Zusammenfassung von Die Berechnung der Welt

Als der Mathematiker und Astronom Pierre-Simon Laplace sein Hauptwerk zur Himmelsmechanik seinem Förderer Kaiser Napoleon überreichte, soll der gefragt haben: „Wo ist Gott in alledem?“ Laplace antwortete, diese Hypothese sei nicht notwendig. Seine Gleichungen reichten, um zu garantieren, dass alle Planeten stabil in ihren Umlaufbahnen blieben.

Laplaces Theorie setzte an Gottes Stelle die Vorstellung einer komplett mathematisch berechenbaren Weltanschauung. Das Konzept des Universums als Raum, in dem keine überweltliche Kraft willkürlich in das Zusammenwirken aller Kräfte eingriff, sondern von den größten Himmelskörpern bis zu den kleinsten Atomen alle Bewegungen und Verhaltensweisen natürlichen Gesetzmäßigkeiten folgten. Eine Intelligenz, die alle physikalischen Kräfte kannte – so der Gedanke – könnte von einem beliebigen Punkt auf der kosmischen Zeitachse vor- und zurückrechnen, wie sich jedes Teilchen im Kosmos verhalten hatte oder würde. Sie könnte quasi die Vergangenheit rekonstruieren und die Zukunft voraussagen.

Wenn das tatsächlich so wäre, wenn das Universum wirklich ein unfassbar großer Automat wäre, müssten wir dann überhaupt noch etwas ergründen, suchen und verstehen? Spielt es noch eine Rolle, wie alles begann, wenn man präzise vorhersagen kann, wie es funktioniert? Oder, um es mit Worten der Big-Data-Anhänger zu sagen: Bräuchte man dann noch theoretische Modelle?

Rein pragmatisch gesehen bräuchte man all das wohl wirklich nicht mehr. Die Physik bräuchte z.B. keine Modelle mehr, um das Verhalten aller Kräfte und Elemente zu ergründen. Man könnte ja einfach berechnen, wie sich alles in der Welt mit- und zueinander verhält. Solche Vorstellungen veranlassten bereits 2008 Menschen wie den US-Journalisten Chris Anderson – seinerzeit Chefredakteur des auflagenstarken Technologie-Magazins Wired – dazu, das „Ende der Theorie“ auszurufen. Die klassische Wissenschaft habe samt ihrer Suche nach der allerersten Nadel im kosmischen Heuhaufen ausgedient. Es habe das Zeitalter begonnen, in dem sich alle relevanten Zusammenhänge der Welt in statistischen Korrelationen messen ließen. Hat die Theorie also wirklich ausgedient?

Nehmen wir also einen Moment lang an, alles im Universum ließe sich einfach so berechnen. Nun könntest du empört sagen: Aber ich bin doch nicht einfach zu berechnen! Mein Gehirn ist doch der beste Beweis für die nach wie vor unentschlüsselbare Komplexität mancher Dinge.

Die Wahrheit lautet ernüchternderweise: Nur weil sich etwas komplex oder vielfältig darstellt, heißt das noch lange nicht, dass die Gesetzmäßigkeiten dahinter kompliziert sind. Das kann man an dynamischen Systemen sehen, wo sich die Entwicklung eines Systems mithilfe dynamischer Faktoren auf Grundlage seines aktuellen Zustands berechnen lässt. Nehmen wir das Beispiel der Populationsdynamik: Man könnte meinen, das voraussichtliche Wachstum einer ganzen Bevölkerung könne sich nicht einfach vorhersagen lassen. Immerhin gibt es lauter unsichere Faktoren wie z.B. beschränkte Ressourcen, Krisen oder Boomphasen, die die Reproduktionsrate einer Population beeinflussen. Tatsächlich lassen sich aber all diese möglichen Schwankungen als mathematische Variablen ausdrücken, sodass von stabilen bis zu völlig irregulären Entwicklungen alle möglichen Szenarien zuverlässig entworfen werden können.

Datensammlern zufolge muss man also nicht einmal berechnen, was genau im Gehirn geschieht. Wir müssen uns auch nicht um die kausalen Zusammenhänge sozialer Phänomene scheren. Wir brauchen einfach nur einen Datenberg nach dem anderen auszuwerten, um den Lauf der Dinge vorherzusagen. Aber ist das wirklich so einfach?

Zugegeben: Big-Data-Analysen haben schon zu bemerkenswerten Prognoseergebnissen geführt. Googles ehemaliger Softwareentwickler Jeremy Ginsberg hatte es 2009 in einem Fachartikel dargestellt: Die Datensammler hatten allein aus den Suchanfragen und Social-Media-Daten unzähliger Menschen zuverlässig den Ausbruch von Krankheitswellen wie der Grippeepidemie herausgelesen. Dieselbe Prognose wäre auf dem traditionellen Weg, also durch die Auswertung spezifischer Gesundheitsdaten, erst Wochen später möglich gewesen.

Das größte Potenzial der Big Data besteht also in der Automatisierung bestimmter Analyse- und Lernprozesse. Computersysteme sind längst dabei, ganze Bereiche wie Verkehr und Energieversorgung zu revolutionieren.

Wichtigste Voraussetzung für diese Entwicklung ist das Verschwimmen von physischen und virtuellen Umgebungen in sogenannten „Cyberphysical Systems”. Denke nur an moderne Autos oder Flugzeuge, die mit all den computergestützten Anwendungen längst selbst intelligente Maschinen sind. Früher war der Lernprozess eines PKWs ein umständliches Unterfangen: Die computergesteuerten Prozesse im Auto mussten alle Nase lang extern über den Computer einer Kfz-Werkstatt aktualisiert werden. Heute ist der Bordcomputer eines modernen Autos selbst mit Sensoren ausgestattet, mit denen er Prozesse registriert, verarbeitet und sich quasi selbst konstant weiterbildet. Derart intelligente Fahrzeuge können durch immer präzisere Informationen aus der Welt der Algorithmen und Schaltkreise immer gezielter in physische Fahrprozesse wie die Motorsteuerung, das Bremsen oder die Lenkung eingreifen.

Nun haben wir Menschen aber de facto keine Laplacesche Intelligenz, bzw. keinen Supercomputer, der die Verhaltensregeln aller Kräfte und Teilchen kennt und die Zukunft zuverlässig berechnen kann. Daher arbeiten wir gegenwärtig mit den vergleichsweise einfachen Werkzeugen der Wahrscheinlichkeitsrechnung. Und die bergen genauso viele Chancen wie Risiken.

Nehmen wir das Beispiel eines klassischen Münzwurfs, bei dem wir bekanntlich den Zufall entscheiden lassen wollen. Wenn wir alle relevanten Variablen wie die Art und Weise des Wurfs, sämtliche Eigenschaften der Münze und der Luft beisammen hätten, könnten wir die Landung auf Kopf oder Zahl präzise vorhersagen. Ein derart leistungsstarker Rechner muss allerdings erst noch erfunden werden. Trotzdem kann der Mensch Berechnungen über Münzwürfe anstellen.

Wir haben im Verlauf dieser Blinks mehrere Möglichkeiten gesehen, mithilfe großer Datenmengen die Zukunft zu berechnen: das Kaufverhalten großer Menschenmassen, den Ausbruch von Krankheitswellen oder das Wachstum ganzer Bevölkerungen. Was ist nun aber mit der Idee des Supercomputers, der die Zukunft unserer ganzen Zivilisation langfristig voraussagt?

Die Wahrheit ist, dass der Big-Data-Ansatz nie das große Ganze betrachten kann. Er kann nur wie in den oben genannten Beispielen einzelne Szenarien betrachten, relevante Zahlen auf Verhaltensmuster untersuchen und die Werte entsprechend in die Zukunft extrapolieren. Der US-Astronom Carl Sagan schlug als möglichst aussagekräftige Kennzahl die „Größe der Information, die eine Zivilisation verarbeitet hat“ vor. Am Anfang der Entwicklung steht eine Weltbevölkerung ohne Schriftsprache, die etwa eine Million (also 10⁶) Bits bewältigen konnte. Eine Big-Data-gestützte Zivilisation könnte den Umfang ihres insgesamt verarbeiteten Wissens im Vergleich dazu innerhalb kurzer Zeit von einer Trillion (10¹⁸) auf eine Quadrillion (10²⁴) Bits steigern!

Die datensammelnden Anhänger der Big-Data-Philosophie möchten die Welt digital durchleuchten und statistisch erfassen. Sie wollen nicht lange nach Gründen und Ursachen suchen, sondern mit Computern und Algorithmen effizient die Zukunft berechnen. Ihre Kalkulationen sind nützliche Versuche, wichtige und kritische Entwicklungen vorherzusagen und rechtzeitig richtig reagieren zu können. Dennoch zeigt die Erfahrung, dass die Mathematik Grenzen hat und sich nicht alles in der Welt berechnen lässt. Die Menschheit braucht weise Erfahrung und schlaue Theorien, um sowohl am Computer als auch im echten Leben in die richtige Richtung zu steuern.

Was du konkret umsetzen kannst: