Sensitivitätsbetrachtungen

Sensitivitätsbetrachtungen bezeichnet in der Modellierung die systematische Untersuchung, wie Unsicherheiten in Eingabeparametern die Ausgaben eines Modells beeinflussen. Ziel ist es, die Robustheit der Ergebnisse zu prüfen, wichtige Treiber zu identifizieren und datenbedarf bzw. Modellvereinfachungen zu unterstützen.

Es gibt lokale und globale Ansätze. Lokale Sensitivitätsanalysen verwenden Ableitungen oder lineare Approximationen um die Änderung der Ausgaben bei kleinen Verschiebungen der Eingaben zu quantifizieren; sie erfassen oft nicht die Effekte nonlinearer Zusammenhänge oder Wechselwirkungen. Globale Sensitivitätstests erfassen das Verhalten über den gesamten unsicheren Eingangsraum und nutzen stochastische Simulationen oder Sampling-Methoden. Typische Verfahren sind Monte-Carlo-Simulationen mit Verteilungen der Eingaben, Varianz-basierte Ansätze (z. B. Sobol-Indizes), der Morris-Methode zur Screening und FAST-Methoden.

Im praktischen Vorgehen werden Eingabeunsicherheiten definiert, eine Zielgröße oder mehrere Outputs festgelegt, ein geeignetes Sensitivitätsverfahren ausgewählt und die Analysen durchgeführt. Die Ergebnisse werden oft als Sensitivitätsmaße, Rangfolgen der Einflussfaktoren sowie Sensitivitätsschattierungen in Form von Tornadodiagrammen oder Instanzen von Verteilungsfunktionen berichtet. Wichtig ist die Berücksichtigung von Korrelationen zwischen Eingaben, Modellstruktur und Annahmen zur Nichtlinearität.

Sensitivitätsbetrachtungen finden Anwendung in Technik, Umwelt- und Risikoforschung, Finanzmodellierung sowie Politik- und Energiesystemen. Sie unterstützen Priorisierung von Datenerhebung, Modellvereinfachungen, Szenarioplanung und die Interpretation von Unsicherheiten. Typische Grenzen sind hoher Rechenaufwand, subjektive Annahmen über Eingangsverteilungen und potenzielle Fehlinterpretationen bei nicht berücksichtigten Abhängigkeiten.

Zusammengefasst dienen Sensitivitätsbetrachtungen dazu, die Zuverlässigkeit von Modellergebnissen zu erhöhen, indem man die wichtigsten Einflussgrößen identifiziert und transparent kommuniziert, wie Unsicherheiten durch den Modellaufbau beeinflusst werden.