Anmaßung von Wissen

Als ich jünger und naiver war, habe ich oft gestaunt, mit welcher Gewissheit und Selbstsicherheit politische oder wirtschaftliche Maßnahmen vertreten und beschlossen wurden. Ich habe mich gefragt, woher die Entscheider den Überblick über die Datenlage des Systems und die dynamischen Mechanismen hatten – was hatte ich noch alles zu lernen!

Inzwischen sehe ich: Die Dynamik von Systemen wird oft unterschätzt. Betrachten wir als einfaches Modell einen Wachstumsprozess (z. B. Preise, Infektionszahlen, Arbeitslosenzahlen) mit unbekanntem Wachstumsparameter a:

dx/dt=a*x(t)−k*x(t−τ)

Die Massnahmen gegen das Wachstums werden mit dem Parameter k modelliert. Das Motto: Je stärker das Problem ist, desto stärker greifen wir ein. In der Realität kann das Eingreifen nur auf Daten beruhen, die in der Vergangenheit liegen, das wird mit der Verzögerung τ modelliert.

Das Video zeigt:

In der idealen Situation (keine Verzögerung, τ=0) wird das Wachstum (oberer Graph) durch das Eingreifen (unterer Graph) reduziert und bei starkem Eingreifen sogar stabilisiert.

In der realen Situation (τ>0) wirkt das Eingreifen zunächst schwächer als im idealen Fall. Man muss also mehr tun! Das stärkere Eingreifen führt aber zu Oszillationen und chaotischem Verhalten.

Schon dieses sehr einfache Beispiel zeigt: Für Systeme, die man nicht vollständig versteht – was in der Politik fast immer zutreffen dürfte – sind folgende Prinzipien keine Option, sondern Notwendigkeit:

1️⃣ Sanft eingreifen – die Eigendynamik respektieren
2️⃣ Wirkungen früh kontrollieren und konsequent nachjustieren
3️⃣ Keine disruptiven Eingriffe, wenn man die Dynamik nicht sicher beherrscht

Gute Absichten ersetzen kein Systemverständnis. Wer Verzögerungen ignoriert, steuert nicht – er übersteuert. Komplexe Systeme verzeihen keine Anmaßung von Wissen.