Sinn und Unsinn wissenschaftlicher Modelle

Map of Countries by GDP / Source: Wikipedia

Map of Countries by GDP / Source: Wikipedia

Welche Probleme lassen sich wissenschaftlich überhaupt modellieren? Gibt es nicht Phänomene, die (scheinbar?) zu komplex sind, um sie auf die Interaktion einiger Variablen zu reduzieren, wie das Klimasystem oder menschliches Verhalten im großen Maßstab? Und was ist der Nutzen von Modellen, die genau das dennoch versuchen?

Keine einfachen Fragen. Zwei jüngere Beiträge im Netz und in Print versuchen sich trotzdem in—gottseidank auch nicht einfachen—Antworten: Die Kompetenzillusion von Marco Wehr und A Model World von Jon Turney. Beide Artikel sind dem geneigten Leser hiermit wärmstens ans Herz gelegt, egal ob in der Wissenschaft tätig oder nicht. Vielleicht gerade wenn nicht. Beide Autoren beschäftigen sich nämlich intensiv mit der Frage, welche gesellschaftlichen Folgen wenn Wissenschaftler Probleme modellieren, die vielleicht gar nicht modellierbar sind.

Sind die Probleme, die modelliert werden sollen, überhaupt reduzibel? […] Ist es überhaupt möglich, Volkswirtschaften oder das Klima so in einem Modell zu reduzieren, dass Voraussagen gemacht werden können? Tatsächlich ist diese Bedingung für jedes prognostische Modell essentiell, da ein Computer in der dynamischen Simulation der Wirklichkeit als Zeitmaschine aufgefasst werden muss: Nur dadurch, dass sich die Welt im Modell reduzieren lässt, gelingt es dem geschickt programmierten Computer, dem Gang der Dinge vorauszueilen, da in diesem Fall die Simulationszeit kürzer sein kann als die Realzeit. Hätten Modell und Wirklichkeit dieselbe Komplexität, wäre das unmöglich. Auf einer Straßenkarte, so groß wie das ganze Land, braucht man dieselbe Zeit, um von A nach B zu kommen.

Diese Frage stelle sich die Wissenschaft zu wenig, sowohl Naturwissenschaft, als auch Sozialwissenschaft meint Wehr. Sündenböcke sind sowohl für Turney als auch Wehr die Klimaforschung (und ihre unsicheren Vorhersagen bezüglich der Entwicklung des Weltklimas) und—für beide noch schlimmer—die Volkswirtschaftslehre. Beleg sehen sie dafür in der Weltwirtschaftskrise, die 2008 ihren Anfang nahm und die die wenigsten Ökonomen vorhergesehen haben.

Politikwissenschaftler kennen das Problem. Als 1989 das Ende des Kalten Krieges eingeläutet wurde, hatten dies ebenfalls nur wenigsten Experten auf dem Schirm und schon gar nicht auf Grundlage etablierter politikwissenschaftlicher Modelle. Ähnlich sah es aus, als 2011 der arabische Frühling seinen Anfang nahm.

Sind Klima und menschliches Verhalten also zu komplex um auf eine bestimmte Anzahl von Variablen reduziert zu werden? Auf die Gefahr hin, dass ich mich in der folgenden Aussage auf das dünne Glatteis von Halbwissen, lebhaftes Interesse, aber keinerlei Expertise zu dem Thema bewege, will ich trotzdem entschieden antworten: Vielleicht. Aber wir können es uns kaum leisten es nicht weiter zu versuchen. Auf Grund der genannten Fehlschläge zu argumentieren, dass wir in Naturwissenschaft uns Sozialwissenschaft das Unternehmen der Modellierung komplett aufgeben sollten ist falsch (glücklicherweise argumentiert so keiner der beiden Autoren).

Das Problem ist, dass wir bisher nicht wissen, ob wir diese komplexen System modellieren können und wenn ja, welche Faktoren entscheidend sind für die Modellierung und welche nicht. Wehr bemängelt zu Recht, dass die Wissenschaft dieser Frage zu wenig Aufmerksamkeit schenkt.

Aus den beiden Aufsätzen lassen sich drei Empfehlungen destillieren:

Erstens. Das Unternehmen „Modell“ als solches sollten wir nicht abschaffen. Wichtiger ist es die wissenschaftsinternen Kontrollsysteme und Publikationsanreize so zu setzen (oder zu reformieren), dass sie gute von schlechten Modellen sauber unterscheiden und nutzlose verwerfen. Das „Replication Movement“ in den Sozialwissenschaften, oder zumindest der Politikwissenschaft, d.h. Offenlegung von Daten, Annahmen und Computercode ist ein Schritt in diese Richtung. Der Boom von Vorhersagen, z.B. in der Politikwissenschaft, und das Offenlegen der damit verknüpften Unsicherheiten ist ein anderer. Turney schreibt:

Repetition helps. Paul Bates, professor of hydrology at the University of Bristol, runs flood models. He told me: ‘The problem is that most modellers run their codes deterministically: one data set and one optimum set of parameters, and they produce one prediction. But you need to run the models many times. For some recent analyses, we’ve run nearly 50,000 simulations.’ The result is not a firmer prediction, but a well-defined range of probabilities overlaid on the landscape.

Zweitens. Diese Unsicherheit von Modellen muss betont werden, was ja in dem obigen Zitat bereits anklingt. Es ist z.B. ziemlich ziemlich sicher belegt, dass der Mensch nicht nach den Prinzipien eines simplen mathematischen rational-choice Modells funktioniert. Daher scheitern Theorien, die darauf fundieren auch zum Teil spektakulär in ihren Vorhersagen (siehe Weltwirtschaftskrise). Andererseits erklären grundlegende spieltheoretische Einsichten wie das Gefangenendilemma oder Probleme öffentlicher Güter und kollektiven Handelns eine erstaunliche Bandbreite an Verhaltensweisen. Diese Spannbreite und inhärente Unsicherheit muss kommuniziert werden und Modellen sollten nicht als grundlegende Wahrheit dargestellt werden, eine Art Bringschuld der Wissenschaft. Wieder Turney:

Reto Knutti in Zurich is similarly critical of his own field. He advocates more work on quantifying uncertainties in climate modelling, so that different models can be compared. ‘A prediction with a model that we don’t understand is dangerous, and a prediction without error bars is useless,’ he told me. Although complex models rarely help in this regard, he noted ‘a tendency to make models ever more complicated. People build the most complicated model they can think of, include everything, then run it once on the largest computer with the highest resolution they can afford, then wonder how to interpret the results.’

Drittens. Auf der Seite der „Konsumenten“ von Modellen gilt es mehr Bewusstsein für eben jene Unsicherheit zu schaffen. Das geht vor allem durch bessere scientific literacy der Rezipienten wissenschaftlicher Studien auf dieser Modellbildung basieren, vor allem in der Politik. Hierzu Wehr recht bissig:

Zuerst fällt auf, dass in einer hochtechnisierten Welt die meisten Politiker auf der Grundlage ihrer Ausbildung nicht gerade prädestiniert sind, komplexe wissenschaftliche Sachverhalte zu beurteilen. Das erklärt die immer größeren Ausgaben der Regierung für externe Beratung. Die ökologische Energiewende, von den Grünen forciert, ist ein kompliziertes Thema. Bis vor kurzem wurde die Partei von Claudia Roth und Jürgen Trittin geführt. Trittin ist Sozialwissenschaftler. Roth brach das Studium der Theaterwissenschaften nach zwei Semestern ab und nennt sich seitdem Dramaturgin. Hilft dieses Wissen, die fatale Wechselbeziehung zu beurteilen, die das Erneuerbare-Energien-Gesetz mit dem Emissionszertifikatehandel zu einem teuren Nullsummenspiel macht? Was für die Grünen gilt, gilt in vergleichbarer Weise für die anderen Parteien. Wissenschaftlich ausgebildete Politiker kann man mit der Lupe suchen.

Ich will nicht dafür plädieren, jedem einzelnen dieser Punkte zuzustimmen. Aber sie sind—wie die beiden Artikel—ein guter Ausgangspunkt zum Nachdenken.

Was meint ihr?

2 Kommentare

  1. Gibt es einen „robusten“ Zusammenhang zwischen Klimawandel und dem Auftreten von Bürgerkriegen auf dem afrikanischen Kontinent?

    Über diese insbesondere für die Mittelaufwendug in der Krisen- und Konfliktprävention policyrelevante Frage gibt es eine Auseinandersetzung zwischen KonfliktforscherInnen, welche sich letztendlich um die Angemessenheit von Modellen dreht. Während Burke et al. 2009 in einem vielbeachteten Aufsatz diese Frage bejahen, und vor einem „roughly 54% increase in armed conflict incidence by 2030“ warnen, ist besonders die Replik von Buhaug (PRIO) spannend zu lesen, der die methodischen Einschränkungen des Burke et al. -Modells hinterfragt, und durch seine eigenen OLS-Regressionen zu einem anderen Ergebnis kommt. Aber who knows? Die Daten sind vielleicht noch nicht tief genug aggregiert?

    Replik von Buhaug im Volltext: http://www.pnas.org/content/early/2010/08/30/1005739107.full.pdf+html

    Artikel zu einer neuen Studie und zum Hintergrund:
    „Forscherdisput: Grabenkampf um Klimawandel-Kriege“ von Markus Becker auf SpOn vom 21.01.
    (Mit Links zu den Studien)

  2. Katjahren · · Antworten

    Im Lehrbuch von Mankiw – Grundzüge der Volkswirtschaftslehre, findet man die Abgrenzung gegenüber der vollständigen Beschreibung wirtschaftlicher Prozesse durch mathematische Modelle wie folgt: da die Wirtschaft durch den Menschen betrieben wird, wird es sicherlichlich unmöglich sein, sämtliche Aktionen auf dem Markt – incl. deren Konsequenzen – durch mathematische Modelle vollständig beschreiben zu können.

Schreibe einen Kommentar

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden / Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden / Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden / Ändern )

Google+ Foto

Du kommentierst mit Deinem Google+-Konto. Abmelden / Ändern )

Verbinde mit %s

%d Bloggern gefällt das: