Pitlik László, SZIE Internationale Erfahrungen mit Agrarsektormodellen Giessen-Gödöllő Workshop – Ecological Modelling Gödöllő,

Pitlik László, SZIE Einleitung Ziel: Untersuchung der Anpassungs-, Ausdehnungsmöglichkeiten für Ungarn aufgrund des SFB299 Projektes Aufgabe: Zusammenstellung von Erfahrung über abgeschlossene und laufende Agrarsektormodelle für Politikberatung

Pitlik László, SZIE Aspekte der Politikberatung im Agrarbereich Datenvermögen-Verwaltung (INPUT) – Grunddaten – Exogene Variablen (Trends, Elastizitäten) Modellziele, Modellarten (TRANSFORMATION) – Endogene Variablen – Formalisiertes Wissen Interpretationen der Modellergebnisse (OUTPUT) – Was will die Gesellschaft? Was sind echte Fragen? – Wer ist der beste Modellierer? Konsistenzprinzipien (QUALITÄT) – Checken von Input- und Outputdaten – Gütekriterien für die Modelle (SOLL-IST-Vergleiche?)

Pitlik László, SZIE Datenvermögen-Verwaltung Es gibt keine national oder international abgesicherte Datengrundlage für Agrarsektormodelle, nicht einmal im GIS-Bereich. Regionale Aussagen sind nur dann fundiert genug, wenn diese im Kontext der Landesstatistik (Aggregation) und im Zusammenhang mit primären Datenerhebungen (Zerlegung) gleichzeitig interpretiert werden können. Exogene Variablen dürften nicht als simple Expertise in das Modellieren miteinbezogen werden, sondern erst dann, wenn diese als Ergebnis von Ähnlichkeitsanalysen entstanden sind.

Pitlik László, SZIE Modellziele, Modellarten Statisch-komparative Modelle versuchen die Unterschiede von Basis- und Simulationsläufen zwischen dem Ausgangsjahr und dem Zieljahr abzuleiten. Hierbei stehen die Basiseinstellungen für unveränderte Politikvariablen. Simulationen erlauben die Wirkungen von beliebigen politischen Entscheidungen hervorzurufen. Dynamische Modelle versuchen alle Änderungen permanent darzustellen (mit hoher Fehlerpotential, vgl. Wettermodelle). Alle Modelle liefern jedoch Zustandsänderungen zwischen Vergangenheits- und Zukunftszeitpunkte (-Intervalle) für potentielle SOLL-IST-Vergleiche. Fiktive Situationen haben keine IST-Werte. Was endogenisiert (formalisiert) wird, ist eine willkürliche Entscheidung der Modellierer. Wie etwas formalisiert wird, ist eine Art Kunst…

Pitlik László, SZIE Interpretationen der Ergebnisse Die Betonung der Rahmenbedingungen / Restriktionen / Gültigkeitsräume des Modells ist besonders wichtig (vgl. fallow land, other crops). Komplexe Sachverhalte müssen möglichst komplex verifiziert werden (s. Konsistenz). Alternative Lösungen müssen möglichst verhindert, ausgeschlossen sein.

Pitlik László, SZIEKonsistenzprinzipien Vor allem müssen konkrete gesellschaftliche Fragestellungen abgetastet werden (vgl. Expertensysteme). Es ist notwendig, einen strengen Kontext der Phänomene abbilden zu können (vgl. LGR, Aggregationen, Zerlegungen) sowohl in der Vergangenheit (Inputs) als auch für die Zukunft (Outputs). Alle Erwartung Simulationsergebnissen gegenüber müssen formalisiert vorliegen (z.B. in welche Richtung sollten sich gewisse Variablen ändern, wenn…). – Angenommen, diese Restriktionen sind nachzuweisen, müssen die Konflikte zwischen Erwartungen und Ergebnisse minimiert werden (vgl. Rolle von Elastizitäten). – Wenn nicht einmal die Erwartung glaubwürdig darzustellen sind, muss man zunächst auf der Metaebene neue Ordnung schaffen. Aus den kalkulierten Zukunftszuständen müssen die wirtschaftlichen Aktionen ableitbar sein.

Pitlik László, SZIEReferenzen (EU) LGR-PIT-SPEL-IDARA-CAPRI ( ): Agrarsektormodelle in Ungarn (USAID) RENOAAR ( ): LGR-basierte Regionalisierung für Komitate (HU) OTKA-Projekt (F030664, ): Fundiertes Ableiten von exogenen Variablen (EU, HU) INVEKOS ( ): Verbinden von politischen und betrieblichen Informationssystemen (HU) OTKA-Antrag (2005-): Konsistenzgesteuerte Zukunftsmodelle (Grundforschung im Bereich der Futurologie)

Pitlik László, SZIE Literatur GIL2003, Bécs 2003, Inspire GB GIL LGR Simulationen RENOAAR GB IDARA GB

Pitlik László, SZIE Vielen Dank für Ihre Aufmerksamkeit!