Stefan Thurner © Franziska Liehl
Unsere Welt wird zunehmend vernetzter, komplexer und dadurch in vielen Hinsichten herausfordernder. Die digitale Transformation bringt ein enormes Volumen und eine nie da gewesene Vielfalt an Daten mit sich, die überfordernd wirken kann. Welches Potential Daten aber entfalten, wenn man sie entsprechend in Relation setzt, weiß die Komplexitätsforschung. Sie nutzt die Datenfülle ihrer Auftraggeber – unter strengen Sicherheitsauflagen –, um ihre Schlüsse zu ziehen und eine faktenbasierte Grundlage für Entscheidungen zu bieten. Damit eröffnet sie fundierte, sachliche Hilfestellung für Wirtschaftstreibende, andererseits aber auch für Politiker:innen – ein wesentlicher Beitrag dazu, Fakten zu dem gesellschaftlichen Stellenwert zu verhelfen, den sie haben sollen und müssen, um ein Fundament für Innovation, für Demokratie und für das Gemeinwohl zu bilden. Wir haben mit Stefan Thurner, Präsident des Complexity Science Hub (CSH), darüber gesprochen, was Daten können und warum es von so großer Relevanz ist, sie zu analysieren und zu interpretieren.
Sie haben mit dem Complexity Science Hub vor kurzem neue Räumlichkeiten in der Wiener Metternichgasse bezogen – welche Impulse erwarten Sie sich vom historischen Ambiente des Wiener Palais Springer-Rothschild?
Stefan Thurner: Der Grund für unsere Übersiedlung war, dass wir mehr Platz gebraucht haben für unsere nicht ganz 100 Mitarbeitenden. Die Räumlichkeiten haben eine sehr starke Ausstrahlung, da sie barock inspiriert sind. Der erste Eindruck ist sicher, dass sie nicht unbedingt zukunftsweisend wirken. Da stellt sich dann die Frage: Warum ist da der Complexity Science Hub ansässig?
Ich sehe das gerne symbolisch: So wie die Räume soll auch die Arbeit, die wir heute machen, in 200 Jahren immer noch für ihre Qualität geschätzt werden. Wissenschaft entwickelt sich schnell weiter und das bedeutet für sehr viele Erkenntnisse, dass sie bald wieder aus der Mode oder nicht mehr notwendig sind oder nur eine Zwischenfunktion gehabt haben. Es kommt sehr selten vor, dass man etwas entdeckt, das von bleibendem Wert ist. Aber manche wissenschaftlichen Erkenntnisse sind schon mehrere tausend Jahre alt, wie etwa der „Satz von Pythagoras“ oder ähnliches. Das ist für viele Wissenschaftler:innen ein Ansporn, auch etwas Bleibendes zu schaffen. Und damit auch in die Geschichte einzugehen.
Die Anforderungen an die Wissenschaft haben sich in den letzten Jahren drastisch verändert – und sie ist unter Druck geraten. Inwiefern braucht Forschung aus Ihrer Sicht einen neuen Stellenwert?
Die Erwartung an Wissenschaft ist oft, dass sie Antworten auf Probleme liefern soll, die jetzt zu lösen sind und nicht in 50 Jahren. Dieses Spannungsfeld muss man positiv sehen. Es ist notwendig, dass die Wissenschaft schnelle, gute, datenbasierte, faktenbasierte, datengetriebene Antworten geben kann. Aber gleichzeitig ist es wichtig, die Basis für Innovation in den nächsten zehn, 20, 30 Jahren zu legen. Dass man also klassische Grundlagenforschung betreibt. Dass man auch Dinge zulässt, die nicht unmittelbar Sinn machen und im Moment niemandem Geld bringen.
Denken wir beispielsweise an die Relativitätstheorie oder Quantenmechanik. Wem hat sie jemals Geld gebracht? Bis in den 80er Jahren plötzlich das GPS auf den Markt kommt – da wird sie unverzichtbar. Und plötzlich gibt es den Laser, der ohne Quantenmechanik unmöglich wäre, der die ganze Welt verändert hat. Es ist also wichtig, immer wieder darauf hinzuweisen und klarzumachen: Die Rolle der Forscher:innen ist auch darin zu sehen, Grundlagen für Innovationen der Zukunft zu schaffen, die jetzt nicht wertvoll scheinen.
Komplexitätsforschung – ein Blick in die Glaskugel oder viel mehr als das? Was kann Komplexitätsforschung und warum ist sie gerade jetzt so bedeutungsvoll?
Das Kernstück der meisten unserer Arbeiten ist: Wir untersuchen die Netzwerke hinter verschiedenen Systemen – ob es das Gesundheitssystem, Wirtschaft, Lieferketten, gesellschaftliche Zusammenhänge oder Kryptozahlungssysteme sind. Diese Netzwerke sind nicht statisch, sondern verändern sich im Lauf der Zeit. Die Netzwerkdynamik folgt, wie fast alles auf dieser Welt, Regeln – die man zum Großteil nicht oder noch nicht versteht. Wir erfassen diese Regelmäßigkeiten mithilfe der AI und unserer Algorithmen. Das Aufklären und die Interpretation dieser Regeln und Regelmäßigkeiten, der Muster und der Strukturen, die es in dieser Dynamik von Netzwerken gibt, die gegenseitige Beeinflussung der Muster, all das ist das Kerngebiet unserer Forschung. Ein Beispiel: Wenn man im Finanznetzwerk oder in Lieferketten einige Änderungen machen würde – wie verändert das die Stabilität des Systems? Diese Art von Fragen wollen wir beantworten.
Wenn man versteht, wie sich Netzwerke umbauen, versteht man auch, wie sich die Eigenschaften der Systeme ändern, wie sie stabiler oder weniger stabil, wie sie effizienter werden, wie sie sich plötzlich schnell umgestalten, also Phasenübergänge oder Krisen durchlaufen. Eine Krise wird oft wahrgenommen, wenn sich das System schneller ändert, als die Leute, die sich in dem System befinden, folgen können. Das Tempo ist gerade heute ein großes Thema.
Heute sind so viele Daten verfügbar wie nie zuvor. Welche Möglichkeiten eröffnen sich dadurch für die Komplexitätsforschung?
Die Vorläufer der Komplexitätsforschung gibt es schon relativ lange. Anfangs haben sich Forscher:innen, auch aus Österreich, dem Thema eher von einer sozialwissenschaftlichen Seite genähert. Seit den 90er Jahren versucht man komplexe Systeme naturwissenschaftlich zu verstehen, theoretisch, mathematisch, mit Algorithmen, aber erst jetzt kommen die Daten dazu, die daraus eine experimentelle Wissenschaft machen. Und die Datenfülle explodiert. Alles, was man aufnehmen oder mitschreiben kann, fällt irgendwo als Datenzeilen an. Dass man das jetzt mehr und mehr zusammenführen und ganze Systeme mit hochdimensionalen Daten abbilden kann, das ist neu. Die Komplexitätsforschung hebt dadurch zurzeit richtig ab, auch weil sich herausstellt, dass sie nützlich sein kann. Bis vor zehn Jahren war es sehr schwer zu vermitteln, warum man die Netzwerke, die hinter dem System entstehen, analysieren sollte.
Unsere Welt wird immer vielschichtiger und vernetzter, zugleich schreiten Entwicklungen schneller voran – welche besonderen Herausforderungen kommen dadurch auf uns zu und in wie gehen Sie diese im CSH an?
An erster Stelle steht bei uns die Lösung von Problemen – das ist eventuell ein bisschen anders als in den anderen Forschungsinstitutionen. Wir besprechen mit unseren Teamleitern, was die großen Themen sind und welche davon wir mit dem Vorhandensein neuer Datensätze aufarbeiten, in welchen Bereichen wir positive Inputs leisten könnten. Unsere Vorgehensweise ist, Probleme an den Anfang zu stellen und diese zu lösen. Das war in der Wissenschaft meiner Meinung nach immer so, in den letzten 60 Jahren hat man ein bisschen begonnen, die Wissenschaft von Problemen loszulösen, Wissenschaft zum Zwecke der Wissenschaft zu machen, „L’art pour l’art“, wollen wir nicht.
Ganz klar ist, dass wir Wissenschaft brauchen, um mit weniger Menschen das Niveau unseres Staates aufrechterhalten und weiterentwickeln zu können. Wir leben im demografischen Wandel und werden auf weniger Leute mit weniger Fähigkeiten zurückgreifen können. Mit diesen müssten wir aber einen besseren Staat machen, als wir ihn jetzt haben. Nämlich einen, den wir wieder schätzen, weil er so gut funktioniert. Allerdings sollten wir auch jetzt schon stärker betonen, dass sehr vieles sehr gut funktioniert. Das ist gerade in Zeiten von „Daumen hoch, Daumen runter“ wichtig.
Katastrophal ist es, wenn die demokratischen Institutionen kaputt gemacht werden. Das ist eine Riesengefahr, weil dann die Wahrscheinlichkeit, dass private oder mehr oder weniger private Akteure den Staat übernehmen, groß wird. Der Ausdruck dafür ist Faschismus. Und wie man weiß, wird es dann eher heftig und nicht besser – für fast alle. Allerdings ist die Gesellschaft so stark vernetzt, dass sich sehr, sehr wenig auf die Schnelle ändert. Je vernetzter die Systeme sind, desto länger dauert es, bis man zu einer Entscheidung kommt – oder man trifft überhaupt keine Entscheidung mehr, weil es zu viele Reibungen gibt oder zu viele Bedingungen gestellt werden. Das führt dann zu großer Frustration.
Inwieweit kann die Komplexitätsforschung zur Entwicklung und Resilienz von Netzwerken beitragen?
Resilienz hat viel mit den Beziehungen der Einzelteile eines Systems zu tun. Resilienz ist eine Netzwerkeigenschaft, ganz vereinfacht: wie schnell können Links in einem Netzwerk wiederhergestellt werden. Wenn ich es schaffe, Resilienz als Netzwerkeigenschaft zu quantifizieren, kann ich sagen, dieses ist resilienter als jenes. Man kann dann auch definieren, dass man die Netzwerke lieber anders haben möchte, sie umgestalten möchte. Wie komme ich dann von Netzwerk A zu Netzwerk B, das ist eine Riesenfrage.
Das ist genau das, was Politik macht. Politik versucht, Leute oder Firmen mit Gesetzen oder Anregungen oder Förderungen dazu zu bewegen, ihr Verhalten zu ändern. Und Verhaltensänderungen bewirken Netzwerkänderungen. Netzwerke wie Kommunikationsnetzwerke ändern sich, Lieferkunden ändern sich, Freundschaften ändern sich, Institutionszusammenarbeit ändert sich – und all diese Änderungen bewirken etwas. Die Funktion des Systems ändert sich. Manchmal auch nicht.
Heute agiert man diesbezüglich oft aus dem Bauch heraus. Man denkt, wir implementieren jetzt diese Förderung, dann reagieren die Menschen bzw. reagiert die Wirtschaft auf bestimmte Art darauf – und das ist in der Form von uns beabsichtigt. Aber dann gibt es vielleicht noch fünf unerwartete Nebenwirkungen zu dieser Förderung oder zu dieser politischen Intervention. Um diese im Vorhinein abschätzen zu können, bauen wir Simulatoren. Denn wenn sich Netzwerke umgestalten, gibt es fast immer unbeabsichtigte Konsequenzen.
Welchen Beitrag kann die Komplexitätsforschung leisten, um Entwicklungen aufzuzeigen, auf die Entscheider:innen rechtzeitig reagieren können müssen?
Viele unserer Modelle sind sogenannte agentenbasierte Modelle, die man heute oft auch digitale Zwillinge nennt. In diesen Modellen kann man manchmal alle relevanten Akteure abbilden und – wichtig – mit echten Daten kalibrieren. Man kann dann weiter versuchen zu verstehen, wie sich die Agenten gegenseitig beeinflussen. Dann hat man eine Spielzeugversion des Systems und kann damit Szenarien durchspielen. Der Wert solcher Modelle liegt derzeit oft weniger in ihrer Vorhersagekraft, als in dem Faktum, dass sie die Möglichkeit bieten, den Ist-Zustand eines Systems – wie zum Beispiel einer Lieferkette – in sehr großem Detailgrad darzustellen. Das alleine ist oft schon genug, um potentielle Schwachstellen in einem System aufzeigen zu können. Und wenn man diese kennt, kann man versuchen herauszufinden, wie man sie verbessern könnte. Man kann dann diese Modelle auch verwenden, um zu checken, ob gewisse Maßnahmen dann den tatsächlichen Erfolg liefern und welche unerwarteten Nebenwirkungen noch auftreten können.
Heute wird vielfach mehr Transparenz gefordert. Kann Ihre Forschung zu dieser verhelfen?
Anhand von datenbasierten Modellen können politische Entscheidungsträger „Was-Wäre-Wenn-Fragen“ stellen. Durch die Antworten auf diese Fragen lernen sie das jeweilige System viel besser kennen und erhalten Inputs, z.B.: Wie funktioniert eine Stadt, wie arbeiten die Institutionen in einer Stadt oder Region, was ist die Rolle dieser Fabrik und der Zufahrtsstraße?
Der Wert liegt in der hochdimensionalen Betrachtung eines Systems, im Zuge dessen man nicht nur einen Aspekt betrachtet, sondern 500 gleichzeitig. Im Idealfall helfen diese Tools dabei, bessere Entscheidungen zu treffen. Lassen Sie mich ein ganz einfaches Beispiel nennen: Habe ich den Verkehr in Wien in einem Modell abgebildet, kann ich dieses Modell als Verkehrssimulator verwenden, um die Frage „Sollen wir an dieser Kreuzung eine Ampel oder einen Kreisverkehr bauen?“ zu beantworten. Die Gemeinderäte können eine Ampel hinzufügen und feststellen, wo es dann zu Staus kommt. Oder einen Kreisverkehr und dann sehen sie: aha, in dem anderen Bezirk kommt es jetzt zu Staus. Und so weiter. Dann können Opposition und Bürger:innen genau das Gleiche machen und sehen, wie schwierig die Frage zu lösen ist und in der Folge vielleicht toleranter werden mit ihren Politiker:innen. Somit werden Entscheidungen – oder nicht getroffene Entscheidungen – auch nachvollziehbarer. Unser Ziel ist es, Entscheidungen und Umstände transparent zu machen. Denn durch Transparenz kann sehr viel Gemeinnutzen geschaffen werden. Uns sind aber auch die Grenzen der Transparenz bewusst. Personenbezogene Daten zum Beispiel dürfen nicht transparent sein, auch nicht Systeme, die strategisch relevant sind – hier muss man extrem verantwortungsbewusst vorgehen.
Aktuell ist das Thema Wettbewerbsfähigkeit in aller Munde, wie wesentlich ist die schnelle, präzise, sichere Analyse und Interpretation von Daten in diesem Zusammenhang?
Wettbewerbsfähigkeit heißt letztlich effizienter produzieren zu können als andere oder bessere Produkte zu entwickeln. Zum Thema Effizienz denke ich, kann man viel aus den Strukturen der Lieferketten lernen – wenn man diese kennt. Einige Länder kennen ihre Lieferketten auf Firmenebene, also wer wem was wann zuliefert. Aus diesen Informationen kann man versuchen, Effizienz ganz anders zu quantifizieren als man das heute traditionell macht. Man kann gleichzeitig auch ganz anders strategisch denken, wenn man mit einbezieht, wer welche Teile der Lieferketten dominiert oder welchen Einfluss z.B. ausländische Investoren auf zentrale Produkte spielen könnten. Ohne solche Daten ist es aber gar nicht möglich, so eine Quantifizierung von Effizienz in einer Form, die zielgerichtetes Handeln ermöglicht, vorzunehmen. Man kann es dann nur im Nachhinein verstehen, wer effizienter war, also wenn es zu spät ist. In Österreich gibt es diese Daten nicht.
Was werden aus heutiger Sicht die wesentlichen Fragestellungen der Zukunft sein, mit denen sich der Complexity Science Hub beschäftigen wird?
Die großen Herausforderungen sind mögliche Wirtschaftskrisen, Finanzkrisen, Bildungskrisen, Verteidigungskrisen, … also die Polykrise. Die ganz großen Krisen sind die Klima- und die Demographie-Krise. Daraus, dass weniger Leute mit weniger Fähigkeiten zur Verfügung stehen, ergeben sich ganz praktische Fragen: Schaffen wir es unsere Kraftwerke in Schuss zu halten? Kriegen wir die Müllabfuhr in 15 Jahren auch noch hin, wenn wir keine Leute mehr haben, die das machen wollen oder können? Schaffen wir es mit dem Justizsystem das Vertrauen in den Rechtsstaat aufrecht zu erhalten, schaffen wir es die Verteidigung zu sichern?
In der Pflege, im Gesundheitssystem ist das Thema bereits in aller Munde. Aber es wird für jeden Bereich bestimmend werden. Die Lösung? Man muss die Produktivität gewaltig steigern, und das wird nur gelingen mit dem, was wir Digitalisierung nennen, in Kombination mit Robotik und neuen Prozessen. Dazu braucht es oft zuerst das Verständnis von den dahinterliegenden Prozessen. Gleichzeitig darf aber nicht passieren, was sich derzeit in den USA als Schreckgespenst abzeichnet, nämlich dass eine Handvoll Leute, u.a. die Chefs der Tech-Companies, die Politik übernehmen. Das ist aus meiner Sicht das Worst-Case-Szenario.
Das Best-Case-Szenario hingegen ist, dass man Produktivitätssteigerungen mit Gruppen und Institutionen, die im 21. Jahrhundert angekommen sind, erzielt – unter Einbindung der besten Köpfe, die im Land sind und die man auch aus dem Ausland nach Österreich holen kann – dazu brauchen wir ein attraktives, spannendes Umfeld und das müssen wir schaffen