DieSimulation oderSimulierung bezeichnet die Nachbildung von realen Szenarien zum Zwecke der Ausbildung (Flugsimulator,Patientensimulator), der Unterhaltung (Flugsimulator,Zugsimulator), der Analyse oder dem Design vonSystemen, deren Verhalten für die theoretische, formelmäßige Behandlung zukomplex sind. Simulationen werden für viele Problemstellungen der Praxis eingesetzt. Bekannte Einsatzfelder sind die Strömungs-, Verkehrs-, Wetter^[1]- und Klimasimulation, technische Systeme^[2], biophysikalische- und chemische Abläufe aber auch das Üben von Fähigkeiten (Skills^[3]) oder Teamarbeit (Crisis Resource Management CRM^[4],Crew Resource Management) sowie der Finanzmarkt^[5].

Bei der Simulation werden Experimente oder Trainings an einemModell durchgeführt, um Erkenntnisse über das reale System zu gewinnen. Dabei wird das Modell unterschiedlichen Einflussgrößen ausgesetzt; z. B. Bedienereingaben, Umwelteinflüsse, Fehlerfälle und die angedachten Anwendungsfälle (use cases).^[2] Im Zusammenhang mit Simulation spricht man von dem zu simulierenden System und von einemSimulator alsImplementierung oderRealisierung einesSimulationsmodells. Letzteres stellt eineAbstraktion des zu simulierenden Systems dar (Struktur, Funktion, Verhalten). Der Ablauf des Simulators mit konkreten Werten (Parametrierung) wird als Simulationsexperiment bezeichnet. Dessen Ergebnisse können dann interpretiert und auf das zu simulierende System übertragen werden.

Der erste Schritt bei einer Simulation ist stets die Modellfindung. Wird ein neues Modell entwickelt, spricht man vonModellierung. Ist ein vorhandenes Modell geeignet, um Aussagen über die zu lösende Problemstellung zu machen, müssen lediglich die Parameter des Modells eingestellt werden. Die Simulationsergebnisse können dann für Rückschlüsse auf das Problem und mögliche Lösungen genutzt werden. Daran können sich – sofernstochastische Prozesse simuliert wurden –statistische Auswertungen anschließen.^[6]

Man kann zwischen Simulationen mit und ohneInformationstechnik unterscheiden. Eine Simulation ist ein „Als ob“-Durchspielen von Prozessen; das kann man auch ohne Computer tun.

Physikalische Experimente werden auch als Simulationen bezeichnet: Ein Auto-Crashtest beispielsweise ist eine Simulation für eine reale Verkehrssituation, in der einAuto in einenVerkehrsunfall verwickelt ist. Dabei wird die Vorgeschichte des Unfalls, die Verkehrssituation und die genaue Beschaffenheit desUnfallgegners stark vereinfacht. Auch sind keinePersonen in den simulierten Unfall verwickelt, stattdessen werdenCrashtest-Dummys eingesetzt, die mit realen Menschen gewissemechanischeEigenschaften gemeinsam haben. Ein Simulationsmodell hat also nur ganz bestimmte Aspekte mit einem realen Unfall gemeinsam. Welche Aspekte dies sind, hängt maßgeblich von der Fragestellung ab, die mit der Simulation beantwortet werden soll.

Ebenso in diese Kategorie fallen Versuche in Strömungswindkanälen. Hier können beispielsweise an einem maßstäblich verkleinerten Modell Aussagen über Luftwiderstand und Auftrieb von Flugzeugen gemacht werden. Das Gleiche gilt für Brandsimulationen: Gefährliche Situationen wie Brände in geschlossenen Räumen oder Fahrzeugen werden nachgestellt und mit echtem Personal zu Ausbildungszwecken der Rettung bzw. Löschung trainiert oder neue Materialien auf ihre Brandschutzeigenschaften hin geprüft.

Wenn heute von „Simulation“ die Rede ist, so ist fast immer elektronische Datenverarbeitung involviert, d. h. mehr oder weniger komplexeIT-Systeme. Grundsätzlich lässt sich die Simulation in statische vs. dynamische und stochastische vs. deterministische Simulation einteilen. Bei der statischen Simulation spielt die Zeit als dynamische Größe keine Rolle und ist nicht Teil des Systems. Die deterministische Simulation schließt zufällige (stochastische) Ereignisse aus. Mit Hilfe von speziellenAlgorithmen oderkünstlicher Intelligenz können Simulationen auch mehr oder weniger autonom ablaufen, d. h. sie reagieren dann selbständig auf Umwelteinflüsse. Diese Algorithmen sind ihrerseits wieder "nur" Simulationen der in der Realität auftretendenRückkopplungssysteme.

Für den Einsatz von Simulationen kann es mehrere Gründe geben:

• Eine Untersuchung am realen System wäre zu aufwendig, zu teuer, ethisch nicht vertretbar oder zu gefährlich. Beispiele:
  • Fahrsimulator (zu gefährlich in der Realität).
  • Flugsimulator zur Pilotenausbildung, Nachstellung kritischer Szenarien (Triebwerksausfall, Notlandung – zu gefährlich in der Realität).
  • Medizinische Simulation zur Ausbildung und Fortbildung von klinischem Personal, insbesondere Notfallsituationen oder Komplikationen
  • Simulatoren in dermedizinischen Ausbildung (ein Training am realenPatienten ist in einigen Bereichen ethisch nicht vertretbar).
  • EinKraftwerkssimulator, in dem vor allem die Bedienmannschaften vonKernkraftwerken die Beherrschung von Störfällen bis hin zumGAU trainieren (zu gefährlich in der Realität).
  • Crashtest (zu gefährlich oder zu aufwendig in der Realität).
  • Simulation vonFertigungsanlagen vor einem Umbau (mehrfacher Umbau der Anlage in der Realität wäre zu aufwendig und zu teuer).
  • Simulationsmodelle können wesentlich leichter modifiziert werden als das reale System. Beispiel:Biosimulation.
  • In den beiden letztgenannten Fällen kommt eine Simulation auch wesentlich schneller zum Ergebnis als die Herstellung eines realen Versuchsaufbaus dauert.
• Das reale System existiert (noch) nicht. Beispiel:Windkanal­experimente mit Flugzeugmodellen, bevor das Flugzeug gefertigt wird
• Das reale System lässt sich nicht direkt beobachten:
  • Systembedingt. Beispiel: Simulation einzelnerMoleküle in einerFlüssigkeit,Astrophysikalische Prozesse.
  • Das reale System arbeitet zu schnell. Beispiel: Simulation vonSchaltkreisen.
  • Das reale System arbeitet zu langsam. Beispiel: Simulationgeologischer Prozesse.
• Das reale System ist unverstanden oder sehr komplex. Beispiel:Urknall.
• Das reale System ist in seiner elementaren Dynamik zwar verstanden, die zeitliche Entwicklung ist aber zu komplex, bzw. eine exakte Lösung der Bewegungsgleichung ist (noch) nicht möglich. Beispiele:Drei-Körper-Problem,Doppelpendel,Molekulardynamik, generellnichtlineare Systeme.
• Simulationen sindreproduzierbar (Ausnahme:randomisierte Algorithmen).

Aus Anwendungssicht lassen sich verschiedene Simulationstypen unterscheiden:

1. Technische Simulationen, beispielsweise zurFestigkeitsberechnung (FEM),Strömungssimulation, vonFabrikprozessen und komplexenlogistischen Systemen, zurvirtuellen Inbetriebnahme oderSchaltungssimulation
2. Wissenschaftliches Rechnen, mit Anwendungen in derPhysik,Chemie,Biologie,Meteorologie
3. Simulationen für die Aus- und Weiterbildung, beispielsweiseUnternehmensplanspiele oderMedizinische Simulationen
4. Simulationsspiele, beispielsweiseFlugsimulationen,Rennsimulationen,Wirtschaftssimulationen

DieArbeitsgemeinschaft Simulation (ASIM) der Gesellschaft für InformatikGI unterscheidet folgende Anwendungsbereiche, für die jeweils eine Fachgruppe eingerichtet wurde:

   1. Grundlagen und Methoden in Modellbildung und Simulation   2. Simulation in Umwelt- und Geowissenschaften   3. Simulation Technischer Systeme   4. Simulation in Produktion und Logistik   5. Edukation und Simulation

Jeglicher Form von Simulation sind auch Grenzen gesetzt, die man stets beachten muss. Die erste Grenze folgt aus der Begrenztheit der Mittel, das heißt der Endlichkeit von Energie (zum Beispiel auch Rechenkapazität), Zeit und nicht zuletzt Geld. Aufgrund dieser Einschränkungen muss ein Modell möglichst einfach sein. Das wiederum bedeutet, dass auch die verwendeten Modelle oft eine grobe Vereinfachung derRealität darstellen. Diese Vereinfachungen beeinträchtigen naturgemäß auch die Genauigkeit der Simulationsergebnisse.

Die zweite Grenze folgt daraus: Ein Modell liefert nur in einem bestimmten Kontext Ergebnisse, die sich auf die Realität übertragen lassen. In anderen Parameterbereichen können die Resultate schlichtweg falsch sein. Daher ist dieValidierung der Modelle für den jeweiligen Anwendungsfall ein wichtiger Bestandteil der Simulationstechnik. Als mögliche weitere Grenzen seien Ungenauigkeiten der Ausgangsdaten (etwa Messfehler), sowie subjektive Hindernisse (zum Beispiel mangelnder Informationsfluss über Produktionsfehler) genannt.

Jede Simulation ist im Sinne derLogik eindeduktiver Schluss, d. h. ihre Ergebnisse liefern keine neuen Informationen, die nicht bereits in den Ausgangsdaten enthalten wären. Ihre Implementierung stellt eine Konkretisierung einer wissenschaftlichenTheorie dar. Ist die Theorie falsch, unvollständig oder für den jeweiligen Anwendungsfall nicht gültig, so liefert auch die Simulation falsche Ergebnisse. Aus diesem Grund können mit Simulationen auch keine neuen Theorien aufgestellt, sondern nur bestehende angewendet und verfeinert werden. Zur Aufstellung neuer Theorien können nur realeExperimente beitragen.

• Emulator
• Hardware in the Loop
• Monte-Carlo-Simulation
• Numerische Simulation
• Für einenphilosophisch-ästhetischen Begriff der Simulation vgl. dieMedientheorie des französischen PhilosophenJean Baudrillard sowie den verwandten Begriff desSimulacrums.

Commons: Simulation – Sammlung von Bildern, Videos und Audiodateien

Wiktionary: Simulation – Bedeutungserklärungen, Wortherkunft, Synonyme, Übersetzungen

Wiktionary: Simulator – Bedeutungserklärungen, Wortherkunft, Synonyme, Übersetzungen

1. ↑GÖNNERT, G./ GRASSL, H./ KELLETAT, D./ KUNZ, H. / PROBST, B./ VON STORCH, H. / SÜNDERMANN, J.:Simulation von extremen Sturmflutwetterlagen in der Nordseeund deren statistische Analyse. Hrsg.: Forschungsstelle Wasserwirtschaft und Umwelt. Universität Siegen 1. Februar 2004 (researchgate.net [PDF]). 
2. ↑^abThomas Sauerbier:Theorie und Praxis von Simulationssystemen. 1999,doi:10.1007/978-3-322-90773-8 (springer.com [abgerufen am 12. Juli 2021]). 
3. ↑Medizinische Simulation - ein beitrag zur erhöhung der patientensicherheit. Abgerufen am 19. November 2020. 
4. ↑InPASS - Institut für Patientensicherheit und Teamtraining GmbH: Home. Abgerufen am 19. November 2020. 
5. ↑Ralf Remer:Theorie und Simulation von Zeitreihen mit Anwendungen auf die Aktienkursdynamik. 2008,doi:10.18453/rosdok_id00000277 (uni-rostock.de [abgerufen am 12. Juli 2021] Universität Rostock. Mathematisch-Naturwissenschaftliche Fakultät). 
6. ↑Ulrich Hedtstück:Simulation diskreter Prozesse. In:eXamen.press. 2013,ISSN 1614-5216,doi:10.1007/978-3-642-34871-6 (springer.com [abgerufen am 12. Juli 2021]). 

• Modellierung und Simulation
• Planung und Organisation
• Produktionstechnik
• Simulator
• Systems Engineering