Die zentrale Frage
Hamming eröffnete Kapitel 19 mit einem direkten Zitat der 1975 Summer Computer Simulation Conference:
> Da wichtige Entscheidungen auf Simulationen angewiesen sind, ist es essentiell, dass ihre Gültigkeit getestet wird, und dass ihre Verfechter den Grad der authentischen Darstellung beschreiben können, den sie erreicht haben.
Seine Formulierung derselben Frage, schärfer:
> Warum sollte jemand glauben, dass die Simulation relevant ist?
Beginnen Sie nicht mit einer Simulation, bis Sie diese Frage gründlich durchdacht haben. Oft gibt es praktischen Druck, sofort mit dem Rechnen zu beginnen — Zeit, Geld, organisatorischer Schwung. Dieser Druck ändert die Frage nicht.
Hammings Erfahrung: Wenn er Gültigkeitsfragen zu Simulationen stellte, führten die Antworten unweigerlich an:
- Wie viel Manpower in der Arbeit investiert wurde
- Wie groß und schnell der Computer war
- Wie wichtig das Problem war
Keine dieser Antworten behandelt die Gültigkeit. Sie sind soziale Argumente, keine technischen.
Die Raumfahrtgeschichte: Ein Simulationsdirektor behauptete 99,44 % Zuverlässigkeit für Starts. Hamming hakte nach: Zuverlässigkeit wovon? Nach dem Festnageln gab der Direktor zu, dass seine Zahl die Zuverlässigkeit der Simulation war, nicht des tatsächlichen Flugs. Er gab weiter zu, dass der NASA-Direktor, der die Starts genehmigte, den Unterschied nicht verstand — und er hatte dieses Missverständnis nicht korrigiert.
Die Vermengung von Simulationszuverlässigkeit mit Systemzuverlässigkeit ist einer der gefährlichsten Fehler in der Ingenieurpraxis.
Was Validierung tatsächlich erfordert
Hamming stellte eine Checkliste zur Bewertung der Simulationszuverlässigkeit zusammen. Jede Frage muss beantwortet werden, bevor die Simulationsausgabe Entscheidungsgewicht erhält:
1. Unterstützt die Hintergrundtheorie die angenommenen Gesetze? Physiksimulatoren basieren auf verifizierten Gleichungen; Wirtschaftssimulatoren oft nicht.
2. Könnte ein kleiner, aber vitaler Effekt fehlen? Das Pilotentrainer-Beispiel: hervorragend für bekannte Physik; gefährlich, wenn ein neues Flugzeug Wechselwirkungen hat, die noch nicht berücksichtigt wurden.
3. Sind die Eingangsdaten zuverlässig? Unsicherheit in den Eingaben breitet sich durch die Berechnung aus. Wissen Sie, woher die Daten stammen.
4. Ist die Simulation stabil oder instabil? Instabile Richtungsfelder verstärken Eingabefehler; stabile dämpfen sie.
5. Welche Kreuzprüfungen gegen bekannte Vergangenheitserfahrungen sind verfügbar?
6. Können interne Checks produziert werden? Erhaltung von Masse, Energie, Drehimpuls oder anderen Invarianten. Ohne Redundanz ist keine Fehlererkennung möglich.
7. Gelangen die Zeichen auf dem Papier genau in die Maschine? Programmierfehler bleiben jahrelang im Produktionscode bestehen. Ein automatisiertes Kartenlesegerät, das Reaktionsbeschreibungen in Differentialgleichungen übersetzte — Hammings Lösung für die Atmosphärenchemie-Simulation — reduziert Transkriptionsfehler, ohne sich auf menschliche Wachsamkeit zu verlassen.
Hammings Wirtschaftsgesetz
Physiksimulatoren basieren auf verifizierten, mathematisch ausgedrückten Gesetzen. Chemiesimulatoren erfordern verifizierte Ratenkonstanten. Biologiesimulatoren erfordern bekannte Populationsdynamiken.
Die Wirtschaft hat nach Hammings Ansicht ein zuverlässiges Gesetz: Du kannst nicht konsumieren, was nicht produziert wird. Jedes andere behauptete Wirtschaftsgesetz ist entweder eine mathematische Tautologie oder manchmal falsch.
Die Implikation für die Simulation: Wenn die Hintergrundgesetze nicht zuverlässig gelten, ist die gesamte Grundlage der Simulation verdächtig. Hohe Präzision in der Berechnung kompensiert nicht für unzuverlässige Gesetze im Modell.
Hammings Antwort, wenn er gebeten wurde, ökologische Simulationen durchzuführen: Er fragte nach mathematisch ausgedrückten Regeln für jede Wechselwirkung, mit numerischen Konstanten, und nach echten Daten, um Testläufe dagegen zu vergleichen. Die Anfragenden fanden bald jemanden, der bereit war, 'sehr fragwürdige Simulationen auszuführen, die die Ergebnisse liefern würden, die sie wollten'.
Hammings Regel: Behalte deine Integrität. Lass dich nicht für anderer Leute Propaganda nutzen. Lehne Simulationen ab, die strukturell so gestaltet sind, dass sie eine Schlussfolgerung bestätigen.
Simpsons Paradoxon in Simulationsdaten
Hammings Berkeley-Geschichte: Mehr Männer als Frauen wurden zur Graduiertenschule zugelassen, was auf Diskriminierung hindeutet. Keine einzelne Abteilung zeigte Diskriminierung. Die Erklärung: Frauen bewarben sich überproportional für Abteilungen mit niedrigen Akzeptanzquoten; Männer bewarben sich überproportional für Abteilungen mit hohen Akzeptanzquoten. Die Gesamtstatistik war real und irreführend.
Das ist Simpsons Paradoxon: Das Kombinieren von Daten kann offensichtliche Effekte erzeugen, die in keiner Untergruppe vorhanden sind. Simulationsausgaben, die über Gruppen, Regionen oder Zeiträume aggregieren, können die gleiche Pathologie aufweisen.
Simulationen, die ändern, was sie modellieren
Eine besondere Klasse von Simulationsfehlern: Das Subjekt ändert sein Verhalten in Reaktion auf das Modell.
Aktienmarktbeispiel: Wenn eine allgemein bekannte Handelsstrategie zuverlässig Renditen über dem Markt erzeugt, werden Teilnehmer sie übernehmen, und der Wettbewerb wird die Überrendite eliminieren. Der Erfolg des Modells zerstört die Gültigkeit des Modells.
Medizinisches Beispiel: Das Double-Blind-Experiment existiert, weil Ärzte, die wussten, welche Patienten Behandlung erhielten und welche Placebo erhielten, Verbesserung dort fanden, wo sie es erwarteten. Das Wissen der Ärzte verseuchte die Beobachtung.
Simulation für Entscheidungen mit hohem Einsatz — Wirtschaftspolitik, Militärplanung, öffentliche Gesundheit — steht diesem Problem gegenüber, wann immer die Simulationsausgaben öffentlich gemacht oder das Verhalten leiten.
Abtastung & Genauigkeit
Das Nyquist-Theorem legt eine fundamentale Einschränkung für die digitale Simulation kontinuierlicher Systeme fest: Sie benötigen mindestens zwei Abtastungen pro Periode der höchsten im Signal vorhandenen Frequenz.
In der Praxis, bemerkte Hamming, drücken einseitige Abtastung und Aliasing die Anforderung auf sieben bis zehn Abtastungen pro Periode der höchsten interessierenden Frequenz.
Genauigkeitskompromiss: Analog-Computer (in Hammings Ära) erreichten höchstens eine Genauigkeit von eins zu 10.000 pro Komponente. Digitale Computer können beliebige Präzision tragen. Aber digitale Genauigkeit erfordert angemessene Abtastung — und für Signale mit scharfem Hochfrequenzinhalt treibt diese Abtastrate die Berechnungskosten.
Analog-Vorteil: Geschwindigkeit und physikalische Integration. Sie können eine physikalische Komponente direkt in den Analogkreis einbinden und ihr Verhalten messen, ohne eine mathematische Beschreibung zu finden. Für die frühen gelenkten Raketendesigns ermöglichte dies ein schnelles Verständnis des Systems, bevor ein vollständiges mathematisches Modell vorhanden war.
Die Analog-Maschinen, die für frühe Raketenarbeiten verwendet wurden, stammten von M9-Geschützleiter-Teilen ab. Hamming baute einen Differentialanalysator aus solchen Geräten. Lösungszeit: etwa 30 Minuten pro Flugbahn. Dieses Tempo erzwang tiefes Nachdenken zwischen den Läufen — eine Einschränkung, die Hamming als strukturellen Vorteil betrachtete.
Verhalten vs. Genauigkeit: Das Mars-Lander-Problem
Hamming stellte eine scharfsinnige Designfrage: Für einen Mars-Lander-Flugsimulator, sollte der Simulator für Positionsgenauigkeit oder für das Verhalten des Fahrzeugs optimieren?
Klassische numerische Analyse optimiert die Positionstrajektorie unter Verwendung lokaler Polynomnäherungen. Der Weg ist genau, aber die Beschleunigung ändert sich diskontinuierlich bei jedem Polynomintervall — ein unnatürliches 'Verhalten'.
Frequenzbereichsmethoden optimieren die Frequenzantwort des Simulators. Die Position kann weniger genau sein, aber der Pilot nimmt die dynamische Reaktion des Fahrzeugs korrekt wahr. Das Muskelgedächtnis des Piloten bildet sich auf der richtigen Übertragungsfunktion.
Hammings Urteil: Ein Pilotentrainer sollte für Verhalten optimieren. Während des tatsächlichen Flugs kann der Pilot Positionsfehler durch Rückkopplungssteuerung kompensieren. Wenn das Verhalten falsch ist, wurde der Pilot für ein Fahrzeug trainiert, das nicht existiert.
Das tiefere Prinzip: Die Wahl der numerischen Methode kodiert eine Behauptung darüber, was in der Simulation wichtig ist. Diese Behauptung ist ein Domänengericht, kein mathematisches.