future and politics

Forum for Foresight and Future Analysis in the Areas of International Politics and Global Issues

Vergesst die Modelle!? – Zukunftsanalyse im Spagat zwischen Ehrlichkeit und Kommunizierbarkeit

Die Analyse der Zukunft ist ein schwieriges Geschäft, denn über die Zukunft stehen keine Daten zur Verfügung, die erhoben, geordnet oder bewertet werden könnten. Ein Versuch, dennoch nützliche Aussagen über die Zukunft zu treffen, ist die Entwicklung komplexer computergestützter Modelle – zum Beispiel für die Bereiche Klimawandel, ökonomische Entwicklung oder Demographie. Diese Modelle bilden gesellschaftliche oder physikalische Systeme ab und versuchen Aussagen über deren zukünftige Entwicklung zu treffen.  Aber kann dies gelingen? Eine neue Studie sagt nein und wirft dabei wichtige Diskussionspunkte für die Zukunftsanalyse auf.

Robert S. Pindyck beschäftigt sich in der Studie mit der Frage, was komplexe Modelle über die zukünftigen gesellschaftlichen Kosten des Klimawandels aussagen können. Seine Antwort ist klar: Im Zweifelsfall schaden solche Modelle eher, als dass sie nutzen.

„The models are so deeply flawed as to be close to useless as a tool for policy analysis. Worse yet, their use suggests a level of knowledge and precision that is simply illusory, and can be highly misleading.“

Ein hartes Urteil, aber warum? Nach Aussage Pindycks haben die Modelle gravierende Schwächen. Sie müssten mit Annahmen gefüttert werden. Diese seien aber häufig höchst fragwürdig, da entsprechendes Wissen nicht vorhanden sei. Die Formeln, in die diese Annahmen dann eingespeist würden, seien ad hoc-Konstruktionen ohne wirklich wissenschaftliche Begründbarkeit. Schließlich seien die Modelle nicht in der Lage, Aussagen über katastrophale Entwicklungen zu treffen.

Modelle, Formeln, Parameter – mathematisch sauber aber inhaltlich fragwürdig

Pindyck diskutiert „Integrated Assessment Models“ (IAMs) – dies sind Modelle, in denen die Modellierung des Klimasystems mit Modellierungen wirtschaftlich-gesellschaftlicher Kontexte kombiniert wird. Insbesondere zwei wichtige Unsicherheiten bestehen in diesen Modellen: erstens hinsichtlich des Zusammenhangs von CO2-Emissionen und Temperaturentwicklung, zweitens hinsichtlich der Frage, wie sich Temperaturerhöhungen auf wirtschaftlich-gesellschaftliche Systeme auswirken werden.

In beiden Fällen argumentiert Pindyck, dass Wissenschaftler wichtige Größen im Modell füllen müssten, ohne belastbare Erkenntnisse über deren zukünftige Entwicklung zu haben. Hinsichtlich der mathematischen Funktionen, die die Auswirkung des Temperaturanstieges auf die Wirtschaftsleistung beschreiben, folgert er, dass keine

„of these loss functions is based on any economic (or other) theory. […] They are just arbitrary functions, made up to describe how GDP goes down when T [temperature] goes up.“

In diese erfundenen Formeln werden dann verschiedene Parameter eingesetzt, die das Verhältnis von Temperaturanstieg und Wirtschaftsleistung spezifizieren sollen. Auch hier kann nur auf sehr wenige belastbare Erkenntnisse  zurückgegriffen werden. Die Füllung der Parameter sei daher „essentially guesswork“ und obendrein zirkulär, denn es hätten sich zwar teils wissenschaftlich akzeptierte Werte für gewisse Parameter herausgebildet. Doch entspringe der Konsens über diese Werte der Tatsache, dass Einzelstudien ihre Werte oft mit dem Verweis auf die Arbeit des „Intergovernmental Panel on Climate Change“ (IPCC) begründen. Der IPCC jedoch gewinnt seine Werte aus der Betrachtung von Einzelstudien, welche wiederum auf den IPCC… usw.

Katastrophale Ereignisse – Blinde Flecken der Modelle

Ein weiteres Problem der IAMs sei, dass sie nicht in der Lage sind, Aussagen über katastrophale Auswirkungen des Klimawandels zu treffen. Für die Modelle sei es tendenziell egal, ob die Temperatur  von beispielsweise 2,0°C auf 2,1°C ansteigt oder von 7,0°C auf 7,1°C. Der Effekt des Anstieges um 0,1°C sei in beiden Fällen der gleiche, trotz der großen Differenz der absoluten Temperatur und obwohl niemand weiß, was bei einem Temperaturanstieg über 2°C oder 3°C passieren würde. Nicht-lineare Entwicklungen im Verhältnis zwischen Temperaturanstieg und Wirtschaftsleistung kommen nicht vor – eine unrealistische Vorstellung.

What would Pindyck do?

Pindycks Schlussfolgerung lautet folgendermaßen:

„Given how little we know, a detailed and complex modeling exercise is unlikely to be helpful. […] Probably something simpler is needed.“

Der daraufhin vorgeschlagene Ansatz ähnelt qualitativeren Szenario- und, allgemeiner, Foresight-Ansätzen. So sollte zuerst darüber nachgedacht werden, welche katastrophalen gesellschaftlichen und ökonomischen Auswirkungen des Klimawandels plausibel sind. Daraufhin sollten diesen Auswirkungen plausible Wahrscheinlichkeiten zugeschrieben werden. Er spezifiziert:

„Here, ‚plausible’ would mean acceptable to a range of economists and climate scientists.“

Modellierungen sollten also durch Expertenbefragungen ersetzt werden. Auf dieser Grundlage sollten dann der gegenwärtige Nutzen einer Verhinderung der jeweiligen Auswirkungen errechnet werden.

Vergesst die Modelle? – Das Spannungsfeld zwischen Kommunikationsfähigkeit und tatsächlicher Aussagekraft in der Zukunftsanalyse

Pindyck hat ein sehr interessantes Papier geschrieben, dass den Finger in die oft gut verborgenen Wunden komplexer quantitativer Modelle zur Vorhersage zukünftiger Entwicklungen legt. Der wohl wichtigste Punkt des Papiers ist, dass konkrete Zahlen und schöne Grafiken noch kein Beweis für die Güte von Aussagen über die Zukunft sind.

Modellierungen mögen mathematisch sauber und klar sein. Ihre Ergebnisse sind präzise. Dies bedeutet aber noch lange nicht, dass diese Ergebnisse auch tatsächlich etwas mit der Welt außerhalb des Modells zu tun haben, dass sie also inhaltlich korrekt sind.

Wie in jeder anderen Beschäftigung mit der Zukunft basieren auch die diskutierten Modelle auf Annahmen. Diese Annahmen sind zumeist stärker normativ – durch die Überzeugung eines Wissenschaftlers oder einer wissenschaftlichen Community – geprägt, als dass sie einer wie auch immer gearteten Realität entsprächen. Dies zu ändern wird schwer, denn „reale“, empirisch belastbare Erkenntnisse für zukünftige Entwicklungen zu finden, bleibt unrealistisch. Die Zukunft kann schlichtweg nicht empirisch untersucht werden und insbesondere bei Themen wie dem Klimawandel, sind auch aus der Vergangenheit nur sehr begrenzt Erkenntnisse abzuleiten.

SD Club of Rome II

Die Anfänge des Modellierens: Das Weltmodell des Club of Rome.

Das Problem daran ist, dass sich gerade konkrete Zahlen und schöne Grafiken als sehr wichtig für die politische Kommunikation wissenschaftlicher Botschaften erwiesen haben. Hier entsteht ein Dilemma: Entweder wird der Wissenschaftler seiner Profession untreu, indem er die Aussagekraft der eigenen Modelle überdehnt (oder sie unwidersprochen von Politikern überdehnen lässt), oder er arbeitet gegen diese Überdehnung an und befördert sich damit gegebenenfalls ins Abseits gesellschaftlicher Debatten.

Für den Wissenschaftler wäre der wohl eleganteste Weg aus diesem Dilemma, dass sich Gesellschaft, Wirtschaft und insbesondere die Politik ändern. Es müsste mehr Verständnis dafür entstehen, dass gewisse Sachverhalte ungewiss sind und ungewiss bleiben. Gesellschaft, Wirtschaft und Politik müssten, wie die Wissenschaft – oder zumindest deren umsichtige und aufgeklärte Vertreter –, mit Ungewissheit leben lernen.

Dieser Weg ist, zumindest kurzfristig, so elegant wie unrealistisch. Die Akzeptanz von Ungewissheit widerspricht den Handlungslogiken vieler gesellschaftlicher Bereiche: Der Bürger möchte wissen, dass alles in Ordnung ist; die Wirtschaft braucht Zahlen, um Gewinn- und Verlustchancen zu berechnen; der Politiker wurde dafür gewählt, alles unter Kontrolle zu haben. Und alle schauen auf die Wissenschaft, wenn es darum geht, Gewissheit zu erlangen.

Fünf Diskussionspunkte für die Zukunftsanalyse

Was also tun? Eine Antwort zu geben ist schwer, aber fünf Punkte gibt es zu bedenken.

Erstens sollten sich Wissenschaftler über die Ungewissheiten in ihrer eigenen Forschung bewusst sein und diese auch ernst nehmen – insbesondere bei der Arbeit an komplexen mathematischen Modellen. Die Modelle werden über Jahre hinweg entwickelt. In solch langen Zeiträumen besteht eine besondere Gefahr, dass das Bewusstsein für die Grenzen der Modelle schwindet. Um dies zu verhindern, sollte die Wissenschaft sich die blinden Flecken und Ungewissheiten der Modelle immer wieder selbst vor Augen halten.

Zweitens sollte die Frage nach den Divergenzen tatsächlicher Aussagekraft und kommunizierter Objektivität mit all ihren Vor- und Nachteilen offen diskutiert werden. Sollten sich Wissenschaftler in öffentlichen Diskursen oder bei der Politikberatung auf Zahlen stützen, um deren Schwäche sie wissen, um wichtige politische Entscheidungen zu beeinflussen? Oder sollten sie sich strikt an den Grenzen der Modelle orientieren?

Drittens erscheint es angemessen, wann immer möglich, nicht nur konkrete Ergebnisse zu kommunizieren, sondern auch darauf hinzuwirken, dass die jeweiligen Adressaten etwas über den Umgang mit Ungewissheit und über die Grenzen der Modelle erfahren.

Um entsprechende Lerneffekte zu verstärken, sollte viertens diskutiert werden, wie Entscheidungsträger und gesellschaftliche Akteure stärker in Forschungsprozesse eingebunden werden können. Nicht nur Experten sollten sich mit den möglichen Schäden des Klimawandels und anderen globalen Fragen auseinandersetzen, wie von Pindyck gefordert. Entsprechende Bewertungen gehen auch Akteure außerhalb der Wissenschaft etwas an.

Fünftens, sollte tatsächlich die Fragen nach adäquaten Methoden für den jeweiligen Untersuchungsgegenstand gestellt werden. Müssen es tatsächlich komplexe mathematische Modelle sein, oder ist eine explorative Szenarioanalyse vielleicht angemessener? Müssen die verwendeten Ergebnisse tatsächlich quantifiziert werden oder sind unter Umständen andere Skalen – zum Beispiel „sehr schlecht“, „schlecht“, „ausgeglichen“, usw. – der ehrlichere und bessere Weg. Kurzum: wie viel können wir tatsächlich wissen und welche Methode passt mit diesen Möglichkeiten zusammen?

Unterm Strich bleibt: komplexe mathematische Modelle können hilfreich sein. Präzision, Berechnung, komplizierte Formeln und daraus entstehende schöne Grafiken machen aber noch keine gute Zukunftsanalyse. Jedes Modell basiert auf Annahmen und diese Annahmen, gerade über die Zukunft, sind und bleiben normativ und damit auch politisch aufgeladen. Daher müssen wir transparent und ergebnisoffen über sie diskutieren.

Die im ersten Teil dieses Beitrages vorgestellte Studie von Pindyck finden Sie hier.

Autor:

Jörn Richert ist Initiator von future and politics.

Bild: Club of Rome (1972) The Limits of Growth, S.102-103.

Advertisements

One comment on “Vergesst die Modelle!? – Zukunftsanalyse im Spagat zwischen Ehrlichkeit und Kommunizierbarkeit

  1. Pingback: The Future of Shale Gas II – Will Russia Collapse? | future and politics

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

Information

This entry was posted on October 11, 2013 by in Method & Theory, Sprache: Deutsch and tagged , , .

Check out this project!

Fore more on Turkish Energy Leadership click here:

Follow future and politics on WordPress.com
%d bloggers like this: