Schmetterlingseffekt

Der Schmetterlingseffekt ist die populäre Bezeichnung für die sensitive Abhängigkeit von Anfangsbedingungen in chaotischen Systemen. Der Name stammt aus Edward Lorenz' Vortragstitel von 1972: 'Predictability: Does the Flap of a Butterfly's Wings in Brazil Set Off a Tornado in Texas?'

Lorenz formulierte damit keine direkte Kausalität (ein Schmetterling verursacht keinen Tornado), sondern eine fundamentale Eigenschaft nichtlinearer Systeme: Zwei Zustände, die sich anfangs nur unmessbar gering unterscheiden, können nach einer endlichen Zeit beliebig weit auseinanderliegen. Das Wetter ist das bekannteste Beispiel, aber das Prinzip gilt für jedes chaotische System.

In der Science Fiction und im Film ist der Schmetterlingseffekt ein Erzählmotor. Ray Bradburys Kurzgeschichte 'A Sound of Thunder' (1952) erzählt von einem Zeitreisenden, der in der Kreidezeit versehentlich einen Schmetterling zerquetscht. Als er in die Gegenwart zurückkehrt, hat sich die Welt verändert: die Sprache, die Politik, die Gesellschaft. Der Film The Butterfly Effect (2004) mit Ashton Kutcher basiert direkt auf dem Konzept.

Der Schmetterlingseffekt ist auch ein Argument gegen bestimmte Formen der Zeitreise: Selbst die vorsichtigste Veränderung in der Vergangenheit könnte eine Kaskade unvorhersehbarer Konsequenzen auslösen.

Ein häufiges Missverständnis: Der Schmetterlingseffekt bedeutet nicht, dass kleine Ursachen immer große Wirkungen haben. Er bedeutet, dass in chaotischen Systemen kleine Ursachen große Wirkungen haben können, und zwar so, dass man im Nachhinein die Kausalkette zwar rekonstruieren, aber im Vorhinein nie vorhersagen könnte. Das ist ein fundamentaler Unterschied. Nicht jeder Schmetterling erzeugt einen Tornado. Aber in einem hinreichend sensiblen System kann er es.

Die praktische Konsequenz für Wettervorhersagen ist gut untersucht: Lorenz zeigte, dass selbst bei idealem Messnetz und unbegrenzter Rechenleistung die Vorhersagbarkeit bei etwa zwei Wochen eine harte Grenze hat. Das ist keine Frage der Technologie, sondern der Physik. Längerfristige Klimamodelle arbeiten deshalb mit Wahrscheinlichkeitsverteilungen statt mit einzelnen Szenarien, eine ehrlichere Antwort auf ein ehrliches Problem.