Seit Corona und Klimakrise sind Modelle und deren Vorhersagen in aller Munde. Aber wie funktionieren diese Modelle? Wie stehen sie in Zusammenhang mit Experimenten und Daten? Warum können wir ihnen vertrauen und wo sind ihre Grenzen? Ich habe Dutzenden Wissenschaftlern und Ingenieuren diese Fragen gestellt. Anhand anschaulicher Beispiele aus Medizin, Meteorologie, Experimentalphysik und Engineering erkläre ich wichtige Eigenschaften von Modellen, sowie Ansätze, um deren Relevanz, Korrektheit und Grenzen einzuschätzen.

Zielpublikum: Alle, die sich für Modelle jenseits der Software interessieren
Voraussetzungen: Grundlagen naturwissenschaftlichen Denkens
Schwierigkeitsgrad: Anfänger

Extended Abstract:
Seit über 10 Jahren gebe ich den omega tau Podcast heraus, in dem ich Wissenschaftler und Ingenieure interviewe. In sehr vielen der Gespräche wird die zentrale Bedeutung von Modellen für Wissenschaft und Technik klar. Dabei werden Modelle ganz anders verwendet, als wir das als Softwareentwicklende (meistens) tun: nämlich deskriptiv und erklärend, als Vorhersage, und nicht als "Bauplan".

Durch Corona und Klimakrise wird nun die Sinnhaftigkeit, Korrektheit und Zuverlässigkeit von Modellen bzw. deren Vorhersagen in den Mainstream-Medien diskutiert, und es wird von uns allen erwartet, dass wir die Nützlichkeit dieser Modelle einschätzen können, dass wir an Modelle "glauben". Das ist für die meisten von uns sehr schwer. Genauso wie wir im Zeitalter von Social Media Medienkompetenz lernen müssen, um mit der Flut von (Fake) News umgehen zu können, müssen wir -- so meine ich -- auch ein gewisses Maß an "Modellkompetenz" besitzen und zumindest grundlegend verstehen, wie solche Modelle entwickelt werden, was sie können, und wo ihre Grenzen sind.

In diesem Vortrag werde ich die gesammelten Erfahrungen aus 10 Jahren Interviews zusammenfassen und systematisch präsentieren. Dabei spreche ich über Gültigkeitsbereiche, analytische vs. numerische Modelle, Präzision und parametrische Abstraktion, Hierarchische Integration von Modellen, Vorhersage vs. Erklärung, Validierung und Test von Modellen, Parameter Space Exploration und Sensitivitätsanalyse, Backcasting, Black Swans sowie Agenten und emergentes Verhalten.

Die (reich illustrierten) Beispiele kommen aus Wetter- und Klimamodellen, aus der Epidemiologie, aus der Teilchenphysik, der Fusionsforschung, aus sozio-technischen Systemen, aber auch aus dem Engineering, bspw. der Steuerung von Flugzeugen oder der Konstruktion von Kranen.