Zur Planung und effizienten Abwicklung von Simulationsexperimenten

Zusammenfassung

Dank der rasanten Entwicklung im Hardware- und Softwaresektor ist die Simulation ein bedeutsames Instrument zur Unterstützung bei der Entscheidungsfindung geworden. Dies insbesondere deshalb, weil praxisrelevante Problemstellungen sehr schnell durch ein hohes Mass an Komplexität geprägt sind, sodass der Einsatz von mathematischen Optimierungsverfahren im Rahmen von Entscheidungsmodellen allenfalls nicht mehr gegeben ist. Dies ist vor allem bei vielen dynamischen, stochastischen Systemen mit gegenseitigen Abhängigkeiten zwischen den einzelnen Prozessen der Fall. In derartigen Situationen sind einzig noch Simulationsmodelle einsetzbar, obwohl damit eine „Rückstufung“ von der Ebene der Optimierungsmodelle auf jene der Erklärungsmodelle („wenn-dann“-Kausalbeziehungen) in Kauf genommen werden muss. Die Simulation beinhaltet indessen im Gegensatz zur weitverbreiteten Meinung mehr als nur Experimentieren am Modell. Neben der Modellentwicklung und Modellimplementierung gewinnt die effektive und effiziente Planung und Durchführung der Simulationsexperimente zentrale Bedeutung; andernfalls wird das Arbeiten mit Simulationsmodellen sowohl in zeitlicher als auch kostenmässiger Hinsicht sehr aufwendig, einer der Hauptgründe dafür, dass viele entwickelte Simulationsmodelle nicht genutzt bzw. eingesetzt werden. Im Rahmen der Planung von stochastischen Simulationsexperimenten tritt somit die Frage in den Vordergrund, welche Parameterkonstellationen wie lange simuliert werden müssen, um aus den Ergebnissen Schlussfolgerungen ziehen zu können. Die Frage nach der Effektivität, also nach der Auswahl geeigneter, wichtiger oder „richtiger“ Parameterkonstellationen, wird im Rahmen der Versuchsplanung beantwortet. Die Frage nach der Effizienz, d.h. nach der optimalen Anzahl der Simulationsläufe je Parameterkonstellation wird im Rahmen der taktischen Planung von Simulationsexperimenten behandelt. Diese Anzahl erforderlicher Simulationsläufe wird durch die Rechengenauigkeit bestimmt, die ihrerseits auf die Daten- und Modellgenauigkeit auszurichten ist.

*

Für Anregungen sind die Autoren den Herren Franz Ferschl, Universität München, sowie Winfried Stier und Christoph Wahl, Universität St. Gallen, verbunden.