{"id":686,"date":"2024-01-19T11:17:35","date_gmt":"2024-01-19T10:17:35","guid":{"rendered":"https:\/\/blog.math.rptu.de\/?p=686"},"modified":"2024-01-19T11:17:35","modified_gmt":"2024-01-19T10:17:35","slug":"der-von-neumannsche-elefant","status":"publish","type":"post","link":"https:\/\/blog.math.rptu.de\/index.php\/2024\/01\/19\/der-von-neumannsche-elefant\/","title":{"rendered":"Der von Neumannsche Elefant"},"content":{"rendered":"\n

(Der folgende Beitrag stammt von meinem Kollegen Prof. Dr. BERND SIMEON<\/strong>. Er verwendet dabei auch Teile aus seinem beim Springer Verlag erschienen Buch Die Macht der Computermodelle<\/em>. Informationen zum Buch sind unter https:\/\/link.springer.com\/book\/10.1007\/978-3-662-66299-1<\/a> zu finden.)<\/p>\n\n\n\n

Auf John von Neumann, den Mathematiker, Informatikpionier und wissenschaftlichen Tausendsassa, geht das folgende Bonmot zur\u00fcck: \u201eWith four parameters I can fit an elephant, and with five I can make him wiggle his trunk.\u201d Was wollte er damit ausdr\u00fccken?<\/p>\n\n\n\n

Zun\u00e4chst ein paar Worte zu seiner \u00fcberaus schillernden Lebensgeschichte. John von Neumann, geboren 1903 als J\u00e1nos Lajos Neumann von Margitta in Budapest, war ab 1933 als Professor f\u00fcr Mathematik und Kollege von Albert Einstein am Institute for Advanced Study in Princeton, USA, t\u00e4tig. \u00a0Er war ein weit \u00fcber Mathematik und Physik hinaus bekannter Wissenschaftsstar, der zun\u00e4chst Chemieingenieurwesen an der Friedrich-Wilhelm-Universit\u00e4t zu Berlin, der sp\u00e4teren Humboldt-Universit\u00e4t, studierte, sich parallel dazu aber mit tiefliegenden Fragen der axiomatischen Mengenlehre besch\u00e4ftigte. Damit promovierte er 1926 in Budapest. Schon kurz darauf war er als Privatdozent in Berlin sowie an der Eidgen\u00f6ssisch-Technischen Hochschule in Z\u00fcrich t\u00e4tig und arbeitete in G\u00f6ttingen, damals ein Mekka der Mathematik, mit David Hilbert zusammen. Zwischen 1929 und 1933 pendelte er zwischen der Princeton University und Deutschland, dem er dann mit 30 Jahren den R\u00fccken kehrte, um eine der sechs Gr\u00fcnderprofessuren am Institute for Advanced Study anzutreten.<\/p>\n\n\n\n

Zu Beginn hatte ich von Neumann als wissenschaftlichen Tausendsassa bezeichnet. Diese Charakterisierung mag \u00fcbertrieben klingen, aber seine Beitr\u00e4ge zu verschiedensten Wissenschaftsgebieten sprechen eine klare Sprache. Chemie, Informatik, Mathematik, Physik und Wirtschaftswissenschaften \u2013 in all diesen Disziplinen war er t\u00e4tig und verfasste Wegweisendes. Im Zweiten Weltkrieg war er als Berater f\u00fcr die US Army und Navy t\u00e4tig, ab 1943 im Rahmen des Manhattan-Projektes in Los Alamos. Die Entwicklung der ersten Computer pr\u00e4gte er in den Nachkriegsjahren ma\u00dfgeblich und f\u00fchrte den Bauplan mit Arbeitsspeicher und Zentralprozessor ein, der noch heute die Standardarchitektur darstellt. Neben diesen wissenschaftlichen Meriten trug von Neumann auch den Spitznamen \u201eGood Time Johnny\u201c, eine Anspielung auf seine Vorliebe f\u00fcr Partys und glamour\u00f6se Veranstaltungen, auf denen er mit der gesellschaftlichen Elite parlierte und so rasch zu einer f\u00fchrenden \u00f6ffentlichen Pers\u00f6nlichkeit mit besten Verbindungen avancierte.<\/p>\n\n\n\n

Eine seiner vielen Pioniertaten war die erste computerbasierte Wettervorhersage, die im M\u00e4rz 1950 mehrere Wochen Rechenzeit auf einem der fr\u00fchen Computer, dem ENIAC (Electronic Numerical Integrator and Computer) in Philadelphia, in Anspruch nahm.\u00a0 In diesem Zusammenhang, dem Berechnen von Prognosen mittels mathematischer Modellgleichungen und numerischer Algorithmen, ist auch das Zitat vom von Neumannschen Elefanten zu sehen.
Denn bei vielen Computermodellen gehen zahlreiche Parameter ein, physikalische Gr\u00f6\u00dfen oder auch nur aus Daten generierte krude Hilfsgr\u00f6\u00dfen, die oft nur grob bekannt sind und die Ergebnisse stark beeinflussen k\u00f6nnen. Um im Bild des Elefanten zu bleiben: Es reichen nach John von Neumann also vier Parameter, um ein Simulationsergebnis so anzupassen, dass die Gestalt eines Elefanten herauskommt. Und bei f\u00fcnf Parametern wackelt dann sogar der R\u00fcssel. Mit anderen Worten: Mit geschickter Manipulation der Parameter kann man eine gro\u00dfe Bandbreite an L\u00f6sungen produzieren. Das, was ein Computermodell zu prognostizieren vermag, bedarf demnach einer vielschichtigen und abw\u00e4genden Interpretation seitens seiner Entwickler. Diese mahnenden Worte sollten alle, die sich mit Simulation und Prognosen besch\u00e4ftigen, stets aufs Neue bedenken.<\/p>\n\n\n\n

John von Neumann starb allzu fr\u00fch bereits 1957, doch sein wissenschaftliches Oeuvre ist heute genauso aktuell wie zu seinen Lebzeiten.<\/p>\n\n\n\n

Literatur dazu: \u00a0<\/span>Halmos, P.: The Legend of John von Neumann. Amer.Math.Monthly 80 (1973)<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

(Der folgende Beitrag stammt von meinem Kollegen Prof. Dr. BERND SIMEON. Er verwendet dabei auch Teile aus seinem beim Springer Verlag erschienen Buch Die Macht der Computermodelle. Informationen zum Buch sind unter https:\/\/link.springer.com\/book\/10.1007\/978-3-662-66299-1 zu finden.) Auf John von Neumann, den Mathematiker, Informatikpionier und wissenschaftlichen Tausendsassa, geht das folgende Bonmot zur\u00fcck: \u201eWith four parameters I can … Weiterlesen<\/a><\/p>\n","protected":false},"author":7,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[6,7],"tags":[152,154,86],"class_list":["post-686","post","type-post","status-publish","format-standard","hentry","category-forschung","category-lehren-lernen","tag-elefant","tag-john-von-neumann","tag-simulation"],"_links":{"self":[{"href":"https:\/\/blog.math.rptu.de\/index.php\/wp-json\/wp\/v2\/posts\/686","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.math.rptu.de\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.math.rptu.de\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.math.rptu.de\/index.php\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.math.rptu.de\/index.php\/wp-json\/wp\/v2\/comments?post=686"}],"version-history":[{"count":2,"href":"https:\/\/blog.math.rptu.de\/index.php\/wp-json\/wp\/v2\/posts\/686\/revisions"}],"predecessor-version":[{"id":688,"href":"https:\/\/blog.math.rptu.de\/index.php\/wp-json\/wp\/v2\/posts\/686\/revisions\/688"}],"wp:attachment":[{"href":"https:\/\/blog.math.rptu.de\/index.php\/wp-json\/wp\/v2\/media?parent=686"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.math.rptu.de\/index.php\/wp-json\/wp\/v2\/categories?post=686"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.math.rptu.de\/index.php\/wp-json\/wp\/v2\/tags?post=686"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}