Simulationsmodelle
Was versteht man unter dem Begriff „(Simulations-)Modell“?
Physische und digitale Modelle sind seit jeher nützliche Werkzeuge in unterschiedlichen Fachdisziplinen wie Wissenschaft, Technik und Design. Sie dienen der Vereinfachung, Veranschaulichung und Analyse komplexer Zusammenhänge, indem sie ausgewählte Aspekte der Realität für einen bestimmten Zweck abstrahieren und sie in eine handhabbare und überprüfbare Form überführen.
Anhand der notwendigen Simplifizierung müssen sogenannte Systemgrenzen gezogen werden. Das passiert beispielsweise in der Auswahl der einfließenden Modellparameter oder der getroffenen Annahmen. Vor allem bei der Modellierung von sozialen Systemen beeinflussen damit individuelle Sichtweisen und Wertvorstellungen das Modell - ein vollumfänglich "richtiges" Modell gibt es also nicht. Der britische Wissenschaftler George Box fasst das mit seinem Satz „All models are wrong - but some are useful“ zusammen.
Insbesondere digitale Simulationsmodelle gewinnen heutzutage zunehmend an Bedeutung. Durch hohe Rechenleistungen- und kapazitäten eröffnen sich neue Möglichkeiten, dynamische und komplexe Prozesse und multiple Zukunftsszenarien annähernd abbilden und untersuchen zu können.
Szenarien und Simulationen
Digitale Simulationsmodelle erlauben es, Szenarien durchzuspielen, ohne physische Prototypen erstellen oder reale Eingriffe vornehmen zu müssen, wodurch Risiken reduziert und Ressourcen gespart werden können. Gleichzeitig erhöht sich die Anzahl und Varianz an optimalen Lösungsmöglichkeiten mittels generativer Algorithmen. Digitale Modelle können der fundierten Entscheidungsfindung auf Grundlage datenbasierter Prognosen dienen und bieten wertvolles Potenzial, Datensätze aus unterschiedlichen Fachdisziplinen interoperabel zusammenzuführen, um neue Erkenntnisse zu gewinnen und Probleme mehrdimensional lösen zu können.
Der Urban Model Builder ist ein Tool zur kollaborativen Modellierung von komplexen Systemen. Somit wird eine Vielzahl an Annahmen getroffen, sowohl bezogen auf die übergeordnete Konzeption des Modells als auch bei den jeweiligen Werten und Funktionsbeschreibungen, die getroffen werden müssen.
- Halte Annahmen explizit und nachvollziehbar fest
- Begründe, warum du sie triffst und welche Alternativen denkbar wären
- Überprüfe, ob sie unter neuen Erkenntnissen noch gültig sind
Unsicherheiten gehören unvermeidbar zur Modellierung - sei es durch ungenaue Daten, variable Parameter oder eine unklare Struktur des Modells. Es ist wichtig, diese Unsicherheiten zu erkennen und transparent zu kommunizieren.