Simulation

Simulation ist eine Vorgehensweise überwiegend zur Analyse dynamischer Systeme (ein Spezialfall statischer Simulation stellt die Monte-Carlo-Simulation dar). Bei der Simulation werden Experimente an einem Modell durchgeführt, um Erkenntnisse über das modellierte System zu gewinnen. Im Zusammenhang mit Simulation spricht man von dem zu simulierenden System und von einem Simulator als Implementation oder Realisation eines Simulationsmodells. Letzteres stellt eine Abstraktion des zu simulierenden Systems dar. Der Ablauf des Simulators mit konkreten Werten (Parametrisation) wird als Simulationsexperiment bezeichnet. Dessen Ergebnisse können dann interpretiert und auf das zu simulierende System übertragen werden.

Ein Auto-Crashtest beispielsweise ist ein Simulationsmodell für eine reale Verkehrssituation, in der ein Auto in einen Verkehrsunfall verwickelt ist. Dabei wird die Vorgeschichte des Unfalls, die Verkehrssituation und die genaue Beschaffenheit des Unfallgegners stark vereinfacht. Auch werden keine Personen in den simulierten Unfall involviert, sondern es werden stattdessen Crashtest-Dummies eingesetzt, die mit realen Menschen gewisse mechanische Eigenschaften gemeinsam haben. Ein Simulationsmodell hat also nur ganz bestimmte Aspekte mit einem realen Unfall gemeinsam. Welche Aspekte dies sind, hängt maßgeblich von der Fragestellung ab, die mit der Simulation beantwortet werden soll.

Gründe für den Einsatz

Für den Einsatz von Simulationen kann es mehrere Gründe geben:

Eine Untersuchung am realen System wäre zu aufwendig, zu teuer, ethisch nicht vertretbar oder zu gefährlich. Beispiele:
- Fahrsimulator (zu gefährlich in der Realität)
- Crashtest (zu gefährlich oder zu aufwendig in der Realität)
- Simulation von Fertigungsanlagen vor einem Umbau (mehrfacher Umbau der Anlage in der Realität wäre zu aufwändig und zu teuer)
Das reale System existiert (noch) nicht. Beispiel: Windkanalexperimente mit Flugzeugmodellen, bevor das Flugzeug gefertigt wird
Das reale System lässt sich nicht direkt beobachten
- Systembedingt. Beispiel: Simulation einzelner Moleküle in einer Flüssigkeit, Astrophysikalische Prozesse
- Das reale System arbeitet zu schnell. Beispiel: Simulation von Schaltkreisen
- Das reale System arbeitet zu langsam. Beispiel: Simulation geologischer Prozesse
Für Experimente kann ein Simulationsmodell wesentlich leichter modifiziert werden, als das reale System. Beispiel: Modellbau in der Stadtplanung
Exakte Reproduzierbarkeit der Experimente
Gefahrlose und kostengünstige Ausbildung. Beispiel: Flugsimulation
Das reale System ist unverstanden oder sehr komplex. Beispiel: Bei der Auswertung wissenschaftlicher Experimente müsen die Ergebnisse per Simulation interpretierbar gemacht werden
Spiel und Spaß an simulierten Szenarien.
Methode in der Pädagogik. Beispiele: Rollenspiel, Simulationsspiele

Heutzutage werden Simulationen mehr und mehr durch Computer realisiert, weil Computer ein ideales und sehr flexibles Umfeld für fast alle Arten der Simulation bieten (siehe auch Computersimulation).

Typen und Bereiche von Simulationen

Grundsätzlich muss man zwischen Simulationen mit und ohne Computer unterscheiden. Eine Simulation ist ein "Als ob"-Durchspielen von Prozessen; das kann man auch ohne Computer tun. Wenn heute von "Simulation" die Rede ist, meint man allerdings fast immer Computersimulationen. Letztere gliedern sich in die Bereiche

Spielsimulationen, z.B. Flugsimulatoren, Wirtschaftssimulationen
Unternehmenssimulation für die Aus- und Weiterbildung, z.B. Unternehmensplanspiel
Technische Simulationen, z.B. Schaltungssimulationen, Atomwaffensimulationen, Windkanalsimulationen u.v.m.
Bei kleinen Systemen bietet sich hier auch mittels Model Checking eine Verifikation an, die, im Gegensatz zur Simulation, garantiert alle Fälle abdeckt, aber einen hohen Rechenaufwand hat.
Wissenschaftliche Simulationen. Sie gibt es in fast allen Natur- und Gesellschaftswissenschaften:
- Metereologische Simulation zur Wettervorhersage
- Physikalische Simulation und astrophysikalische Simulation
- Chemische Simulation
- Biologische Simulationen, z.B. Simulation neuronaler Netze (siehe neuronales Netz)
- Sozioökonomische Simulation, z.B. Multiagentensysteme
- u.v.m.

Typen von Simulationen

Viel zu tun...

Hier sei nur erwähnt:

Kontinuierliche Simulation, Diskrete Simulation (z.B. Diskrete Ereignisorientierte Simulation) und Hybride Simulation
Makrosimulation und Mikrosimulation
Statistische Simulation, insbesondere Monte-Carlo-Simulation
Numerische Simulation
Multi-Agenten-Simulation
Materialflusssimulation (DES Discrete Material Flow Simulation)

Theorie, Modell und Simulation

Eine Computersimulation besteht im Kern aus einem Programm. Hier werden die Regeln der Prozesse definiert. Man spricht analog zu den "Verhaltensgleichungen" eines mathematisch definierten Systems von den "Verhaltensalgorithmen". Modelle können ad hoc erfunden werden, sie können aber auch aus empirischen Befunden oder aus einer Theorie abgeleitet werden. Z.B. werden die Wettermodelle aus der Theorie der Hydrodynamik abgeleitet, die einzelnen Verhaltensgleichungen bestehen aus Navier-Stokes-Gleichungen (oder Weiterentwicklungen davon).

Grenzen der Simulation

Jeglicher Form von Simulation sind auch Grenzen gesetzt, die man stets beachten muss. Die erste Grenze folgt aus der Begrenztheit der Mittel, d.h. der Endlichkeit von Energie (z.B. auch Rechenkapazität), Zeit und nicht zuletzt Geld. Eine Simulation muss also auch wirtschaftlich gesehen Sinn ergeben. Aufgrund dieser Einschränkungen muss ein Modell möglichst einfach sein. Das wiederum bedeutet, dass auch die Ergebnisse der Simulation eine grobe Vereinfachung der Realität darstellen. Die zweite Grenze folgt daraus: Ein Modell liefert nur in einem bestimmten Kontext Ergebnisse, die sich auf die Realität übertragen lassen. In anderen Parameterbereichen können die Resultate schlichtweg falsch sein. Daher ist die Verifikation der Modelle für den jeweiligen Anwendungsfall ein wichtiger Bestandteil der Simulationstechnik. Als mögliche weitere Grenzen seien Ungenauigkeiten der Ausgangsdaten (z.B. Messfehler), sowie subjektive Hindernisse (z.B. mangelnder Informationsfluss über Produktionsfehler) genannt.

Weblinks

http://www.asim-gi.org/ Arbeitsgemeinschaft Simulation der Gesellschaft für Informatik
http://www.scs-europe.net/ Gesellschaft für Modellbildung und Simulation in Europa (englisch Society of modeling and simulation europe)
http://www.scs.org/ Gesellschaft für Modellbildung und Simulation (englisch Society of modeling and simulation)
http://www.soc.surrey.ac.uk/research/simsoc/ CRESS - Zentrum für die Forschung in der sozialwissenschaftlichen Simulation (englisch Center for Research in Social Simulation)
http://www.argesim.org/ Arbeitsgemeinschaft Simulation der TU Wien

Literatur

B.P. Zeigler, H. Praehofer, T.G. Kim: Theory of Modeling and Simulation, 2nd Edition. Academic Press, San Diego 2000, ISBN 0-127-78455-1
N. Gilbert, K.G. Troitzsch: Simulation for the social scientist. Open University Press 1999, ISBN 0-335-19744-2
R.M. Fujimoto: Parallel and Distributed Simulation Systems. Wiley-Interscience 1999, ISBN 0-471-18383-0
F.E. Cellier: Continuous system modeling. Springer-Verlag, New York, 1991. ISBN 0-387-97502-0

Siehe auch: Emulator, Digitale Fabrik