 give a warm applause to Dr. Jonathan Dunges. Du hörst gleich die Rede oder den Talk, das Schließen des Kreises. Wie verbinden wir die sozial technologischen Dynamiken der Erde zurück mit dem Erdsystem? Vom 34. Chaos Communication Congress in der Übersetzung von Michael. Ich bin in der glücklichen Position, dass meine Kollegen bereits in zwei Vorträgen eine nette Einführung gegeben haben in den Klimawandel und was der Klimawandel für Probleme verursacht. Und nun kann ich darauf bauen und ein bisschen reden über was wir als neue Ära des Erdsystems der Wissenschaft über die Erde sehen. Und ich möchte nun einige Sachen vorstellen, die von Interesse sind, die Leute hier und anderswo. Um das nochmal zu betonen, die Aufgabe der Erderwärmung hat vor 20.000 Jahren angefangen in dem Ende der letzten Gletserschmelze. Da war unser Klima noch vier Grad kälter als heute im Durchschnitt. Und dann hat das Langsamlangsam angestiegen um ungefähr drei Grad, was 10.000 Jahre gedauert hat, was eigentlich schon ziemlich langsam ist. Und dann waren ungefähr 10.000 Jahre das Klima in dem Blauen relativ stabil. Und in diesem blauen Teil des Grafen ist die Menschheit auferblüht, wo die Menschheit Technologien entwickelter, Landwirtschaft entwickelter, die industrielle Revolution hat sich entwickelt. Und dann sieht man ganz am Ende den unglaublich schnellen Anstieg des Klimas. Das ist die industrielle Revolution, das Anthropozän. Die Beeinflussung des Klimas durch den Klimawandel. Dies sind Messungen, die die früheren Quellen bestätigen, dass diese schnelle Erwärmung, vor allem es ist sehr wichtig, auch zu erwähnen, dass die Amplitude der Erwärmung, wir haben jetzt aktuell einen Grad in diesem roten Teil, vergleichen zu den drei Grad, das sich seit dem letzten Zeitalter erwärmt hat. Das ist 100-mal schneller, als was von der letzten Zeitalter, vom letzten Eisalter bis zum Holozehen passiert. Das sind in den 10.000 Jahren, das ist jetzt 100-mal schneller. Und wenn man das mal in die Zukunft extrapoliert, das ist ja unglaublich extrem, oder? Das ist eine der extremsten Treibhausgas-Szenarien. Das ist das, was vorausgesehen wird, was passieren wird, wenn wir einfach so weitermachen wie bisher. Und das geht hoch bis drei Grad oder vier Grad. Das haben wir ja schon vorher gesehen. Also nochmal 100-mal schneller, sehr, sehr extrem. Was tut das also nun? Das bringt uns nun in eine neue geologische Ehre, dass wir das Anthropozen taufen, dass wo die sozialen Dynamiken, die sozialtechnologischen Dynamiken einen unglaublich wichtigen Einfluss haben auf das Erdsystem. Viele verschiedene Prozesse interagieren auf einem globalen, auf einer globalen Skala. Und Menschen haben diese Netzwerke erstellt. Das können wir einfach Globalisierungen nennen. Das sind Netzwerke von Information, Netzwerke von Handel, Netzwerke von Ressourcen. Und es sind diese technologischen Systeme und diese technologischen Netzwerke, die die Erderwärmung erst gestartet haben. Es ist also wirklich eine sozialtechnologische Dynamik, die das gestartet haben. Und das ist das Anthropozen. Die palliert an sich der globalen Erwärmung. Das bringt aber auch noch mehr Informationen. Eine ist die typischen Elemente in dem Klimasystem. Das sind Teile des Klimasystems, die eine nicht responsive Warnung haben. Etwas, das auf der Kippe steht, kann überkippen. Wenn ein bestimmter Threshold überschritten ist, das sind diese Übergänge von gelb nach rot. Und viele von diesen Thresholds, die klassern sich zusammen zwischen 1,0 und 2°. Das schließt wichtige Eisschilz der Erde ein. Da kommt das Paris Agreement her. Das Pariser Klimaabkommen von vor zwei Jahren, wenn man sich hier den Grafen anguckt, dann sieht man, dass die meisten Szenarien, die hier studiert werden vom ICP, die werden weit über das Pariser Klimaabkommen herüber schießen. Sie werden diese Gebiete erreichen, die gefährlich sind, zum Beispiel, dass der Amazon Regenwald Probleme bekommt. Wenn man diese Tipping Elements verhindern will, dann sollte man das versuchen. Das könnte sogar interagieren, diese Tipping Elements, um ineinander zu kaskodieren. Das heißt, dass ein Element ein anderes auslöst. Es gibt, nicht nur der Klimawandel ist ein Problem, es gibt auch andere Probleme, zum Beispiel weitere Nachhaltigkeitsprobleme. Die Menschen haben einen Einfluss gehabt auf weitere Elemente, zum Beispiel wichtig zu erwähnen, es ist nicht nur der Klimawandel, sondern all diese, die hier auf der Folle gezeigt werden in den unterschiedlichen Dimensionen, zum Beispiel die Biosphäre, den Lebensraum zu erhalten, die Schmutzung durch chemische Elemente, das alles interagiert miteinander. Das verändert das System auf der Erde, das Erzsystem durch die Menschen. Die Aufgabe ist es nun, um wieder auf die sicheren Niveaus zu kommen in allen Gebieten. Das ist der einzige Stand, von dem wir Menschen wissen, dass der gut für die menschliche Entwicklung ist. Man kann hier dann die sozialen Dimensionen reinbringen, wir können uns fragen, in welchem Erzsystem sind diese Grenzen, wer diese Grenzen nicht verletzt? Das sind also sehr einfache oder auch triviale Bedürfnisse von Menschen, zum Beispiel wir haben hier genannt Arbeit oder Ernährung. Das hier ist ein hypothetischer Rahmen, dass das Erzsystem gut ist für die Menschen. Wir haben hier beispielsweise ein Level, wo alles gut ist für die Menschen. Das nennen manche die Erdresistenz. Welche zukünftigen Traaktoren des Erdsystems, wer sind dieser Änderungen resilient? Wir sind diese Future-Trajectory, die uns aus diesem System herausbringt. Die Frage ist, gibt es andere nichtlinäre Transformationen, die das Erzsystem in einem managed sparen Zustand lassen? Das wäre die Kurve, die runtergeht. Oder gibt es intrinsische Eigenschaften, die das Erzsystem zu so einem heißen Zustand bringen? Das Problem ist, wir können solche Fragen nicht wirklich in einer befriedigen Art und Weise beantworten. Das ist so schwierig zu beantworten, weil versuche ich jetzt zu erklären. Das ist eine Folie von der integrierten Erzsystemmodellierung. Die Frage hier ist, wurde bereits 1999 angesprochen und die Idee ist, hier zu gucken auf die gesamte Erde zu gucken, wo die sozialen Dimensionen sind oder wo die Umweltdimensionen sind. Das alles wird hier modelliert. In diesem Raum gibt es katastrophische Punkte, wo man nicht hingehen möchte. Es gibt Elemente, wo man überhaupt nicht hingehen kann, weil das die gesetzte Physik verletzen. Zum Beispiel die Energie, die es gibt auf der Erde. Aber es gibt hier Elemente auf diesem Raum, die sicher sind für uns Menschen oder halt sicherer sind. Das heißt auch hier Oxfam-Donut. In diesem integrierten Erzsystem die Aufgabe nun sich zu fragen, gibt es irgendwo hier einen sicheren Raum, wo wir arbeiten können? Wie groß ist dieser Raum? Wie widerstandsfähig ist dieser Raum in diesem großen Raum und gibt es überhaupt diesen Bereich, wo die Menschheit auf der Erde sicher ist? Man muss sehr große Datenmodellierungen vornehmen und so weiter und so fort. Das Ganze wird mehr komplex, weil es verschiedene Dimensionen gibt von so einer Analyse, die sehr wichtig sind. Einige, die ich nennen möchte, ist kurz, ist beispielsweise eine neue integrierte Erzsystemanalyse. Wir denken, dass die Dimensionen des Menschen, des menschlichen Agenten wichtig sind, den Einfluss des Menschen. Man kann das nämlich sehr schlecht modellieren, wie Menschen sich entzeiden, wie sie Informationen weiterverbreiten, was das für Auswirkungen hat auf die Erde. Das könnte zum Beispiel wichtig sein für die Klimawandelregulierung und was die Globalisierung eigentlich für den Einfluss hat. Das Ganze wollen wir explicit modellen und das ist hier, dann benutzen wir komplexe Netzwerksimulation, die uns diese Netzwerke repräsentieren in unserem Makroskop. Das Dritte ist, dass wir wirklich aufnehmen wollen die Evolution der Natur und der Gesellschaft in diesen Modellen. Wir wollen darüber hinausgehen, über nur Optimisierungen und Berechnungen, das, was eben Ökonom und Wirtschaftswissenschaftler oft machen. Es hat einen guten Grund, warum wir das so machen. Wir wollen ja auf den Widerstand gucken, den die Erde hat und gibt es überhaupt diesen sicheren Bereich und da können wir Optimization-Modus benutzen. Ein neuer Ansatz von Modellen wird also benötigt für diese Art von Modellen und diese Modelle existieren aktuell noch nicht. Unser bester Ansatz hierfür ist das Copan-Project, um so ein Modell zu kreieren. Beispielsweise sollten diese Modelle Sozialdynamiken repräsentieren, die Tipping-Interactions und dem Fragen zu beantworten, wie interagieren diese Elemente, die grünen und blauen Elemente hier, wie beeinflusst sich zum Beispiel das Melzen der Eisberge, Weitere Tipping-Elemente, das alles beantworten wir hier. Das könnte Elemente geben, die zum Beispiel Tipping-Elemente werden können. Zum Beispiel können Regulierungen für Klimawandel ein Tipping-Element werden. Das kann alles ein Tipping-Element werden. Das Ganze könnte auch miteinander kaskalieren und alles auslösen. Das ist also etwas, was wir tun müssen. Das zeigt uns jetzt hier die verschiedenen Typen, die dominierenden Typen von Modellen, Erdsystemmodelle und integrierte Modelle, die fokussieren sich auf den biodynamischen System und es gibt die Welt-Erd-Modelle, die integrierten Assessment-Models, diese neuen Artenmodelle, die wir uns vorstellen, sollen sich auf soziokulturelle Faktoren konzentrieren. Was ist soziokulturell? Wieso denken wir darüber nach? Es scheint so zu sein, dass es ein großer Aufwand ist, eine unglaubliche Aufgabe, und wir haben gesehen, dass, obwohl wir schon einen großen Weg gegangen sind, seit dem 1972er-Bericht, es gab schon einige Entwicklungen in diesen letzten 40 Jahren, oder mehr als 40 Jahren, 45 vielleicht, es gab einen sehr großen Vorsprung in der Rechenleistung, die wir nun haben für diese Modellierungen, und wir können diese Fortschritte benutzen. Einige weitere Fortschritte haben wir gemacht in der Theorie, wie wir komplexes System modellieren, zum Beispiel, wie wir Computermodellierungen machen, simulatieren machen, um diese makrodynamischen Prozesse aufzubilden. Zum Beispiel haben wir studiert, wie in den USA Raucher stigmatisiert werden, und so können wir auf einer qualitativen Ebene sagen, und auch projizieren, wie soziale Netzwerke für einen Einfluss haben auf das R-System und was die tun. Und das können wir hauptsächlich machen über agentenbasierte Modelle, wo wir dann simulieren die Dynamik von tausenden einfachen Agenten, und dann studieren wir die Makro, die großen Eigenschaften, was dann am Ende rauskommt, was die Leute für Meinungen haben, etc. Und natürlich, der dritte Punkt ist hier Big Data, wo die sozialen Dynamiken immer mehr verfügbar werden. Und wenn wir, das ist wichtig und für unsere Wissenschaft, weil dann bestimmte Probleme auftreten können. Und in den meisten Fällen haben wir diese Probleme nicht. Also die Daten sind nicht da, und das ist ein Problem von uns, weil die Daten zwar da sind, aber wir nicht darauf zugrafen können. Wir können keine Schlüssel daraus ziehen können. Und das ist eine interdisziplinäre Wissenschaft. Es geht darum, die Geistwissenschaften, die Sozialwissenschaften und die Naturwissenschaften zu verbinden. Und das ist natürlich sehr schwer, weil jeder in verschiedenen Sprachen spricht, aber diese Netzwerke verbessern sich, aber es ist langsam ausgetroffen. Und das ist jetzt nun ein bisschen konkreter zu dem, was wir machen. In dem Koban-Projekt entwickeln wir Software-Frameworks, was wir Core-Copan-Core nennen, weil das unsere Core, also unser Zentrums, unsere wichtigste ist. Und die Idee ist nun, ein Framework bereitzustellen, das sowohl zeigen kann, repräsentieren kann, die verschiedenen Sphären, von denen ich genähtet habe. Man hat zum Beispiel die Umwelt bzw. die Natur. Das nennen wir die biophysische Taxonomie. Wir haben dann die metabolische Ebene, wir haben die kulturelle Ebene. Und da gibt es verschiedene Entitäten in diesem Model. Und eine Sache, die ich hier sehr einfach verstehen kann, sind Zellen. An dieser Zellen sind einfach Blöcke auf der Erde. Da kann man gucken, was passiert. Man kann da agenten, was eine andere Art von Entitäten sind. Die können in diesen Zellen leben. Und dann gibt es eine andere Art von Entity, die wir hier Geld markiert haben. Das sind dann Sachen wie aggregierte Systeme, Teile der Gesellschaft, zum Beispiel eine Stadt oder ein Land. Und die beschreiben auf einem Makro-Ebene verschiedene Sachen, wie zum Beispiel die Produktion, wie reich man ist, was man erntet, etc. Und diese ganzen Elementen entitäten die Interagieren miteinander. Und da gibt es verschiedene Ansätze zum Modeling, zum Beispiel durch Adaptive Network Modeling, stochastische und statistische Modellierungen, etc. um das Ganze zu modellieren. Also gibt es das, das ist eine andere Art, wie man das darauf gucken kann. Eine Art UML Diagramm, das zeigt, wie die verschiedenen Entitäten in einem Modell repräsentiert werden durch Klassen und Objekten und wie die miteinander interagieren. Zum Beispiel können Individuen in einer Zelle leben, auf einer Zelle leben und ein soziales System. Und wie die Relation zwischen Individuen und Sozialsystem ist. Das ist ein bisschen zu Software-Design. Wir haben eine Referenzimplementierung in Pfeifen. Wir haben das Objekt orientiert. Wir haben einen großen Aufwand gesteckt, um das gut zu dokumentieren. Wir haben auch ein Test-Framework. Und wir haben auch Aufwand reingesteckt, um sicherzustellen, dass man das auf einem hochperformanten Rechenzentrum parallel simulieren kann. Weil wir natürlich, leider haben wir nicht so viele Ressourcen, um das Ganze, haben wir noch nicht so viele Ressourcen, aber es ist gemacht, dass Menschen und andere Leute das einfach Plug and Play benutzen können. Das ist modularisiert. Man kann dann hier User haben, die beispielsweise Komponent-Entwickler sind. Die können einzelne Teile entwickeln. Das ist alles komponentenbasiert. Man kann einzelne Komponenten entwickeln. Und es gibt zum Beispiel Framework-Entwickler, so wie wir, wo wir dann die anderen Teilbereiche verbessern. Wir veröffentlicht das auf GitHub. Den Link könnt ihr unten sehen. Den kann man... Wir sind leider noch nicht erlaubt, das hochzuladen. Hoffentlich wird das bald Open Source am Anfang nächsten Jahres sein. Wir haben es so designed, dass es sehr flexibel modular ist, so dass wir es mit anderen Models verbinden können. Zum Beispiel mit diesen Landbenutzungs- und Vegetationsmodellen. Wir haben das Open Source, Open Science Models gefolgt. Wir wollen vielen Leuten die Möglichkeit geben, da dran teilzunehmen. Das ist ein Beispiel, wie ein Typ in der Script aussehen kann. Das läuft. Das Model läuft. Das hier sind 30 Zahlen von Code. Das Ganze ist sehr modular und das zeigt nur, wie einfach das sein kann für einen Benutzer des Models. Das ist nun ein bisschen noch konkreter zu dem E-Zone-Konkreten. Das ist nur ein konkretes Beispiel-Model, dass wir hier zusammengewürfelt haben, um zu zeigen, dass alles funktioniert. Und hier sieht man da in den Weißen-Boxen, das sind Model-Komponenten des Models, die ein Entwickler bereitstellen müsste. Zum Beispiel, wie der Kohlenstoffzyklus auf der Erde ist. Beispielsweise wie der Kohlenstoff zwischen der Atmosphäre und den Ostean interagiert, wie der CO2 beispielsweise von Pflanzen in die Atmosphäre übergeht. Hier sind Entities drin, in Gelb. Beispielsweise die ganze Erde ist ein Entity. Und dann gibt es natürlich auch Zahlen. Entities sind beispielsweise repräsentiert hier in individuellen Sozialsystemen. Und dann gibt es auch noch jede Entity selbst. Es ist noch involviert in mehreren Prozesses, um mal ein Beispiel zu geben. Es gibt hier ein soziales Learning-Komponent, das heißt, wie Menschen sich imitieren. Man guckt sich an, was macht ein Freund, du willst das Gleiche machen. Und wenn das Sinn macht, dann übernimmst du diese Sachen, was eben dein Freund macht. Das ist Immutation. Und wenn man also sieht, dein Freund ist umweltfreundlich, dann wirst du vielleicht auch umweltfreundlich sein. Und dann haben wir es alles zusammen gestellt und dann wird es ein bisschen komplizierter wieder. Das schaut ein bisschen aus wie das Limit von einem Wachstumsmodell. Und man kann da halt später mal ins Paper gucken für die Details. Dann haben wir natürlich hier ein paar Ergebnisse. Das ist eigentlich nur für die Darstellung, dass man einen kurzen Überblick bekommt. Das sind keine Vorhersagen von irgendeiner Art. Das sind nicht mal Projektionen, sondern das sind nur Illustrationen, wie eine Illustration, wie groß der Bereich ist, der Möglichkeiten. Das ist also eine sehr legitime Sache, die Models tun müssen. Wir denken, dass Models für uns auch wichtig sind, um eben diesen Bereich von Möglichkeiten zu erforschen und zu verstehen, wie das R-System funktioniert. Man muss keine Vorhersagen treffen, um ein gutes Modell zu haben. Das ist beispielsweise, hier zeigen wir, die Tradition des R-Systems in den nächsten 100 oder 200 Jahren, ohne eine Vorhersage zu treffen. Zum Beispiel können wir sagen, dass die Umweltfreundlichkeit von Menschen fix bleibt und dass Fossiloprenzstoffe verboten werden. Das alles ist gefilgt, die verändern sich nicht. Das ganze stellen wir in die socio-kulturelle Dimension. Dann auf der socio-metabolischen Dimension kann man sehen, wie die Energiemix ist in den einzelnen Sozialsystemen in den einzelnen Ländern. Wir haben in dem Fall fünf Länder mit 100 Individuen. Als Beispiel hat man hier einen starken Anstieg von Biomassenergiegewinnung. Später starten dann die erneuerbaren Energien und die Fossiloprenzstoffe werden immer weniger. Das Ganze ist hier modelliert. Am Ende in der dritten Zeile hat man die Folge für das R-System. Die Menschen können jetzt auch lernen von ihren Mitmenschen besser umweltmäßig zu verhalten. Extra Steuern können implementiert werden über Abstimmungsprozesse. Dann sehen wir, dass alle diese Dinge relativ schnell angeschaltet werden. Man sieht, dass das zu einem sehr schnellen Abfall von der fossilen Energiequellen einsetzt. Wir kriegen also ein komplett anderes dynamisches Verhalten, was man natürlich auch erwarten würde, weil wir das Modell verändert haben. Aber darum geht es bei diesem Modell, wenn man vernünftige Annahme macht. Was ist der Zustand unseres Projektes? Cobankor ist schon unter Verwendung. Wir haben ein Paper heute veröffentlicht. Die Open-Source-Veröffentlichung ist im Frühjahr 2018 geplant. Ich möchte zwei Ausblicke geben für Forschungsfragen, die ich sehr wichtig finde in dem Kontext dieser Konferenz. Eines ist vor allem die Revalität, die Trade-offs und Synergien, die nötig sind zwischen der sozial-ökonomischen Transformation und der schnellen Digitalisierung, die wir haben. Das Ganze passiert ja. Das andere, wo ich gucken will, ist, wovon wir denken, dass sie notwendig ist, die wie gesagt sozial-ökologischen Bestandheit. Beispielsweise sehen wir, dass das Internet sehr viel Energie verbraucht, zum Beispiel Blockchain, Bitcoin Mining verbraucht sehr viel Energie. Das wird oft erwähnt, weil Bitcoin Mining so viel Energie verbraucht wie ein kleines Land. Das wächst exponentiell an. Was ein bisschen subtiler ist, ist zum Beispiel der Einfluss von digitaler Kommunikation und Social Networks auf die öffentliche Meinung und auf Demokratien und Regierungen, die relevant sind für einen guten Klimawandel. Ich denke hier an das Klima Fake News, dass das nicht echt sei, etc. Das ist also wirklich sehr wichtig, dass man das weiter erforschen müsste. Das Letztes möchte ich noch nennen, dass Menschen schon sehr Angst davor haben und sich fragen könnte, in Zukunft eine künstliche Intelligenz entstehen. Das alles spielt ein Faktor. Als zweiten Ausblick möchte ich eher philosophischer werden. Es gibt eine interessante Debatte über die sogenannte Technosphäre. Da sehen wir auf den Komplex des globalen technologischen Netzwerks und wie sich das mit der menschlichen Gesellschaft verbindet und was das für ein Einfluss hat. Beispielsweise hat Peter Haff darüber ein Paper veröffentlicht und wir haben einen kleinen Beitrag zu dieser Debatte geleistet. Diese Art von Modeling könnte auch ein Licht darauf werfen, die menschliche Gesellschaften interagieren, hinsichtlich der Makrovebene und was das alles heißt für die Akzeptanz in der Zukunft. Das zeigt auch tief ethische Fragen auf. Was ist eine Gesellschaft? Wie hängen wir alle voneinander ab, um einfache grundlegende humanistische Werte zu fragen? Was machen wir mit diesem Konzept, wenn es ein wahr ist, dass zum Beispiel Menschen keine Agenden mehr sind, wie Peter Haff hier meint in seinem Paper. Was er nun mitnehmen sollte, ist Folgendes. Wir haben Computersimulationmodelle für das R-System und mit Big-Data-Analytiken können wir, denken wir, halten wir, dass das wichtig ist als Werkzeug, um zu verstehen, wie eine Zukunft die Erde sich verändern könnte. Eine wichtige Aufgabe für dieses Jahrhundert ist es, eben zu verstehen, wie die Digitalisierung mit der Umwelt zusammenhält. Wir haben zwei Fragen. Hallo. Sehr großartige Arbeit, ein Supertalk. Ich arbeite mehr mit Erzsystemen. Wir haben ein paar Fragen. Wir haben zwei Fragen. Wir haben zwei Fragen. Wir haben zwei Fragen. Wir haben zwei Fragen. Wir haben zwei Fragen. Wir tendieren dazu, unsere Modelle immer komplizierter zu machen. Und was wir dabei feststellen ist, je mehr komplizierter wir sie machen, desto weniger verstehen wir. Und wir sehen, dass du genau das Gleiche versuchst zu machen. Aber wir haben festgestellt, dass die ganzen Schwierigkeiten von den vielen Parametern kommen. Am gewissen Punkt musst du die Parameter einführen, die du nicht verstehst. Was für uns sehr schwierig war. Für dich muss es ja noch viel schwieriger sein. Wie versuchst du die Parameter zu estimieren? Richtig. Natürlich ist das immer die Aufgabe und das Problem, wenn man modelliert. Es sind einige Parameter, die typisch sind für die sozialen Dynamiken zu modellieren. Zum Beispiel, was ist die Rate von, wie Meinungen übernommen werden von anderen Leuten. Was ist da die Prozentsatz? Also, wir wissen einfach nicht, wie diese Rate ist. Wir denken, dass meistens die Leute das machen. Es können Parameter geben, von denen wir einfach nicht wissen, was sie tun. Wir können das beantworten, indem wir Simulationen machen über den Raum der Parameter, über den Teststationen. Und was wir machen im Kobanprojekt, ist, diese großen, agentenbasierten Systeme zu machen. Und wir machen auch konzeptuelle Modelle und machen sehr vorsichtige theoretische Arbeit, um zu verstehen, was die Modelle überhaupt machen in einem einfachen Weg. Also, das meiste, was wir jetzt gemacht haben, ist, zu überprüfen, die Modelle, die wir haben und zu gucken, ob die stimmen. Und das funktioniert auch einigermaßen, aber natürlich ist es immer ein Problem. Ich sehe, dass es eine Frage aus dem Internet gibt. Alle anderen, bitte nach dem Talk mit dem Speeder direkt reden, Internet. Es ist damit verbunden. Wie überzeugt ihr, dass eure Modelle überhaupt Sinn ergeben? Ich habe das versucht, während des Talks bereits anzusprechen. Ich denke, das eine ist, dass die sozialdynamischen Modelle besonders quantitativ schwer vorherzusagen sind. Und deswegen ist das das, was wir versucht haben, versuchen zu validieren, indem wir versuchen, vorherzusagen, was bereits in der Vergangenheit passiert ist. Zum Beispiel haben wir das Beispiel gebracht, das Raucherverhalten über soziale Netzwerke. Das hat ganz gut funktioniert. Und wenn wir dann verschiedene Eigenschaften von sozialen Netzwerken uns angucken und sagen, okay, mein Model kann zum Beispiel die Eigenvektor-Zentralität vorhersagen oder dass das Clustering sich vergrößert oder verdringert. Ich denke, das ist wirklich gut validiert in einem qualitativen Sinne. Aber auch, was ich noch mal sagen, betonen möchte, ist, dass wir nichts vorher sagen, sondern wir tun nur den Raum der Möglichkeiten erforschen. Big applause for Speaker Dr. Jonathan Donges. Thanks.