Deep Systemic Design: Zeichne keinen Flow, bevor du die Ursache gefunden hast

KI hat die Recherche in einen Fünf-Minuten-Sprint verwandelt. Andrej Karpathy hat es mit Code gezeigt: schnell iterieren, behalten was funktioniert, implementieren, weitermachen. Dieser Rhythmus überträgt sich natürlich auf Design. Aber er verbirgt eine Falle: Man kann jetzt schneller denn je das falsche Problem vereinfachen.

Das Versprechen kurzer Zyklen

Das autoResearch-Modell ist in seiner Logik verführerisch. In fünf Minuten dichter, geführter Recherche kann ein Designer ein ausreichendes kontextuelles Verständnis eines unbekannten Fachgebiets erlangen.

Aber Geschwindigkeit erzeugt eine Versuchung: direkt zur Flow-Kartierung zu springen, bevor man die richtige Frage gestellt hat.

Zwei Arten von Systemdenken — und die Verwechslung zwischen ihnen

Klassisches Systemdenken konzentriert sich auf Flüsse: Wer interagiert womit, welche Prozesse folgen aufeinander. Es beschreibt wie Dinge zirkulieren.

Tiefes Systemdenken stellt eine andere Frage: Warum produziert das System dieses Verhalten fast unvermeidlich?

„Klassisches Systemdenken fragt: Wie fließt es? Tiefes Systemdenken fragt: Was macht dieses Verhalten an der Wurzel unvermeidlich?"

Die vier Ebenen eines Designproblems

Ebene 1 — Oberfläche. Das beobachtbare Ereignis.

Ebene 2 — Muster. Wiederkehrende Tendenzen.

Ebene 3 — Struktur. Die Mechanismen, die das Muster erzeugen.

Ebene 4 — Grundursache. Die Überzeugungen und Grundbedingungen, die die Struktur fast unvermeidlich machen.

Ein integriertes Modell: Minimale lebensfähige Tiefe

Die Versöhnung ist kein weicher Kompromiss. Es ist eine Sequenzierungsstrategie: 10-15% der Zeit vorab investieren, um tief genug zu gehen.

Fazit

KI hat Recherche schnell und Wissen zugänglich gemacht. Aber sie hat nicht verändert, was eine gute Diagnose ausmacht. Zeichne keinen Flow, bevor du die Ursache gefunden hast.