Professor sein ist nicht so schwör, Professor werden... Teil I: Der Beste seit Newton

Das Leben eines Professors ist natürlich himmlisch, wenn man nach einer Konferenz aus dem Flugzeug steigt werden krasse Forscher bereits von einem Reporterteam erwartet, was nach den neuesten spannenden Ergebnissen fragt, dann bringt einen der Chauffeur der Uni nach Hause, wo die Frau Häppchen reicht. Am nächsten Tag erwarten einen die Sekretärin mit der ausgefüllten Dienstreiseabrechnung zum Unterschreiben und Doktoranden, die die Abwesenheit genutzt haben, um neue krasse Forschungsergebnisse zu produzieren und begeistert davon erzählen, wie alles ohne Probleme funktioniert hat. Und die DFG hat den neuesten Antrag genehmigt. Also alles himmlisch. Aber wie wird man eigentlich Professor? Also nicht so, promovieren, forschen, habilitieren, forschen, bewerben, forschen, …, sondern mal ganz konkret?

Ich sags mal so: Das ist so eine Sache… Und es hängt auch davon ab, wovon man eigentlich redet. Professor ist international nicht immer dasselbe und noch nicht mal in Deutschland, wo es mittlerweile vorkommt, dass W2-Professuren befristet auf 5 Jahre ausgeschrieben werden. Ich habe mich mittlerweile in vier verschiedenen Ländern beworben, konkret Deutschland, Österreich, Schweden und USA. Und musste feststellen, dass nicht nur die Systeme sehr unterschiedlich sind, sondern auch die Bewerbungsverfahren.

Textwüsten können durch Bilder krasser Forscher mit
Uhus in Glastonbury aufgelockert werden. 

In Deutschland und Österreich wird man aufgefordert, bei Bewerbung die "üblichen" Unterlagen mitzuschicken. Dies sind also Anschreiben, Lebenslauf mit Angaben zu Publikationen, Gremientätigkeiten, Drittmitteln, sowie Urkunden (Promotion, Habilitation). In Schweden gab es einen Fragenkatalog mit etwa 100 Punkten, der sich inhaltlich nicht dramatisch von dem unterscheidet, was man auch in Deutschland abschickt, aber das komplette Neuformatieren, Übersetzen und Anpassen dauert dann einfach mal einen Tag. Dazu kommen zwei Punkte, die in Deutschland nicht Standard sind. Das eine ist ein zwei- bis dreiseitiges Expose zur eigenen Forschung, ihrer Relevanz und wie es in Zukunft weitergehen soll. So etwas ähnliches schicke ich auch in Deutschland mit, aber in deutlich anderer Form. Das andere ist ein zweiseitiges Expose zur eigenen Lehre und den eigenen Vorstellungen von Lehre. In den USA sind solche Texte zur eigenen Forschung und Lehre ebenfalls normal.

Der Knackpunkt ist nun, wie wichtig die Exposes sind. In Deutschland sind sie letztlich Beiwerk. Entscheidend ist die Anzahl der Publikationen, dann der Lebenslauf, dann vielleicht die Lehrerfahrung. Einen Text zur Lehre würde niemand lesen. Manchmal muss man eine Lehrprobe abgeben, diese wird aber nicht systematisch analysiert, sondern liefert den Komissionsmitglieder eine Möglichkeit, aus ganz anderen Gründen gewünschte oder unerwünschte Kandidaten zu pushen oder zu eliminieren. In Schweden wurde ich dagegen bei einem Interview explizit auf Passagen aus meinem Lehrexpose angesprochen, mein Probevortrag wurde nach Strich und Faden auseinandergenommen und meine Methoden, meine Lehre zu verbessern, diskutiert und gefragt, bei wie vielen Kollegen ich schon hospitiert hätte. Antwort: Bei keinem, es ist an deutschen Unis absolut unüblich. Das ganze ging etwa 90 Minuten, in Deutschland dauert dieser Teil vielleicht 60 Minuten. 

Dieser Affe lässt sich ganz wie ein Professor
spazieren fahren.

Und in den USA? Wie mir ein Kollege aus Maryland sagte, spielt der Text zur Lehre keinerlei Rolle. Es ist Folklore, die eben in den Statuten steht. Entscheidend ist wie in Deutschland die Forschungsleistung. Und noch etwas anderes: Empfehlungsschreiben. In Europa werden zu einzelnen Kandidaten von Fachleuten Gutachten zur Wissenschaft verfasst, die den Berufungskomissionen typischerweise enge Grenzen setzen.

Empfehlungsschreiben laufen dagegen folgendermassen: Jeder Kandidat fragt 3-5 Professoren nach einem Empfehlungsschreiben. Diese verfassen es, der Kandidat schreibt die Kontaktadressen der Professoren in die Bewerbung rein, die entsprechende Uni fordert dann von diesen die Schreiben an. Ganze Sekretariate sind damit beschäftigt, die zu verschicken und zu sortieren. Will man an einer amerikanischen Eliteuni eine Stelle kriegen, sind zwei Dinge unabdinglich, wie mir Tony Jameson erklärte. Zum Ersten müssen die Gutachter den Leuten bekannt sein, man muss also Leute aus Harvard fragen und nicht aus Ulan Bator. Und zum Zweiten muss dann endlich mal die Wahrheit über krasse Forscher drinstehen. "He's the Best since Newton."

Bei mir lief dass dann so: Drei der von mir angefragten wollten ein Gutachten vorgeschrieben haben, alle schrieben im europäischen Stil, in dem man nur vorsichtige Aussagen trifft und ich hatte keine Chance. Wie auch andere europäische Bewerber mit denen ich sprach. Bei einem schrieb ein englischer Gutachter nur lapidar: I recommend the candidate for this position. Es ist eben wie bei einem Betriebszeugnis in Deutschland. Wenn da gewisse Sachen nicht stehen und das Zeugnis weniger euphorisch ist als üblich, dann ist das als bewusste Abweichung von der Norm ein Statement.

Und sonst:

• Jordan gegen Bartlett & Son
• Falls jemand in den interstellarer Handel einsteigen will, hier die Grundlagen
• Zu Drittmitteln und der Ingenieurpromotion

Zu wem gehören sie denn?

Eine Frage die mir häufig von anderen Wissenschaftlern aus Deutschland gestellt wird ist die folgende: "Zu wem gehören sie denn?". Trotz des sies fühlt man sich an seine Kindheit erinnert. Denn Sinn der Frage ist, die eigentlich Verantwortlichen für das offenkundig unmündige Wesen zu identifizieren.

Aus dem angelsächsischen Raum höre ich solche Fragen nie. Da ist es selbstverständlich, dass ein Wissenschaftler meines Alters mindestens Assistenzprofessor ist und als solcher per se unabhängig arbeitet. Die Frage die einem von diesen Kollegen gestellt wird ist: "What is your field of work?"

Und sonst:

• Mondlandungsverschwörungsgegenargumentation einmal anders: Es wäre technisch nicht möglich gewesen, die Live-Bilder zu filmen.
• All too true: Fund me, maybe?
• Studie sagt: Leute sind nach der Promotion ausserhalb der Uni glücklicher als innerhalb. 
• Auf Tape 1 in den ersten Minuten: Der angewandte Mathematiker Lanczos über reine und angewandte Mathematik. 

Gaming yourself

Als anständiger Nerd habe ich einen Großteil meiner Jugend mit Spielen verbracht, Fantasy-Rollenspiele, Computerspiele, vor allem aber mit Schach. Auf einer Hamburger Jugendmeisterschaft dachten sich einige Betreuer eine neue Schachvariante aus: Läufer ziehen normal, schlagen aber wie Springer, Springer ziehen normal, schlagen aber wie Läufer. Das ganze wurde als Blitzschachpartie gespielt, also mit fünf Minuten Bedenkzeit pro Spieler pro Partie, geregelt über eine Schachuhr. Sie nannten das Ergebnis "Hoppel-Poppel" und es machte unanständig viel Spaß.

Andere Betreuer rümpften die Nase, die Variante würde die Spielstärke im eigentlich Schach gefährden. Und damit sind wir bei einem interessanten Punkt. Mein Eindruck ist, dass Spielen in Deutschland als etwas kindisches wahrgenommen wird, das nicht Teil des wirklichen Lebens ist, keinen Sinn hat und in den Freizeitbereich gehört. Dazu gehört eine weitere Trennung: Arbeit und Freizeit sind unterschiedliche Welten, bei der die erste ernst ist und die andere dem Vergnügen dienen soll.

Louis Pasteur, ernst blickender Wissenschaftler mit Bart, wie man sich das vorstellt;
Nadar [Public domain], via Wikimedia Commons

Nun gibt es keinen prinzipiellen Grund, warum wichtige und relevante Dinge nicht Spaß machen sollten, Geld verdienen eine griesgrämige Angelegenheit sein sollte oder "sich Bilden" eine Assoziation zu "Staubtrocken" liefert.

Was Spielen angeht, so haben neue Unterhaltungsmedien wie leistungsstarke und billige Prozessoren und Grafikkarten (siehe dazu dieses Posting) in Kombination mit dem Internet alles revolutioniert. Es gibt für jeden Geschmack etwas und das Internet erlaubt es, sich mit Spielern seiner Spielstärke zu messen oder gemeinsam mit Freunden die eine Welt weit weg sind zu treffen. Und so sind Spiele wie World of Warcraft oder Angry Birds globale Phänomene geworden, die Teil der globalen Kultur sind. Aber, und das ist der Punkt, es gibt auch Spiele, die das Potenzial haben, die Wissenschaft zu revolutionieren.

Ein Beispiel ist Foldit. Nach einer kurzen Einführung kann man dort Proteine basteln. Klingt langweilig? Es geht darum, dass das Spiel einem ein paar Moleküle vorgibt, die man dann so dreidimensional zusammenbasteln soll, dass die Bindungsenergie minimal wird. Es gibt also keine eindeutige Lösung, es erfordert dreidimensionales Denken und der Variantenreichtum ist unendlich. Und was tut man dabei? Man hilft Biochemikern, grundlegende Fragen zum Entstehen des Lebens zu beantworten, nämlich die, welche dreidimensionalen Proteinstrukturen durch DNA codiert werden. Mal etwas übertrieben formuliert geht es um das Ziel, an einem DNA-Stück zu sehen, ob da ein Elefantenrüssel rauskommt oder ein Ellenbogen.

Es gibt also Spiele, die gleichzeitig Spaß machen und noch etwas nützliches Erledigen. Die Idee funktioniert auch andersrum: Man macht etwas nützliches, das soll aber auch noch Spaß machen. Nun ist der Mensch, noch so intelligent, gebildet und selbstbewusst, Untertan der eigenen Biologie. Unser Belohnungszentrum funktioniert sogar dann, wenn wir es bewusst anwenden. Beispielsweise ist es sowieso sinnvoll, sich zur Strukturierung der eigenen Arbeit ToDo-Listen oder Zeitpläne zu machen. Bei beidem fühlt man sich besser, wenn man Punkte auf der Liste abhaken kann, bzw. die Zeitplanung eingehalten hat. Der Trick ist nun, Punkte auf die Liste zu setzen, die man leicht abhaken kann, bzw. die Zeitplanung so zu gestalten, dass man am Tag mehr schafft als geplant war. Und oh Wunder, obwohl man sich die die Vorgaben selbst gegeben hat, ist es motivierend, sie erfüllt zu haben, im Gegensatz dazu, sich einen Zeitplan vorgegeben zu haben, den man nicht einhalten kann.

Teilweise ist dies auch das Thema dieser Vorlesung. Randy Pausch hält dort seine letzte Vorlesung, wenige Monate vor seinem Krebstod, darüber wie man seine Kindheitsträume verwirklicht. Und da dafür in der Regel gewisse Fertigkeiten notwendig sind, ist Lernen ein wesentlicher Punkt. Die Technik, etwas zu machen, was Spass macht, und dabei mehr oder weniger bewusst etwas ganz anderes wichtiges zu Lernen, nennt er "Head Fake".

Letztlich liegt dem ganzen zugrunde, das Belohnungszentrum auszunutzen. Computerspiele, beispielsweise MMORPGs wie World of Warcraft sind häufig so ausgelegt, dass die Spielerin immer wieder kleine Erfolgserlebnisse hat und dass der nächste Erfolg in Reichweite ist. Für viele sprengt das den Rahmen der Selbstdisziplin. 

Die Quizfrage ist nun: Wie bringt man die obigen Aspekte in eine Lehrveranstaltung an einer deutschen Universität ein? Und wie sieht Foldit für Numerik aus?

Und sonst:

• Da nun das Higgs-Boson höchstwahrscheinlich entdeckt wurde, hier nochmal was es mit dem LHC auf sich hat: Der LHC-Rap. 
• Weniger erfreulich ist dagegen dieses Video, das zum Glück von der EU wieder zurückgezogen wurde. Irgendwie auch schräg, aber um Längen besser ist das hier. Und, Thumbs up für die gute Idee, aber Abzüge in der B-Note für die mangelnde Sicherheit. 

Reproduzierbares wissenschaftliches Rechnen

Ein Grundpfeiler theoretischer Wissenschaft ist, dass sie nachvollziehbar ist. In der Mathematik ist es der Beweis, der dies erlaubt. Beim Satz des Pythagoras kann ein Beweis von aufgeweckten Sechstklässlern nachvollzogen werden. Dies ist bei Perelmans Ausführungen zur Poincaré-Vermutung faktisch nicht mehr möglich, aber das ist die Ausnahme. Es ist schwierig genau zu sagen, aber wenn man im Thema drin ist (was auch immer das jetzt bedeutet), dauert es je nach Schwierigkeit Stunden oder Tage, einen Beweis nachzuvollziehen.

Diese graphische Darstellung eines Beweises des
Satz des Pythagoras ist für jeden nachvollziehbar; Hubi, CC-by-SA 3.0

Entsprechend ist ein Grundpfeiler experimenteller Wissenschaft, dass das Experiment reproduzierbar ist. Es muss also soweit beschrieben sein, dass der Versuchsaufbau nachgebaut und überprüft werden kann. Dass die Erdbeschleunigung auf der Erde ungefähr 10m/s^2 beträgt, kann man zu Hause mit einer Stoppuhr, einer schiefen Ebene und einer Flasche nachvollziehen. Weniger empfehlenswert ist es, das ITER-Experiment nachzubauen. Und auch wenn es erschreckenderweise Privatpersonen gibt, die das nötige Kleingeld von 20 Milliarden Euro hätten, um das tatsächlich zu tun, ist dieses Experiment praktisch nicht unabhängig reproduzierbar. Die Schwierigkeit bei Experimenten ist also, die nötige Ausrüstung zu haben.

Nun stellt sich die Frage, wie es mit dem dritten Paradigma der Wissenschaft aussieht, der "computational science" bzw. dem "Scientific Computing", deutsch "wissenschaftliches Rechnen". Dave Donoho (berühmter Statistiker in Stanford) ist der Meinung, dass "computational science" derzeit noch nicht den Stand einer Wissenschaft hat. Und ich muss teilweise zustimmen, es gibt verschiedene grundsätzliche Probleme in der Art, wie im Feld derzeit gearbeitet wird. Disclaimer: Der Autor ist keineswegs frei von diesen Problemen.

Otto Hahns Laborbuch zur Kernspaltung
findet sich heute im Deutschen Museum; J Brew, CC-by-sa 2.0

Das erste ist, dass die wenigsten ein Experimentatorenherz haben. Ein neues Verfahren wird also an ein paar Standardtestfällen ausprobiert, aber die wenigsten machen sich die Mühe, sich Testfälle auszudenken, an denen die Eigenschaften und Grenzen des Verfahrens wirklich illustriert werden, was dann die wissenschaftliche Aussage der Tests gering werden lässt. Dazu gehört, dass Techniken wie ein Laborbuch, in dem Experimentatoren akribisch festhalten, was sie wie wann und wozu gemacht haben, im wissenschaftlichen Rechnen absolut unüblich sind.

Es geht aber noch weiter: In zahlreichen Artikeln wird das numerische Experiment nicht ausreichend präzise beschrieben, weil entweder das verwendete Verfahren, das betrachtete Problem oder das Rechengitter nicht ausreichend beschrieben werden. Und da schlägt das obige zu: Fragt man den Autor, gerät der häufig in Panik, weil selbst die eigene Dokumentation nicht ausreichend ist, die Resultate ohne größere Arbeit nachzuvollziehen. Alternativ wird dies sogar absichtlich gemacht, um die Konkurrenz auszubremsen.

Diese Sachen sind teilweise kulturell bedingt: Zuwenige im Gebiet gehen mit gutem Beispiel voran und Dinge wie das Führen eines Laborbuchs werden nicht erlernt. Sie sind aber auch technisch bedingt, so erfordert Reproduzierbarkeit in der Regel ein hauseigenes Repository zur Versionskontrolle. Teilweise erfordert es aber auch die Veröffentlichung von zusätzlichen Daten, wie dem Rechengitter und das wiederum wird nur von den wenigsten Zeitschriften unterstützt.

Wenn man nun annimmt, dass die veröffentlichten Informationen prinzipiell ausreichend sind für die Reproduzierbarkeit, kann man den Vergleich zu Experimenten und mathematischen Beweisen ziehen. Und man stellt fest, dass im wissenschaftlichen Rechnen die große Hürde das Programmieren der neuen Verfahren ist. Ist das vorgestellte Verfahren nur eine kleine Modifikation von bestehenden, so ist das Einbauen eine Sache von unter einer Woche, unter der Annahme, dass ich einen Code für das bestehende habe. Viele interessante Verfahren stellen aber Alternativen zu grundlegenden dar und die zu implementieren bedeutet dann, einen komplett neuen Code zu schreiben, was Jahre dauert. Und das bedeutet, dass es faktisch unmöglich ist, diese Ergebnisse nachzuvollziehen.

An dieser Stelle möchte ich noch darauf hinweisen, dass dieses Problem nicht ganz akademisch ist. Das bekannteste Beispiel für derartige Probleme ist die Kontroverse um das Hockeyschläger-Diagramm, welches globale Erwärmung illustriert, und bei der der Klimawissenschaftler Michael E. Mann unter massive Kritik geriet. Hauptproblem war, dass seine Ergebnisse nicht nachvollziehbar und damit angreifbar waren (konkret verweigerte er sogar auf Anfrage die Herausgabe der zugrundeliegenden Daten). Dies führte zu einer Glaubwürdigkeitskrise dieser extrem wichtigen Wissenschaft.

Die Lösung liegt auf der Hand: Wissenschaftler sollten nicht nur die notwendigen Daten zum Nachvollziehen publizieren, sondern sogar ihren Code! Und dieses ist etwas, was viele auf die Barrikaden treiben würde, auch wenn es beispielsweise Kollaboration eher erleichtern würde.

Notwendig wäre hier auch eine sinnvolle Lizensierung des Codes. Zusammengefasst ist dies beispielsweise in diesem Artikel von Victoria Stodden, in dem sie einen "Reproducible Research Standard" vorschlägt. Im Zentrum des Artikels steht die Lizensierung von wissenschaftlichen Erzeugnissen, was die Sache leider wieder entsetzlich langweilig macht.

Und sonst:

• Nerd Anthem by Marian Call. What is a geek superpower? Draining fun from parties!
• Asteroideneinschläge können zur Ausbreitung von Leben von der Erde ins Sonnensystem geführt haben
• Arno Widmann: Wenn die unten nicht mehr wollen. Interessanter Artikel zu den Krawallen in England. 
• Brilliantly smart-ass responses to completely well-meaning signs.

Kollaborative Wissenschaft

Wissenschaft wird immer kollaborativer. Das Hookesche Gesetz konnte Hook noch völlig alleine rauskriegen. Gleichzeitig war es kein Zufall, dass zu der Zeit in den Naturwissenschaften eine Fülle an neuen Resultaten erzielt wurde, nämlich durch die Mitglieder der damals neuen Royal Society. Wissenschaft ist vor allem dann gut, wenn Wissenschaftler den Ideen andere Wissenschaftler ausgesetzt werden. Einstein war nicht etwa die Ausnahme, sondern einfach egozentrisch, als er in seiner Arbeit zur speziellen Relativitätstheorie keine Literatur angab, obwohl Lorentz und Poincaré schon fast alles veröffentlicht hatten und ihnen nur der entscheidende Geistesblitz fehlte.

Heute gibt es Experimente wie am Large Hadron Collider in Cern, bei denen auf den Veröffentlichungen vermutlich 50, vielleicht 100 Leute stehen werden. Die Zeiten, wo einsame Wissenschaftler in ihrem Kämmerlein sitzen, sind vorbei. Das hat viele Gründe. Zum einen gibt es mehr Wissenschaftler als früher. Zum anderen gibt es neue Möglichkeiten der Kommunikation wie Email oder das WWW. Und schließlich sind in vielen Gebieten der Wissenschaft die einfachen Probleme gelöst, viele der heutigen Probleme sind interdisziplinär und erfordern damit inhärent Zusammenarbeit mehrerer Wissenschaftler.

Ein anderes interessantes Beispiel ist das Polymath-Projekt. Dieses wurde von Fields-Medaillen-Träger Timothy Gowers ins Leben gerufen und stark von Fields-Medaillen-Träger Terence Tao unterstützt. Dort wurde ein mathematisches Problem auf einem Blog gestellt und Leute dazu eingeladen, ihren Senf dazuzugeben. Nach kurzer Zeit nahm das ganze Fahrt auf, das Problem war nach ein paar Wochen gelöst und sogar eine etwas allgemeinere Aussage bewiesen. Begleitet wurde das ganze über ein Wiki, auf dem Zwischenergebnisse aufbereitet wurden, um in den hunderten von Kommentaren nicht den Überblick zu verlieren.

Und trotz allem ist Kollaboration in der Wissenschaft nicht das, was sein könnte. Eine gute Zusammenfassung bietet der wirklich sehenswerte TED-Talk von Michael Nielsen:

Ebenfalls interessant ist das Blog Research cycle research, auf das ich über den Vortrag von Daniel Mietchen auf der letzten Wikipiedia Academy gestoßen bin. Wissenschaftler nutzen Werkzeuge wie offene Wikis nicht, wissenschaftliche Ergebnisse werden weiterhin in Form von diskreten Artikeln publiziert, statt dass andere Wissenschaftler kontinuierlich über Forschritt informiert und eingeladen werden, ihre Ideen einzubringen, wissenschaftliche Artikel werden wenig kommentiert und  Daten, Codes und Ergebnisse werden wenig ausgetauscht, sondern vor Zugriff durch andere Wissenschaftler geschützt. 

Es ist nicht so, als ob es nicht Versuche gäbe, das zu ändern. Beispielsweise gibt es zahlreiche wissenschaftliche Wikis, von Leuten gestartet, die für einzelne Disziplinen ein wissenschaftliches Repositorium schaffen wollten. Diese sind aber mittlerweile alle tot.

Es gibt Leute, die OpenSource-Code produzieren, ein Beispiel ist PETSc, ein anderes DEAL II. Ein Großteil der Softwareentwicklung findet aber an den Instituten selbst statt, die ihre Codes geheim halten. Übrigens auch ein Problem bei der Wissenschaftlichkeit: ein Großteil der Artikel in der numerischen Mathematik ist praktisch nicht validierbar, da von Dritten dazu erstmal einige Jahre Codeentwicklung betrieben werden müsste. Wissenschaftlich redlich wäre es, die eigenen Codes offenzulegen.

Was Publikationen angeht, sind OpenAccess-Journals auf dem Vormarsch, aber noch ist es der Standard, etwa bei Elsevier zu publizieren. Ein Unternehmen mit einer traumhaften Rendite, das keine nennenswerte eigene Dienstleistung bringt. Und dadurch, dass es dort ein Bezahlmodell gibt, sind die dort publizierten Artikel für außenstehende nicht einsehbar, was es natürlich schwieriger macht, Ideen zu liefern.

Die Antwort, warum Wissenschaftler die neuen Möglichkeiten so wenig nutzen, ist recht einfach: Im Wissenschaftsbetrieb ist für Karriere weniger die wissenschaftliche Arbeit an sich wichtig, sondern dass die eigene wissenschaftliche Leistung gegenüber dritten dokumentierbar ist. Im wesentlichen geschieht dies dadurch, dass man Artikel schreibt, die in Zeitschriften mit Peer Review erscheinen. In Deutschland ist das sogar im Hochschulrahmengesetz quasi fest geschrieben, ein wesentlicher Punkt in Berufungsverhandlungen sind nämlich die Gutachten, die am Ende des Prozesses über die 3-5 verbleibenden Kandidaten in Auftrag gegeben werden. Basis für diese ist das wissenschaftliche Werk, gegeben durch Zeitschriftenartikel. Die Frage, ob die Person in der Lage ist, Mitarbeiter zu führen spielt ebenso keine Rolle wie Aspekte der Wissenschaftskommunikation. Auch wenn ich der vermutlich meist gelesene Mathematiker meines Alters in ganz Deutschland bin, ich bezweifle, dass dies bei Bewerbungen nützlich sein wird.

Das impliziert mehrere Dinge: Für einen nicht etablierten Wissenschaftler ist es nicht von Vorteil, seine Forschungsergebnisse zu früh zu publizieren, weil dann die Gefahr besteht, dass andere die Sachen aufgreifen und selbst weiter entwickeln. Zu viel Zusammenarbeit mit anderen kann also kontraproduktiv sein. Das bedeutet ebenfalls, dass es nicht von Vorteil ist, eigene Daten zu veröffentlichen oder eigene Codes herauszugeben.

Das zeigt auch, warum das Polymath-Projekt funktioniert hat: Weil Gowers und Tao weltberühmt sind, weil sie sich nicht mehr etablieren müssen, können sie frei von solchen Zwängen offene Wissenschaft betreiben.

Damit ist leider auch klar, dass das Problem nichttrivial ist: Das große Problem ist, wie ich noch sagen kann, ob ein bestimmter Wissenschaftler gut ist, wenn ich die individuelle Leistung nicht mehr so gut belegen kann. Meiner Meinung nach gibt es eine Lösung: Die Berufungsverfahren müssen dann breiter aufgestellt werden, den Kandidaten muss intensiver auf den Zahn gefühlt werden, Assessment Center sollten Standard sein. Dann ist es durchaus möglich, festzustellen, ob jemand in der modernen Wissenschaft, die neben wissenschaftlichen Qualitäten Führungsqualitäten fordert, Organisationstalent auch Teamfähigkeit fordert, etwas bewegen kann. Meiner Meinung nach sogar besser, als wenn man nur die Zeitschriftenartikel betrachtet.

Es gibt noch einen zweiten Weg, wie etwas geändert werden kann: Die wichtigen Wissenschaftsorganisationen müssen an finanzielle Förderung Bedingungen in dieser Hinsicht knüpfen. Wenn die deutsche Forschungsgemeinschaft Geld nur unter der Bedingung gibt, dass die Ergebnisse in Open-Access-Zeitschriften erscheinen, dass Codes und Daten offengelegt werden, dann verändert sich die Wissenschaftslandschaft. Die DFG ist auf dem Weg dahin, Matthias Kleiner hat diese Themen auf dem Schirm und Veränderungen sind sichtbar. Kurioserweise ist der Widerstand von innerhalb der Wissenschaft am größten: Narzissmus und Konservativität sind leider weit verbreitet.

Schließlich ist da noch ein dritter Weg: Nicht etablierte Wissenschaftler sollten einfach machen. Oder zumindest ein bisschen. Sage ich mir zumindest: Den nächsten Artikel, den publizierst Du dann aber in einem Open Access Journal und nicht da wo es für die Karriere am Besten wäre. Und irgendwann veröffentlichst Du Deine Software. Ganz bestimmt...

Und sonst:

•  Followup von letzter Woche: Das Future Chips Blog (danke an Peter)
• Chinafarmer ist ein geflügeltes Wort unter World-of-Warcraft-Spielern und die Ausbeutung dieser durch ihre Arbeitgeber nicht anders als auf chinesischen Baustellen. Aber im Gefängnis durch die Wärter?
• Wie ich das letzte mal schrieb, ist Dirk in der Form seines Lebens. On the receiving end, ist die Inkarnation von Enttäuschung. Also: Neuauflage von 2006 aus, Mavericks gegen Heat. Was krasse Forscher mit Schnittchenorganisateusen in spe im Dezember schon bewundern durften.

Ein viertes Paradigma der Wissenschaft

Bevor er Ende Januar 2007 spurlos auf See verschwand, hat Jim Gray, seines Zeichens mit schlechten Wikipedia-Artikeln geschlagener Turing-Preisträger, sich mit dem Gedanken beschäftigt, dass datenbasierte Wissenschaft ein viertes Paradigma eben derselben sein könnte beziehungsweise schon ist. Der Gedanke ist in dem Sammelband "The fourth paradigm" ausgeführt.

Mit Paradigma ist hier eine grundlegende Herangehensweise zu wissenschaftlicher Erkenntnis zu gelangen, gemeint. Und wenn er vom vierten redet, was sind dann die ersten drei? Das erste ist in seinen Augen empirische Wissenschaft, also die Natur zu betrachten und daraus Schlüsse zu ziehen, indem man etwa einen Zusammenhang zwischen Mond und Flut beobachtet. Als zweites wäre da theoretische Wissenschaft, bei der theoretische Überlegungen angestellt und mathematische Modelle aufgestellt werden. Zwei herausragende Beispiele wären Newtons Principia Mathematica und die newtonschen Gesetze oder Einsteins spezielle und allgemeine Relativitätstheorie. So weit so gut, bei diesen beiden wird vermutlich niemand wiedersprechen, damit wird man schon in der Schule konfrontiert. Theoretische Wissenschaft nutzt dabei einen Modellierungskreislauf:

1. Definiere den Teil der Wirklichkeit, der betrachtet werden soll. 
2. Stelle ein möglichst einfaches mathematisches Modell auf (einen Satz von Gleichungen), das diese Wirklichkeit beschreibt. 
3. Löse das Modell und schaue, ob es tatsächlich die zu untersuchenden Phänomene beschreibt. Wenn Nein, gehe zu 2. und wähle ein komplexeres Modell. Wenn du das Modell nicht lösen kannst, suche einen Mathematiker der es kann. Wenn der das Modell nicht lösen kann, warte 50 Jahre, bis die Mathematik so weit ist und schreibe unterdessen "wissenschaftliche" Artikel ohne jegliche Relevanz zu einem vereinfachten Modell, das deine Physik nicht beschreibt. 

Sir Godfrey Kneller: Sir Isaac Newton. Konnte das 3-Körper-Problem der Astronomie auch nicht lösen. Ebensowenig das 2-Körper-Problem der Soziologie und starb kinderlos.

Mittlerweile ist man in den Natur- und Ingenieurswissenschaften (Wirtschaftswissenschaftler überspringen in der Regel den Schritt mit der Suche nach dem Mathematiker und gehen direkt zum letzten Teil mit den "wissenschaftlichen" Artikeln) in der Situation, dass die interessierenden Modelle nicht mehr gelöst werden können. Sie sind zu komplex und teilweise konnte sogar nachgewiesen werden, dass gar keine Lösungen hingeschrieben werden können, etwa beim Drei-Körper-Problem, aber auch bei den Navier-Stokes-Gleichungen.

An die Stelle einer exakten Lösung tritt dann die approximierbare Lösung, womit wir beim weniger bekannten dritten Paradigma sind, welches er "Computational Science" nennt. Dies ist erst in den letzten Jahrzehnten aufgekommen ist, und zwar bedingt durch drei Punkte:

1. Das Aufkommen leistungsfähiger und bezahlbarer Rechner
2. Die Bereitstellung und drastische Verbesserung numerischer Verfahren, mit denen mathematische Modelle auf diesen Rechnern ausgewertet werden können
3. Das Problem, dass die interessanten mathematischen Modelle mittlerweile zu komplex sind, als dass sie von Menschen ausgewertet werden könnten

Mit "Computational Science" bezeichnet er also die Nutzung von Computersimulationen, um wissenschaftliche Erkenntnisse zu gewinnen. In den Natur- und Ingenieurswissenschaften ist dies mittlerweile Standard. Ein drittes Paradigma ist es, weil es eine neue Denkweise eröffnet, Phänomene zu betrachten, bei der reale Experimente durch Computersimulationen ersetzt werden. Ferner erweitert es den Modellierungskreislauf um einen weiteren Feedbackloop:

1. Definiere den Teil der Wirklichkeit, der betrachtet werden soll. 
2. Stelle ein möglichst einfaches mathematisches Modell auf, das diese Wirklichkeit beschreibt. 
3. Programmiere ein numerisches Verfahren, um Lösungen der Gleichungen mit einer gewissen Genauigkeit anzunähern (dies nennt sich Computermodell oder numerisches Modell). 
4. Stelle fest, ob die heutigen Verfahren und Rechner in der Lage sind, das Computermodell zu behandeln. Wenn Nein, gehe zu 3. und wähle eine geringere Genauigkeit. Wenn das nicht funktioniert, gehe zu 2. und vereinfache das Modell.
5. Löse das Computermodell und schaue, ob es tatsächlich die betrachteten Phänomene beschreibt. Wenn Nein, gehe zu 2. und wähle ein komplexeres Modell. Wenn Du schon vorher das mathematische Modell vereinfacht hast, um das Computermodell überhaupt auswerten zu können, suche Dir einen Numeriker, der Deinen Code anschaut, Dir Tiernamen gibt und ihn in einer Stunde um einen Faktor zehn beschleunigt. Wenn das nicht ausreicht, warte ein paar Jahre, bis entweder die Rechner dank Moore's Law das Problem erledigen können oder die Numeriker effizientere Verfahren bereit stellen. Veröffentliche währenddessen Deine Arbeiten und nenne es "Proof of Concept".

In der Schule wird dieses Paradigma nicht behandelt und im Wikipediaartikel zum mathematischen Modell heißt es banal: "Ein so genanntes Computermodell ist nichts anderes als ein mathematisches Modell, das man mit dem Computer auswertet. Dieser Vorgang wird auch Computersimulation genannt." Man beachte den Link auf die Computersimulation, wirklich kein schönes Beispiel wikipedianischer Autorenkunst.

 

Simulation oder Visualisierung einer X-43A-Scramjet-Simulation? Bild: NASA

Umgekehrt ist vielen Ingenieuren der Unterschied zwischen einer Simulation und einer Visualisierung derselben gar nicht mehr klar, so selbstverständlich sind diese Werkzeuge geworden.

Grey setzt nun noch einen drauf und redet von einem vierten Paradigma, nämlich datenbasierter Wissenschaft. Und zwar so wie Computer es möglich machen, von theoretischen Modellen auf numerische Modelle zu gehen, machen sie es ebenso möglich, von rein empirischen Beobachtungen auf das elektronische Sammeln von Daten mit anschließender Auswertung zu gehen. Dies hat deswegen eine neue Qualität, weil mittlerweile Datenmengen gesammelt werden, die jede Vorstellungskraft übersteigen und außerdem zunehmend Auswerteprogramme und geräte zur Verfügung stehen, mit denen diese Datenmengen nutzbar gemacht werden können. Dies kann in einer einfachen Form Visualisierung am Bildschirm bedeuten, aber auch komplexer sein wie die CAVE (nein, habe ich leider noch nicht erleben können), bei der 3D-Daten in einem echten Raum erfahrbar werden.

Ein krasses Beispiel ist das Planetary Skin Institute. Und zwar liefern NASA-Satelliten ja von jedem Punkt der Erde mindestens alle 24 Stunden ein Bild (naja, manchmal nur von Wolken, aber egal). Diese gigantischen Datenmengen werden gesammelt und erlauben es, nicht nur eine Darstellung der Erdoberfläche zu liefern, sondern insbesondere eine zeitliche Entwicklung der Mengen an Getreide, Wäldern oder Wüsten zu liefern. Und damit sind plötzlich Untersuchungen möglich, die noch vor zehn Jahren völlig unvorstellbar waren.

Und für die dies bis zum Ende geschafft haben:

• Terry Taos Karrieretip: Schreib auf was Du hast!
• "Obama's Wars" von Bob Woodward gelesen über den Umgang der Obama-Regierung mit Afghanistan. Am deutlichsten wird, wie unfassbar unfähig die Vorgängerregierung war. Und dass es keinen zufriedenstellenden Ausgang in Afghanistan geben wird. Interessant dazu: Link.
• Wie bewirbt man ein Luxusklo für 6.400$? So! (Danke an Tim.)