Dr. Sarah Wolf, Global Climate Forum (GCF)

Mathematik für Nachhaltigkeit - Entscheidungsunterstützung mit Hilfe agenten-basierter Modellierung

Zusammenfassung:

In meiner Forschung geht es um die Frage, wie Green Growth und eine nachhaltige Entwicklung erreicht werden können - ein Beispiel ist die derzeit viel diskutierte "Verkehrswende".

Ökonomische Modelle, die in der Politikberatung vielfach eingesetzt werden, können oft per Konstruktion keinen Übergang aus einer gegebenen Ausgangslage hin zu einer strukturell veränderten Situation darstellen. Eine Alternative bieten agenten-basierte Modelle (ABM), die ein komplexes sozio-ökologisches Systems auf der Mikro-Ebene darstellen. Das Verhalten des Gesamtsystems betrachtet man dann mit Hilfe von Simulationen.

Empirisch fundierte, hochaufgelöste ABM, die sich dazu eignen, mögliche Wege zu einer Verkehrswende (o.ä.) mit Stakeholdern zu diskutieren, bringen mehrere Herausforderungen mit sich: Die effiziente Parallelisierung solcher Simulationen ist weitgehend unerforscht, da die Interaktionsstrukturen der Agenten soziale Netzwerke mit geographischen Bedingungen mischen und daher von den (z.B. regelmäßigen Gitter-)Strukturen vieler HPC-Anwendungen abweichen. Die Analyse der Dynamik dieser Systeme wird dadurch erschwert, dass die Freiheit in der Wahl der Annahmen bei Definition und Implementierung eines Modells sehr groß ist.

Mich interessieren grundlegende Modellstrukturen und Konzepte, mit denen man diese Herausforderungen angehen kann. Solche Modelle auf Basis von mathematischen Grundstrukturen sowohl einfacher implementieren als auch besser und schneller analysieren zu können, wäre nämlich hilfreich für eine wissenschaftliche Unterstützung von EntscheidungsträgerInnen. Diese können in "Decision Theatre"-Diskussionen mit dem Modell experimentieren und Folgen von verschiedenen Entscheidungen sofort eruieren. Umgekehrt können sie die weitere Modellentwicklung durch ihre Expertise aus der Praxis unterstützen.