Cheatsheet
- Primitives
- Interface
- Glossar
Hier findest du alle Funktionsbausteine auf einem Blick!
Primitive | Typ | Bedeutung | Beispiele |
---|---|---|---|
![]() | SD |
| Bevölkerungszahl, Wasserstand, Energieinhalt |
SD |
| Geburtenrate, Wasserzufluss, Energieverbrauch | |
![]() | Common |
| Volkszählungen, Bezirksdaten, Infrastruktur |
Common |
| ||
Common |
| ||
Common |
| ||
![]() | ABM |
| Zuhause, Auf der Arbeit, In Quarantäne |
ABM |
| Von gesund zu infiziert, von unentschlossen zu überzeugt, Umzug in eine andere Stadt | |
![]() | ABM |
| sich impfen lassen, Nächste Fahrradstation suchen, Andere Agenten beeinflussen |
![]() | ABM |
| Auto im Straßenverkehr, Konsument im Markmodell, Maschine in einer Fabrik |
![]() | ABM |
| Bewohner in einer Stadt, Fahrzeuge auf einer Straße, Bäume im Quartier |
Hier findest du alle Interface-Komponenten auf einem Blick!
Interface | Komponent | Funktionen |
---|---|---|
![]() | Navibar |
|
![]() | Meine Modelle |
|
![]() | Sidebar |
|
![]() | Modell Einstellungen |
|
![]() | Modell klonen |
|
![]() | Modell teilen |
|
![]() | Modell veröffentlichen |
|
![]() | Activebar |
|
![]() | Primitives |
|
![]() | Simulationsergebnisse |
|
![]() | Canvas |
|
![]() | Primitive-Einstellungsfenster |
|
![]() ![]() | Szenario-Einstellungen |
|
Hier findest du einige wichtige Begriffsdefinitionen auf einem Blick!
Begriff | Erklärung |
---|---|
Modell | Ein Modell ist eine vereinfachte, abstrahierte Repräsentation eines realen oder gedachten Systems, das je nach Zweck bestimmte Aspekte dieses Systems annähernd abbildet. Modelle können physisch, konzeptuell oder mathematisch sein. |
Modellstruktur | Die formale Organisation eines Modells, bestehend aus Gleichungen, Abhängigkeiten (SD) oder Zuständen, Regeln und Interaktionen (ABM). Sie definiert die funktionale Logik des Systems. |
System Dynamics | Ist ein modellbasierter Ansatz zur Untersuchung und Beschreibung komplexer, rückgekoppelter Systeme mit Hilfe von Bestands-und Flussgrößen. Diese Modellierungsart eignet sich besonders für aggregierte, langfristige Entwicklungen |
Agent-Based Modeling | Simuliert Systeme durch die Interaktion vieler einzelner, autonomer Agenten, die jeweils eigenständige Regeln und Ziele verfolgen. ABM eignet sich besonders, wenn individuelles Verhalten und Interaktionen entscheidend für die Systemdynamik sind |
Kausaldiagramm | Visualisierung von Ursache-Wirkungs-Beziehungen, oft als Vorstufe oder Dokumentation für SD-Modelle genutzt. Zeigt qualitative Systemzusammenhänge. |
Systemgrenze | Abgrenzung des modellierten Systems von seiner Umwelt. Legt fest, welche Variablen einbezogen und welche ausgeklammert werden. |
Simulation | Eine Simulation ist die Betrachtung eines Systems über die Zeit, um das Verhalten eines realen oder digitalen Modells unter bestimmten Bedingungen analysieren zu können |
Initialisierung | Definition der Anfangsbedingungen eines Modells (z. B. Startwerte, Konfigurationen). Essenziell für Reproduzierbarkeit und Vergleichbarkeit von Simulationen. |
Diskretisierung | Umwandlung kontinuierlicher Prozesse in diskrete Zeitschritte (v. a. in SD-Modellen). Beeinflusst numerische Genauigkeit und Laufzeit. |
Agenteninteraktion | In ABM: explizite Kopplung von Agenten durch räumliche Nähe, Regeln, Netzwerke oder Nachrichtenübermittlung. Führt zu emergentem Verhalten. |
Regelbasierte Modellierung | Modellansatz, bei dem Entscheidungen oder Zustandsübergänge auf expliziten Regeln beruhen. Dominant in ABM, v. a. bei Zustandstransitionen. |
Dynamische Rückkopplung | Zirkuläre Kausalbeziehungen, die sich über Zeit entfalten. Zentral in SD: Positive Rückkopplung führt zu Wachstum, negative zu Stabilisierung. |
Szenarienmanagement | Methodisches Vorgehen zur Definition, Durchführung und Bewertung verschiedener Zukunftsentwicklungen. In SD meist durch Parameterkombinationen, in ABM zusätzlich durch alternative Regelsets. |
Robuste Entscheidungsunterstützung | Identifikation von Strategien, die unter hoher Unsicherheit und vielen möglichen Zukunftslagen tragfähig bleiben (z. B. mit Robust Decision Making). |
Kalibrierung | Anpassung von Modellparametern an empirische Daten, um die Passung zur beobachteten Realität zu optimieren. |
Verifizierung | Technische Prüfung, ob das Modell korrekt implementiert ist. „Bauen wir das Modell richtig?“ – z. B. Debugging, Einheitentests, Review des Quelltexts. |
Validierung | Beurteilung, ob das Modell mit dem realen System konsistent ist. „Bauen wir das richtige Modell?“ – z. B. über Expertenfeedback, Datenvergleich, Retrodiktion. |
Hybridmodellierung | Kombination unterschiedlicher Modellparadigmen (z. B. SD+ABM oder ABM+statistische Modelle), um sowohl individuelle als auch systemische Dynamiken abzubilden. |
API (Application Programming Interface) | Eine API ist eine standardisierte Schnittstelle, über die Softwarekomponenten miteinander kommunizieren können. Sie definiert, wie Funktionen, Daten oder Dienste eines Systems von anderen Anwendungen abgerufen und genutzt werden können, ohne deren interne Strukturen kannen zu müssen |
Modellevaluation | Ganzheitliche Bewertung eines Modells hinsichtlich seiner Annahmen, Logik, Ergebnisse, Plausibilität, Transparenz und Anwendbarkeit. |
Verhaltensannahmen | Theoretisch oder empirisch abgeleitete Hypothesen darüber, wie Akteure Entscheidungen treffen oder Zustände wechseln. Kritisch für ABM. |
Versionierung | Nachvollziehbare Speicherung von Entwicklungsständen eines Modells (z. B. über Git). Essenziell für Reproduzierbarkeit und Zusammenarbeit. |
Modelltransparenz | Maß, in dem ein Modell, seine Struktur und seine Annahmen offen dokumentiert und verständlich gemacht werden. Grundlage für Vertrauen und Weiterverwendung. |