Mathesis Wiki

Diese Seite ist nicht editierbar. Sie können den Quelltext sehen, jedoch nicht verändern. Kontaktieren Sie den Administrator, wenn Sie glauben, dass hier ein Fehler vorliegt.
======Grenzen des Wachstums======
=====Einleitung=====

Dieses Semester war das Projekt für Mathesis vorgegeben: Wir beschäftigten uns mit den Grenzen
des Wachstums und dem zugrundeliegenden Weltmodell. Das Weltmodell ist ein Computermodell,
das die Zusammenhänge verschiedener Größen wie Bevölkerung, Umweltverschmutzung und natürliche Ressourcen simuliert, und auf der Grundlage dieser Zusammenhänge Voraussagen über die
Zukunft ermöglichen soll. Die Ergebnisse wurden in den Grenzen des Wachstums veröffentlicht
und erhielten damals wie heute viel Aufmerksamkeit. Das Weltmodell ist eins der ersten komplexen
Computermodelle.
50 Jahre später ist die Veröffentlichung in Anbetracht neuer Nachhaltigkeitsdebatten und steigender
sozialer Ungerechtigkeit aktuell wie nie. Auch wenn die Autoren einen entscheidenden Aspekt,
nämlich den Klimawandel, ignorierten, so waren sie die ersten, die darauf hinwiesen, dass ein unendliches Wachstum in Anbetracht begrenzter Ressourcen nicht möglich ist und gaben den Anstoß
für viele wachstumskritische Debatten und Bewegungen.

=====Projektziele=====

=====Vorgehen=====
Nach Abschluss des Einführungskurses in die Programmiersprache Python haben wir einen passenden Rahmen für unsere Projektarbeit gesucht. Diesen haben wir in der „Übersetzung“ des World 2 Programmcodes aus der Programmiersprache DYNAMO in Python gefunden. Ein weiterer Absprach war das fertig übersetzte Modell auf seine Sensitivität zu testen. Das bedeutet die Eingabevariablen des Modells zu verändern und den Effekt auch die Ausgabewerte festzustellen. Daraufhin haben wir damit begonnen ein Verständnis für die Ausgangssprache DYNAMO zu entwickeln, indem wir den Programmcode analysiert haben. Nachdem wir verstanden, hatten was einzelne Zeilen des Programmcodes tatsächlich im Modell bewirken, konnten wir mit der Übersetzung des Modells beginnen. Hierfür haben wir zuerst jede Zeile für sich in Python übersetzt. Da jedoch der Programmablauf in Python anders funktioniert als in DYNAMO mussten wir eine Lösung finden, die dem Ablauf des Programms treu bleibt, aber auch die gewünschten Ausgabewerte erzielt. Durch eine Implementation von Methoden im Python Programmcode konnte diese Hürde umgangen werden. 
Noch haben wir dieses Projekt jedoch nicht vollendet da der Rahmen eines Semesters für ein weit gefächertes Projekt wie dieses nicht ausreichte.

Gliederung:
  * Einleitung - Motivation
  * Projektziele
  * Vorgehen
  * mathematische Dokumentation(Levels, Systemtheorie (Komplexität, Verhalten des Systems, Sensitivitätstests))
  * Fazit - Ausblick - Schluss
  * Links, Quellenverzeichnis

=====komplexe Systeme=====

Die wesentliche Eigenschaft [[https://www.eolss.net/sample-chapters/c15/E1-29-01-00.pdf|komplexer Systeme]] ist die Interdependenz aller Bestandteile: Alles
hängt mit allem zusammen. Wenn man an der einen Stelle etwas verändert, ändert sich etwas an
einer ganz anderen Stelle. Diese Zusammenhänge sind oft so kompliziert, dass man sie nicht
vorhersehen kann. Das interessanteste daran ist aber, dass im scheinbaren Chaos meist doch
Ordnung herrscht: Die nachgebildeten Systeme regulieren sich selbst. Beispiele sind Zellwachstum
oder Ökosysteme oder eben Pandemien. Die Regulation erfolgt nicht linear oder hierarchisch: Die
DNA steuert eben nicht das Verhalten der Zelle, stattdessen kann man die Regulation einer Zelle als
kompliziertes Netzwerk verschiedener Stoffwechselwege verstehen. In einer Pandemie oder
Epidemie sind irgendwann genügend Menschen immun, dann wird die Krankheit endemisch und
bricht immer wieder aus, ohne sich weiter auszubreiten. Es entsteht ein Muster. Meist gilt: Der
Mensch erkennt das Muster, aber weiß nicht, wie es entsteht und was passiert, wenn man kleine
Änderungen am System vornimmt. Zum Beispiel die Ausbreitung von Covid 19: Millionen von
Menschen bewegen sich täglich und zeigen dabei -statistisch gesehen- je nach Alter und Situation
unterschiedliche Verhaltensweisen und Mobilitätsmuster. Je nach dem kommt es zu Begegnungen
auch zwischen infizierten und gesunden Personen. Dann besteht eine bestimmte Wahrscheinlichkeit
für eine Ansteckung. Ist die Person angesteckt wird sie vielleicht krank, eventuell auch nicht, oder
es dauert eine ganze Weile, bis sie es bemerkt. Es ergeben sich dann vielleicht noch mehr
Begegnungen und potentielle Übertragungsgelegenheiten. Hier spielt wieder das Alter und die
gesundheitliche Verfassung eine Rolle. Hinzukommen Faktoren wie die Länge der Begegnung,
Temperatur und Luftzirkulation des Begegnungsorts, Masken, Immunität nach durchgemachter
Infektion und so weiter. Man merkt: es gibt unendlich viele Einflussfaktoren. Niemand kann das
vorhersagen.
Das führt uns zu den Computermodellen. Sie können dabei helfen, indem sie nur einen Ausschnitt
des Problems simulieren, zum Beispiel die Bewegungsmuster unterschiedlicher
Bevölkerungsgruppen und die Begegnungen die sich ergeben. Zur Vereinfachung kann man dann
davon ausgehen, dass jede Begegnung auch zu einer Infektion führt. Das tolle daran ist, dass man
anhand solcher Modelle dann den Einfluss anderer Faktoren ausprobieren kann, zum Beispiel die
Auswirkung einer Impfung: Was passiert, wenn n Menschen geimpft sind und die Impfung in m%
der Fälle eine weitere Übertragung verhindert und die Infektionskette unterbricht? Was ist, wenn
nicht genügend Impfstoff zur Verfügung steht und nur ein Teil der Menschen geimpft werden kann?
Welche Bevölkerungsgruppe sollte zuerst geimpft werden, um eine Ausbreitung trotzdem zu
verhindern? Das alles kann mit einem Computermodell einfach mal durchgespielt werden, quasi als
[[https://oinf.ch/kurs/simulationen/modellieren/|virtuelles Experiment]] (eine Gruppe der Humboldtuniversität hat das übrigens tatsächlich gemacht:
[[https://www.hu-berlin.de/de/pr/nachrichten/mai-2022/nr-22531|Hier]] zum nachlesen).
Weitere Systeme, die sich mit Computermodellen nachbilden lassen sind:
[[https://www.tagesspiegel.de/berlin/wie-ein-computermodell-die-krebstherapie-revolutionieren-soll-4086280.html|Stoffwechselwege in einer Krebszelle]], [[https://www.ds.mpg.de/3950004/220726_EvolutionaryModelCell|die Aufteilung von Molekülen in einer Zelle]], die Bildung
von Seifenblasen oder einfach das Wetter.
Mathesis Wiki

Benutzer-Werkzeuge

Webseiten-Werkzeuge

Seiten-Werkzeuge
