Selbstorganisation

Selbstorganisation beschreibt das spontane Entstehen von Ordnung und Struktur in einem System, ohne dass eine zentrale Instanz steuert. Schneeflocken bilden sechseckige Kristalle, ohne dass jemand die Wassermoleküle anweist. Vogelschwärme bewegen sich koordiniert, ohne einen Anführer. Galaxien formen Spiralarme durch die Gravitation ihrer Sterne.

Ilya Prigogine erhielt 1977 den Nobelpreis für Chemie für seine Arbeit über dissipative Strukturen: Systeme, die fern vom Gleichgewicht spontan Ordnung erzeugen, indem sie Energie aufnehmen und Entropie an ihre Umgebung abgeben. Beispiele sind Konvektionszellen in erhitztem Wasser (Rayleigh-Bénard-Zellen) oder die chemischen Oszillationen der Belousov-Zhabotinsky-Reaktion.

Für die Science Fiction ist Selbstorganisation besonders relevant, wenn es um künstliches Leben und künstliche Intelligenz geht. Können sich Roboter oder Programme selbst organisieren und emergentes Verhalten zeigen? In Greg Bears Blood Music (1985) reorganisieren sich genetisch veränderte Zellen zu einem neuen Organismus. In Stanislaw Lems Solaris organisiert sich ein ganzer Ozean zu einer Art Bewusstsein.

Selbstorganisation ist auch ein Konzept für zukünftige Gesellschaften: Kann eine menschliche Gemeinschaft ohne Hierarchien funktionieren? Ursula K. Le Guins The Dispossessed (1974) beschreibt eine anarchistische Gesellschaft auf dem Mond Anarres, die auf Selbstorganisation basiert.

Die mathematische Seite der Selbstorganisation ist faszinierend: Viele Systeme, die selbstorganisiert sind, zeigen sogenannte Skalenfreiheit. Das Muster, das bei kleiner Betrachtung sichtbar ist, wiederholt sich auf größeren Skalen. Schneeflocken, Küstenlinien, Blutgefäßnetze, die Struktur von Galaxien zeigen alle fraktale Eigenschaften, die aus einfachen selbstorganisierten Prozessen entstehen. Der Mathematiker Benoît Mandelbrot prägte den Begriff des Fraktals dafür und machte deutlich, dass Komplexität oft aus simplen Wiederholungen entsteht.

Für KI-Entwicklung hat Selbstorganisation zunehmende Bedeutung. Neuronale Netze lernen durch Selbstorganisation auf Basis von Trainingsdaten. Die interne Repräsentation, die ein Netz dabei entwickelt, entsteht ohne explizite Programmierung, durch die Verstärkung nützlicher Verbindungsmuster. In gewissem Sinne 'wächst' eine KI ihre Fähigkeiten, ähnlich wie ein biologisches Gehirn sich durch Erfahrung strukturiert.