Digitale Modelle - potente Werkzeuge zum Lösen realer Probleme

Arbeitskreis unter Leitung von Josef Strobl beim Forum Alpbach

Digitale Modelle könnten bei der Lösung globaler Probleme eher helfen, als die alte Strategie von Versuch und Irrtum - so der Tenor beim Abschlussstatement der Technologiegespräche zum Thema "Entwurf und Wirklichkeit in Forschung und Technologie" im Rahmen des Forum Alpbach 2010.

Tatsächlich haben sich Computermodelle vielfach bewährt. In der Forschung ebenso wie bei technischen Entwicklungen erwiesen sie sich als eine unerlässliche Brücke auf dem Weg zur Erkenntnis beziehungsweise zur Verwirklichung von Ideen. Welche Kriterien müssen digitale Modelle nun erfüllen, damit sie wirklich zur Lösung realer Probleme beitragen können? Dieser Frage gingen Bio-, Geo-, Sozial- und Computerwissenschafter(innen) in einem Arbeitskreis im Rahmen der diesjährigen Technologiegespräche nach. Josef Strobl, Direktor des Institute for Geographic Information Science (GIScience) der Österreichischen Akademie der Wissenschaften (ÖAW) leitete den Arbeitskreis zum Thema "Digitale versus reale Welten - Grenzen von Computermodellen?". In der Wissenschaft verwendet man digitale Modelle um reale Systeme zu verstehen. Meist sind es zu Beginn Visualisierungen, die es den Forscher(inne)n ermöglichen, Hypothesen zu bilden, komplexe Zusammenhänge zu erkennen und sowohl großräumige als auch atomar kleine Strukturen zu erfassen und in der Folge zu kommunizieren.

Beobachtung und Abstraktion

Bei der Erstellung digitaler Modelle folgt der korrekten Beobachtung der Realität die Suche nach der geeigneten Abstraktion. Dabei müssen jene Prozesse herausgefiltert werden, die ein typisches Muster generieren. Das können beispielsweise digitale Spuren (versendete SMS, oder auch einfach eingeschaltete Handys) in Ballungsräumen sein. Wenn man deren Häufigkeit, über eine Stadt verteilt, visualisiert, können Konzentrationen und Bewegungsströme von Menschen in Echtzeit abgeschätzt werden. Aber auch molekularbiologische Prozesse versucht man anhand von Modellen zu verstehen. Derzeit ist es ein heißes Thema, jene Algorithmen zu finden, nach denen Proteine ihre funktionell wichtige Struktur durch Faltung erhalten. Im Zuge der Modellbildung konzentrieren sich Bioinformatiker auf Sequenzdaten, kristallografische Befunde und die Berechnung von Energiefunktionen. Und schließlich ein Beispiel aus den Computerwissenschaften: Beim Entwickeln von Computern gilt es bereits im modellhaften Ansatz, die späteren Funktionen im Auge zu behalten. Moderne Geräte sollen einerseits als lokale Rechengeräte nützlich sein, darüber hinaus als Fenster ins WWW dienen, Tele-Kooperation ermöglichen und unter Umständen - über Social Media - sogar identitätsstiftend wirken.

Darstellungsweisen

Ein wichtiges Kriterium für die Tauglichkeit digitaler Modelle ist die Form der Visualisierung. Es geht meist darum, abstrakte Daten räumlich fassbar zu machen: beispielsweise mittels fiktiver digitaler Landschaften, in denen "Berge" häufige Ereignisse darstellen und "Nähe" Ähnlichkeit bedeutet. So ein Übertragungsvorgang birgt allerdings einige Gefahren: Menschen nehmen unterschiedlich wahr und deuten Darstellungsweisen möglicherweise verschieden. Wissenschafter(innen), die an der Schnittstelle von Computer und Mensch forschen, wissen, dass persönliche Vorerfahrungen von Menschen als schwer einschätzbare Filter wirken können. Sie müssen daher beim Design von Visualisierungsmethoden die Erfahrungswelt der potentiellen User systematisch analysieren und diese Daten von Anfang an in die digitale Modellierung mit einfließen lassen.

Szenarios, Prognosen und Risiken

Eine Besonderheit digitaler Modelle ist es, dass man die gewonnenen Abstraktionen und Darstellungsweisen immer wieder mit neuen Beobachtungsdaten "füttern" kann. Wissenschafter(innen) können auf diese Weise unterschiedliche Szenarios rechnen und deren wahrscheinliche Implikationen im Voraus digital testen. Digitale Modelle sind deswegen potente Werkzeuge bei schwierigen Entscheidungsprozessen. Allerdings wäre es fatal, die Entscheidung an das Rechenergebnis zu delegieren.

Die große Hoffnung mittels digitaler Modelle Zukunftstrends im Voraus mit Sicherheit zu erkennen, kann aber kaum in allen Anwendungsbereichen erfüllt werden. Bescheidenere Ziele, nämlich Prognosen für bestimmte Räume und Zeiten, sind aber durchaus vielfach zu erreichen, wie die in den letzten Jahren deutlich verbesserte Wettervorhersage zeigt. Die Gefahren digitaler Modelle liegen - wie bei jeder Technologie - im verantwortungslosen beziehungsweise unkritischen Umgang. Allerdings kann es auch bei korrekter Intention schwierig sein, Modell und Wirklichkeit auseinander zu halten, da das reale Vorbild oft sinnlich nicht erfahrbar ist, und der Unterschied zum Abbild nicht offensichtlich ist.

Mehr zu den Wissenschafter(innen), die im Arbeitskreis "Digitale versus reale Welten - Grenzen von Computermodellen?" (Nr. 07) Impulse aus ihrem Forschungsgebiet lieferten finden Sie hier.


Kontakt:
Prof. Dr. Josef Strobl
Direktor
Institut für Geographic Information Science (GIScience)
Österreichische Akademie der Wissenschaften (ÖAW)
Schillerstraße 30, 5020 Salzburg
T +43 662 8044-7510
josef.strobl@oeaw.ac.at
www.oeaw.ac.at/giscience


Büro für Öffentlichkeitsarbeit der Österreichischen Akademie der Wissenschaften
Dr. Ignaz Seipel-Platz 2, 1010 Wien
T +43 1 51581-1218, 1219, 1229, 1235
F +43 1 51581-1227
public.relations@oeaw.ac.at