Warum Simulations-Modelle die Realität nur schlecht abbilden, wenn überhaupt

Gemessen am Stellenwert den wissenschaftliche Simulations-Modelle mittlerweile in der Politik einnehmen, könnte man denken, Simulations-Modelle sind elaborierte, digitale Abbilder der Realität, die es erlauben, Letztere punktgenau vorherzusagen. Simulations-Modelle spielen in immer mehr Kontexten eine herausragende Rolle. Die komplette Reaktion westlicher Staaten auf SARS-CoV-2 baut auf Simulationsmodellen auf. Energiepolitiken in vielen Ländern sind an Klimamodelle angepasst. Die Auswirkungen entsprechender Politiken sind erheblich, so erheblich, dass die Politiken eigentlich nur dann zu rechtfertigen sind, wenn die Simulations-Modelle auch reliabel und valide sind.

Überraschung – das sind sie nicht.

Sie können es gar nicht sein. Denn – obwohl Simulations-Modelle mit dem Anspruch verbreitet werden, die Zukunft vorherzusagen, sind sie dazu nicht –  oder nur durch Zufall in der Lage.



Dass dem so ist, das hat die folgenden Gründe:

  • Neuentdeckte Wolkenformation

    Simulations-Modelle bauen auf vergangenen Daten auf, d.h. sie basieren auf der Annahme, dass die Zusammenhänge, die für die Vergangenheit gefunden wurden, auch in Zukunft gelten werden.

  • Simulations-Modelle berücksichtigen immer nur eine Auswahl von Daten, sie berücksichtigen nicht ALLE relevanten Daten, die notwendig sind, um eine genau Vorhersage der Zukunft zu machen. Dass das so ist, hat eine Reihe von Gründen: (1) Niemand kennt “ALLE relevanten Daten”. (2) Alles auf der Erde geschieht in einem dynamischen Umfeld, d.h. neue Einflussfaktoren können auftauchen, alte einfach verschwinden. In beiden Fällen ist der Effekt der selbe: Das Modell ist obsolet.
  • Simulations-Modelle sind mathematische Modelle, die Zusammenhänge zwischen den Variablen beschreiben, die in das Modell eingehen, d.h. weil nicht alle relevanten Variablen bekannt sind, sind notwendiger Weise auch nicht alle Zusammenhänge zwischen relevanten Variablen, wie sie sich gegenseitig beeinflussen, sofern sie sich beeinflussen, in welcher Abhängigkeit sie zu einander stehen, wenn sie überhaupt in einem deterministischen Verhältnis zueinander stehen, bekannt. Hinzu kommt, dass zwar Variablen bekannt sein können, ihr Zusammenhang mit den anderen Modellvariablen aber bestenfalls geschätzt werden kann.

Ein Modell ist somit ein Idealtypus, der mehr oder weniger weit von der Realität abweichen MUSS. Als solche Idealtypen wurden Simulations-Modelle vornehmlich dazu entwickelt, um Szenarien möglicher Entwicklungen unter kontrollierten Modellbedingungen berechnen zu können und für den Mikrokosmos des jeweiligen Modells beschreiben zu können, wie sich das Gesamt in Abhängigkeit zur Veränderung einzelner oder aller Variablen entwickelt.

Die Ökonomie, vor allem die Makroökonomie ist die Wissenschaft, in der sich die meisten Modelle finden, denn Ökonomen lieben es, in einer Modellwelt zu leben und mit Zins und Geld zu spielen, etwa so:

Das ist die LM-Kurve. Sie ist ein Modell, in das Zinsen und “Real Money”, was man Phi-mal-Daumen als um die Inflation bereinigte Geldmenge ansehen kann, eingehen. Die Frage, die die LM-Kurve beantworten soll ist, wie sich die Nachfrage nach Geld verändert, wenn sich der Zinssatz verändert. Um die Kurve zu erhalten fehlt indes noch eine Größe, nämlich die Nachfrage nach Geld (L – bestehend aus Spekulation und Transaktion), die in Abhängigen von Zins und Geldmenge steht. Ökonomen sind in der Regel an Gleichgewichten interessiert, hier am Gleichgewicht der so genannten Liquiditätspräferenz. Die Liquiditätspräferenz sinkt, wenn der Zinssatz sinkt, d.h. die Bereitschaft Geld zu behalten und nicht zu verleihen sinkt, wenn der Zinssatz sinkt, die reale Geldmenge steigt.
Niemand wird auf die Idee kommen, auf Basis von solchen Modelle die Entwicklung am Geldmarkt in Pakistan auf 1000 Rupien genau vorhersagen zu wollen – oder? Das Modell dient einzig dazu, sich Zusammenhänge zwischen Variablen zu vergegenwärtigen, zu sagen: Wenn i sinkt, dann sinkt auch L(i,Y [reales Einkommen]), während M/steigt.

Als solche haben Modelle einen heuristischen Wert für diejenigen, die sie entwickeln, denn sie sind mit Modellen in der Lage, grundsätzliche Zusammenhänge zu analysieren, sich eine Heuristik der Welt zu bauen, kein Abbild.



Aber genau als solche Abbilder der Realität versuchen manche Politiker, Opportunisten und Profiteure Modelle der Öffentlichkeit anzudrehen. Wer an den Klimamodellen des IPCC zweifelt, begeht einen Frevel und wird als “Klima(wandel)leugner” betitelt. Wer darauf hinweist, dass alle Maßnahmen gegen SARS-CoV-2 nur so gut sind, wie die Annahmen der Modelle, auf denen sie basieren, der gilt manchen schon als Coronaleugner.

Es ist übrigens sehr interessant, Klima-Modelle mit COVID-19 Modellen zu vergleichen. Beide unterscheiden sich erheblich im Ausmaß der Strenge der Beziehungen. Mehr oder mindert sind COVID-19 Modelle vollständige Modelle, wenn die Annahmen gelten, dass SARS-CoV-2 auf keine Immunität trifft, dass jeder gleich anfällig für eine Infektion ist, die Schwere der Infektion aber nach Alter variiert, die Verbreitung von SARS-CoV-2 mit einer exponentiellen Funktion beschrieben werden kann. Wie wir gelernt haben, sind fast alle diese Annahmen falsch. SARS-CoV-2 scheint sich nicht exponentiell zu verbreiten, weil wohl Kreuzimmunität vorhanden ist, die dies verhindert und somit ist wohl auch die Annahme falsch, dass SARS-CoV-2 auf keine Immunität trifft.

Wir haben vor einiger Zeit sehr ausführlich das Modell des Imperial College vorgestellt, in dem die Annahmen über SARS-CoV-2 um eine Reihe von Annahmen über die Verbreitung des Virus erweitert wurden, etwa, dass ein Infizierter im Durchschnitt zwei bis 2,6 Andere infiziert, dass eine bestimmte Zeit zwischen Ansteckung und ersten Symptomen vergeht, das hier:

  • Die Inkubationsphase beträgt 5,1 Tage;
  • 12 Stunden bevor ein Infizierter Symptome zeigt, kann er bereits andere infizieren;
  • Asymptomatische Infizierte können 4,6 Tage nach ihrer Ansteckung andere infizieren;
  • Die Übertragungsrate Ro wird mit 2,4 angenommen, das entspricht der aus China bekannten Übertragungsrate;
  • Infizierte sind nach Genesung nicht re-infizierbar, jedenfalls auf mittlere Sicht nicht;
  • Eine Verdoppelung der Fallzahlen erfolgt nach jeweils 5 Tagen;
  • 2/3 der Infizierten zeigen ausreichende Symptome um sich innerhalb eines Tages selbst zu isolieren;
  • Zwischen dem Auftreten der Symptome und einer stationären Aufnahme vergehen im Schnitt fünf Tage;
  • Die Sterberate beträgt 0,9% für alle Infizierten und 4,4% für diejenigen, die eine stationäre Aufnahme benötigen;
  • 50% der Patienten auf Intensivstationen sterben;
  • Die durchschnittliche Dauer des Aufenthalts in einem Krankenhaus beträgt 8 Tage, Patienten, die eine intensive Betreuung benötigen, bleiben im Durchschnitt 16 Tage im Krankenhaus.

Das alles sind Annahmen, die in einem umfänglich bekannten Umfeld gemacht werden. Insofern kann man erwarten, dass diese Annahmen, wenn das Umfeld tatsächlich vollständig beschrieben ist und die Annahmen wie oben dargelegt, richtig sind, zu einer ungefähr korrekten Schätzung der Anzahl benötigter Betten auf Intensivstationen führen und damit auch zu einer ungefähr korrekten Schätzung der Mortalität. Nun sind die Annahmen falsch und die Pandemie hat weit weniger Probleme bereitet als befürchtet. In Deutschland gilt dies wie im Vereinigten Königreich. Und doch sind im Vereinigten Königreich, nachdem die Statistik um 5.000 Fehlklassifikationen bereinigt wurde, 41.347 Menschen an COVID-19 verstorben und diese Zahl liegt in genau dem Bereich, den das Modell des Imperial College vorhergesagt hat:

Im besten oben dargestellten Fall, rechnen die Autoren für das Vereinigte Königreich bei einer Ansteckungsrate von R0 von 2,4% mit zwischen 8.700 und 39.000 Toten. Weniger strikte Regime, wie z.B. die Schließung von Schulen, Fallisolierung und Social Distancing münden in zwischen 12.000 und 53.000 Tote. Das sind die Ergebnisse für das Vereinigte Königreich, die Ergebnisse für Deutschland liegen noch darüber. Die genaue Darstellung des Modells findet sich hier.



Ein gutes Modell? Nun, eines, das auf weitgehend falschen Annahmen zu richtigen Ergebnissen kommt. Was sagt das über die Verlässlichkeit von Modellen aus? Es zeigt, dass Modelle Idealtypen, ideale Beschreibungen der Realität unter der Annahme, dass alle Annahmen, auf denen die Modelle basieren, zutreffen, sind, die mehr oder weniger weit von der Realität abweichen und die zu richtigen Ergebnissen auf Basis vollkommen falscher Annahmen kommen können.

Abweichung der durch Klimawandelmodelle vorhergesagten Temperaturentwicklung (rote Linie) von den tatsächlich gemessenen Temperaturen.

Nun muss man sich die Probleme, die COVID-19-Modelle offenkundig haben, potenziert vorstellen, um eine Vorstellung davon zu erhalten, welcher Humbug vom IPCC mit den dort vertriebenen Klima-Modellen verbreitet wird. Wir haben hier ausführlich beschrieben, dass die Klimamodelle nichts taugen. Sie können deshalb nichts taugen, weil die eingangs beschriebenen Gründe dafür, warum Modelle die Realität nicht vorhersagen können, bei Klimamodellen potenziert sind. Klimamodelle berücksichtigen eine Unmenge von Variablen und Zusammenhänge zwischen Variablen, die allesamt auf Annahmen basieren, die aus der Vergangenheit extrapoliert werden, und Klimamodelle behaupten von sich, sie seien vollständig, enthielten also alle relevanten Daten. Das ist, was man im britischen preposterous – absurd mit einem gewissen Etwas – nennt. Dass Klimamodelle nicht vollständig sind, zeigt sich daran, dass sie NICHT in de Lage sind, das Wetter von morgen vorherzusagen, wozu sie in der Lage sein müssten, wenn sie vollständig wären. Nicht nur sind Klimamodelle nicht vollständig, sie können es gar nicht sein, weil es eine Unzahl von klimatischen Zusammenhängen gibt, die entweder unbekannt oder so wenig bekannt sind, dass sie nicht zuverlässig modelliert werden können. Der beste Beleg dafür, dass Klimamodelle politische Modelle sind, deren Vollständigkeit und Genauigkeit deshalb behauptet wird, weil ganze Legionen von Profiteuren ihren Unterhalt mit dem Schüren von Klimawandel-Angst bestreiten, ist die Tatsache, dass die Distanz neuerer Modelle zur tatsächlichen Entwicklung immer größer wird. Hier wird absichtlich manipuliert, um eine Erwärmung zu errechnen, die es tatsächlich nicht gibt. Wir haben auch dies ausführlich beschrieben.

Modelle sind keine Fotographien der Welt, wie sie in der Zukunft aussieht. Modelle sind bestenfalls Handzeichnungen, die nur einen kleinen Teil dessen, was Zukunft sein wird, abbilden können. Jeder, der etwas anderes behauptet, ist ein Scharlatan, dessen Ziel darin besteht, andere über den Tisch zu ziehen, um seinen Profit zu mehren.


Featured Image: Newsday


Wenn man Fehlentwicklungen begegnen will, dann muss man sie deutlich benennen.

Bitte unterstützen Sie unseren Fortbestand als freies Medium.

Vielen Dank!




Folgen Sie uns auf TELEGRAM


Bleiben Sie mit uns in Kontakt.
Wenn Sie ScienceFiles abonnieren, erhalten Sie bei jeder Veröffentlichung eine Benachrichtigung in die Mailbox.

ScienceFiles-Abo
Loading



ScienceFiles-Shop


Print Friendly, PDF & Email
13 Comments

Bitte keine Beleidigungen, keine wilden Behauptungen und keine strafbaren Inhalte ... Wir glauben noch an die Vernunft!

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Translate »

ScienceFiles-Betrieb

Was uns am Herzen liegt ...

 

Ein Tag ScienceFiles-Betrieb kostet zwischen 250 Euro und 350 Euro.


 

Wenn jeder, der ScienceFiles liest, uns ab und zu mit einer Spende von 5, 10, 20, 50 Euro oder vielleicht auch mehr unterstützt, vielleicht auch regelmäßig, dann ist der Fortbestand von ScienceFiles damit auf Dauer gesichert.


Wir bedanken uns bei allen, die uns unterstützen!


ScienceFiles-Spendenkonto

Vielen Dank!

Holler Box