Computational Complex Systems
> Zum Inhalt

Complex Networks & Decision Processes

Basierend auf dem breiten Potential an Datenanalysen und Methoden, die das Fundament aller weiteren Untersuchungen im Zentrum darstellen, ergeben sich eine Reihe methodischer Modell- und Analyseansätze, die im Bereich Complex Processes & Decision Support weiterentwickelt werden. Ein Fokus wird darauf liegen, wie sich Prozesse und Entscheidungen auf Menschen auswirken, dem  Motto „Technik für Menschen“ folgend, wollen also im Zentrum Grundlagen geschaffen werden um Auswirkungen geeignet analysieren und modellieren zu können. Wie soziale Netzwerk eines Menschen ihr/sein Verhalten beeinflusst soll das Verständnis von komplexen Beziehungen und deren Dynamik erweitern und stellt einen wichtigen Bereich in der Untersuchung komplexer Systeme dar. Obwohl einige Ansätze existieren, die diesen Mechanismus beschreiben, haben viele Modelle nur einen eingeschränkten Gültigkeitsbereich oder skalieren nicht. Ziel wird es sein bestehende Modelle zu erweitern bzw. neue Ansätze zu finden, die sozialen Einfluss auch in großen Netzwerken statistisch nachweisen können. Dies umfasst auch das Modellieren und Unterstützen von Gruppenentscheidungen. Diese Fragestellungen sind in vielen Anwendungsbereichen von Bedeutung und wird etwa für den Bereich  e-marketing genutzt [CAL15, NEI14b].

Diese Ansätze sowie weitere Datenquellen, die dem Zentrum auf Basis bestehender Kooperationen zur Verfügung stehen werden und aktuelle Fragestellungen zu ökonomischen, gesundheitssystemischen oder sozialen Fragestellungen ergeben das Potential und den Bedarf einer heterogenen Betrachtung von Bevölkerungen und damit erhöhte Komplexität. Dies wird bei der Modellierung unterschiedliche Analysen, Prognosen oder Entscheidungsfindungen relevant sein. Typische Fragen sind etwa die Untersuchung des  Zusammenhangs zwischen ökonomischer Ungleichheit basierend auf Wohlstand, Lebenserwartung, medizinischer Versorgung und Umweltverschmutzung und die Analyse der Auswirkungen unterschiedlicher Interventionsstrategien [SCHä14]. In anderen Fällen wird die Modellierung von Krankheitsausbreitungen um die Unterscheidung  verschiedener Altersgruppen erweitert, um genauere Aussagen treffen zu können. Zusätzlich kann es notwendig sein regionale, soziale oder sonstige Unterscheidungen zu treffen [SCH11], um ein bestimmtes Systemverhalten abbilden zu können. Dies wird in Zukunft auch durch die oben beschriebenen Datenanalyseverfahren bzw. bestehende große Datenpools möglich und zu einem dringenden Bedarf. Grundlegende Modelle einer fiktiven SIR-artigen Krankheitsausbreitung  [INA90, KUN13, LAN97] können so etwa mit einer Aufschlüsselung der „sozialen Dimension” Alter [KAU08] versehen werden. Die zeitliche Entwicklung des Systems beschreibt dann zum einen den Alterungsprozess und zum anderen die Ausbreitung einer infektiösen Erkrankung in der Bevölkerung. Modelle können dann z.B. Infektionen abbilden, die Parametrisierung kann  basierend auf dem Kontaktverhalten zwischen den verschiedenen Altersgruppen erfolgen. (Z.B. für eine durchschnittlichen europäische Bevölkerung basierend auf Umfragewerte des POLYMOD Projekts, Europäische Kommission, SSP22- CT-2004-502084) [MOS08]). Unterschiedlichen Variablen (Genesung, Immunisierung) können dann je nach Altersgruppe Werte zugewiesen werden. Entsprechende Fragestellungen ergeben sich in einer Vielzahl von Forschungsgebieten. Als Beispiel kann man im Gesundheitssystem etwa Analysen zu Auswirkungen von Screenings, Präventionsmaßnahmen, Therapien oder regionalen Interventionen nennen, die für Entscheidungsträger von großer Wichtigkeit sind.

Darauf aufbauend werden unterschiedliche Modellierungskonzepte verglichen werden [SCH14, BIC13] um gleichungsbasierte Modelle mit agentenbasierten Modellen zu vergleichen, bezüglich Modellverhalten, Parametrisierbarkeit, aber auch Validierbarkeit. Weiterst wird im Wechselspiel zwischen Modellierung und Datenanalyse zu untersuchen sein, ab welcher Komplexität (soziale Dimensionen) die Parametrisierung unmöglich wird und daher die Modellverfeinerung sinnlos ist [BIC13]. Die Dimension kann dabei bei aktuellem Potential der Daten de facto beliebig groß sein, siehe etwa die Analyse beliebiger möglicher Co-Morbiditäten [EIS13, PFE13]. Es werden Grenzen der Parametrisierbarkeit quantitativer Modelle und das Zusammenwirken bzw. die Abgrenzung mit und zu qualitativen Modellen untersucht, womit eine enge Kooperation der Institute 101 und 105 motiviert wird. Einerseits können eine große Zahl von Modellen mit Daten versorgt werden, andererseits sollen theoretische Erkenntnisse zu Systemzusammenhängen quantitativen Methoden zu Gute kommen. Ein wichtiger Aspekt ist die mögliche Integration von Genderaspekten in prognostische Modelle. Darüber hinaus müssen bei Individuen basierten Modellen datenschutztechnische Randbedingungen beachtet werden, etwa die Beachtung von k-Anonymity bei der Übergabe von Daten [SWE02].

Am Institut 186 widmet sich speziell die WWTF Vienna Research Group „Visual Computing: Illustrative Visualization" der Erforschung von Visualisierungstechniken zur Darstellung unterschiedlicher Aspekte komplexer Phänomene, am Beispiel biologischer Prozesse. [LEM14, PAR14, KOL14] Der Zugang kann sowohl für experimentell erhobene Daten, wie auch für Simulationsergebnisse genutzt werden. Dabei steht im Zentrum die Untersuchung zeitlicher Abläufe und der Abhängigkeiten und Zusammenhänge gegebener Daten. Vorgänge können sich auf unterschiedlichen Längen- und Zeitskalen gleichzeitig zeigen. Um den Prozess zu verstehen, muss man beim Betrachten interaktiv zwischen unterschiedlichen Größenordnungen wechseln können und z.B. den Nutzer bei der Selektion relevanter Daten unterstützen [BIR14, WAL14]. Emergentes Verhalten kann so von den angewandten Forschern besser verstanden werden, indem die Struktur, die Abhängigkeiten und Zusammenhänge und Quantitäten auf unterschiedlichen räumlichen und zeitlichen Skalen dargestellt werden können. Diese Expertise kommt nun im Zentrum auch den Anwendungsbereichen Complex Processes & Decision Support zu Gute um komplexe Multiscale Daten in die weiteren Analysen und Modelle zu integrieren. Umgekehrt können die Forschungsergebnisse den weiteren Entwicklungen der WWTF Gruppe hervorragende Dienste leisten.

Konkret wird durch die beschriebenen Maßnahmen das Potential für Forschungsvorhaben im Bereich ökonomischer Methoden, e-marketing und e-commerce erweitert. Ein Fokus wird in der Zusammenarbeit mit dem COMET K-Projekt dexhelpp im Health System Research liegen. Angewandte Forschungsprojekte  im Zentrum werden die regionale Planung der Gesundheitsinfrastruktur betreffen, die im Rahmen der aktuell in Umsetzung befindlichen Zielsteuerung von enormer Wichtigkeit für  Sozialversicherung, Ministerien und Bundesländer sind. Die Ergebnisse solcher Modelle sind weiterst für Entscheidungsträger im Gesundheitssystem von enormer Wichtigkeit für die Frage ob Medikamente oder medizintechnische Produkte nach Ihrer Zulassung auch in die Wiedererstattung aufgenommen werden, somit von Sozialversicherungen für Patienten bezahlt werden. Für Pharmaunternehmen ist die Analyse der Abläufe bei der Entwicklung und dem Einsatz von Medizinprodukten von großer Wichtigkeit. Das Zentrum erwartet sich hier neben den bestehenden Kooperationen weitere Forschungskooperationen mit Partnern aus der Industrie, das mit zwei Referenzprojekten, vermittelt durch die Wirtschaftsagentur Wien / Lisa Vienna, gestartet werden wird. An der TU Wien können durch das Zentrum Forschungsgruppen, die Medizintechnologie entwickeln, im Reimbursement Prozess (also bei der Aufnahme in die Wiedererstattung) unterstützt werden.

Das Zentrum strebt eine Intensivierung der Vernetzung im europäischen Kontext mit der Joint Action EUNetHTA (http://www.eunethta.eu/collaborations) sowie den Ausbau der Kontakte mit internationalen wissenschaftlichen Organisationen, etwa der Society for Medical Decision Making (SMDM) an. Ein Ziel ist die biennal stattfindende europäische Konferenz E-SMDM nach Wien zu holen. An der TU Wien wird ein Forschungsserver implementiert werden, der Populationsmodelle für nationale und internationale Forschungsprojekte zur Verfügung stellen wird. Die Arbeiten werden in Kooperation mit der medizinischen Universität Wien erfolgen, die sich auch an den Infrastruktur Kosten beteiligen wird. International werden Kooperationen u. A. mit der Harvard T.H. Chan School of Public Health angestrebt. Uwe Siebert, Adjunct Professor of Health Policy and Management am Department of Health Policy and Management wird im Falle der Bewilligung des Zentrums bei einem der ersten Zentrumsevents sprechen.

Über die beschriebenen konkreten Forschungsaktivitäten hinaus besteht großes Potential für weitere Kooperationen mit Instituten und Zentren an der TU Wien, etwa mit der Abteilung Genderkompetenz, mit der, durch die Institute 101 und 259, bereits Vorprojekte im Bereich gendergerechte Entwicklung von Simulationsmodellen mit Industriepartnern durchgeführt wurden (Stable-HTA, Stable-HBO, Stable-AIR - Entwicklung von Simulationsmodellen zur Überwindung von Innovationshürden). Die Ansätze stellen einen weiteren Benefit für die praxisnahe Ausbildung zukünftiger ForscherInnen dar, welche in der Lehre beispielsweise bereits über das abgestimmte Lehrangebot im Masterstudium Business Informatics (Fakultät Mathematik und Geoinformation: "Modeling and Simulation" (Institut 101) und "Computational Social Simulation" (Institut 105)) oder die LVA „Modellbildung & Simulation im Health Technology Assessment“ vermittelt werden und jetzt vertieft werden sollen.