Wirtschaft

In der Wirtschaft gibt es Alltagsprobleme bei allen Wirtschaftssubjekten (Privathaushalte, Unternehmen, Staat und dessen Untergliederungen wie öffentliche Verwaltung). Probleme in diesem Sinne sind Aufgaben oder Streitfragen, deren Lösung mit Schwierigkeiten oder Hindernissen verbunden ist. Sie müssen gelöst werden, um die persönlichen Ziele, Unternehmensziele oder Staatsziele erfüllen zu können. Dabei sorgt Initiative als gezielt organisierbare Aufgabe dafür, dass eine permanente Problemsuche stattfindet, eine präzise und dokumentierte Problemartikulation erfolgt, ein sanktionsminimales Problem-Management vorhanden ist, bestehende Informationsresistenz abgebaut und die Eigenverantwortung gestärkt wird. Als Problemlösungen werden in der Betriebswirtschaftslehre auch die an individuellen Kundenanforderungen ausgerichteten Produkte oder Dienstleistungen verstanden (siehe Lösung).

Pädagogik

Problemlösendes Denken ist ein zentrales Lernziel der gesamten Bildung und daher ein Gegenstand der Pädagogischen Psychologie. Besonders in den USA werden problem solving skills in den Bildungseinrichtungen trainiert. Bei den vier Lernzielstufen von Heinrich Roth (Strukturplan 1970) steht es an oberster Stufe, ebenso bei den EPA-Anforderungsbereichen in der Abiturprüfung. Hans Aebli unterscheidet zur Lernform Problemlösung verschiedene Problemtypen, die den Lernenden präsentiert werden:

- Probleme, die sich ergeben, weil unser Bild der Wirklichkeit Lücken aufweist, „Probleme mit Lücke“ (Max Wertheimer), fehlende Geschlossenheit der Gestalt, weiter unterteilbar in Interpolations- (lösbar durch eine Transformation) und offene Gestaltungsprobleme (lösbar durch neue Verknüpfungen). Wichtige Zwischenstationen sind die Prüfungen der Zwischenergebnisse und das Ausschließen von „Holzwegen“.

- Probleme, bei denen ein Widerspruch in unseren Wahrnehmungen und Aussagen vorliegt (Kognitive Dissonanz);

- Probleme, die sich aus einer unnötigen Kompliziertheit (Komplexität s. u.) unserer Weltsicht oder Handlungspläne ergeben, zum Beispiel bei einem Text vor der Trennung des Wichtigen vom Unwichtigen.

Kriterium der Motivation/Emotion

Hinsichtlich der mit einem Problem verbundenen Motivation/Emotion können diese in „high-stakes-“ sowie „low-stakes“-Probleme unterteilt werden. Während bei den „high-stakes“ Problemen eine hohe Motivation sowie eine intensive emotionale Beteiligung des Akteurs vorliegt, ist ein „low-stakes“-Problem mit wenig Emotionen und nur geringer Motivation behaftet. Von „high-stakes“-Problemen spricht man demnach bei Problemen, deren Lösung mit großer Wichtigkeit verbunden ist. Ein Beispiel hierfür wäre das Raumschiff „Odyssey“, welches während der Apollo-13-Mission beim Austritt aus der Erdatmosphäre Explosionen im Sauerstofftank zu verzeichnen hatte. Die Besatzung musste dieses nie dagewesene Problem unbedingt auf irgendeine Weise lösen, um keine menschlichen Verluste hinnehmen zu müssen. Entsprechend hoch waren hier natürlich die Motivation der Akteure und ihre emotionale Beteiligung. Bei „low-stakes“-Problemen handelt es sich um Probleme der eher unwichtigen Art. Der Akteur fände eine Lösung des Problems zwar schön, wäre im Falle eines Nichtgelingens aber auch nicht weiter enttäuscht.

Kriterium der Klarheit der Ziele und Mittel

Probleme unterscheiden sich auch hinsichtlich der Klarheit ihrer Ziele und Mittel. Man differenziert hier zwischen wohl definierten Problemen (well-defined) und schlecht definierten Problemen (ill-defined). Wohldefinierte Probleme verfügen über klare Ausgangs- und Zielsituationen, außerdem ist bekannt, welche Mittel (Operatoren) für den Prozess des Problemlösens zur Verfügung stehen. Während die wohldefinierten Probleme eher zu den „angenehmen“ Problemen gezählt werden können, stellen die schlecht definierten Probleme eine größere Herausforderung für den Problemlöser dar. Hier sind weder die Ausgangs- noch die Zielbedingungen klar definiert. Es ist fraglich, welche Teilziele anzustreben sind und welche Merkmale die gewünschte Zielsituation denn überhaupt ausmachen. Außerdem liegen wenige oder gar keine Informationen über die vorhandenen Operanten vor. Beispielhaft für ein schlecht definiertes Problem ist der Nahostkonflikt mit all seinen intransparenten, vernetzten und verwirrenden Vorgängen.

Kriterium der Komplexität

Eine Unterscheidung von Problemen kann auch nach dem Kriterium der Komplexität erfolgen. Diese Differenzierung betrifft den Unterschied zwischen komplexen und einfachen Problemen. Bei einfachen Problemen ist eine bekannte, singuläre Lücke im Handlungsplan zu füllen. Ein Beispiel für diese Art eines Problems wäre ein Puzzle, welchem noch ein einziges Teil zur vollständigen Fertigstellung fehlt. Einfache Probleme sind stets wohldefiniert. Komplexe Probleme hingegen sind schwerer zu lösen. Hier gilt es eine Vielzahl an teilweise nicht genau definierten Lücken im Handlungsverlauf zu schließen, welche sich häufig erst im Laufe des Problemlöseprozesses auftun. Komplexe Probleme sind stets schlecht definiert, es ist somit nicht einfach zu erkennen, ob der gewählte Lösungsentwurf tatsächlich zielführend ist. Der Schutz eines Atomkraftwerkes vor terroristischen Angriffen und Umweltkatastrophen stellt ein komplexes, schlecht definiertes Problem dar. Es müssen hier zahlreiche Optionen bedacht werden, die Gefahr, eine Lücke übersehen oder nicht vollständig verschlossen zu haben, ist stets präsent.

Kriterium der Zeitskala

Auch gemessen an einer Zeitskala, zeigen sich klare Differenzen zwischen den einzelnen Problemen. Während kurzfristige Probleme schnell gelöst werden können, ist für die Lösung langfristiger Probleme ein über eine größere Zeitspanne andauernder Arbeitsprozess mit verschiedenen Teilzielen durchzuführen. Ein Beispiel für ein langfristiges Problem ist der Vorsatz, in der Arbeitswelt eine bessere Work-Life-Balance zu erwirken. Dieses Ziel ist nicht ohne weiteres zu erreichen, sondern bedarf eines langfristig angelegten Lösungsplanes, welcher verschiedene Zwischenziele beinhaltet.

Kriterium des Zeitdrucks

Probleme können auch nach der Intensität ihres anhaftenden Zeitdrucks differenziert werden. Während manche Probleme ohne jegliche zeitliche Begrenzung gelöst werden können, bedürfen andere eines extrem schnellen Handelns des Akteurs. Läuft beispielsweise ein Kind auf der Straße vor ein Auto, so hat der Autofahrer lediglich einen Bruchteil von Sekunden Zeit, um das Problem zu lösen, indem er bremst oder ausweicht. Ein Schachspieler hingegen kann seinen nächsten Spielzug so lange überlegen, wie er möchte, was ihm die Möglichkeit verschafft, sehr viele Überlegungen anzustellen.

Kriterium des Bereiches

Auch der Bereich bzw. die Domäne, der ein Problem entstammt, ist ein Kriterium zur Kategorisierung. So unterscheidet man beispielsweise akademische von nicht akademischen Problemen, Probleme aus dem Bereich der Natur von Problemen aus dem Bereich der Technik etc. Je nach seiner Domäne bedarf ein Problem spezifischer Problemlösestrategien bzw. Kenntnis über die Eigenschaften des jeweiligen Bereiches.

Versuch und Irrtum

Die Methode „Versuch und Irrtum“ wurde von Edward Lee Thorndike an Ratten untersucht. Es setzt keinerlei Intelligenz voraus. Zur Veranschaulichung: Ein eingesperrter Hund wird sich erst durch Lautgeben bemerkbar machen. Dem Bellen folgt vermutlich Türkratzen. Wenn das nicht hilft, wird er vermutlich an der Tür hochspringen und es letztendlich auch durch Zufall schaffen, die Türklinke herunterzudrücken. Bei Erfolg wird er dieses aus Versuch und Irrtum heraus „Erfahrene“ immer wieder anwenden. Bei Kindern kann man ähnliches beobachten. Haben sie gelernt, dass sie mit einem bestimmten Verhalten eine Situation meistern konnten, wiederholen sie dieses in Zukunft.

Für die trial-and-error-Strategie ist ein Erinnerungsvermögen, das ausschließt, durch Zufall immer wieder erfolglose Ansätze durchzuexerzieren, wesentliche Voraussetzung. Das kreative Verändern von bereits erfolgreich angewandten Problemlösestrategien für das Meistern von ähnlichen Problemen, das sogenannte „Umstrukturieren“ von Gelerntem, ist ein wichtiger Schritt weg von Zufalls­aktionen und hin zu einsichtigem Problemlösen. Im Gehirn bereits vorhandene Schemata werden den Gegebenheiten der jeweiligen Situation dabei durch Verallgemeinerungsleistungen angepasst. Umstrukturierung von Gelerntem setzt also Abstraktionsvermögen voraus. Mit Kreativität bezeichnet man hingegen die Möglichkeiten eines intelligenten Wesens, neue, noch nicht gezeigte Verhaltensweisen bzw. Ideen in den Problemlösungsprozess einzubinden.

Unterschiedsreduktion

Wie schon oben erwähnt, besagt die Unterschiedsreduktion, dass eine effektive Problemlösung zumeist möglich ist, indem man sich sukzessiv dem Zielzustand annähert. Dieses Prinzip wird auch Bergsteigermethode genannt und hat den Nachteil, dass eventuell bei komplexen Problemlöseprozessen Zwischenzustände erreicht werden, von denen aus es nicht mehr weitergeht, und man somit auf frühere Zwischenschritte zurückgreifen muss.

Ein Problem, an dem sich die Methode der Unterschiedsreduktion zeigen lässt, ist die sogenannte Missionare-und-Kannibalen-Aufgabe. Drei Missionare und drei Kannibalen (in anderen Versionen Hobbits und Orcs oder Ähnliche) wollen in einem maximal zwei Personen fassenden Boot auf die andere Seite eines Flusses übersetzen. Allerdings darf die Anzahl der Kannibalen niemals die der Missionare übersteigen. Beim Lösungsversuch gibt es immer zwei mögliche Züge, wobei der eine wieder in einen früheren Zustand zurückführt.

Mittel-Ziel-Analyse

Bei komplexeren Problemstellungen kann die Bergsteigermethode jedoch in Sackgassen oder Endlosschleifen enden. Eine effektive Problemlösungsstrategie, die solche Schwierigkeiten vermeidet, bietet die Mittel-Ziel-Analyse, die Simon & Newell (1972) formulierten. Sie beruht darauf, dass die zur Lösung relevanten, aber nicht verfügbaren Operatoren verfügbar gemacht werden. Dies geschieht mittels Rekursion, in der der Zielzustand in Teilziele zerlegt wird, die mittels anderer verfügbarer Operatoren erfüllt werden. Modelliert wurde dies als Informationsverarbeitungsprozess mit Hilfe eines Computers: des General Problem Solvers.

Analogiebildung

Eine weitere relevante Heuristik ist die Analogiebildung, bei der Elemente aus einer Basisdomäne, ein Problem, dessen Lösung schon vorher bekannt war, auf eine Zieldomäne übertragen wird. Ein Beispiel hierfür ist die Übertragung der Elemente des heliozentrischen Modells auf ein Atommodell durch Rutherford. Damit die Elemente jedoch übertragen werden können, bedarf es des Wissens um das Vorhandensein von relevanten Domänen, aus denen Operatoren abgeleitet werden können. Nach Dörner (1981) ist hierfür jedoch eine Abstraktion nötig, die in vielen Fällen nicht naheliegend sein muss, da die Basisdomänen anders repräsentiert sind als die Zieldomäne. Mögliche Schwierigkeiten entstehen hier beispielsweise durch die funktionale Fixierung (man kann ein Hasenfell durchaus als Zunder benutzen, auch wenn dies nicht naheliegt) oder durch Einstellungseffekte.

Weitere Strategien

• Mittel-Zweck-Analyse: Ist mein Lösungsweg das richtige (Mittel), um den Soll-Zustand zu erreichen (Zweck)? Ist der zu erwartende neue Zustand näher am Ziel (Soll-Zustand)?
• Vom Ziel aus denken
• Barrieren überwinden: umstrukturieren einer festgefahrenen Lösungsstrategie

Strategieauswahl aus systemtheoretischer Sicht

Beim Denken in Systemen wird das Problem in ein ganz bestimmtes paradigmatisches System eingeordnet und die Lösungsstrategie aus bekannten, auf dieses Paradigma angepassten Strategien ausgewählt.

• Berichtet etwa ein Mensch über ihn belastende Ängste und Träume, so wird ein entsprechend geschulter Psychologe am ehesten aus der psychoanalytischen Sichtweise an dieses Phänomen herantreten. Wird über diesen Menschen aus seinem Umfeld jedoch berichtet, dass er z. B. in verschiedenen Situationen scheinbar grundlos aggressiv wird, so wird der Psychologe wohl eher aus der behavioristischen Sichtweise argumentieren, dass dieses Verhalten erlernt wurde und wieder verlernt werden kann. Die Gestaltpsychologie betrachtet den Menschen an sich und seine Umwelt und versucht auf diesem Wege, Problemlösungstechniken anzuwenden.
• Wenn ein Team aus Bauingenieuren mit Schwerpunkt Brückenbau den Auftrag bekommt, eine neue Bahntrasse durch ein hügeliges Gelände zu führen, wird es eine hochgelegene Trasse suchen und Täler mit Brücken überspannen. Bauingenieure mit Schwerpunkt Tunnelbau werden eine tiefergelegene Trasse suchen und finden, die die Täler durchfährt und Berge mit Tunneln durchqueren.

Einstellungseffekt

Man spricht von einem Einstellungseffekt, wenn bei ähnlichen Problemen oder einer Reihe von Problemen ein bestimmtes Lösungsmuster zur Routine wird. Das Muster wird oftmals selbst dann ausgeführt, wenn es einfachere und kürzere Lösungswege gäbe.

Durch die Schwierigkeiten, welche oben bereits bei „Analogiebildung“ erwähnt wurden, wird häufig vom Einstellungseffekt in negativer Weise gesprochen. Denn trotz einfacherer Lösungswege werden oftmals ineffektivere Varianten gewählt. Doch man kann durch den Einstellungseffekt ebenfalls aufzeigen, dass man beim Problemlösen schnell lernt und sich dabei stabile Routinen bilden können. Außerdem spricht die kognitive Ökonomie für den Einstellungseffekt. Denn für die problemlösende Person ist dies der sparsamste und mit Sicherheit erfolgreichste Weg, ein Problem beziehungsweise vor allem viele aufeinanderfolgende Probleme möglichst schnell zu lösen.

Der Einstellungseffekt kann durch zwei Theorien erklärt werden, wobei die eine die andere nicht ausschließt.

Zum einen kann eine Einstellung auf den Sequenzeffekt zurückgeführt werden. Dieser besagt, dass bei aufsteigenden Schwierigkeitsstufen leichter gelernt werden kann als bei absteigenden. Tritt ein Bruch in dem Anstieg der Schwierigkeit ein, kann der Einstellungseffekt eintreten, da bei stetig steigender Erschwernis eine leichtere Aufgabenstellung schlichtweg nicht in Betracht gezogen wird.

Zum anderen besagt die Hypothesentheorie, dass Probleme, welche plötzlich aus einem anderen Hypothesenraum erscheinen, ebenfalls einen Einstellungseffekt unterstützen. Denn eine Problemlösestrategie aus dem vorherigen Hypothesenraum fortzuführen, ist bequemer und unkomplizierter, als sich an einen neuen anzupassen. Sind somit ein Bruch in der aufsteigenden Schwierigkeit und/oder ein Wechsel im Hypothesenraum gegeben, kann ein Einstellungseffekt entstehen.

Schemainduktion

Lernt man aus der Erfahrung im Umgang mit Problemen, lässt sich das so induzierte Wissen in vier Teilgebiete gliedern:

1. Die Fähigkeit, einen bestimmten Problemtyp zu erkennen (englisch identification). Beispiel: „Diese Aufgabe sieht aus wie ein Dreisatz-Problem“.
2. Das Wissen, was die in 1 identifizierten Probleme strukturell gemeinsam haben, welche weiteren Beispiele ebenfalls zu diesem Typ passen usw. (englisch elaboration).
3. Das Wissen, welche Schritte zur Lösung des vorliegenden Problems zu unternehmen sind, welche Werkzeuge gebraucht werden, wie Ressourcen aufzuteilen sind usw. (englisch planning).
4. Die Fertigkeit, die in 3 geplanten Schritte auszuführen (englisch execution).

Die ersten drei Wissensarten sind deklarativ, die vierte ist prozedural.

Interne Repräsentation

Unter interner Repräsentation versteht man sämtliche inneren Vorstellungen (z. B. stellt man sich vor, welche Handgriffe man ausgeführt hat, kurz bevor man den Schlüssel verlegt hat). Dabei ist es am wichtigsten sich das Ziel (= Endzustand) genau vorstellen zu können bzw. genau zu wissen, WAS das Ziel ist. Des Weiteren müssen auch die Ausgangssituation bekannt sein sowie die anzuwendenden Operatoren und deren Einschränkungen. Solche internen Repräsentationen werden aufgebaut, indem man Informationen über das Problem zufügt oder weglässt bzw. diese Informationen interpretiert. Die interne Repräsentation ist ausreichend für einfache Probleme.

Externe Repräsentation

Bei komplexeren Problemen muss zusätzlich eine externe Repräsentation stattfinden. Externe Repräsentationen sind alle Repräsentationsformen, die außerhalb der geistigen Vorstellung stattfinden, zum Beispiel an den Fingern abzählen, laut vorlesen, aufzeichnen etc. Externe Repräsentation kann nur stattfinden, wenn bereits eine interne Repräsentation vorhanden ist, und hilft, Beziehungen zwischen Problemaspekten aufzuzeigen.

Entwicklung und Veränderung der Repräsentation

Repräsentationsformen können sich im Laufe des Problemlöseprozesses weiterentwickeln, was als Verbesserung angesehen wird. Die Veränderungen finden statt, da man anfangs wichtige Aspekte übersehen hat. Eine günstige Repräsentationsform auszuwählen, ist eine Lösungsstrategie.

Beispiele für Lösungsmethoden

• 6-Stufen-Modell des REFA-Verbandes
• Agile Softwareentwicklung
• Design Thinking
• Problemlösungsprozess des Lehrgangs Creativity, Innovation and Change der Open University
• SPALTEN
• TRIZ

Algorithmen

Als Algorithmus wird ein Lösungsverfahren bezeichnet, das in eindeutiger Weise von einem Ausgangszustand zu einer Lösung führt. So berechnet der Euklidische Algorithmus für zwei natürliche Zahlen die größte natürliche Zahl, die in beiden natürlichen Zahlen als Teiler enthalten ist. Algorithmen können automatisiert ausgeführt werden und führen immer zu einer Lösung. Deshalb kann man Algorithmen auch als Computerprogramme schreiben und die automatische Lösung an einen Computer delegieren.

Heuristiken im engeren Sinne (also Heuristiken, die sich nicht als Algorithmen schreiben lassen) können nicht so einfach in Computerprogramme überführt werden. So gibt es für das „Problem des Handlungsreisenden“ (eine Reiseroute zwischen vielen Orten soll optimiert werden) zwar eine algorithmische Lösung, aber diese ist wegen ihrer Zeit- und Ressourcenbelastung praktisch nicht zu realisieren, wenn die Anzahl der zu besuchenden Orte sehr groß ist. Hier kommt man mit einer Heuristik weiter, die nur anstrebt, eine möglichst gute Lösung zu finden. Um diese nur suboptimale Lösung programmtechnisch durch einen Computer lösen zu lassen, braucht man dann wieder einen Algorithmus, der die suboptimale Lösung eindeutig wirksam macht. Allerdings wird durch dieses Verfahren nicht automatisch auch die Ursprungsproblematik eindeutig gelöst.

Problemlösen durch künstliche Intelligenz

In diesem Artikel geht es um Problemlösungsstrategien von natürlichen Wesen. Für das abgeleitete Anwendungsgebiet in der Künstlichen Intelligenz, in dem versucht wird, formalisierte Schlussweisen zur Lösung von Problemen einzusetzen, siehe Automatisches Problemlösen.