De fleste problemløsningsmøter følger samme mønster. Noen nevner et symptom – «onboarding går for sakte», «prosjektet overskrider stadig budsjettet», «kundeklager øker» – og teamet bruker de neste 45 minuttene på å diskutere hvem sin feil det er uten noen gang å bli enige om hvorfor det skjer.
Et Ishikawa-diagram (også kalt fiskebeinsdiagram eller årsak-virkningsdiagram) er en strukturert måte å bryte den sirkelen på. I stedet for å hoppe til løsninger eller skylde på problemet, kartlegger det alle plausible årsaker til et problem før noen bestemmer seg for hva de skal gjøre med det. Det visuelle er bevisst: en horisontal pil peker på problemet til høyre, og grener strekker seg ut fra den som ribbeina på en fisk, der hver av dem representerer en kategori av årsaker.
Denne veiledningen dekker hvordan verktøyet fungerer, standardkategoriene som brukes på arbeidsplassen, og flere konkrete eksempler du kan tilpasse til HR-, L&D- og driftssammenhenger.
En kort historie
Kaoru Ishikawa utviklet årsak-virkningsdiagrammet i 1943 mens han jobbet med ingeniører ved Kawasaki Steel Works, hvor han brukte det til å forklare hvordan et komplekst sett med faktorer kunne samhandle og produsere et enkelt resultat [1]. Han var en sentral skikkelse i Japans kvalitetsbevegelse etter krigen: han var forkjemper for kvalitetssirkler, utviklet kvalitetskontrollkurs for toppledere, og som medlem av Deming-priskomiteen bygde han revisjonssystemet som avgjør hvilke selskaper som kvalifiserer [2].
Diagrammet ble et av det Ishikawa senere kodifiserte som de «7 grunnleggende kvalitetsverktøyene» – et sett med visuelle analysemetoder som ikke-statistikere kunne bruke uten spesialisert opplæring [1]. Det ble bredt tatt i bruk i produksjonsindustrien gjennom 1960- og 1970-tallet, og spredte seg deretter til helsevesen, programvareutvikling og organisasjonsledelse. I dag dukker det opp regelmessig i Six Sigma-, Lean- og KAIZEN-programmer.
Fiskebeinsformen er ikke dekorativ. Den tvinger deg til å kategorisere årsaker i stedet for å liste dem opp som en flat liste, og den visuelle strukturen gjør det enklere for team å oppdage hull – kategorier med for få grener, eller grener som faktisk hører hjemme under en annen overskrift.
Standardkategoriene (6M)
I produksjons- og driftssammenhenger er de seks vanligste årsakskategoriene kjent som 6M-er [3]:
- Mann (folk): Menneskelige faktorer – ferdighetshull, tretthet, miskommunikasjon, utskiftning eller utilstrekkelig opplæring
- Maskin (utstyr): Verktøy, teknologi, programvare eller infrastruktur som kan være feilaktig, feilkonfigurert eller utdatert
- Metode (prosess): Prosedyrene, arbeidsflytene og instruksjonene som er i bruk – eller mangelen på standardiserte
- Materiale: Rådata, datakvalitet, forsyninger eller tredjepartsinnhold som påvirker resultatet
- Mål: Hvordan resultater spores og rapporteres – inkludert kalibreringsfeil, manglende målinger eller misvisende KPI-er
- Moder natur (miljø): Eksterne forhold – fysisk arbeidsplass, sesongmessig etterspørsel, endringer i regelverket eller markedspress
For service-, HR- og kunnskapsbaserte arbeidssammenhenger blir de 6M-ene noen ganger tilpasset. «Maskin» blir «teknologi», «materiale» blir «informasjon», og «Moder natur» erstattes ofte med «miljø» eller «kultur». Det som er viktig er at hver gren dekker et meningsfullt forskjellig domene, slik at teamet ikke stadig vender tilbake til de samme underliggende årsakene under forskjellige merkelapper.
Et enklere alternativ i ikke-produksjonsmessige sammenhenger er de fire P-ene: Mennesker, Prosess, Sted og Policy. Det er mindre uttømmende enn de seks M-ene, men raskere å fylle ut for team som ikke er vant til metoden.
Slik kjører du en fiskebeinøkt
Diagrammet er mest nyttig som en tilrettelagt teamaktivitet, ikke en soloanalyse. Her er en praktisk sekvens:
1. Definer problemet presist. Skriv problemformuleringen øverst på fisken – i høyre ende av den horisontale pilen. Vær spesifikk. «Lav fullføringsrate for opplæring» er en bedre problemformulering enn «opplæringen fungerer ikke». Vage problemformuleringer gir vage diagrammer.
2. Velg kategoriene dine. Tegn hovedknoklene fra ryggraden. Bruk de 6M-ene som et utgangspunkt, og gi deretter nytt navn til eller bytt ut en kategori som ikke passer til konteksten din. For et problem med mye mennesker kan du legge til et «Policy»-knokkel. For et teknologiproblem kan du dele «Maskin» inn i «Maskinvare» og «Programvare».
3. Idémyldring av årsaker per kategori. Spør for hvert bein: «Hva i denne kategorien kan forårsake eller bidra til problemet?» Skriv hvert forslag som en undergren. Ikke filtrer ideer i denne fasen – du vil ha bredde fremfor dybde. En tilrettelegger som kjører dette live kan bruke en digital tavle eller lysbilder for å fange opp innspill i sanntid.
4. Spør «hvorfor» minst én gang til. For hver årsak du har identifisert, gå ett nivå dypere. Hvis «utilstrekkelig opplæring» vises under «Mennesker», spør: hvorfor er opplæringen utilstrekkelig? Utdatert innhold? Ingen avsatt tid? Ingen ferdighetsvurdering før kurset? Disse sekundære årsakene er ofte der de virkelige grepene sitter.
5. Identifiser årsaker med høy prioritet. Når diagrammet er fullt, ber du teamet stemme over hvilke saker de mener er viktigst eller mest adresserbare. Punktavstemning (hver person får tre stemmer å plassere hvor som helst på diagrammet) er en rask måte å oppnå konsensus på. Dette er trinnet som konverterer diagrammet fra et kart til en handlingsliste.
6. Valider før du handler. Fiskebenet viser mulige årsaker, ikke bekreftede. Før du tildeler løsninger, sjekk om de høyest stemmede årsakene støttes av data – oppmøtelogger, fullføringsstatistikk, feillogger, hva som helst som er tilgjengelig. En godt gjennomført idémyldring kan fortsatt produsere selvsikre anelser.
Eksempler på Ishikawa-diagrammer
Eksempel 1: Lav fullføringsgrad i et L&D-program
problem: Bare 38 % av de påmeldte ansatte fullførte den nye samsvarsopplæringen innen fristen.
| Kategori | Potensielle årsaker |
|---|---|
| Ansatte | Ledere forsterket ikke deltakelse; ansatte så ikke relevansen for rollen sin |
| Prosess | Ingen påminnelsessystem; ingen eskaleringsvei for manglende fullføringer; fullføring spores manuelt |
| Teknologi | LMS hadde innloggingsproblemer på mobilen; kurset ble ikke gjenopptatt etter avbruddet |
| Innhold | Modulene varte i 45 minutter hver uten sjekkpunktlagringer; språket var for teknisk |
| Måling | Frist kommunisert i én e-post tre uker før; ingen fremdriftssporing synlig for elevene |
| Miljø | Programmet ble lansert i et kvartal med høyt press; ingen beskyttet læringstid |
I dette eksemplet kan den umiddelbare antagelsen være at «ansatte er ikke motiverte», men diagrammet viser at systemdesign og kommunikasjonsprosessen bidro like mye som holdningen. Rettelser i måling og teknologi er ofte raskere seire enn å prøve å endre atferd.
Eksempel 2: Høy medarbeideromsetning de første 90 dagene
problem: 22 % av nyansatte sier opp i løpet av de første tre månedene.
| Kategori | Potensielle årsaker |
|---|---|
| Ansatte | Ansettelsesansvarlige fraværende i løpet av den første uken; partner eller mentor ikke tildelt |
| Prosess | Onboarding-planen er inkonsekvent på tvers av teamene; ingen strukturerte 30-/60-/90-dagers innsjekkinger |
| Teknologi | Tilgang til systemer forsinket med 5–7 dager; verktøy ikke forhåndskonfigurert før startdato |
| Informasjon | Rolleforventninger er ikke tydelig dokumentert; teamnormer er ikke kommunisert |
| Måling | Ingen tidlige varslingsindikatorer sporet; data fra avslutningsintervjuer ikke analysert per kohort |
| Miljø | Fjernstartere fikk ingen personlige kontaktpunkter den første måneden |
Dette diagrammet gjør det synlig at problemet ikke bare handler om å ansette feil folk – prosessen med å integrere dem har flere feilpunkter. Teamet kan deretter prioritere: hvilken av disse årsakene forklarer flest avganger? Data fra avgangsintervjuer eller 30-dagers pulsundersøkelser kan bekrefte hypotesen.
Eksempel 3: Dårlige vurderinger på evalueringer etter opplæring
problem: Gjennomsnittlig vurdering av tilretteleggeren falt fra 4.1 til 3.3 av 5 etter byttet til virtuell levering.
| Kategori | Potensielle årsaker |
|---|---|
| Ansatte | Tilretteleggere er kun opplært til undervisning på rommet; ingen virtuell veiledning tilbys |
| Prosess | Øktdesignet er uendret fra formatet for fysisk oppmøte; ingen innebygde grupper eller interaksjoner |
| Teknologi | Plattformen er ukjent for både tilretteleggere og elever; tekniske problemer i løpet av de første 10 minuttene |
| Innhold | Lysbildene er ikke tilpasset skjermlesing; for mye tekst per lysbilde |
| Måling | Tilbakemeldingsundersøkelse sendt 3 dager etter økten; husket detaljer var lav |
| Miljø | Deltakerne kom fra åpne kontorlandskap med bakgrunnsstøy |
Det som ser ut som et problem med fasilitatorens ytelse, viser seg å være et problem med overgangshåndtering. Leveringsmediet endret seg, men innholdet, verktøyene, opplæringen og støttestrukturen endret seg ikke med det.
Eksempel 4: Gjentakende feil i en forretningsprosess
problem: Feil i fakturabehandling har økt med 30 % de siste to kvartalene.
| Kategori | Potensielle årsaker |
|---|---|
| Ansatte | Høy personalomsetning i behandlingsteamet; nyansatte er ikke fullt utdannet |
| Prosess | Ingen standardisert sjekkliste; godkjenningstrinn varierer fra team til team; manuell dataregistrering kreves |
| Teknologi | Regnskapsprogramvaren er oppdatert uten orientering til ansatte; automatisk utfyllingsfunksjon er ikke konfigurert |
| Informasjon | Leverandørdataformatene er inkonsekvente; bestillinger mangler obligatoriske felt |
| Måling | Feil fanges bare opp ved avstemming ved månedsslutt, ikke ved registreringspunktet |
| Miljø | Volumtopper ved kvartalsslutt skaper tidspress |
Dette er et klassisk tilfelle der måletidspunktet forsterker problemet. Feil som oppdages ved inngangspunktet korrigeres umiddelbart; feil som oppdages ved månedsslutt tar betydelig lengre tid å spore og fikse. En enkelt endring i målingen (tidligere deteksjon) kan redusere nedstrømskostnader mer enn omskolering av ansatte.
Vanlige feil å unngå
Lister opp symptomer i stedet for årsaker. «Dårlig kommunikasjon» er et symptom. «Ingen møtestruktur for overlevering på tvers av team» er en årsak. Ønsk spesifisitet – hvis en årsak ikke kan knyttes til en konkret atferd, prosess eller ressurs, hører den sannsynligvis hjemme ett nivå dypere.
Stopper for tidlig. Et diagram med to eller tre årsaker per kategori er vanligvis ufullstendig. Sikt mot minst fem til åtte undergrener per bein før du går videre til prioritering. Tynne diagrammer pleier å bekrefte det teamet allerede trodde.
Hopper over datatrinnet. Fiskebeinet er en hypotesegenerator, ikke en rotårsaksfinner. Team som går rett fra diagrammet til en løsning, fikser ofte feil ting med selvtillit. Enhver årsak som blir stemt til topps bør kryssjekkes mot tilgjengelige data.
Kjører det alene. Et diagram laget av én person gjenspeiler én persons perspektiv. Den virkelige verdien kommer fra en tverrfaglig gruppe – noen som driver prosessen, noen som måler den, noen som har opplevd problemet på nært hold, og ideelt sett noen som ikke har noen tidligere interesse i diagnosen.
Kjører en fiskebeinøkt med AhaSlides
Diagrammet fungerer best som en tilrettelagt gruppeaktivitet, men det er vanskeligere enn det høres ut som å få strukturert innspill fra et team i sanntid. Folk holder tilbake i plenum, den høyeste stemmen setter agendaen, og det er lett å bruke 30 minutter på ett bein mens andre blir hoppet over.
AhaSlides gjør inndatafasen raskere og mer balansert. Før diagramsesjonen kan du kjøre et åpent spørsmål for å samle mulige årsaker anonymt – noe som fjerner statuseffekter og får roligere teammedlemmer på loggføringen. En ordsky eller åpen tekstundersøkelse kan avdekke de mest nevnte årsakene før gruppen i det hele tatt har åpnet diagrammalen.
I løpet av økten tar punktavstemningen om hvilke saker som skal prioriteres omtrent to minutter i stedet for 20. Deltakerne stemmer på sine egne enheter, resultatene er synlige umiddelbart, og tilretteleggeren kan gå rett til handlingsplanlegging uten en lang debatt om hva gruppen «egentlig mener».
For L&D-team som kjører rotårsaksanalyse som en del av et opplæringsprogram – eller HR-team som jobber med et tilbakevendende problem med en ledergruppe – gjør kombinasjonen av strukturert visuell analyse og innspill fra publikum økten både mer grundig og mer engasjerende enn en tavleøvelse.
Kilder
[1] ASQ (American Society for Quality). «Hva er et fiskebeinsdiagram? Ishikawa årsak-virkningsdiagram.» https://asq.org/quality-resources/fishbone
[2] ASQ (American Society for Quality). «Kaoru Ishikawa.» Æresmedlemmer. https://asq.org/about-asq/honorary-members/ishikawa (arkivert eksemplar, 29. august 2026). Dekker arbeidet hans med kvalitetssirkler, kurs i kvalitetskontroll for ledere og Deming-prisrevisjonen.
[3] Kaizen-instituttet. «Forstå Ishikawa-diagrammet.» https://kaizen.com/insights/ishikawa-diagram-root-cause-analysis/ — Forklarer 6M-kategoriene og deres anvendelse i kontinuerlige forbedringsprogrammer.
