Denken auf Systemebene

Physikalisch beschreiben, wie Personen oder Elemente miteinander agieren

TEXT: MICHAELA ORTIS
vom 01.12.2021

Ich bin beides, ein Wissenschaftler für Netzwerke und ein Physiker", sagt Federico Battiston, Assistenz-Professor an der Central European University (CEU). Der Fokus auf Netzwerke hat ihn an die CEU geführt, wo er mit einem interdisziplinären Team aus den Fachbereichen Soziologie, Wirtschaft, Ökologie, Physik und Informationstechnologie am Department for Network and Data Science forscht. Weltweit ist dies das erste Department, das sich ausschließlich der Netzwerkforschung widmet, seit 2015 gibt es dort das europaweit erste PhD-Programm in Network Science.

Lange Zeit hat der Reduktionismus dominiert, Forschende aus verschiedenen Disziplinen haben sich darauf konzentriert, die Eigenschaften der Grundelemente eines Systems zu verstehen. Dazu erklärt Battiston: "Bei der Erforschung des Gehirns etwa hat man sich beschäftigt, wie Neuronen funktionieren. Aber das reicht nicht aus, um zahlreiche Phänomene in komplexen Systemen zu verstehen, denn viele Informationen kommen aus der Interaktion der Elemente." Wenn man zwar einzelne Neuronen erforscht hat, aber nicht weiß, wie diese in Paaren oder Gruppen interagieren, dann werde man keinen epileptischen Anfall verstehen.

Allgemeiner betrachtet gebe es eine Reihe von Systemen, deren emergentes Verhalten wir nicht verstehen können, wenn wir uns nur auf die Eigenschaften der einzelnen Einheiten konzentrieren und Wechselwirkungen vernachlässigen. Dies sei auch der Kern der Arbeit von Giorgio Parisi: Der Nobelpreisträger für Physik 2021 hat zur Theorie komplexer Systeme mit der Entdeckung von Gesetzmäßigkeiten hinter scheinbar völlig zufälligen Phänomenen beigetragen, ausgehend von der Untersuchung des aggregierten Verhaltens von Spins in komplexen Materialien wie Gläsern. Battiston, der im Rahmen seines Masterstudiums an der Universität Sapienza in Rom bei Parisi Kurse belegt hat, erklärt weiter: "Netzwerke sind sehr mächtig, sie ermöglichen uns, vom Reduktionismus zum Denken auf Systemebene überzugehen."

Warum die Relevanz von Netzwerken steigt Netzwerkforschung leistet heute Beiträge, um die Auswirkungen der Covid-Pandemie zu analysieren. Das starke wissenschaftliche Interesse an Netzwerken liegt jedoch viel weiter zurück. Während in den 1970er-Jahren im CERN auf Quarks, die kleinsten Teilchen der Materie, fokussiert wurde, publizierte zur selben Zeit der Materie-Physiker Philip Warren Anderson in der Fachzeitschrift Science das erste Mal über komplexe Systeme und propagierte den Wechsel vom linearen, reduktionistischen Denken zum Systemdenken. Seit Ende der 1990er-Jahre treibt Big Data die Netzwerkwissenschaft: Die Flut verfügbarer Daten ermöglicht, die Struktur von sozialen und biologischen Netzwerken oder vom Internet zu erforschen. Weil Physiker*innen bei großen Experimenten schon immer Big Data genutzt haben, bringen sie ihr Wissen auch in anderen Disziplinen ein. Bemerkenswert ist für Battiston die frühe Rolle der Soziologie in der Netzwerkforschung. Schon 1967 hat Stanley Milgram das "Kleine-Welt-Phänomen" formuliert, wonach jeder über sechs Kontakte jeden Menschen auf der Welt erreichen kann.

Zur Beschreibung von Interaktionen in Netzwerken werden jeweils zwei Elemente mit einem Graphen verbunden. Diese paarweisen Beziehungen entsprechen nicht der realen Welt, wo oft in Gruppen interagiert wird. Wenn z. B. die drei Wissenschaftler*innen Alice, Bob und Claire jeweils in Paaren ein Paper schreiben, entstehen drei Paper, und ihre Zusammenarbeit kann mit einem Dreieck dargestellt werden. Wenn Alice, Bob und Claire zu dritt schreiben, entsteht ein Paper, und die Darstellung ihrer Zusammenarbeit entspricht wieder einem Dreieck, obwohl sie anders verlaufen ist.

"Das heißt, wenn nur Graphen verwendet werden, geht Information verloren, nämlich die Dynamik in der Gruppe", sagt Battiston. Der Graph stellt eine Zwei-Wege-Interaktion dar (Interaktion 1. Ordnung), die in statistischen Modellen verwendet wird. Das Dreieck ist eine Drei-Wege-Interaktion (Interaktion 2. Ordnung). Battiston hat daher im Oktober 2021 in Nature Physics seine Forschungen, gemeinsam mit Beiträgen von internationalen Forschenden, unter dem Titel "The physics of higher-order interactions in complex systems" veröffentlicht.

Drei Herausforderungen beim Modellieren Interaktionen höherer Ordnung zeigen ein neues dynamisches Verhalten. Bei Infektion mit einer Krankheit wird A von B mit einer gewissen Wahrscheinlichkeit angesteckt, später wird A von C mit einer gewissen Wahrscheinlichkeit angesteckt - die biologischen Ansteckungen je Kontakt sind unabhängig. Anders ist die Dynamik bei sozialen Ansteckungen wie der Verbreitung von Gerüchten: A erfährt etwas von B, und später erfährt A das auch von C - nun wirkt der Gruppendruck: Wenn alle Freunde von A etwas glauben, dann glaubt A das auch.

Was neu ist, zeigt sich beim kritischen Punkt. Wenn man Ansteckung modelliert, zählt man die Infizierten und untersucht, wie sich eine veränderte Ansteckungswahrscheinlichkeit auf die infizierte Bevölkerung auswirkt. Je nachdem wie hoch sie ist, kann bei einer biologischen Infektion die Krankheit verschwinden, oder sie wird ab einem kritischen Punkt zur Epidemie, wobei der Wechsel kontinuierlich erfolgt. Bei einer sozialen Infektion passiert bei Erreichen des kritischen Punkts ein plötzlicher Wechsel im Status des Systems von Nicht-Erkrankung zu Erkrankung. Dazu Battiston: "Nur mit Interaktionen höherer Ordnung kann man Massenphänomene in sozialen Systemen erklären. Ein typisches Beispiel ist MeToo, zuerst gab es kaum Verbreitung, aber plötzlich war die Kampagne überall auf Twitter zu finden."

In Experimenten werden Daten häufig als paarweise Interaktion erfasst, d. h., von einem Netzwerk höherer Ordnung wird auf ein System erster Ordnung projiziert. Aufgrund der Missing Links kann man nicht erkennen, wie die Elemente untereinander agieren, und das führt zur Herausforderung der Rekonstruktion. Battiston empfiehlt, die Statusänderung eines Elements über eine Zeitspanne zu sehen und mit seinen Nachbarn zu vergleichen: "Wenn beispielsweise eine Person ihren Status von gesund auf infiziert ändert und ihre Nachbarn tun dasselbe, können wir ableiten, welche Interaktionen höherer Ordnung waren."

In der Dynamik der Links liegt die dritte Herausforderung. Im Normalfall wird die Dynamik bei den Knoten eines Systems beobachtet, etwa ob Neuronen feuern bzw. ob Personen gesund oder krank sind. Aber auch die Verbindungen zwischen den Knoten können einer Dynamik unterliegen, sowohl Paarbeziehungen, die sich ändern, als auch Beziehungen von Dreiecken oder größeren Gruppen. "Dynamisch ist nicht nur der Knoten selbst, sondern auch die Beziehungen, und wenn sich so eine Beziehung ändert, dann wirkt sich das auf die Knoten aus. Für diese vielversprechende Forschungsrichtung haben wie eine Topologie dynamischer Denkansätze und eine Literatursammlung erstellt", sagt Battiston.

Der Nutzen der Forschung für alle Disziplinen Als nächster Schritt wird das theoretische Framework in vielfältigen Forschungsfragen angewendet. Geplant ist, die Organisation von Interaktionen höherer Ordnung im Gehirn zu untersuchen, ebenso die Bildung und Teilung von Gruppen im sozialen Kontext. Gerade forscht ein PhD-Student von Battiston an Escape Rooms, um zu erkennen, welche Netzwerkdynamik Gruppen erfolgreich macht.

Physiker*innen arbeiten sehr pragmatisch, fasst Federico Battiston seinen Zugang zusammen: "In der Ausbildung hat man uns gelehrt, die Essenz eines Problems zu erfassen, um dann ein Modell zu finden, das eine Erklärung liefert. Mit dem neuen Framework, das wir im Geiste der Physik entwickelt haben und das universell einsetzbar ist, können Wissenschaftler verschiedenster Disziplinen ein möglichst einfaches Erklärmodell entwickeln."

Mehr aus diesem HEUREKA

12 Wochen FALTER um 2,17 € pro Ausgabe 25 Wochen FALTER um 3,20 € pro Woche
Kritischer und unabhängiger Journalismus kostet Geld. Unterstützen Sie uns mit einem Abonnement!