Modelle können keine Emergenzen vorhersagen

Der Kommentar von @lauch3d zu meinem Beitrag Wie kann man aus Wirkungsnetzwerken simulationsfähige Stock-Flow-Modelle Modelle bauen? veranlasst mich, etwas Allgemeines über Modelle und Emergenzen zu schreiben.

Emergenzen

Ein System erfüllt einen bestimmten Zweck. Dazu benötigt es z.B. Energie (und Stoffe und Informationen), die es von irgend woher aufnimmt. Einen Teil der Energie investiert das System in die Aufrecherhaltung seiner eigenen Strukturen. Bei reichhaltigem Energieangebot, d.h. wenn das System sehr weit weg von seinem Gleichgewicht ist, kann es zufälligerweise zu einer spontanen Umstrukturierung kommen, die das System z.B. in die Lage versetzt, neue Funktionen zu entwickeln. Das spontane Auftreten neuer Strukturen und Funktionen nennt man Emergenz. Weil Emergenzen spontan auftreten, sind sie nicht vorhersehbar und zufällig.

Kein Modell kann Emergenzen in erstmaligen Systemen vorhersagen oder gar berechnen. Da Wahrnehmung auch immer modellhaft ist, verbleibt jedes Sein in ungewisser Umgebung. Für mich bedeutet das, dass ich mit keinem Verfahren Emergenzen vorhersehen, ja nicht einmal erahnen kann. In letzter Zeit ist Intuition ein beliebtes Thema, vor allem in modernen Unternehmens- und Managementkonzepten. Weder durch Intuition noch durch intuitive Heuristiken lässt sich das Unvorhersehbare einfangen. Unvorhersehbarkeiten bleiben definitiv unvorhersehbar. Zum Glück, finde ich. Nur so kann Neues entstehen.

Modelle

Modelle sind Systembeschreibungen. Es gibt die mentalen Modelle in meinem Kopf. Sie sind anschaulich und oft etwas wirr, denn sie basieren weitgehend auf Glaubenssätzen. Dann gibt es verbale Modelle, die den Zweck des Konsens erfüllen. Schliesslich gibt es formale Modelle, deren Implementation heute meistens softwarebasiert ist. Wirkungsnetzwerke oder Causal Loops Diagrams (CLD) sind irgendwo zwischen den verbalen und den formalen Modellen anzusiedeln.

Formale Modelle können zeitdiskret oder zeitstetig sein. Zeitstetige Modelle basieren meist auf Differentialgleichungen und finden ihre Anwendung vor allem bei grossen Populationen. Zu den zeitdiskreten Modellen würde ich auch Multiagentenmodelle zählen, bei denen einzelne Softwaremodule miteinander wechselwirken.
In beiden Fällen stehen determinierte Berechnungen dahinter. Auch wenn mit Wahrscheinlichkeiten gerechnet wird, kann dabei natürlich nie etwas Neues entstehen. Dennoch haben Modelle ihre Berechtigung, nicht nur in logistischen Simulationen, wo es darum geht, gewisse Skalierungen zu studieren.

System Dynamics Modelle werden immer häufiger bei ökologischen Fragestellungen eingesetzt. Immerhin war es der Erfinder der System Dynamics selbst - Jay W. Forrester - der das Weltmodell entwickelte, das die Basis der Studie Grenzen des Wachstums des Clubs of Rome bildete. Das Modell geht gerade davon aus, dass keine Emergenzen auftauchen, sondern dass sich die ökologische Entwicklung stabil, d.h. ohne Sprünge, entwickelt. Unter diesen Voraussetzungen kam das Modell zu gewissen Voraussagen über die Verknappung von Ressourcen und pro Kopf Verfügbarkeit von Nahrung. Dabei liegt die Aussage m.E. überhaupt nicht in den zeitlichen und quantitativen Prognosen, sondern darin, dass sich die Auftraggeber der Studie der Grundproblematik bewusst werden.

Nutzen von System Dynamics Modellen

Das ist der Hauptnutzen, den ich in solchen (determinierten - andere gibt's gar nicht) Modellen sehe: ist das Modell hinreichend umfangreich, können Fern- und Nebenwirkungen von Entscheidungen sichtbar gemacht werden, an die sonst nicht bewusst gedacht worden wäre. Es ist klar, dass der Horizont, den das Modell eröffnet, von der Art und Weise der Modellierung abhängt und dass sich daher in einem Modell andere Fern- und Nebenwirkungen manifestieren können, als in einem anderen Modell, das denselben Gegenstand beschreibt. Insofern spielt die Person des Modellierers eine wesentliche Rolle.

System Dynamics Modelle dienen grundsätzlich dem "policy design", also dem Entscheid, welche Richtlinien im System gelten sollen. Die System Dynamics Society definiert:

System Dynamics is a computer-aided approach to policy analysis and design. It applies to dynamic problems arising in complex social, managerial, economic, or ecological systems–literally any dynamic systems characterized by interdependence, mutual interaction, information feedback, and circular causality

Dabei geht man stets davon aus, dass das System, das man modelliert, keine Emergenzen durchläuft. Ein System ist nicht einfach chaotisch und erfährt eine Emergenz nach der anderen. Zwischen zwei Emergenzen ist das System (hoffentlich) stabil, denn sonst könnte es seine Funktionen gar nie erfüllen. Inspiriert durch eine Grafik von Fredmund Malik habe ich nebenstehende Darstellung gezeichnet. Man beachte, dass die unabhängige Variable nicht die Zeit ist, sondern so etwas wie die Distanz zum Gleichgewicht. Ein Kapitel in Hermann Hakens Synergy war betitelt mit Zwischen Zufall und Notwendigkeit. Genau in diesen notwendig stabilen Phasen können System Dynamics Modelle sinnvoll sein.