Ich weiß nicht, wie es Ihnen geht, aber was mich betrifft: ich kann das Wort „Modell“ nicht mehr hören, oder vielmehr: ich bekomme Sorgenfalten auf die Stirn und verspüre den Impuls, mich ab- bzw. etwas anderem zuzuwenden.
Wie oft lesen oder hören wir den Standard-Einleitungssatzes jedes Textes und jeder Rede über „Modelle“ in/aus der Wissenschaft, nach dem „Modelle“ pauschal als furchtbar wichtig behauptet werden, gefolgt von einem Text/einer Rede, in der – völlig zurecht – Begriff und Sinn von „Modellen“ problematisiert bzw. die vermeintlich unbezweifelbare Wichtigkeit von „Modellen“ eingeschränkt wird. Einigkeit scheint nur darüber zu bestehen, dass es eine Menge verschiedener Typen von Modellen gibt, die verschiedene Zwecke erfüllen sollen – idealisierte Modelle, Miniaturmodelle, Simulationsmodelle, Vorhersagemodelle ….
Und dann ist da noch die Rede von Modellhierarchien, bei denen mehr oder weniger spekulative komplexe(-/re) Modelle auf einfache(-/re) Modellen, bei denen man meint, die modellierten Zusammenhänge zu verstehen, aufsetzen sollen, während manche Modellierer meinen, ein Verständnis der Zusammenhänge sei gar nicht notwendig, und das Ganze ergebe sich als – wenn auch zumindest teilweise unverstandene – Muster aus Datenpunkten.
Nicht zu vergessen: das berüchtigte „Mausmodell“, das vermutete Ursachen und Effekte, gewöhnlich von Drogen, bei Mäusen empirisch überprüft und deshalb „Modell“ genannt wird, weil es probeweise (und hoffentlich nur probeweise!) auf Menschen übertragen wird – selbstverständlich unter Beigabe des rituell verbindlichen Hinweises, nach dem Erkenntnisse, die bei oder über Mäuse gewonnen wurden, nicht ohne Weiteres auf Menschen übertragbar seien, nur, um die Ergebnisse von Tests bei Mäusen, also am „Mausmodell“, dann mit Bezug auf Ursachen und Effekte bei Menschen herzubeten, so, als sei das „Mausmodell“ zwar nicht auf Menschen übertragbar, aber auf ungeklärte Weise eben doch irgendwie relevant.
Wenn in den Medien die Rede von „Klimamodellen“ ist, dann werden meistens solche thematisiert, die den Blick in die schlechte alte Kristallkugel ersetzen sollen, modernisiert als „Vorhersagemodelle“ bezeichnet, – und dabei erwartungsgemäß kläglich scheitern, denn Modelle sind Abstraktionen. Sogenannte „wahre“ Modelle sind gewöhnlich Miniaturmodelle, d.h. verkleinerte Varianten eines geplanten größeren Objektes, sagen wir: einer Brücke, deren Funktion durch Kontrolle vergleichsweise weniger bekannter Größen (inklusiver derer Zusammenhänge untereinander) mit vergleichsweise hoher Wahrscheinlichkeit gesichert werden kann (sofern man „gesichert“ im Zusammenhang mit Wahrscheinlichkeiten überhaupt sinnvoll verwenden kann). Also selbst diese Modelle sind nur in ganz spezifischer Weise so etwas wie „wahr“; auch in solchen Modellen wurde von der Realität abstrahiert.
Als Abstraktionen haben Modelle einen höchst fragwürdigen ontologischen Status.
Was genau „sind“ Modelle?
In welchem Verhältnis zur Realität stehen sie oder sollen sie stehen, je nach Zielsetzung bei der Verwendung von Modellen?
Ob Modelle ehrlicherweise als Miniaturmodelle oder als Abstraktionen bezeichnet werden oder nicht – sie sind es immer. Immer sind Modelle bestenfalls verkleinerte oder vereinfachte, mehr oder weniger komplexe, aber eben doch verkleinerte/vereinfachte, Abbildungen eines Ausschnittes der Realität. Aber woher weiß man, was in diesem Ausschnitt der Realität wie und in welcher Weise verkleinert oder vereinfacht werden kann, ohne es in nennenswerten Widerspruch zur Realität zu setzen als notwendig? Woher weiß man, ob man Komplexität in der Realität in ausreichendem Maß – oder auf die angemessene Weise – in einem Modell gerecht geworden ist?
Ein Modell: Sagen Sie vorher, wie es vor Ort aussieht!
Eines steht fest: ein Modell ist niemals die Sache, die es abbilden oder für die es stehen soll, selbst, auch nicht sozusagen im Kleinen. Zwar sind Modelle per definitionem verkleinert, vereinfacht, fehlerhaft. Aber sie bestehen nicht aus Dingen, auch nicht aus Dingen in Miniatur, sondern aus Symbolen, seien es sprachliche oder mathematische. Meistens bestehen sie aus sprachlichen und mathematischen Symbolen, was an sich schon eine anspruchsvolle Ineinander-Übersetzungs-Leistung erfordert, wie jeder erfahren kann, der versucht, einer in Statistik nicht vorgebildeten Gruppe von Leuten in Worten auch nur ein vergleichsweise einfaches statistisches Konstrukt wie Cronbachs Alpha zu erklären. Modelle sind also nicht nur Abstraktionen im Sinn der Reduktion auf jeweils für relevant gehaltene Größen bzw. im Sinn fehlender oder fehlspezifierter Größen, sondern auch insofern als sie in einer von Menschen gemachten Sprache formuliert werden, in der bereits eine Menge menschlicher Wahrnehmungs- und Interpretationsgewohnheiten ihren Niederschlag gefunden haben. Sie als Abbilder der Realität anzusehen, ist ein grobes Mißverständnis (und hoffnungslos einfältig).
Modelle, die als Vorhersagemodelle präsentiert werden, sind – eben weil sie so präsentiert werden – die am wenigsten sinnvollen oder nützlichen und die am stärksten irreführenden; wie wir alle wissen ist selbst die im Vergleich zur Vorhersage der klimatischen Entwicklung auf der Erde weit weniger komplexe regionale Wettervorhersage eine Frage von „hit or miss“ und ist dementsprechend etwas, worauf sich trefflich Wetten abschließen lassen.
Modelle haben ihren Sinn, wenn es darum geht, zu lernen, d.h. ein Verständnis von vermuteten, theoretisch begründeten und klar angebbaren Zusammenhängen zwischen Größen zu entwickeln. Ein Klimamodell, ein Mausmodell oder welches Modell auch immer ist letztlich bloß ein statistisches Konstukt (und involviert normalerweise die gute alte Regressionsanalyse), bei dem Daten probeweise miteinander in Verbindung gebracht und statistischen Operationen unterzogen werden, die allesamt nicht nur Maße für Zusammenhänge liefern, sondern auch Maße für die Qualität des ggf. gefundenen Zusammenhangs, also z.B. Angaben zu Vertrauensintervallen (über die man allerdings in der Regel nicht aufgeklärt wird, wenn „Erkenntnisse“ aus Modellen in der Öffentlichkeit verbreitet werden).
Was Modelle liefern, sind zuerst und vor allem Angaben über sich selbst, nämlich die Qualität der vorgenommenen Modellierung bestimmter Gößen im Zusammenhang miteinander. Die Verbindung zur Realität liegt einzig in den im Modell vorgenommenen Operationalisierungen (z.B. an einem Thermometer ablesbaren Temperatur) der interessierenden Größen (z.B. Lufttemperatur) und der Meßqualität, mit der die Operationalisierungen erhoben wurden (z.B.: wo liegt die Meßstation bzw. lag das Thermometer vorher stundenlang auf einem Start- und Landefeld eines Flughafens? Wie oft wurde eine Messung vorgenommen, und wann? Wurden fehlende Meßwerte interpoliert, also einfach vermutet? etc. etc.). Auf diese Weise wird die Verbindung eines Modells zur Realität probeweise geschaffen. Aber es bildet nicht die Realität ab. Modelle bilden die Realität nicht ab, geschweige denn, dass sie sie vorhersagen würden; vielmehr müssen sie sich ihrerseits an der Realität oder treffender: an weiteren Beobachtungsdaten, die der Realität auf die eine oder andere Weise entnommen sind, bewähren und können ggf. an ihnen weiterentiwckelt werden.
Der Lerneffekt wird erzielt, wenn Messmethoden verbessert, Größen und Zusammenänge variiert werden, etc., also gerade kein Modell für „das richtige“ oder „das beste“ erklärt wird. Ein Modell eines Planetensystems, das Planeten als Objekte modelliert, die eine Form und eine Masse haben, aber alle anderen Eigenschaften von Planeten ignoriert, ist verbesserungsbedürftig – und –fähig! Aber woher sollen wir wissen, ob oder wann wir alle relevanten Eigenschaften der Planeten oder überhaupt des Sonnensystems, in dem sie sich bewegen, kennen? Und selbst, wenn wir sie kennen würden, müssten die technischen Möglichkeiten gegeben sein, die es uns erlauben, komplexere Modelle zu formulieren und schätzen zu lassen. In Zukunft wird z.B. mehr zur Verfügung stehende Rechnerzeit die Verarbeitung von mehr Größen und ihren vermuteten Zusammenhängen erlauben, womit die jetzt verfügbaren Modelle ohnehin obsolet werden. Das nennt man Erkenntnisfortschritt, aber der Stein der Weisen wird auch mit mehr Rechnerzeit nicht gefunden werden; weiterer Wissenszugewinn, weitere Erkenntnisse sind und bleiben prinzipiell möglich.
Wer meint, er könne mit einem derzeit existierenden Modell durch die Lande ziehen und es als seine Kristallkugel ausgeben, um vermeintlich (und in Teilen tatsächlich) naiven Zeitgenossen einen Blick ins Unbekannte zu gewähren, ist das, was man traditionell als einen Scharlatan bezeichnet.
Und er ist jemand, der ein grundlegendes Nicht- oder Fehlverständnis davon hat, was ein spezielles Modell „ist“, was es leisten kann und was nicht und was eine sinnvolle Anwendung ist und was nicht.
Und wenn Sie wieder das Wort „Modell“ hören, ohne dass angegeben wird, um welchen Typ von Modell es sich handeln soll und welchem Zweck genau es dienen soll, dann können Sie m.E. ruhig darüber hinweghören, denn dann handelt es sich mit sehr hoher Wahrscheinlichkeit bloß um einen Versuch, verlässlich, gar wissenschaftlich, klingen zu lassen, was Ihnen als die gewünschte Version der Wahrheit/Darstellung der Realität aufgeschwätzt werden soll. Zwischen „Mein Modell zeigt, dass wir alle verbrennen werden, wenn wir nicht ….“, und „Meine Kristallkugel zeigt, dass Sie eine lange Reise versäumen werden, wenn Sie nicht …“ besteht durchaus kein so großer Unterschied, wie normalerweise suggeriert werden soll.
Falls Sie unsere Arbeit unterstützen, und dafür sorgen wollen, dass bei ScienceFiles auch weiterhin das Rad rund läuft, dann kaufen Sie uns doch einen Kaffee:
Oder unterstützen Sie uns auf einem der folgenden Wege
Unser herzlicher Dank ist Ihnen sicher!
DENN: ScienceFiles lebt von Spenden.
Helfen Sie uns, ScienceFiles auf eine solide finanzielle Basis zu stellen, damit Sie uns auch morgen noch lesen können!Wir haben drei sichere Spendenmöglichkeiten:
Vielen herzlichen Dank. Lassen Sie mich bitte die Unterscheidungen verschiedener Modelle noch etwas anders fassen, und zwar nach zwei Kriterien, zum einen dem zeitlichen Horizont (1,2,3), zum anderen der Präzision, mit der sie formuliert werden können (A,B).
(1) „Präsenzmodelle“. Das sind Modelle beispielsweise eines physikalischen, chemischen oder physiologischen Zusammenhangs, sagen wir zum Gasaustausch in der Lunge, die man unmittelbar experimentell testen und gegebenenfalls verfeinern, korrigieren oder verwerfen kann. Es sind die klassischen Modelle, angefangen bei Galilei.
(2) „Retrospektive Modelle“, beispielsweise eines vorzeitlichen Asteroideneinschlags, sagen wir den des Nördlinger Ries vor 14,6 Millionen Jahren. Mittels Modifikation der Parameterwerte und berücksichtigten Mechanismen kann man versuchen zu verstehen, welche kausalen Faktoren gewissen heutigen geologischen Phänomenen zugrundeliegen.
(3) „Prädiktive Modelle“. Im Prinzip sind auch Modelle der Sorte (1) prädiktiv, denn man sagt mit ihnen etwas voraus, das man dann überprüft, allerdings (a) „sogleich“ und (b) unter reproduzierbaren Bedingungen. Sobald die Voraussage jedoch große Zeiträume umfasst, macht sich entscheidend bemerkbar, dass die Modelle (c) erst zu spät überprüft werden können, um sie entscheidend zu revidieren, und dass (d) i.d.R. auch die Ausgangssituation nicht mehr hergestellt werden kann. Erst recht ist fatal, wenn folgenreiche Entscheidungen abgeleitet werden, die auch noch alternative Lösungen verbauen. Deshalb müssen prädiktive Modelle noch nicht wertlos sein, doch hängt das entscheidend von Kriterium (A,B) ab.
(A): „Kausale Modelle“. Das sind Modelle, die man mit sehr gut verstandenen Mechanismen in großer Präzision formulieren kann, beispielsweise der geplante Flug einer Raumsonde zwischen verschiedenen Planeten. Diese Modelle können mathematisch komplex und numerisch anspruchsvoll sein, doch ist der entscheidende Punkt, dass man mit guten Gründen sicher sein kann, alle relevanten Faktoren mit praktisch hinreichender Genauigkeit zu kennen. Bezeichnenderweise haben Raumsonden Korrekturdüsen, um die unvermeidlichen, doch geringen und handhabbaren Restfehler auszugleichen.
(B) „Heuristische“ Modelle. Das sind Modelle komplexer Situationen, gleich ob hochaufgelöst oder summarisch gefasst, in die man eine Menge hypothetischer Mechanismen in Form mehr oder weniger starker Annahmen usw. füttern kann, ohne jemals sicher sein zu können, damit alle relevanten Faktoren solide erfasst zu haben. Man sieht dies beispielsweise in Klimamodellen daran, wie Hinzufügungen das Ergebnis verändern. Und man sah es hervorragend an den prädiktiven Corona-Modellen, die nach meiner Wahrnehmung allesamt falsch waren, weil sie entscheidende Faktoren nicht abbildeten und andere nur heuristisch-approximativ oder sogar nur postulativ einschlossen. Einige mathematische Corona-Modelle waren hilfreich, aber das waren diejenigen, mit denen man nachträglich etwas bereits Abgelaufenes zu verstehen suchte.
Es ist klar, das die Kombination (3 B) diejenige darstellt, der gegenüber man sehr skeptisch sein sollte, erst recht, wenn daraus Entscheidungen für die Zukunft abgeleitet werden. Das gilt noch mehr, wenn die „Wissenschaft“ dazu in hohem Ausmaß politisch und parareligiös vergiftet sowie durch Rudel- und Mitlaufmechanismen verzerrt ist, von den Heerscharen aktivistischer wissenschaftlicher Nullen, welche die klimangelikale Botschaft in die Welt tragen, ganz abgesehen. Insbesondere Corona erwies sich als Schnellkurs in Hinsicht auf (3 B).
Ich denke ein wichtiger Punkt, bei der Betrachtung von Modellen ist, ob man mit ihnen interpoliert, also fehlende Daten in einer bestehenden Datenreihe, versucht methodisch zu ermitteln oder aus diesen Daten heraus extrapoliert, wie es die sogenannte Klimawissenschaft macht. Extrapolation erfordert vom Anwender eine äußerst kritische Betrachtung seiner getroffenen Schlussfolgerungen. Das ist das, was ich an der Klimatologie bemängele. Da wird nicht mal in Betracht gezogen, dass sich die Erde garnicht ad infinitum erwärmen kann. In den Modellen wird keine Sättigung berücksichtigt, weil es die selbst zusammengezimmerten Daten aus der Vergangenheit gar nicht hergeben. Ein Modell basierend auf einem lückenhaften Datensatz, ist zwangsläufig fehlerhaft. Extrapoliert man dieses dann auch noch über seine spärlich bekannten Daten hinaus, hat man das Feld der Wissenschaft völlig verlassen und ist bei Ideologie oder Religion gelandet.
Wir sehen, dass du dich in folgendem Land befindest: Vereinigtes Königreich. Wir haben unsere Preise entsprechend auf Pfund Sterling aktualisiert, um dir ein besseres Einkaufserlebnis zu bieten. Stattdessen Euro verwenden.Ausblenden
Wenn in den Medien die Rede von „Klimamodellen“ ist, dann werden meistens solche thematisiert, die den Blick in die schlechte alte Kristallkugel ersetzen sollen, modernisiert als „Vorhersagemodelle“ bezeichnet, – und dabei erwartungsgemäß kläglich scheitern, denn Modelle sind Abstraktionen. Sogenannte „wahre“ Modelle sind gewöhnlich Miniaturmodelle, d.h. verkleinerte Varianten eines geplanten größeren Objektes, sagen wir: einer Brücke, deren Funktion durch Kontrolle vergleichsweise weniger bekannter Größen (inklusiver derer Zusammenhänge untereinander) mit vergleichsweise hoher Wahrscheinlichkeit gesichert werden kann (sofern man „gesichert“ im Zusammenhang mit Wahrscheinlichkeiten überhaupt sinnvoll verwenden kann). Also selbst diese Modelle sind nur in ganz spezifischer Weise so etwas wie „wahr“; auch in solchen Modellen wurde von der Realität abstrahiert.
ScienceFiles Spendenkonto:
HALIFAX (Bitte angeben: Zahlungsempfänger: Michael Klein, Zahlungszweck: ScienceFiles-Spende / Schenkung):
ScienceFiles Spendenkonto:
HALIFAX (Bitte angeben: Zahlungsempfänger: Michael Klein, Zahlungszweck: ScienceFiles-Spende / Schenkung):
Vielen herzlichen Dank. Lassen Sie mich bitte die Unterscheidungen verschiedener Modelle noch etwas anders fassen, und zwar nach zwei Kriterien, zum einen dem zeitlichen Horizont (1,2,3), zum anderen der Präzision, mit der sie formuliert werden können (A,B).
(1) „Präsenzmodelle“. Das sind Modelle beispielsweise eines physikalischen, chemischen oder physiologischen Zusammenhangs, sagen wir zum Gasaustausch in der Lunge, die man unmittelbar experimentell testen und gegebenenfalls verfeinern, korrigieren oder verwerfen kann. Es sind die klassischen Modelle, angefangen bei Galilei.
(2) „Retrospektive Modelle“, beispielsweise eines vorzeitlichen Asteroideneinschlags, sagen wir den des Nördlinger Ries vor 14,6 Millionen Jahren. Mittels Modifikation der Parameterwerte und berücksichtigten Mechanismen kann man versuchen zu verstehen, welche kausalen Faktoren gewissen heutigen geologischen Phänomenen zugrundeliegen.
(3) „Prädiktive Modelle“. Im Prinzip sind auch Modelle der Sorte (1) prädiktiv, denn man sagt mit ihnen etwas voraus, das man dann überprüft, allerdings (a) „sogleich“ und (b) unter reproduzierbaren Bedingungen. Sobald die Voraussage jedoch große Zeiträume umfasst, macht sich entscheidend bemerkbar, dass die Modelle (c) erst zu spät überprüft werden können, um sie entscheidend zu revidieren, und dass (d) i.d.R. auch die Ausgangssituation nicht mehr hergestellt werden kann. Erst recht ist fatal, wenn folgenreiche Entscheidungen abgeleitet werden, die auch noch alternative Lösungen verbauen. Deshalb müssen prädiktive Modelle noch nicht wertlos sein, doch hängt das entscheidend von Kriterium (A,B) ab.
(A): „Kausale Modelle“. Das sind Modelle, die man mit sehr gut verstandenen Mechanismen in großer Präzision formulieren kann, beispielsweise der geplante Flug einer Raumsonde zwischen verschiedenen Planeten. Diese Modelle können mathematisch komplex und numerisch anspruchsvoll sein, doch ist der entscheidende Punkt, dass man mit guten Gründen sicher sein kann, alle relevanten Faktoren mit praktisch hinreichender Genauigkeit zu kennen. Bezeichnenderweise haben Raumsonden Korrekturdüsen, um die unvermeidlichen, doch geringen und handhabbaren Restfehler auszugleichen.
(B) „Heuristische“ Modelle. Das sind Modelle komplexer Situationen, gleich ob hochaufgelöst oder summarisch gefasst, in die man eine Menge hypothetischer Mechanismen in Form mehr oder weniger starker Annahmen usw. füttern kann, ohne jemals sicher sein zu können, damit alle relevanten Faktoren solide erfasst zu haben. Man sieht dies beispielsweise in Klimamodellen daran, wie Hinzufügungen das Ergebnis verändern. Und man sah es hervorragend an den prädiktiven Corona-Modellen, die nach meiner Wahrnehmung allesamt falsch waren, weil sie entscheidende Faktoren nicht abbildeten und andere nur heuristisch-approximativ oder sogar nur postulativ einschlossen. Einige mathematische Corona-Modelle waren hilfreich, aber das waren diejenigen, mit denen man nachträglich etwas bereits Abgelaufenes zu verstehen suchte.
Es ist klar, das die Kombination (3 B) diejenige darstellt, der gegenüber man sehr skeptisch sein sollte, erst recht, wenn daraus Entscheidungen für die Zukunft abgeleitet werden. Das gilt noch mehr, wenn die „Wissenschaft“ dazu in hohem Ausmaß politisch und parareligiös vergiftet sowie durch Rudel- und Mitlaufmechanismen verzerrt ist, von den Heerscharen aktivistischer wissenschaftlicher Nullen, welche die klimangelikale Botschaft in die Welt tragen, ganz abgesehen. Insbesondere Corona erwies sich als Schnellkurs in Hinsicht auf (3 B).
[…] Source : Lire l’article original […]
Ich denke ein wichtiger Punkt, bei der Betrachtung von Modellen ist, ob man mit ihnen interpoliert, also fehlende Daten in einer bestehenden Datenreihe, versucht methodisch zu ermitteln oder aus diesen Daten heraus extrapoliert, wie es die sogenannte Klimawissenschaft macht. Extrapolation erfordert vom Anwender eine äußerst kritische Betrachtung seiner getroffenen Schlussfolgerungen. Das ist das, was ich an der Klimatologie bemängele. Da wird nicht mal in Betracht gezogen, dass sich die Erde garnicht ad infinitum erwärmen kann. In den Modellen wird keine Sättigung berücksichtigt, weil es die selbst zusammengezimmerten Daten aus der Vergangenheit gar nicht hergeben. Ein Modell basierend auf einem lückenhaften Datensatz, ist zwangsläufig fehlerhaft. Extrapoliert man dieses dann auch noch über seine spärlich bekannten Daten hinaus, hat man das Feld der Wissenschaft völlig verlassen und ist bei Ideologie oder Religion gelandet.