Geosimulation Modelling Lab

Simulationsmodelle sind geeignete Mittel um ein besseres Verständnis für diverse geographische Prozesse zu entwickeln, die Interaktionen zwischen Menschen und ihrer räumlichen Umgebung zu analysieren, oder zukünftiges Verhalten von Systemen zu simulieren. Während zu Beginn der Schwerpunkt auf der Simulation natürlicher Prozesse lag, wie z.B. bei hydrologischen Abflussmodellen, hat die Berücksichtigung menschlicher Einflüsse auf das natürliche System (und umgekehrt) in dem letzten Jahrzehnt zunehmend an Bedeutung gewonnen. Beispielhaft dafür sind Modelle zur Simulation von größeren Menschenansammlungen, Veränderungen in der Flächennutzung, Verringerung von Hochwasserfolgeschäden, Bewertung von Ökosystemdiensten oder der Verkehrsablaufplanung.

Die Beschreibung von Wechselbeziehungen zwischen Mensch und Natur ist allerdings eine komplexe Aufgabe. Zum einen sind die Ursachen des menschlichen Verhaltens nicht vollständig erfasst und daher algorithmisch schwer zu formulieren, zum anderen kann sich das Verhalten über die Zeit verändern oder abhängig von Umwelteinflüssen sein. Die ersten Modelle zur Simulation von Interaktionen zwischen Mensch und Umgebung wurden hauptsächlich zur Entwicklung von Theorien entwickelt und imitierten dabei menschliches Verhalten unter Verwendung von synthetischen Daten. Heutzutage werden allerdings mit komplexen Modellen reale Problemstellungen simuliert, und deren Ergebnisse können Grundlage für z.B. Planungsverfahren sein. Das aber erfordert bestmögliche Modelresultate, da Entscheidungen basierend auf fehlerhaften Vorhersagen eventuell nicht rückgängig zu machen sind oder ökonomisch kostspielig sein können.

Das Ziel unserer Arbeitsgruppe ist es die Zuverlässigkeit von Prognosen zu verbessern. Dabei betrachten wir unter anderem folgende Aspekte:

• Das Quantifizieren und Vermitteln von Unsicherheiten in Simulationsmodellen;
• Die Entwicklung von allgemeingültigen Methoden und dazugehörigen Softwaretools zur Entwicklung, Kalibrierung und Bewertung von Modellen;
• Inwiefern Ergebnisse neuer Entwicklungen wie zum Beispiel Big Data, Volunteered Geographic Information, oder das Internet der Dinge in die Entwicklung dieser Methoden einfließen können;
• Wie abrupte Veränderungen im Systemverhalten (systemic changes) erkannt werden können und welche Ursachen dafür verantwortlich sind.