen.

Das World Economic Forum hat im Januar seinen World Risks Report rausgebracht. Abbildung 1 zeigt das globale Risikoportfolio auf der Basis von Befragungen: Man darf vermuten, dass die Größe der Kreise nicht dem jeweiligen Risikowert (= potentieller Schaden*Eintrittswahrscheinlichkeit) entsprechen und damit meines Erachtens in nicht wenigen Fällen eine Verharmlosung des jeweiligen Risikos ausdrücken. – Gleichwohl ist der World Risks Report ein wichtiges Dokument. – Mir ist nicht bekannt, dass es auf der Ebene der EU oder Deutschlands eine vergleichbare Risikoportfolioanalyse gibt bzw. öffentlich zugänglich ist. – Aus dem Projektmanagement weiß man, dass proaktives Risikomanagement ein Augenöffner für den Umgang mit Unsicherheit ist und komplexe Projekte erst erfolgreich durchführen lässt.

Abbildung 1: World Economic Forum, Global Risks Perception Survey 2022-2023 [2] – Vergrößern über rechte Maustaste

Diese Risikomap und die eingetretenen Geschehnisse der letzten Jahre werfen bei mir folgende, beunruhigende Frage auf: Bewegen wir uns rückwärtsgewandt auf einen oder sogar mehrere globale Abgründe zu?

In dem Spiegel-Beitrag aus dem Jahre 2021 „Der unvermeidliche Weg in eine grüne Zukunft“ [3] skizziert Stefan Schultz, kurz vor der letzten Bundestagswahl, das Kultur- und Bewusstsein-Entwicklungsmodell Spiral Dynamics [4,5]: Egal wer die Bundestagswahl gewinnt, unser Weg in die Zukunft ist grün, auch wenn dieser Weg über (lange) Umwege (z.B. CDU) dorthin führt. Hiermit bringt er die Beobachtung zum Ausdruck, dass die menschliche Entwicklung über Jahrtausende hinweg zu immer höheren Kultur- und Bewusstseinsstufen erfolgte. Die in Europa anstehende nächste vorherrschende Bewusstseinsstufe wird in Spiral Dynamics mit der Farbe grün gekennzeichnet.

Leider ist es nicht so, dass unsere persönliche und gesellschaftliche Entwicklung zwangsläufig immer in Richtung einer höheren Entwicklungsstufe verläuft. Ein Blick in die Geschichte zeigt dies: Die Zeit des Nazi-Deutschlands war ein gewaltiger Rückschritt, das Auftauchen der AfD ist ebenfalls ein großer Rückschritt. Entwicklung in Jahrhunderten oder -Tausenden gezählt, erfolgte bisher immer zu höheren Entwicklungsstufen, jedoch auf Zeitskalen von Jahrzehnten können erhebliche Rückschritte eintreten. Auf das Spiegel-Beispiel übertragen, könnte dies im Angesicht des Klimawandels heißen, dass eine höhere Kultur- und Bewusstseinsstufe zu spät kommt!

Das Spiral Dynamics Modell kennzeichnet die Entwicklung von Menschen, Gruppen, Organisationen oder Gesellschaften durch sogenannte value-Meme, kurz v-Meme. V-Meme sind Gedankenschnipsel, Werte, Glaubenssätze oder Grundannahmen, die das Verhalten von Individuen, Gruppen, Organisationen oder Gesellschaften beschreiben. Nach Spiral Dynamics wird unsere Entwicklung durch verschiedene v-Mem Typen beschrieben. Die v-Mem-Typen fassen ähnliche Mem-Erscheinungsformen zusammen und werden durch einen Farbcode gekennzeichnet. Man siehe Abbildung 2.

Abbildung 2: Oben links ist eine Darstellung der derzeit sichtbaren Entwicklungsstufen sowie deren Beziehung zu den vier Grundbedürfnissen gemäß der Neuropsychotherapie [6, 7] zu sehen. Unten links ist die Spiral Darstellung nach Don Beck [8] enthalten. – Die vordere Zahl gibt an, wie viel Prozent der Weltbevölkerung sich (Stand Anfang des 21. Jahrhunderts) auf der jeweiligen höchsten Entwicklungsstufe befindet, die hintere, wie hoch der Anteil des gesellschaftlichen Einflusses der Entwicklungsstufe ist. Das rechte Bild zeigt die globale Entwicklung von Gesellschaften, dargestellt mittels v-Mem Verteilungen [9]. – Vergrößern über rechte Maustaste

Die Entwicklung wird (vereinfacht) durch die jeweils höchste v-Mem Stufe gekennzeichnet. Wobei diese höchste Entwicklungsstufe die darunter liegenden Stufen integriert: Es liegt tatsächlich eine Mischung von v-Memen vor. Diese ist charakteristisch für einen Menschen, eine Gruppe, eine Organisation oder eine Gesellschaft zum jeweiligen Betrachtungs-Zeitpunkt. Das sogenannte ‚center of gravity‘ berücksichtigt den v-Mem Schwerpunkt innerhalb eines Menschen oder innerhalb eines sozialen Systems, und kann damit von der höchsten erreichten Entwicklungsstufe stark abweichen.

Bezüglich der Verbindung von Spiral Dynamics (und der Integralen Theorie) zur Gesellschaftstheorie/Soziologie und Politik verweise ich auf die sehr lesenswerte Magisterarbeit von David Kriegleder [10]. Für einen aktuelle Eindruck von der Bedeutung von Spiral Dynamics im politischen Raum verweise ich auf [4, 5, 11, 12, 13].

Das Spiral Dynamics Modell ist ein zentrales Modell im Management 4.0. Ich habe im Laufe der letzten Jahre mehrmals dieses Modell in diesem Blog verwendet, um Führungs-, Team oder Gesellschaftsfragestellungen zu behandeln:

Der Blog-Beitrag ‚Cultural Entropy: Corona deckt unsere Werte auf!‘ [14] vom März 2020 zeigt anhand von Spiral Dynamics und dem Barrett Value Modell das limitierende Potential von Werten auf: Die stark limitierenden v-Meme Purpur (Mystik), Rot (Macht), Blau (Ordnung) haben in allen westlichen Gesellschaftsschichten eine ähnliche Verteilung. – Bildung und Wohlstand begrenzen leider nicht unmittelbar die Verbreitung limitierender v-Meme.

Der Blog-Beitrag ‚Projekt-Controlling, alles eine Frage der richtigen Werkzeuge!?‘ [15] vom März 2019 zeigt den Zusammenhang von Spiral Dynamics und den vier Grundbedürfnissen des Menschen gemäß Neuropsychotherapie-Erkenntnissen auf. Das rot v-Mem lässt sich dem Grundbedürfnis nach Selbstwertschutz und -Erhöhung zuordnen, das blaue v-Mem wird dem Grundbedürfnis nach Orientierung und Kontrolle zugeordnet, das orange v-Mem lässt sich dem Grundbedürfnis nach Lustgewinn und Unlustvermeidung zuordnen und das grüne v-Mem wird dem Grundbedürfnis nach Bindung zugeordnet. Ein traditionelles Mindset verorten wir in der Dominanz von rotem v-Mem (Macht, Status) und blauem v-Mem (Ordnung, Kontrolle und Sicherheit). Ein agiles Mindset ist ein Mindset, in dem Offenheit, Neugier und Respekt vor Mensch, Tier und Natur vorherrschen. – Wir verorten hier die orangen und grünen v-Meme.
Hass und Gewalt entwickeln sich aus einer sehr großen Dominanz von mythischen, roten und blauen v-Memen: Wenn Macht und Status sowie Ordnung und Kontrolle aus Sicht der jeweiligen Personen oder Gruppen drohen verloren zu gehen oder schon verloren gegangen sind, entfalten limitierende v-Meme ihre destruktive Wirkung.

Der Blog-Beitrag ‚Gesellschaftlicher Wandel – Sein oder Nichtsein?- Das ist hier die Frage!‘ [16] vom Mai 2020 skizziert die v-Mem-Struktur der amerikanischen und deutschen Gesellschaft. In beiden Gesellschaften zeigen ca. 40% der Bevölkerung eine höchste Entwicklungsstufe, die durch die limitierenden v-Meme bestimmt wird. – In den USA ist der Anteil sogar größer als in Europa. (man siehe auch Abbildung 2, rechts).

Der Blog-Beitrag ‚Governance: Die hohe Kunst der Führung von Gesellschaft, Unternehmen und Projekten‘ [17] vom September 2018 zeigt, dass Führung entsteht, wenn die v-Meme des Führenden mit den v-Memen des oder der Geführten in Resonanz treten. Führende die lediglich über limitierende v-Meme verfügen, sprechen auch nur Personen mit limitierenden Werten an.

Der Blog-Beitrag ‚Projekte neu gedacht: Entwicklungsstufen, Selbstorganisation und Co-Evolution‘ [18] vom Februar 2019 zeigt, dass eine hohe individuelle Bewusstseinsstufe notwendig ist, um mit Komplexität und daraus resultierender Unsicherheit umgehen zu können. Die individuelle Bewusstseinsstufe kann jedoch keine Wirksamkeit entfalten, wenn der Kontext (die Kultur der Organisation oder Gesellschaft und die verfügbaren Technologien) dies nicht möglich macht.

Berücksichtigen wir all die oben genannten Erkenntnisse, so ergeben sich folgende Aussagen für die oben genannten Geschehnisse und Risiken:

In Deutschland (und Europa) macht die Angst vor dem Verlust von Selbstwirksamkeit (Wohlstandsverlust, Verlust an Macht und Status) und die Angst vor Unsicherheit (Verlust an Ordnungs- und Sicherheitsgefühl) die purpurnen, roten und blauen v-Meme wieder sichtbar: Sie waren in den letzten Jahrzehnten nicht verschwunden, sie werden nur jetzt wieder sichtbar. Dies erklärt meines Erachtens das Auftauchen von Verschwörungstheorien, das Erstarken der AfD, den Antisemitismus, die Fremdenfeindlichkeit sowie das permanente Ausweichen vor schnellen und konsequenten Klimaschutzmaßnahmen. Der Glaube an Markt und Technologie, ausgedrückt im orangen v-Mem, ist leider nicht hilfreich, sondern trägt zum Erstarken der v-Meme mit limitierendem Potential bei. Im integralen Verständnis muss es die Aufgabe der grünen (und orangen) v-Meme sein, mit geeigneten Mitteln, Gesellschaftsgruppen mit purpurnen, roten und blauen v-Memen die Angst vor Wohlstands- und Sicherheitsverlust zu nehmen: Dies wird tragischerweise wahrscheinlich auch heißen müssen, dass die durch Migration hervorgerufene Komplexität reguliert wird: Migranten mit limitierenden v-Memen führen zu einem Erstarken von europäischen Gesellschaftsgruppen mit ebenfalls limitierenden v-Memen. Zusätzlich ist es notwendig alle Themen, die die Selbstwirksamkeit einschränken, mit äußerster Vorsicht zu handhaben.

In anderen Gesellschaften, wie Russland oder im islamischen Raum, sind die Gesellschaftsanteile mit limitierenden v-Memen deutlich höher als in Europa (man siehe Abbildung 2). – Bezüglich Russlands verweise ich auf das gerade erschienene Buch von Olaf Kühl [19]. Dies wiegt umso schwerer, als die Führung in solchen Ländern selbst durch limitierende v-Meme geleitet wird und aufgrund des oben geschilderten Führungs-Resonanzeffektes die Entwicklung zu höheren Kultur- und Bewusstseinsstufen verhindert. – Mögliche individuelle oder gesellschaftliche orangene, grüne oder höhere v-Meme haben keine Chancen der Wirksamkeit. Wie die Fehleinschätzung zu Putin zeigt, ist es erforderlich keine naiven Politik-Glaubensätze wie ‚Wandel durch Handel‘ (dies ist ein typisches orangenes Mem mit blauen und roten Anteilen) zu verfolgen, sondern komplexere Strategien, die die oben genannten Zusammenhänge berücksichtigen.

Unsere Gesellschaft differenziert sich immer weiter aus – dies gilt global: Es entstehen durch Selbstorganisation viele unterschiedliche Gruppierungen. Die jeweilige Führung tritt mit ihren jeweiligen v-Memen in Resonanz mit (zukünftigen) Mitgliedern der Gesellschaftsgruppe. Falls die v-Meme einen stark limitierenden Charakter haben, bilden sich auch Ziele als Ordnungsparameter heraus, die diesen limitierenden v-Memen entsprechen. Rahmenparameter wie Ausgrenzung und Isolation verstärken diese Mechanismen noch. Wer sich mit der Selbstorganisation von Organisationen beschäftigt hat, wird diesen Prozess bestätigen können.

Die limitierenden v-Meme erzeugen eine sehr destruktive Kraft, wenn psychische Störungen und/oder traumatische Erlebnisse für Individuum oder für Völker hinzukommen. Im Israel-Palästina Konflikt können wir dies beobachten. Die Israelis sind als Volk durch den Holokaust traumatisiert, die Palästinenser durch die jahrzehntelange Ausgrenzung. Israel hat als Volk eine westliche v-Mem Struktur, auch wenn starke Gruppierungen mit einer limitierenden v-Mem-Struktur zurzeit die Politik bestimmen. Ich gehe davon aus, dass das ‚center of gravity‘ der palästinensischen v-Mem Struktur eher limitierenden Charakter hat. Beide Völker werden meines Erachtens durch Personen vertreten, die keine integrierenden v-Meme erkennen lassen, sondern vielmehr limitierende v-Meme. Dies ist ein Kontext, der einen idealen Nährboden für das Entstehen und Bestehen der Terrororganisation Hamas darstellt.

Ich komme zurück zu meinem LinkedIn Kommentar: Meines Erachtens lässt die Aussage, dass Unternehmen keinen Zweck/Sinn (Purpose) benötigen, sondern, dass der Profit als Ordnungsparameter völlig genügt, limitierende v-Meme erkennen. Schaut man sich den genauen Wortlaut, auch in den bejahenden Kommentaren an, so zeigt die Aussage, orange v-Meme unterlegt mit blauen und teilweise sogar roten v-Memen. Das merkliche Auftauchen des grünen v-Mems in unserer Gesellschaft hat die Einführung des Purpose ermöglicht und gehört heute elementar zum agilen und komplexitäts-meisternden Handeln.– Deshalb wiegt die Aussage zum Streichen des Purpose umso schwerer, als die kommentierenden und bejahenden Personen zur Agilen Community gehören. An diesem Beispiel kann man sehen, dass rückwärtsgewandtes Denken und Handeln auch in vermeintlich einfachen Zusammenhängen auftreten können. – Tragisch wird es, wenn eine Mehrheit immer öfter rückwärtsgewandtes Handeln und Denken erkennen lässt. – Dann ist es nämlich tatsächlich zu spät für uns!

[1] Oswald A (2023) LinkedIn Kommentar, https://www.linkedin.com/feed/update/urn:li:activity:7118869083718082560/

[2] World Economic Forum (2023) Global Risks Report 2023, https://www.weforum.org/publications/global-risks-report-2023/,

[3] Schultz S (2023) Der unvermeidliche Weg in eine grüne Zukunft, https://www.spiegel.de/wirtschaft/soziales/bundestagswahl-und-spiral-dynamics-der-unvermeidliche-weg-in-eine-gruene-zukunft-a-0b3fe0ab-a59e-43ae-b868-d61e8c46340d?sara_ref=re-so-app-sh, erschienen am 24.07.2021, zugegriffen am 05.11.2023

[4] Wikipedia (2023a) Spiral Dynamics, https://de.wikipedia.org/wiki/Spiral_Dynamics, zugegriffen am 13.11.2023

[5] Wikipedia (2023b) Spiral Dynamics, https://en.wikipedia.org/wiki/Spiral_Dynamics, zugegriffen am 13.11.2023

[6] Grawe K (2004) Neuropsychotherapie. Hogrefe, Göttingen

[7] Oswald A, Köhler J, Schmitt R (2017) Projektmanagement am Rande des Chaos, 2. Auflage, Springer Vieweg, Heidelberg. This book is avalaible in English: Oswald A, Köhler J, Schmitt R (2018) Project Management at the Edge of Chaos, Springer Verlag, Heidelberg

[8] Beck D E, Cowan C C (2007) Spiral Dynamics: Leadership, Werte und Wandel. J. Kamphausen Verlag & Distribution GmbH, Bielefeld

[9] Center for human emergence, middle east (2023) https://www.humanemergencemiddleeast.org/different-values-different-democracy-alan-tonkin.php, zugegriffen am 13.11.2023

[10] Kriegleder D (2010) Die Integral-Theorie Ken Wilbers und ihre Implikationen für die Politikwissenschaft, Magister Arbeit, Universität Wien

[11] Integrales Forum (2023) https://www.integralesforum.org/, zugegriffen am 13.11.2023

[12] SDi / D·A·CH (Spiral Dynamics integral im Raum Deutschland – Österreich – Schweiz), https://spiraldynamics-integral.de/, zugegriffen am 13.11.2023

[13] Institut für Integrale Studien (2023) https://www.ifis-freiburg.de/, zugegriffen am 13.11.2023

[14] Oswald A (2021) Cultural Entropy: Corona deckt unsere Werte auf!, Blog-Beitrag März 2020, https://agilemanagement40.com/cultural-entropy-corona-deckt-unsere-werte-auf

[15] Oswald A (2021) Projekt-Controlling, alles eine Frage der richtigen Werkzeuge!?, Blog-Beitrag März 2019, https://agilemanagement40.com/projekt-controlling-alles-eine-frage-der-richtigen-werkzeuge

[16] Oswald A (2021) Gesellschaftlicher Wandel – Sein oder Nichtsein? – Das ist hier die Frage!, Blog-Beitrag vom Mai 2020, https://agilemanagement40.com/gesellschaftlicher-wandel-sein-oder-nichtsein-das-ist-hier-die-frage

[17] Oswald A (2018) Governance: Die hohe Kunst der Führung von Gesellschaft, Unternehmen und Projekten, Blog-Beitrag vom September 2018, https://agilemanagement40.com/governance-die-hohe-kunst-der-fuehrung-von-gesellschaft-unternehmen-und-projekten

[18] Oswald A (2019) Projekte neu gedacht: Entwicklungsstufen, Selbstorganisation und Co-Evolution, Blog-Beitrag vom Februar 2019, https://agilemanagement40.com/projekte-neu-gedacht-entwicklungsstufen-selbstorganisation-und-co-evolution

[19] Kühl O (2023) Z: Kurze Geschichte Russlands, von seinem Ende her gesehen, Rowohlt Berlin, 1. Kindle Edition