Chaosforschung

Ein dynamisches System ${\displaystyle (T,X,f)}$ heißt chaotisch, wenn eine ${\displaystyle f}$-invariante Menge ${\displaystyle Y\subseteq X}$ existiert, d. h. für jedes ${\displaystyle t\in T}$ und jedes ${\displaystyle y\in Y}$ ist ${\displaystyle f(t,y)\in Y}$, für die gilt:

1. ${\displaystyle f}$ besitzt sensitive Abhängigkeit von den Anfangsbedingungen auf ${\displaystyle Y}$.
2. ${\displaystyle f}$ ist topologisch transitiv auf ${\displaystyle Y}$:
   Zu allen offenen Mengen ${\displaystyle U,V\subseteq X}$ mit ${\displaystyle U\cap Y\neq \emptyset \neq V\cap Y}$ existiert ein ${\displaystyle t>0}$, sodass ${\displaystyle f(t,U)\cap V\neq \emptyset }$.[3]
3. Die periodischen Orbits von ${\displaystyle f}$ liegen dicht in ${\displaystyle Y}$.

Liegt chaotisches Verhalten vor, dann führen selbst geringste Änderungen der Anfangswerte nach einer endlichen Zeitspanne, die vom betrachteten System abhängt, zu einem völlig anderen Verhalten (sensitive Abhängigkeit von den Anfangsbedingungen). Es zeigt sich also ein nichtvorhersagbares Verhalten, das sich zeitlich scheinbar irregulär entwickelt. Dabei kann das Verhalten des Systems bei bestimmten Anfangswerten (bzw. in deren Nachbarschaft) völlig regulär sein, wenn es sich z. B. um einen periodischen Orbit handelt.

Jede auch noch so kleine Änderung der Anfangswerte kann jedoch nach hinreichend langer Zeit zu einem ganz anderen Verhalten führen, das auch vollkommen unregelmäßig erscheinen kann. Um das Systemverhalten für eine bestimmte zukünftige Zeit berechnen zu können, müssten die Anfangsbedingungen deshalb mit unendlich genauer Präzision bekannt sein und berechnet werden, was praktisch unmöglich ist. Obwohl auch solche Systeme deterministisch und damit prinzipiell bestimmbar sind, sind daher praktische Vorhersagen nur für mehr oder weniger kurze Zeitspannen möglich.[4]

Dieses Phänomen ist auch unter dem Schlagwort Schmetterlingseffekt in der Öffentlichkeit bekannt geworden, wonach selbst der schwache Flügelschlag eines sehr weit entfernten Schmetterlings auf lange Sicht zu einem anderen Ablauf des großräumigen Wettergeschehens führen kann.

Im Folgenden wird die Determiniertheit der Quantenmechanik (und ihre Grenzen durch die Heisenbergsche Unschärferelation) auf Grundlage der Kopenhagener Deutung erläutert. Für alle anderen Interpretationen der Quantenmechanik, beispielsweise die De-Broglie-Bohm-Theorie, ist der folgende Abschnitt nur begrenzt korrekt.

Während im Sinne der klassischen Physik die Vorhersagbarkeit realer komplexer Systeme an praktisch nie vollkommen exakten Messungen der Anfangsbedingungen scheitert, zeigt die Berücksichtigung der Erkenntnisse der Quantenphysik, dass deren Verhalten prinzipiell nicht determiniert ist. So besagt die Heisenbergsche Unschärferelation, dass Ort und Impuls eines Objektes nicht gleichzeitig beliebig genau bestimmbar sind; diese Einschränkung bezieht sich nicht auf Unzulänglichkeiten des Beobachtungsvorgangs (z. B. ungenaue Messung), sondern ist prinzipieller Natur. Diese Unschärfe ist bei makroskopischen Systemen gewöhnlich vernachlässigbar. Da ihre Auswirkungen bei chaotischen Systemen jedoch beliebig wachsen, nehmen sie früher oder später makroskopische Dimensionen an (vgl. Schmetterlingseffekt). Bei dem Gerät zur Ziehung der Lottozahlen mit Kugeln ist das bereits nach etwa 20 Stößen der Fall. Die Vorhersagbarkeit chaotischer Systeme scheitert daher spätestens an der Unschärferelation (weil sie verbietet, dass die Anfangsbedingungen beliebig genau gemessen werden können). Das bedeutet, dass reale Systeme – im Gegensatz zu den sie beschreibenden mathematischen Modellen – prinzipiell nicht im klassischen Sinn deterministisch sein können.

Chaotisches Verhalten kann nur in Systemen auftreten, deren Dynamik durch nichtlineare Gleichungen beschrieben wird. Solche Gleichungen sind meist nicht analytisch, d. h. nicht durch Angabe expliziter Größen, sondern nur numerisch lösbar. Ursache des exponentiellen Wachstums von Unterschieden in den Anfangsbedingungen sind dabei oft Mechanismen von Selbstverstärkung beispielsweise durch Rückkopplungen.

Ist durch Reibung hinreichend Dissipation im Spiel, so kann sich in der Regel kein chaotisches Verhalten ausbilden. So könnten beispielsweise bei Jahrmarktsfahrgeschäften, die konstruktionsbedingt zu chaotischem Verhalten neigen, ohne entsprechende Bremsmaßnahmen unerwartete und unzumutbare Beschleunigungsspitzen auftreten.

Dass dissipative Terme nicht ausschließlich stabilisierend wirken, zeigt sich am Beispiel einer Grenzschicht.

Mit der linearen Stabilitätstheorie lässt sich zeigen, dass erst der Einfluss der Reibung das Wachstum kleiner Störungen ermöglicht. Dieses exponentielle Anwachsen stellt die erste Phase des laminar-turbulenten Umschlags dar.

Eine Julia-Menge

Bisher wurde nur das Verhalten zeitlich kontinuierlicher physikalischer Systeme betrachtet. Chaos wird jedoch auch in Modellen studiert, bei denen jeder Zustand durch einen Iterationsschritt diskret in den Folgezustand übergeht, mathematisch: ${\displaystyle x_{n}\mapsto x_{n+1}=f(x_{n}).}$ Beispiele sind die logistische Gleichung oder die Iterationsvorschrift, die zu Julia-Mengen führt. Dabei können die gleichen Grundphänomene wie bei kontinuierlichen Systemen auftreten.

Im Prinzip lässt sich einem kontinuierlichen System durch die Betrachtung bestimmter aufeinanderfolgender Zustände stets ein diskretes System zuordnen. Ein Verfahren ist die sogenannte Poincaré-Abbildung, mit der Henri Poincaré Ende des 19. Jahrhunderts die Stabilität der Planetenbewegung studierte.

Ein typisches Phänomen bei chaotischen Prozessen sind sogenannte Seltsame Attraktoren. Für ihr Verständnis betrachtet man die Dynamik des Systems anhand von sogenannten Phasenraumdiagrammen.

Phasenraumdiagramme bieten einen anschaulichen Überblick über die Dynamik eines Systems. Der Zustand des Systems wird dabei zu jedem Zeitpunkt durch einen Punkt in einem Raum dargestellt, dessen Koordinatenachsen durch den Satz von unabhängigen Zustandsgrößen des Systems und deren Geschwindigkeiten gegeben sind. Die Dynamik lässt sich damit als die Bahn dieses Punktes im Phasenraum interpretieren. So wird beispielsweise der Phasenraum eines Pendels durch den Auslenkwinkel und die zugehörige Winkelgeschwindigkeit aufgespannt, und eine periodische Pendelbewegung entspricht einer geschlossenen Kurve um den Koordinatenursprung. Mathematisch lässt sich die Gesamtheit aller möglichen Verhaltensweisen als Strömungsfeld im Phasenraum interpretieren.

In manchen Fällen streben Systeme mit verschiedenen Anfangsbedingungen zu demselben Verhalten. Die zugehörigen Bahnen im Phasenraum konvergieren dann zu einer bestimmten Bahn, die als Attraktor bezeichnet wird. Bei einem freien Pendel mit Reibung wäre das der Ruhezustand, das heißt der Koordinatenursprung im Phasendiagramm, zu dem alle Bahnen spiralförmig hinstreben. In diesem Fall handelt es sich um einen punktförmigen Attraktor, einen Fixpunkt. Attraktoren können jedoch auch Kurven sein, wie beispielsweise der periodische Grenzzyklus, der sich bei einem Pendel mit Reibung einstellt, das durch eine äußere periodische Kraft zu Schwingungen angeregt wird. Dieses Verhalten ist typisch für dissipative Systeme. Mathematisch betrachtet können Attraktoren immer dann auftreten, wenn die Divergenz des Strömungsfeldes in Bereichen des Phasenraums negativ ist. Fixpunkte und Grenzzyklen mit positiver Divergenz heißen Repeller.

Lorenz-Attraktor in einem dreidimensionalen Phasenraum, dem ein einfaches Wettermodell zugrunde liegt. Der Bahnpunkt kreist links im Uhrzeigersinn und rechts entgegen. Bei jedem Umlauf verbreitert sich das Band der Bahnen auf das Doppelte und wird anschließend bei der Abwärtsbewegung in der Bildmitte in zwei Hälften zerschnitten, wobei die Entscheidung fällt, ob der nächste Umlauf links oder rechts stattfindet. Auf diesem Mechanismus beruht der chaotische Charakter der Bahnen.

Chaotische Systeme können nun eine besondere Form von Attraktoren haben, die als seltsame Attraktoren bezeichnet werden. Obwohl sie sich in einem begrenzten Gebiet des Phasenraumes aufhalten, sind sie zeitlich unendlich lang und nicht periodisch. Bezüglich kleiner Störungen zeigen sie chaotisches Verhalten. Es sind Fraktale mit einer komplizierten und scheinbar irregulären inneren geometrischen Struktur. Sie sind in eine Teilmenge des Phasenraums eingebettet, die eine niedrigere Dimensionalität besitzt als der Phasenraum selbst. Das bedeutet, dass in der Dynamik trotz des chaotischen Charakters nur ein infinitesimaler und damit verschwindender Bruchteil aller möglichen Zustände vorkommt. Der Attraktor selbst hat, wie bei Fraktalen üblich, eine fraktale Dimension, die durch eine gebrochene Zahl dargestellt wird und die damit noch kleiner als die Dimension des Einbettungsbereiches ist.

Das bekannteste Beispiel für einen seltsamen Attraktor ist der Lorenz-Attraktor, den Lorenz bei der Modellierung des Wettergeschehens entdeckte. Ein weiteres Beispiel ist der Rössler-Attraktor, auf den Otto E. Rössler durch die Betrachtung einer Bonbonknetmaschine stieß.

Nach dem Poincaré-Bendixson-Theorem können seltsame Attraktoren erst in Phasenräumen ab drei Dimensionen auftreten. Ursache ist der Umstand, dass Bahnen im Phasenraum, wie bei einem Strömungsfeld üblich, sich nicht kreuzen, was aber für ein chaotisches Verhalten in zwei Dimensionen erforderlich wäre. Seltsame Attraktoren können nur dann auftreten, wenn mindestens ein Ljapunow-Exponent negativ und mindestens einer positiv ist. Der negative sorgt in gewissem Sinne für Konvergenz bezüglich einer Dimension und damit für die Reduktion der Dimensionalität, der positive für das chaotische Verhalten.

Schnittflächen durch den Phasenraum, die senkrecht von Bahnen durchstoßen werden, werden als Poincaré-Abbildung bezeichnet. Im Fall von seltsamen Attraktoren bilden die Durchstoßpunkte Cantor-Mengen.

Auch bei diskreten chaotischen Systemen werden seltsame Attraktoren beobachtet wie beispielsweise der Hénon-Attraktor. Analog zu attraktiven Strukturen können auch repulsive Strukturen auftreten, die ebenfalls fraktal sind, wie beispielsweise die Julia-Mengen.

Systeme können sehr empfindlich auf Störungen reagieren und dadurch schnell ins Chaos übergehen. Erst das KAM-Theorem hat gezeigt, dass regelmäßige Einflüsse an sensiblen Stellen im Phasenraum nicht zwingend chaotisches Verhalten hervorrufen müssen. Sensibel sind z. B. rationale (ganzzahlige) Verhältnisse zwischen einer ungestörten Schwingung (z. B. eines Doppelpendels) zu einer periodischen Anregung. Diese rufen nämlich Resonanzen hervor (ähnlich wie bei Bahnresonanzen), weshalb für das Theorem nur irrationale Verhältnisse betrachtet werden.

Aus mathematischer Sicht, gerade bei normalerweise vorherrschenden Messungenauigkeiten, kann man jede irrationale Zahl durch Brüche approximieren (Kettenbruchentwicklung). Daher scheint die Überlegung praktisch sinnlos zu sein. Man muss aber bedenken, dass sich ein System umso schneller durch Resonanzen aufschaukeln wird, je näher das Frequenzverhältnis an einem rationalen Wert liegt. Das heißt, die erwarteten Werte weichen noch schneller von den gemessenen ab, als es sonst der Fall wäre.

Besonders stabil gegenüber Störungen (zeitlich gesehen) sind daher irrationale Verhältnisse, die sich nur schlecht durch Brüche annähern lassen. Allgemein spricht man in diesem Zusammenhang von edlen Zahlen, wobei ein Verhältnis namens Goldener Schnitt die Zahl ist, die sich am schlechtesten mittels Kettenbruchentwicklung annähern lässt und somit am stabilsten gegen chaotische Einflüsse ist.

Nichtlineare dynamische Systeme können neben Chaos auch andere Verhaltensweisen zeigen, wie beispielsweise Konvergenz gegen einen Ruhezustand oder gegen einen periodischen Grenzzyklus. Welches Verhalten auftritt, kann von den Anfangsbedingungen oder auch von anderen Kontrollparametern abhängen. Eine grafische Darstellung der entsprechenden Einzugsgebiete für bestimmte Verhaltensweisen als Funktion dieser Parameter ist oft fraktal. Der Übergangsbereich zu chaotischem Verhalten zeichnet sich dabei durch bestimmte Eigenschaften aus, wie beispielsweise plötzliche qualitative Änderungen des Verhaltens, die auch als Bifurkation bezeichnet werden.

Bifurkationsdiagramm der Zahlenfolge zur logistischen Gleichung. Dargestellt sind die Häufungspunkte x der Folge als Funktion des Kontrollparameters r. Links konvergiert die Folge, rechts ist sie chaotisch, dazwischen periodisch. An den Verzweigungsstellen im Übergangsbereich findet jeweils eine Periodenverdopplung statt.

Beim Übergang von periodischem Verhalten zum Chaos kann ein Phänomen auftreten, das als Periodenverdopplung oder Feigenbaum-Szenario bezeichnet wird. Dabei nimmt zum chaotischen Bereich hin die Oszillationsperiode stufenweise um den Faktor zwei zu (${\displaystyle \Delta r_{n}\propto 2^{n},}$ in nebenstehender Zeichnung). Die zugehörigen Parameterintervalle ${\displaystyle \Delta x_{n}}$ werden mit zunehmender Periode immer kürzer (${\displaystyle \Delta x_{n}\propto 1/2^{\delta _{n}}}$): Das Verhältnis der Längen aufeinander folgender Parameterintervalle ergibt im Limes ${\displaystyle n\to \infty }$ die Feigenbaum-Konstante ${\displaystyle \delta \approx 4{,}669,}$ eine irrationale Zahl. Dabei ist der chaotische Bereich auf fraktale Weise immer wieder von Intervallen mit periodischem Verhalten durchbrochen, die jeweils wiederum über Periodenverdopplung in das benachbarte Chaos übergehen. Dieses Verhalten und das zugehörige Zahlenverhältnis hängen nicht von den Details des mathematischen oder physikalischen nichtlinearen Systems ab. Sie sind eine Gemeinsamkeit vieler chaotischer Systeme.

Neben der Periodenverdopplung werden auch andere Formen des Übergangs ins Chaos beobachtet, wie beispielsweise die sogenannte Intermittenz. Dabei wechseln sich bei einem Parameterwert im Übergangsbereich quasiperiodisches und chaotisches Verhalten ständig ab, wobei zu chaotischen Parameterwerten hin der chaotische Anteil ständig zunimmt.

Den meisten Vorgängen in der Natur liegen nichtlineare Prozesse zugrunde. Entsprechend vielfältig sind die Systeme, die chaotisches Verhalten zeigen können. Hier einige wichtige oder bekannte Beispiele:

• Das Wetter. Zurzeit ist die Zuverlässigkeit der Wettervorhersage durch die grobe Kenntnis des Ausgangszustandes begrenzt. Aber auch bei vollständiger Information würde eine langfristige Wettervorhersage letztlich am chaotischen Charakter des meteorologischen Geschehens scheitern. Die Stabilität des Wetters kann stark schwanken. So sind bei bestimmten Wetterlagen Vorhersagen für eine Woche durchaus möglich, bei anderen dagegen kaum für 24 Stunden.
• Das Doppelpendel. Da es sich aufgrund von nur zwei unabhängigen Freiheitsgraden leicht modellieren und auch leicht herstellen lässt, ist es ein beliebtes Demonstrationsobjekt für überraschende Wechsel im chaotischen Bewegungsablauf. In Computersimulationen und bei den Versuchen lassen sich bestimmte Klassen von Systemverhalten identifizieren, wie die maximal mögliche Anzahl von Überschlägen in Abhängigkeit von der anfänglichen Energie und der Reibung. Bei der schwingenden atwoodschen Maschine liegen ebenfalls zwei Freiheitsgrade vor, aber nur ein Körper schwingt wie ein Pendel.
• Das magnetische Pendel, bei dem eine an einem Faden aufgehängte Eisenkugel über mehreren Magneten pendelt.
• Systeme mit stoßenden Kugeln. Wichtig ist, dass die Kugeln entweder kollidieren oder an gekrümmten Hindernissen reflektiert werden, damit Störungen exponentiell anwachsen. Beispiele sind das Gerät zur Ziehung der Lottozahlen, der Flipperautomat und Billard.
• Das Dreikörperproblem und damit auch unser Sonnensystem oder Sternsysteme aus drei oder mehr Sternen wie Sternhaufen.
• In der Medizin sind die Entstehung tödlicher Embolien bei Arterienverkalkung, der Ausfall bestimmter Hirnfunktionen beim Schlaganfall oder die Entstehung bösartiger Tumoren nach Mutationen von Suppressor-Genen typische Beispiele für chaotisches Verhalten.
• Der Herzrhythmus wurde zeitweise als chaotisches Signal angesehen. Je nach Gesundheitszustand lässt sich der Herzrhythmus über chaostheoretische Kriterien klassifizieren. Die dabei berechneten Parameter stellen jedoch lediglich empirische Größen dar. Anwendungsgebiete sind die Vorhersage des plötzlichen Herztodes oder allgemein gesprochen die Diagnose von Erkrankungen, die durch das vegetative Nervensystem vermittelt werden. Hierbei wird angenommen, dass das System umso stabiler ist, je chaotischer das Verhalten ist. Die Betrachtung des Herz-Kreislauf-Systems als „chaotisch“ ist jedoch in verschiedener Hinsicht problematisch.
• Turbulenz wie beim Bénard-Experiment zur Konvektion.
• Die Belousov-Zhabotinsky-Reaktion, eine chemische Reaktion.
• Die Populationsdynamik in Räuber-Beute-Modellen.
• Die Bäcker-Transformation, ein diskretes System, das den Ort einer Rosine im Kuchenteig beim abwechselnden Auswalzen und Falten des Teigs betrachtet.

Neuere Forschungen schreiben auch der Evolution eine bedeutend höhere Relevanz chaotischer Faktoren zu, was Auswirkungen auf herkömmliche, zumeist lokal stabilisierende, Ansätze im Naturschutz haben könnte.[5][6]

Neben diesen naturwissenschaftlichen Beispielen wird die Chaosforschung auch in verschiedenen Geistes- und Sozialwissenschaften genutzt, um chaotisches Verhalten zu beschreiben und zu erklären. Hier einige Beispiele:

• Börsenkurse und Konjunkturentwicklung. Bereits Mandelbrot hatte darauf hingewiesen, dass zahlreiche Verlaufskurven von Wirtschaftsdaten nichtlineare Eigenschaften haben und sich mit Hilfe von Fraktalen und Intermittenzen beschreiben lassen.[7][8]
• In der Geschichtswissenschaft wird die Chaosforschung vor allem zur Beschreibung und Erklärung von Krisen und Übergangszuständen genutzt.[9][10]
• In der Kommunikationswissenschaft wird die Chaosforschung im Bereich der Nachrichtenforschung verwendet, um die Auswahl und Gestaltung von Nachrichten besser zu erklären.[11]
• In der Psychologie dient die Chaosforschung als Ansatz, um beispielsweise sprachpsychologische Befunde zum Stottern[12] oder die Ursachen für kriminelle Affekttaten (wie Amokläufe)[13] zu erklären.