Selbstorganisierende Systeme

By | 28. Januar 2017

Selbstorganisation

Der Begriff der Selbstorganisation wurde erstmals in den 50er-Jahren geprägt, als Forscher erkannten, dass bestimmte geschlossene Systeme nach einer gewissen Zeit stabile Formen des Verhaltens entwickeln. Dies führte zu der Erkenntnis, dass das Verhalten von Systemen nicht zwingend dem Gesetzt von Ursache und Wirkung unterworfen ist, sondern insbesondere komplexe Systeme dazu neigen, neue Strukturen zu bilden.

Das Konzept der Selbstorganisation findet man vorzugsweise in der Natur beispielsweise in der Biologie wo man Selbstorganisation bei der Helix-Bildung der DNA beobachten kann. Selbstorganisationsprozesse sorgen z.B. in der Chemie dafür, dass zwei Moleküle oder Atome eines Stoffes sich in einer ganz bestimmten Art aneinander ketten. Vergleichbar ist das mit den Kräften, die Eispartikel dazu bringen, wunderschöne Eisblumen zu formen. Aber auch in der Thermodynamik oder in der Welt der Quantenmechanik finden sich viele Prozesse die selbstorganisierdende Eigenschaften aufweisen. Am deutlichsten wird Selbstorganisation aber in biologischen Systemen erkennbar. Beispielsweise beim beobachten von Tier-Schwärmen. Das hochkomplexe Verhalten von Fischen, Ameisen, Bienen aber auch von Vogelschwärmen im Flug fasziniert jeden Beobachter. Interessant ist dabei, dass sich das Verhalten erstaunlicherweise mit nur 3 einfachen Regeln beschreiben lässt:

  • Entferne dich nicht zu weit von deinem Nachbarn, komme ihm aber auch nicht zu nahe
  • Passe deine Geschwindigkeit der deiner Nachbarn an
  • Orientiere dich immer Richtung der vermeintlichen Mitte des Schwarms

Hierbei werden nur 3 Regeln als Rahmenbedingungen vorgegeben, und die Vögel handeln als eigenständige Einheiten autonom, können völlig selbstständig entscheiden, umfliegen so Gebäude, trennen sich vor plötzlich auftretenden Bergen oder Gebäuden, und finden sich anschliessend wieder automatisch zusammen.

Schwarm-Systeme zeichnen sich vor allem durch eine hochgradige Vernetzung ihrer autonom agierenden Untereinheiten und dem Fehlen einer zentralen Steuerung aus. Schwarm-Systeme zeichnen sich durch eine hohe Anpassungsfähigkeit an vorher nicht bekannte Ereignisse aus. Schwarm-Systeme sind lernfähig durch Verlagerung der Anpassungsvorgänge auf andere Teile des Systems und robust gegenüber Störungen, da sie redundante Strukturen enthalten.

Definition des Begriffs Selbstorganisation

Selbstorganisation ist das spontane Auftreten neuer, stabiler, effizient erscheinender Strukturen und Verhaltensweisen wie beispielsweise die Musterbildung in offenen Systemen. Die so entstehenden Systeme haben zusätzlich zu ihren komplexen Strukturen auch neue Eigenschaften und Fähigkeiten, die die einzelnen Elemente nicht haben.

Ein selbstorganisiertes System verändert seine grundlegende Struktur abhängig von seinem Entwicklungsprozess und seiner Umwelt. Die interagierenden Teilnehmer (Elemente, Systemkomponenten) handeln nach einfachen Regeln und erschaffen dabei aus Unordnung neue Ordnungen, ohne eine Vision von der gesamten Entwicklung haben zu müssen.

Eigenschaften selbstorganisierender Systeme

Selbstorganisierende Systeme weisen beeindruckende Eigenschaften auf. Sie treten meist mit einer oder mehreren der folgenden Eigenschaften in Erscheinung:

  • Komplexität: Lebende Netze bestehen aus vielen Komponenten, die untereinander agieren und reagieren. Auf Impulse von aussen antworten, aufgrund der Verflechtung nicht einzelne Knoten, sondern ein ganzes Ensemble. Dadurch lässt sich das Verhalten eines Netzes schwer voraussehen und kontrollieren.
  •  Emergenz: Das Ganze ist mehr als die Summe seiner Teile. Die strukturelle Kopplung zweier oder mehrerer Teile mit ihren eigenständigen Logiken ermöglicht neue Eigenschaften.
  • Nicht-Kausalität: Das von Newton eingeführte „kausale“ Weltbild von „Kraft und Gegenkraft“, Kraft als einzige „Ursache“  kann bei rekursiven Prozessen in der Kybernetik nicht mehr aufrechterhalten werden. Was wir als Ursache bezeichnen, ist gleichzeitig eine Wirkung, welche wieder auf eine Ursache einwirkt. Aus diesem Grund zeigen komplexe Systeme nichtlineares Verhalten, was bedeutet, dass Ursachen und Wirkungen in einem nicht proportionalen Verhältnis zueinander stehen.
  •  Lernfähig: Durch die strukturelle Kopplung lernfähiger Individuen sind zusammengesetzte Systeme in der Lage, ihre Stabilität zu bewahren, was eine wichtige Voraussetzung für die Erhaltung lebensnotwendiger Prozesse ist.
  • Strukturbildung: Komplexe, nichtlineare Systeme reorganisieren oder restrukturieren sich aktiv aus eigener Kraft, um Stabilität zu gewinnen, bzw. Energie zu sparen. Die interagierenden Elemente des Systems erschaffen, obwohl sie nach einfachen Regeln handeln, aus Chaos aktiv eine Ordnung, ohne selber eine Vorstellung des Systems insgesamt haben zu müssen. Voraussetzung hierzu sind autonom, aktiv, erkennende und handelnde Einheiten.
  • Robustheit: Alle Funktionen in einem System verteilen sich auf eine Vielzahl von Komponenten. Wichtige Funktionen sind mehrfach vorhanden, also redundant. Versagt ein Teilsystem, so übernehmen andere dessen Funktion, oder treten an dessen Stelle.
  • Koexistenz von Parallelstrukturen: Beim Übergang von einer Struktur in eine andere ist oft die
    Koexistenz paralleler Strukturen als Richtungsweiser notwendig, da ansonsten bestimmte, notwendige Umstrukturierungen, der evolutionäre Übergang in eine neue Struktur nicht erfolgen kann. Irreversibilität: Ist ein System von einer Struktur in die andere übergegangen, so kann prinzipiell keine Rückkehr in die alten Strukturen mehr erfolgen.
  • Symbiosen: Bündnisse also eine starke, struktuelle Kopplung, meist durch räumliche Nähe, sind eine strukurelle Form, bei der die Partner gemeinsam gewinnen und verlieren, gleichzeitig voneinander Verhaltensweisen, methodisches Wissen über prozessuale Abläufe lernen.
  • Diversität: Selbstorganisierende Systeme  und vereinen die verschiedensten Spezies, Charaktere,Funktionen unter einem Dach, ohne dass zwingender Bedarf besteht, Unterschiede in Verhaltensweisen oder Bauart nivellieren zu müssen. Ein komplexes System überlebt letztendlich nicht durch Optimierung, sondern durch Vielfalt.
  • Ähnlichkeitsprinzip: Strukturen verändern sich nicht nach dem Zufallsprinzip, sondern sie zeigen immer wieder ähnliche Muster. Bewährte Muster (die energetisch günstiger sind), breiten sich in Windeseile aus, werden quasi zur Vorlage, zum Bauplan für neue Strukturen, aber auch zur Vorlage für Veränderungen von bestehenden Strukturen. Der Energieaufwand steigt von Restrukturierung zu Restrukturierung an, wobei gewöhnlicherweise danach Energien freigegeben werden.
  • Inhomogenität: Typischerweise ist in einem Netzwerk immer eine kleine Zahl von Knoten hochgradig gekoppelt. Der überwiegende Teil ist jedoch weniger stark gekoppelt. Diese inhomogene Struktur wirkt sich stabilisierend auf das Gesamtsystem aus, denn Ausfälle, Fehler treffen mit viel höherer Wahrscheinlichkeit schwach gekoppelte Knoten. Das System funktioniert weiter. Die schwach gekoppelte Knoten wirken auf die stark gekoppelten Strukturen als Indikatoren, dass erkannt werden kann, woher die Wirkung kommt, und zeigen somit auf, wohin sich die stärker gekoppelten Substrukturen entwickeln könnten.
  • Separation der Zeitskalen: Ein komplexes System passt sich an dauernde Änderungen seiner Umgebung an, entkoppelt sich quasi durch seine Reaktionszeit, also der verzögerten Anpassung, insbsondere bei wachsender Größe, und gewinnt hierdurch gleichzeitig selber an Stabilität, aber auch an Trägheit. Das Prinzip der Separation erlaubt z.B. die langsame Reaktion des Systems auf schnelle Änderungen der Umgebung.
  • Unvorhersagbarkeit: Dynamische, wechselwirkende Systeme sind nicht deterministisch und somit nicht vorhersagbar in ihrem Verhalten.
  • Bewustsein: Ein System hat keine Kenntnis über seine eigenen, emergenten Eigenschaften. Kenntnis hierüber erlangt es ausschließlich durch externe Beobachter, meist zugehörig zu anderen Systemen. Die Komponenten des Systems benötigen aber aufgrund der Autonomie Eigenschaft ein Bewusstsein über ihre elementaren Fähigkeiten und Grundbedürfnisse.
  • Ordnung: Jede tatsächliche Ordnung in einem einmal erkannten System in der gedanklichen
    Vorstellung ist prinzipiell irgendwann hinfällig. In der Wirklichkeit ändern sich Ordnungen
    ständig, die Menschen reorganisieren sich kontinuierlich (Freunde/Partnerschaften wechseln), bisher vermeintlich für stabil gehaltene Ordnungen werden aus der Sicht des Betrachters, der stets ja nur mit seinem erlernten Modell vergleichen kann, irrtümlicherweise als „instabil“ interpretiert.
  • Stabilität: zeigt sich nicht mehr primär in der Festigkeit von Strukturen, sondern aus kybernetischer Sichtweise ist es ein dynamisches Fließgleichgewicht, kleinerer, teilautonomer und bedarfsweise vernetzter Organisationseinheiten, ähnlich einem Organismus, z.B. einem Baum, welcher sich durch Strukturänderungender Windlast beim Wachsen ständig anpasst.

Die zehn Gesetze der Netze

In seinem lesenswerten Buch “Web of Live” hat sich der Autor Michael Gleich mit dem Thema der Kunst vernetzt zu leben beschäftigt. Seine These besagt, dass alles mit allem vernetzt ist und die so entstehenden Netzwerke eine eigene Verhaltens-Dynamik aufweisen. Diese hat er versucht in den zehn gesetzten der Netze zu beschreiben:

  1. Netze handeln komplex: Lebende Netzwerke bestehen aus vielen Komponenten, die untereinander agieren und reagieren. Dadurch lässt sich das Verhalten eines Netzes schwer vorhersagen und ebenso schwer kontrollieren.
  2. Netze leben nicht linear: Aufgrund der zahlreichen inneren Wechselwirkungen zeigen Netze nichtlineares Verhalten. Ursache und Wirkung stehen in keinem proportionalen Verhältnis mehr. Durch Rückkopplungen können sich kleine Ereignisse zu folgenreichen aufschaukeln.
  3. Netze erfinden Neues: Vernetzung erzeugt Emergenz. Das Einzelne wächst über sich hinaus. Das Ganze ist mehr als die Summe seiner teile. Dieses Mehr ist anders.Dieses Mehr ist die Emergenz.
  4. Netze antworten flexibel: Netze sind Lernfähig. Netze sind in der Lage Stabilität zu bewahren. Netze Verändern ihre Muster der Verschalung aufgrund äusserer Impulse. Je komplexer (vernetzter) desto mehr Raum existiert für den Wandel.
  5. Netze ordnen Chaos: Die interagierenden Elemente in einem Netzwerk handeln nach einfachen Regeln. Dadurch entsteht Ordnung, ohne eine Vision von der gesamten Entwicklung zu haben oder zu benötigen.
  6. Netze erzeugen Chaos: Lebende Netze bewegen sich an der Grenze zwischen Ordnung und Chaos. An dieser Grenze findet man Kreativität, Aufbruch und ordnende Stabilität in optimaler Mischung
  7. Netze verzeihen Fehler: Rechnen, Denken, Handeln verteilen sich in Netzen auf eine Vielzahl von Komponenten. Dadurch entsteht Stabilität. Vieles ist redundant. Versagt ein Teil, springen andere ein. Das Netz duldet kleine Fehler um große zu vermeiden.
  8. Netze nutzen Symbiosen: Bedürfnisse zu wechselseitigem Nutzen sind eine Form von Vernetzung bei der die Partner gewinnen und verlieren, gleichzeitig lernen und lehren.
  9. Netze vereinen Vielfalt: Diversität. Netze vereinen Vielfalt. Hohe Vielfalt schafft mehr Möglichkeiten auf Ereignisse zu reagieren.
  10. Netze verkleinern Welten: Small World. Netzwerke verknüpfen sich obwohl selbstorganisiert nicht nach dem Zufallsprinzip. Es finden sich immer ähnliche Muster. Einige Knoten sind mit sehr vielen verbunden. Die meisten Knoten eines Netzes sind aber mit wenigen anderen verbunden.

Selbstorganisation in technischen Systemen

Technische Systeme werden immer komplexer. Die Erfahrung der Anwender und der Hersteller zeigt jedoch bereits heute, dass diese Systeme nur mit immer größeren Anstrengungen zu beherrschen sind. Eine Extrapolation auf künftige insbesondere sicherheitskritische und noch stärker vernetzte Systeme macht deutlich, dass wir nach neuen Organisationsprinzipien Ausschau halten müssen.

Lebewesen die unter den unterschiedlichsten Bedingungen adäquat funktionieren und sich auch wechselnden Bedingungen flexibel anpassen können. Sie haben Strategien entwickelt wie mit minimalem Energieaufwand Ziele erreicht werden können. Es liegt daher nahe, Erkenntnisse über die Funktionsweise lebender Systeme für die Entwicklung von technischen Systemen nutzbar zu machen.

Ein selbst-organisierendes System hat die Intention, sich so zu strukturieren, das es sich einerseits den jeweiligen Umgebungsbedürfnissen dynamisch anpasst, und dabei gleichzeitig Eigenschaften aufweist, die zur Optimierung und Effizienzsteigerung der Abläufe in den jeweiligen Anwendungen führen. Diese Eigenschaften werden zusammenfassend als Self-x-Eigenschaften bezeichnet: Sie sind selbst-konfigurierend, selbst-adaptierend, selbst-diagnostizierend, selbst-optimierend, selbst-heilend, selbst-erklärend , selbst-versorgend und selbst-schützend.

Die Vorteile liegen auf der Hand: selbstorganisierende Systeme verhalten sich eher wie intelligente Assistenten und nicht wie starre Befehlsempfänger. Sie sind flexibel, robust gegenüber (Teil)ausfällen und in der Lage, sich selbst zu optimieren. Der Entwurfsaufwand sinkt, da nicht jede Variante im Voraus programmiert werden muss. Damit wird es möglich selbst komplexe Systeme mit überschaubarem Aufwand aufzubauen, zu betrieben und zu warten.

Stand der Forschung

Pionierarbeit auf dem Gebiet der biologisch inspirierten Optimierung haben die Professoren Rechenberg (evolutionäre Algorithmen) und Goldberg (genetische Algorithmen) geleistet. Als weitere höchst fruchtbare Forschungszweige sind hier die künstlichen neuronalen Netze und die genetische Programmierung zu nennen.

Noch näher an der Biologie ist die Artificial-Life-Forschung anzusiedeln. Ihr Ziel ist die Untersuchung künstlicher, weil im Computer angesiedelter, lebensähnlicher Prozesse. Es geht um die Frage: Was ist Leben? oder wie könnten alternative Lebensformen aussehen?. Leider hat sich die Artificial-Life-Forschung in Bezug auf die technische Nutzung ihrer Ergebnisse nicht hinreichend engagiert.

Evolutive und genetische Algorithmen, Simulated Annealing, künstliche neuronale Netze (Techniken, die auch unter dem Begriff Soft Computing bekannt sind), die Bionik sowie die Robotik versuchen jeweils spezielle Mechanismen der Natur zu simulieren und zu nutzen.

Experimente mit baugleichen Robotern zeigten, dass wenige, immer gleiche Handlungsabläufe für einen einzelnen Roboter durch das Aufstellen von Regeln zur Selbstorganisation in einem Schwarm führen. Ein dezentraler Compiler übersetzt den Bauauftrag in einen Satz an einfachen Verkehrs- und Arbeitsregeln, der den individuellen Robotern vorgegeben wird. Jeder Roboter arbeitet selbstständig und wird nicht von einer Leitstelle zentral gesteuert. Durch das Erfassen ihrer Umgebung, z.B. aus befahrbaren Wegbereichen, Hindernissen und fehlenden Bauelementen organisieren sich die einzelnen Einheiten selbst und legen ihren Baustein an einer nach dem Bauplan korrekten Position ab. Der Roboterschwarm erfüllt seinen Bauauftrag unabhängig davon, wie viele einzelne Roboter im Einsatz sind; nur die Arbeitszeit variiert entsprechend.

Der Bereich der eingebetteten Prozessoren, welche unsere Alltagsumgebung intelligent machen sollen, wird im derzeit sehr aktiven Forschungsgebiet des Ubiquitous Computing und neuerdings auch im Zusammenhang mit den “Industrie 4.0” Initiativen und dem “Internet der Dinge” untersucht. Hier stehen konkrete Lösungsansätze zwar noch aus aber sind in nächster Zeit aufgrund der Vielzahl von gestarteten Aktivitäten zu erwarten.