S-I-C-T: Warum moderne Systeme an ihrer eigenen Geschwindigkeit zerbrechen
Roth Complexity Lab · Diagnose-Framework in der FrühphaseModerne Systeme sind nicht deshalb fragil, weil sie zu kompliziert geworden sind. Sie sind fragil, weil Information und Veränderung schneller durch sie hindurchströmen, als Struktur und Kohäsion mithalten können.
Mit den Systemen, von denen wir abhängen, stimmt etwas nicht. Unternehmen führen KI schneller ein, als ihre Kultur oder Governance sie aufnehmen kann. Regierungen sehen sich Krisen gegenüber, die schneller voranschreiten als die Institutionen, die für ihre Bewältigung geschaffen wurden. Plattformen verbreiten Informationen so rasch, dass gemeinsame Bedeutung den Zyklus kaum überlebt. Märkte reagieren augenblicklich auf Signale, Gerüchte und Maschinenrauschen. Selbst gut geführte Organisationen fühlen sich oft nur einen ernsten Schock von der Verwirrung entfernt.
Die Standarderklärung dafür lautet, „die Welt sei komplexer geworden". Das stimmt, hilft aber wenig. Komplexität wird zunehmend als höfliches Wort für Hilflosigkeit verwendet. Eine nützlichere Frage lautet: Was genau hält ein System unter Druck stabil oder destabilisiert es?
Das S-I-C-T Framework ist in seiner aktuellen Form kein bewiesenes wissenschaftliches Gesetz. Es ist eine makroskopische Diagnose-Heuristik in der Frühphase. Sein Wert liegt weniger darin, fertige Antworten zu geben, als darin, schärfere Fragen zu erzwingen, wo „Komplexität" als Wort nicht mehr weiterhilft.
Was ist das S-I-C-T Framework?
Das S-I-C-T Framework ist eine makroskopische Diagnose-Heuristik in der Frühphase zur Untersuchung komplexer adaptiver Systeme. Es verwendet vier Dimensionen — Structure (Struktur), Information, Cohesion (Kohäsion) und Transformation —, um zu prüfen, ob die stabilisierenden Kapazitäten eines Systems mit seiner Informationslast und der Geschwindigkeit der Veränderungen um es herum Schritt halten.
Entwickelt von Miklós Róth, Roth Complexity Lab, Budapest. Status: präparadigmatischer systemwissenschaftlicher Vorschlag, der noch operationalisiert und empirisch validiert werden muss.
Was S-I-C-T ist und was es nicht ist
Bevor wir tiefer einsteigen, lohnt sich eine präzise Einordnung: Was bietet das Framework — und was beansprucht es nicht?
Was es ist
- Eine diagnostische Linse zur Untersuchung von Systemstress.
- Eine Heuristik, die vages „Komplexitäts-Gerede" durch spezifischere, strukturierte Fragen ersetzt.
- Ein Forschungsvorschlag, der das Verhältnis zwischen stabilisierenden und destabilisierenden Kräften in den Blick rückt.
- Ein gemeinsames Vokabular, das Forscher, Entscheidungsträger, Journalisten und Praktiker verbinden kann.
Was es nicht ist
- Kein bewiesenes Naturgesetz.
- Keine universelle Prognose-Maschine.
- Kein Ersatz für domänenspezifische empirische Modelle, etwa in Epidemiologie, Makroökonomie oder Netzwerkforschung.
- Kein mathematisch validierter Attraktor und in seiner aktuellen Form keine kalibrierte Gleichung.
Die vier Dimensionen
Das Framework ordnet die auf ein System einwirkenden Kräfte in vier wechselwirkende makroskopische Dimensionen.
Structure — Struktur
Regeln, Grenzen, Institutionen, Protokolle, Architekturen und stabilisierende Bedingungen. Alles, was einem System Form und tragenden Rahmen gibt.
Information
Volumen, Geschwindigkeit, Qualität und mögliche Verzerrung der Signale, die durch das System fließen. Datendurchsatz, semantische Dichte, das Rauschen im Feedback.
Cohesion — Kohäsion
Vertrauen, Ausrichtung, gemeinsame Bedeutung, Interoperabilität und Synchronisation zwischen den Komponenten eines Systems. Das, was die Teile funktional zusammenhält.
Transformation
Die Rate und Intensität der Veränderung. Innovationsdruck, Umweltvolatilität, Anpassungslast, evolutionärer Stress.
Diese Dimensionen interagieren in einer dynamischen Schleife: Structure → Information → Transformation → Cohesion → Structure. Die Struktur formt, welche Information das System überhaupt durchquert. Information löst Transformation aus oder beschleunigt sie. Transformation belastet die Kohäsion. Die Kohäsion wiederum verstärkt die Struktur oder gestaltet sie neu.
Die Stabilitätsheuristik
Ein System bleibt mit höherer Wahrscheinlichkeit funktional stabil, wenn seine stabilisierenden Kapazitäten — Struktur und Kohäsion — ausreichen, um den kombinierten Druck aus Informationslast und Veränderungsgeschwindigkeit zu absorbieren, zu filtern oder zu koordinieren.
In ihrer aktuellen Form ist dies keine wörtliche mathematische Gleichung. Die Variablen besitzen keine allgemein anerkannte Einheit. Es existiert keine universelle Kalibrierung. Die Formel sollte als diagnostische Balance gelesen werden, nicht als prädiktive Gleichung. Ihr nächster geistiger Verwandter ist Ashbys Gesetz der erforderlichen Varietät aus der Kybernetik: Ein Regulator kann mit der Varietät seiner Umwelt nur dann umgehen, wenn seine eigene innere Varietät mindestens ebenso groß ist.
Sollten die vier Dimensionen eines Tages durch unabhängige Indikatoren messbar werden, könnte aus dem Zusammenhang ein testbarer Index reifen. Die Arbeit der Operationalisierung, Kalibrierung und empirischen Validierung steht jedoch noch aus. Bis dahin fungiert die Heuristik als diagnostische Hypothese: Dort, wo Information und Transformation gemeinsam die Kapazität von Struktur und Kohäsion übersteigen, sind frühe Stresssignale zu erwarten — Entscheidungsparalyse, institutionelle Überlastung, Koordinationsversagen, Vertrauensverlust, narrative Fragmentierung oder brüchige Überkontrolle.
Diagnostische Sprache statt vagem Komplexitäts-Gerede
Der praktische Nutzen des Frameworks zeigt sich vor allem in den Fragen, die es überhaupt erst stellbar macht. Die folgende Tabelle stellt typischem Komplexitäts-Gerede die diagnostische Frage gegenüber, die S-I-C-T vorschlägt.
| Allgemeines Komplexitäts-Gerede | S-I-C-T-Diagnosefrage |
|---|---|
| „Die Welt ist nicht mehr beherrschbar." | In welcher Dimension entsteht der neue Druck — Information, Transformation oder in beiden? |
| „Unsere Organisation passt sich nicht schnell genug an." | Ist die Struktur zu starr, zu schwach, oder versagt die Kohäsion bei der Stützung koordinierter Anpassung? |
| „KI verändert alles." | Entwickeln sich Governance-Strukturen und die Mensch-KI-Kohäsion im Gleichschritt mit der wachsenden Informations- und Transformationslast? |
| „Der öffentliche Diskurs ist zu polarisiert." | Erodiert die Kohäsion, oder treibt die Verzerrung der Informationskanäle die Koordinationskosten in die Höhe? |
| „Die Märkte sind irrational." | Hat die Informationsgeschwindigkeit die Kapazität struktureller Filter und gemeinsamer Marktkonventionen überholt? |
Aktuelle Schlagzeilen durch die Linse betrachtet
Die folgenden Beispiele sind Illustrationen jener Spannungen, die die Heuristik sichtbar machen soll — keine Belege für das Modell.
Ungarns politische Wende (Frühjahr 2026)
Nach sechzehn Jahren einer dominierenden politischen Architektur gewann Péter Magyars Tisza Partei bei Rekord-Wahlbeteiligung eine Zweidrittelmehrheit. Das vorherige System stützte sich stark auf institutionelle und mediale Struktur, um Transformation zu steuern und eine erzwungene Kohäsion aufrechtzuerhalten — ein Muster, das das Framework als Tendenz zur „Control"-Reaktion einordnen würde. Die rasche Verschiebung der öffentlichen Stimmung und der Aufstieg einer organisierten Opposition stellen nun neue Anforderungen an Struktur wie Kohäsion, während das Land EU-Integration und Antikorruptionsreformen navigiert.
Die ersten Monate der zweiten Trump-Administration (seit 2025)
Der Übergang und die frühen Exekutivmaßnahmen haben starke strukturelle Durchsetzung in den Vordergrund gerückt — in Einwanderungsfragen, bei der Reform von Bundesbehörden und in der schnellen Umsetzung politischer Vorhaben — vor dem Hintergrund polarisierter Informationsflüsse und rascher technologischer wie kultureller Transformation. Das Framework wirft eine konkrete Frage auf: Stärkt sich die brückenbildende Kohäsion zwischen gespaltenen Bevölkerungsgruppen im vergleichbaren Tempo, oder kippt das System in Richtung tieferer Polarisierung und Fragmentierung?
Die fortlaufende KI-Beschleunigung (2026)
Agentische KI-Systeme, die zu autonomer Planung fähig sind, Durchbrüche in der mathematischen Modellierung und Robotik sowie drängende Governance-Debatten steigern Informationsvolumen und Transformationsgeschwindigkeit gleichermaßen. Unternehmen und Staaten skalieren ihre Fähigkeiten im Wettlauf, während sie zugleich Fragen von Alignment, Sicherheit und gesellschaftlicher Wirkung bewältigen müssen. Ohne ausreichende Entwicklung in Struktur (Governance-Protokolle) und Kohäsion (Mensch-KI-Synchronisation, öffentliches Vertrauen) wachsen laut Framework die Risiken von Koordinationsproblemen oder Fragmentierung. Kollaborationen, denen es gelingt, menschliches Urteil und KI-Fähigkeiten in Einklang zu bringen, weisen in Richtung einer möglichen „Co-Evolution"-Bahn.
Vier wiederkehrende Systemzustände
Das Framework identifiziert vier breite, wiederkehrende Muster, in die ein System unter Stress geraten kann. Diese sollten als konzeptuelle Kategorien behandelt werden, nicht als mathematisch bewiesene Attraktoren — solange formale Modellierung und empirische Tests sie nicht stützen. Sie weisen Parallelen zu Hollings adaptivem Zyklus auf (Nutzung, Konservierung, Freisetzung, Reorganisation), sind mit diesem aber nicht identisch.
| Zustand | Muster |
|---|---|
| Collapse — Kollaps | Informationsverzerrung, rasche Transformation und Kohäsions-Zusammenbruch überschreiten gemeinsam die stabilisierende Kapazität des Systems. Die funktionale Kohärenz geht verloren. |
| Control — Kontrolle | Das System reagiert auf Überlastung mit verschärfter Struktur und unterdrückt zugleich Vielfalt, Feedback oder dezentrale Anpassung. |
| Chaos | Das System verbleibt in hoher Volatilität, ohne stabile Koordination oder kohärentes Lernen zu erreichen. |
| Co-Evolution — Koevolution | Struktur und Kohäsion sind stark genug, um hohen Informationsfluss und rasche Transformation zu verarbeiten, ohne dabei adaptive Kapazität zu verlieren. Veränderung ertüchtigt das System, statt es zu zerreißen. |
Warum das nach 2026 wichtig sein könnte
Die prägende Spannung der kommenden Jahre wird wahrscheinlich nicht eine einzelne Technologie, Krise oder ein einzelner Konflikt sein. Eher wird es die Asymmetrie sein, die das Framework zu benennen versucht: Information und Transformation beschleunigen sich dauerhaft, während Struktur und Kohäsion sich nur langsam neu aufbauen lassen.
In diesem Umfeld besteht die nützlichste Fähigkeit für Führungskräfte, Regulierer und institutionelle Gestalter nicht darin, immer neue Prognosen zu produzieren. Sie besteht darin, mit Disziplin zu fragen, welche konkrete Kapazität gerade fehlt — damit die nächste Welle verarbeitet und nicht nur überlebt wird.
Eine Heuristik allein kann das nicht beheben. Sie kann jedoch die Diskussionen von der Klage über Komplexität weg und hin zu konkreten Hebeln für den Wiederaufbau von Stabilität verlagern.
Anwendungsbereiche
Das Framework kann überall dort diagnostische Struktur liefern, wo das Verhalten eines komplexen adaptiven Systems zu untersuchen ist.
| Bereich | Typische S-I-C-T-Frage |
|---|---|
| Organisationen und Unternehmen | Halten interne Struktur und Kultur (Kohäsion) mit dem strategischen Wandel (Transformation) und dem Datenvolumen (Information) Schritt? |
| KI-Ökosysteme | Entwickeln sich Governance-Protokolle und die Mensch-KI-Vertrauensschnittstelle parallel zu agentischen Fähigkeiten und Deployment-Geschwindigkeit? |
| Politische Institutionen | Reichen die bestehende institutionelle Architektur und die soziale Kohäsion aus, um ein polarisiertes Informationsumfeld und rasche kulturell-politische Veränderungen zu absorbieren? |
| Finanz- und Marktsysteme | Halten regulatorische Rahmenwerke und Marktkonventionen dem kombinierten Druck aus algorithmischem Rauschen und plötzlichen Signalen stand? |
| Medien und öffentlicher Diskurs | Bleibt unter beschleunigten Informationszyklen und plattformgetriebener Transformation genügend gemeinsame Bedeutung und institutionelles Vertrauen erhalten? |
Was S-I-C-T noch nicht belegt
Grenzen und offene Fragen
- Die vier Dimensionen sind noch nicht in standardisierter Form operationalisiert. Es gibt keine vereinbarte Maßeinheit für Struktur, Kohäsion, Informationsdruck oder Transformationsgeschwindigkeit.
- Der Zusammenhang S + C ≥ I + T fungiert derzeit als diagnostische Balance, nicht als kalibrierter Index. Ohne dimensionale Homogenität kann er nicht als wörtliche algebraische Gleichung gelesen werden.
- Das Framework ersetzt keine domänenspezifischen Modelle. Die prädiktive Kraft epidemiologischer, makroökonomischer oder netzwerkwissenschaftlicher Modelle bleibt innerhalb ihrer eigenen Domäne weit größer.
- Die vier Systemzustände — Collapse, Control, Chaos, Co-Evolution — sind eine konzeptuelle Typologie, keine mathematisch bewiesenen Attraktoren.
- Das Framework verfügt bislang über keine öffentliche, peer-reviewte empirische Validierung. Multikollinearität zwischen S und C sowie zwischen I und T ist ein unbearbeitetes Risiko.
- Das Akronym „SICT" kollidiert mit dem in der akademischen Literatur bestehenden Rahmen Sustainable Information and Communication Technologies (Curry, Donnellan). Um bibliografische Verwässerung zu vermeiden, wird daher der vollständige Name S-I-C-T Framework bevorzugt.
Wie ließe sich das Framework testen oder falsifizieren?
Das wissenschaftliche Potenzial jeder Heuristik hängt davon ab, wie falsifizierbar sie gemacht werden kann. Eine künftige Validierung von S-I-C-T verlangt mindestens die folgenden Schritte:
- Operationalisierung. Jede Dimension benötigt mehrere unabhängige Proxy-Messungen — beispielsweise V-Dem-basierte institutionelle Dichteindizes für die Struktur, auf Shannon-Entropie gestützte Informationsvolumen-Verhältnisse für die Information, Netzwerk-Vertrauens- und Clustering-Metriken für die Kohäsion sowie Volatilitätsindizes (etwa VIX oder Weltbank-Volatilitätsindikatoren) für die Transformation.
- Test der Dimensionsunabhängigkeit. Explorative Faktorenanalyse und Hauptkomponentenanalyse (EFA / PCA), um zu prüfen, ob die empirischen Daten tatsächlich in vier weitgehend orthogonale Dimensionen clustern — oder ob sich S und C beziehungsweise I und T stärker überlappen als erwartet.
- Längsschnittdatensätze. Mehrjährige, idealerweise multidomänen-übergreifende Paneldaten, in denen sich S-I-C-T-Zustände ex post interpretieren und die zeitliche Reihenfolge von Veränderungen (z. B. Granger-Kausalität) testen lassen.
- Vergleich mit Baseline-Modellen. Der Nachweis, dass die Heuristik nicht nur beobachtete Muster nachzeichnet, sondern erklärenden oder prädiktiven Mehrwert gegenüber bestehenden Modellen erbringt — Ashbys erforderliche Varietät, Hollings adaptiver Zyklus, Institutionentheorie, Netzwerkforschung, Resilienztheorie. ROC-AUC-Vergleiche sind ein naheliegender Test.
- Falsifikationskriterien. Die Identifikation empirischer Muster, die dem Framework widersprechen würden — etwa Systeme mit starker Struktur und Kohäsion, die dennoch unter geringem Informations- und Transformationsdruck zusammenbrechen.
- Unabhängige Reproduzierbarkeit. Andere Forschergruppen müssen Modell und Testverfahren reproduzieren können, idealerweise mit hoher Inter-Rater-Reliabilität (Fleiss' Kappa oder ICC ≥ 0,70).
Solange diese Schritte nicht abgeschlossen sind, lautet die verantwortungsvolle Beschreibung des Frameworks: eine disziplinierte diagnostische Sprache für eine wichtige Reihe von Fragen, nicht eine fertige wissenschaftliche Theorie.
Eine Einladung an Forscher, Entscheidungsträger und Praktiker
Das Roth Complexity Lab heißt die Zusammenarbeit mit Systemforschern, KI-Governance-Spezialisten, Organisationsleitern, Journalisten und politischen Entscheidungsträgern willkommen.
Das Ziel: S-I-C-T Schritt für Schritt aus dem Status einer vorsichtigen Diagnose-Heuristik in Richtung eines testbaren Modells zu führen — oder es verantwortungsvoll zu verwerfen, falls die empirische Arbeit es nicht stützt.
Häufig gestellte Fragen
Ist das S-I-C-T Framework ein bewiesenes Naturgesetz?
Nein. In seiner aktuellen Form ist es eine makroskopische Diagnose-Heuristik in der Frühphase, positioniert als präparadigmatischer systemwissenschaftlicher Vorschlag. Seine Validierung erfordert empirische Arbeit und Operationalisierung.
Ist es ein universelles Modell, das auf jedes System anwendbar ist?
Es ist keine universelle Prognose-Maschine. Es bietet eine gemeinsame Sprache des Fragens für komplexe adaptive Systeme, doch konkrete Erklärungen verlangen weiterhin Fachexpertise und empirische Modelle.
Worin unterscheidet es sich von bestehenden Komplexitätstheorien?
Das Framework will weder die Forschung zu komplexen adaptiven Systemen, noch Kybernetik, Resilienztheorie, Netzwerkforschung, Informationstheorie, Institutionentheorie oder KI-Governance ersetzen. Es schlägt ein gemeinsames vierdimensionales diagnostisches Vokabular vor, das an den Schnittstellen dieser Felder nützlich sein kann — eher als synthetisierende Ebene denn als neue Theorie.
Was bedeutet S + C ≥ I + T in der Praxis?
Es drückt eine diagnostische Balance aus: Ein System bleibt mit höherer Wahrscheinlichkeit stabil, wenn Struktur und Kohäsion zusammen den kombinierten Druck aus Information und Transformation abfedern können. In seiner aktuellen Form ist es keine wörtliche algebraische Gleichung, da die Variablen keine dimensional homogenen Einheiten besitzen.
Ist das Framework falsifizierbar?
Noch nicht vollständig, weil die Variablen nicht operationalisiert sind. Seine Falsifizierbarkeit hängt davon ab, ob unabhängige Messgrößen und Falsifikationskriterien entwickelt werden können — beispielsweise prädiktive Tests gegen Nullmodelle, Survival-Analysen oder ROC-AUC-Vergleiche.
Für wen ist es jetzt schon nützlich?
Für Führungskräfte, Regulierer, Forscher und Journalisten ist das Framework vor allem deshalb nützlich, weil es schärfere Fragen zu systemischem Stress ermöglicht — auch bevor ein operationalisiertes Modell verfügbar ist.
Wer entwickelt das S-I-C-T Framework?
Miklós Róth, Gründer des Roth Complexity Lab in Budapest. Das Labor arbeitet in einem präparadigmatischen systemwissenschaftlichen Modus, indem es Signal aus Rauschen gewinnt — durch den Vergleich konkurrierender, oft unvollständiger Theorien unter hoher Unsicherheit.
Wo sollte man mit der Anwendung beginnen?
Mit einem konkreten Systemproblem: der KI-Einführung in einer Organisation, der Aufnahme einer institutionellen Reform, dem Verhalten eines Marktsegments. Dieses Problem geht man entlang der vier Dimensionen durch. Was leistet die Struktur? Wie ist die Qualität des Informationsflusses? Wo steht die Kohäsion? In welchem Tempo bewegt sich die Transformation? Und wie sieht das Verhältnis zwischen ihnen gerade jetzt aus?
Kurzes Glossar
- Komplexes adaptives System
- Ein System, dessen Verhalten aus der nicht-linearen Dynamik vieler wechselwirkender Elemente entsteht und das sich an seine Umwelt anpassen kann.
- Heuristik
- Eine strukturierte Denkhilfe, die näherungsweise, oft nützliche Antworten dort liefert, wo ein vollständiges formales Modell noch nicht verfügbar ist.
- Stabilität
- Die Fähigkeit eines Systems, unter Störung und Druck funktional kohärent zu bleiben.
- Informationsüberflutung
- Ein Zustand, in dem das Volumen oder die Geschwindigkeit eingehender Signale die Verarbeitungs- und Interpretationskapazität des Systems übersteigt.
- Kohäsion
- Die Ausrichtung, das Vertrauen, die gemeinsame Bedeutung und die Koordinationsfähigkeit zwischen den Teilen eines Systems.
- Transformationsdruck
- Externer oder interner Veränderungsdruck, der einem System Anpassung abverlangt.
- Konstruktvalidität
- Der Grad, in dem ein konzeptuelles Konstrukt tatsächlich misst, was es zu messen vorgibt — ein zentraler Test für jede künftige empirische Bewertung von S-I-C-T.
- Falsifizierbarkeit
- Eine Voraussetzung für wissenschaftlichen Status: die prinzipielle Möglichkeit einer Beobachtung, die einer Behauptung widersprechen würde.
- Erforderliche Varietät (Ashbys Gesetz)
- Ein Regulator kann nur dann wirksame Kontrolle ausüben, wenn er mindestens so viele innere Zustände erzeugen kann, wie es die Störungen seiner Umwelt erfordern.
Wissenschaftliche Literaturverweise und verwandte Literatur
Die folgende Liste umfasst grundlegende und kontextuelle Literatur, die für das Framework und seine künftige akademische Verortung relevant ist. In seiner aktuellen Form stützt sich S-I-C-T noch nicht auf direkte empirische Ergebnisse; die Verweise decken die angrenzenden Felder sowie die in der kritischen Begutachtung zitierten Arbeiten ab.
Kybernetik, erforderliche Varietät, Systemregulierung
- Ashby, W. R. (1956). An Introduction to Cybernetics. London: Chapman & Hall.
- Wiener, N. (1948). Cybernetics: Or Control and Communication in the Animal and the Machine. Cambridge, MA: MIT Press.
- Beer, S. (1972). Brain of the Firm. London: Allen Lane.
Komplexe adaptive Systeme
- Holland, J. H. (1995). Hidden Order: How Adaptation Builds Complexity. Reading, MA: Addison-Wesley.
- Holland, J. H. (1992). Adaptation in Natural and Artificial Systems (2. Aufl.). Cambridge, MA: MIT Press.
- Mitchell, M. (2009). Complexity: A Guided Tour. New York: Oxford University Press.
- Page, S. E. (2010). Diversity and Complexity. Princeton, NJ: Princeton University Press.
- Meadows, D. H. (2008). Thinking in Systems: A Primer. White River Junction, VT: Chelsea Green Publishing.
Resilienz und der adaptive Zyklus
- Holling, C. S. (1973). Resilience and stability of ecological systems. Annual Review of Ecology and Systematics, 4(1), 1–23.
- Gunderson, L. H., & Holling, C. S. (Hrsg.). (2002). Panarchy: Understanding Transformations in Human and Natural Systems. Washington, DC: Island Press.
- Walker, B., Holling, C. S., Carpenter, S. R., & Kinzig, A. (2004). Resilience, adaptability and transformability in social–ecological systems. Ecology and Society, 9(2), 5.
- Taleb, N. N. (2012). Antifragile: Things That Gain from Disorder. New York: Random House.
Netzwerkforschung, Kohäsion, Koordination
- Barabási, A.-L. (2016). Network Science. Cambridge: Cambridge University Press.
- Newman, M. E. J. (2010). Networks: An Introduction. Oxford: Oxford University Press.
- Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of „small-world" networks. Nature, 393(6684), 440–442.
- Granovetter, M. (1973). The strength of weak ties. American Journal of Sociology, 78(6), 1360–1380.
- Assessing organizational cohesion by the maximum caliber method. ResearchGate, 2024. Link.
- Organizational Cohesion and Unequal Political Selection: Evidence from Tunisia's Secular–Islamist Competition. Perspectives on Politics, Cambridge University Press. Link.
Informationstheorie, Entropie, organisatorischer Stress
- Shannon, C. E. (1948). A mathematical theory of communication. Bell System Technical Journal, 27(3), 379–423.
- Entropy and institutional theory. International Journal of Organizational Analysis, Emerald. Link.
- Entropy, Annealing, and the Continuity of Agency in Human–AI Systems. Preprints.org, 2026. Link.
Institutionentheorie
- North, D. C. (1990). Institutions, Institutional Change and Economic Performance. Cambridge: Cambridge University Press.
- Ostrom, E. (1990). Governing the Commons: The Evolution of Institutions for Collective Action. Cambridge: Cambridge University Press.
- DiMaggio, P. J., & Powell, W. W. (1983). The iron cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review, 48(2), 147–160.
KI-Governance, agentische KI, Alignment
- Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies. Oxford: Oxford University Press.
- Russell, S. (2019). Human Compatible: Artificial Intelligence and the Problem of Control. New York: Viking.
- Governance- and Security-by-Design: Embedding Safety and Alignment into Agentic AI Systems. Oxford Abstracts. Link.
- A Stochastic Differential Equation Framework for Multi-Objective LLM Interactions. arXiv preprint, 2025. Link.
Nomenklatur-Kontext (SICT-Akronym-Kollision)
- Curry, E. (2014). Sustainable IT. Link.
- Donnellan, B., Sheridan, C., & Curry, E. (2011). A Capability Maturity Framework for Sustainable Information and Communication Technology. IEEE IT Professional. Link.
- Understanding the Maturity of Sustainable ICT. IDEAS/RePEc. Link.
Wissenschaftsphilosophie, präparadigmatische Wissenschaft
- Kuhn, T. S. (1962). The Structure of Scientific Revolutions. Chicago, IL: University of Chicago Press.
- Popper, K. R. (1959). The Logic of Scientific Discovery. London: Hutchinson.
Ajánlott bejegyzések:
A bejegyzés trackback címe:
Kommentek:
A hozzászólások a vonatkozó jogszabályok értelmében felhasználói tartalomnak minősülnek, értük a szolgáltatás technikai üzemeltetője semmilyen felelősséget nem vállal, azokat nem ellenőrzi. Kifogás esetén forduljon a blog szerkesztőjéhez. Részletek a Felhasználási feltételekben és az adatvédelmi tájékoztatóban.
