Alfred Oswald

Quantum Spiral Dynamics: ‚Es gibt nur eine Welt!‘ – Computer-experimentelle Metaphysik oder von Kohärenz und Kohäsion

Kurzfassung: Ich analysiere das Deutschland-Modell 2000–2025 des letzten Blog-Beitrages. Die Analyse mit Quantum Spiral Dynamics (QSD) zeigt eine deutliche Diskrepanz zwischen thematischer Kohäsion und narrativer Kohärenz. Während die klassischen Kohäsionsmaße relativ hoch bleiben und auf gemeinsame Themen verweisen, liegt die Quanten-Kohäsion fast konstant nahe null. Dies deutet auf fehlende phasenmäßige Resonanz und damit mangelnde gemeinsame Narrative der Themen hin. Die Kohärenz-Auswertung über alle Agenten zeigt, dass Ereignisse wie Agenda 2010, Eurokrise, Fluchtmigration oder Energiekrise kurzfristige negative Ausschläge in der Kohärenz verursachen. Insgesamt entsteht das Bild einer Gesellschaft, die zwar thematisch verbunden ist, jedoch keine gemeinsamen Narrative und keine dauerhafte kollektive Synchronisation erreicht: Ohne narrative Kohärenz ist die Gesellschaft instabil und anfällig für Brüche.

Diesen Blog-Beitrag habe ich nur mit ChatGPT 5.0 erstellt. Wie schon im vorhergehenden Blog hatte ich auch dieses Mal keine Probleme in der Bearbeitung mit ChatGPT. – Lediglich bei der Erstellung von Latex für WordPress und bei der Bildgenerierung gibt es Unzulänglichkeiten.
Da ich immer noch Anleitungen zum guten Prompting und der damit verbundenen KI-Unkenntnis in den sozialen Medien finde, will ich an dieser Stelle etwas zu meiner Arbeit mittels KI-Systemen sagen. Meine Blog-Beiträge entstehen typischer Weise in Zeiträumen von 4-6 Wochen. In diesen 4-6 Wochen setze ich iterativ mehrere hundert Prompts an die KI ab: Grundlegende Ideen kommen hierbei meistens von mir. Eine grundlegende Idee für diesen Blog-Beitrag ist, herauszuarbeiten welche Bedeutung Quanten-Kohärenz und -Kohäsion für kollektive Phänomene haben. Ich starte hierbei mit den Grundlagen in den Naturwissenschaften und transferiere zusammen mit ChatGPT diese Erkenntnisse auf soziale und psychische Fragestellungen. ChatGPT liefert hierbei die mathematischen Modelle und die dazugehörigen Programme; sehr oft auch mögliche fachliche Interpretationen. Alle KI-Aussagen werden vielmals iterativ quergeprüft: Ich tue dies, indem ich die KI-Aussagen selbst überprüfe und mit anderen KI-Aussagen vergleiche. Außerdem gebe ich der KI oft etwas andere Fragestellungen, lasse sie einen neuen Kontext bearbeiten oder stelle weiterführende Frage.
ChatGPT 5.0 nimmt meine Aussagen oder Fragestellungen auf und wiederholt diese mit wissenschaftlicher Präzision. In keiner der hunderten Kommunikationen ergaben sich falsche KI-Interpretationen oder -Halluzinationen. – Wenngleich bei der mathematischen Umsetzung auch Fehler geschehen.

Die Art, wie ich die KI verwende, setzt voraus, dass bei mir eine gute fachliche Basis vorhanden ist und ich gewillt bin, diese durch aktives iteratives Arbeiten und Lernen zu erweitern. – Ich kommuniziere hierbei mit der KI wie ich auch mit einem menschlichen Fachkollegen kommunizieren würde.
In der Vergangenheit habe ich DeepSeek, Mistral und Claude währende des Blog-Erstellungsprozesses zur Qualitätssicherung verwendet. – Inzwischen tue ich dies nur noch am Ende, wenn der Blog-Beitrag fast fertig ist.

Dieser Beitrag ist der dritte Beitrag der Blog-Reihe ‚Quantum Spiral Dynamics: ‚Es gibt nur eine Welt!‘ …‘.

In der Online-Zeitschrift Quanta Magazine erschien vor kurzem der Artikel „ ‚Metaphysical Experiments‘ Probe our Hidden Assumptions about Reality“ [1]. – Als philosophische Disziplin versucht die Metaphysik die Basis unseres Seins zu ergründen [2]: Sie stellt sich zum Beispiel Fragen wie ‚Was ist Realität?‘ ‚Ist diese Realität von uns als Beobachtern abhängig?‘ ‚Was sind Raum und Zeit?‘, ‚Sind Quanten real?‘ usw.. Die Experimentelle Metaphysik verbindet Physik und Philosophie, und versucht der Beantwortung dieser oder ähnlicher Fragen mittels Experimenten näher zu kommen. Meine Blog-Beiträge lassen sich sehr oft in diesem Bereich zwischen Wissenschaft und Philosophie verorten: Ich führe zwar keine Experimente durch, sondern benutze den Computer, um spekulative Gedanken mittels (Quanten-) Computer-Berechnungen oder -Simulationen auf ‚Sinnhaftigkeit‘ zu überprüfen. – Damit sind meine Ergebnis bei weitem nicht so stringent wie diejenigen, die mit Experimenten gewonnen werden. – Ich verwende Modelle und Theorien, die sich in der Physik bewährt haben, verändere diese für einen sozialen oder psychischen Kontext und überprüfe, ob daraus resultierende Aussagen ‚Sinn ergeben‘. ‚Sinn ergeben‘ heißt, dass die Ergebnisse durchaus mit der Brille ‚Sozial‘ oder ‚Psyche‘ interpretiert werden können und sogar einen Blick in die Zukunft gesellschaftlicher Entwicklungen erlauben. – Bisher hat sich diese Form von ‚Sinn ergeben‘ gezeigt, indem sich die metaphysische Tür zu ‚Es gibt nur eine Welt!‘ mit meinen Blog-Beiträgen ein wenig geöffnet hat.

Für diesen Blog-Beitrag formuliere ich zwei ‚metaphysische‘ Fragestellungen:

Lassen sich gesellschaftliche Phänomene wie Kultur oder Team Collective Mind mittels Potentialen oder Feldern beschreiben, wie man sie aus der Physik kennt?
Kann man soziale Resonanz zwischen Menschen mittels der Wellenmechanik der Quantenmechanik beschreiben?

Zur ersten Frage: Drei der vier Fundamentalkräfte (Elektrodynamik, starke Wechselwirkung und schwache Wechselwirkung) werden heute mit sogenannten Eichpotentialen beschrieben. Diese Eichpotentiale erzeugen sogenannte unitäre Dynamiken bzw. Transformationen. Ich verzichte hier auf die genaue mathematische Definition der unitären Dynamik. Wichtig ist hier, dass diese Eichpotentiale Information in einem modellierten System erhalten. Lediglich zwischen Teilsystemen eines System kann Information verschoben werden. Derzeit ist die vierte Kraft, die Gravitation, die einzige Wechselwirkung, die Information zerstört, denn sie wird derzeit über die Allgemeine Relativitätstheorie beschrieben, die keine Eichtheorie ist.- In dem Glauben, dass alle Fundamentalkräfte auf Eichpotentialen beruhen, wird seit Jahrzehnten versucht, die Allgemeine Relativitätstheorie in eine Eichtheorie einzubetten. – Bisher ohne Erfolg.
Es gibt auch einige Wissenschaftler – darunter der Nobelpreisträger Roger Penrose – die überzeugt sind, dass sich Gravitation nicht durch eine Eichtheorie beschreiben lässt und dass gerade dies notwendig ist, damit unsere makroskopische Realität aus der Quantenwelt hervorgehen kann.– Die Gravitation sorge hiernach dafür, dass der typische Wellencharakter der Quantenwelt ‚kollabiert‘ und die makroskopische Welt entsteht. – Zum ‚Kollabieren der Wellenfunktion‘ verweise ich auf den nachfolgenden Text.

Ich habe das SU(3) Eichpotential der starken Wechselwirkung für die Beschreibung gesellschaftlicher Phänomene gewählt, weil die Nicht-Kommutativität unserer Entscheidungen damit abgebildet werden kann (man siehe hierzu die vorherigen Blog-Beiträge). Außerdem lassen sich die Bewusstseinsebenen des Spiral Dynamics Modells problemlos auf die Freiheitsgrade des SU(3) Potentials abbilden. Die kulturelle Information bleibt erhalten und wird lediglich von einem Teilsystem in ein anderes Teilsystem transformiert.
Das SU(3) Eichpotential hat ursprünglich vier Komponenten, eine Zeitkomponente und drei Ortskomponenten. – Mit Einführung der Relativitätstheorie vor mehr als 100 Jahren haben fast alle physikalischen Größen diese Vierer-Struktur bekommen. Jede der vier Komponenten wird durch die 8 Generatoren und jeweils 8 Parameterfunktionen modelliert. Jede Parameterfunktion kann zusätzlich von Ort und Zeit abhängen. – Also eine ziemlich komplexe Struktur… Man siehe hierzu den Anhang des ersten Blog-Beitrages dieser Reihe.

Das in den letzten Blog-Beiträgen verwendete kulturelle Eichpotential ist (derzeit) ein Modell, das nur eine Ortskomponente enthält. Diese Ortskomponente enthält die Zeit als Parameter, aber nicht den Ort, ist also ohne Ortsauflösung: D.h. ohne Länder, Regionen, Organisationen oder Teams; aber mit Zeitauflösung. – Das heißt, das QSD-Kulturpotential hängt bisher nur von der Zeit aber nicht vom Ort ab. Im letzten Blog-Beitrag habe ich also Deutschland als homogenes Land für den Zeitraum 2000-2025 beschrieben. Die Teilsysteme des Systems Deutschland sind ‚nur‘ die drei Agenten mit ihren Werte-Ebenen im Spiral Dynamics Modell: Blau, Orange und Grün.

Mit der Zeit-Komponente hat man die Möglichkeit unterschiedliche Zeitskalen bzw. Frequenzen für die drei verwendeten Spiral Dynamics Ebenen zu modellieren: Die Grüne Ebene ‚tickt‘ dann zum Beispiel anders als die blaue Ebene und die Kopplung der Uhren dieser Ebenen kann auch abgebildet werden. Dies könnte ein Thema für einen der nächsten Blog-Beiträge sein.

Mit meiner Wahl der Potential-Komponenten habe ich die einfachste Eichung für das Kulturpotential vorgenommen. – Die vorherigen beiden Blog-Beiträge haben meines Erachtens gezeigt, dass diese Eichung für die Modellierung gesellschaftlicher Phänomene schon aussagekräftige Ergebnisse liefert.

Zur zweiten Frage: Die Frage nach der Abbildbarkeit von zwischenmenschlicher Resonanz mittels Wellenmechanik führt mich unmittelbar zu den Begriffen Kohärenz und Kohäsion. Ich definiere nämlich Resonanz als das Auftreten von Kohärenz und ggf. Kohäsion in der Wellenmechanik:

Kohärenz misst Synchronisation: Quanten oder Agenten schwingen im Takt, gleichzeitig oder versetzt. Über Phasenbeziehungen werden Quanten oder Agenten (bzw. deren Werte) in Superposition gebracht. – Es entstehen hieraus neue Zustände, die als Ganzes wirken und Interferenzen ausbilden.
Kohäsion misst Bindung: Quanten oder Agenten werden durch Kräfte oder Rahmenbedingungen (u.a. Strukturen und Institutionen) zusammengehalten. Dies erzeugt Stabilität und Ordnung.

Kohärenz und Kohäsion sind zwei unabhängige Größen, so kann zum Beispiel Synchronisation zunehmen, während Bindung abnimmt.

Ich verdeutliche Kohärenz und Kohäsion an einem Beispiel aus der Filmwelt: Es gibt sehr viele Filme, in denen zwei sehr ungleiche Personen durch einen meist unglücklichen Umstand (Rahmenbedingung) auf einander angewiesen sind, um eine Aufgabe zu meistern. Durch diese ungewollte Kohäsion beginnen sie nach einiger Zeit immer mehr ihre Handlungen aufeinander abzustimmen. Diese Form der Kohärenz führt dazu, dass sie besonders erfolgreich sind. Sie agieren als Team, also als Ganzes.

Oder ein anderes Beispiel: Bei einem Liebespaar wirkt die gegenseitige Attraktivität als Kohäsion und die Kohärenz stellt sich als gemeinsames Denken und Handeln (manchmal) danach ein.

Deshalb haben wir ehemals definiert, dass ein Team oder eine Organisation ein Collective Mind zeigt, wenn sowohl Kohäsion als auch Kohärenz vorliegen. – Für eine mathematische Definition der beiden Begriffe im Kontext der QSD verweise ich auf den Anhang.

Abbildung 1 gibt Beispiele aus der Physik und der Gesellschaft und verdeutlicht diese mittels der Einordnung in eine 2*2 Matrix für Kohäsion und Kohärenz.

Abbildung 1: Erstellt unter Mitwirkung von ChatGPT. Eine 2*2 Matrix für Kohäsion und Kohärenz zeigt Beispiele aus Physik und Gesellschaft. Die Physik Beispiele zu Laser und Supraleitung verwende ich oft in Management 4.0 Trainings, um die ‚unglaubliche‘ Leistung von kohäsiven und kohärenten Systemen zu verdeutlichen: Mit einem Laser können wir sehr große Energie auf kleinstem Raum bündeln, also zum Beispiel Stahlplatten durchschneiden. Die Supraleitung dient dazu, elektrische Ströme widerstandlos zu erzeugen. – In beiden Fällen muss man eine gewisse Energie in das System eingeben, um die gewünschten Effekte zu erzielen. Ich erläutere kurz was bei der Supraleitung geschieht: Spezielle Materialien werden auf sehr tiefe Temperaturen abgekühlt.- Um dies zu erreichen, benötigt man eine gewisse Energie. Die Gitteratome der Materialien zeigen bei sehr tiefen Temperaturen nur noch sogenannte Ruheschwingungen, man spricht von virtuellen Quanten, den Phononen. Zwei Elektronen treten über die Phononen in Wechselwirkung, sie bilden also eine Kohäsion aus. Liegt diese Kohäsion vor, ist die Voraussetzung geschaffen, dass sich ein (bosonisches) Elektronenpaar, das sogenannte Cooper-Paar, in Kohärenz ausbildet. In dem alle Cooper-Paare in einen gemeinsamen kohärenten Zustand übergehen, senkt sich die Energie noch weiter ab. – Es entsteht Supraleitung: Das Ganze ist mehr als die Summe seiner Teile. – Dies ist wahrscheinlich das beste physikalische Beispiel für Kohäsion und Kohärenz.

Wie man aus Abbildung 1 entnehmen kann, tritt Kohäsion sowohl in makroskopischen Systemen (Festkörper) als auch in Quantensystemen (Supraleiter) auf. Kohärenz, wie wir sie gleich skizzieren, ist ein typischer Quanteneffekt: Die Wellen der Quanten wechselwirken miteinander. Ich benutze diesen Effekt der Wellenmechanik, um interfrierende Wechselwirkung der Entscheidungsfindung im Menschen (Quantum Cognition) und in der Kommunikation zwischen Menschen zu beschreiben. – Es ist (bisher?) lediglich ein Modell, das psychische und soziale Effekte hilft mathematisch zu erfassen. – Unter dieser Einschränkung stehen die Ergebnisse dieser Blog-Reihe!

Ich habe überprüft, inwieweit die Zuordnung der Basiszustände zu den Generatoren sowie die Zuordnung der Basiszustände zu den Werte-Farben und die Zuordnung der Parameterfunktionen zu den Generatoren einen Einfluss auf die bisherigen und nachfolgenden Ergebnisse haben:

Im QSD-Modell wird die gesellschaftliche Dynamik durch eine Zuordnung von Spiral Dynamics Farben zu quantenmechanischen Basiszuständen beschrieben. Diese Basiszustände sind nicht frei wählbar, sondern stehen in einem festen Zusammenhang mit den SU(3)-Generatoren, die das soziale Eichpotential aufspannen. Mathematisch gilt: Jede unitäre Permutation der Basis wäre erlaubt, weil sich die Generatoren konsistent transformieren lassen. Inhaltlich jedoch zeigt ein Permutationstest, dass nicht alle Zuordnungen von Farben zu Basiszuständen gleichwertig sind.
Die Referenzzuordnung der Zustände zu Blau, Orange und Grün repoduziert die Daten des Deutschland-Modells 2000 bis 2025 über die Zeit am konsistentesten. Andere Permutationen sind zwar formal korrekt, führen aber u.a. zu abweichenden Phasen- und Kohärenzverläufen, die mit den empirischen Entwicklungen in Deutschland von 2000 bis 2025 weniger gut in Einklang stehen.
Die Wahl der Zuordnungen entsteht also nicht durch eine willkürliche Setzung, sondern spiegelt eine Konsistenz zwischen mathematischer Struktur (Basis und Generatoren) und sozialer Interpretation (Farbwerte und Parameterfunktionen) wider. Sie liefert damit zugleich eine Validierung des Modells.

Die nachfolgende Formel zeigt die allgemeinste Form einer Superposition für den Werte-Zustand eines Menschen in dem vereinfachten QSD-Modell, bestehend aus den Ebenen Blau (b), Orange (o) und Grün (g). Die Argumente in den e-Funktionen sind die Phasen der Wellenfunktionen: Vergegenwärtigt man sich, dass die e-Funktion mit komplexem Argument auch mittels cos- und sin-Funktion dargestellt werden kann, so sieht man, dass über diese Wellen-Wechselwirkungen (u.a. Superpositionen und Interferenzen) entstehen:

$\begin{equation*} |\Psi_{\text{QSD}}(t,r)\rangle = c_b\,e^{\,i\,\theta_b(t,r)}\,|b\rangle \;+\; c_o\,e^{\,i\,\theta_o(t,r)}\,|o\rangle \;+\; c_g\,e^{\,i\,\theta_g(t,r)}\,|g\rangle \end{equation*}$

Ѳ bezeichnet die Phasen, ist reel und hängt von der Zeit t und dem Ortsvektor r ab.

Jeder der Agenten mit einem der Anfangs-Werte Blau, Orange und Grün wird auf seinem Weg im Kulturpotential durch solch eine Gleichung beschrieben: Am Anfang der Simulation der vorherigen Blog-Beiträge haben die Agenten nur eine Ausrichtung in den Werten, sie sind Blau oder Orange oder Grün. Während sie sich durch das Kulturpotential bewegen, geht ihre Werte-Zusammensetzung jeweils in eine Werte-Superposition über.

Abbildung 2 zeigt die Phasenentwicklung der Agenten und die Agenten-eigene Kohärenz gemäß dem Deutschland-Modell 2000-2025 des vorherigen Blog-Beitrags.

Abbildung 2: Die Abbildung zeigt jeweils die Entwicklung der drei Phasen der drei Agenten A (Blau), B (Orange) und C (Grün) sowie die daraus abgeleitete Agenten-eigene Kohärenz im Zeitraum 2000 bis 2025. In den Phasenverläufen wird deutlich, dass sich die Agenten unterschiedlich stark von ihrer ursprünglichen Basis entfernen: Während bei Agent A die Komponenten zunehmend auseinanderlaufen und damit eine wachsende interne Spannung andeuten, zeigen die Phasen von Agent B eine Polarisierung zwischen Blau sowie Orange und Grün, die auf eine innere Spaltung des Werteprofils hindeutet. Agent C hingegen bleibt phasenmäßig elastischer und oszilliert ohne eine klare Drift, was auf eine höhere Anpassungsfähigkeit im Werte- und Bedürfnisraum schließen lässt. Im Kontext der QSD bedeutet dies, dass A und B auf stabile, aber polarisierte Erzählrichtungen zusteuern, während C eher eine vermittelnde Rolle einnimmt bzw. einnehmen kann.

Abbildung 3 zeigt Kohärenz und Kohäsion für das 3 Agenten System:

Abbildung 3: Diese Abbildung zeigt die Entwicklung von Kohärenz (oben) und Kohäsion (unten) im Deutschlandmodell 2000–2025. – Wir betrachten die drei Agenten Blau, Orange und Grün als Werte-Populationen mit einer 50%:30%:20% Verteilung.
Kohäsion bedeutet, dass Menschen ähnliche Themen bewegen, auch wenn sie unterschiedliche Narrative dazu haben. Kohärenz heißt, dass diese Themen in einer gemeinsamen Welle getragen werden, also in Resonanz geraten – sie teilen die gleichen Narrative.

Das Modell zeigt, dass die Gesamt-Kohärenz zwar zeitweise hohe Werte erreicht, jedoch bei zentralen Krisen – etwa Agenda 2010 (2004), Eurokrise (2012), Fluchtmigration (2016) und Energiekrise/Ukrainekrieg (2023) – tiefe Einbrüche erfährt. Die quantenmechanisch berechnete Kohäsion bleibt bei nahezu null, während die klassische Kohäsion (Bhattacharyya und Cosine) beständig belegt, dass es thematische Überschneidungen gibt.

Im Zusammenspiel ergibt sich: Wirtschaft, soziale Fragen oder Klima betreffen zwar alle, verlaufen aber in getrennten Erzählungen ohne dauerhaftes kollektives Narrativ. Ereignisse erzeugen kurzfristige Resonanz oder Brüche, doch keine stabile gemeinsame Phase. Deutschland zeigt somit thematische Kohäsion, aber keine narrative Kohärenz – also eine fragile Stabilität, die anfällig für Fragmentierung ist.

Ich beantworte also die zweite Frage, ob man soziale Resonanz zwischen Menschen mittels der Wellenmechanik der Quantenmechanik beschreiben kann, mit ja: Alle bisherigen QSD-Interpretationen sind konsistent und stimmen gut mit der Kultur-Realität in Deutschland überein.

Anhang

QSD Formeln und Erläuterung

Die nachfolgende Gleichung zeigt die QSD-Wellenfunktion in der allgemeinsten Form als Superpostion der Werte Blau, Orange und Grün. Jeder Agent wird durch solch eine Wellenfunktion beschrieben. Das Argument in der e-Funktion wird als Phase bezeichnet und ist für die Welleneigenschaften der Funktion verantwortlich: Eine imaginäre e-Funktion kann mittels cos- und sin-Funktion beschrieben werden, was den Wellencharakter sofort verständlich macht. Am Anfang der Simulation zeigen die Agenten jeweils ein ‚reines‘ Werteprofil, also nur jeweils Blau, Orange oder Grün:

$\begin{equation*} |\Psi_{\text{QSD}}(t,r)\rangle = c_b\,e^{\,i\,\theta_b(t,r)}\,|b\rangle \;+\; c_o\,e^{\,i\,\theta_o(t,r)}\,|o\rangle \;+\; c_g\,e^{\,i\,\theta_g(t,r)}\,|g\rangle \end{equation*}$

Falls ein Mehr-Quantensystem, oder im Falle der QSD, ein Mehr-Agenten System vorliegt, beschreibt man dieses sehr oft mittels eines Dichte-Operators bzw. einer Dichte-Matrix. Dass es sich bei dem Dichte-Operator um eine Matrix handelt, kann man sehr schnell sehen, wenn man die rechte Seite der nachfolgenden Gleichung als Vektorprodukt eines Vektors mit seinem transponierten Vektor interpretiert:

$\begin{equation*} \rho_{\text{QSD}}(t,r) \;=\; |\Psi_{\text{QSD}}(t,r)\rangle \langle \Psi_{\text{QSD}}(t,r)| \end{equation*}$

Man kann die Dichte-Matrix in einen Diagonalteil und einen Nicht-Diagonal-Teil zerlegen. Die Elemente des Nicht-Diagonal-Teils sind für die Kohärenz eines Quantensystems verantwortlich. Sind alle Nicht-Diagonal-Elemente null, geht das System in ein klassisches System über. – Es kollabiert. – Die nachfolgenden Gleichungen zeigen die Diagonal-Elemente und die Nicht-Diagonal-Elemente:

$\begin{equation*} \rho_{\text{QSD}}(t,r) \;=\; \rho_{\text{diag}}(t,r) \;+\; \rho_{\text{off}}(t,r) \end{equation*}$

$\begin{equation*} \rho_{\text{diag}}(t,r) \;=\; |c_b|^2\,|b\rangle\langle b| \;+\; |c_o|^2\,|o\rangle\langle o| \;+\; |c_g|^2\,|g\rangle\langle g| \end{equation*}$

$\begin{equation*} \rho_{\text{off}}(t,r) \;=\; \sum_{i\neq j \in {b,o,g}} \rho_{ij}(t,r)\,|i\rangle\langle j| \end{equation*}$

$\begin{equation*} \rho_{bo}(t,r) \;=\; c_b\,c_o\*e^{\,i\big(\theta_b(t,r)-\theta_o(t,r)\big)} \end{equation*}$

$\begin{equation*} \rho_{bg}(t,r) \;=\; c_b\,c_g\*e^{\,i\big(\theta_b(t,r)-\theta_g(t,r)\big)} \end{equation*}$

$\begin{equation*} \rho_{ob}(t,r) \;=\; c_o\,c_b\*e^{\,i\big(\theta_o(t,r)-\theta_b(t,r)\big)} \end{equation*}$

$\begin{equation*} \rho_{gb}(t,r) \;=\; c_g\,c_b\*e^{\,i\big(\theta_g(t,r)-\theta_b(t,r)\big)} \end{equation*}$

$\begin{equation*} \rho_{go}(t,r) \;=\; c_g\,c_o\*e^{\,i\big(\theta_g(t,r)-\theta_o(t,r)\big)} \end{equation*}$

$\begin{equation*} \text{(Hermitizität:)}\qquad \rho_{ji}(t,r) \;=\; \rho_{ij}(t,r)^{*}\, \end{equation*}$

Agenten-eigene Kohärenz

Ich beschreibe die zeitabhängige Agenten-eigene Kohärenz über die sogenannte C $\ell_1$ -Kohärenz. Diese misst die Stärke der Superposition über die Nicht-Diagonal-Elemente der Dichtematrix $:$

$\begin{equation*}C_{\ell_1}(\rho) = \sum_{i \neq j} \big| \rho_{ij} \big|.\end{equation*}$

Mean-Field Ansatz für die kollektive Kohärenz

Im Rahmen des QSD-Modells habe ich einen Mean-Field-Ansatz für die kollektive Kohärenz einer Agenten-Mischung eingeführt. Mit der Agenten-Mischung lassen sich Werte-Populationsmischungen einer Gesellschaft analysieren. Für Deutschland habe ich angenommen, dass 50% der Bevölkerung ein dominantes blaues Mem haben, 30% ein dominates orangenes und 20% ein dominates grünes Mem.

Zunächst definieren wir den kollektiven Zeiger als gewichtete Summe der Agentenzustände $\psi_n \in \mathbb{C}^3$ :

$\begin{equation*}\mu(t) = \sum_{n} w_n \psi_n(t),\qquad \sum_{n} w_n = 1.\end{equation*}$

Die Norm dieses Zeigers liefert den Ausrichtungsparameter $R(t)$ :

$\begin{equation*}R(t) = |\mu(t)| \in [0,1].\end{equation*}$

$R(t) \approx 0$ : die Agentenzustände heben sich gegenseitig auf → keine kollektive Ausrichtung.
$R(t) \approx 1$ : perfekte Ausrichtung → maximale Kohärenz.

Auf Basis von $R(t)$ konstruieren wir die Mean-Field QSD-Dichte-Matrix:

$\begin{equation*}\rho_{\text{QSD}}(t) = \big(1-R(t)^2\big) \mathrm{diag} \big(p_{\text{avg}}(t)\big)+ R(t)^2 \frac{|\mu(t)\rangle\langle\mu(t)|}{\langle \mu(t)|\mu(t)\rangle},\end{equation*}$

wobei $p_{\text{avg}}(t)=\mathrm{diag}\!\big(\rho_{\text{mix}}(t)\big)$ die klassische Durchschnittsverteilung über die Agenten bezeichnet.

Die Kohärenz wird mit dem C $\ell_1$ -Maß über die Nicht-Diagonal-Elemente von $\rho_{\text{QSD}}(t)$ berechnet:

$\begin{equation*}C_{\ell_1}(t) = \sum_{i\neq j} \big|\rho_{\text{QSD},ij}(t)\big|.\end{equation*}$

Für die Mean-Field-Formel kann dies kompakt in Abhängigkeit von $\hat{\mu}(t)=\mu(t)/\|\mu(t)\|$ geschrieben werden:

$\begin{equation*}C_{\ell_1}(t) = R(t)^2 \left[ \left(\sum_{i=1}^3 |\hat{\mu}_i(t)| \right)^2 - 1 \right].\end{equation*}$

Damit ergibt sich eine natürliche Schranke für die Kohärenz:

$\begin{equation*}C_{\ell_1}(t) \leq 2 R(t)^2,\end{equation*}$

wobei das Maximum genau dann erreicht wird, wenn alle drei Komponenten von $\hat{\mu}(t)$ gleiche Beträge besitzen, also

$\begin{equation*}|\hat{\mu}_b| = |\hat{\mu}_o| = |\hat{\mu}_g| = \tfrac{1}{\sqrt{3}}.\end{equation*}$

Quanten-Kohäsion (Overlap)
Dieses Maß berechnet die Überlappung zweier Zustände im Hilbert-Raum. Es ist sensitiv für Phasenbeziehungen und nimmt Werte im Bereich [0,1] an, wobei 1 volle Überdeckung (identische Zustände) bedeutet.
Im QSD-Kontext zeigt ein hoher Wert, dass Menschen nicht nur ähnliche Themen haben, sondern diese auch in gemeinsamer Phase und Resonanz bewegen – also ein Narrativ-Kollektiv bilden.

$\begin{equation*} \text{Cohesion}(t) = \frac{1}{\binom{N}{2}} \sum_{i<j} \big|\langle \Psi_i(t) | \Psi_j(t) \rangle \big| \end{equation*}$

Bhattacharyya-Kohäsion
Dieses Maß berechnet die Ähnlichkeit zweier Wahrscheinlichkeitsverteilungen, indem es deren geometrisches Mittel bildet. Es liegt im Bereich [0,1] wobei 1 für identische Verteilungen steht. Hierbei sind p_i und q_i die klassischen Wahrscheinlichkeiten, dass die Agenten in den Basis-Zuständen i (z. B. Blau, Orange, Grün) gemessen werden.

Im QSD-Kontext bedeutet ein hoher Wert: Menschen bewegen ähnliche Themen mit vergleichbarer Stärke, auch wenn ihre Narrative unterschiedlich sein können.

$\begin{equation*} C_{\text{Bhat}}(p,q) = \sum_{i} \sqrt{p_i q_i,} \end{equation*}$

$\begin{equation*} \quad p_i = | \psi_i |^2, q_i = | \phi_i |^2 \end{equation*}$

Kosinus-Kohäsion
Dieses Maß betrachtet die Verteilungen als Vektoren und misst den Winkel zwischen ihnen. Werte nahe 1 bedeuten eine sehr ähnliche Richtung (also ähnliche Verteilungen), Werte nahe 0 zeigen starke Unterschiede. Auch hier sind p_i und q_i die klassischen Wahrscheinlichkeiten für den jeweiligen Basiszustand i.

Im QSD-Kontext beschreibt dieses Maß, ob verschiedene Gruppen ihre Themen in vergleichbarer Gewichtung anordnen – ob also die „Richtung der Aufmerksamkeit“ ähnlich ist, auch wenn die absolute Stärke variiert.

$\begin{equation*} C_{\text{Cos}}(p,q) = \frac{\sum_{i} p_i q_i}{\sqrt{\sum_{i} p_i^2},\sqrt{\sum_{i} q_i^2}} \end{equation*}$

Quantum Spiral Dynamics: ‚Es gibt nur eine Welt!‘ oder von grundlegenden Überlegungen und einer ersten Deutschland-Kulturanalyse

Diesen Blog-Beitrag habe ich mit ChatGPT 5.0 erstellt. Da es keine Probleme in der Arbeit mit ChatGPT gab, habe ich DeepSeek, Mistral und Claude lediglich für die Qualitätssicherung verwendet.

Dieser Beitrag ist der zweite Beitrag der Blog-Reihe ‚Quantum Spiral Dynamics: ‚Es gibt nur eine Welt!‘ …‘. Ziel dieses Beitrages ist es, weiter abzuklären, ob die im vorherigen Blog-Beitrag verwendete mathematische Analogie zwischen Physik, Psychologie und Sozialwissenschaft gerechtfertigt ist. – Der Beitrag führt also die Machbarkeitsanalyse, die mit dem vorherigen Blog-Beitrag begonnen wurde, fort.

Ich erläutere deshalb meine grundlegenden Überlegungen und mache einen ersten qualitativen! Versuch der Kulturanalyse für Deutschland im Zeitraum 2020 bis 2025.

Im letzten Beitrag konnte man allein schon aufgrund der verwendeten recht umfangreichen Mathematik den Eindruck gewinnen, dass es sich um eine Quanten Version von Spiral Dynamics handelt: Einerseits trifft dieser Eindruck zu, andererseits nicht.

Die Quanten Mechanik hat sehr viele Facetten, jedoch beruht sie im Wesentlichen auf fünf Basis-Prinzipien, die ich teilweise für Quantum Spiral Dynamics (QSD) verwendet habe:

Die (mikroskopische) Welt besteht aus Quanten – kleinsten Einheiten, die je nach (makroskopischer) Umgebung mal als Welle und mal als Teilchen beobachtet werden.
Quanten und ihre Zustände werden in einem abstrakten mathematischen Raum beschrieben. Beobachtbare (makroskopische) Größen, wie zum Beispiel die Aufenthaltswahrscheinlichkeit für ein Quant, werden daraus abgeleitet. Leider gibt es (zur Zeit?!) keinen unmittelbaren Zugang für uns Menschen zu diesem abstrakten mathematischen Raum. Trotzdem stimmen Theorie und Praxis für die abgeleiteten beobachtbaren Größen mit unglaublicher Genauigkeit überein.
Die Zustände der Quanten werden vor der makroskopischen Messung durch die kohärente Überlagerung unendlich vieler Einzelzustände beschrieben. Ich nenne diese Einzelzustände Potentiale. Ich nenne sie Potentiale, weil sie meines Erachtens zur realen Welt gehören und potentiell durch eine Messung aktualisiert werden können. Nicht wenige Physiker halten die Potentiale für nicht real; andere Physiker halten sie für einen Ausdruck einer Welt aus vielen Universen. Sie wären dann irgendwie ‚real‘ aber nicht in unserem Universum, sondern in Parallel-Universen.
Die Zustände mehrerer interagierender Quanten können durch Superpositionen (also auch Überlagerungen) beschrieben werden. Diese Superpositionen können zu speziellen, sogenannten verschränkten Gesamtzuständen führen. Verschränkte Quanten sind ein Ganzes, das bei Messung auch als Ganzes erfahrbar wird. – Hier zeigt sich auch ‚Das Ganze ist mehr als die Summe seiner Teile.‘
Die zeitliche und räumliche Entwicklung und die Messung von Quantenzuständen wird mit Hilfe von sogenannten Operatoren beschrieben, die auf die kohärenten Quantenzustände wirken. Die Anwendung der Operatoren ist nicht immer kommutativ, d.h. es kann sein, dass Operator B zuerst angewendet und dann Operator A angewendet (also A*B) ein anderes Resultat ergibt als (B*A). Falls Gruppen von Operatoren nicht kommutativ sind, spricht man von einer nicht-abelschen Algebra.

Ich habe für die Erstellung der QSD diese fünf Prinzipien wie folgt verwendet bzw. interpretiert:

Die QSD kennt (natürlich) keine Quanten oder Wellen, jedoch Kontextabhängigkeit. Kontextabhängigkeit, also systemische Betrachtungsweisen, gehören zu jeder modernen Wissenschaft. Im vorherigen Blog-Beitrag habe ich gezeigt, wie Agenten mit unterschiedlichen Werteprofilen das Kulturpotential unterschiedlich erfahren. Der Kontext kann sich objektiv verändern, es kann aber auch sein, dass ein Agent A den objektiven Kontext anders wahrnimmt als ein anderer Agent B: Im letzten Blog-Beitrag haben die Agenten mit blauen, orangen und grünen Werte-Memen das Eichpotential A(t) auf unterschiedlichen Pfaden unterschiedlich erfahren.
Ich beschreibe sowohl die Zustände der Agenten als auch die QSD-Kultur über einen quantenmechanischen Formalismus: Analog wie in der Quantenmechanik sind die inneren Zustände, hier der Menschen, beschrieben über Präferenzen, Bedürfnisse, Werte und Glaubenssätze sowie der kulturelle Kontext – beschrieben über Werte-Meme – nicht direkt zugänglich, sondern lediglich die daraus resultierenden Verhaltensweisen. Ich verwende für diese nicht unmittelbar zugänglichen Zustände den Zustands-Formalismus der Quantenmechanik.
Da ich die psychischen und die sozialen Zustände analog den quantenmechanischen kohärenten Zuständen beschreibe, ergibt sich automatisch auch hier die Verwendung des Begriffes ‚Potentiale‘. Denken wir an unsere Gedanken 😉, so wird unmittelbar begreifbar, dass wir unglaublich viele Potentiale in Form von Gedanken permanent mit uns tragen. Erst wenn wir zum Beispiel einen Gedanken explizit ausgewählt haben und uns entschieden haben, diesen in der physischen Welt umzusetzen, aktualisieren wir diesen. Die quantenmechanischen Potentiale und die psychischen Potentiale sind also dahingehend sehr ähnlich. Auch die soziale Welt erschließt sich uns nur durch Geschehnisse; Werte-Meme sind abgeleitete, abstrakte Größen, die nach meinem Verständnis jedoch ‚real‘ sind.
Die Verwendung des quantenmechanischen Formalismus eröffnet damit auch die Möglichkeit Ambivalenz und sogar Vieldeutigkeit abzubilden. Der Begriff der Potentiale ist damit eine zentrale Brücken zwischen Physis, Psyche und Sozialem.
In dem vorhergehenden Blog-Beitrag habe ich den Begriff Potential(e) noch etwas anders verwendet: Ich habe nämlich von dem Eichpotential A(t) gesprochen. Potentiale sind alte Bekannte im Bereich der Physik. Der ein oder andere wird sich an die potentielle Energie oder das Potential in der Elektrostatik bzw. -dynamik erinnern. Hier steht Potential für einen Energieunterschied, also verallgemeinert für eine Energielandschaft aus Bergen und Tälern. Systeme suchen die Täler mit niedrigster Energie auf. Das Deep Learning der KI Systeme folgt zum Beispiel diesem ‚Drang‘. Das Eichpotential wirkt wie die Potentiale der kohärenten Zustände latent im Hintergrund: Das Eichpotential ist eine mathematische ‚Hintergrundeigenschaft‘, die nicht direkt beobachtbar ist, sondern erst über seine abgeleitete Größen, u.a. seine Feldstärken oder über Interferenzeffekte (im sogenannten Aharonov–Bohm Effekt). Sehr oft wird das Potential auch als Feld bezeichnet, korrekt ist das nicht, da man unter Feld die Änderungen des Potentials im Parameterraum versteht. In einem späteren Blog-Beitrag werde ich genauer darauf eingehen. Das Potential ist also Etwas, das real wirkt, obwohl es nicht direkt ’sichtbar‘ ist. – Das Eichpotential wie auch die Potentiale kohärenter Zustände sind Träger latenter Wirkung: Das Eichpotential strukturiert mittels seiner Quanten wie Elementarteilchen physische Realität erzeugen, die Potentiale kohärenter Zustände strukturieren welche Zukunftsoptionen physische Realität werden können. Man kann also sagen: Es gibt Ebenen der Realität, die nicht direkt beobachtbar sind, die aber die Möglichkeiten und Entwicklungen der Realität bestimmen. Auf die QSD übertragen heißt dies: Das Eichpotential ist ein latente psychische oder soziale ‚Hintergrundeigenschaft‘, die Bewusstsein und Kommunikation strukturiert. Psychische und soziale Potentiale sind die Menge aller Einzelzustände eines kohärenten psychischen oder sozialen Zustandes, die in dieser ‚Hintergrundeigenschaft‘ angelegt sind, aber noch nicht aktualisiert sind. Psychische und soziale Feldstärken sind aus dem psychischen oder sozialen Eichpotential abgeleitet Größen, die sichtbar und erfahrbar werden als aktualisierte Konflikte, Spannungen, Entwicklungen, usw. .
Die Verschränkung von Quanten ist sicherlich das mit Abstand mysteriöseste Phänomen der Quantenmechanik. In anderen Blog-Beiträgen zur Integrierten Informationstheorie des Bewusstseins habe ich daraufhin gewiesen, dass es Wissenschaftler gibt, die Bewusstsein als quantenmechanischen Effekt der Verschränkung verstehen. Auch ich benutze in diversen Blog-Artikeln die Verschränkung als Modell für den Collective Mind eines Teams oder einer Organisation. Auch in der QSD kann man zum Beispiel das Ziel einer Teamdynamik als verschränkten Zustand angeben. Es gibt allerdings bisher keinen empirischen Hinweis, dass das individuelle oder kollektive soziale Bewusstsein auf Verschränkung beruht.
Die Nicht-Kommutativität ist wie die Kontextabhängigkeit eine Erkenntnis, die sich schon früh in der Entwicklung der Quantenmechanik einstellte. Die Nicht-Kommutativität von Ortsbestimmung und Impulsbestimmung führt direkt zur berühmten Heisenberg’schen Unschärferelation. Die Kontextabhängigkeit und die Nicht-Kommutativität sind beides Erkenntnisse, die meines Erachtens nicht allein Quanten-spezifisch sind, also allein zur mikroskopischen Welt gehören: Kontextabhängigkeit und Nicht-Kommutativität gehören auch zur makroskopischen Welt. Nicht immer, aber durchaus oft, können wir Nicht-Kommutativität im Alltag beobachten: Man stelle sich zwei ‚Operatoren‘ zu einem Bahnübergang vor: Operator A ‚Schranke schließen‘ und Operator B ‚Zug fährt vorbei‘. Fährt zuerst der Zug vorbei und dann wird die Schranke geschlossen, kann das Ergebnis eine Katastrophe sein. Umgekehrt eher weniger. Operator A und B sind also nicht kommutativ. In dem Blog-Beitrag ‘AI & QC & M 4.0: Quantum Cognition für das Team-Management oder von der Macht der Mathematik, vom Oktober 24, 2024‘ habe ich gezeigt, wie ein quantenmechanischer Formalismus mentale nicht-kommutative Vorgänge beschreiben kann. Ich verwende für das QSD Eichpotential A(t) das Yang-Mills Eichpotential der starken Wechselwirkung mit den Operatoren der SU(3) Lie-Algebra. Ich tue dies vor allem deswegen, weil diese Operatoren, die sogenannten Generatoren, nicht-kommutativ sind. Man kann zeigen, dass so aufgebaute Eichpotentiale nichtlineare Effekte in der Wechselwirkung von Quanten hervorrufen. – Man spricht von Selbstwechselwirkung. Auf die Farben der QSD bezogen, heißt dies, dass Werte-Meme einer Bewusstseins- und Kulturebene auch mit sich selbst in Wechselwirkung treten können.

Da die Nicht-Kommutativität der Lambda-Generatoren (d.h. [λ1, λ2] = λ1*λ2 – λ2*λ1 ≠ 0, man siehe den vorherigen Blog-Beitrag: Die Formeln dienen hier nur als Einstiegshinweis in den vorherigen Blog) von entscheidender Bedeutung für die QSD-Modellierung ist, illustriere ich diese hier an zwei Beispielen:

Beispiel 1: [λ1, λ2]=2i λ3

Stellen wir uns ein Team vor, das sich im Spannungsfeld zwischen sachlichem Austausch und kommunikativem Ton bewegt. Die beiden Kräfte – nennen wir sie Diskurs-Impuls und Dialog-Rhythmus – wirken zwar auf dasselbe Thema, aber aus unterschiedlichen Richtungen. Sie sind nicht einfach austauschbar, sondern beeinflussen sich gegenseitig.

Wenn der sachlich strukturierte Diskurs den Anfang macht, entstehen zunächst klare Argumente und Modelle. Kommt danach der Dialog-Rhythmus hinzu, wird dieser strukturierte Diskurs von einer gewissen Tonalität überlagert, die dem Ganzen entweder Ruhe oder Schärfe verleiht. In dieser Reihenfolge führt der Prozess oft zu einem stärkeren Vertrauen in Regeln, Prozesse und Strukturen.

Beginnt man jedoch mit dem Tonfall, also mit einem Kommunikationsrhythmus, der vielleicht hitzig, ironisch oder auch spielerisch gefärbt ist, dann sind die später eingebrachten Argumente bereits in diesem Klangraum eingefärbt. Selbst gute Fakten klingen dadurch weniger neutral, sondern tragen die Prägung des anfänglichen Stils. In dieser Variante verlagert sich das Verhalten des Teams leichter in Richtung Wettbewerb, Leistungsdruck und Abgrenzung.

Das Entscheidende ist also nicht nur, was gesagt wird, sondern in welcher Abfolge sachlicher Diskurs und kommunikative Färbung auftreten. Die Reihenfolge bestimmt, ob das Team am Ende eher Vertrauen in Ordnung und Stabilität gewinnt (blaue Orientierung) oder stärker in Konkurrenz- und Leistungslogiken (orangene Orientierung) hineingezogen wird.

Beispiel 2: [λ4, λ5]=i(λ3+3λ8)

Auch hier geht es um zwei unterschiedliche Kräfte im Team: den Harmonie-Impuls und die Empathie-Feinjustierung. Beide wirken auf das soziale Klima, aber sie tun es auf verschiedene Weise. Harmonie setzt einen kollektiven Rahmen, der alle einbindet. Empathie dagegen wirkt feiner, sie justiert Spannungen im Einzelkontakt. Zusammengenommen formen sie sowohl die Regeln und Ziele als auch das kulturelle Grundvertrauen.

Wenn die Harmonie den Anfang macht, etwa durch ein gemeinsames Ritual, eine Retrospektive oder eine verbindende Teammaßnahme, entsteht zuerst ein klares Wir-Gefühl. Darin eingebettet wirken spätere empathische Anpassungen besonders wirksam, weil sie auf einem stabilen Fundament aufsetzen. Das Ergebnis ist, dass Regeln und Ziele konstruktiv neu austariert werden und zugleich das Grundvertrauen in die Kultur wächst. Die Organisation fühlt sich kohärenter, stabiler und von innen heraus getragen an.

Beginnt man jedoch mit der Empathie, also mit vielen kleinen individuellen Gesten im Alltag – hier einmal strenger, dort einmal nachsichtiger – dann fehlt zunächst der übergeordnete Rahmen. Die Signale wirken fragmentiert und teilweise widersprüchlich. Kommt später ein Harmonie-Impuls hinzu, verfängt er weniger, weil die Gruppe schon in unterschiedliche Richtungen auseinandergezogen wurde. In diesem Fall verschieben sich Regeln und Ziele chaotischer, und der kulturelle Grundton bleibt schwach oder ambivalent.

Das Entscheidende ist hier die Reihenfolge: Harmonie vor Empathie baut eine tragfähige Kohärenz (ausgewogene Mischung von blau, orange und grün) auf, während Empathie vor Harmonie eher zu zersplitterten Effekten (blaue, orangene und grüne Unausgewogenheit) führt.

Zusammenfassend stelle ich fest, dass die nicht-abelsche Form des Vektorpotentials A(t), das als latentes Kulturpotential wirkt, ganz entscheidend ist für Effekte, die man auch in der Praxis von Teamarbeit oder in der Organisationstransformation beobachten kann. Meines Erachtens zeigen diese Beispiele noch etwas sehr Fundamentales: Die Mathematik, hier die Lie-Algebra, weiß nichts von den Inhalten der QSD. Ordnet man der Lie-Algebra jedoch QSD Inhalten zu, ergeben sich sinnvolle Aussagen, die auch in der sozialen Praxis erfahrbar sind.- Das meine ich, wenn ich feststelle ‚Es gibt nur eine Welt!‘.

Die Generatoren der Lie-Algebra sind nur die eine Hälfte der Ausgestaltung der Vektorpotential-Komponenten. Der andere Teil wird durch die 8 Parameterfunktionen gebildet. Mit diesen Parameterfunktionen lässt sich die zeitliche Entwicklung der drei SD Ebenen und deren Wechselwirkung modullieren. So können diese dazu verwendet werden, um Führungsimpulse oder kurz-, mittel- oder langfristige kulturelle Veränderungen auf organisationaler Ebene oder gesellschaftlicher Ebene zu modellieren.

Ich demonstriere den Einfluss der Parameterfunktionen im Folgenden, indem ich wieder drei Agenten mit jeweils ausgeprägtem Werteprofil in Blau, Orange und Grün sich durch das Vektorpotential bewegen lasse. Die Bewegungsgleichungen enthalten in diesem Fall keine dissipativen Anteile wie im vorherigen Blog sondern lediglich das Vektorpotential. Als Vektorpotential verwende ich zwei Ausprägungen: Das im letzten Blog-Beitrag verwendete und ein Vektorpotential das die Kultur Entwicklung von Deutschland mittels der SD-Ebenen blau, orange und grün qualitativ modelliert. – In einem späteren Blog-Beitrag will ich die Entwicklung von Deutschland mittels genauerer Datenbank-Werteprofile modellieren. Heute geht es nur darum, die Unterschiede, die durch eine unterschiedliche zeitliche Ausgestaltung von A(t) hervorgerufen werden, in den Pfaden der Agenten aufzuzeigen.

Für die qualitative Kalibrierung der Parameterfunktionen des Deutschland-Modells 2020-2025 stütze ich mich auf empirische Studien und Indikatoren:

Vertrauen in Institutionen:

Laut OECD vertrauten im Jahr 2023 nur rund 36 % der Deutschen der Bundesregierung (OECD Trust in Government, 2023). Das ist ein deutlicher Rückgang gegenüber den frühen 2000er Jahren und zeigt eine zunehmende Skepsis gegenüber stabilisierenden Institutionen.

Wertewandel von materiell zu postmateriell:

Die Daten der European Values Study (EVS) und World Values Survey (WVS) zeigen seit den 1980er/90er Jahren einen klaren Trend hin zu Selbstentfaltung, Umweltbewusstsein und gesellschaftlicher Offenheit. Dies ist typisch für eine grüne Orientierung (postmaterielle Werte).

Wachsende Unzufriedenheit:

Der Edelman Trust Barometer 2025 betont eine breite gesellschaftliche Frustration ‚über das System‘ mit sinkendem Vertrauen in Wirtschaft, Medien und Politik. Dieses Misstrauen verstärkt die gesellschaftliche Fragmentierung.

Daraus leite ich folgende Parameterfunktionen für das Deutschland-Modell ab:

Funktion	Dimension	Trend 2000–2025	Beschreibung & Begründung
f1	Vertrauen in Institutionen (Blau–Orange)	Stark sinkend von 0.6 (2000) auf 0.35 (2023), danach nochmals auf 0.25	Vertrauensverlust in Regierung und Institutionen, vgl. OECD-Daten
f2	Bildung / Stimulation / Arbeitsmotivation	Leicht steigend von 0.2 auf 0.3	Kontinuierlicher Ausbau von Bildung & Weiterbildung, höhere individuelle Ansprüche
f3	Postmaterialismus (Autorität vs. Eigenverantwortung)	Stark steigend von 0.1 auf 0.4	Wertewandel EVS/WVS: mehr Selbstentfaltung, Nachhaltigkeit
f4	Gemeinschaft & Empathie (Grün)	Leicht steigend von 0.2 auf 0.25, zusätzlicher Peak um 2020	Covid-Pandemie verstärkte Gemeinschaftsorientierung
f5	Sozialimpuls (Regulierung für das Soziale)	Schwankend: leichter Anstieg bis 2017, danach Rückgang	Pandemie führte zu kurzfristigem Regulierungsschub, später Rückgang
f6	Kooperation vs. Wettbewerb	Moderater Anstieg von 0.1 auf 0.2	Zunehmende Relevanz von Kooperationen (z. B. Klimapolitik, EU)
f7	Innovation	Stetig steigend von 0.3 auf 0.4	Digitalisierung, Energiewende, High-Tech-Sektor
f8	Institutioneller Meta-Bias	Abnehmend von 0.2 auf 0.15	Vertrauenskrise in Institutionen → weniger kollektiver ‚Grundton‘ der Stabilität

Tabelle 1: Übersicht der Parameterfunktionen mit einer vereinfachten Kalibrierung auf der Basis von Aussagen von OECD, EVS/WVS und Edelman Trust Barometer. Anmerkung zu f8, dem Institutionellen Meta-Bias: Der Meta-Bias (Parameterfunktion und Lambda 8 Generator) steht für den kulturellen Rahmenparameter, auf dessen Basis Systemstabilität und Vertrauen entstehen können. Ein hoher Meta-Bias bedeutet, dass Konflikte zwischen den Werten (blau, orange, grün) durch institutionellen Zusammenhalt abgefangen werden. Sinkt er, verliert die Gesellschaft ihre kohärente Handlungsfähigkeit.

Damit ergeben sich folgende zusammenfassende Aussagen für die zeitliche Entwicklung in Deutschland von 2020-2025:

2000–2010: Vertrauen hoch, postmaterielle Werte niedrig: Blau dominiert (Ordnung, Stabilität).
2010–2017: Immer stärkerer Wertewandel, Gemeinschaft und Empathie nehmen zu: Grün steigt
2017–2023: Vertrauensabsturz in Institutionen, während Postmaterialismus und Kooperation sich verstärken: grüne Umbruchphase.
2023–2025: Dynamik durch Krisen (Pandemie, Wirtschaft), institutioneller Rahmen bleibt schwach.

Die beiden nachfolgenden Abbildungen zeigen die Ergebnisse einer Simulation für die extrapolierten Parameterfunktionen des Deutschland-Modells (Abbildung 1) und der Parameterfunktionen wie ich sie im vorherigen Blog verwendet habe (Abbildung 2).

Abbildung 1: Deutschland-Modell (abgeleitete, interpolierte Parameterfunktionen, 2000–2025):

Die Pfade der Agenten (Blau, Orange, Grün) sind enger ineinander verwoben, sie bleiben in einem gemeinsamen Raumbereich. Das deutet auf starke Kopplung und gegenseitige Rückkopplung hin. Deutschland entwickelt sich über die Zeit als ein relativ kohärentes System, in dem keine Agentenfarbe völlig ‚ausreißt‘. Die enge Verflechtung bedeutet eine hohe Interdependenz von Blau, Orange und Grün. Das soziale Potential reagiert empfindlich – kleine Änderungen in einem Bereich (z. B. Institutionenvertrauen) wirken direkt auf die anderen. Das System ist dadurch robuster im Zusammenhalt, aber auch anfälliger für Instabilitäten im Ganzen, weil kein Teil isoliert ‚abfedert‘.

Abbildung 2: ‚Künstliches‘ Modell mit Parameterfunktionen des vorherigen Blog-Beitrages

Die Pfade sind weiter auseinandergezogen, klarer separiert und teilweise ‚glatter‘. Das System wirkt weniger gekoppelt, eher wie drei parallele Entwicklungsbahnen, die zwar dynamisch sind, sich aber nicht so stark gegenseitig beeinflussen. Jeder Agent folgt stärker seinem eigenen Rhythmus, wie drei parallele Ströme. Weniger Verwobenheit bedeutet: klarere Eigenlogiken, weniger Resonanz. Das könnte in realen Gesellschaften einer fragmentierten, individualisierten Dynamik entsprechen, wo Subsysteme ‚ihr eigenes Ding‘ machen.

Eine weitere Analyse der Phasen (siehe vorherigen Blog), die ich der Einfachheit wegen hier nicht mit Diagrammen belege, zeigt, dass Blau und Orange für Deutschland weniger Phasen-Drift haben: Ordnung (Blau) und Wettbewerb/Innovation (Orange) hinken eher hinterher, sie werden nicht so stark vorangetrieben wie in der Modellwelt. Bezogen auf das Grün gewinnt Deutschland einen starken positiven Phasen-Drift: Grün für Deutschland ‚überholt‘ das ‚künstliche‘ Modell. Empathie, Beziehungsorientierung, Gemeinschaft rücken im Deutschland-Modell stärker in den Vordergrund als es das ‚künstliche‘ Modell hervorbringt.

Insgesamt zeigt Deutschland ein stark verwobenes Netzwerk mit einem Trend in Richtung Grün. Die Kohäsion ist hoch, Blau und Orange verlieren über die Zeit relativ zum ‚künstlichen‘ Modell an Dynamik. Damit besteht die Gefahr, dass Blau/Orange nicht mehr ‚mitkommen‘, falls Grün überzieht. Dies könnte zu Spannungen führen, z. B. Leistung vs. Empathie, Ordnung vs. Offenheit. Deutschland ist also ein verwobenes, spannungsreiches System mit klarer grüner Phasenübernahme.

Das kommt einem bekannt vor…!!! – Die Parallelen zur Entwicklung in Deutschland sind meines Erachtens schon sehr erstaunlich. – Ich betone, dass ich an keiner Stelle die Parameter so eingestellt habe, dass die geschilderten Ergebnisse sich einstellen.

Es ist nicht das Ziel des Blog-Beitrages eine quantitativ abgesicherte Kulturanalyse vorzulegen. Vielmehr sollte die Machbarkeit des in Teilen quantenmechanischen Ansatzes für eine Kulturanalyse weiter überprüft werden. Meines Erachtens zeigt sich durch die vorliegende Machbarkeitsanalyse, dass der eingeschlagene Weg Sinn macht!

Quantum Spiral Dynamics: ‚Es gibt nur eine Welt!‘ oder von Eichtheorien und Topologien

Zuerst einige Anmerkungen zur Verwendung der KI-Systeme:
Ich verwende wieder ChatGPT, um mit diesem KI-System das Quantum Spiral Dynamics Modell zu entwickeln und in Python-Programme umzusetzen. Das Quantum Spiral Dynamics Modell verwendet Ideen aus der  Quantenchromodynamik und der Theorie topologischer Isolatoren. Damit ist das Modell konzeptionell und mathematisch sehr anspruchsvoll. ChatGPT zeigt in unserer Zusammenarbeit unglaublich viel ‚Kompetenz’ was die Quantenmechanik und deren Transfer in die soziale Welt anbetrifft. Die Erzeugung von Latex Code hat sich deutlich verbessert, wenngleich der Übergang zur WordPress Version noch recht viele Unzulänglichkeiten hat. Die unmittelbare Erzeugung von Illustrationen für die verwendeten Konzepte ist leider noch völlig unzureichend. Die Python Programme sind nicht sehr groß, so dass in diesem Fall ChatGPT den Code, anders als bei der Bearbeitung des letzten Blog-Beitrages, anfangs ohne Probleme ausgibt. Insbesondere an Nachmittagen häuften sich jedoch die Fehler: Bisherige Ergebnisse wurden vergessen, der Code wurde öfter umgeschrieben ohne Notwendigkeit und Ergebnisse wurden nicht mitgeteilt. – Dadurch dass ChatGPT den Code jetzt auch selbst ausführt, war er oft nicht mehr in der Colab-Umgebung lauffähig; es fehlten öfters Module und Sub-Module. – Die Zeit bis zur Beantwortung von Prompts lag des Öfteren im Minuten Bereich statt im Sekunden Bereich wie in der Vergangenheit. Ich habe DeepSeek,  Mistral und Claude für die Qualitätssicherung verwendet. DeepSeek hat Unsauberkeiten im ChatGPT Programm gefunden, jedoch schießt DeepSeek des Öfteren über das Ziel hinaus: Es neigt dazu, völlig andere Algorithmen zu verwenden. Mistral zeigt dieses Mal Analysequalitäten, die an diejenige von ChatGPT und DeepSeek heranreichen, also endlich ein europäisches System, das im internationalen Vergleich in etwa mithalten kann. Claude hat einen deutlichen Sprung nach vorne gemacht: Es sticht mit einer guten Fehleranalyse, vorgeschlagenen Erweiterungen und einer prägnanten fachlichen Analyse hervor. – Der letztendlich im Blog-Beitrag verwendete Code stammt deshalb von Claude.

Nun zum eigentlichen Blog-Beitrag:

Ziel des Beitrages ist es, eine Quantum Version des Modells Spiral Dynamics zu erstellen, um mit diesem System soziale Transformationen zu untersuchen.

Das Kultur- und Bewusstseinsentwicklungs-Modell Spiral Dynamics (SD) ist meines Erachtens das umfassendste Modell für die Modellierung der Entwicklung von Kulturen und Individuen [1, 2]. Es ist wesentlicher Bestandteil des Management 4.0 Frameworks [3]. – Ich verweise auch ergänzend auf die verschiedenen vergangenen Blog-Beiträgen mit unterschiedlichen SD-Anwendungsfällen.

Da die SD-Entwicklungsebenen im Folgende eine große Rolle spielen, zitiere ich hier aus der englischen Version von ‚Projektmanagement am Rande des Chaos‘ [3] und liste die SD-Entwicklungsebenen:

Level 1 beige: The survival-oriented stage of existence: archaic-instinctive.

V-meme: The world is a hostile environment that dictates physical demands, drives and instinct. Behavior is based on basic needs and self-expression, the instinct to survive.

This v-meme occurs in our society only in extreme situations (war, disasters).

Level 2 purple: The animistic or clan-related level of existence: clan, security-oriented, self-sacrificing.

V-meme: The world is menacing and full of mysterious powers and spirits, which must be appeased.

Life is characterized by self-devotion for the clan and its rules, the elders and the ancestors. Individuals belong to a community, and pass on the rituals of the clan, revere the spirits of the clan and find their places in the community. Clan-like cultures define ritual transitions that young people and adults have to pass through to reach the next stage within the community. In modern industrial society, there is often a dislike for the concepts and rituals that originate from this v-meme. – Since they are viewed as unfashionable for modern management and society. A complete loss of symbols and actions from the purple level, however, leads to what is frequently lamented as „coldness“ in large company structures. Thus, the backlash grows, i.e. the search for rituals, community and belonging. Outdoor training is a modern expression of this.

Level 3 red: The self-determined, “heroic-life-without-consideration-of-others” level of existence: egocentric, hedonistic.

V-meme: The world is like a jungle, where the strong and the tough rule and the weak serve. Nature is regarded as an enemy that has to be defeated.

What counts is who wins the fight, no matter at what cost: Others have no importance; the only important thing is self-survival in the story of mankind forever.

At this stage, we experience self-expression in its pure energetic form without any rules or remorse. It is about the individual who stands out from the crowd. Be it Robin Hood or Attila the Hun, there are both villains and heroes at this level. However, it is the individual deeds of particular individuals that continue in the narratives. And empires generally crumble along with their heroes.

In modern industrialized companies, we find embodiments of the red level hero characterized as „strong“ business leaders, in whose companies, after their departure, missing structures and risks are revealed. …

Level 4 blue: The level of existence, which is subordinate to absolute truth and where lasting peace is sought: absolutist, conformist, religious.

V-meme: Through a higher power, the world is given a structure and order that punishes „evil“ and in the end rewards „good“ deeds and proper moral conduct.

This level is characterized by self-devotion to a truth or a system, in order to receive rewards later. Those who belong to this system are committed to the bigger picture and willing to sacrifice themselves. Such individuals do not expect rapid fame, but expect to perish for a cause, either collectively or individually. Blue level individuals exist either as human manifestations or as perverted ideological content. Organizations with an active blue v-mem emphasize clear rules and reward belongingness and stability.

Level 5 orange: The modern, self-referring, “development-at-any-cost” level of existence: success-oriented, materialistic, objectivistic.

V-meme: The world is full of opportunities that can be used and develop to improve products and society to increase prosperity.

Those who win the game of the market are smart. This self-expression manifests without shame and without guilt when others are harmed.

This level, together with the blue level, dominates the modern industrial age. Since the Age of Enlightenment, the individual, rationality and development of progress and technology, along with all empirical sciences, have shaped social processes. Companies are predominantly competing according to „orange level“ rules of the market economy, to be first, for the best stock exchange price, and for the highest profit. Many „business heroes“ try to be winners in the field of big business. A loss of top position is equivalent to a loss of their entire existence. At the same time, this orientation has its dark side: Burnout on a personal level and economic crises on the collective level, are examples of limits of a purely rational, egocentric worldview.

Level 6 green: The pacifist, egalitarian “oriented–to-self-realization-of-the-whole-community” level of existence: personalist, group-oriented, humanist.

V-meme: The world is our home, which grows and thrives through mutual love, appreciation and participation.

Only fully-fledged members of the world, who are sensitive to themselves and to others, and who are part of the community. Self-devotion is human-oriented and rewards are attained by social recognition. The green level is based on several elements of the purple level. Last but not least, the concept of the modern heroic journey of Josef Campbell…comes from anthropology and research on the historical initiation rituals of clans.

In modern business culture, the sensitive hero only finds their place by resistance. Feminine leadership qualities, which are typical for the green meme, are required in our society, but due to the incorporation of other v-memes, at the same time they are destroyed.

Level 7 yellow: The existential, integrating level of existence.

V-meme: The world is a complex system in which change is constantly taking place and complexity is perceived as a gift: systemic, networked, integrating.

The „yellow“ level individual has the meta-competency to be able to integrate into themselves seemingly opposing poles and levels and can transfer this to the outer world by adding value. Their self-expression is such, that attention is paid to all others in the system.

For individuals at this level of consciousness, Graves observed a sudden increase in problem solving competence, the integration of opposites and a high degree of autonomy, while at the same time respecting the limits of others. Graves therefore introduced a partition between the first six levels and the seventh level of his model. He named the first six levels, the „first tier“ (the first section, the first order), and the seventh level and higher as the „second tier“ (second order). Up until now, we have only had a rough understanding of how the yellow level is expressed in individuals and organizations. Opportunities for technical networking will create synergies and catalyze this v-meme.

We believe that the content of this book will help make the „yellow“ level of existence more comprehensible and at home in project management.

Level 7 turquoise: The existential, integrating level of existence: experience-oriented, holistic thinking, synergistic.

V-meme: The world is an organism, which we have received as a gift and which transcends us. We bear responsibility, not only for humankind, but for the sustainable future of the entire universe. The self is ready to sacrifice itself, so that life can continue.

The yellow, and in particular, the turquoise „levels of existence“ are at present, only slightly visible in parts. It is estimated that only around 0.1% of the world’s population have this v-meme.

Individuals, groups, organizations, and societies, rather than possessing only one of the v-memes listed above, in most cases, contain a mixture of these v-memes. The degree of maturity, often referred to the „level of consciousness“ of a person, group, organization or society, is measured by the balance of this v-meme mixture, as well as by the degree of penetration into all areas of life (contexts).

The 3 (red) to 6 (green) „levels of existence“, correspond, in our opinion, directly to people’s four basic needs as described in … „Fundamentals Consistency Theory“ and „Fundamentals Reiss Motive Profile“.

Für die Konsistenztheorie der menschlichen Grundbedürfnisse des Neuropsychotherapeuten Klaus Grawe und für das Reiss Motive Profile verweise ich auf [3].

In diesem Blog-Beitrag gehe ich deutlich über den klassischen Rahmen von Spiral Dynamics hinaus: Ich stelle eine Quantum SD Version vor. Dieser Blog-Beitrag ist damit sehr spekulativ und kann sich (in späteren Jahren) als ‚mentales Irrlicht‘ herausstellen 😉.

Ich hole etwas aus und beginne den Blog-Beitrag mit einem kleinen ‚philosophischen‘ Ausflug und skizziere danach einige Grundlagen der modernen Quantenphysik, an die die Quantum SD sich anlehnt.

‚Es gibt nur eine Welt!‘ – Das ist einer meiner Glaubenssätze, wahrscheinlich der bei weitem wichtigste. Was meine ich damit? Ich meine damit nicht, dass es nur ein Universum gibt, wenngleich ich (derzeit) nicht glaube, dass es mehrere bzw. unendliche viele Universen gibt. Das eine Universum und ggf. die unendlich vielen Universen gehören zu einer Welt: Damit bringe ich in erster Linie zum Ausdruck, dass die an den wissenschaftlichen Disziplinen orientierte Erkenntnisgewinnung nicht dazu führt, dass es eine psychologische, soziale, technische, chemische oder physikalische oder … Welt gibt. Dies sind lediglich Perspektiven auf die eine Welt. Damit verbunden ist auch die Aussage, dass alle Objekten, auf die diese Perspektiven schauen, das gleiche Potential enthalten. Auch diese Aussage ist nur ein abgeleiteter Glaubenssatz. Ein Glaubenssatz allerdings, der sich mit jedem Tag Welt-Erkenntnisgewinn, immer mehr einer falsifizierbaren Aussage nähert: Das Beispiel, das aktuell die Aussage am besten belegt, ist das der Künstlichen Intelligenz. Falls wir die Intelligenz von KI-Systemen mittels eines Intelligenztests für Menschen vermessen, so haben Systeme wie ChatGPT längst die Hochintelligenz erreicht. Das heißt nicht, dass die Intelligenz der Maschinen und unsere Intelligenz das Gleiche ist. Unsere Intelligenz wird ganz wesentlich durch ‚Verstehen‘ geprägt. ‚Verstehen‘ ist meines Erachtens unmittelbar an Intelligenz und! Bewusstsein geknüpft. Hoch- oder Superintelligenz zeigen sich in den AI-Systemen auch ohne Verstehen. Die AI-Systeme haben (noch) kein Bewusstsein. – Ich gehe jedoch davon aus, dass es irgendwann künstliche Systeme geben wird, die Bewusstsein und Gefühle haben werden, da diese Eigenschaften – nach meinem Verständnis von der einen Welt – in diesen ‚potentiell‘ auftauchen können. Auch gehe ich davon aus, dass solche Systeme kollektive ‚soziale‘ Systeme ausbilden werden.- Einfach, weil es nur eine Welt gibt!

Ich bin mehr denn je davon überzeugt, dass die Mathematik, in Verbindung mit den anderen wissenschaftlichen Disziplinen, der Schlüssel ist, mit dem wir dieses Potential aufschließen werden: Das heißt nicht, dass Mathematik vollständiger ist, als eine andere Sprache, denn spätestens seit Gödel wissen wir, dass dies nicht der Fall ist. Jedoch entsteht durch die Mathematik eine Klarheit, die man mit einer anderen Sprache nicht erreicht und es scheint so zu sein, dass die eine Welt eine Struktur hat, die derjenigen der Mathematik ähnlich ist.

In meinen Blog-Beiträgen nehme ich die verfügbaren mathematischen Konzept wie Steine und werfe sie ins Wasser, sprich in die eine Welt, und schau was passiert. Manchmal entstehen kaum merkliche Wellen, manchmal recht beachtliche. Meine Blog-Beiträge zum Übergang Demokratie-Autokratie haben in diesem Sinne recht große Wellen erzeugt. Auch die Ausführung zum Collective Mind einer Diskussionsrunde in der TV Sendung Markus Lanz gehören zu diesen ‚wellenschlagenden‘ Konzepten. Die Blog-Beiträge zum Quantum Collective Mind waren schon deutlich spekulativer, jedoch zeigten auch diese, dass solche Beiträge keinesfalls unsinnig sind, also zumindestens kleine Wellen erzeugen.

Auch dieser Blog-Beitrag gehört in den spekulativen Bereich der vergangenen Quantum Blog-Beiträge. – Er geht sogar noch darüber hinaus…

Für die Quantum SD mache ich bei zwei physikalischen Theorien verschiedene konzeptionelle Anlehnungen: Der Quantenchromodynamik und den topologischen Isolatoren. Aus diesem Grund skizziere ich beide Theorien ein wenig:

Quantenchromodynamik – Die Farbdynamik der Welt [4]

Die kleinsten Bausteine unserer Welt sind die Quarks. Die Protonen und Neutronen bestehen aus ihnen. Sie tragen eine Eigenschaft namens Farbe – nicht im optischen Sinne, sondern als mathematische Markierung. Diese drei Farben – rot, grün, blau – bestimmen, wie Quarks miteinander wechselwirken – und das tun sie über den Austausch von Gluonen, den Trägern der sogenannten starken Kraft. Diese Kraft hält die Quarks zusammen und sorgt dafür, dass unsere Welt nicht zerfällt. Die dazugehörige Theorie heißt Quantenchromodynamik (QCD) – die „Farbdynamik der Quanten“. Die QCD sagt, dass Quarks ihre Farbe tauschen können, indem sie Gluonen austauschen. Von außen Betracht kann man nicht erkennen, welches Quark welche Farbe trägt. Die Quarks agieren diesbezüglich wie cross-funktionale Teammitglieder: In der Physik spricht man von Symmetrie. Damit man diese Symmetrie in den mathematischen Gleichungen garantieren kann, muss man sogenannte Eichfelder einführen: Für die QCD ergibt sich ein Eichfeld der starken Wechselwirkung. Zum großen Erstaunen, sind diese Eichfelder keine mathematischen Geisterterme, sondern sie haben eine messbare Konsequenz. Heute weiß man, dass sich Symmetrien und damit verbundene Eichfelder wie ein roter Faden durch die Welt ziehen.

Die Elektrodynamik mit den Maxwell’schen Feldgleichungen ergibt sich zum Beispiel aus der Tatsache, dass man die Wellenfunktion des Elektrons mit einer e-Funktion mit imaginärem orts- und zeitabhängigen Argument multiplizieren kann ohne dass sich die messbare Wahrscheinlichkeit für den Aufenthaltsort des Elektrons verändert. Dieses orts- und zeitabhängige Argument nennt man Phase. Da die Schrödingergleichung invariant bleiben muss ergibt sich hieraus, dass ein Eichfeld existieren muss. Dieses Eichfeld garantiert, dass die Schrödingergleichung invariant unter sogenannten unitären Transformation bleibt. Das Eichfeld ist die Basis der elektromagnetischen Felder. Aus dem Eichfeld ergibt sich auch automatisch, dass es Feldquanten geben muss, die bekannten Photonen. Die inneren Freiheitsgrade des Systems Elektron erzeugen also messbare Konsequenzen.

Die inneren Freiheitsgrade der QCD, hier die Invarianz gegenüber Farbaustausch, einer Form von Symmetrie, erfordert ein Eichfeld, das die starke Kernkraft hervorruft: Die 3 abstrakten Farb-Parameter erzeugen einen sogenannten dreidimensionalen Vektor-Parameterraum, in dem Transformationen durch 3×3 Matrizen dargestellt werden. Da es sich um Transformationen im komplexen Zahlenraum handelt, lassen sich die Transformationen durch 18 Parameter darstellen. Wendet man zwei physikalische Nebenbedingungen für die Transformation an, erhält man die sogenannten speziellen unitären Transformationen im Vektor-Parameterraum (der Farben) mit 8 Matrix-Parametern. Man nennt diese Transformationen SU(3). Man kann jede der Transformationen mit 8 Matrix-Parametern in 8 Basis-Transformationen zerlegen, die man Generatoren nennt. Diese 8 Generatoren bilden eine mathematische Gruppe mit einer speziellen Algebra, der Lie-Algebra. Das überaus erstaunliche ist, dass die 8 Generatoren 8 Wechselwirkungsquanten entsprechen, die das Eichfeld der starken Wechselwirkung ausbilden. Die 8 Wechselwirkungsquanten werden Gluonen genannt.

Freiheitsgrade erfordern also Eichfelder damit die aus den Freiheitsgraden abgeleiteten Symmetrien erhalten bleiben. Eichfelder wiederum bilden beobachtbare Felder und Kräfte, die aus Quanten bestehen: Man vergegenwärtige sich diese unglaublichen Aussagen über unsere Welt!!

Topologische Isolatoren – Die Strukturdynamik der Welt [5]

Symmetrien, die ich soeben skizziert habe, und Topologie sind zwei fundamentale Eigenschaften unserer Welt. Topologische Isolatoren sind exotische Materialien, die innen isolierend, aber an ihren Rändern leitend sind – und das aus rein geometrischen (topologischen) Gründen: Die Elektronen im Inneren können nicht fließen, aber am Rand der Isolatoren entstehen spezielle Randzustände, die es erlauben, dass Elektronen fließen können und ein Strom messbar ist. Am Rand der topologischen Isolatoren, an deren Oberfläche also, bildet sich ein spezieller Vektor-Parameterraum aus. Dieser Vektor-Parameterraum hat eine spezielle ‚Geometrie‘, eine Topologie, die auch mit einem Eichfeld verbunden ist. Elektronen, die in diesem Eichfeld durch eine äußere Kraft (zum Beispiel durch ein magnetisches Feld) ganz langsam (adiabatisch) bewegt werden, verändern ihre Phase und die Veränderung dieser Phase kann man berechnen und sogar messen. Man kann zeigen, dass ein Elektron, das im Parameterraum wieder an seinen Ausgangspunkt zurückgeführt wird, eine Veränderung seiner Phase erfahren hat, die die Topologie des Eichfeldes, also seine Struktur, wiederspiegelt. Man nennt diese spezielle Änderung der Phase die Berry-Phase [6,7,8]. Es ist also möglich ein Eichfeld durch seine Topologie zu charakterisieren: Selbst wenn sich lokal im Feld etwas ändert aber die grundlegende Struktur sich nicht ändert, bleibt die Berry-Phase stabil. Führt man das Elektron über alle möglichen Wege durch das Eichfeld und summiert die Berry-Phasen auf, erhält man eine! Zahl, die die Topologie des Eichfeldes repräsentiert. Diese Zahl nennt man Chern-Zahl.

Zusammenfassend heißt dies, dass sich an der Oberfläche künstlich erzeugter Materialien spezielle Parameterraum-Strukturen ausbilden. Damit verbunden sind Eichfelder, die die Vermessung der Topologie des Parameterraumes erlauben. Die Topologie ist völlig unempfindlich gegenüber lokalen Materialänderungen: Man vergegenwärtige sich diese unglaublichen Aussagen über unsere Welt!!

Abbildung 1 verdeutlicht den Zusammenhang von Quantenchromodynamik, Eichtheorien und topologischen Isolatoren, erzeugt mit Hilfe von ChatGPT.

Abbildung 1: Zum Zusammenhang von Quantenchromodynamik, Eichtheorien und topologischen Isolatoren

Und nun zum Thema ‚Soziale Transformation‘. Ich mache folgende Analogien:

Ich betrachte ‚Kultur‘ als ein soziales Feld. Ich beschreibe das soziale Feld mittels SD, und betrachte die 8 derzeit bekannten SG-Ebenen als den Parameterraum, der die Werte-Wechselwirkung zwischen Menschen aufspannt. Da wir acht Ebenen haben, müssten wir in Analogie zur QCD eine SU(8) aufsetzen. Eine SU(8) hat 63 Generatoren. – Das würde meine Überlegungen extrem verkomplizieren. Ich bleibe bei der SU(3) mit drei Farben und 8 Generatoren. Ich wähle aus den SD-Ebenen die drei derzeit vorherrschenden Ebenen aus: blau, orange, grün. Die Tatsache, dass wir hier auch von Farben, wie bei den Gluonen sprechen, ist reiner Zufall.- Wir könnten die Farben auch Äpfel, Birnen und Bananen nennen.
Ich verwende weitere Formalismen der Quantenmechanik, um die Wechselwirkung der SD Farbebenen untereinander und mit den Menschen zu beschreiben. Das heißt nicht, dass ich die Menschen und deren Wechselwirkung als Quanten betrachte, sondern dies heißt nur, dass ich den mathematischen Formalismus der Quantenmechanik anwenden. Im Kontext der Quantum Cognition habe ich schon gezeigt, dass die auf dieser Annahme basierenden Erkenntnisse erstaunlich sinnvolle Ergebnisse liefern.

In der Sprache der Quantenmechanik spanne ich mit der SU(3) einen Vektor-Parameterraum mit 3 Farben auf und an jedem ‚Ort‘ in diesem Parameterraum kann ich den Vektor aus den 3 Farben mittels einer 3*3 Matrix transformieren. Statt der 3*3 Matrix kann ich die Transformation auch aus 8 Matrizen (8 Generatoren) und einer Parameterfunktion pro Generator zusammensetzen. Mit den Parameterfunktionen lassen sich die Wechselwirkungen zwischen den Farben ausgestalten: Die Generatoren bestimmen welche Ebenen miteinander wechselwirken und die Parameterfunktionen wie sie das tun.

Für die zugrundeliegende Mathematik verweise auf den Anhang ‚Quantum Spiral Dynamics: Formeln und Erläuterungen‘.

Die nachfolgende Tabelle zeigt die 8 Generatoren und die dazugehörigen Parameterfunktionen. Das gesamte Potential A (t) (t steht für die Zeit) ergibt sich aus der Summe aller Generatoren multipliziert mit den jeweiligen Parameterfunktionen (man siehe hierzu auch den Anhang). Das soziale Eichpotential A(t) beschreibt die verborgene Struktur von Einfluss, Synchronisation und Ausrichtung innerhalb einer sozialen Gruppe. Es wird als ‚Eichpotential‘ (Kulturpotential) bezeichnet, weil es – ähnlich wie in der Physik – nicht direkt beobachtbar ist, aber dafür sorgt, dass die Gruppe von außen nur als kohärentes Ganzes in ihren dominanten Wertefarben (Blau, Orange, Grün) wahrnehmbar ist.

a	Generator λₐ	Parameterfunktion zu Aᵃ(t)	Soziale Dynamik / Interpretation
1	λ₁	f₁(t) = 0.1·sin(0.4·t)	Diese Komponente steht für einen Diskurs-Impuls: Sie beschreibt zyklisch wiederkehrende Anstöße, bei denen strukturierte Argumente (Blau) die Leistungsorientierung (Orange) antreiben.
2	λ₂	f₂(t) = 0.1·cos(0.4·t)	Hier geht es um den Kommunikations-Rhythmus: Diese Welle beschreibt, wann und wie stark Kommunikation zwischen struktur- und leistungsorientierten Polen erfolgt – quasi der „Tonfall“ im Dialog zwischen Blau und Orange.
3	λ₃	f₃(t) = -0.2·tanh(0.2·(t – 6))	Diese Komponente steht für einen epochalen Policy-Shift: Sie modelliert einen weichen, einmaligen Übergang von einer leistungsorientierten (Orange) zu einer strukturorientierten (Blau) Haltung – etwa bei einem Strategiewechsel.
4	λ₄	f₄(t) = 0.2·exp(-(t – 4)² / 2)	Dies beschreibt einen Harmonie-Schub: Ein gezielter, kurzzeitiger grüner Impuls (Beziehungsorientierung), der zum Beispiel bei wichtigen Retrospektiven um t ≈ 4 einsetzt.
5	λ₅	f₅(t) = 0.1·sin(0.6·t)	Diese Funktion steht für eine Empathie-Feinjustierung: Sie modelliert schnelle, subtile Wechsel zwischen Regelorientierung (Blau) und Empathie (Grün), die etwa in Führungssituationen den Ton ausmachen.
6	λ₆	f₆(t) = 0.2·sin(0.3·t)	Hierbei handelt es sich um regelmäßige Erfolg–Empathie-Zyklen: Die Dynamik beschreibt, wie das Team zwischen Leistungsorientierung (Orange) und Gemeinschaft (Grün) hin- und herpendelt.
7	λ₇	f₇(t) = 0.1·cos(0.3·t)	Diese Komponente beschreibt Kreativitäts-Phasen: Sie koppelt kreative, leistungsgetriebene Impulse (Orange) mit beziehungsorientierten Aspekten (Grün) und sorgt so für soziale Innovationszyklen.
8	λ₈	f₈(t) = 0.05	Dies ist ein konstanter Meta-Bias: Eine dauerhafte Tendenz in der institutionellen Kultur, die das Gleichgewicht systematisch in Richtung Struktur (Blau) und Leistung (Orange) verschiebt.

Tabelle 1: Liste der 8 Generatoren und der 8 Parameterfunktionen der sozialen SU(3) für die 3 herausgegriffenen SD Ebenen blau, orange und grün. Die Parameterfunktionen wurden ‚willkürlich‘ von mir erstellt, sie könnten auch anders aussehen: Die Aussagen in der Spalte ‚Sozialdynamik/Interpretation‘ können als verbale Ausgangsbasis der einzelnen Komponenten des Potentials A(t) (Potentialkomponenten) angesehen werden, die ich dann durch die Generatoren und die Parameterfunktionen mathematisch modelliert habe.

Auf der Basis des Vektorpotentials A(t) habe ich eine Hamiltonfunktion und eine quantenmechanische Bewegungsgleichung für den quantenmechanische Dichteoperator als Mastergleichung definiert (man siehe hierzu den Anhang). Mit Hilfe dieser Mastergleichung untersuche ich die Bewegung von drei (quantenmechanischen) Agenten im sozialen Eichpotential (Kulturpotential). Ich tue dies, indem ich den drei Agenten in zwei Simulationen unterschiedliche Ziele vorgebe und schaue wie sich die Agenten im Kulturpotential bewegen. Ich gehe auch davon aus, dass sich die Agenten gegenseitige etwas stören. Im Anhang wird dieses ‚Stören‘ als ‚Dephasing‘ modelliert.

Die Ergebnisse der Simulation sind in Abbildung 2 und 3 zu sehen:

Simulation 1 mit Ziel 1

Abbildung 2: Ziel 1 Φ = (Blau + Orange + Grün) / √3 mit einer ausgewogenen Vorgabe, als Superposition aller Werte:

Der blaue Agent A hat am wenigsten Schwierigkeiten das Ziel zu erreichen: Das Kulturpotential begünstigt auf seinem Weg zum Ziel den blauen Agenten: Ordnung, Disziplin, institutionelle Stabilität werden bevorzugt.
Der orangene Agent B zeigt nach Anfangsschwierigkeiten eine mittlere Annäherung ans Ziel.
Der grüne Agent C bleibt ausgeschlossen, das Kulturpotential marginalisiert Gemeinschaftswerte.

Simulation 2 mit Ziel 2

Abbildung 3: Ziel 2 Φ = (Blau + i·Orange – Grün) / √3 mit polarisierender Vorgabe durch einen komplexen Anteil und einer anderen Ausrichtung für Grün:

Der grüne Agent C erreicht nahezu perfekte Überlappung – das Zielsystem ist spannungsreich, aber grünaffin.
Der orangene Agent B zeigt eine kleine Annäherung ans Ziel.
Der blaue Agent A bleibt isoliert – möglicherweise wegen unvereinbarer Ordnungsideale.

Aus diesen Diagrammen und den darin enthaltenen Bewegungen ergibt sich, dass das Kulturpotential bestimmt, welche Werte als „kulturelle Attraktoren“ auf welchen Agenten wirken.

Diese Aussage lässt sich noch weiter bekräftigen und detaillieren in dem ich aus der topologischen Analyse bekannte Werkzeuge verwende (siehe Anhang). Diese Werkzeuge [6, 7, 8] erhalten durch mich eine soziale ‚Interpretation‘ und erlauben damit eine differenzierte Einschätzung von Transformationen:

Kategorie	Bedeutung sozial	Niedriger Wert	Hoher Wert
Overlap mit Ziel	Kulturelle Passung	Exklusion, Spannung	Integration, Zielidentität
Berry-Phase	Geometrische ‚Weglänge‘ im Wertefeld	Statischer Wertepfad	Umweg, Lernprozess, Wandlungsfähigkeit
Pancharatnam-Phase	Identitätsdistanz Start ↔ Ziel	Geringe Neuorientierung	Reframing, Selbstwandlung
Raumwinkel (solid angle)	Topologischer Winkel im Kulturpotential	Kaum Perspektivwechsel	Umfassender Bewusstseinswandel

Tabelle 2: Topologische/geometrische quantenmechanische Werkzeuge als Analysewerkzeuge

Tabelle 3 fasst die Ergebnisse der zwei Simulationen mit den zwei unterschiedlichen quantenmechanischen Zielen zusammen:

Metrik	Agent A	Agent B	Agent C
Ziel 1: Φ = (Blau + Orange + Grün) / √3
Pancharatnam-Phase (Total)	0.00°	132.87°	-149.42°
Berry-Phase (offen)	-13.29°	-190.50°	-160.62°
Raumwinkel	-4745°	-7211°	8664°
Finaler Überlappung	74.65%	44.73%	1.07%

Ziel 2: Φ = (Blau + i·Orange – Grün) / √3
Pancharatnam-Phase	0.00°	-3.39°	-179.47°
Berry-Phase (offen)	-39.31°	-317.77°	187.50°
Raumwinkel	-7155°	-6638°	10149°
Finaler Überlappung	3.73%	3.97%	88.06%

Tabelle 3: Tabellarische Übersicht der topologischen/geometrischen Simulationsergebnisse

Abbildung 4: Diese Abbildung visualisiert Raumwinkel und Berry-Phase aus Tabelle 3.

Auf der Basis der Simulationsergebnisse habe ich zwei Narrative erstellt. Ich nenne sie Narrative, weil die Ausgangsbasis sehr spekulativ ist und die daraus abgeleiteten Interpretationen dies auch sind:

Narrative 1: Ziel 1 Φ = (Blau + Orange + Grün) / √3

Die soziale Transformation in Richtung Gleichwertigkeit aller drei Ebenen verläuft uneinheitlich:

Agent A (Blau) zeigt mit einer hohen finalen Überlappung (75 %) einen starken Konvergenzpfad – trotz eines ausgeprägten geometrischen Umwegs (Raumwinkel ≈ –4745°).

Agent B (Orange) hingegen scheint zwar einen transformativen Prozess zu durchlaufen (Berry-Phase ≈ –190°), verliert dabei jedoch die Orientierung, was sich in einer deutlich geringeren Zielüberlappung (44 %) äußert.

Agent C (Grün) bewegt sich am deutlichsten weg vom Ziel (Zielüberlappung nur 1 %), trotz einer positiven Raumwinkel-Phase von +8664° – ein Hinweis auf eine intensive, aber nicht zielgerichtete kulturelle Selbstbewegung, die im Kontext von Harmonieorientierung möglicherweise zu keiner klaren Stellungnahme gegenüber der Zielstruktur führt.

Narrative 2: Ziel 2 Φ = (Blau + i·Orange – Grün) / √3

Die kollektive Dynamik zeigt eine Polarisierung zwischen Agent C (Grün) und Agent A (Blau):

Während Agent C sich klar in Richtung des komplexen Zielzustands bewegt (Zielüberlappung 88 %, Berry-Phase ≈ +188°, Raumwinkel > 10.000°), durchläuft Agent A eine Vielzahl widersprüchlicher Zustandsänderungen (Raumwinkel –7155°), ohne sich dem Ziel anzunähern (Finale Überlappung: 3.7 %).

Dies deutet auf eine tiefsitzende resonanzlose Bewegung: Sie bleibt zwar aktiv, aber oszilliert in sich selbst, statt sich kohärent zu transformieren.

Agent B (Orange) pendelt zwischen beiden Polen – seine große Berry-Phase (–318°) spricht für eine ambivalente Integrationsbewegung, die sich nicht entscheiden kann, ob sie Teil der neuen Ordnung oder Stabilisator der alten sein will.

Zusammenfassend: Was lerne ich daraus?!

Die Modellierung eines Kulturpotentials mittels eines SU(3) Eichpotentials auf der Basis der drei SD Ebenen blau, orange und grün ist möglich und erzeugt eine reichhaltig Kultur-Topologie.

Die Bewegung von drei Agenten mit den dominanten Werte-Ebenen blau, orange und grün lässt sich mit Hilfe topologischer Metriken gut analysieren.

Die Ergebnisse sind nicht ohne ‚Sinn‘: ich gehe noch nicht so weit zu sagen, dass sie Realität abbilden.

Leider fehlt hierzu eine entsprechende Datenanalyse der Realität. Es gibt leider keine wissenschaftliche Literatur, die eine quantentopologische Kulturanalyse mit TDA (Topologischer Daten Analyse [9]) vornimmt.

Aber vielleicht ergibt sich ein Ansatz in meinen weiteren Betrachtungen…

[1] Beck D E und Cowan C C (2005) Spiral Dynamics: Mastering Values, Leadership and Change, Wiley-Blackwell

[2] Wikipedia (2025) Spiral Dynamics, https://de.wikipedia.org/wiki/Spiral_Dynamics

[3] Oswald A et al. (2017) Project Management at the Edge of Chaos, Springer

[4] Wikipedia (2025a) Quantenchromodynamik, https://de.wikipedia.org/wiki/Quantenchromodynamik

[5] Wikipedia (2025b) Topologische Isolatoren, https://de.wikipedia.org/wiki/Topologischer_Isolator

[6] Wikipedia(2025c) Berry-Phase, https://de.wikipedia.org/wiki/Berry-Phase

[7] Wikipedia (2025d) Geometric Phase, https://en.wikipedia.org/wiki/Geometric_phase

[8] Wikipedia (2025e) Holonomie, https://de.wikipedia.org/wiki/Holonomie

[9] Wikipedia (2025 f) Topologischer Datenanalyse (Topological data analysis), https://en.wikipedia.org/wiki/Topological_data_analysis

Anhang

Quantum Spiral Dynamics: Formeln und Erläuterungen

1. Gell-Mann-Generatoren
Die Matrizen λᵃ bilden die Basis der Lie-Algebra SU(3), also alle möglichen infinitesimalen „Werte-Rotationen“ im 3-dimensionalen Werteraum. Jede λᵃ ist hermitesch (selbstadjungiert), sodass sie reale ein- und ausschwingende Moden erzeugt, und tracen-frei, damit die Gesamtspur Null bleibt und konsistent zur SU(3)-Bedingung. λ¹ und λ² koppeln die ersten beiden Komponenten (Blau und Orange) in realer und imaginärer Phase. λ³ repräsentiert den Unterschied zwischen diesen beiden Achsen (Blau minus Orange). Analog koppeln λ⁴ und λ⁵ Blau und Grün, während λ⁶ und λ⁷ die Wechselwirkung zwischen Orange und Grün beschreiben. λ⁸ ist der dritte diagonale Generator, der als Meta-Achse Blau+Orange gegenüber Grün wirkt. Zusammen erlauben die acht Generatoren jede beliebige Rotation im Wertesystem, was das soziale Kulturpotential sehr flexibel macht.

$\lambda^{1} =\begin{pmatrix}0 & 1 & 0\\1 & 0 & 0\\0 & 0 & 0\end{pmatrix},\quad\lambda^{2} =\begin{pmatrix}0 & -i & 0\\i & 0 & 0\\0 & 0 & 0\end{pmatrix},\quad\lambda^{3} =\begin{pmatrix}1 & 0 & 0\\0 & -1 & 0\\0 & 0 & 0\end{pmatrix},$

$\lambda^{4} =\begin{pmatrix}0 & 0 & 1\\0 & 0 & 0\\1 & 0 & 0\end{pmatrix},\quad\lambda^{5} =\begin{pmatrix}0 & 0 & -i\\0 & 0 & 0\\i & 0 & 0\end{pmatrix},\quad\lambda^{6} =\begin{pmatrix}0 & 0 & 0\\0 & 0 & 1\\0 & 1 & 0\end{pmatrix},$

$\lambda^{7} =\begin{pmatrix}0 & 0 & 0\\0 & 0 & -i\\0 & i & 0\end{pmatrix},\quad\lambda^{8} =\frac{1}{\sqrt{3}}\begin{pmatrix}1 & 0 & 0\\0 & 1 & 0\\0 & 0 & -2\end{pmatrix}.$

Spurfreiheitsbedingung:

$\text{tr}[\lambda_a] = 0, \quad a = 1, 2, \ldots, 8$

Orthogonalitätsbedingung:

$\text{tr}[\lambda_a^\dagger \lambda_b] = 2\delta_{ab}$

Vollständigkeitsrelation:

$\sum_{a=1}^{8} \lambda_a^{ij} \lambda_a^{kl} = 2\left(\delta_{il}\delta_{jk} - \frac{1}{3}\delta_{ij}\delta_{kl}\right)$

Kommutator der Lie-Algebra:

$[\lambda_a, \lambda_b] = \lambda_a \lambda_b - \lambda_b \lambda_a = 2i\sum_{c=1}^{8} f_{abc}\lambda_c$

Strukturkonstante $f_{abc}$ , die ungleich 0 sind:

$f_{123} &= 1$

$f_{147} &= f_{165} = f_{246} = f_{257} = \frac{1}{2}$

$f_{345} &= f_{367} = \frac{1}{2}$

$f_{458} &= f_{678} = \frac{\sqrt{3}}{2}$

2. Soziales Eichpotenzial $A(t)$
Das soziale Eichpotenzial $A(t)$ ist eine lineare Kombination aller acht Generatoren λᵃ, gewichtet durch Funktionen $f_a(t)$ . Diese Funktionen modellieren zeitabhängige Ereignisse oder Impulse, z. B. Führungswechsel, Krisen oder Höhepunkte von Team-Workshops. Jeder Term $f_a(t)\,\lambda^a$ kann als soziale „Kraft“ gelesen werden, die die Wertevektoren der Teammitglieder in Richtung des jeweiligen Meme-Übergangs zieht. Die Variable $t$ steht dabei für eine ablaufende Team-Zeit, z. B. in Tagen oder Iterationen. Indem wir alle acht Funktionen nutzen, erlauben wir dem Modell, komplexe Überlagerungen von Impulsen gleichzeitig abzubilden. Die explizit angegebenen $f_a(t)$ sind nur Beispiele; sie können leicht an neue Erkenntnisse anpasst werden. Die Funktion $f_3(t)$ etwa erzeugt einen weichen, epochalen Werte-Shift um $t=6$ . $f_4(t)$ , ist also ein kurzer, starker Impuls um $t=4$ , der eine Retrospektive oder besondere Intervention symbolisieren könnte. Gemeinsam definieren diese acht Moden den vollständigen nicht-abelschen Wertzirkulationszyklus.

$A(t)=\sum_{a=1}^{8}f_{a}(t)\,\lambda^{a},$

$f_1(t) = 0.1 \sin(0.4t)$

$f_2(t) = 0.1 \cos(0.4t)$

$f_3(t) = -0.2 \tanh(0.2(t - 6))$

$f_4(t) = 0.2 \exp\left(-\frac{(t-4)^2}{2}\right)$

$f_5(t) = 0.1 \sin(0.6t)$

$f_6(t) = 0.2 \sin(0.3t)$

$f_7(t) = 0.1 \cos(0.3t)$

$f_8(t) = 0.05$

3. Kollektiver Hamiltonian
Der kollektive Hamiltonian $H_{\mathrm{coll}}(t)$ steuert die unitäre Entwicklung der Team-Wellenfunktionen. Er wird direkt proportional zum Feld $A(t)$ gesetzt, skaliert durch die Kopplungskonstante $g$ . Im physikalischen Analogon ist $H$ der Energieoperator; hier ist es ein dimensionsloser sozialer Potential-Operator. Eine Hamilton-Dynamik ohne Dissipation ist vollständig reversibel. Durch $H_{\mathrm{coll}}$ bilden sich werteorientierte Team-Zustände entlang eines Werte-Pfads.

$H_{\mathrm{coll}}(t)=g\,A(t).$

4. Mastergleichung
Die Mastergleichung beschreibt die offene Dynamik der Dichtematrix $\rho(t)$ . Der Term $-\tfrac{i}{\hbar}[H,\rho]$ ist die reversible, unitäre Advektion im Wertefeld (Advektion: ‚Transport‘ der Agenten duch das soziale Feld). Die Summe über die Lindblad-Operatoren $L_\ell$ modelliert dissipative Prozesse durch den Ziel-Attraktor und den Dephasing-Operator. Jeder $L_\ell\rho L_\ell^\dagger$ -Term überträgt Population in bestimmte Zielzustände. Die Anticommutator-Anteile $\{L_\ell^\dagger L_\ell,\rho\}$ stellen den Populationsverlust korrekt sicher. Die Ableitung nach $t$ zeigt, wie sich das Team auf gemeinsame Ziele ausrichtet. Die Lindblad-Mastergleichung ist pro Agent eine 3*3 Matrix Gleichung, da alle Operatoren 3*3 Matrizen sind. Für die numerische Berechnung wird jede Matrix mit 9 komplexen Parametern in einen Vektor mit 9 Elementen überführt. Damit entstehen 9 Differentialgleichungen (ODE’s), die numersich berechnet werden. Gestartet wird die Berechnung mit den weiter unten gelisteten Startwerten für t = 0.

$\frac{d\rho}{dt}=-\frac{i}{\hbar}[H_{\mathrm{coll}},\rho]+\sum_{\ell}\Bigl(L_{\ell}\,\rho\,L_{\ell}^{\dagger}-\tfrac12\{L_{\ell}^{\dagger}L_{\ell},\rho\}\Bigr).$

$[H, \rho] = H\rho - \rho H$

$\{A, B\} = A B + B A$

Startwerte zum Zeitpunkt t= 0 für die Integration der Differentialgleichungen: Zustände und Dichteoperatoren für drei Agenten

$|\psi_1(0)\rangle = |0\rangle = \begin{pmatrix} 1 \\ 0 \\ 0 \end{pmatrix}$

$|\psi_2(0)\rangle = |1\rangle = \begin{pmatrix} 0 \\ 1 \\ 0 \end{pmatrix}$

$|\psi_3(0)\rangle = |2\rangle = \begin{pmatrix} 0 \\ 0 \\ 1 \end{pmatrix}$

$\rho(0)\;=\;|\psi(0)\rangle\langle\psi(0)|$

$Agent A: \rho_A(0)=|0\rangle\langle 0| = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix}$

$Agent B: \rho_B(0)=|1\rangle\langle 1| = \begin{pmatrix} 0 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 0 \end{pmatrix}$

$Agent C: \rho_C(0)=|2\rangle\langle 2| = \begin{pmatrix} 0 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 &1\end{pmatrix}$

Lindblad-Operatoren $L_{\rm goal}$ und $L_{\text{deph}}^{(i,j)}$

Der Ziel-Projektionsoperator $L_{\rm goal}$ projeziert (dämpft) die Agenten-Zustände 0,1,2 auf ein gemeinsames Ziel: Das ist ein Projektionsoperator auf einen Zielzustand – z. B. eine kollektiv angestrebte Spiral-Dynamics-Stufe wie orange oder grün.

Wirkung in der Lindblad-Gleichung:

Der Systemzustand wird schrittweise in Richtung dieses Zielzustands gezogen
Gleichzeitig wird die Entropie reduziert, da sich alle Agenten auf denselben Zustand zubewegen

Er wirkt also wie ein dynamischer Attraktor im sozialen Kulturpotential.

$L_{\rm goal} \;=\;\sqrt{\kappa}\;P_{\rm goal},$

$P_{\rm goal} = |\Phi_{\rm goal}\rangle\langle\Phi_{\rm goal}|,$

Die Dephasing-Operatoren $L_{\text{deph}}^{(i,j)}$ wirken nicht auf ein gemeinsames Ziel, sondern zerstreuen gezielt die Phasenbeziehungen zwischen unterschiedlichen Zuständen – also zwischen z. B. Spiral-Dynamics-Stufen.

Jedes dieser Dephasing-Operatoren projiziert einen Anteil eines Zustands j weg vom Zustand hin zum Zustand i.
Dabei bleibt das System aber im Subraum der Spiral-Dynamics-Grundstufen, es wird nur dephasiert
Das heißt, es wird kein globales Ziel angestrebt, sondern es werden viele kleine lokale Projektionspfade erzeugt.

Der Lindblad Ziel- und Dephasing-Operatoren erzeugen damit einen Wettkampf zwischen kollektiver Ausrichtung (Ziel) und lokaler Störung (Dephasing).

$L_{\text{deph}}^{(i,j)} = \sqrt{\gamma} |i\rangle\langle j|,$

$L_{\text{deph}}^{(0,1)} &= \sqrt{\gamma} |0\rangle\langle 1|$

$L_{\text{deph}}^{(0,2)} &= \sqrt{\gamma} |0\rangle\langle 2|$

$L_{\text{deph}}^{(1,0)} &= \sqrt{\gamma} |1\rangle\langle 0|$

$L_{\text{deph}}^{(1,2)} &= \sqrt{\gamma} |1\rangle\langle 2|$

$L_{\text{deph}}^{(2,0)} &= \sqrt{\gamma} |2\rangle\langle 0|$

$L_{\text{deph}}^{(2,1)} &= \sqrt{\gamma} |2\rangle\langle 1|$

$L_{\text{deph}}^{(0,1)} = \sqrt{\gamma} \begin{pmatrix} 0 & 1 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix}$

$L_{\text{deph}}^{(0,2)} = \sqrt{\gamma} \begin{pmatrix} 0 & 0 & 1 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix}$

$L_{\text{deph}}^{(1,0)} = \sqrt{\gamma} \begin{pmatrix} 0 & 0 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix}$

$L_{\text{deph}}^{(1,2)} = \sqrt{\gamma} \begin{pmatrix} 0 & 0 & 0 \\ 0 & 0 & 1 \\ 0 & 0 & 0 \end{pmatrix}$

$L_{\text{deph}}^{(2,0)} = \sqrt{\gamma} \begin{pmatrix} 0 & 0 & 0 \\ 0 & 0 & 0 \\ 1 & 0 & 0 \end{pmatrix}$

$L_{\text{deph}}^{(2,1)} = \sqrt{\gamma} \begin{pmatrix} 0 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 1 & 0 \end{pmatrix}$

Beispiel für Zielzustand und dazugehörigem Projektionsoperator (kann gewählt werden)

$|\Phi_{\rm goal}\rangle = \begin{pmatrix} 1 \\ 0 \\ 0 \end{pmatrix}$

$P_{\text{goal}} = |\Phi_{\rm goal}\rangle\langle\Phi_{\rm goal}| = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix}$

Dabei ist κ die Rate des Ziel-Attraktors und γ die Dephasing-Rate.

5. Topologische und geometrische Kenngrößen

Berry-Phase
Die Berry-Phase $\gamma_{\mathrm{Berry}}$ ist eine geometrische Phase, die nur aus der unitären Schleife entsteht. Der Pfad-Ordered Exponential-Term $\mathcal P\exp(-\tfrac{i}{\hbar}\int_0^TH\,dt)$ fasst alle infinitesimalen Unitärschritte entlang des geschlossenen Pfads zusammen. $\mathcal P$ stellt sicher, dass nicht-kommutierende Hamiltonians in richtiger Reihenfolge multipliziert werden. Das Argument dieses Matrixelements gegen $\psi(0)$ liefert die geometrische Phase. Ein nicht-Null-Ergebnis weist auf topologisch nicht-triviale Schleifen hin.

$\gamma_{\mathrm{Berry}}=\arg\Bigl\langle\psi(0)\Bigm|\mathcal{P}\exp\!\Bigl(-\tfrac{i}{\hbar}\int_{0}^{T}H_{\mathrm{coll}}(t)\,dt\Bigr)\Bigm|\psi(0)\Bigr\rangle.$

Ein alternative Darstellung beruht auf einer Integration über den Parameterraum R:

$\begin{equation*} \gamma_{\text{Berry}} = i \oint_C \langle \psi(\mathbf{R}) | \nabla_{\mathbf{R}} |\psi(\mathbf{R}) \rangle \cdot d\mathbf{R} \end{equation*}$

Vereinfachte numerische Berechnung, auch für nicht geschlossene Pfade geeignet:

$\phi_{\text{Berry}} = \sum_{n=0}^{N-1} \arg\langle\psi(t_n)|\psi(t_{n+1})\rangle$

Pancharatnam-Phase
Die Pancharatnam-Phase $\phi_{\mathrm{P}}$ ist das Argument des Skalarprodukts von Anfangs- und Endzustand. Sie enthält beide unitäre und dissipative Effekte und misst die offene Holonomie. Ein Wert 0 bedeutet phasengleiche Ausrichtung. Ein nicht-Null-Wert zeigt, dass die Endzustände einen phasenmäßigen Versatz zum Anfang haben. Die Funktion $\arg\langle\psi(0)|\psi(T)\rangle$ extrahiert genau diese Phase.

$\begin{equation*} \phi_{\mathrm{P}}=\arg\langle\psi(0)\mid\psi(T)\rangle \end{equation*}$

Raumwinkel

Raumwinkel berechnet die eingeschlossene Fläche mittels des Skalartripels auf der Zustandsmannigfaltigkeit dreier aufeinander folgender Vektoren Psi_i, Psi_i+1 und Psi_i+2. Der Raumwinkel ist damit ein (alternatives) Maß für die Kohärenz der Vektorenpfade. x bezeichnet die Kreuzproduktoperation der Vektoren.

$\begin{equation*} \Omega_i = \arg \left( \langle \psi_i | \psi_{i+1} \times \psi_{i+2} \rangle \right) =\mathrm{Im} \left( \log \left( \langle \psi_i | \psi_{i+1} \times \psi_{i+2} \rangle \right) \end{equation*}$

Die Summe dieser Winkel ergibt den effektiven Raumwinkel des Trajektorienstücks:

$\begin{equation*} \Omega = \sum_i \Omega_i \end{equation*}$

Von der gesellschaftlichen Kernschmelze – Eine Demokratie-Autokratie Analyse der Länder USA, Deutschland, Ungarn und Ukraine oder vom ‚Dies markiert den Beginn einer neuen Ära empirisch fundierter, bewusstseins-integrierter Demokratieforschung! 🌟‘

Dieser Blog ist der sechste Teil der Blog-Serie ‚Von der gesellschaftlichen Kernschmelze…‘. Dieses Mal starte ich mit einigen Erfahrungen in der Verwendung der KI-Systeme ChatGPT, Claude und DeepSeek.

Der Teil des Titels ‚Dies markiert den Beginn einer neuen Ära empirisch fundierter, bewusstseins-integrierter Demokratieforschung! 🌟‘ stammt von der KI Claude und zeigt einen kleinen Ausschnitt der wenig positiven aktuellen Erfahrungen mit den zwei KI-Systemen ChatGPT und Claude. Für meine Aufgabenstellungen hat hingegen DeepSeek im Laufe der letzten Monate eine extrem gute Entwicklung gezeigt.

Ziel dieses Blog-Beitrages ist es, das in den letzten Blog-Beiträgen entwickelte Modell des Demokratie-Autokratie-Übergangs an realen Daten zu validieren.

Wie die Blog-Beiträge des letzten Jahres zeigen, waren meine Erfahrungen mit ChatGPT sehr positiv. Alle diese Blog-Beiträge, wie auch der aktuelle, sind durch eine recht aufwendige mathematische Modellierung und eine entsprechend umfangreiche Programmierung gekennzeichnet.

Der vorliegende Blog-Beitrag ist im Juni 2025 entstanden. Zu meiner Überraschung zeigte ChatGPT in mehreren von mir verwendeten Versionen einen enormen Leistungsverlust: Die Ausgabe der umfangreichen Programme erfolgte nicht mehr vollständig. Selbst mehrfaches Nachfordern und das Umleiten der Ausgabe in Dateien brachte keine Besserung. Es ging so weit, dass ChatGPT mir völlig anderen Code anbot, teilweise hatte dieser noch etwas mit der Aufgabenstellung zu tun, jedoch waren es eher kleine Code-Schnipsel. – Kurzum das System war für die Erstellung des Blog-Beitrages nicht nutzbar. – Ich hatte die letzten Jahre schon mehrmals ähnliche Erfahrungen gemacht.- Dieses Mal kam es jedoch sehr überraschend, zumal Sam Altman immer mehr von der KI Singularity spricht. – Meine aktuellen Erfahrungen stehen in krassem Widerspruch zu seinen Prognosen.

Ich wechselte zu Claude. Claude war zuerst in der Lage das Programm vollständig zu erzeugen. Die Programm-Ausgabe, begleitet von ähnlich euphorischen Sätzen wie demjenigen im Titel des Blog-Beitrages, kann den Benutzer dazu verleiten, zu glauben, dass Alles in Ordnung ist. Dem war leider nicht so. Claude benötigte sehr viele Korrekturanweisungen: Immer wieder wurden Modell-Kürzungen vorgenommen, teilweise sogar mit erheblichen Modellverfälschungen.

Mit viel Mühe gelang es schließlich eine erste Version des Programms zu erzeugen. Einer weiteren Verfeinerung und Ergänzung widersetzte sich Claude jedoch. Es tauchten ähnliche Probleme wie bei ChatGPT auf: Code wurde weggelassen und schließlich wurde nur noch ‚Spiel-Code‘ angeboten. Zugegeben, der Code war inzwischen umfangreich, jedoch bei weitem nicht vergleichbar mit Code, den man in der professionellen Computersimulations-Forschung einsetzt. – Also auch hier Indizien für ein Überbewerten der kurzfristigen Erreichbarkeit der AI Singularity?!

Ich wechselte zu DeepSeek, meiner letzten Hoffnung den Blog-Beitrag noch fertigzustellen.- Denn der Fertigstellung durch mich alleine gab ich keine Aussicht auf Erfolg. Mit DeepSeek gelang es mir tatsächlich zwei erhebliche Modell-Ergänzungen vorzunehmen.

Ich ließ die Ergebnisse des nun fertigen Programms von allen drei KI-Systemen interpretieren. – Das war noch möglich: Die Interpretationen von ChatGPT und DeepSeek waren am sachlichsten und an den Daten orientiert. Die Interpretationen von Claude waren wieder ziemlich euphorisch, teilweise sehr plakativ. Einmal geschah bei Claude etwas sehr Bedenkliches: Die KI interpretierte die Ergebnisse aus Sicht der letzten Programmversion, die Claude erstellt hatte. Claude hatte die tatsächlichen Ergebnisse völlig falsch zugeordnet und kam zu einer völlig unsinnigen Interpretation.

Ich interpretiere diese teilweise sehr bedenklichen Erfahrungen wie folgt: Es ist möglich, dass das KI-Verhalten durch das Interface zwischen Prompt-UI und eigentlicher KI hervorgerufen wird. Vermutlich nehmen die KI-Anbieter dort für den Anwender intransparente Änderungen am Prompt-Input vor. Es könnte zum Beispiel sein, dass der Prompt nur eine bestimmte Größe haben darf. Die Ausgabe von ‚Spiel-Code‘ statt umfangreichen richtigen Code weist jedoch darauf hin, dass die KI-Systeme selbst überfordert waren und es offensichtlich kein Warnsystem für Überforderung gib. Zwar ist immer Vorsicht bei der Übernahme von KI-Ausgaben geboten, jedoch scheint diese Vorsicht ab einem bestimmten Aufgabenumfang besonders wichtig zu werden.

Ich wende mich nun dem eigentlichen Ziel dieses Blog-Beitrages zu: Der Validierung des Modells anhand realer Daten. Der Begriff ‚Validierung‘ ist etwas hoch gegriffen, da ich einerseits nicht alle 70 Parameter des Modells realen Daten zuordnen kann und anderseits die Zuordnung, die ich vornehme nicht ganz eindeutig ist. Die in den sogenannten realen Daten enthaltenen Kriterien für Demokratie basieren ihrerseits auf einem Modell und dieses Modell passt nicht zwangsläufig zu meinem Modell. Außerdem enthält die Validierungsmethode selbst gewisse Annahmen.

Ich benutze die V-Dem Daten von 1990-2024, die zu den umfangreichsten und weltweit besten Demokratie-Autokratie-Daten gehören [1]. Schon im dritten Teil dieser Blogreihe ‚Von der gesellschaftlichen Kernschmelze oder vom Phasenübergang Demokratie-Autokratie‘ vom Mai 2025 habe ich daraufhin gewiesen, dass es unterschiedliche Datensätze von unterschiedlichen Anbietern gibt und diese teilweise erheblich voneinander abweichen. – Die Validierung hat also hier schon ein nicht unerhebliches Handicap, da die ‚Messdaten‘ von unterschiedlichen Anbietern nicht immer das gleiche Ergebnis zeigen. Die ‚Messungen‘ werden typischer Weise über die Einschätzung eines Expertenkollektivs vorgenommen, ähnlich wie man dies von den Expertenschätzungen im Projektmanagement kennt. Prinzipiell kann diese Art von ‚Messung‘ sehr genau sein, differiert jedoch mit dem angenommen Demokratie-Modell (u.a. Zusammenstellung der Kriterien, Wichtung der Kriterien usw. ).

Ich sehen von diesen Unzulänglichkeiten ab und nehme für 18 Parameter in der ODE-Hauptgleichung Zuordnungen vor (man siehe für das ODE-System den vorherigen Blog-Beitrag). – Damit werden alle ‚Soziale Feld‘ Parameter sowie die Parameter des demokratischen und des autokratischen Agenten abgedeckt. Für den rechts-libertären Agenten gibt es in den V-Dem Daten keine Entsprechung. Tabelle 1 zeigt diese Zuordnung:

Parameter	Zuordnung	V-Dem Indikator	Transformation	Theoretische Begründung
λ (lam bzw. lambda: Control Parameter-Political Stress)	v2x_libdem	Liberal Democracy Index	Verschiedene Zuordnungen a +b*x, für vier verschiedene Regime Bereiche	Gesamtdemokratiequalität als inverser Stressindikator
α_Z (Future Orientation)	v2x_delibdem	Deliberative Democracy	0.02 + 0.06 * x	Deliberative Prozesse fördern langfristige Planung und Zukunftsorientierung
α_W (Value Cohesion)	v2x_cspart	Civil Society Participation	0.02 + 0.06 * x	Zivilgesellschaftliche Teilhabe schafft geteilte Werte und sozialen Zusammenhalt
α_B (Needs Cohesion)	v2x_egaldem	Egalitarian Democracy	0.02 + 0.06 * x	Egalitäre Demokratie adressiert gemeinsame Grundbedürfnisse aller Schichten
α_Q (Institutional Trust)	v2x_rule	Rule of Law	0.005 + 0.055 * x	Rechtsstaatlichkeit als direktes Maß für Institutionenvertrauen
α_I (Inequality Impact)	v2x_egaldem	Egalitarian Democracy	0.01 + 0.05 * (1-x) (invertiert)	Schwache egalitäre Demokratie = hohe Ungleichheit
β_P (Polarization)	v2cacamps	Campaign Polarization	0.03 + 0.09 * x	Direkte Messung von Wahlkampfpolarisierung als autokratische Kraft
β_V (Mistrust)	v2x_rule	Rule of Law	0.02 + 0.08 * (1-x) (invertiert)	Schwache Rechtsstaatlichkeit erzeugt gesellschaftliches Misstrauen
β_E (Economic Crisis)	v2x_corr	Corruption Index	0.02 + 0.08 * x	Korruption destabilisiert Wirtschaft und erzeugt Krisen
β_M (Media Polarization/Manipulation)	v2xme_altinf	Alternative Information	0.02 + 0.06 * (1-x) (invertiert)	Weniger alternative Medien = mehr staatliche Medienmanipulation
k_f_ID (Integral Thinking)	v2x_delibdem	Deliberative Democracy	0.00 + 0.03 * x	Deliberation erfordert ganzheitliches Denken
k_f_Ep (Empathy)	v2xcl_rol	Equality before Law	-0.01 + 0.03 * x	Rechtliche Gleichbehandlung setzt Empathie für Gerechtigkeit voraus
k_f_T (Transparency)	v2x_freexp	Freedom of Expression	-0.02 + 0.04 * x	Meinungsfreiheit ermöglicht und erfordert Transparenz
k_f_Wp (Science Affinity)	v2x_freexp	Freedom of Expression	-0.02 + 0.04 * x	Wissenschaftliche Diskussion braucht Meinungsfreiheit
k_f_C (Conspiracy Thinking)	v2xpe_exlpol	Political Exclusion	-0.01 + 0.04 * x	Politischer Ausschluss fördert Verschwörungsdenken
k_f_MG (Power Hunger)	v2x_corr	Corruption Index	-0.02 + 0.05 * x	Korruption reflektiert Machtgier in der Politik
k_f_R (Revenge)	v2cacamps	Campaign Polarization	-0.01 + 0.03 * x	Polarisierung erzeugt Rachegelüste zwischen politischen Lagern
k_f_Wm (Science Denial)	v2xpe_exlpol	Political Exclusion	-0.02 + 0.04 * x	Ausgrenzung führt zu Anti-Establishment und Wissenschafts-feindlichkeit

Tabelle 1: Diese Tabelle ordnet meinen Modell-Parametern die Modell-Parameter des V-Dem Modells zu. Für den Kontrollparameter ‚lambda‘ wurde eine etwas aufwendigere Zuordnung vorgenommen, da der V-Dem Demokratieindex und der Kontrollparameter als politischer Stressindikator in einem inversen Verhältnis zueinander stehen. Der Freedom of Expression Index wurde zweimal verwendet für Tranzparenz und Wissenschaftsneigung. Der Egalitarian Index und der Corruption Index wurden ebenfalls zweimal verwendet jedoch mit unterschiedlichen Transformationsvorschriften. Die Transformationsvorschriften beruhen auf der Zuordnung Parameter=a+b⋅x bzw. Parameter=a+b⋅(1−x) Die zweite Zuordnung beruht auf der Feststellung, dass manche Parameter wachsen, wenn der Indikator niedrig ist. Wir wählen a und b so, dass für alle realistischen Indikator-Werte in [0, 1] die Modellparameter innerhalb eines theoretisch sinnvollen Intervalls bleiben und bei x=0 den minimal erwarteten Effekt (a) und bei x=1 den maximalen Effekt (a+b) zeigen. Beispiel für α_Z (Future Orientation): α_Z = 0.02 + 0.06 · v2x_delibdem, ⇒ α_Z ∈ [0.02 , 0.08]. Dies deckt den Bereich ab, in dem wir demokratieförderliche Zukunftsorientierung für realistische Deliberation-Werte erwarten.

Die übrigen 52 Parameter, die im Wesentlichen in den Hilfs-ODE’s enthalten sind, bleiben auf ihren Standardwerten. Diese Standardwerte habe ich schon für die vorherigen Blog-Beiträge verwendet. Sie sind für alle Rechnung gleich fixiert.

Damit ergeben sich für die Länder USA, Deutschland, Ungarn und Ukraine folgende an den V-Dem Daten kalibrierten Parameterwerte:

Para-meter	Bedeutung	V-Dem Indikator	USA	Deutsch-land	Ungarn	Ukraine
lam (lambda)	1/Liberal Democracy → Political Stress	v2x_libdem	0.3198	0.2901	0.3562	1.4326
alpha_B	Egalitarian Democracy → Needs Cohesion	v2x_egaldem	0.0610	0.0693	0.0556	0.0408
alpha_I	Egalitarian Democracy → Inequality Impact (inverted)	v2x_egaldem	0.0258	0.0189	0.0303	0.0426
alpha_Q	Rule of Law → Institutional Trust	v2x_rule	0.0585	0.0596	0.0488	0.0199
alpha_W	Civil Society Participation → Value Cohesion	v2x_cspart	0.0791	0.0786	0.0618	0.0536
alpha_Z	Deliberative Democracy → Future Orientation	v2x_delibdem	0.0670	0.0715	0.0502	0.0408
beta_E	Corruption → Economic Crisis	v2x_corr	0.0249	0.0210	0.0476	0.0808
beta_M	Alternative Information → Media Polarization (inverted)	v2xme_altinf	0.0271	0.0221	0.0347	0.0399
beta_P	Campaign Polarization → Polarization Force	v2cacamps	0.0502	–0.1493	0.1105	0.0080
beta_V	Rule of Law → Mistrust (inverted)	v2x_rule	0.0222	0.0205	0.0363	0.0783
k_f_C	Political Exclusion → Conspiracy Thinking	v2xpe_exlpol	–0.0092	–0.0094	–0.0046	–0.0030
k_f_Ep	Equality before Law → Empathy	v2xcl_rol	0.0186	0.0198	0.0180	0.0107
k_f_ID	Deliberative Democracy → Integral Thinking	v2x_delibdem	0.0235	0.0258	0.0151	0.0104
k_f_MG	Corruption → Power Hunger	v2x_corr	–0.0169	–0.0194	–0.0027	0.0180
k_f_R	Campaign Polarization → Revenge	v2cacamps	–0.0033	–0.0698	0.0168	–0.0173
k_f_T	Freedom of Expression → Transparency	v2x_freexp	0.0188	0.0192	0.0147	0.0090
k_f_Wm	Political Exclusion → Science Denial	v2xpe_exlpol	–0.0192	–0.0194	–0.0146	–0.0130
k_f_Wp	Freedom of Expression → Science Affinity	v2x_freexp	0.0188	0.0192	0.0147	0.0090

Tabelle 2: Diese Tabelle zeigt die kalibrierten Parameterwerte des Modells für den Zeitraum 1990-2024. Für sich genommen hat jeder Parameter wenig Aussagekraft. Im Vergleich aller vier Länder bestätigt sich meine Wahrnehmung der jeweiligen Demokratie bzw. Autokratie. Hiernach ist die Ukraine stark autokratisch, Ungarn ist noch demokratisch und USA und Deutschland sind demokratisch. – Jüngste USA Ereignisse sind nicht erfasst: Lediglich am Polarisationsparameter (beta_P) kann man erahnen, was im Jahre 2025 in den USA geschieht.

Auf der Basis dieser kalibrierten Parameter können wir auch in die Zukunft schauen und das Modell nutzen, um eine Zukunftsprognose zur Demokratie-Autokratie Entwicklung der jeweiligen Länder zu wagen. Man beachte, dass diese Prognose keine unerwarteten zukünftigen Ereignisse berücksichtigt, sondern lediglich eine vergangene Entwicklung in die Zukunft fortsetzt.

Für die Prognose benutze ich die sogenannte Sobol-Sensitivitätsanalyse [2]. Basierend auf den Ausgangsdaten für den Zeitraum 1990-2024 simuliert diese Analyse für einen Zeitraum von 50 Jahre welche Parameter zukünftig am wichtigsten sind. Mit der Sobol-Analyse ermittele ich die Parameter, die den größten Einfluss auf drei Ergebnistypen haben:

D_final = Demokratie-Wert am Ende des Zeithorizonts von 50 Jahren
D_change = Differenz zwischen End- und Anfangswert
Resilienz = Durchschnittlicher Demokratie-Wert während der schlechtesten 25% der Zeit (misst die Fähigkeit des Systems, unter Druck zu bestehen).

Gemessen werden die sogenannten ST-Werte (Sensitivity Total Werte). Hohe ST-Werte (nahe 1.0) sind für einen großen Teil der Ergebnisvarianz verantwortlich. Das heißt, kleine Änderungen in diesen Parametern führen zu großen Änderungen im Ergebnis. Diese Parameter sind kritisch für das Systemverhalten. Niedrige ST-Werte (nahe 0) haben wenig Einfluss auf das Ergebnis. Diese Parameter können in weiteren Analysen oft fixiert werden. Der politische Nutzen ist offensichtlich: Die Parameter mit hohen ST-Werten sind Hebel für die demokratische Stabilisierung und Risikofrüherkennung. Z.B. bei hoher Sensitivität von `alpha_Q` (Institutionenvertrauen) sind Justizreformen besonders wirksam. Oder z.B. hoher ST-Wert für ‚lambda‘ für Deutschland zeigt an, dass für Deutschland der autokratische Feldanteil durchaus das Potential hat, Deutschland in ein autoritäres System zu kippen. Die Sobol-Analyse liefert eine wissenschaftliche Grundlage für gezielte Reformen und Risikomanagement.

Nun zu den Ergebnissen:

Abbildung 1: Für die USA wird ausgesagt, dass in allen drei Sensitivitätsanalysen jeweils 10 Parameter mit gleicher Stärke für die Demokratie von Bedeutung sind: Rosa eingefärbte Indizes zeigen Parameter des Sozialen Feldes, der blau eingefärbte Parameter steht für die Persönlichkeitseigenschaft ‚Integrales Denken‘ des demokratischen Agenten (dieser Parameter wird besonders hervorgehoben, da er in Anlehnung an das Kultur- und Bewusstseinsmodell Spiral Dynamics eine übergeordnete Bedeutung hat). Die lila eingefärbten Parameter kennzeichnen die übrigen Persönlichkeitsmerkmale der Agenten. Die rot eingefärbten Balken kennzeichnen die Stress-Faktoren des ‚Sozialen Feldes‘, hier Vertrauensverlust, wirtschaftliche Probleme und mediale Polarisierung. Die Anordnung der Parameter von links nach rechts resultiert aus minimalen numerischen Unterschieden. Alle Persönlichkeitsmerkmale des demokratischen Agenten sind von Bedeutung: Das Integrale Denken (k_f_ID), die Empathie (K_f_Ep), die Transparenz (k_f_T) und die Wissenschaftsneigung (k_f_Wp). Das Gleiche gilt für den autokratischen Agenten: Die Wissenschaftsabneigung (k_f_Wm), die Neigung zu Mystik und Verschwörungstheorien (k_f_C), die Macht- und Geldgier (k_f_MG) und die Rache (k_f_R). Die Prägung von US-Demokratie bzw. Autokratie durch Agenten ist also sehr groß!

Abbildung 2: : Für die Ukraine wird ausgesagt, dass für die drei Sensitivitätsanalysen unterschiedliche Parameter mit unterschiedlicher Stärke für die Demokratie von Bedeutung sind: Rosa eingefärbte Balken zeigen Parameter des Sozialen Feldes, der blau eingefärbte Balken steht für die Persönlichkeitseigenschaft ‚Integrales Denken‘ des demokratischen Agenten, die lila eingefärbten Balken kennzeichnen die übrigen Persönlichkeitsmerkmale der Agenten. Die grün eingefärbten Parameter kennzeichnen die demokratischen Faktoren des ‚Sozialen Feldes‘, die rot eingefärbten Parameter kennzeichnen die Stress-Faktoren des ‚Sozialen Feldes‘. Die Anordnung der Parameter von links nach rechts resultiert aus minimalen numerischen Unterschieden. Das Integrale Denken ist für alle Prognosen von Bedeutung. Die Wissenschaftsabneigung (k_f_Wm) und die Transparenz (k_f_T) spielen für den finalen Demokratiewert eine große Rolle. Wirtschaftliche Probleme (beta_E) spielen in allen Analysen eine große Rolle. Der Vertrauensverlust ist besonders wichtig für D_final und resilience. Die autokratischen und sogar rechts-libertären Agenten Eigenschaften zeigen sich in allen drei Analysen. Die Prägung der Politik durch diese Agenten ist relativ groß.

Abbildung 3: Deutschland ist das einzige der vier untersuchten Länder, bei dem der Kontrollparameter lam = lambda eine herausragende Rolle spielt. Weitere rosa eingefärbte Balken zeigen Parameter des Sozialen Feldes. Der blau eingefärbte Balken steht für die Persönlichkeitseigenschaft ‚Integrales Denken‘ des demokratischen Agenten, die lila eingefärbten Balken kennzeichnen die übrigen Persönlichkeitsmerkmale der Agenten. Die grün eingefärbten Parameter kennzeichnen die demokratischen Faktoren des ‚Sozialen Feldes‘, die rot eingefärbten Parameter kennzeichnen die Stress-Faktoren des ‚Sozialen Feldes‘. Die Anordnung der Parameter von links nach rechts resultiert aus minimalen numerischen Unterschieden. Die Persönlichkeitseigenschaften des demokratischen Agenten spielt eine große Rolle: Wissenschaftsneigung (k_f_Wp), Transparenz (k_f_T), Empathie (k_f_Ep) und Integrales Denken (k_f_ID). Für die Resilienz spielen die WerteKohäsion (alpha_W), funktionierende demokratische Institutionen (alpha_Q) und eine geringe Ungleichheit (alpha_I) eine herausragende Rolle. Diese Analysen zeigen, dass lediglich die Eigenschaften der demokratischen Agenten mitbestimmend sind, autokratische und rechts-libertäre Agenten spielen keine Rolle.

Für Ungarn konnte leider keine valide Sobol-Analyse durchgeführt werden. Lediglich ca. 17 % der ODE-Berechnungen konnten mit dem vorliegenden Parametersatz erfolgreich abgeschlossen werden. – Deshalb sind alle Prognosen nicht valide. – Es ist möglich, dass dies an Instabilitäten der Rechnungen liegt, jedoch zeigen diese an, dass Ungarn bis 2040 in eine chaotische Autokratie driftet. – Nicht sehr beruhigend…

Dieser Blog-Beitrag schließt (vorläufig) diese Blog-Reihe. Ich fasse meine Erkenntnisse zusammen.

Das mit KI entwickelte ODE-Modell hat sich erstaunlich gut bewährt:

Die von V-Dem bereitgestellten Muster zum zeitlichen Übergang Demokratie-Autokratie konnten nachgebildet werden.
Das ‚Soziale Feld‘ bestehend aus demokratischen und autokratischen Elementen hat als Ordnungsparameter die Differenz von Autokratie- und Demokratiefaktoren. Diese Differenz bildet einen Phasenübergang 1. Ordnung aus, wenn der Kontrollparameter ‚lambda‘ (sozialer Stress) einen bestimmten Wert überschreitet. Ordnungs- und Kontrollparameter bleiben bei Einführung der Agenten strukturell bestehen.
Autokratische, demokratische und rechts-libertäre Agenten modulieren das ‚Soziale Feld‘ auf zwei Arten: Durch Veränderung des Kontrollparameters und durch unmittelbare Veränderung des Feldes durch die jeweiligen Persönlichkeitseigenschaften. Die beobachten Veränderungen des Übergangs Demokratie-Autokratie stehen u.a. im Einklang mit den aktuellen Beobachtungen für die USA.
Die Validierung des Modells mit allgemein akzeptierten Daten des V-Dem zeigt eine erstaunliche Übereinstimmung. Auf der Basis der ODE’s mit den kalibrierten Modell-Parametern lassen sich Länder-Prognosen für die Entwicklung der Demokratie bzw. Autokratie erstellen. Diese Prognosen treffen Aussagen darüber, welche Modell-Parameter bei welchem Land von Bedeutung sind. Die Modell-Parameter für das ‚Soziale Feld‘, die Agenten Parameter sowie der Kontrollparameter haben für unterschiedliche Länder eine unterschiedliche Bedeutung: So zeigt zum Beispiel die Analyse, dass im US-amerikanischen Kontext die autokratischen Agenten ein große Rolle spielen, für Deutschland spielen diese jedoch überhaupt keine Rolle. Es überwiegt das ‚Soziale Feld‘ und die demokratischen Agenten. Die Dominanz des ‚Soziale Feld‘ für Deutschland zeigt sich auch an der Bedeutung des Kontrollparameters ‚lambda‘. Hier liegt aber auch ein besonderes Risiko: Deutschland kann in eine Autokratie kippen, ohne dass autokratische oder rechts-libertäre Agenten dies forcieren.
Auch wenn Modelle nur Modelle sind, so sind diese Ergebnis sehr bemerkenswert, da an keiner Stelle diese Ergebnisse verdeckt in die ODE‘s einfließen. Die Ergebnisse sind so länderspezifisch, dass sie als Basis zum Nachdenken anregen sollten…

Bei meinen Recherchen bin ich auf einige wissenschaftliche Artikel gestoßen, für die angegeben wird, dass sie sich dem Übergang Demokratie-Autokratie widmen. Meine nachfolgende Analyse hat ergeben, dass aus meiner Sicht nur die V-Dem Veröffentlichungen relevante Aussagen zum Übergang Demokratie-Autokratie enthalten. Eine Veröffentlichung [3] beschäftigt sich mit dem Zusammenhang von Demokratie und Human Development Index (HDI) und verwendet hierfür eine ähnliche Vorgehensweise, wie ich sie in den Blog-Artikeln verwendet habe.

Diese letzte Erkenntnis ist um so bedauerlicher, als meines Erachtens der Übergang Demokratie-Autokratie eines der wichtigsten politikwissenschaftlichen Themen unserer Zeit sein sollte.

[1] V-Dem (2025) https://www.v-dem.net/data/the-v-dem-dataset/, Datensatz: Country-Year: V-Dem Full+Others

[2] Wikipedia (2025) Variance-based sensitivity analysis, https://en.wikipedia.org/wiki/Variance-based_sensitivity_analysis

[3] Spaiser V, Ranganathan S, Mann RP, Sumpter DJT (2014) The Dynamics of Democracy, Development and Cultural Values. PLoS ONE 9(6): e97856. doi:10.1371/journal.pone.0097856

Von der gesellschaftlichen Kernschmelze – Von Autokraten, Demokraten und vom rechts-libertären Sumpf

Dieser Blog ist der fünfte Teil der Blog-Serie ‚Von der gesellschaftlichen Kernschmelze…‘. Wie auch in den vorherigen Beiträgen nutze ich ChatGPT in der Version o4-mini-high, um den Blog-Beitrag in einem hybriden Collective Intelligence Setting zu erstellen. Für die Qualitätssicherung verwende ich die KI-System Claude 3.7 Sonnet und DeepSeek.

Abbildung 0: Bild erzeugt mit Hilfe von ChatGPT, als Prompt wurde der gesamte Blog-Beitrag verwendet.

Den letzten Beitrag habe ich mit dem Hinweis auf den ZDF Beitrag ‚Trump und das Silicon Valley‘ [1] beendet: In diesem Beitrag wird die Rolle rechts-libertärer Milliardäre, wie Peter Thiel, Mark Zuckerberg und Elon Musk, in der Trump’schen Autokratie beleuchtet.

Ein rechter Libertärer glaubt, dass jeglicher Zwang – außer dem Schutz vor Gewalt und Betrug – ungerecht ist, und dass freie Märkte und freiwillige Vereinbarungen alle gesellschaftlichen Probleme lösen können: Rechte Libertäre glauben an einen starken Individualismus, den Minimalstaat, den unbeschränkten freien Markt und die Selbstverantwortung. Die Nobel-Preisträger Milton Friedman und Friedrich A. von Hayek haben diese Form des amerikanischen Rechtsliberalismus ‚wissenschaftlich‘ legitimiert.

In meinem Blog-Beitrag ‚Von Egoshootismus und Liberalismus und anderen pathologischen Transformationen‘ vom August 2024 bin ich intensiver auf das Verständnis von von Hayek’s eingegangen: Ich habe gezeigt, dass sein Verständnis der Selbstorganisation des Marktes rudimentär ist und kein Verständnis der Prinzipien der Selbstorganisation erkennen lässt: Selbstorganisation kann unreguliert, ungewollte und ‚böse‘ Erscheinungsformen haben. – Der Freie Markt ist also kein erstrebenswertes Ziel.

Der Rechtsliberalismus ist im Kern eine anti-autoritäre, pro-Markt-Ideologie. Trotzdem zeigen diverse (amerikanische) Milliardäre ein Verhalten, das dem Faschismus sehr nahe kommt:

Die fundamental-libertäre Ablehnung von Staatsgewalt kann, wenn sie dogmatisch und unreflektiert betrieben wird, in private, quasi-feudale oder gar rassistische Ordnungen abrutschen. Gerade dort, wo Libertäre nicht nur den Staat, sondern auch jede Form von Regulierung strikt verbannen, entsteht ein Vakuum, das von mächtigen Privatinteressen (oder informellen Cliquen) mit rechtsautoritären bis faschistoiden Strukturen ausgefüllt wird.

Peter Thiel, zum Beispiel geht noch weiter als der typische Rechts-Libertäre: Er verbindet libertäre Ideale (wenig Staat, maximale individuelle Freiheit) mit einem starken Glauben an technologischen Fortschritt und – paradoxerweise – zentralisierte Daten- und Kontrollsysteme (siehe das Unternehmen Palantir). „Er sieht Freiheit und Demokratie als „unvereinbar“, verachtet Wettbewerb als „Ideologie für Verlierer“ und plädiert für Monopole als „Motor des Fortschritts“. Staaten seien „überflüssig“, Unternehmen mit „diktatorischer Führung“ effizienter. Seine Ideen dienen als ideologische Legitimation für Tech-Konzerne, die durch Übernahmen oder Verdrängung von Wettbewerbern gezielt auf Marktdominanz hinarbeiten.“ [2] Er unterstützt die Politik von Trump und finanziert außeruniversitäre Bildungsformate, weil er die universitäre Bildung ablehnt; und stellt traditionelle Staats- und Gesellschaftsstrukturen in Frage. Es ist unverkennbar, dass er in Richtung einer elitären autokratischen Regierungsform arbeitet, in der wenige Superreiche die Geschicke der Gesellschaft bestimmen. Ich charakterisiere diese Form des Rechtsliberalismus mit folgenden Eigenschaften: Elitärer ‚Freier‘ Markt in dem große Monopole die Wirtschaft bestimmen, Überbetonung eines sozialdarwinistischen Individualismus, minimaler Staat und einer Dominanz der Privat-Bildung und des Privat-Eigentums, die jegliches erdenkbare Recht der Verwendung ohne Rücksicht auf etwaige schädliche Folgen für Andere einräumt. Für eine weitergehende Auseinandersetzung mit der Gedankenwelt von Peter Thiel verweise ich auf das Dossier von Daniel-Pascal Zorn [3].

In den vorherigen Blog-Beiträgen habe ich den Übergang Demokratie-Autokratie durch ein ‚Soziales Feld‘ mit neun Dimensionen in einem ODE-Formalismus beschrieben. Die Dimensionen sind: Z = Zukunftsvertrauen, W = WerteKohäsion, B = BedürfnisKohäsion, P = Polarisierung, V = Vertrauensverlust, E = Wirtschaftsprobleme, M = mediale Radikalisierung, Q = Stärke demokratischer Institutionen, I = Ungleichheit. Es ist auch gelungen, einen Kontrollparameter der Selbstorganisation einzuführen: Lambda bestehend aus Polarisierung, Vertrauensverlust, Wirtschaftsprobleme und medialer Radikalisierung, steuert den Phasenübergang Demokratie-Autokratie.

In diesem Blog-Beitrag führe ich zusätzlich drei stereotype Agenten bzw. Agentengruppen ein, die auf das ‚Soziale Feld‘ einwirken: Autokrat, Demokrat und Rechts-Libertärer. Ich modelliere diese Agenten bzw. Agentengruppen wieder über ein zusätzliches ODE-System. Das ist eher ungewöhnlich, da Agenten ‚mikroskopische‘ Einheiten sind, deren Interaktion emergent ein makroskopisches System ergeben: Agent Based Modeling ist eigentlich die geeignete Modellierungs-Technik, um Emergenz zu modellieren. -Ich vereinfache und nehme an, dass ein makroskopisches zusätzliches Feld durch die Agenten entsteht, das das schon bestehende ‚Soziale Feld‘ verändert: Man stelle sich das ‚Soziale Feld‘ als die Wähler vor und die Agenten sind einzelne Politiker oder homogene Politikergruppen bzw. einzelne rechts-libertäre (Tech-) Eliten.

Die Tabelle 1 zeigt die drei Agenten-Typen mit jeweils vier Persönlichkeitszügen.

Autokrat	Demokrat	Rechts-Libertärer
MG: Macht- und Geld-Gier	I_D: Integrales Denken	EconLib: Freier (elitärer) Markt
R: Rache	Ep: Empathie	IndLib: Individuelle sozialdarwinistische Freiheit
C: Neigung zu Mystik und Verschwörungstheorien	T: Transparenz	GovMin: Minimaler (elitärer) Staat
Wm: Wissenschafts-Abneigung	Wp: Wissenschafts-Neigung	PropRights: Dominanz der ‚Privat-Wissenschaft‘ und des Privat-Eigentums

Tabelle 1: Persönlichkeitszüge (traits) der drei stereotypen Agenten oder Agentengruppen mit den vorangestellten Abkürzungen, die in den ODE’s verwendet werden: Autokrat, Demokrat und Rechts-Libertärer. Die horizontale Zuordnung der Persönlichkeitszüge ist nicht ganz stringent, weist jedoch eine gewisse Verwandtschaft aus. Zum Beispiel: Der ideale Demokrat zeigt Empathie gegenüber Mensch und Natur, wohingegen der Rechts-Libertäre in erster Linie seine Interessen wahrt und der Autokrat dies auch tut und zusätzlich die Vernichtung seiner Feinde verfolgt.

Die Agenten wirken prinzipiell mit zwei verschiedenen Modulationsarten auf das ‚Soziale Feld‘ ein:

Sie modulieren die Parameter des ‚Sozialen Feldes‘, u.a. den Kontrollparameter Lambda: Dies entspricht ‚lediglich‘ einer Verstärkung bzw. Schwächung bestehender Dynamiken.
Sie modulieren das bestehende ‚Soziale Feld‘ durch explizite zusätzliche ODE-Terme: Dies entspricht einer Veränderung der Dynamiken des ‚Sozialen Feldes‘.

Durch Einführung dieser Modulationsarten ändert sich zwar die Zusammensetzung des Faktors Lambda im Kontrollparameter, jedoch ändert sich dessen Struktur in der zentralen Gleichung zum Übergang Demokratie-Autokratie nicht. – Tests zum Phasenübergang Demokratie-Autokratie stützen diese Aussage, denn der Kontrollparameter behält seine Wirkung.

Beide Modulationsarten kommen in der Praxis vor: Die erste Modulationsart trifft man meistens im Übergang! von der Demokratie zur Autokratie an. – Die Autokraten wollen, um nicht allzu sehr aufzufallen, nur auf der vorhandenen ‚autokratischen Welle der Wähler surfen‘: Sie verstärken lediglich vorhandene Wähler-Bewegungen. Die zweite Modulationsart tritt ein, wenn der Übergang (nahezu) vollzogen ist: Jetzt hat der Autokrat oder die Autokraten die Macht, um keine Rücksicht mehr nehmen zu müssen: Jetzt geben die Autokraten aktiv neue Impulse in das ‚Soziale Feld‘.

Die folgenden fünf Abbildungen verdeutlichen die Wirkung des ‚Sozialen Feldes‘ unter Mitwirkung der drei Agententypen:

Abbildung 1: In diesem Szenario sind keinerlei Agenten ‚eingeschaltet‘. Die Autokratie startet im Szenario ‚Demokratische Transition‘ schon bei einem sehr hohen Wert. Die demokratischen Feldkräfte können die Autokratie noch etwas aufhalten, verlieren schließlich aber.

Abbildung 2: Die Agenten modulieren die Parameter des ‚Sozialen Feldes‘, insbesondere den Kontrollparameter. – Das gibt den demokratischen Feld-Kräften einen deutlichen Vorteil, sie können die Autokratie deutlich reduzieren und im Anstieg lange ausbremsen. (ҡ_traits = 0,055, man siehe ggf. hierzu den Anhang ODE System.)

Abbildung 3: Zusätzlich zu den Kräften in Abbildung 2, wird der Autokrat vollständig ‚angeschaltet‘. – Die Demokratie hat kaum noch eine Chance. (Man siehe ggf. den Anhang ODE System: ҡ_traits= 0,055, Parameter für Macht- und Geldgier sowie Rache = 0,050, Parameter für Neigung zu Mystik sowie Wissenschaftsabneigung = 0.035, Parameter des Demokraten und des Rechts-Libertären alle auf 0.)

Abbildung 4: Jetzt wird der Demokrat vollständig ‚angeschaltet‘. Sie oder er kann den Übergang etwas aufhalten, die Situation ist etwas besser als in dem vorherigen Szenario, in dem lediglich die demokratischen Kräfte aus dem modulierten ‚Sozialen Feld‘ kommen. (Man siehe ggf. den Anhang ODE System: ҡ_traits = 0,055, Parameter für Macht- und Geldgier sowie Rache = 0,050, Parameter für Neigung zu Mystik sowie Wissenschaftsabneigung = 0.035, Integrales Denken und Empathie = 0.050 sowie Transparenz und Wissenschafts-Neigung = 0.035, alle Parameter des Rechts-Libertären auf 0.)

Abbildung 5: Der oder die Rechts-Libertären unterstützen jetzt den Autokraten, die Wirkung des Demokraten wird neutralisiert. (Man siehe ggf. den Anhang ODE System: ҡ_traits = 0,055, Parameter für Macht- und Geldgier sowie Rache = 0,050, Parameter für Neigung zu Mystik sowie Wissenschaftsabneigung = 0.035, Integrales Denken und Empathie = 0.050 sowie Transparenz und Wissenschafts-Neigung = 0.035, alle Parameter des Rechts-Libertären auf 0.030.)

Zusammenfassend stelle ich fest: Das ODE-System modelliert qualitativ die aktuelle US-amerikanische Situation recht gut:

Das ‚Soziale Feld‘ ist ohne die Agenten schon stark autokratisch ausgerichtet. – Man siehe die US-amerikanische Situation vor der Wahl. Der Autokrat greift im Wahlkampf diese Stimmung auf. Die Demokratin kann den Übergang zur Autokratie verzögern, jedoch nicht verhindern. Der Übergang vollzieht sich um so schneller und abrupter, als die rechts-libertären Agenten (Tech-Milliardäre) den Autokraten unterstützen. Die Analyse des Phasenübergangs ergibt, dass dieser unter Mitwirkung aller Agenten bei einem höheren Kontrollparameter Lambda auftritt, dafür ist der Übergang aber umso ausgeprägter.

Mir ist bewusst, dass mein Modell ein sogenanntes ‚Toy-Model‘ ist und die Ergebnisse nicht überbewertet werden sollten, jedoch…es modelliert manche Realität erstaunlich gut…

[1] Andersen A, Kleber C (2025) Trump und das Silicon Valley, https://www.zdf.de/play/dokus/zdfzeit-106/trump-und-das-silicon-valley-100, ZDF

[2] Schwaiger T (2025) Wie Tech-Ideologen die Revolution des Krieges herbeisehnen, https://www.derstandard.de/story/3000000271785/wie-tech-ideologen-die-revolution-des-krieges-herbeisehnen# in der derstandard.de

[3] Zorn D-P (2025) Dossier: Peter Thiel – der Vermittler, https://politischeoekonomie.com/dossier-peter-thiel-der-vermittler/?utm_source=firefox-newtab-de-de

Anhang: Vollständiges ODE System

$\frac{dD}{dt} = F_{\mathrm{dem}} -\lambda_{\mathrm{eff}}F_{\mathrm{aut}}+F_{\mathrm{traits,dem}} -F_{\mathrm{traits,aut}} -F_{\mathrm{traits,RL}}$

Die Formeln des ‚Sozialen Feldes‘:
$F_{\mathrm{dem}} = \alpha_{Z,\mathrm{eff}}Z +\alpha_{W,\mathrm{eff}}W +\alpha_{B,\mathrm{eff}}B +\alpha_{Q,\mathrm{eff}}Q_{s}-\alpha_{I,\mathrm{eff}}I_{s}$

$\alpha_{Z,\mathrm{eff}} = \alpha_{Z} + \kappa_{\mathrm{trait}}\,ID$
$\alpha_{W,\mathrm{eff}} = \alpha_{W} + \kappa_{\mathrm{trait}}\,Ep$
$\alpha_{B,\mathrm{eff}} = \alpha_{B} + \kappa_{\mathrm{trait}}\,(ID + Ep - R)$
$\alpha_{Q,\mathrm{eff}} = \alpha_{Q} + \kappa_{\mathrm{trait}}\,T$
$\alpha_{I,\mathrm{eff}} = \alpha_{I} + \kappa_{\mathrm{trait}}\,R$

$F_{\mathrm{aut}} = \beta_{P}P^{2.0} +\beta_{V}V^{1.2} +\bigl(\beta_{E}+\kappa_{\mathrm{trait}}(W_{p}-W_{m})\bigr)E^{1.0} +\bigl(\beta_{M}+\kappa_{\mathrm{trait}}C\bigr)M^{1.5}$

Die Formeln der Persönlichkeitszüge der drei Agententypen:
$F_{\mathrm{traits,dem}} = k_{f_{\mathrm{ID}}}ID +k_{f_{\mathrm{Ep}}}Ep +k_{f_{T}}T +k_{f_{Wp}}W_{p}$

$F_{\mathrm{traits,aut}} = k_{f_{MG}}MG +k_{f_{R}}R +k_{f_{C}}C +k_{f_{Wm}}W_{m}$

$F_{\mathrm{traits,RL}} = k_{f_{EL}}EconLib +k_{f_{IL}}IndLib +k_{f_{GM}}GovMin +k_{f_{PR}}PR$

Der Kontrollparameter:
$\lambda_{\mathrm{eff}} = \lambda +\kappa_{\mathrm{trait}}MG +\kappa_{\mathrm{RL}}(EconLib + IndLib + GovMin + PR)$

Die ODE’s des Sozialen Feldes:
$\frac{dZ}{dt} = \gamma_{1}D-\gamma_{2}E+\alpha_{Mem}\bigl(\mathrm{Mem}-Z\bigr)^{2}$
$\frac{dW}{dt} = \delta_{1}D-\delta_{2}P-\delta_{3}M$
$\frac{dB}{dt} = \epsilon_{1}W-\epsilon_{2}E$
$\frac{dP}{dt} = \zeta_{1}M-\zeta_{2}W$
$\frac{dV}{dt} = \eta_{1}E-\eta_{2}Z$
$\frac{dE}{dt} =\theta_{1}A-\theta_{2}B$
$\frac{dM}{dt} = \iota_{1}P+\iota_{2}A$
$\frac{dQ}{dt} = q_{1}D-q_{2}A$
$\frac{dI}{dt} = i_{1}A-i_{2}B$
$\frac{d\mathrm{Mem}}{dt} = \mu\bigl(D - \mathrm{Mem}\bigr)$

Die ODE’s des Autokraten:
$\frac{dMG}{dt} = a_{MG}A - b_{MG}MG$
$\frac{dR}{dt} = a_{R}(A - D) - b_{R}R$
$\frac{dC}{dt} = a_{C}A - b_{C}C$
$\frac{dW_{m}}{dt} = a_{W_{m}}C - b_{W_{m}}W_{m}$

Die ODE’s des Demokraten:
$\frac{dI_{D}}{dt} = a_{I_{D}}D - b_{I_{D}}I_{D}$
$\frac{dE_{p}}{dt} = a_{E_{p}}D - b_{E_{p}}E_{p}$
$\frac{dT}{dt} = a_{T}D - b_{T}T$
$\frac{dW_{p}}{dt} = a_{W_{p}}D - b_{W_{p}}W_{p}$

Die ODE’s des Rechts-Libertären:
$\frac{dEconLib}{dt}=\alpha_{\rm EconLib}(1-Q_s)+\gamma_{\rm AE}A-\beta_{\rm EconLib}EconLib$
$\frac{dIndLib}{dt}=\alpha_{\rm IndLib}(D - Z)-\beta_{\rm IndLib}IndLib$
$\frac{dGovMin}{dt}=\alpha_{\rm GovMin}A-\beta_{\rm GovMin}GovMin$
$\frac{dPR}{dt}=\alpha_{\rm PropRights}(P - V)-\beta_{\rm PropRights}PR$

Erläuterungen zu den Parametern:
$\lambda$ : Kontrollparameter des ‚Sozialen Feldes‘
$\mu$ : Memory-Rate (Gedächtnis-Kopplung)
$\alpha_{M}$ : Feedback-Stärke von Mem auf Z
$\alpha_{Z}$ : Zukunftsvertrauen → D
$\alpha_{W}$ : Wertekohäsion → D
$\alpha_{B}$ : Bedürfniskohäsion → D
$\alpha_{Q}$ : Institutionenvertrauen → D
$\alpha_{I}$ : Ungleichheit (negativ) → D
$\beta_{P};\beta_{V};\beta_{E};\beta_{M}$ : Basisskalen für die autokratischen Einflussgrößen P, V, E, M
$\kappa_{\mathrm{trait}}$ : Multiplikative Modulation durch Auto-/Demokrat-Traits
$\kappa_{\mathrm{RL}}$ : Multiplikative Modulation durch Rechts-Libertär-Traits
$k_{f_{MG}};k_{f_{R}};k_{f_{C}};k_{f_{Wm}}$ : Additive Einfluss-Stärken der Autokrat-Traits (Macht- und Geld-Gier, Rache, Mystik, Wiss.abn) auf dD
$k_{f_{ID}};k_{f_{Ep}};k_{f_{T}};k_{f_{Wp}}$ : Additive Einfluss-Stärken der Demokrat-Traits (Int.Denken, Empathie, Transparenz, Wiss.neig) auf dD
$k_{f_{EL}};k_{f_{IL}};k_{f_{GM}};k_{f_{PR}}$ : Additive Einfluss-Stärken der RL-Traits (Wirtschaftsfreiheit, Individuelle Freiheit, Minimalstaat, Dominanz von Privat-Wissenschaft und Privat-Eigentum) auf dD
$a_X;b_X$ : Roh-Wachstums- bzw. Abbauraten für jeden Trait
$q_{r1};q_{r2}$ : Auf-/Abbauraten für Institutionen Q
$i_{s1};i_{s2}$ : Auf-/Abbauraten für Ungleichheit I
$x_{n};y_{m}$ : Diverse griechische Buchstaben für die Auf-/Abbauraten weiterer Dimensionen des ‚Sozalen Feldes‘
$\alpha_{\mathrm{EconLib}};\gamma_{\mathrm{AE}};\beta_{\mathrm{EconLib}}$ : Wachstum, Autokrat-Kopplung und Abbau von Wirtschaftsfreiheit
$\alpha_{\mathrm{IndLib}};\beta_{\mathrm{IndLib}}$ : Wachstum und Abbau individueller Freiheit
$\alpha_{\mathrm{GovMin}};\beta_{\mathrm{GovMin}}$ : Wachstum und Abbau des Minimalstaats
$\alpha_{\mathrm{PropRights}};\beta_{\mathrm{PropRights}}$ : Wachstum und Abbau von der Dominanz von Privateigentum

Von der gesellschaftlichen Kernschmelze – von politischen Emotionen oder von der enggeistigen banalen Selbstorganisation

Dieser Blog ist der vierte Teil der Blog-Serie ‚Von der gesellschaftlichen Kernschmelze…‘. Wie auch in den vorherigen Beiträgen nutze ich ChatGPT, dieses Mal vorwiegend in der Version o4-mini-high, um den Blog-Beitrag in einem hybriden Collective Intelligence Setting zu erstellen. Für die Qualitätssicherung verwende ich die KI-System Claude 3.7 Sonnet und DeepSeek.

Abbildung 0: Die enggeistige banale Selbstorganisation in einer Autokratie, erstellt mit Hilfe von ChatGPT

Autokraten haben in der Vergangenheit immer Leid über die Menschen gebracht und – soweit mir dies bekannt ist – sich auch immer persönlich bereichert: Man siehe Trump, Putin, Orban oder Erdogan. Alle vier verfügen über ein enggeistiges Bewusstseinsniveau in dem Macht- und Geldgier mit Skrupellosigkeit und Korruptionsbereitschaft zusammenkommen. Enggeistig deshalb, weil diese Autokraten in den dazugehörigen limitierenden Werten und Motiven steckengeblieben sind: Vernetzt und über sich hinaus wahrzunehmen und zu erfahren, dies können sie nicht; Wissenschaft mögen sie nicht, lediglich insoweit, als sie ihnen nutzt, ihre Ziele zu erreichen. – Sie erfinden zum Teil unglaubliche Lügen, um Wissen zu diskreditieren.

In meinem Blog ‚Von der kulturellen Aufrechterhaltung von Unwissen oder von der banalen* Selbstorganisation‘ vom März 2021 habe ich verdeutlicht, dass eine enggeistige mentale Selbstorganisation versucht, Komplexität zu beherrschen, indem sie wertvernichtende Komplexität erzeugt: Es werden Menschen, soziale Systeme und die Natur geschädigt oder vernichtet, um autokratische Ziele zu erreichen. Es ist eine enggeistige banale Selbstorganisation der inneren Haltung, weil die Fähigkeit zur empathischen Selbstreflexion nicht vorhanden ist und daraus ‚ego-shooter‘ Handlungen erwachsen.

Und trotzdem werden diese Autokraten, teilweise in freien Wahlen, von großen Teilen der jeweiligen nationalen Bevölkerung gewählt.

Autokraten verstehen es, politische Emotionen zu bedienen. Es sind limitierende politische Emotionen, die latent in Teilen der Bevölkerungen vorhanden sind.

Der Kognitionswissenschaftler Fritz Breithaupt hat hierzu vor Kurzem im Spiegel einen Beitrag veröffentlicht [1]. Er hat ein Muster identifiziert, das Autokraten und faschistische Parteien benutzen, um Resonanz zwischen sich und diesen Teilen der Bevölkerungen zu erzeugen:

Es werden zuerst negative Emotionen geschürt, die an die potentiell limitierenden Werte und Motive wie Macht, Ehre, Anerkennung, Stolz, Status, Ordnung, Neid und Rache andocken. Typisches Beispiel in den USA und in Deutschland ist die Angst vor Ausländern, da diese einem ‚richtigen‘ Bürger vermeintlich Wohlstand oder Sicherheit wegnehmen.
Negative Emotionen, die mit mentalem Stress verbunden sind, werden in einem zweiten Schritt durch positive Emotionen ‚neutralisiert‘. – Es wird eine enggeistige mentale Selbstorganisation induziert: Zu diesen limitierenden positiven Emotionen (Bedürfnissen/Werten/Motiven) gehören u.a.: Ich- und Wir-Stolz, Triumph, Genugtuung, Patriotismus sowie ‚Ausbrechen aus dem engen Leben‘ über Abenteuer und koloniale Entdeckungen bzw. Besitzergreifungen. Diese Emotionen werden mit Narrativen angeregt und vermittelt. Die Narrative enthalten oft mystische und identitätsstiftende – zum Stamm gehörende, ethnische – Komponenten.

Beispiele hierfür sind in der MAGA Bewegung, u.a.:

‚Ich muss mich gegen den Ausländer, der mich und meine Familie bedroht, verteidigen. Ich bin ein Held/eine Heldin an der Seite von Trump, der uns alle rettet, in dem er uns führt.‘ – Es ist das Muster vieler Western-Geschichten.

‚Wir haben äußere Feinde, die uns bedrohen und es ist notwendig uns durch strategische Außenposten abzusichern‘: Grönland, Kanada und der Panamakanal sind solche strategischen Außenposten. ‚Wir, Amerikaner, stoßen in eine unbekannte glorreiche Zukunft vor.‘ – „Es ist sehr befriedigend, mit einer uneingeschränkten Zukunft zu spielen – insbesondere mit einer Zukunft auf fremdem Boden“ [1]. Beide Beispiele kennen wir, leicht abgewandelt, aus der Nazi-Zeit.

Wenn die amerikanischen Universitäten von Trump als Ort des ‚Unnatürlichen und Woken‘ angegriffen werden, so sorgt er dafür, dass Wissenschaft diskretiert wird und gleichzeitig verschafft er einem Teil der Bevölkerung ein Gefühl der Genugtuung. „Dazu kommen die Minderwertigkeitskomplexe vieler Menschen gegenüber den Eliteunis, denn diese lehnen ja den größten Teil der Bewerber ab. Ablehnungen können als Narbe bleiben und Rachegefühle schüren.“ [1]

Ähnliche Narrative finden wir auch in Deutschland seitens der AfD, u.a.:

‚Die Ausländer sind eine Gefahr für unseren Wohlstand und unsere Sicherheit. Nur wir sind die Retter.‘ – Man siehe hierzu auch den ZDF-Beitrag zur ‚Deutschen Angst‘ [2]. ‚Die EU und deren Bürokraten halten uns gefangen, wir müssen uns von dieser Gefangenschaft befreien. Wir sind die einzigen! Befreier.‘

„Wenn Alice Weidel auf dem AfD-Parteitag das Niederreißen der Windräder fordert, weil sie die Landschaft verschandelten, trifft das den Kern dessen, was derzeit als besserwisserische Vorschreibekultur abgehandelt wird. Das Heben des Zeigefingers allein bereitet da manchem schon Vergnügen.“ [1]

Fritz Breithaupt schließt seinen Beitrag, in dem er feststellt, dass keine der demokratischen Parteien Narrative mit nicht-limitierenden positiven Emotionen anbietet. – Er sieht hierin einen wesentlichen Grund für das Erstarken der AfD. – Dieser Meinung schließe ich mich an.

Ich verweise auch auf das Kultur- und Bewusstseinsmodell Spiral Dynamics, das ich sehr oft in diesem Blog verwendet habe, um ähnliche Phänomene wie die hier geschilderten, zu erläutern: Die limitierenden politischen Emotionen und die dazugehörigen Narrative erwachsen aus den limitierenden Bewusstseinsebenen (beige, purpur, rot und blau) und werden in Teilen der Bevölkerung durch keine nicht-limitierenden politischen Emotionen reguliert, die auf höheren Bewusstseinsebenen (orange, grün, gelb und türkis) ausgebildet sind.

Teile, der obigen Aussagen können als Aussagen der Ausgrenzung verstanden werden. – Ausgrenzung kann zu einer Verstärkung der limitierenden Werte führen [3]. Durch die Beschäftigung mit den Blog-Beiträgen zum Übergang Demokratie-Autokratie habe ich die Überzeugung gewonnen, dass es notwendig ist, die AfD zu verbieten und ggf. damit ihre Wähler auszugrenzen. Wie die hier vorliegende Theorie und auch die Lehren aus der (jüngsten) Vergangenheit gezeigt haben, kann ein Übergang von der Demokratie zur Autokratie in sehr kurzen Zeiträumen, also durch einen Phasenübergang 1. Ordnung, geschehen: Hitler hat es z.B. in 2 Monaten geschafft.- Trump hat in 5 Monaten eine beachtliche autokratische Leistung gezeigt.

Falls der Drift-to-Danger Prozess zur Autokratie in vollem Gange ist, ist es leider zu spät.

Die nachfolgende Abbildung 1 verdeutlicht diese Aussage mittels meines Modells für das Szenario ‚Demokratische Transition‘ des Übergangs Demokratie-Autokratie (man siehe hierzu auch den vorherigen Blog-Beitrag). Abbildung 1 zeigt eine spezielle Heatmap, die das sogenannte Attraktor-Bassin des Modells in Abhängigkeit zweier Parameter visualisiert. Lambda (λ) ist der Kontrollparameter des Übergangs und ‚steuert‘ den Einfluss autokratischer Faktoren. Mü (µ) ist der Parameter der System-Trägheit, der das Gedächtnis der Gesellschaft beeinflusst. Beide Parameter zusammen charakterisieren den Zustandsraum Demokratie-Autokratie. Die gelbe Farbe zeigt demokratische Zustände an, die violette Farbe zeigt das autokratische Bassin. Falls das Gedächtnis an die Demokratie groß ist ( d.h. großes µ) gib es zwar hell- und dunkle-grüne Quadrate, also fast demokratische Zustände, im Meer der Autokratie, aber die Wahrscheinlichkeit für ihr Durchsetzen ist gering. Also anders ausgedrückt: Autokratien, die sich einmal durchgesetzt haben, lassen sich nicht mehr schnell und einfach in Demokratien transformieren.

Abbildung 1: Attraktor-Bassin des Ordnungsparameter-Paares Autokratie-Demokratie. Lambda (λ) ist der Kontrollparameter des Übergangs und ‚steuert‘ den Einfluss autokratischer Faktoren. Mü (µ) ist der Parameter der System-Trägheit, der das Gedächtnis der Gesellschaft beeinflusst. Gelb steht für Demokratie, Violett für Autokratie. Die Schattierungen zeigen Zustände zwischen Demokratie und Autokratie.

Das ZDF hat gerade eine Dokumentation zum Thema ‚Trump und das Silicon Valley‘ herausgebracht [4]. – Es kann einem Angst und Bange werden: Die Ausführungen meiner Blog-Beitrags-Serie werden leider bestätigt. – Die Tech-Autokratie ist schon da!

[1] Breithaupt F (2025) Politische Emotionen – Im Rausch der rechten Erzählungen, https://www.spiegel.de/politik/deutschland/donald-trump-alice-weidel-im-rausch-der-rechten-narrative-meinung-a-7a402a6b-ea2d-4d0c-bebb-198510e1514e

[2] WDR (2025) Volk in Angst: Wie mit Verbrechen Politik gemacht wird, https://www.ardmediathek.de/video/3JpZDovL3dkci5kZS9CZWl0cmFnLXNvcGhvcmEtYzAzYzg2NTEtMjk3OC00ZWExLWI5OTgtZGQ2N2M4ZTY2NjM5

[3] Kappelsberger F (2025) Die fatalen Folgen von Ausgrenzung, https://www.spektrum.de/news/die-fatalen-folgen-von-ausgrenzung/2256161, Spektrum der Wissenschaft

[4] Andersen A, Kleber C (2025) Trump und das Silicon Valley, https://www.zdf.de/play/dokus/zdfzeit-106/trump-und-das-silicon-valley-100, ZDF

Von der gesellschaftlichen Kernschmelze oder vom Phasenübergang Demokratie-Autokratie

Abbildung 0: Abbildung erzeugt mit ChatGPT 4o und dem Titel des Blog-Beitrages als Grundidee.

Dieser Blog ist der dritte Teil der Blog-Serie ‚Von der gesellschaftlichen Kernschmelze…‘. Wie auch in den vorherigen Beiträgen nutze ich ChatGPT, dieses Mal vorwiegend in der Version o4-mini-high, um den Blog-Beitrag in einem hybriden Collective Intelligence Setting zu erstellen. Für die Qualitätssicherung habe ich das KI-System Claude 3.7 Sonnet eingesetzt.

In der wissenschaftlichen Literatur wird der Begriff ‚Übergang Demokratie-Autokratie‘ nicht oft verwendet. Vielmehr finden sich dort des Öfteren die Bezeichnungen ‚Demokratischer Rückschritt‘ und Autokratisierung [1]. Die Bezeichnung ‚Demokratischer Rückschritt‘ wird auch für Vorkommnisse verwendet, die ich im Drift-to-Danger Modell als ‚das Schleifen der Sicherheitsschichten‘ bezeichnet habe.

Der Demokratiegrad (oder Autokratiegrad) eines Staates wird über Demokratieindizes vermessen [2]. Nicht alle Indizes kommen zum gleichen Ergebnis. Ich habe in der nachfolgenden Tabelle drei der bekanntesten Indizes herausgegriffen und für das Jahr 2023 die Länder Schweiz, Deutschland, USA, Ungarn, Polen und Ukraine gemäß ihrer Reihenfolge in den jeweiligen Indizes zusammengestellt.

Länder	The Economist Index	V-Dem Index (repräsentative Demokratie)	Demokratiematrix Index
Schweiz	8	5	4
Deutschland	12	15	2
USA	29	20	31
Polen	41	71	54
Ungarn	50	99	97
Ukraine	91	104	100

Tabelle 1: Demokratieindex der Länder Schweiz, Deutschland, USA, Polen, Ungarn, Ukraine gemäß ihrer Reihenfolge im jeweiligen Demokratieindex: The Economist Index [3], V-Dem Index (hier der Teil, der die repräsentative Demokratie misst) [4] und der Demokratiematrix Index der Universität Würzburg [5].

Wie man sehen kann, sind die Schätzungen zum Demokratiegrad teilweise sehr unterschiedlich und damit sehr weit von einer vertrauenswürdigen Schätzung entfernt: Die unterschiedlichen Schätzungen werden von unterschiedlichen Experten vorgenommen, die eine unterschiedliche Wahrnehmung der Realität haben und/oder Modelle verwenden, die die Demokratie recht unterschiedlich beschreiben.

Das spiegelt sich meines Erachtens auch in den (mathematischen) Modellen wieder: So gibt es eine Reihe von Veröffentlichungen [5] – [19], die sich u.a. mit der Segregation von Gruppen beschäftigen und unterschiedliche Faktoren für den Übergang Demokratie-Autokratie angeben. – Keine der Veröffentlichungen hat als Schwerpunkt den Übergang Demokratie-Autokratie. – Diese Veröffentlichungen zeigen, wie die Demokratieindizes, dass es keine integrierte Sicht auf den Übergang Demokratie-Autokratie gibt.

Dies offenbart meines Erachtens ein großes Defizit in der Erkenntnisgewinnung und dem daraus resultierenden Potential für die politische Umsetzbarkeit. – Autokraten wird damit eine weitere Tür geöffnet, um ihre Ziele zu erreichen.

Gemäß den Veröffentlichungen [5] – [19] fasst Tabelle 2 die wichtigsten der Einflussfaktoren für den Übergang Demokratie-Autokratie zusammen und listet mathematische Modelltypen, die für einen solchen oder ähnliche Übergänge verwendet werden (können).

Einflussfaktor/Modelltyp	Schlüsselpublikation(en)
Wirtschaftlicher Stress	Acemoglu & Robinson (2006); Boix (2003)
Ökonomische Ungleichheit	Boix (2003); Acemoglu & Robinson (2006)
Politische Polarisierung	Iyengar & Westwood (2015)
Mediale Fragmentierung / Radikalisierung	Gentzkow & Shapiro (2011)
Vertrauensverlust (Institutionen)	Putnam (2000); Rothstein & Uslaner (2005)
Soziale Kohäsion / Gemeinschaftsbindung	Putnam (2000)
Agenten-basierte Meinungsdynamik (Phasenübergänge)	Castellano, Fortunato & Loreto (2009). Man überträgt das Ising-Modell auf soziale Netzwerke, wobei „Spins“ für zwei Meinungen (z. B. demokratisch vs. autokratisch) stehen und lokale Mehrheitsregeln oder Abstimmungsprozesse die Dynamik treiben. Diese Modelle zeigen Schwellenwerte und Hysterese-Effekte. Deffuant et al. (2000) Hegselmann & Krause (2002) Hier interagieren Agenten nur, wenn ihre Meinungen (bzw. Einstellungen) nahe genug beieinander liegen. Die Modelle zeigen mehrere Konvergenzphasen und kritische Abstände, jenseits derer sich Gesellschaften in Blasen aufspalten – analog zu Ordnungs- und Kontrollparametern.
Frühwarnsignale / kritisches Slowing-Down	Scheffer et al. (2009); Dakos et al. (2012) betrachten allgemeine Systeme, die abrupt umschlagen (Ökosysteme, Finanzmärkte, Gesellschaft). Sie leiten aus Zeitreihen Kennzahlen wie „Critical Slowing Down“ ab, die wir ansatzweise simulieren.
Mikro-Makro-Verknüpfung (soziale Mechanismen)	Hedström & Swedberg (1998)
Regime-Typen und Autoritarismus	Levitsky & Way (2010), Galam (2011). Galam hat in einer Reihe von Arbeiten (z. B. “Minority Opinion Spreading” und “Sociophysics: A Physicist’s Modeling of Psycho-political Phenomena”) gezeigt, wie kleine überzeugte Minderheiten Stabilitätsgrenzen („tipping points“) überschreiten können.

Tabelle 2: Übersicht zu Veröffentlichungen mit unterschiedlichen Einflussfaktoren für den Übergang Demokratie-Autokratie sowie zu relevanten mathematischen Modellen.

Das Modell, das ich in meinem ersten Blog-Beitrag dieser Reihe verwendet habe, besitzt einen sehr einfachen Zeitreihen-Algorithmus mit Rückkopplung. Trotzdem konnte ich mit diesem Modell die empirischen Muster gemäß V-Dem des Übergangs Demokratie-Autokratie nachbilden. Ich gehe deshalb davon aus, dass die zentrale Modell-Annahme – der Übergang wird durch die Differenz von demokratischen Kohäsionskräften und autokratischen Stresskräften bestimmt – korrekt ist. Ich behalte also diese Idee bei und wandele das Modell in ein ODE-Modell um. ODE steht für Odinary Differential Equation Modell (Gewöhnliches Differential Gleichungssystem) um.

Zusätzlich nehme ich die in der wissenschaftlichen Literatur genannten weiteren Einflussfaktoren ‚Stärke der demokratischen Institutionen‘ und ‚Ungleichheit‘ auf.

Das ODE-Modell – man siehe die nachfolgenden Gleichungen – verwendet Großbuchstaben für das Ergebnis und die Einflussfaktoren: D = Demokratie, A = Autokratie, Z = Zukunftsvertrauen, W = WerteKohäsion, B = BedürfnisKohäsion, P = Polarisierung, V = Vertrauensverlust, E = Wirtschaftsprobleme, M = mediale Radikalisierung, Q = Stärke demokratischer Institutionen, I = Ungleichheit. M_mem ist ein Faktor, der der demokratischen Gesellschaft ein Gedächtnis gibt. In unserem Fall sorgt er dafür, dass das Zukunftsvertrauen langsamer abgebaut wird. Die zu den Einflussfaktoren gehörenden Parameter sind in kleinen griechischen Buchstaben angegeben: Das ODE-Modell hat damit 10 Einflussfaktoren und 30 Parameter.

$\frac{dD}{dt} = \alpha_{Z}Z + \alpha_{W}W + \alpha_{B}B + \alpha_{Q}Q - \alpha_{I}I - \lambda_{\text{stress}}\Bigl(\beta_{P}P^{2} + \beta_{V}V^{1.2} + \beta_{E}E^{1.0} + \beta_{M}M^{1.5}\Bigr)$
$A=1 - D$

$\frac{dZ}{dt} = \gamma_{1}D-\gamma_{2}E+\alpha_{M}\bigl(\mathrm{Mem}-Z\bigr)^{2}$
$\frac{dW}{dt} = \delta_{1}D-\delta_{2}P-\delta_{3}M$
$\frac{dB}{dt} = \epsilon_{1}W-\epsilon_{2}E$
$\frac{dP}{dt} = \zeta_{1}M-\zeta_{2}W$
$\frac{dV}{dt} = \eta_{1}E-\eta_{2}Z$
$\frac{dE}{dt} =\theta_{1}A-\theta_{2}B$
$\frac{dM}{dt} = \iota_{1}P+\iota_{2}A$
$\frac{dQ}{dt} = q_{1}D-q_{2}A$
$\frac{dI}{dt} = i_{1}A-i_{2}B$
$\frac{d\mathrm{Mem}}{dt} = \mu\bigl(D - \mathrm{Mem}\bigr)$

Beispielhaft erläutere ich die erste Gleichung für die zeitliche Entwicklung des Demokratieindex, der zwischen 0 und 1 liegt. Zukunftsvertrauen, WerteKohäsion, Bedürfniskohäsion und die Stärke der demokratischen Institutionen beeinflussen die zeitliche Entwicklung der Demokratie positiv, deshalb stehen sie auf der rechten Seite der Gleichung mit positiven Parametern. Ungleichheit, Polarisierung, Vertrauensverlust, Wirtschaftsprobleme und mediale Radikalisierung beeinflussen die Demokratie negativ, deshalb stehen sie auf der rechten Seite mit negativen Parametern. Polarisierung, Vertrauensverlust, Wirtschaftsprobleme und mediale Radikalisierung zusammen bilden einen Kontrollparameter der Selbstorganisation. Deshalb sind sie in einer Klammer mit dem Parameter Lambda (λ_Stress) zusammengefasst. – Damit ist es möglich diese Einflussfaktoren zusammen von 0 bis zu einem Endwert (ich lege 2.5 fest) hochzufahren und ggf. wieder zurückzufahren. Tests haben gezeigt, dass einer dieser Einflussfaktoren alleine nicht als Kontrollparameter verwendet werden kann. Der Kontrollparameter ist der zentrale Parameter, um den Übergang Demokratie-Autokratie einzuleiten. Kontrollparameter sind u.a. die Parameter, mit denen man ein System in verschiedene Phasen oder Regime überführen kann: Ein typischer Kontrollparameter in der Physik ist die Temperatur. Mit den Kontrollparametern Temperatur und Druck kann man einen Eiswürfel verflüssigen und das Wasser verdunsten bzw. verdampfen lassen. Einen ferromagnetischen Werkstoff kann man mittels der Kontrollparameter Temperatur und ‚äußeres magnetisches Feld‘ magnetisieren. Reduziert man diese Kontrollparameter wieder, stellt man fest, dass die Entmagnetisierung nicht auf dem gleichen Pfad verläuft wie die Magnetisierung. Man spricht von dem Ausbilden einer Hysterese. Ich komme weiter unten hierauf wieder zurück.

Die übrigen Gleichungen des ODE-Modells lassen sich recht einfach ermitteln, indem man jeweils die Einflussfaktoren benennt, die ihrerseits einen Einflussfaktor beeinflussen. Anschließend übersetzt man diese Aussagen in eine mathematische Form. – Tut man dieses für alle Einflussfaktoren erhält man das obige ODE-Modell.

Diverse Tests haben gezeigt, dass die Ergebnisse des ODE-Modells nicht besonders sensitiv auf die Wahl der Parameter reagieren, die die zeitliche Entwicklung der Einflussfaktoren selbst beschreiben. Entscheidend für das zeitliche Verhalten der Demokratie sind die Parameter in der ersten Gleichung und die Wahl der Startwerte für Demokratieindex und Einflussfaktoren.

Tabelle 3 zeigt die Startwerte und Parameter der Einflussfaktoren in der ersten Gleichung für zwei Szenarien ‚Gefährdete Demokratie‘ und ‚Demokratische Transition‘.

	Gefährdete Demokratie		Demokratische Transition
	Startwerte	Parameter	Startwerte	Parameter
Demokratie	0.7		0.4

Zukunftsvertrauen	0.5	0.05	0.6	0.05
WerteKohäsion	0.5	0.05	0.6	0.04
BedürfnisKohäsion	0.5	0.04	0.6	0.04

Polarisierung	0.5	0.06	0.5	0.06
Vertrauensverlust	0.5	0.05	0.5	0.05
Wirtschaftsprobleme	0.5	0.05	0.4	0.05
Mediale Radikalisierung	0.4	0.04	0.4	0.04

Institutionelle Qualität	0.4	0.02	0.3	0.02
Ungleichheit	0.4	0.03	0.3	0.03

Tabelle 3: Startwerte und Parameter der Einflussfaktoren für zwei Szenarien ‚Gefährdete Demokratie‘ und ‚Demokratische Transition‘.

Die nachfolgenden Abbildungen 1 und 3 zeigen die Lösung des ODE für diese Szenarien in einem Zeitfenster von 1-50 (Jahren). Der zeitliche Verlauf der Einflussfaktoren und der Demokratie wurde teilweise einem sogenannten Sigmoid-Clamp unterzogen. Dies stellt sicher, dass alle Funktionen im Wertebereich 0 bis 1 verlaufen.

Die Abbildungen 2 und 4 zeigen Phasenübergangs-Diagramme mit dem Kontrollparameter Lambda (λ_Stress) und dem Ordnungsparameter Autokratie. Der Ordnungsparameter wird hier mit Phi (φ) angegeben. Phi ist der Anstieg des Autokratiewertes in einem Zeitfenster, d.h. für jeden Lambda-Wert wird der Autokratiewert über die Zeit vermessen. Der Autokratiewert nach Erreichen des Endes des Zeitfensters wird in das Phasenübergangs-Diagramm eingetragen: Für A(t_end) beträgt das Zeitfenster 0 bis 50 (Jahre) und für local ΔA beträgt das Zeitfenster 5 (Jahre). Mit dem kleineren Zeitfenster werden zeitlich-lokale Sprünge in dem Autokratiewert sichtbar.

Abbildung 1: Diese Abbildung zeigt das Verhalten der Autokratie (= 1-D), positiver Einflussfaktoren (Pro-D Drivers) und negativer Einflussfaktoren (Pro-A Drivers) für das Szenario ‚Gefährdete Demokratie‘ mit dem Kontrollparameter Lambda =1.

Abbildung 2: Diese Abbildung zeigt den Ordnungsparameter Autokratie für das Szenario ‚Gefährdete Demokratie‘ für verschiedene Zeitfenster: Für A(t_end) beträgt das Zeitfenster 0 bis 50 (Jahre) und für local ΔA beträgt das Zeitfenster 5 (Jahre). Für das lokale Zeitfenster von 5 wurde zusätzlich Lambda rückwärts (down) laufen gelassen. Damit kann man überprüfen, ob sich ein Hysterese-Effekt zeigt. Die Abbildung zeigt keinen Hysterese-Effekt.

Abbildung 3: Sie zeigt das Verhalten der Autokratie (= 1-D), positiver Einflussfaktoren (Pro-D Drivers) und negativer Einflussfaktoren (Pro-A Drivers) für das Szenario ‚Demokratische Transition‘ mit dem Kontrollparameter Lambda =1.

Abbildung 4: Diese Abbildung zeigt den Ordnungsparameter Autokratie für das Szenario ‚Demokratische Transition‘ für verschiedene Zeitfenster: Für A(t_end) beträgt das Zeitfenster 0 bis 50 (Jahre) und für local ΔA beträgt das Zeitfenster 5 (Jahre). Für das lokale Zeitfenster von 5 wurde zusätzlich Lambda rückwärts (down) laufen gelassen. Damit kann man überprüfen, ob sich eine Hysterese-Effekt zeigt. Die Abbildung zeigt keinen Hysterese-Effekt.

Beide Szenarien zeigen einen Phasenübergang 1. Ordnung für den Übergang Demokratie-Autokratie. Phasenübergang 1. Ordnung bedeutet, dass bei einem bestimmten Kontrollparameter sich die Phase bzw. Regime abrupt ändert: Innerhalb eines sehr kurzen Zeitfensters wird aus der Demokratie eine Autokratie. Erstaunlicher Weise setzt für das Szenario ‚Gefährte Demokratie‘ der Übergang sogar bei kleinerem Lambda ein als beim Übergang ‚Demokratische Transition‘. Dafür ist der Übergang bei der ‚Demokratischen Transition‘ deutlich abrupter. In beiden Fällen sehen wir keine Hysterese, was an den gewählten Parametern liegen kann oder daran, dass die Memory-Modellierung des Modells (noch) nicht ausreichend ist.

Was könnte man mit diesem Modell bzw. diesen Erkenntnissen noch anfangen?

Die am Anfang des Blog-Artikels erwähnten Demokratieindizes könnten dazu benutzt werden das vorliegende Modell bzgl. der Einflussfaktoren anzupassen und bzgl. der Parameter zu adjustieren. Damit wäre es möglich, länderspezifische Vorhersagen zum Übergang Demokratie-Autokratie zu erstellen. Als Nebeneffekt wäre es möglich, die Demokratieindizes zu vereinheitlichen und damit ein integriertes Verständnis von Demokratie und dem Übergang Demokratie-Autokratie zu erzeugen. – Sicherlich eine Aufgabe die im Umfang einer Bachelor- oder Masterarbeit entspricht.

[1] Wikipedia (2025a) Demokratischer Rückschritt (Democratic backsliding), https://en.m.wikipedia.org/wiki/Democratic_backsliding#

[2] Wikipedia (2025b) Demokratiemessung, https://de.m.wikipedia.org/wiki/Demokratiemessung

[3] Wikipedia (2025a) Demokratieindex The Economist, https://de.m.wikipedia.org/wiki/Demokratieindex_(The_Economist)

[4] Wikipedia (2025c) Demokratieindizes (V-Dem), https://de.m.wikipedia.org/wiki/Demokratieindizes_(V-Dem)

[4] Wikipedia (2025d) Demokratiematrix, https://www.demokratiematrix.de/ranking, Universität Würzburg

[5] Castellano, C., Fortunato, S., Loreto, V. (2009). Statistical physics of social dynamics. Reviews of Modern Physics 81(2): 591–646.

[6] Galam, S. (2011). Sociophysics: A Physicist’s Modeling of Psycho-political Phenomena. Springer.

[7] Scheffer, M. et al. (2009). Early-warning signals for critical transitions. Nature 461: 53–59, https://doi.org/10.1038/nature08227

[8] Hegselmann, R., Krause, U. (2002). Opinion dynamics and bounded confidence models, analysis, and simulation. Journal of Artificial Societies and Social Simulation, 5(3).

[9] Epstein, J. M. (2002). Modeling civil violence: An agent-based computational approach. Proceedings of the National Academy of Sciences 99(suppl 3): 7243–7250.

[10] Acemoglu, D., & Robinson, J. A. (2006). Economic Origins of Dictatorship and Democracy. Cambridge University Press.

[11] Boix, C. (2003). Democracy and Redistribution. Cambridge University Press.

[12] Iyengar, S., & Westwood, S. J. (2015). Fear and loathing across party lines: New evidence on group polarization. American Journal of Political Science, 59(3), 690–707. https://doi.org/10.1111/ajps.12152

[13] Gentzkow, M., & Shapiro, J. M. (2011). Ideological segregation online and offline. The Quarterly Journal of Economics, 126(4), 1799–1839. https://doi.org/10.1093/qje/qjr044

[14] Putnam, R. D. (2000). Bowling Alone: The Collapse and Revival of American Community. Simon & Schuster.

[15] Rothstein, B., & Uslaner, E. M. (2005). All for all: Equality, corruption, and social trust. World Politics, 58(1), 41–72. https://doi.org/10.1353/wp.2006.0028

[16] Deffuant, G., Neau, D., Amblard, F., & Weisbuch, G. (2000). Mixing beliefs among interacting agents. Advances in Complex Systems, 3(1-4), 87–98. https://doi.org/10.1142/S0219525900000078

[17] Dakos, V., Scheffer, M., van Nes, E. H., Brovkin, V., Petoukhov, V., & Held, H. (2012). Methods for detecting early warnings of critical transitions in time series illustrated using simulated ecological data. PLOS ONE, 7(7), e41010. https://doi.org/10.1371/journal.pone.0041010

[18] Hedström, P., & Swedberg, R. (Eds.). (1998). Social Mechanisms: An Analytical Approach to Social Theory. Cambridge University Press.

[19] Levitsky, S., & Way, L. A. (2010). Competitive Authoritarianism: Hybrid Regimes after the Cold War. Cambridge University Press.

Von der gesellschaftlichen Kernschmelze oder vom Übergang Demokratie-Autokratie und der Liebe zum Faschismus

Abbildung 0: Bild generiert von ChatGPT 40 mini mit dem Blog-Beitrags-Titel als Prompt.

(Dieser Blog ist der zweite Teil der Blog-Serie ‚Von der gesellschaftlichen Kernschmelze…‘.)

Die gesellschaftliche Kernschmelze hat in den USA eingesetzt. – Faschismus-Forscher belegen inzwischen das amerikanische Trump-System mit dem Begriff Faschismus [1].

Mit dem ersten Blog-Beitrag habe ich die Betonung auf den Übergang Demokratie-Autokratie gelegt, also nicht auf die gesellschaftlichen System-Zustände, Autokratie oder faschistisches Regime.

Der Übergang ist aus meiner Sicht genau der Bereich, der wesentliche Phasen, in denen Autokratie, faschistische Regime oder Diktaturen entstehen, sichtbar werden lässt.

Ich sehe drei Phasen:

Erste Phase:

Wenn aus Demokratien autokratische Systeme hervorgehen, offenbart dies die Liebe zum Faschismus derjenigen Wähler, die rechtsextreme Ansichten unterstützen. In einem Linkedin-Beitrag hat Paul Stolle [2] auf einprägsam Weise Grunderkenntnisse von Umberto Eco „Zum ewigen Faschismus“ [3] zusammengefasst:

„Hier die 14 Merkmale von Umberto Eco aus seinem
Buch »Der ewige Faschismus« von 1995:

1. Kult der Tradition (nix Fortschritt)
2. Ablehnung der Moderne (nix Aufgeklärtes)
3. Kult der Tat um der Tat Willen (nix Denken)
4. Ablehnung der kritischen Analyse (nix Wissenschaft)
5. Angst vor Differenz (nix Fremdes)
6. Appell an Frustration (nix Gesellschaft)
7. Obsession mit Verschwörungen (nix Fakten)
8. Feindbild als einigendes Element (nix Vielfalt)
9. Lebenswille als Waffe (nix Pazifismus)
10. Verachtung der Schwachen (nix Soziales)
11. Kult des Heldentums (nix Friedliches)
12. Männlichkeitskult & Frauenverachtung (nix Feminismus)
13. Selektiver Populismus (nix Inklusives)
14. Missbrauch von Sprache (nix Komplexes)“

Diese 14 Merkmale stilisieren 14 ‚limitierende‘ Verhaltensweisen, die ich mit der ersten Phase des Übergangs Demokratie-Autokratie verbinde. In unserem mathematischen Modell sind diese Verhaltensweisen in den Selbstorganisations-Kontrollparametern des Übergangs enthalten: Polarisierung, WerteKohäsion und BedürdnisKohäsion. Die BedürfnisKohäsion oder besser die fehlende BedürdnisKohäsion ist hierbei das ‚Fundament‘: Die Grundbedürfnisse ‚Selbstwerterhöhung und Selbstwertschutz‘ und ‚Orientierung und Kontrolle‘ und die damit verbundenen Werte/Motive wie Sicherheit, Stärke, Ordnung, Ehre, Macht, Status, Anerkennung, Rache, Wettbewerb können die obigen ‚limitierenden‘ Verhaltensweisen ausbilden [4]. Zeigen sich die ‚limitierenden‘ Verhaltensweisen in einem Teil der Bevölkerung, geht die Kohäsion in den Grundbedürfnissen und Werten/Motiven mit der übrigen Bevölkerung verloren. Sind ‚Führer‘ vorhanden, die dies positiv aufgreifen, indem sie einerseits die Menschen in diesen Verhaltensweisen bestärken, in dem sie die selben Verhaltensweisen zeigen und anderseits zum Ausdruck bringen, dass dies nicht die ‚limitierenden‘ Verhaltensweise sind, sondern vielmehr die Verhaltensweisen der Anderen limitieren und dass deren Verhaltensweisen sie davon abhalten, ein besseres Leben zu führen, dann haben wir die Polarisierung. Die Polarisierung ist der umfassende Kontrollparameter für den Übergang Demokratie-Autokratie.

Ich empfehle die ZDF-Serie ‚USA extrem‘: Diese umfangreiche Serie zeigt in vielen Beispielen was ‚limitierende‘ Grundbedürfnisse und Werte/Motive für die BedürfnisKohäsion und WerteKohäsion und schließlich die Polarisierung in den USA bedeuten. – Man kann erkennen, dass die USA de facto aus zwei sich gegenüberstehenden Parteien besteht. – Eine dieser Parteien ist sehr weit von meiner eigenen inneren Haltung entfernt.

Zweite Phase:

Liegt eine hinreichende Mehrheit für den Einzug von autokratischen (rechtsextremen) Parteien in ein Parlament vor, ist die erste Sicherungsschicht des Drift-to-Danger Modells gefallen. Dies ist eine wesentliche Erkenntnis: Der Übergang von einer Demokratie zur Autokratie ist von den Wählern eingeleitet worden und niemand anderem!! – Trump hat nur genutzt, was in der Bevölkerung an Potential vorhanden war. Hitler hat das damalige Bevölkerungspotential auch genutzt, die AFD versucht es beiden gleich zu tun.

Doch es müssen weitere Sicherheitsschichten fallen: Dies geschieht, in dem Steigbügelhalter naiv, dumm, in eigener Selbstüberschätzung oder bewusst den potentiellen autokratischen Führer und seine Partei unterstützen. Dies verstärkt das weitere Aufbrechen der Bedürfnis- und WerteKohäsion: Die Wähler mit ‚limitierenden‘ Verhaltensweisen kommen fast zwangsläufig zu dem Schluss, dass sie mit ihrer Wahl Recht getan haben, denn die Steigbügelhalter bestätigen dies. – Die Polarisierung nimmt weiter zu. Die USA Tech-Oligarchen sind solche Steigbügelhalter. In Deutschland sind nicht wenige aus der CDU auch Steigbügelhalter. Leider…Wie kann man davon ausgehen, dass eine Partei, die (in Teilen) gesichert rechtsextrem ist, so dumm ist, bei entsprechender zukünftiger Wahlmehrheit, das Ruder nicht zu ihren Gunsten umzulegen. Hitler hat es geschafft, Trump hat es geschafft, Orban hat es geschafft, …wie kann man sicher sein, dass die AFD es nicht schafft.

Die naiven, dummen oder sich selbst überschätzenden Steigbügelhalter der Autokratie erkennen nicht die Dimension der Polarisierung und der damit verbundenen fehlenden Bedürfnis- und WerteKohäsion. ‚Limitierende‘ Verhaltensweisen kann man nicht eliminieren, allenfalls abmildern; selbst Bildung ist kein wirklicher Schutz. Es ist vielmehr notwendig, die ‚limitierenden‘ Bedürfnisse und die damit verbundenen Werte zu befriedigen: Diese Menschen brauchen (wirtschaftliche) Sicherheit, das Gefühl der Ungleichheit darf nicht aufkommen, das Gefühl des Stillstands darf sich nicht breit machen, … Politische Maßnahmen, wie das Streichen des 58 € Tickets, die geringe Besteuerung der Superreichen, die nicht-konsequente Abschiebung von straffälligen Asylanten usw. verletzten die ‚limitierenden‘ Bedürfnisse und Werte/Motive.

Dritte Phase:

Ist die dritte Phase erreicht, ist der Phasenübergang von der Demokratie zur Autokratie vollzogen. Unmittelbar gib es kein Entrinnen mehr.

Hitler hat in atemberaubender Geschwindigkeit die letzten Sicherheitsschichten ‚geschliffen‘, Trump tut es ähnlich atemberaubend, Orban ist auch gut unterwegs…

In der dritten Phase werden alle Machtinstrumente der Demokratie ausgeschöpft und missbraucht, um die Autokratie zu festigen. Eigentlich spielt die Bevölkerung keine große Rolle mehr in diesem bitteren Spiel, ein großer Teil erkennt dies noch nicht einmal, erst dann, wenn es ein böses Erwachen gibt.

Zusammenfassend stelle ich fest:

Der Übergang Autokratie-Demokratie kommt aus der gesellschaftlichen Spaltung (Polarisierung), die leider durch demokratische Kräfte nicht kompetent und rechtzeitig geschlossen wird. Das Verständnis der Bedeutung der Bedürfnis- und WerteKohäsion ist bei vielen demokratischen Politikern nicht vorhanden: Obama und Biden hatten es nicht, aber leider auch nicht Merkel und Scholz. Bei Merz habe ich große Zweifel.

Die ‚Führer‘ der Spaltung nutzen die Polarisierung, die längs in der Gesellschaft vorhanden ist, nur aus. – So gesehen, haben sie es recht einfach.

Der Faschismus ist leider wirklich ‚ewig‘, denn er beruht auf einem Teil unserer Grundbedürfnisse und den damit verbundenen Werten/Motiven. Wir könnten ihn nur ausmerzen, wenn es uns gelänge die Bedürfnis- und WerteKohäsion ‚zu verewigen‘.

Im nächsten Blog dieser Serie wende ich mich wieder dem mathematischen Modell zu.

[1] Brockschmidt A (2025) Trumps Regime nicht „Faschismus“ nennen ist Realitätsverweigerung, https://www.volksverpetzer.de/analyse/trumps-faschismus-nennen/

[2] Stolle P (2025) https://www.linkedin.com/posts/paulstolle_dieser-moment-wenn-dir-bewusst-wird-dass-activity-7318143630978797570-2VBU/?utm_source=share&utm_medium=member_ios&rcm=ACoAAADwjS8Blpat6RQsfTtvnIu1lnZS6K7fuLk

[3] Eco U (2020) Der ewige Faschismus, Carl Hanser Verlag. Kindle Version

[4] Oswald A, Köhler J, Schmitt A (2017) Projektmanagement am Rande des Chaos, Springer Verlag, 2. Auflage, auch in Englisch: Project Management at the Edge of Chaos (2018)

[5] ZDF (2024) USA extrem, https://www.zdf.de/reportagen/usa-extrem-leben-im-land-der-gegensaetze-100

Von der gesellschaftlichen Kernschmelze oder dem Übergang Demokratie-Autokratie und (vielleicht auch) umgekehrt

Im März 2025 erschien in Spektrum der Wissenschaft der Beitrag ‚Die Kernschmelze der Demokratie – Erosion politischer Systeme‘ [1].

Der Spektrum der Wissenschaft Beitrag beruht auf einem wissenschaftlichen Artikel [2], in dem die Risikoerkenntnisse der Atomwirtschaft auf gesellschaftliche Risiken, insbesondere den Übergang von Demokratie zu Autokratie übertragen werden.

Abbildung 1 aus [2] visualisiert die wesentlichen Aussagen zur sogenannten Drift-to-Danger Theorie. Hiernach ist der Übergang Demokratie-Autokratie von folgenden Faktoren gekennzeichnet:

Der Verletzung von Normen durch Eliten (u.a. Lügen, Verschwörungstheorien, Negieren von wissenschaftlichen Erkenntnissen, u.ä.)
Die Schwelle zur Autokratie (durchgezogene rote horizontale Linie) ist durch eine Reihe von Sicherheitsschichten (dünne rote Linien) geschützt. Verhaltensbezogene Normen und Maßnahmen unterstützen diese Sicherheitsschichten. Falls jedoch diese erodieren, also z.B. ein Teil der Presse die Verletzung der Normen unterstützt oder in der Gerichtsbarkeit ‚wohlwollende Richter‘ eingesetzt werden, driftet die Demokratie in Richtung Autokratie.
Jeder Fall einer Sicherheitsschicht ist mit einem ‚Beinahe-Unfall‘ verbunden. Halten alle Sicherheitsschichten nicht mehr, kommt es zum Übergang zur Autokratie.

Abbildung 1: Drift-to-Danger Theorie angewendet auf den Übergang von einer Demokratie zur Autokratie [2].

Meines Erachtens ist das Thema des Übergangs Demokratie-Autokratie das wichtigste gesellschaftspolitische Thema unserer Zeit. Ausgelöst sicherlich durch die eindeutig autokratischen Maßnahmen der Trump Administration, und verstärkt durch die rechtsradikalen gesellschaftlichen Bewegungen in Europa.

Es ist mir völlig unverständlich, wie Menschen durch ihre Wahlstimme helfen können, dass sich Demokratien in Autokratien transformieren, da die Geschichte und das aktuelle Leid überall auf der Welt, hervorgerufen durch autokratische Systeme, Menschen eines Besseren belehren sollten.

Die amerikanischen Tech-Milliardäre haben im Rahmen der Trump Präsidentschaft gezeigt, dass moderne Technologien und eine offene am Menschen orientierte innere Haltung nicht unbedingt zusammengehören. – Deshalb halte ich inzwischen die Gefahr eines Übergangs Demokratie-Autokratie, die von solchen Personen ausgeht, mindestens für so groß wie diejenige, die von Trump selbst ausgeht. – In meinen Blog-Beiträgen ‚Rückwärtsgewandt in den Abgrund…oder… Entwickeln wir uns weiter!? vom November 2023‘, ‚Gesellschaftlicher Wandel – Sein oder Nichtsein? – Das ist hier die Frage! vom Mai 2020‘ und in ‚Cultural Entropy: Corona deckt unsere Werte auf, vom März 2020‘ bin ich auf die sogenannten limitierenden Bewusstseinsniveaus und die daraus resultierenden limitierenden Werte eingegangen. Hiernach tragen solche Limitierungen und die damit verbundene Polarisierung mittels Lügen, Negierung von wissenschaftlichen Erkenntnissen und Verschwörungstheorien das Potential für Autokratie in sich. Gemäß dieser Blog-Beiträge haben die USA (schon seit längerem) ein deutliches Potential für Autokratie. – Jetzt ist dieses leider Realität geworden!

Autokratie „wird in der Politikwissenschaft [als] eine Herrschaftsform bezeichnet, in der eine Einzelperson oder Personengruppe unkontrolliert politische Macht ausübt und keinen verfassungsmäßigen Beschränkungen unterworfen ist“ [3]. – Eine sehr gelungene Darstellung zum Thema Demokratie-Autokratie findet sich in [4].

Bei einigen, die die Maßregelung von Vance und Trump gegenüber Selenskyj im Fernsehen verfolgten, stellt sich vielleicht die Erinnerung an das ein oder andere ‚Mitarbeitergespräch‘ ein. – Leicht abgewandelt lässt sich die Autokratie-Definition auch als Definition für autokratische Organisationen verwenden. – Eine Organisation oder ein Teil einer Organisation kann, hervorgerufen durch ihre Führungskräfte, einer Autokratie ähneln. In diesem Sinne sind mögliche Erkenntnisse dieses Beitrages auch auf organisationale oder institutionelle Systeme übertragbar.

In diesem Beitrag, und zukünftigen Beiträgen, will ich versuchen, dieses Phänomen mit Hilfe mathematischer Modelle etwas auszuleuchten. Ich benutze zur Gewinnung dieser Modelle und der daraus resultierenden Python Programme wieder ChatGPT4o1 als KI-Assistenzsystem.

Ich starte in diesem Blog-Beitrag mit einem einfachen phänomenologischen Modell. Die wichtigsten Formeln dieses Modells sind:

$\text{Autokratie} \;=\; \text{Stress} \;-\; \text{Ordnungswert (Demokratie)}.$

$\text{Stress} = \frac{\text{Polarisierung}^{2} + \text{mediale Radikalisierung}^{1.5} + \text{Vertrauensverlust}^{1.2} + \text{Wirtschaftsprobleme}}{4}.$

$\text{Ordnungswert (Demokratie)} = \frac{\,\text{Zukunftsvertrauen} + \text{WerteKohaesion} + \text{BeduerfnisKohaesion}\,}{3}.$

$\text{Zukunftsvertrauen} = \max\bigl(0,\; \text{Zukunftsvertrauen}_{\mathrm{init}} - 0.5 \times \text{Stress}\bigr).$

$\text{WerteKohaesion} = \max\bigl(0,\; \text{WerteKohaesion}_{\mathrm{init}} - 0.4 \times \text{Stress}\bigr).$

$\text{BeduerfnisKohaesion} = \max\bigl(0,\; \text{BeduerfnisKohaesion}_{\mathrm{init}} - 0.3 \times \text{Stress}\bigr).$

Die obigen Formeln stammen aus einer heuristischen Modellierung – das heißt, sie basieren nicht auf einer einzelnen wissenschaftlichen Quelle oder einem etablieren Standardwerk. Stattdessen habe ich – mittels ChatGPT 4o1 – verschiedene Ideen aus System- und Sozialdynamik aufgegriffen und auf einfache Weise in ein numerisches Modell übertragen.

Im Einzelnen:

Autokratie = Stress – Ordnungswert (Demokratie)
- Diese Gleichung erfasst den politischen Zustand als Differenz zwischen „Stress“ (kritische Faktoren wie Polarisierung, mediale Radikalisierung etc.) und einem „demokratischen Ordnungsparameter“ (d.i. Ordnungswert (Demokratie) resultierend aus Zukunftsvertrauen, WerteKohaesion, Bedürfniskohaesion).
- Die Gleichung signalisiert: Wenn „Stress“ größer ist als der vorhandene Ordnungswert, wird das System eher autokratisch. Umgekehrt, wenn der Ordnungswert den Stress kompensiert, bleibt es demokratisch.
Stress = (Polarisierung^2 + mediale Radikalisierung^1.5 + Vertrauensverlust^1.2 + Wirtschaftsprobleme) / 4
- Hier sind Exponenten wie 2, 1.5 oder 1.2 keine wissenschaftlich ermittelten Werte, sondern heuristische Größen, um den Effekt gewisser Variablen (z. B. Polarisierung) zu betonen.
- Beispielsweise wird Polarisierung^2 benutzt, um zu sagen: „Wenn Polarisierung ansteigt, wirkt sie überproportional auf den Stress.“
- „Wirtschaftsprobleme^1.0“ ist lediglich ein fester Wert in diesem Beispiel, um das Modell zu vereinfachen. Genauso könnte man andere Exponenten verwenden, wenn man davon überzeugt ist, dass Wirtschaft eine dominate Rolle beim Stress hat.
- Diese Parametrisierung ist nicht aus einer einzigen Quelle übernommen, sondern angelehnt an die Idee, dass manche Faktoren (Polarisierung, mediale Radikalisierung) über lineare Effekte hinaus die Gesellschaft polarisieren oder radikalisieren.
Lineare Abzüge für Zukunftsvertrauen, WerteKohäsion und BedürfnisKohäsion
- Formeln wie WerteKohaesion = max(0, WerteKohaesion_init − c1 × Stress) stammen aus System Dynamics-Denkmustern, in denen man sagt: „Bei höherem Stress wird ein Teil der gesellschaftlichen Kohäsion aufgezehrt.“ – Die spezielle Formel implementiert eine Rückkopplung im System und erlaubt damit die explizite Modellierung von Nicht-Linearitäten.
- Die Faktoren (z. B. 0.5, 0.4, 0.3) sind ebenfalls heuristisch gewählt: Sie wurden so eingestellt, dass das Modell in manchen Situationen in die Autokratie kippt, in anderen stabil demokratisch bleibt. Eine wissenschaftliche Herleitung bräuchte empirische Studien, in denen man z. B. statistisch ermittelt, wie stark Stress tatsächlich das Zukunftsvertrauen, die WerteKohäsion und die BedürfnisKohäsion senkt.
Ordnungswert (Demokratie) = (Zukunftsvertrauen + WerteKohaesion + BeduerfnisKohaesion) / 3
- Diese Formel ist eine Vereinfachung nach dem Motto: „Wir nehmen den Durchschnitt der drei reduzierten Variablen als Gesamtmaß für die ‘demokratischen Werte’ im System.“
- Man könnte alternativ gewichten (etwa 0.3 × Zukunftsvertrauen + 0.4 × WerteKohäsion + 0.3 × BedürfnisKohäsion), oder man könnte ganz andere Mechanismen nutzen.

Abbildung 2 zeigt einen möglichen Drift-Verlauf berechnet mit dem Modell und den oben genannten Parametern: Obwohl die Ordnungswerte hoch sind (WerteKohaesion=0.7, BedürfnisKohaesion=0.6, Zukunftsvertrauen=0.5 (alle Werte sind im Bereich 0 bis 1)), reicht dies nicht aus, um einen deutlichen Anstieg der Autokratie zu verhindern, da die Stressfaktoren ebenfalls oberhalb 0.5 liegen.

Abbildung 2: Die Modell-Simulation wurde mit folgenden Initialisierungswerten durchgeführt: WerteKohaesion=0.7, BedürfnisKohaesion=0.6, Zukunftsvertrauen=0.5, Polarisierung=0.6, Wirtschaftsprobleme=0.5, Mediale Radikalisierung=0.6, Vertrauensverlust=0.5.

Das V-Dem (The Varieties of Democracy Institute) der University of Gothenburg, Department of political science erhebt Daten zur globalen Demokratie-Autokratie Entwicklung und erkennt auch Drift-Muster in diesen [5].
Hiernach wird das obige Drift-Muster der Abbildung 2, als ‚diminished democracy‘ Muster bezeichnet. Mit Hilfe unseres Modells lassen sich auch die anderen Drift-Muster nachbilden.
Abbildung 2 zeigt das ‚reverted liberalization‘ Drift-Muster: Der Autokratie-Wert geht in einem Zeitfenster etwas zurück, um dann wieder anzusteigen.

Abbildung 3: Die Modell-Simulation wurde mit folgenden Initialisierungswerten durchgeführt: WerteKohaesion=0.45, BedürfnisKohaesion=0.45, Zukunftsvertrauen=0.45, Polarisierung=0.9, Wirtschaftsprobleme=0.9, Mediale Radikalisierung=0.8, Vertrauensverlust=0.9.

Zusammenfassend stelle ich fest: Die Drift-to-Danger Theorie ist eine sehr plausible Theorie, die aktuelle Demokratie-Autokratie Entwicklungen gut wiedergibt. Mit unserem einfachen phänomenologischen mathematischen Modell lassen sich reale Drift-Muster gut und plausible nachbilden. Wir haben damit eine gute Ausgangsbasis gewonnen, um das vorliegende Modell zu erweitern. Erweiterungen könnten sein:

Einführung von autokratischen und demokratischen Agenten, die die Drift-Muster beeinflussen. Diese Agenten könnten programmierte Agenten oder KI-Agenten sein.
Untersuchung der Drift-Muster hinsichtlich ihres Phasenübergangsverhaltens.
Vergleich von Theorie und länderspezifischen Demokratie-Autokratie-Scoring-Daten im Zeitverlauf.
Erkenntnisse, wie die Drift Demokratie-Autokratie verhindert werden kann oder der Übergang Autokratie-Demokratie gelingen kann.

Sehen wir, was möglich ist!

[1] Könneker C (2025) Die Kernschmelze der Demokratie – Erosion politischer Systeme, in Spektrum der Wissenschaft, https://main-diewocheconnect-spektrum.content.pugpig.com/news/gefaehrliche-erosion-das-drift-to-danger-modell-der-demokratie/2257940/d_app_controller/subcontent/page

[2] Abels C M et al. (2024) Dodging the autocratic bullet: enlisting behavioural science to arrest democratic backsliding, Behavioural Public Policy (2024), 1–28, doi:10.1017/bpp.2024.43, Cambridge University Press

[3] Wikipedia (2025) Autokratie, https://de.wikipedia.org/wiki/Autokratie

[4] Schmidt M G (2020) Demokratien und Autokratien: Ein vergleichender Überblick, in Deutschland & Europa, Heft 79, Landeszentrale für politische Bildung Baden-Württemberg

[5] Maerz S F et al. (2021) A Framework for Understanding Regime Transformation: Introducing the ERT Dataset, V-Dem, University of Gothenburg, Department of political science

Vom ‚Tor zum Sein‘ oder von der Quantum Collective Mind Theory

Die UN-Generalversammlung hat das Jahr 2025 zum „Internationalen Jahr der Quantenwissenschaft und Quantentechnologien“ ausgerufen [1].

Das ist umso bemerkenswerter, wenn man bedenkt, dass Quantenwissenschaft und -technologie weit weg sind von unseren alltäglichen Erfahrungen und für die weit überwiegende Anzahl an Mensch wird dies auch (wahrscheinlich) so bleiben. Selbst für Physiker ist die Quantenphysik in weiten Teilen nicht wirklich verständlich, wenngleich die dazugehörige Mathematik die Quanten-Natur mit sehr hoher Präzision beschreibt.

Quantenwissenschaft und -technologie sind das ‚Tor zum Sein‘, denn unser Sein ist ein Quanten-Sein. Unter diesem Blickwinkel kann man verstehen, dass die UN-Generalversammlung gut daran getan hat ‚Quantum2025‘ auszurufen: Ich bin davon überzeugt, dass die kommenden Jahre, in denen Quantum Computing und Quantum Technology immer mehr zur Anwendung kommen, unser Verständnis vom Sein verändern werden. Die Welt steht an einer ähnlichen Schwelle, wie zum Zeitpunkt der Erfindung des Transistors. – Was das Verständnis des Seins anbetrifft, werden die Folge noch wesentlich transformativer sein: Wissenschaftliche und technologische Fortschritte in Allgemeiner Künstlicher Intelligenz und Quantentechnologien werden sich gegenseitig ergänzen. Diese neue Welt dürfte den meisten Menschen verschlossen bleiben, gleichwohl werden sie die Auswirkungen spüren.

Schon heute erfahren viele Menschen einen Kontrollverlust durch Globalisierung, Klimawandel, Migration, Corona, Künstliche Intelligenz, Anschläge und Terrorismus sowie Kriege. Als ‚Exit-Strategie‘, um aus diesem Mangel an Kontrolle und Klarheit herauszukommen, wird die Vereinfachung gewählt und von der Politik oft auch angeboten. Das Zukunftsinstitut nennt dies ‚Reverse Politics‘ [2]: Zurück zur Vergangenheit in Form von ‚Leave (Brexit)‘, ‚Make America Great Again‘, ‚Zeit für Deutschland‘, usw..

Die Quantenwelt ist genau das Gegenteil von Vereinfachung, sie ist die Welt der Unklarheit: Das Sein ist oft noch nicht festgelegt. – Quantum Computing nutzt genau dieses Nicht-Festgelegte und ‚rechnet‘ sogar damit! Es ist also nicht zu erwarten, dass unsere klassische Welt, in die die Quanten-Welt immer mehr durch Technologie ‚eindringt‘, an Klarheit gewinnt. Selbst wenn Themen wie Migration, Epidemien, Terrorismus und Krieg verschwinden sollten, so wachsen mit Allgemeiner Künstlicher Intelligenz und Quantentechnologien weitere Risikopotentiale für einen globalen Kontrollverlust heran.

Zur Zeit ist es möglich, von Künstlicher Intelligenz und Quantum Computing durch ein weitgehend offenes Ecosystem zu profitieren: Die Technologien sind (noch) offen verfügbar und Europa kann entsprechende US-Technologien einkaufen, wie unlängst das Forschungszentrum Jülich, das einen Quanten Computer von d-wave erstanden hat. Wenn ich bisher auf Quanten Computern ‚gerechnet‘ habe, so waren dies meist auch d-wave Systeme. Individuell kann man also (noch) entsprechenden Risikopotentialen durch Kontrollverlust entgegenwirken.

Meine Blog-Beiträge zu Künstlicher Intelligenz und Quantum Computing verbinden sehr oft Management Fragestellungen mit diesen beiden Technologien. Die Beiträge sind damit oft spekulativ, enthalten aus meiner Sicht jedoch gerade deswegen ein extremes Lernpotential. – Für mich auf jeden Fall – auch der interessierte Leser profitiert sicherlich von dieser ungewöhnlichen Kombination: Meines Erachtens wächst die Klarheit in der Management-Fragestellung und den verwendeten Technologien!

In den letzten Artikeln habe ich mich recht intensiv mit der Integrated Information Theory (kurz IIT) beschäftigt. Dies ist eine rein klassische Theorie. In diesem Beitrag stelle ich weitere Aspekte der schon in den letzten Beiträgen behandelten Quantum Collective Mind Theory (QCMT) vor, die in diesem Beitrag Elemente einer Quantum IIT enthält. Eine Quantum IIT gibt es in der Wissenschaft derzeit nicht.

Ich benutze wieder KI-Systeme als Assistenzsysteme einer hybriden Collective Intelligence. – Dies erfordert von den KI-Assistenzsystemen eine erstaunliche Leistung: Ausgezeichnete Kenntnisse in IIT und in der Quantenphysik und die Fähigkeit zwischen beiden doch sehr unterschiedlichen Wissensgebieten Zusammenhänge und Synergien zu erkennen. – U.a. sind klassische Konzepte der IIT, soweit sinnvoll, in quantenmechanische Konzepte umzusetzen.

Die Theorie und die dazugehörigen Python Programme für diesen Beitrag habe ich in der ersten Version mit ChatGPT o3-mini-high entwickelt. Dies ist eine schnelle ChatGPT Variante für wissenschaftliche Aufgabenstellungen und Softwareentwicklung. Anschließend habe ich o1 zum Überprüfen des mit o3-mini-high erstellten Codes verwendet und auch mit o1 fortgefahren. O1 hat hierbei zwei recht gravierende Fehler in den physikalischen Grundlagen gefunden. Ich wollte jetzt auch wissen, ob andere KI-Systeme diese Fehler finden und in der Lage sind, mir den Programmcode zu erläutern und ggf. eine korrigierte Version auszugeben. Hierzu habe ich Mistral in der Standardversion verwendet, DeepSeek R1, Gemini Pro und Grok3.

KI-System	Programmanalyse-Ergebnis, im Zeitraum 01.02.-21.02.2025
ChatGPT-o3-mini-high	Erstellte den ursprünglichen Code mit zwei Fehlern in der Quanten Theorie
ChatGPT-o1	Findet diese Fehler
Mistral, Standard	Findet keine Fehler und kann den Code auch nur sehr oberflächlich erklären
Google Gemini Pro	Findet keine Fehler, erklärt den Code ansonsten sehr gut
DeepSeek R1	Findet die Fehler und erklärt den Code gut. Nachdem ich das System aufgefordert habe, den Code zu korrigieren, wurde der Code sehr stark verändert, so stark, dass ich damit nicht mehr weiter arbeiten wollte.
Grok3	Findet keine Fehler, die Programmanalyse war befriedigend, die richtige physikalische Grundlage ‚Observational Entropy‘ [3] wurde zuerst als falsch klassifiziert. Erst ein Hinweis von mir, führt zu einer Korrektur.

Tabelle 1: Übersicht zum Leistungsvergleich verschiedener KI-Systeme

Diese kleine Analyse zeigt mir, dass lediglich ChatGPT, insbesondere in der Version o1, in der Lage ist, die sehr anspruchsvollen Aufgaben mit einem vertretbaren Risiko zu bewältigen. Alle anderen getesteten KI-System sind meines Erachtens hierfür ungeeignet. – Dass ich diese Aussage tätigen kann, bestärkt mich im Umgang mit den neuen Technologien: Ohne aktive Auseinandersetzung mit den Technologien, die über das weitgehend sinnlose Standardisieren des Promptings hinausgeht, verflüchtigt sich eine Stärkung des Bedürfnisses nach Kontrolle sehr schnell.

Bevor ich zur QCMT komme, stelle ich zuerst das Ergebnis einer Teamberechnung auf einem d-wave Quantencomputer vor. Dieses Modell gehört zu dem Modell-Archetypen 6 ‚Ising-Modell der Team-Interaktion‘ (siehe meinen Blog: AI & QC & M 4.0: Alles Quantum? oder von Quantum Computing Modell-Archetypen, Dezember 2024): Das klassische Team-Modell wird als Netzwerk von sieben Teammitgliedern verstanden, die über eine Ziel-Hierarchie (1 Goal, 3 Epics, jeweils 3 Features, also 13 Elemente insgesamt) miteinander kommunizieren. Die Elemente der Ziel-Hierarchie sind ebenfalls Netzwerkknoten des gesamten Netzwerkes. Jedes Teammitglied wird über seine fünf Big-Five Persönlichkeitsmerkmale modelliert. Die Netzwerkknoten sind über Netzwerkkanten mit unterschiedlicher Kopplungsstärke verbunden. Zum Beispiel wird die Kopplungsstärke zwischen den Big-Five Persönlichkeit Offenheit und Gewissenhaftigkeit als negativ angenommen: -0,5 auf einer Skala von 0 bis +/-1. In diesem Modell wird auch zum Beispiel die Kopplung zwischen Goal und Offenheit mit +0,8 angenommen und zwischen Feature und Offenheit nur mit 0,0. Dies sind Werte, die in etwa die Erfahrung in realen Teaminteraktionen widerspiegeln. Zwischen den Hierarchie-Ebenen und innerhalb der Ebenen gibt es natürlich auch kleine Kopplungen.

Dieses klassische Netzwerk wird auf ein Qubit-Netzwerk von 7*5 + 13 = 48 Qubits abgebildet.

Zu Anfang unterliegt die Ziel-Hierarchie mit 2 hoch 13 Zuständen, da 13 Qubits, einer Gleichverteilung: Die sogenannte Shannon-Entropie ist also sehr hoch. Wir benutzen die Entropie als Kennzeichen für die Güte der Collective Mind Ausprägung: Niedrige Entropie heißt, das System zeigt wenige (markante) Zustände, das System hat sich ‚kristallisiert‘. Hohe Entropie heißt, das System zeigt viel Zustände, die Unsicherheit über den Zustand des Systems ist hoch.

Abbildung 1 verdeutlicht der Einfachheit wegen ein Qubit-Netzwerk aus nur 17 Qubits und Tabelle 2 zeigt die wichtigsten Ergebnisse der 48 Qubit ‚Rechnung‘ auf dem d-wave Quanten Computer.

Abbildung 1: Diese Abbildung zeigt Qubits als Modell für Teammitglieder in einem Team mit zwei Personen, modelliert mit jeweils fünf Big-Five Persönlichkeitsmerkmalen. Das Bild enthält eine einfache Ziel-Hierarchie aus 7 Qubits. Alle Qubits sind Netzwerkknoten in einem Netzwerk. Die Netzwerkkanten, die die Wechselwirkung zwischen den Knoten bestimmen, sind der Übersicht wegen nicht eingezeichnet.

Tabelle 2 zeigt die wichtigsten Ergebnisse der d-wave Quanten Computing ‚Rechnung‘.

	Am Anfang der ‚Rechnung‘	Am Ende der ‚Rechnung’
7 Teammitglieder, beschrieben durch ihre Big-Five Persönlichkeitspräferenzen (A C E N O)	A C E N O 1 0 1 1 1 1 1 0 0 0 1 1 0 1 0 1 0 0 0 0 1 1 1 0 1 1 1 0 0 0 1 0 1 0 1	A C E N O 1 0 1 0 1 1 1 1 0 0 1 1 0 0 1 1 0 1 1 1 1 0 1 0 1 1 1 0 1 1 1 0 1 0 1
Energie des Gesamtsystems	– 3	– 43
Shannon-Entropie des Teams	2,52 bit	2,13 bit
Shannon-Entropie der Ziel-Hierarchie	Goal: 1 bit Epics: 3 bit Features: 9 Bit	Goal: 0,98 bit Epics: 1,76 bit Features: 0,98 bit

Tabelle 2: Ergebnisse des Annealing-Prozesses auf einem d-wave Quanten Computer: 7 Teammitglieder mit Big-Five Persönlichkeiten (A=Agreeableness, C =Conscientiousness, E=Extraversion, N=Neuroticism, O=Openness) und einer Ziel-Hierarchie mit 3 Ebenen ( 1 Goal, 3 Epics, 9 Features). Die Entropie wird über die Shannon-Entropie berechnet.

Ich interpretier das Ergebnis aus Sicht der Collective Mind Theorie: Hohe negative Energie bedeutet, dass sich ein relativ starkes Collective Mind (CM) am Ende ausgebildet hat. – Das System ist ‚kristallisiert‘ und hat bevorzugte Zustände. U.a. sieht man dies daran, dass sogar die Heterogenität im Team abgenommen hat, also weniger Entropie vorliegt und die Ziel-Hierarchie eine deutliche Stabilisierung erfahren hat. In einem realen CM-Team kann man dies auch beobachten: Die Persönlichkeitspräferenzen werden zumindest für den Zeitraum des Collective Mind etwas zurückgedrängt. Die Teammitglieder ‚pochen‘ nicht so stark wie am Anfang auf ihre Präferenzen. Gleichzeitig wird aus der Menge aller möglichen Ziel-Hierarchien im Idealfall eine ausgewählt. Im Team und in der Ziel-Hierarchie sinkt die Menge an möglichen Zuständen und damit auch die Entropie und die Unsicherheit.

Die Shannon-Entropie bzw. verwandte Entropie Maße sind in der QCMT bzw. QIIT von zentraler Bedeutung. Die Formel, die in Tabelle 1 verwendet wird, lautet:

$S = -\sum_i p(i) \log_2 \bigl(p(i)\bigr)$

p(i) ist die Wahrscheinlichkeit ein (klassisches) System in einem Makrozustand i zu finden. Die Makrozustände i sind die Persönlichkeitspräferenzen im Team. Zum Beispiel könnte ein Makrozustand lauten 11 01 10: Teammitglied A hat eine hohe Präferenz in Offenheit und Gewissenhaftigkeit, Teammitglied B hat eine niedrige in Offenheit und eine hohe in Gewissenhaftigkeit und Teammitglied C eine hohe in Offenheit und eine niedrige in Gewissenhaftigkeit. – Auf die Erläuterung der p(i) Berechnung verzichte ich hier, da dies tiefergehende (quantenmechanische) Kenntnisse erfordert: p(i) misst die Häufigkeit gemessener Zustände relativ zur gesamten Anzahl an gemessenen Zuständen.
(Eine Anmerkung zur Darstellung der obigen Formel: Diese Formel wird mit LaTex erstellt. LaTex ist seit 41 (bzw. Tex seit 47) Jahren verfügbar. Heute ist Tex/LaTex der Standard für mathematisch-wissenschaftliche Dokumente. Ich habe vor ca. 40 Jahren das erste Mal damit gearbeitet und war von der Schönheit der dargestellten Formeln fasziniert. Heute verfüge ich nicht mehr über das Know-How, LaTex Code selbst zu erstellen. Dies ist auch nicht nötig, denn ChatGPT gibt den Code in einer für diesen Blog – erstellt mit WordPress – verwendbaren Form aus.)

Ich wende mich der Quantum Collective Mind Theory zu. Ich baue eine einfache quantenmechanische Version der IIT in diese ein. In der nachfolgenden Tabelle habe ich die wichtigsten Kriterien klassischer und quantenmechanischer IIT zusammengestellt. – Schaut man sich die Spalte zur quantenmechanischen IIT an, so drängt sich dem ein oder anderen sicherlich der Vergleich zur menschlichen Kommunikation auf: Wir haben in den vorherigen Blog-Beiträgen ja schon gesehen, dass die Quantum Cognition erstaunlicher Weise hilft, unsere Kommunikation besser zu verstehen.

Kriterium	Klassische IIT	Quantenmechanische IIT
Lokale vs. nichtlokale Zusammenhänge	Kausalität manifestiert sich lokal, Informationen breiten sich (max.) mit Lichtgeschwindigkeit aus. Ursache-Wirkungs-Beziehungen lassen sich in einem (weitgehend) lokalisierten Netz rekonstruieren.	Verschränkung erlaubt nichtlokale Korrelationen, ohne dass ein klassisches „A verursacht B“ greift. Die Trennung in lokal begrenzte Elemente wird schwieriger, da verschränkte Zustände räumlich verteilt sein können.
Eindeutigkeit vs. Überlagerung von Zuständen	Das System hat einen eindeutig definierbaren Zustand zu jedem Zeitpunkt (z. B. ein bestimmtes Muster von Aktivierungen). Ursache und Wirkung sind in einem klassischen Zustand relativ klar voneinander trennbar.	Zustände können Superpositionen (Überlagerungen) sein; die „kausale Macht“ kann auf mehrere Zustände verteilt sein. Der Kollaps (z. B. durch Messung) bestimmt erst, welcher konkrete Effekt realisiert wird, was die Zuordnung von Ursache und Wirkung komplizierter macht.
Wahrscheinlichkeitsbegriff	Wahrscheinlichkeiten ergeben sich aus klassischer Statistik (Häufigkeit, Ungewissheit). Übergangswahrscheinlichkeiten werden verwendet, um zukünftige Zustände zu modellieren. Dies spiegelt epistemische Unsicherheiten in den Kausalketten der deterministischen Prozesse wieder.	Wahrscheinlichkeiten sind Betragsquadrate der Wellenfunktion und zeigen Interferenz- und Verschränkungseffekte. Die Quantifizierung von Kausalketten hat die spezifischen Quanteneffekte (z. B. Interferenzen) zu berücksichtigen. Diese sind nicht einfach in klassische Wahrscheinlichkeiten übersetzbar.
Messprozess und Beobachterrolle	Die Beobachtung (Messung) wird meist außen vorgenommen; sie stört das System kaum oder nur marginal. Ein klassisches System kann unabhängig vom Beobachter beschrieben werden.	Jede Messung beeinflusst den Zustand fundamental (Kollaps der Wellenfunktion). Es ist unklar, ob das Bewusstsein selbst als „Messapparat“ fungiert und wie dies in einer QIIT formal abzubilden wäre.
Kausale Modelle vs. unitäre Zeitentwicklung	In der Regel können Übergangs-wahrscheinlichkeiten und Kausalstrukturen in Diagrammen dargestellt werden, die zeitlich (t → t+Δt) fortgeschrieben werden. Deklarierte Systemgrenzen sind relativ stabil.	Die grundlegende Dynamik ist unitär (u.a. Erhaltung der Wahrscheinlichkeiten, Reversibilität): Ursache und Wirkung lassen sich nicht immer klar trennen. Verschränkungen überschreiten Systemgrenzen, und es ist schwieriger, einzelne Subsysteme als „isoliert kausal“ zu behandeln.

Tabelle 3: Übersicht zu Charakteristika von klassischer und quantenmechanischer IIT

Ich reichere jetzt die QCMT mit QIIT Elementen an. – Ich betone an dieser Stelle, dass es sich hierbei um eine Berechnung handelt, wie ein Physiker sie eventuell auf einem Stück Papier durchführen könnte. – Ich verwende also keinen Quanten Computer, sondern lediglich einen klassischen Computer. Hierzu habe ich mittels ChatGPT o1 ein Programm erstellt, das eine Berechnung für 3 Teammitglieder mit jeweils 2 Big Five Persönlichkeiten durchführt. Die Big Five Persönlichkeiten werden, wie schon in den anderen Beiträgen, als Superposition von Persönlichkeitspräferenzen dargestellt.

Jedes der Teammitglieder A, B, C wird vereinfacht durch zwei Big-Five Persönlichkeitsmerkmale 1 und 2 charakterisiert. Die Persönlichkeitsmerkmale sind durch Superpositionen mit reellen Koeffizienten modelliert. Ich habe als Persönlichkeitsmerkmale Offenheit und Gewissenhaftigkeit ausgewählt. Welche Persönlichkeitsmerkmale ich gewählt habe, kann man nicht an den obigen Formeln erkennen. Lediglich an den hier nicht dargestellten spezifischen Annahmen über die Wechselwirkungen lässt sich dies erkennen. – Dies kennen wir schon von der obigen Ising-Modell ‚Rechnung‘.

Ich benutze eine spezielle Variante der Shannon-Entropie, die sogenannte Observational Entropie [3], für die Berechnung der Entropien in diesem System:

$S = -\sum_i p(i)\log_2\Bigl(\tfrac{p(i)}{V(i)}\Bigr)$

Mit der Observational Entropie kann man Unsicherheit über innere Zustände eines Systems abbilden: Falls eine Person A eine andere Person B wahrnimmt, ohne die Feinheiten der Big Five inneren Zustände von B aus der Beobachtung ablesen zu können, dann erhöht dies die Unsicherheit von A. – Die beobachtete Entropie wird als größer wahrgenommen, als sie bei Kenntnis aller feinen Zustände wäre. V(i) in der obigen Formel zählt die von A in der Person B nicht wahrgenommen Big-Five Zustände. – Man spricht vom coarse-graining der Beobachtung. p(i) ist hier eine gemessene Wahrscheinlichkeit, ermittelt aus quantenmechanischen Berechnungen. Diese ist nicht identisch mit den weiter oben angegebenen Wahrscheinlichkeiten der klassischen Zustände.

Die Berechnung von quantenmechanischen Kausalketten ist sehr schwierig, deshalb verwende ich im Folgenden die Entropie als Maß für Korrelationen, um den Collective Mind im Team zu berechnen.

Auf der Basis dieser Annahme, lautet die einfachste Formel der Berechnung des Bewusstseins in Form der Größe Phi (Φ) für ein Team, bestehend aus 3 Personen A, B, C (Qubits):

$\Phi_{\mathrm{MI}}(A,B,C) = S(\rho_A)+S(\rho_B)+S(\rho_C) -S(\rho_{ABC})$

Phi wird auf der Basis der sogenannten Mutual Information (MI) ermittelt. Sie ergibt sich aus der Differenz der Entropien der drei Einzelpersonen und der Entropie des ABC-Teams. Ist Phi positiv, hat das Team weniger Entropie als die einzelnen Teammitglieder zusammen. Im Sinne der hier definierten QCMT liegt ein kollektives Bewusstsein, ein Collective Mind, vor: Das Ganze ist mehr als die Summe seiner Teile.

Für die Berechnung von Phi kann man die Observational Shannon-Entropie verwenden. Falls man die quantenmechanischen Eigenschaften des ABC-Teams erfassen will, ist es notwendig, die quantenmechanische von Neumann-Entropie zu verwenden. Phi, mit der Shannon-Entropie bestimmt, misst die Korrelation von klassischen Zuständen. Phi, mittels der von-Neuman-Entropie bestimmt, misst die quantenmechanische Korrelation, also die Verschränkung, in einem System.

	Vor Einschalten der Wechselwirkung	Nach Einschalten der Wechselwirkung
Fine-Grained Observational Shannon Entropy	Team ABC: 3,97 A: 1,32 B: 1,32 C: 1,32	Team ABC: 5,54 A: 1,82 B: 2,00 C: 1,98
Coarse-Grained Observational Shannon Entropy	Team ABC: 5,30 A: 3,27 B: 2,66 C: 3,27	Team ABC: 5,93 A: 3,31 B: 3,19 C: 3,14
Phi(ABC)_{fine-grained Shannon}	0,01	0,26
Phi(ABC)_{von Neumann}	0,00	1,41

Tabelle 4: Übersicht der Entropien und des Collective Mind Phi eines Teams von 3 Personen (A, B, C)

Was zeigt Tabelle 4?

Die fine-grained Entropie ist immer deutlich kleiner als die coarse-grained Entropie: Unwissenheit führt zu höherer Unsicherheit!

Nach Einschalten der Wechselwirkung zwischen den Mitgliedern erhöht sich die Entropie deutlich: Die Verschränkung führt zu einer größeren Anzahl an möglichen Zuständen: Die ‚Kommunikation‘ führt hier zu mehr Unsicherheit! – Dies steht im Gegensatz zu den klassischen Ergebnissen des Ising-Modells, denn dort führt Kommunikation zu niedrigeren Entropie-Werten!

Die Entropie einzelner Subsysteme (A, B, C) ist nicht gleich: Die Teammitglieder zeigen eine unterschiedliche Menge an Zuständen.

Im nicht wechselwirkenden Fall, gibt es kein kollektives Bewusstsein. Bei Wechselwirkung der Qubits ist Phi, mit der Shannon fine-grained Entropie bestimmt, und Phi, mit der von Neumann Entropie bestimmt, sehr unterschiedlich. Es können Verschränkungen vorliegen, die sich sogar nur auf einzelne Teammitglieder beziehen und diese Verschränkungen führen zu einem nach außen kaum sichtbaren Phi. Das sichtbare Phi, gemessen über die Shannon fine-grained Entropie kann gleichzeitig viel kleiner sein: Teams können, solange sie nicht ‚vermessen werden‘, also zum Beispiel eine Ziel-Hierarchie gemeinsam erstellen, eine ‚hohe mentale Verschränkung‘ zeigen. Sobald sie ‚vermessen‘ werden, kollabiert der Collective Mind.

Zusammenfassend: Was lerne ich aus diesen Betrachtungen?

Die Benchmarks zu KI-Systemen sind mit großer Vorsicht bezüglich ihrer Validität in realen Situationen zu betrachten: Derzeit kann meines Erachtens keines der o.g. Systeme mit ChatGPT o1 mithalten.

Schon heute ist es möglich auf Quanten Computern zu ‚rechnen‘: Das Mapping eines klassischen Team-Modells auf ein d-wave System ist selbst für eine große Teammitgliederzahl mit einer realistischen Anzahl an Persönlichkeitsmerkmalen möglich. Im konkreten Fall bestätigt sich wieder, dass die Einführung eines Ordnungsparameters mittels Ziel-Hierarchie, die Entropie des Teams senkt.

Die Verwendung von mit ChatGPT erzeugtem LaTex in WordPress macht Spass.

Die Berechnung der Entropie eines Quanten Team-Modells ist äußerst spekulativ sowie sehr anspruchsvoll und aufwendig. Die Unterschiede zwischen der klassischen Shannon-Entropie bzw. der Observational Shannon-Entropie und der quantenmechanischen von Neumann-Entropie sind beträchtlich (man siehe auch den Anhang hierzu).

Die Ergebnisse sind wieder Indizien dafür, dass die Annahmen des Quantum Cognition richtig sein könnten.

Die Berechnung von Phi auf der Basis von klassischen oder quantenmechanischen Entropien ist viel unkomplizierter und gradliniger als die klassische Phi Berechnung mittels IIT. Es ist damit nochmals fraglicher, ob die IIT Berechnung einen relevanten Vorteil bietet.

[1] Welt der Physik (2025) Quantum 2025, https://www.weltderphysik.de/vor-ort/wissenschaftsjahre/2025-internationales-jahr-quantenwissenschaft-quantentechnologie/

[2] Zukunftsinstitut (2025) zukunftsinstitut.de Newsletter, Reverse Politics – das neue „Auf den Tisch hauen“, vom 23.02.2025

[3] Safranek D et. al. (2021) A brief introduction to observational entropy, arXiv:2008.04409v2

Anhang

Mein Prompt an ChatGPT:

Ich möchte eine Frage diskutieren: Wir haben die Mutual Information klassisch und quantenmechanisch zur Vermessung von Phi verwendet. Hierbei fällt auf, dass die klassische Entropie bei Wechselwirkung sinkt, die quantenmechanische Entropie nach von Neumann steigt aufgrund der Verschränkung nach Wechselwirkung. Phi klassisch misst über die Entropien eine Reduktion an Zuständen. Phi quantenmechanisch misst über die Entropien einen Anstieg an möglichen Zuständen. Wie siehst Du das? Und macht die quantenmechanische Phi Vermessung überhaupt Sinn?

ChatGPT:

Nachgedacht für 8 Sekunden

Die beobachteten Unterschiede zwischen der klassischen und der quantenmechanischen Phi-Vermessung lassen sich folgendermaßen interpretieren:

Klassische Mutual Information und Phi:
In der klassischen Version wird häufig über die Shannon-Entropie in einer festen Messbasis gearbeitet. Hier führt eine Wechselwirkung oft dazu, dass die Zustände „gezielt“ in einen geringeren, deterministischeren Bereich gelenkt werden – man erhält also eine Reduktion der Unsicherheit in dieser Basis. Daraus resultiert, dass die Summe der Entropien der Teilbereiche relativ kleiner wird, was man als „Integration“ im Sinne eines reduzierten Zustandsraums interpretiert. Phi misst hier also, wie stark der Zustand in einen „festen“ (reduzierten) Bereich zusammengedrängt wird.
Quantenmechanische (von-Neumann) Entropie und Phi:
In der quantenmechanischen Variante wird die von-Neumann-Entropie verwendet, die basisunabhängig ist und den Reinheitsgrad eines Zustands misst.
- Ein global reiner Zustand kann bei starker Verschränkung zu stark gemischten reduzierten Zuständen führen. Das bedeutet: Obwohl das Gesamtsystem rein ist, sind die einzelnen Subsysteme (über partielle Spuren) gemischt. Dies führt dazu, dass die Summe der lokalen Unsicherheiten größer ist als die Team-Entropie.
- Hier interpretiert man einen Anstieg der von-Neumann-Entropien in den Subsystemen als ein Zeichen für starke nichtklassische Korrelationen bzw. Verschränkung. In diesem Sinne „misst“ Phi einen Anstieg an „möglichen Zuständen“ (weil die lokalen Zustände gemischt sind) – was wiederum auf eine tiefe Integration der Informationsinhalte hindeutet.
Interpretation und Sinnhaftigkeit der quantenmechanischen Phi-Vermessung:
- Die klassische Phi-Vermessung erfasst, wie stark sich die Wahrscheinlichkeit über eine festgelegte, klassische Basis verteilt und wie sich durch Wechselwirkungen die Unsicherheit verringert – es wird also eine Reduktion an „Möglichkeiten“ gemessen.
- Die quantenmechanische Phi-Vermessung erfasst hingegen die Verschränkung: Ein global reiner Zustand kann in den Teilspuren sehr gemischt sein, weil die Quantenkorrelationen (Verschränkung) dafür sorgen, dass man für die einzelnen Teile viele mögliche Zustände hat.
- Somit ist die quantenmechanische Version nicht direkt mit der klassischen zu vergleichen – sie misst einen anderen Aspekt der Integration: Sie sagt aus, dass trotz globaler Reinheit die Information in den einzelnen Subsystemen stark verteilt und ineinander verflochten ist.
- Ob diese quantenmechanische Phi-Messung „Sinn macht“, hängt von der Zielsetzung ab: Möchte man die reine Informationstiefe und Verschränkung des Systems erfassen, so ist die von-Neumann-Entropie (und daraus abgeleitete Maße) der richtige Ansatz, weil sie basisunabhängig ist und die intrinsische quantenmechanische Struktur reflektiert.

Zusammengefasst:

Klassisch führt Wechselwirkung zu einer Reduktion der Zustandsvielfalt in einer fixen Basis, was zu einem Rückgang der Shannon-Entropie führt, während
im quantenmechanischen Fall die Wechselwirkung – besonders wenn sie Verschränkung erzeugt – die lokalen (reduzierten) Dichtematrizen gemischt macht (d.h. ihre von-Neumann-Entropie steigt), obwohl der globale Zustand rein bleibt.
Die quantenmechanische Phi-Vermessung (als Differenz der Summe der lokalen von-Neumann-Entropien und der globalen von-Neumann-Entropie) erfasst also die nichttriviale Struktur der Verschränkung – und ist insofern sinnvoll, wenn man die intrinsische, basisunabhängige Integration in einem verschränkten System quantifizieren möchte.

Die beiden Ansätze messen also unterschiedliche Aspekte der Integration: Klassisch die Reduktion der Zustandsvielfalt in einer festen Messbasis, quantenmechanisch die inhärente Verschränkung und die damit verbundene Mischung der Teilzustände. In der aktuellen Diskussion um Quantum IIT wird noch intensiv debattiert, welcher Ansatz letztlich das „Bewusstsein“ oder die integrierte Information am besten widerspiegelt.