Simulation

Version 2.0 (16.05.2024)

Überarbeitung gemäß Open Public Peer Review. Bibliografie an aktuelle Zitierregeln angepasst. Institution und Kontakt des Autors aktualisiert. Weitere Beteiligte hinzugefügt. Absatzzählung verschoben.

1. Begriffsdefinition

[1]Der Begriff ›Simulation‹ beschreibt verschiedene → Methoden der modellhaften und ›experimentellen‹ Nachbildung realweltlicher oder hypothetischer Prozesse bzw. Systeme.[1]

[2]Grundlage jeder Simulation ist ein ausführbares Simulationsmodell. Hierunter ist eine eigene Klasse von → Modellen zu verstehen, die konzeptuell, logisch oder mathematisch ausgedrückt werden können. Zur Ausführung eines Simulationsmodells muss dieses aber formalisiert, also in computerlesbare Form gebracht werden.[2] Darüber hinaus werden diese Simulationsmodelle iterativ und interaktiv gebildet. Mit den Parametern und Eigenschaften des Modells zu experimentieren, ist ein wichtiger Bestandteil von wissenschaftlichen Simulationsmethoden. Teil einer Simulation kann eine → Visualisierung bzw. ein User Interface sein, das den Ablauf der Simulation für die Benutzenden lesbar oder sogar manipulierbar macht, Ergebnisse der Simulation (simulierte → Daten) darstellt oder sogar ein Hineinversetzen in das Modell ermöglicht.

[3]In den Geisteswissenschaften werden Simulationen teils als Analysewerkzeug, teils als didaktisches Werkzeug eingesetzt und sie sind selbst Forschungsgegenstand.

2. Begriffs- und Ideengeschichte

[4]Der Begriff Simulation stammt vom lateinischen ›simulatio‹ – Heuchelei, (Vor-)Täuschung – und beschrieb lange menschliches Verhalten und keine wissenschaftlichen Methoden.[3] Simulationsähnliche Methoden, die aber noch nicht als solche benannt wurden, gab es seit mindestens dem 19. Jahrhundert, z. B. in Form der zunächst preußischen, später auch US-amerikanischen Plan- bzw. Kriegsspiele[4] oder auch mechanischer Apparate zur Vorhersage von Tiden.[5] Die Wurzeln der Simulation als Erkenntnismethode reichen weit in die Wissenschaftsgeschichte zurück und sind unter anderem eng verwoben mit dem Begriff des → Experiments, sowie der Entwicklung von Mathematik (z. B. Differentialrechnung) und später der Informatik (z. B. Digitalrechnern).[6] Parallelen bestehen auch zur Methode des Gedankenexperiments.[7]

[5]Als Begriff für eine wissenschaftliche Methode taucht ›(Computer-)Simulation‹ explizit ab den 1940er und 1950er Jahren in Zusammenhang mit der Entwicklung der ersten Atom-, vor allem aber der ersten Wasserstoffbombe auf.[8] So bezeichnet der Begriff Monte-Carlo-Simulation (bzw. Monte-Carlo-Methode) eine Reihe von frühen Methoden der statistischen Lösung von Algorithmen mittels gewichteter Zufallszahlen, an deren Entwicklung maßgeblich John von Neumann und Stanisław Ulam beteiligt waren.[9] Monte-Carlo-Simulationen spielten auch in der Folgezeit eine große Rolle und werden bis heute angewendet. Bekanntheit in der breiten Öffentlichkeit erlangten Simulationen spätestens in den 1970er und 1980er Jahren, unter anderem durch das Simulationsmodell World3, das die Grundlage für den Club-of-Rome-Bericht Limits to Growth bildete, sowie weitere Anwendungen aus den Geo- und Sozialwissenschaften.[10]

[6]Ab den 1960er und insbesondere in den 1970er Jahren breiteten sich Simulationsmethoden auch in den Geisteswissenschaften aus. Frühe Anwendungen finden sich in der Anthropologie,[11] der Archäologie,[12] den Geschichtswissenschaften,[13] der Humangeografie,[14] der Pädagogik bzw. Didaktik[15] und den Politik-,[16] Sozial-[17] und Wirtschaftswissenschaften.[18] Teil dieser frühen Auseinandersetzung mit Simulationsmethoden waren auch einige der Pioniere der Digital Humanities, wie Michael Levison oder Peter Laslett.[19] In dieser Phase wurden Simulationsmethoden in den Geschichtswissenschaften unter anderem im Zusammenhang mit den Begriffen Experimental History und kontrafaktische Geschichtsforschung genutzt. Wie viele Traditionslinien der Digital Humanities ist auch diese in der Folgezeit weitestgehend in Vergessenheit geraten.

[7]Seit den 1990er und 2000er Jahren kam eine neue Welle von Simulationsanwendungen in einigen geisteswissenschaftlichen Disziplinen auf. Diese wurde bisher stark vom sogenannten Agent-based Modeling geprägt, einer Klasse von individuenbasierten Modellierungs- und Simulationsmethoden, die eng mit Konzepten der Komplexitätswissenschaften in Zusammenhang steht.[20] Hierbei steht die Interaktion einzelner Entitäten (zum Beispiel Personen) miteinander und mit ihrer Umwelt im Vordergrund.

3. Erläuterung

[8]›Modellhafte Nachbildung‹ bedeutet, dass Simulationen auf → Modellen basieren, das heißt: Nicht der reale Prozess wird untersucht, sondern eine reduzierte Auswahl von als wichtig angenommenen Aspekten des Prozesses bzw. Systems. ›Experimentelle Nachbildung‹ sagt aus, dass die Modellbildung iterativ und durch wiederholtes Anpassen und Austesten der Parameter und des konzeptionellen Modells geschieht. ›Realweltlich‹ bzw. ›hypothetisch‹ bedeutet, dass wissenschaftliche Simulationsmodelle immer darauf abzielen, eine Version der Realität darzustellen. Das kann ein bereits nachgewiesener Prozess oder ein theoretisch angenommener, also hypothetischer, sein. Simulationen stellen immer Prozesse bzw. Systeme im Zeitverlauf dar und zielen nicht darauf ab, nur den Zustand eines Objekts oder Systems zu einem spezifischen Zeitpunkt zu untersuchen. Erst die zeitliche Dimension und die damit einhergehende Veränderlichkeit geben dem Modell Sinn. Durch diese Veränderlichkeit und inhärente Dynamik von Simulationsmodellen ergibt sich außerdem, dass ein Modell nie ein einziges eindeutig vorhersagbares Ergebnis produzieren wird. In einem dynamischen Simulationsmodell produziert jeder Simulationsdurchlauf nur eines von vielen möglichen Ergebnissen bzw. Verläufen eines Modells. Simulationen zeigen die Möglichkeitsräume auf, die das System in der modellierten Form herstellt. Diese Veränderlichkeit ist ein zentrales Unterscheidungsmerkmal von Simulationen gegenüber anderen auf Modellen aufbauenden Methoden, wie etwa der Datenmodellierung.

[9]Üblicherweise sind Geisteswissenschaftler*innen darauf angewiesen, ihre Hypothesen und Modelle mental oder zumindest in Schriftsprache zu analysieren und festzuhalten. Simulationsmethoden in dem hier gebrauchten Sinn haben den Vorteil, dass sie es erlauben, diese sonst nur implizit wägbaren Modelle zu formalisieren und so systematisch zu untersuchen.[21] Die Parameter des Modells, beispielsweise mit welcher Rate und abhängig von welchen konkreten Bedingungen eine Gruppe von Menschen sich durch einen geografischen Raum bewegt, werden anhand bestehender Quellen oder theoretisch begründeter Annahmen bestimmt. In mehrfachen Ausführungen wird dann mit den Parametern sowie den konzeptionellen Eigenschaften des Modells experimentiert. Teil einer Simulation kann eine → Visualisierung des Simulationsverlaufs sein, z. B. einer solchen Bewegung von Individuen im Raum. Die Visualisierung dient dabei dazu, das Verhalten des Simulationsmodells in Bewegung nachvollziehen zu können. Für manche Simulationsarten ist die visuelle bzw. allgemein sensorische Erfahrung ein integraler Bestandteil der Simulationsziele, gerade in didaktischen Kontexten, aber auch als Mittel der Immersion, also eines besseren Sich-Hineinversetzen-Könnens.[22] Anhand verschiedener Methoden wird das Modell abschließend validiert (z. B. mit empirischen Daten, einer theoretischen Analyse der Zusammenhänge oder mit computationellen Validierungsmethoden).

4. Kontroversen und Diskussionen

[16]Simulationen sind in der heutigen Praxis der DH noch eine randständige Methode, die häufig eher theoretisch diskutiert als tatsächlich angewendet wird.[39] Im Anwendungsfall beschränkt sie sich vor allem auf bestimmte Teilbereiche der DH und auf ganz bestimmte Methoden, etwa virtuelle Simulation oder Agent-based Modeling. Diskussionen und Kontroversen finden deswegen oft noch eher isoliert und an der Oberfläche statt, was ein grundlegendes Problem für die Nützlichkeit von Simulationen für die DH darstellt. Nur durch eine fundierte Auseinandersetzung mit den methodologischen und epistemologischen Grundlagen und Implikationen von Simulationsmethoden wird sich ein nachhaltiger wissenschaftlicher Mehrwert für die DH erzielen lassen.

[17]In den letzten Jahren werden konkrete Simulationsmethoden hinsichtlich ihrer Eignung für geisteswissenschaftliche Forschungsvorhaben diskutiert, wobei diese teilweise grundsätzlich in Frage gestellt wird.[40] Damit hängen Fragen zu den → erkenntnistheoretischen Voraussetzungen von Simulationsmethoden zusammen. Die oft stark algorithmisch-mathematisch geprägte Tradition vieler Simulationsmethoden stößt hierbei auf das hermeneutische Selbstverständnis etlicher Teilbereiche der DH, was laut Michael Gavin teils zu einem »knee-jerk scepticism« – also einem reflexhaften Skeptizismus – führt.[41] Völlig zu Recht stellt sich aber die Frage, wie manche geisteswissenschaftlichen Konzepte und Annahmen von Prozessen formalisiert werden können und sollten. Simulationsmethoden erfordern, wie alle Modellierungsverfahren, eine Vereinfachung des erforschten Gegenstands. Anders als in vielen anderen DH-Modellen müssen hier die Komplexitäten von Prozessen und oft auch von menschlichem Handeln umgesetzt werden. Dafür stehen den meisten Geisteswissenschaftler*innen nicht nur wenige theoretische Angebote zur Formalisierung menschlichen Verhaltens zur Verfügung, sondern der Akt der Formalisierung selbst berührt ganz besonders einige Paradigmen der Humanities in Bezug auf das Wesen menschlichen Verhaltens. Auch der Begriff des Prozesses selbst verdient weitere Ausarbeitung, insbesondere im Gegensatz zu anderen geläufigen Grundlagenbegriffen von Modellierungsmethoden in den DH, wie z. B. ›Ereignis‹ bzw. event.[42]

[18]Für die Geschichtswissenschaften stellt sich außerdem die Frage nach dem Umgang mit sogenannten Simulationsdaten als Quellen, also rein durch das Simulieren erzeugte Informationen.[43] Diese können zwar in realweltlichen Quellen verankert sein, auf die sie auch Bezug nehmen, sie sind aber letztendlich synthetische und somit nicht überlieferte Daten.

[19]Ein generelles Problem, das auch in anderen simulierenden Wissenschaften diskutiert wird, ist die Frage, wie komplexe Simulationsmodelle und darauf aufbauende Interpretationen wirkungsvoll in die Fachcommunity kommuniziert werden können. Zu diesem Zweck werden Standards wie das ODD-Protokoll für agentenbasierte Simulationsmodelle entwickelt.[44] Spezifisch auf die Anforderungen der DH ausgerichtete Praktiken gibt es allerdings noch nicht. Anknüpfungspunkte könnte hier in Zukunft die sich entwickelnde digitale Quellen-, Daten- und Methodenkritik bieten.

[20]Zwischen all diesen methodologischen und erkenntnistheoretischen Fragezeichen der Methodenfamilie werden von einigen Anwender*innen aber auch große Potenziale gesehen, die von der übrigen Community noch nicht ausreichend zur Kenntnis genommen werden. Unter anderem wird immer wieder diskutiert, ob der Simulationsprozess nicht in besonderer Weise den sonst nur im Inneren der Wissenschaftler*innen ablaufenden, hermeneutischen Zirkel abbildet und damit gerade Geisteswissenschaftler*innen einen Mehrwert verspricht.[45] Auch das bereits erwähnte Potenzial des Sich-Hineinversetzens (entlehnt aus dem Game Design könnte man auch von »Immersion« sprechen) wird etwa in der Archäologie mit dem klassisch hermeneutischen Verstehensprozess in Verbindung gebracht.[46]

[21]Die Diskussion um simulative DH steht noch – oder wieder – ganz am Anfang. Dadurch ergeben sich viele Unsicherheiten, gerade durch die besondere Natur der Simulationsmethode. Gleichzeitig bieten diese Unsicherheiten gerade für die DH hochspannende Anknüpfungspunkte und noch zahlreiche Gelegenheiten, kreative Anwendungen zu entwickeln und die besonderen epistemologischen Auswirkungen von Modellierung und Formalisierung auf unsere Disziplinen zu ergründen.