Ludewig / Völter Modellkompetenz für Wissenschaft und Technik
1. Auflage 2022
ISBN: 978-3-446-46971-6
Verlag: Carl Hanser
Format: PDF
Kopierschutz: 1 - PDF Watermark
Eine Einführung
E-Book, Deutsch, 180 Seiten
ISBN: 978-3-446-46971-6
Verlag: Carl Hanser
Format: PDF
Kopierschutz: 1 - PDF Watermark
Wie funktionieren Modelle? Wie stehen sie in Zusammenhang mit Experimenten und Beobachtungen? Wie entwickelt man sie? Wann und warum können wir ihnen vertrauen und wo sind ihre Grenzen?
Anhand anschaulicher Beispiele werden in diesem Buch wichtige Grundlagen und Eigenschaften von naturwissenschaftlichen Modellen erklärt sowie Ansätze erläutert, um deren Relevanz und Aussagekraft einzuschätzen. Die Autor:innen geben kurzweilige und verständliche Hilfestellungen für die Entwicklung von Modellkompetenz. Dabei sprechen sie über Gültigkeitsbereiche, analytische, parametrische und numerische Modelle, Vereinfachungen, die Verwendung von Modellen zur Vorhersage, Szenarioentwicklung, Optimierung und Erklärung, Modellvalidierung durch Experimente, Beobachtung und Analysen sowie die Modellierbarkeit beschränkende Faktoren, darunter Komplexität, Chaos, Emergenz und blinde Flecken.
Die verwendeten Beispiele kommen aus Meteorologie und Klimawissenschaften, aus der Epidemiologie, der Teilchenphysik, der Fusionsforschung, aus sozio-technischen Systemen, aber auch aus den Ingenieurwissenschaften, wie etwa der Steuerung von Flugzeugen oder der Konstruktion von Kranen. Viele der Beispiele verknüpfen die Autor:innen zudem mit ihrem erfolgreichen Wissenschafts- und Technikpodcast „omega tau“ (http://omegataupodcast.net/).
Autoren/Hrsg.
Weitere Infos & Material
1;Inhalt;11
2;1 Krane;15
2.1;1.1 Belastungsgrenzen;15
2.2;1.2 Modelle im Kran;19
2.2.1;1.2.1 Daten;19
2.2.2;1.2.2 Standfestigkeit;19
2.2.3;1.2.3 Biegebelastung des Auslegers;20
2.2.4;1.2.4 Das Kranupdate;22
2.3;1.3 Unfälle;23
3;2 Grundlagen;27
3.1;2.1 Terminologie;27
3.2;2.2 Modellentwicklung;29
3.2.1;2.2.1 Systemgrenze;29
3.2.2;2.2.2 Datenverfügbarkeit und Messwerte;30
3.2.3;2.2.3 Modellvalidierung;31
3.2.4;2.2.4 Grenzen von Modellen;31
3.2.5;2.2.5 Sprache;31
3.2.6;2.2.6 Implementierung;32
3.3;2.3 Andere Verwendungen des Begriffs Modell;33
3.3.1;2.3.1 Modell im Sinne von „klein“ oder „groß“;33
3.3.2;2.3.2 Modelle als Metaphern;34
3.4;2.4 Das Modell in unserem Kopf;35
4;3 Modellarten;37
4.1;3.1 Analytische Modelle;37
4.2;3.2 Numerische Modelle;39
4.2.1;3.2.1 Diskretisierung;40
4.2.2;3.2.2 Finite-Elemente-Methode;41
4.2.3;3.2.3 Wetter- und Klimamodelle;48
4.2.4;3.2.4 Numerische Verfahren;49
4.2.5;3.2.5 Plausibilisierung;51
4.2.6;3.2.6 Rechenaufwand und Genauigkeit;52
4.2.7;3.2.7 Implementierung auf Supercomputern;54
4.3;3.3 Parametrische Modelle;56
4.3.1;3.3.1 Eigenschaften;56
4.3.2;3.3.2 Wolkenbildung;58
4.3.3;3.3.3 Vorteile und Nachteile parametrischer Modelle;60
4.3.4;3.3.4 Kombination mit anderen Modellarten;63
4.4;3.4 Logische Modelle;64
4.5;3.5 Struktur-Modelle;68
5;4 Vereinfachungen, Gültigkeitsbereiche und Abstraktion;71
5.1;4.1 Vereinfachungen;71
5.2;4.2 Gravitationswellen;74
5.3;4.3 Meereis;77
5.4;4.4 Kernfusion;78
5.5;4.5 Abstraktion;81
6;5 Zweck von Modellen;85
6.1;5.1 Szenarienmodellierung;85
6.2;5.2 Modelle zur Optimierung;87
6.3;5.3 Erklärende Modelle;92
6.4;5.4 Welche Modellart für welchen Zweck?;94
6.4.1;5.4.1 Analytische und numerische Modelle;94
6.4.2;5.4.2 Parametrische Modelle;96
6.5;5.5 Weitere Zwecke von Modellen;101
6.5.1;5.5.1 Interpretation von Rohdaten;101
6.5.2;5.5.2 Steuern und Regeln;104
6.5.3;5.5.3 Design und Herstellung;106
7;6 Modellvalidierung;109
7.1;6.1 Experimente und Statistik;110
7.1.1;6.1.1 Die Entdeckung des Higgs-Bosons;111
7.1.2;6.1.2 Der Large Hadron Collider;112
7.1.3;6.1.3 Experimente am LHC;114
7.1.4;6.1.4 Rekonstruktion der Kollisionsprodukte;115
7.1.5;6.1.5 Modellierung von Kollision, Teilchenbewegung und Detektor;118
7.1.6;6.1.6 Massenbestimmung;120
7.1.7;6.1.7 Standardabweichung und Normalverteilung;122
7.2;6.2 Beobachtung;123
7.2.1;6.2.1 Lernen aus Statistik;125
7.2.2;6.2.2 Lernen aus Erfahrung;130
7.2.3;6.2.3 Lernen aus dem Rückblick;131
7.3;6.3 Modell- und Variabilitätsanalysen;132
7.3.1;6.3.1 Sensitivitätsanalyse;132
7.3.2;6.3.2 Monte-Carlo-Simulation;136
7.3.3;6.3.3 Ensemble-Forecasting;137
7.3.4;6.3.4 Emergent Constraints;138
7.3.5;6.3.5 Unsupervised Learning;139
7.4;6.4 Erklärung;140
7.4.1;6.4.1 Fitting und Overfitting;140
7.4.2;6.4.2 Das Bild vom schwarzen Loch;142
7.4.3;6.4.3 Atommüllendlager;148
7.5;6.5 Kombinationen verschiedener Validierungsmethoden;148
7.5.1;6.5.1 Modell und Empirie;148
7.5.2;6.5.2 Verschiedene Modelle des gleichen Systems;149
7.6;6.6 Wie weit kann man Modellen vertrauen?;150
8;7 Komplexität und die Grenzen von Modellen;155
8.1;7.1 Komplexität;155
8.1.1;7.1.1 Kompliziertheit und Komplexität;155
8.1.2;7.1.2 Komplexe Systeme;156
8.1.3;7.1.3 Versteckte Verknüpfungen;157
8.1.4;7.1.4 Verborgener Zustand;158
8.1.5;7.1.5 Hysterese;159
8.1.6;7.1.6 Rückkopplungen;159
8.1.7;7.1.7 Kipppunkte;162
8.1.8;7.1.8 Pfadabhängigkeiten;164
8.1.9;7.1.9 Zufall;164
8.2;7.2 Chaos;165
8.2.1;7.2.1 Nichtlineare Systeme;165
8.2.2;7.2.2 Chaos in der Mathematik;167
8.2.3;7.2.3 Chaotische Systeme in der Praxis;170
8.2.4;7.2.4 Durchschnittliches Verhalten und Statistik;171
8.2.5;7.2.5 Charakterisierung der Chaotizität;172
8.2.6;7.2.6 Kommunikation der Unsicherheit;173
8.3;7.3 Emergenz;173
8.3.1;7.3.1 Emergenz in der Praxis;175
8.3.2;7.3.2 Emergenz in der Mathematik;175
8.3.3;7.3.3 Emergenz und Modellierung;176
8.4;7.4 Blinde Flecken;178
9;8 Modelle im Kontext;183
9.1;8.1 Die Rolle von Modellen in der Wissenschaft;183
9.1.1;8.1.1 Modelle als Basis weiterführender Forschung;183
9.1.2;8.1.2 Dokumentation des Status quo;185
9.1.3;8.1.3 Ein objektives Werkzeug der Wissenschaft?;185
9.2;8.2 Modelle und Gesellschaft;187
9.2.1;8.2.1 Fach- und Methodenwissen;187
9.2.2;8.2.2 Wahrheitserwartung;188
9.2.3;8.2.3 Langer Atem und schnelle Aussagen;188
9.2.4;8.2.4 Modelle in den Medien;188
9.2.5;8.2.5 Politik;189
9.3;8.3 Modellkompetenz;190
10;Podcastepisoden;191
11;Literatur;195
