Die britische Dramaserie „Sherlock“ zeigt Holmes, wie er mit brillanten Schlussfolgerungen Verbrechen löst. Seine Deduktionsmethoden basieren jedoch größtenteils auf Deduktion und Induktion. Im Vergleich zur realen Welt mag Sherlocks Vorgehensweise dramatisch sein, aber in der Realität funktioniert sie möglicherweise nicht so gut.

Der von Sherlock angewandte Denkprozess beruht auf Hypothesen, die für dramatische Ergebnisse entwickelt wurden.

Nehmen wir als Beispiel einen Einbruchsfall.

Ein Fenster ist zerbrochen, und eine Frau, der Dokumente gestohlen wurden, befindet sich in einer finanziell prekären Lage. Eine allgemeine Hypothese, die einem vor Ort in den Sinn kommen könnte, ist: „Jemand ist in ihr Haus eingedrungen und hat die Dokumente gestohlen.“

Sherlock konzentriert sich jedoch auf die unmittelbare Beobachtung, dass Glassplitter außerhalb des Fensters liegen, und geht von der Hypothese aus, dass die Frau die Täterin sein muss. Diese Vermutung führt zu ihrem Geständnis und wird so zur Wahrheit.

In der Realität können diese sprunghaften Schlussfolgerungen jedoch problematisch sein, da sie die direkte Überprüfung komplexer Faktoren erfordern, um schnell als wahr bestätigt zu werden.

In der Welt der Unternehmensberatung findet sich diese deduktive und induktive Argumentation im Bereich des Operations Research wieder.

Sie eignet sich in erster Linie für die Verbesserung und Skalierbarkeit bekannter Bereiche. Die logische Entwicklung von McKinsey und BCG entspricht diesem Ansatz. Ein charakteristisches Merkmal von Deduktion und Induktion ist, dass sie mit einer Hypothese beginnen. Es wird eine statistische Annahme getroffen, dass dieser Ansatz in ähnlichen Strukturen effizient ist, was zu einem Ergebnis führt, das für die Optimierung innerhalb einer bestehenden Struktur sehr gut geeignet ist.

Und das Wachstum von Unternehmen beinhaltet immer wieder Phasen des Wachstums und der Krise. Es gibt Zeiten, in denen es gelingt, stabiles Wachstum durch Management zu erzielen, und es gibt Zeiten, in denen man am Ende des Wachstums neue Wege gehen muss, um aus dem Nichts etwas zu schaffen.

Diese Herausforderungen in neuen Bereichen und Märkten bedeuten Investitionen in große Unsicherheiten. Wenn Hypothesen, die in der deduktiven und induktiven Argumentation verwendet werden, fehlen oder nicht zuverlässig sind, ist ein abduktiver Ansatz angebracht.

Der abduktive Ansatz beginnt damit, die vertrauten Hypothesen in Frage zu stellen.

Wenn sich Versuche auf der Grundlage früherer Annahmen als ineffektiv erweisen und man sich neuen Bereichen oder Märkten stellt, in denen es nicht genügend Referenzinformationen gibt, auf die man sich stützen kann, beginnt man damit, sich tatsächlich in die Welt zu begeben. Auf der Grundlage der beobachteten Muster und gewonnenen Erkenntnisse innerhalb dieser Welt werden neue Hypothesen aufgestellt, die die etablierten Regeln in Frage stellen und einen originellen Ausgangspunkt schaffen.

Dieser Ansatz eignet sich für die Erforschung unbekannter Bereiche und für die Kreativität. Die logische Entwicklung von ReD und Gemic, die auf soziologischen Theorien basiert, entspricht diesem Ansatz.

Es scheint, dass Unternehmen die Unterscheidung und Anwendung verschiedener Formen der Argumentation wie Deduktion und Induktion sowie Abduktion in Abhängigkeit vom Grad der Unsicherheit, mit dem sie konfrontiert sind, überdenken sollten.

Dieses diagnostische Framework hilft, große Unbekannte im Unternehmen zu identifizieren, ein Begriff, der sich auf unbekannte und komplexe Unternehmensprobleme bezieht, bei denen Sensemaking besonders hilfreich sein kann. Hier ist ein Überblick über die Ebenen, die Unternehmensprobleme kategorisieren, und wie Sensemaking angewendet wird:

Ebene 1: Bekannte

Merkmale: Vertraut mit den Kunden und dem Markt; klare Problemdefinition; zukünftige Ergebnisse sind vorhersehbar; herkömmliche Daten und Analysen können zur Lösung herangezogen werden.

Beispiel: Ein Absatzproblem während der Ferienzeit kann auf wetterbedingte Faktoren zurückgeführt werden; eine Erhöhung der Werbung und von Rabatten kann zur Lösung des Problems beitragen.

Ebene 2: Hypothetische

Merkmale: Mäßige Vertrautheit mit den Kunden und dem Markt; eine Reihe möglicher Ergebnisse; ähnliche Probleme, die bereits aufgetreten sind; Hypothesen können formuliert und getestet werden; herkömmliche Daten und analytische Modelle können angewendet werden.

Beispiel: Der Umsatz pro Filiale ist trotz gestiegener Investitionen in Verkäufer gesunken. Eine Reihe von Hypothesen kann getestet werden, um die Grundursache zu ermitteln.

Ebene 3: Große Unbekannte

Merkmale: Sehr ungewohnt mit den Kunden und dem Markt; kein klares Gefühl für wahrscheinliche Ergebnisse; Problem ist noch nie aufgetreten; keine Hypothesen zum Testen; herkömmliche Daten und Analysen liefern wahrscheinlich keine klaren Lösungen.

Beispiel: Eine Innovations-Pipeline voller Ideen, aber Produkteinführungen treiben das Wachstum nicht voran. In diesem Fall kann Sensemaking helfen, unbekannte soziale oder kulturelle Kontexte zu verstehen und neue Strategien zu entwickeln.

Quelle: Ein Anthropologe geht in eine Bar…

https://hbr.org/2014/03/an-anthropologist-walks-into-a-bar⁠⁠⁠⁠⁠⁠⁠