Modellierung und Simulation komplexer Systeme,

-

Komplexe Systeme wie Ökosysteme, Wirtschaft und Gesellschaft quantitativ beschreiben, formalisieren, modellieren und mit Szenarien und Simulation vorhersagen mit Fokus auf Nachhaltigkeit

Intermediate

Komplexe Systeme bestehen aus vielen Teilen, deren kollektives Verhalten sich nicht einfach aus dem Verhalten der einzelnen Teile ableiten und deshalb nur schwer vorhersagen lässt. In Nachhaltigkeitsfragen helfen oft quantitatives Systemverständnis und Simulationen mit Langzeitvorhersagen komplexer Systeme, bei denen die klassischen Methoden der Datenanalyse versagen.

In Modellierung und Simulation komplexer Systeme werden Techniken und Werkzeuge zur Kartierung, Modellierung, Vorhersage und Simulation von komplexen Systemen in praktischen Fragestellungen der Nachhaltigkeit angewandt.

Mit Systemkartierungswerkzeugen werden Zusammenhänge erfasst, formalisiert und kommuniziert. Systemdynamiksimulation machen auch nicht-lineare Vorhersagen grosser Systeme über lange Zeiträume möglich und Rückkopplungseffekte verständlich. Agentenbasierte Simulationen bauen das Gesamtsystem aus dessen Teilen auf und berücksichtigen dabei die Diversität der Agenten und deren Umstände. Integrierte Analysemodelle verbinden Daten und Berechnungsmethoden für verschiedene Domänen und ermöglichen damit Berechnungen, die jedes einzelne Domänenmodell nicht kann. Schliesslich berücksichtigen Szenariomodelle, dass komplexe Systeme sich als Folge von beispielsweise noch nicht getroffenen Entscheidungen und unbekannten Parametern unterschiedlich entwickeln können.

Werkzeuge zum systemischen Denken

Die Studierenden wenden Systemkartierungswerkzeuge und Graphen in Kommunikation und Modellierung an. Sie ordnen Nichtlinearität, Emergenz und Feedback in Systemen ein und erkennen, welche Modellierungsansätze für welche Problemstellungen geeignet sind.

Systemdynamiksimulationen

Die Studierenden erkennen aus den Systemkarten Stocks und Flows sowie weitere Elemente. Sie setzen eine Systemdynamiksimulation auf und werten sie aus. Sie generieren Kausalkreisläufe und validieren die Ergebnisse durch geeignete Backtests und können die Robustheit verbessern.

Agentenbasierte Modellierung

Die Studierenden können kleinere agentenbasierte Simulationen aufsetzen, kennen Begriffe wie Agent, Zielfunktion, Nachricht und Aktivierung und können die erzeugten Trajektorien extrahieren, aggregieren und auswerten. Sie kennen Frameworks, mit denen sie ihre Simulationen auf eine grössere Skala bringen können.

Szenario- und integrierte Analysemodelle

Die Studierenden kennen wichtige integrierte Analysemodelle und können mit einem zur Verfügung gestellten Modell ein praktisches Problem der Klimaanpassung lösen. Sie kennen den Unterschied zwischen geschätzten und kalibrierten Parametern und können mit Backtests die Ergebnisse validieren.

Note

MAG und GPR empfohlen

Portfoliomodul