Renner Complex Systems

Kategorie: RCS Approach

Wissenschaftlich-theoretische Grundsatzpapiere von Renner Complex Systems. Diese Kategorie umfasst Modelle und Konzepte aus Kybernetik, Komplexitätstheorie, Systemdynamik und Governance und bildet das intellektuelle Fundament der RCS-Analyse komplexer Systeme.

  • Model-Based Prediction

    Vorhersagen brauchen ein Modell der Wirklichkeit Kurzbeschreibung: Model-Based Prediction verbindet explizite Systemmodelle mit Daten und KI. Ihr Wert liegt nicht darin, eine Zukunft exakt vorherzusagen, sondern sichtbar zu machen, welche Entwicklungen unter welchen Bedingungen möglich werden. Organisationen verfügen über immer mehr Daten. Dennoch bleibt oft unklar, wie sich ein System unter veränderten Bedingungen verhält. Ein…

  • Intelligence Without Representation – Brooks, AGI, and an RCS Perspective

    Starting Point Rodney Brooks’s 1991 paper “Intelligence without representation” is one of the foundational challenges to classical symbolic AI. Brooks is not merely criticizing a particular knowledge representation scheme or planning technique. His argument is more fundamental: intelligence should not be understood as a centralized process that first constructs a complete internal description of the…

  • Synthetic Systems AI: From Generating Content to Generating Systems

    A new class of artificial intelligence for understanding, inventing and evaluating complex systems Generative artificial intelligence has demonstrated that machines can produce text, images, software code, audio and video. This is significant, but it remains focused primarily on the generation of representations. The next step is not simply to generate more content. It is to…

  • Warum längere Kontextfenster kein Weltmodell ersetzen

    Lange Kontextfenster gelten als ein zentraler Entwicklungspfad für Large Language Models. Je mehr Text ein Modell gleichzeitig verarbeiten kann, desto besser sollte es Zusammenhänge über Dokumente, Gespräche oder ganze Bücher hinweg erfassen. Diese Erwartung ist plausibel – aber sie vermischt zwei verschiedene Probleme: Ein längeres Kontextfenster verbessert zunächst den Zugriff auf Beobachtungen. Es erzeugt aber…

  • Agentische KI benötigt Systemsichtweise

    Modellierung, Simulation, Planung und Orchestrierung von Multi-Agenten-Systemen Kurzbeschreibung: Multi-Agenten-KI ist nicht nur eine Sammlung miteinander kommunizierender Sprachmodelle. Sie ist ein verteiltes, zustandsbehaftetes und teilweise stochastisches dynamisches System. Der Beitrag zeigt, wie sich solche Systeme modellieren, simulieren, planen, orchestrieren und auf Systemebene bewerten lassen. Agentische KI wird derzeit überwiegend als Software- und Integrationsaufgabe behandelt. Ein Sprachmodell…

  • Die falschen Götter der Produktion – eine Arbeitshypothese

    In modernen Produktionssystemen entsteht ein auffälliger Widerspruch: Die Menge verfügbarer Daten, Kennzahlen und Steuerungsinstrumente nimmt kontinuierlich zu, gleichzeitig scheint in vielen Organisationen die Fähigkeit abzunehmen, das reale Verhalten der zugrunde liegenden Systeme zu verstehen und vorherzusagen. Diese Beobachtung erscheint zunächst paradox. Aus einer einfachen technischen Perspektive müsste eigentlich das Gegenteil zu erwarten sein: Mehr Daten→…

  • All Models Are the Same Model

    A structural view on elementary functions, symbolic AI, and the illusion of diversity This article reflects ideas from the recently published Paper All elementary functions from a single binary operator by Andrzej Odrzywołek The intuition we rarely question In applied work – whether in physics, data science, or economic modeling – we operate with a…

  • Selbstorganisation ist kein Phänomen. Sie ist ein Mechanismus.

    Selbstorganisation wird häufig als beobachtbares Phänomen beschrieben. Strukturen entstehen scheinbar spontan. Muster bilden sich ohne zentrale Steuerung. Systeme entwickeln Ordnung aus sich heraus. Diese Beschreibung ist nicht falsch, aber sie bleibt an der Oberfläche. Sie beschreibt, was passiert, aber nicht, warum es passiert. Selbstorganisation ist kein Phänomen. Sie ist ein Mechanismus. In komplexen Systemen entsteht…

  • Daten sind nicht das Problem – Modelle sind es

    Modelle prägen, wie wir Daten interpretieren und Entscheidungen treffen. Dieser Artikel zeigt, warum Modellannahmen entscheidender sind als die Daten selbst – und wie kleine Änderungen in der Modellstruktur das Verhalten komplexer Systeme grundlegend verändern können. Daten gelten als objektiv.Modelle nicht. Und doch begegnen uns täglich Ergebnisse, die wie Fakten behandelt werden:Prognosen, Scores, Simulationen. Der Eindruck:…

  • Simulation ist keine Realität. Aber sie verändert sie.

    Simulationen sind ein zentrales Werkzeug in der Analyse komplexer Systeme – von Finanzmärkten über Energieinfrastrukturen bis hin zu industriellen Prozessen. Sie dienen dazu, Dynamiken zu verstehen, Szenarien zu testen und Entscheidungen vorzubereiten. Dabei wird oft implizit angenommen, dass Simulationen die Realität möglichst exakt abbilden. Genau diese Annahme ist problematisch. Simulation ist keine Realität. Aber sie…