QMB - Qualitätsmanagementbeauftragter Logo
    • Startseite
    • QM Toolbox (AI)
      • ISO 9001:2026 Toolbox (AI)
    • Lexikon
      • QMB: Aufgaben & Rolle
    • Blog
    • Methoden
    • Seminare & Ausbildungen
    • Kontakt
    • Impressum
QMB - Qualitätsmanagementbeauftragter LogoQMB - QualitätsmanagementbeauftragterWissen · Methoden · Praxis
Lexikon/Cynefin
Lexikon · Wissen · Anwendung

Cynefin

  • Cynefin
  • Entscheidungsfindung
  • VUCA
Cynefin

Inhaltsverzeichnis

  1. Kurz erklärt
  2. Definition
  3. Bedeutung im Fachkontext
  4. Input, Verarbeitung, Output, Outcome, Impact
  5. Schritte der Methode in Übersicht
  6. Beschreibung der Einzelschritte mit Ziel & Vorgehen
  7. Anwendung und Vorgehen
  8. Anwendungsgebiete
  9. Typische Fehler und Missverständnisse
  10. Abgrenzung und Grenzen
  11. Thema + KI-Unterstützung
  12. Beispiele im AI Tool
  13. Seminare zum Thema
  14. Häufige Fragen

Kurz erklärt

Das Cynefin-Framework ist ein wissenschaftlich fundiertes Sense-making-Modell, das Führungskräften und Teams hilft, den Kontext ihrer Herausforderungen präzise zu verstehen und darauf basierend die jeweils geeignete Entscheidungslogik zu wählen. In einer von Volatilität, Unsicherheit, Komplexität und Ambiguität (VUCA) geprägten Arbeitswelt dient es als unverzichtbare Entscheidungshilfe. Es unterteilt Probleme in fünf Domänen: einfach, kompliziert, komplex, chaotisch und verwirrt. Durch diese Struktur verhindert das Modell, dass Führungskräfte auf komplexe, emergente Probleme mit starren, regelbasierten Ansätzen reagieren oder bei eindeutig einfachen Problemen einen unnötig hohen Aufwand durch spekulative Methoden betreiben. Es optimiert somit den Ressourceneinsatz und erhöht die organisationale Resilienz durch passgenaue Methodenkompetenz.

Cynefin · Kurz erklärt
Cynefin · Kurz erklärt01AUSGANGSLAGERohdaten, Beobachtungen,Team-Erfahrungen02DIE METHODESituationsanalyse →Domänen-Einordnung →Strategiewahl → Reflexion undIteration03DAS ERGEBNISOptimierte Strategie oderDomänenwechselDie Methodik wird in den folgenden Abschnitten Schritt für Schritt erläutert.

Definition

Das Cynefin-Framework (ausgesprochen: kuh-nev-in) ist ein kontextuelles Sense-making-Modell, das zur systematischen Kategorisierung von Entscheidungssituationen in fünf spezifische Domänen dient. Das primäre Ziel ist die Identifikation der ontologischen Natur einer Herausforderung – ob sie stabil und deterministisch, kausal ableitbar durch Experten oder emergent und unvorhersehbar ist. Die Domänen definieren sich wie folgt: 1. Einfach (klare Ursache-Wirkungs-Beziehungen, bewährte Best-Practices), 2. Kompliziert (kausale Zusammenhänge vorhanden, erfordern jedoch Expertenwissen und Analyse), 3. Komplex (keine linearen Zusammenhänge, Lösungen müssen durch gezielte Experimente entdeckt werden), 4. Chaotisch (keine erkennbaren Muster, erfordert unmittelbare Stabilisierungshandlungen) und 5. Verwirrt (der Ausgangszustand vor einer Einordnung). Das Modell fungiert nicht als Problemlösungswerkzeug, sondern als Navigationshilfe zur methodischen Wahl.

Bedeutung im Fachkontext

Im modernen Qualitätsmanagement und strategischen Management fungiert Cynefin als essenzielle Vorstufe zur zielgerichteten Anwendung spezifischer Werkzeuge. Während klassische Methoden wie die FMEA, statistische Prozesslenkung (SPC) oder Six Sigma im 'komplizierten' Bereich exzellent funktionieren, verlieren sie in der 'komplexen' Domäne an Wirksamkeit, da sie auf stabilen Korrelationen basieren, die dort nicht existieren. Cynefin schafft die notwendige Klarheit über die Grenzen von Standardisierung und ISO-konformen Systemen. Es bereitet den Boden für agile Vorgehensweisen und verhindert 'Methoden-Bias', bei dem ein bewährtes Werkzeug in einem Kontext angewendet wird, in dem es aufgrund seiner ontologischen Annahmen versagen muss.

Input, Verarbeitung, Output, Outcome, Impact

Cynefin · Gesamtwirkpfad der Methode
Cynefin · Von Input bis Impact01INPUTHerausforderungen,strategischeProbleme,Wissensbestände derBeteiligten,vorhandeneProzessdaten undRessourcen fürAnalysen.02VERARBEITUNGGemeinsame Analyseund Diskurs überdie Kausalstrukturder Situation,Zuordnung zu einerder fünf Domänenunter VermeidungvorschnellerLösungen.03OUTPUTEine klaremethodischeHandlungsanweisung,fundierteEntscheidung füreine spezifischeStrategie (z.B.Standardisierungvs. Experiment) undeine geteilteSprache im Team.04OUTCOMEErstens: Die Wahlder angemessenenVorgehensweiseerhöht dieEffektivität vonInterventionenmassiv. Zweitens:EinewiederverwendbareWissensbasis überdie Art derProbleme entsteht,die Folgeprojektebeschleunigt undLernkurvenverkürzt.05IMPACTLangfristigeStärkung derorganisationalenResilienz undInnovationsfähigkeit. Das UnternehmenreduziertQualitätskostendurch passgenauereProzesse undsteigert diestrategischeAgilität, indem eslernt, Komplexitätnicht durchBürokratie, sonderndurch gezieltesLernen zubeherrschen.Input schafft die Voraussetzungen, Output dokumentiert das Ergebnis.Outcome und Impact entstehen erst durch Umsetzung und nachweisbare Wirkung.
Wirkungspfade und Beiträge zu Unternehmenszielen im Detail

Outcome

Erstens: Die Wahl der angemessenen Vorgehensweise erhöht die Effektivität von Interventionen massiv. Zweitens: Eine wiederverwendbare Wissensbasis über die Art der Probleme entsteht, die Folgeprojekte beschleunigt und Lernkurven verkürzt.

Impact

Langfristige Stärkung der organisationalen Resilienz und Innovationsfähigkeit. Das Unternehmen reduziert Qualitätskosten durch passgenauere Prozesse und steigert die strategische Agilität, indem es lernt, Komplexität nicht durch Bürokratie, sondern durch gezieltes Lernen zu beherrschen.

Schritte der Methode in Übersicht

Die Anwendung von Cynefin folgt einem strukturierten Zyklus. Der Prozess beginnt bei der Situationsanalyse (1), geht über in die Domänen-Einordnung (2), führt zur gezielten Strategiewahl (3) und endet in der Reflexion und Iteration (4). Jedes Element ist aufeinander aufbauend und verhindert das Springen in den Lösungsmodus ohne vorherige Kontextualisierung.

Cynefin · Methodenschritte im Überblick
Cynefin · Methodenschritte im Überblick01SituationsanalyseErfassung der Faktenlageohne vorschnelle Bewertung02Domänen-EinordnungZuweisung der Situation zueinem der fünf Kontexte03StrategiewahlFestlegung der passendenInterventionslogik04Reflexion und IterationAnpassung an sich änderndeKontextbedingungenAusführliche Ziele, Vorgehensweisen und Qualitätskriterien folgen im Methodenabschnitt.
Schritt 01 / 4

Situationsanalyse

Erfassung der Faktenlage ohne vorschnelle Bewertung

Schritt 02 / 4

Domänen-Einordnung

Zuweisung der Situation zu einem der fünf Kontexte

Schritt 03 / 4

Strategiewahl

Festlegung der passenden Interventionslogik

Schritt 04 / 4

Reflexion und Iteration

Anpassung an sich ändernde Kontextbedingungen

Beschreibung der Einzelschritte mit Ziel & Vorgehen

METHODENSCHRITT01/04

QUALITY LXP · SCHRITTLOGIK

Situationsanalyse

ZielErfassung der Faktenlage ohne vorschnelle Bewertung
01Eingaben

Rohdaten, Beobachtungen, Team-Erfahrungen

02Konkretes Vorgehen

Neutrale Beobachtung und explizite Beschreibung des vorliegenden Problems durch diverse Perspektiven

03Ergebnis / Output

Ein geteiltes Verständnis der IST-Situation

04Anwendungshinweis

Beschreibung wiederkehrender, aber ungeklärter Fehlerbilder in einer Fertigungslinie

05Qualitätskriterium

Objektive, wertfreie Beschreibung; Vermeidung von Interpretationen im ersten Schritt

Von der Methode zur praktischen AnwendungNächster Schritt → Domänen-Einordnung
METHODENSCHRITT02/04

QUALITY LXP · SCHRITTLOGIK

Domänen-Einordnung

ZielZuweisung der Situation zu einem der fünf Kontexte
01Eingaben

IST-Beschreibung, Analyse der Kausalbeziehungen

02Konkretes Vorgehen

Prüfung der Kausalität zwischen Ursache und Wirkung zur Kategorisierung in Klar, Kompliziert, Komplex, Chaotisch oder Verwirrt

03Ergebnis / Output

Eindeutige Klassifizierung der Domäne

04Anwendungshinweis

Einstufung als 'komplex' aufgrund von nichtlinearen Interaktionen zwischen Variablen

05Qualitätskriterium

Konsens über den Grad der Vorhersehbarkeit

Von der Methode zur praktischen AnwendungNächster Schritt → Strategiewahl
METHODENSCHRITT03/04

QUALITY LXP · SCHRITTLOGIK

Strategiewahl

ZielFestlegung der passenden Interventionslogik
01Eingaben

Klassifizierte Domäne

02Konkretes Vorgehen

Auswahl der Methode gemäß Domäne: Sense-Categorize-Respond bei Klar oder Probe-Sense-Respond bei Komplex

03Ergebnis / Output

Festgelegter methodischer Interventionspfad

04Anwendungshinweis

Initiierung kontrollierter 'Safe-to-fail'-Experimente statt starrer Standardisierung

05Qualitätskriterium

Methodische Passung zwischen Komplexitätsgrad und Vorgehen

Von der Methode zur praktischen AnwendungNächster Schritt → Reflexion und Iteration
METHODENSCHRITT04/04

QUALITY LXP · SCHRITTLOGIK

Reflexion und Iteration

ZielAnpassung an sich ändernde Kontextbedingungen
01Eingaben

Ergebnisse aus der Intervention

02Konkretes Vorgehen

Regelmäßige Überprüfung der Domänenzugehörigkeit durch neue Erkenntnisse und Lernergebnisse

03Ergebnis / Output

Optimierte Strategie oder Domänenwechsel

04Anwendungshinweis

Migration von 'komplex' nach 'kompliziert' nach Etablierung valider Prozessdaten

05Qualitätskriterium

Kontinuierliche Validität der gewählten Strategie

Von der Methode zur praktischen AnwendungErgebnisse überprüfen & weiterentwickeln

Anwendung und Vorgehen

Die praktische Anwendung des Cynefin-Frameworks erfolgt nicht als einmaliger Akt, sondern als kontinuierlicher Prozess des „Sense-making“. In der betrieblichen Praxis empfiehlt sich die Durchführung von moderierten Workshops, in denen das Framework als grafische Matrix (mit den fünf Domänen) als Arbeitsgrundlage dient.

Der Prozess im Detail:

  1. Framing (Der Rahmen): Zuerst muss das Problem oder die Entscheidungssituation präzise benannt werden. Es ist kritisch, dass nicht das gesamte Unternehmen in eine Domäne eingeordnet wird, sondern spezifische Herausforderungen oder Projekte.
  2. Identifikation: Das Team nutzt das Framework, um die aktuelle Situation einzuordnen. Hierbei hilft oft die „Ritual Dissent“-Methode, bei der kritische Stimmen aktiv nach Gründen suchen, warum eine Situation nicht in eine gewählte Domäne passen könnte.
  3. Interventions-Design: Basierend auf der Domäne wird die Strategie definiert. Im komplizierten Bereich (Expertenwissen) erfolgt eine tiefgehende Analyse. Im komplexen Bereich werden „Safe-to-fail“-Experimente aufgesetzt. Diese Experimente sind klein, reversibel und zielen darauf ab, neue Informationen zu generieren, anstatt sofort das „perfekte“ Ergebnis zu erzielen.
  4. Resonanz und Iteration: Da sich Domänen ändern können – ein neues Produkt ist beispielsweise anfangs komplex (Entdeckung der Marktanforderungen), wird später kompliziert (Optimierung der Lieferkette) und irgendwann einfach (Routine-Produktion) –, ist eine regelmäßige Rekategorisierung essenziell.

Anwendungsgebiete

Cynefin zeigt seine Stärken besonders dort, wo klassische Management-Modelle an ihre Grenzen stoßen.

  • Strategisches Management: Unternehmen nutzen Cynefin, um ihr Portfolio zu bewerten. Ist die Strategie auf den Markteintritt in ein neues Land (komplex) mit denselben Kennzahlen gemessen wie der Ausbau des Bestandskundengeschäfts (kompliziert)? Cynefin deckt strategische Inkonsistenzen auf.
  • Qualitätsmanagement: Es ermöglicht die Differenzierung zwischen „Fehlervermeidung“ (einfach/kompliziert durch Standardisierung/ISO) und „Innovation“ (komplex durch exploratives Vorgehen). Dies verhindert den „Bürokratie-Creep“, bei dem Unternehmen versuchen, kreative Prozesse durch strikte Regeln zu ersticken.
  • Biomedizinische Forschung & Produktentwicklung: In der Pharmaforschung ist der Weg von der Grundlagenforschung zum Medikament hochkomplex. Cynefin hilft hier, den Übergang von explorativen Studien hin zur standardisierten klinischen Prüfung methodisch zu steuern.
  • Krisenmanagement: In chaotischen Situationen (z. B. IT-Totalausfall, Pandemiebeginn) bietet Cynefin die notwendige Navigationshilfe, um den „Act-Sense-Respond“-Modus zu aktivieren: Zuerst stabilisieren, dann beobachten, dann antworten.

Typische Fehler und Missverständnisse

In der Praxis scheitert die Anwendung häufig an verbreiteten Fehlinterpretationen:

  • Verwechslung von „Komplex“ und „Schwierig“: Ein Problem ist nicht deshalb komplex, weil es schwer zu lösen ist. Ein mathematisches Problem kann sehr schwer sein, ist aber „kompliziert“, weil es eine richtige Lösung gibt. Komplexe Probleme sind hingegen solche, bei denen die Ursache-Wirkungs-Beziehung erst im Nachhinein durch Experimente sichtbar wird.
  • Das „Problemlösungs-Paradoxon“: Führungskräfte nutzen Cynefin oft als Checkliste, um ein Problem zu „lösen“. Cynefin ist jedoch ein Sense-making-Modell. Es dient der Einordnung, um die richtige Methode zu wählen – nicht der Lösung des Problems selbst.
  • Die Illusion der statischen Domäne: Viele Teams ordnen ein Problem ein und behalten diese Einordnung über Monate bei. Dies führt dazu, dass man in der „einfachen“ Domäne (Routine) verharrt, obwohl das Umfeld längst komplex geworden ist (Disruption).
  • Methoden-Imperialismus: Der Versuch, ein Projekt in zwei Domänen gleichzeitig zu führen. Das erfordert Disziplin: Ein Prozess muss entweder nach klaren Regeln (einfach) oder durch agile Iteration (komplex) gesteuert werden. Ein hybrides Modell in einer Domäne führt zu Reibungsverlusten.

Abgrenzung und Grenzen

Cynefin ist kein Allheilmittel. Seine Grenzen liegen dort, wo die menschliche Wahrnehmung systematisch verzerrt ist.

  • Subjektivität: Die Einordnung in die Domänen ist hochgradig von den Erfahrungen der Teilnehmer abhängig. Zwei Experten können dasselbe Problem unterschiedlich einordnen. Das Framework ersetzt keine fachliche Expertise.
  • Kulturelle Hürden: Organisationen, die eine Null-Fehler-Kultur forcieren, haben Schwierigkeiten mit den „Safe-to-fail“-Experimenten der komplexen Domäne, da das Scheitern dort als Versagen und nicht als Wissensgewinn betrachtet wird.
  • Grenzen der Vorhersage: Cynefin bietet keinen Schutz vor Black-Swan-Ereignissen. Es unterstützt die Entscheidungsfindung in einem gegebenen Kontext, kann aber die Unsicherheit nicht eliminieren, die in der Welt existiert. Es ist ein Werkzeug zur Navigation, kein Kompass zur Erstellung von deterministischen Zukunftsmodellen.

Häufige Fragen

Wie verhindert Cynefin vorschnelle Entscheidungen?+

Cynefin erzwingt eine „Sense-making“-Phase. Bevor interveniert wird, muss der Kontext bestimmt werden. Das verhindert den „Lösungs-Bias“, bei dem Führungskräfte reflexhaft ihre Lieblingsmethoden (z. B. agile Sprints oder Six Sigma) auf jedes Problem anwenden, unabhängig davon, ob die Methode zum Komplexitätsgrad passt.

Ist Cynefin mit agilen Frameworks wie Scrum kompatibel?+

Ja, absolut. Scrum ist prädestiniert für den komplexen Bereich. Cynefin bietet den theoretischen Überbau, um zu erklären, warum Scrum in der Softwareentwicklung (komplex) hervorragend funktioniert, während für die Lohnabrechnung (einfach/kompliziert) klassische, regelbasierte Vorgehensweisen effizienter sind.

Was mache ich, wenn sich mein Team nicht einig über die Domäne ist?+

Das ist ein wertvolles Signal! Wenn ein Team nicht entscheiden kann, ob ein Problem „kompliziert“ oder „komplex“ ist, liegt das oft an mangelnden Informationen. Nutzen Sie diese Uneinigkeit als Indikator, um zuerst ein kleines Experiment durchzuführen, das Klarheit über die Kausalstruktur schafft.

Quellen und fachliche Grundlagen

    Alle Verknüpfungen sind sichtbar. Zum Öffnen der Starter-Inhalte bitte einloggen.

    Einloggen

    Passende Tools & Methodenwissen

    3
    Beispiele anzeigen

    Methode zum Begriff „Cynefin“

    Methode verstehen
    Beispiele anzeigen

    Gemeinsame Themen: Entscheidungsfindung

    Methode verstehen
    Beispiele anzeigen

    Gemeinsame Themen: Entscheidungsfindung

    Methode verstehen

    Projektbeispiele zu diesen Methoden

    24
    VUCACynefin Framework AI

    Cynefin · TechMotion Automation · Serienbetrieb, Innovation und Störfall

    Praxisbeispiel

    Überarbeitetes Referenzbeispiel · fiktiver Modellfall. Für ein Werk mit 420 Beschäftigten und drei Montagelinien unterschiedliche Entscheidungslagen getrennt führen: stabile Routinen standardisieren, technische Ursachen untersuchen, neue Servicemodelle erkunden und einen IT-Störfall sicher begrenzen.

    Global freigegeben
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · ForgeMotion · OEE-Verluste aus dem Shopfloor klären

    Praxisbeispiel

    OPEX · TPM und Shopfloor · fiktiver Modellfall. Aus einem OPEX-Shopfloor-Review entstandene Verluste einer Bearbeitungslinie mit passender Problemlösungslogik bearbeiten statt jede Abweichung mit demselben Kaizen-Format zu behandeln.

    Global freigegeben
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · AluForm · Batteriegehäuse zwischen Serie und Anlauf

    Praxisbeispiel

    Industrie · Automobilzulieferer · fiktiver Modellfall. Dichtheitsprobleme im Anlauf einer Gehäusefamilie beherrschen, ohne Routineprüfung, technische Diagnose und interorganisationales Lernen gleichzusetzen.

    Global freigegeben
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · RheinVentil · Klimarelevanz im Qualitätsmanagement

    Praxisbeispiel

    ISO 9001 · Kontext und Risiken · fiktiver Modellfall. Aus der Kontextbewertung nach ISO 9001:2015 einschließlich Amd 1:2024 geeignete Handlungslogiken für thermische Qualitätseinflüsse und unsichere Kundenanforderungen ableiten.

    Global freigegeben
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · PolySeal · Wiederholreklamation richtig behandeln

    Praxisbeispiel

    ISO 9001 · Abweichung und Wirksamkeit · fiktiver Modellfall. Aus einer Wiederholreklamation nach ISO 9001:2015, 8.7 und 10.2, einen angemessenen Weg von Sofortkorrektur über Ursachenbehandlung bis zur Wirksamkeitsprüfung entwickeln.

    Global freigegeben
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · FlowValve · Lieferfluss statt lokaler Auslastung

    Praxisbeispiel

    OPEX · Wertstrom und High-Mix · fiktiver Modellfall. Aus einer Wertstromaufnahme entstandene OPEX-Maßnahmen unterscheiden: wiederkehrende Rüstschritte standardisieren, Prüfengpass analysieren und Auftragssteuerung bei wechselndem Mix sicher erkunden.

    Global freigegeben
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · ElbCircuit · Bauteilwechsel und resiliente Lieferzusagen

    Praxisbeispiel

    Industrie · Elektronikfertigung · fiktiver Modellfall. Eine Bauteilabkündigung bei einem EMS-Betrieb mit 230 Beschäftigten bewältigen und qualifizierte Alternativen von unsicheren Kunden- und Lieferkettenreaktionen trennen.

    Global freigegeben
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · NordWerk Packaging · Abnahme und Remote-Service

    Praxisbeispiel

    Industrie · Sondermaschinenbau · fiktiver Modellfall. Bei einem Maschinenbauer mit 165 Beschäftigten technische Abnahmeprobleme von offenen Service- und Kundenverhaltensfragen trennen.

    Global freigegeben
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · TechMotion Automation · Serienbetrieb, Innovation und Störfall

    Praxisbeispiel

    Für ein Werk mit 420 Beschäftigten und drei Montagelinien unterschiedliche Entscheidungslagen getrennt führen: stabile Routinen standardisieren, technische Ursachen untersuchen, neue Servicemodelle erkunden und einen IT-Störfall sicher begrenzen.

    Referenzbeispiel
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · AluForm · Batteriegehäuse zwischen Serie und Anlauf

    Praxisbeispiel

    Dichtheitsprobleme im Anlauf einer Gehäusefamilie beherrschen, ohne Routineprüfung, technische Diagnose und interorganisationales Lernen gleichzusetzen.

    Referenzbeispiel
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · NordWerk Packaging · Abnahme und Remote-Service

    Praxisbeispiel

    Bei einem Maschinenbauer mit 165 Beschäftigten technische Abnahmeprobleme von offenen Service- und Kundenverhaltensfragen trennen.

    Referenzbeispiel
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · ElbCircuit · Bauteilwechsel und resiliente Lieferzusagen

    Praxisbeispiel

    Eine Bauteilabkündigung bei einem EMS-Betrieb mit 230 Beschäftigten bewältigen und qualifizierte Alternativen von unsicheren Kunden- und Lieferkettenreaktionen trennen.

    Referenzbeispiel
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · RheinVentil · Klimarelevanz im Qualitätsmanagement

    Praxisbeispiel

    Aus der Kontextbewertung nach ISO 9001:2015 einschließlich Amd 1:2024 geeignete Handlungslogiken für thermische Qualitätseinflüsse und unsichere Kundenanforderungen ableiten.

    Referenzbeispiel
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · PolySeal · Wiederholreklamation richtig behandeln

    Praxisbeispiel

    Aus einer Wiederholreklamation nach ISO 9001:2015, 8.7 und 10.2, einen angemessenen Weg von Sofortkorrektur über Ursachenbehandlung bis zur Wirksamkeitsprüfung entwickeln.

    Referenzbeispiel
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · ForgeMotion · OEE-Verluste aus dem Shopfloor klären

    Praxisbeispiel

    Aus einem OPEX-Shopfloor-Review entstandene Verluste einer Bearbeitungslinie mit passender Problemlösungslogik bearbeiten statt jede Abweichung mit demselben Kaizen-Format zu behandeln.

    Referenzbeispiel
    Beispiel ansehen
    VUCACynefin Framework AI

    Cynefin · FlowValve · Lieferfluss statt lokaler Auslastung

    Praxisbeispiel

    Aus einer Wertstromaufnahme entstandene OPEX-Maßnahmen unterscheiden: wiederkehrende Rüstschritte standardisieren, Prüfengpass analysieren und Auftragssteuerung bei wechselndem Mix sicher erkunden.

    Referenzbeispiel
    Beispiel ansehen
    VUCAKepner-Tregoe Rational Process AI

    Kepner-Tregoe · Bohrungsausschuss Ø12H7 – Problem Analysis

    Praxisbeispiel

    Problem Analysis (PA): Systematische Ursachenanalyse einer erhöhten Ausschussrate durch Ist/Ist-nicht-Vergleich über Was, Wo, Wann und Ausmaß.

    Referenzbeispiel
    Beispiel ansehen
    VUCAKepner-Tregoe Rational Process AI

    Kepner-Tregoe · Lieferantenauswahl Bremsdruckregelung – Decision Analysis

    Praxisbeispiel

    Decision Analysis (DA): Strukturierte Lieferantenauswahl mit Musts als harte Filter, Wants als gewichtete Präferenzen, Alternativen-Bewertung und adverse Konsequenzen.

    Referenzbeispiel
    Beispiel ansehen
    VUCAKepner-Tregoe Rational Process AI

    Kepner-Tregoe · Produktionsverlagerung Osteuropa – Potential Problem Analysis

    Praxisbeispiel

    Potential Problem Analysis (PPA): Implementierungsrisiken systematisch identifizieren mit präventiven und kontingenten Maßnahmen sowie Trigger-Conditions.

    Referenzbeispiel
    Beispiel ansehen
    VUCAKepner-Tregoe Rational Process AI

    Kepner-Tregoe · Werk Süd: 5 Concurrent Concerns – Situation Appraisal

    Praxisbeispiel

    Situation Appraisal (SA): Triage und Priorisierung von 5 gleichzeitig auftretenden Concerns im Werk Süd. Jeder Concern wird dem richtigen KT-Prozess zugeordnet.

    Referenzbeispiel
    Beispiel ansehen
    VUCAKepner-Tregoe Rational Process AI

    Kepner-Tregoe · Major Incident Linie 3 – Vollständiger KT-Prozess

    Praxisbeispiel

    Vollständiger KT-Rational-Process: SA → PA → DA → PPA in Sequenz am Beispiel eines ungeplanten Produktionsausfalls. Jeder Prozess beantwortet eine andere Frage.

    Referenzbeispiel
    Beispiel ansehen
    OrganisationsmanagementRAPID Framework (Decision Rights) AI

    RAPID-Governance-Charta: Entscheidungsrechte an den Qualitätsschnittstellen

    Praxisbeispiel

    Sechs wiederkehrende Entscheidungen zwischen Produktion, QM, Vertrieb und Werkleitung – mit Single-D-Regel, begründeten Veto-Rechten, Fristen und gemessenen Durchlaufzeiten.

    Global freigegeben
    Beispiel ansehen
    OrganisationsmanagementRAPID Framework (Decision Rights) AI

    Automotive Werk · Qualität, Kapazität & Änderungsentscheidungen

    Praxisbeispiel

    13/10-Referenzfall für RAPID: nicht nur Rollenmatrix, sondern vollständige Governance-Architektur mit Entscheidungsfrage, Alternativen, Empfehlung, Single-D, begrenztem Agree, SLA, Eskalation, Decision Record und Wirksamkeitsreview.

    Referenzbeispiel
    Beispiel ansehen
    OrganisationsmanagementRAPID Framework (Decision Rights) AI

    Maschinenbau · Produktlaunch & Industrialisierung

    Praxisbeispiel

    Zweiter 13/10-Referenzfall mit anderer Didaktik: Governance eines Produktlaunchs von Design Freeze über Make-or-Buy und Lieferantenfreigabe bis SOP, Kapazitätsausbau und Kundenrelease.

    Referenzbeispiel
    Beispiel ansehen

    Weitere Tools & Wissen im Themengebiet

    Diese Kategorien ergänzen die konkreten Methodentreffer mit weiteren Werkzeugen, Anwendungswissen und Praxisbeispielen.

    VUCA39 fachlich zugeordnete Tools · Kategorie entdecken
    QR

    Geschrieben von

    QUALITY Redaktion

    Fachredaktion Qualitätsmanagement

    Veröffentlicht am 28. Oktober 2026

    Diesen Artikel als PDF lesen

    DIN A4 mit Textumbruch, QMB - Qualitätsmanagementbeauftragter und der Quellen-URL qmb.wiki/lexikon/cynefin im Dokument.

    Lexikoneintrag teilen
    LinkedInFacebookXWhatsAppXingE-Mail
    QMB - Qualitätsmanagementbeauftragter · Persönlicher KontaktReaktionszeit < 24h

    Kontakt & Beratung

    Fragen zu unseren Tools, Schulungen oder einem konkreten Vorhaben? Wir beraten Sie persönlich und praxisnah.

    Vorwahl (+49) ist gewählt · Rufnummer ohne führende 0 eingeben. Keine Werbeanrufe.

    * Pflichtangaben

    Ihre Ansprechpartnerin

    Unsere Bewertungen

    Partner im Fokus

    Quality Services & Wissen GmbH Logo
    Quality Services & Wissen GmbH

    QUALITY stabilisiert: belastbare Qualitätssysteme, auditfähige Prozesse und sichtbare Qualitätskosten.

    Frankfurt am Main

    andre.kapust@enteso.comKontaktformular →

    Thema dieses Portals

    QMB - Qualitätsmanagementbeauftragter

    QMB - Qualitätsmanagementbeauftragter

      • Startseite
      • QM Toolbox (AI)
        • ISO 9001:2026 Toolbox (AI)
      • Lexikon
        • QMB: Aufgaben & Rolle
      • Blog
      • Methoden
      • Seminare & Ausbildungen
      • Kontakt
      • Impressum
    Seminare & AusbildungenKontakt aufnehmen
    © 2026 Quality Services & Wissen GmbH
    RSS-FeedImpressumUnsere FarbweltenDatenschutzSitemap

    Deine Privatsphäre. Deine Entscheidung.

    Notwendiger Speicher hält Anmeldung, Sicherheit und deine Auswahl bereit. Nur mit deiner Zustimmung messen wir Seitenaufrufe und Nutzung.

    Du entscheidest freiwillig. Videos und Inhalte bleiben bei jeder Auswahl verfügbar. Externe Medien können Daten an ihre Anbieter übertragen. Änderbar über „Cookie-Einstellungen“ im Seitenfuß.

    DatenschutzerklärungImpressum