Deutschland – Management 4.0

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.

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

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