Definition

Ein dynamisches System ${\displaystyle (T,X,f)}$ heißt chaotisch, wenn eine ${\displaystyle f}$-invariante Menge ${\displaystyle Y\subseteq X}$ existiert, d. h. für jedes ${\displaystyle t\in T}$ und jedes ${\displaystyle y\in Y}$ ist ${\displaystyle f(t,y)\in Y}$, für die gilt:

1. ${\displaystyle f}$ besitzt sensitive Abhängigkeit von den Anfangsbedingungen auf ${\displaystyle Y}$.
2. ${\displaystyle f}$ ist topologisch transitiv auf ${\displaystyle Y}$:
   Zu allen offenen Mengen ${\displaystyle U,V\subseteq X}$ mit ${\displaystyle U\cap Y\neq \emptyset \neq V\cap Y}$ existiert ein ${\displaystyle t>0}$, sodass ${\displaystyle f(t,U)\cap V\neq \emptyset }$.
3. Die periodischen Orbits von ${\displaystyle f}$ liegen dicht in ${\displaystyle Y}$.

Grenzen der Vorhersagbarkeit

Liegt chaotisches Verhalten vor, dann führen selbst geringste Änderungen der Anfangswerte nach einer endlichen Zeitspanne, die vom betrachteten System abhängt, zu einem völlig anderen Verhalten (sensitive Abhängigkeit von den Anfangsbedingungen). Es zeigt sich also ein nichtvorhersagbares Verhalten, das sich zeitlich scheinbar irregulär entwickelt. Dabei kann das Verhalten des Systems bei bestimmten Anfangswerten (bzw. in deren Nachbarschaft) völlig regulär sein, wenn es sich z. B. um einen periodischen Orbit handelt.

Jede auch noch so kleine Änderung der Anfangswerte kann jedoch nach hinreichend langer Zeit zu einem ganz anderen Verhalten führen, das auch vollkommen unregelmäßig erscheinen kann. Um das Systemverhalten für eine bestimmte zukünftige Zeit berechnen zu können, müssten die Anfangsbedingungen deshalb mit unendlich genauer Präzision bekannt sein und berechnet werden, was praktisch unmöglich ist. Obwohl auch solche Systeme deterministisch und damit prinzipiell bestimmbar sind, sind daher praktische Vorhersagen nur für mehr oder weniger kurze Zeitspannen möglich.

Dieses Phänomen ist auch unter dem Schlagwort Schmetterlingseffekt in der Öffentlichkeit bekannt geworden, wonach selbst der schwache Flügelschlag eines sehr weit entfernten Schmetterlings auf lange Sicht zu einem anderen Ablauf des großräumigen Wettergeschehens führen kann.

Quantentheorie, Determinismus und Unschärfe

Im Folgenden wird die Determiniertheit der Quantenmechanik (und ihre Grenzen durch die Heisenbergsche Unschärferelation) auf Grundlage der Kopenhagener Deutung erläutert. Für alle anderen Interpretationen der Quantenmechanik, beispielsweise die De-Broglie-Bohm-Theorie, ist der folgende Abschnitt nur begrenzt korrekt.

Während im Sinne der klassischen Physik die Vorhersagbarkeit realer komplexer Systeme an praktisch nie vollkommen exakten Messungen der Anfangsbedingungen scheitert, zeigt die Berücksichtigung der Erkenntnisse der Quantenphysik, dass deren Verhalten prinzipiell nicht determiniert ist. So besagt die Heisenbergsche Unschärferelation, dass Ort und Impuls eines Objektes nicht gleichzeitig beliebig genau bestimmbar sind; diese Einschränkung bezieht sich nicht auf Unzulänglichkeiten des Beobachtungsvorgangs (z. B. ungenaue Messung), sondern ist prinzipieller Natur. Diese Unschärfe ist bei makroskopischen Systemen gewöhnlich vernachlässigbar. Da ihre Auswirkungen bei chaotischen Systemen jedoch beliebig wachsen, nehmen sie früher oder später makroskopische Dimensionen an (vgl. Schmetterlingseffekt). Bei dem Gerät zur Ziehung der Lottozahlen mit Kugeln ist das bereits nach etwa 20 Stößen der Fall. Die Vorhersagbarkeit chaotischer Systeme scheitert daher spätestens an der Unschärferelation (weil sie verbietet, dass die Anfangsbedingungen beliebig genau gemessen werden können). Das bedeutet, dass reale Systeme – im Gegensatz zu den sie beschreibenden mathematischen Modellen – prinzipiell nicht im klassischen Sinn deterministisch sein können.

Nichtlineare Systeme

Chaotisches Verhalten kann nur in Systemen auftreten, deren Dynamik durch nichtlineare Gleichungen beschrieben wird. Solche Gleichungen sind meist nicht analytisch, d. h. nicht durch Angabe expliziter Größen, sondern nur numerisch lösbar. Ursache des exponentiellen Wachstums von Unterschieden in den Anfangsbedingungen sind dabei oft Mechanismen von Selbstverstärkung beispielsweise durch Rückkopplungen.

Ist durch Reibung hinreichend Dissipation im Spiel, so kann sich in der Regel kein chaotisches Verhalten ausbilden. So könnten beispielsweise bei Jahrmarktsfahrgeschäften, die konstruktionsbedingt zu chaotischem Verhalten neigen, ohne entsprechende Bremsmaßnahmen unerwartete und unzumutbare Beschleunigungsspitzen auftreten.

Dass dissipative Terme nicht ausschließlich stabilisierend wirken, zeigt sich am Beispiel einer Grenzschicht. Mit der linearen Stabilitätstheorie lässt sich zeigen, dass erst der Einfluss der Reibung das Wachstum kleiner Störungen ermöglicht. Dieses exponentielle Anwachsen stellt die erste Phase des laminar-turbulenten Umschlags dar.

Diskrete Systeme

Bisher wurde nur das Verhalten zeitlich kontinuierlicher physikalischer Systeme betrachtet. Chaos wird jedoch auch in Modellen studiert, bei denen jeder Zustand durch einen Iterationsschritt diskret in den Folgezustand übergeht, mathematisch: ${\displaystyle x_{n}\mapsto x_{n+1}=f(x_{n}).}$ Beispiele sind die logistische Gleichung oder die Iterationsvorschrift, die zu Julia-Mengen führt. Dabei können die gleichen Grundphänomene wie bei kontinuierlichen Systemen auftreten.

Im Prinzip lässt sich einem kontinuierlichen System durch die Betrachtung bestimmter aufeinanderfolgender Zustände stets ein diskretes System zuordnen. Ein Verfahren ist die sogenannte Poincaré-Abbildung, mit der Henri Poincaré Ende des 19. Jahrhunderts die Stabilität der Planetenbewegung studierte.

Seltsame Attraktoren

Ein typisches Phänomen bei chaotischen Prozessen sind sogenannte Seltsame Attraktoren. Für ihr Verständnis betrachtet man die Dynamik des Systems anhand von sogenannten Phasenraumdiagrammen.

Störungen und Resonanzen

Systeme können sehr empfindlich auf Störungen reagieren und dadurch schnell ins Chaos übergehen. Erst das KAM-Theorem hat gezeigt, dass regelmäßige Einflüsse an sensiblen Stellen im Phasenraum nicht zwingend chaotisches Verhalten hervorrufen müssen. Sensibel sind z. B. rationale (ganzzahlige) Verhältnisse zwischen einer ungestörten Schwingung (z. B. eines Doppelpendels) zu einer periodischen Anregung. Diese rufen nämlich Resonanzen hervor (ähnlich wie bei Bahnresonanzen), weshalb für das Theorem nur irrationale Verhältnisse betrachtet werden.

Aus mathematischer Sicht, gerade bei normalerweise vorherrschenden Messungenauigkeiten, kann man jede irrationale Zahl durch Brüche approximieren (Kettenbruchentwicklung). Daher scheint die Überlegung praktisch sinnlos zu sein. Man muss aber bedenken, dass sich ein System umso schneller durch Resonanzen aufschaukeln wird, je näher das Frequenzverhältnis an einem rationalen Wert liegt. Das heißt, die erwarteten Werte weichen noch schneller von den gemessenen ab, als es sonst der Fall wäre.

Besonders stabil gegenüber Störungen (zeitlich gesehen) sind daher irrationale Verhältnisse, die sich nur schlecht durch Brüche annähern lassen. Allgemein spricht man in diesem Zusammenhang von edlen Zahlen, wobei ein Verhältnis namens Goldener Schnitt die Zahl ist, die sich am schlechtesten mittels Kettenbruchentwicklung annähern lässt und somit am stabilsten gegen chaotische Einflüsse ist.

Der Übergang ins Chaos

Nichtlineare dynamische Systeme können neben Chaos auch andere Verhaltensweisen zeigen, wie beispielsweise Konvergenz gegen einen Ruhezustand oder gegen einen periodischen Grenzzyklus. Welches Verhalten auftritt, kann von den Anfangsbedingungen oder auch von anderen Kontrollparametern abhängen. Eine grafische Darstellung der entsprechenden Einzugsgebiete für bestimmte Verhaltensweisen als Funktion dieser Parameter ist oft fraktal. Der Übergangsbereich zu chaotischem Verhalten zeichnet sich dabei durch bestimmte Eigenschaften aus, wie beispielsweise plötzliche qualitative Änderungen des Verhaltens, die auch als Bifurkation bezeichnet werden.

Naturwissenschaftliche Beispiele

Den meisten Vorgängen in der Natur liegen nichtlineare Prozesse zugrunde. Entsprechend vielfältig sind die Systeme, die chaotisches Verhalten zeigen können. Hier einige wichtige oder bekannte Beispiele:

• Das Wetter. Zurzeit ist die Zuverlässigkeit der Wettervorhersage durch die grobe Kenntnis des Ausgangszustandes begrenzt. Aber auch bei vollständiger Information würde eine langfristige Wettervorhersage letztlich am chaotischen Charakter des meteorologischen Geschehens scheitern. Die Stabilität des Wetters kann stark schwanken. So sind bei bestimmten Wetterlagen Vorhersagen für eine Woche durchaus möglich, bei anderen dagegen kaum für 24 Stunden.
• Das Doppelpendel. Da es sich aufgrund von nur zwei unabhängigen Freiheitsgraden leicht modellieren und auch leicht herstellen lässt, ist es ein beliebtes Demonstrationsobjekt für überraschende Wechsel im chaotischen Bewegungsablauf. In Computersimulationen und bei den Versuchen lassen sich bestimmte Klassen von Systemverhalten identifizieren, wie beispielsweise die maximal mögliche Anzahl von Überschlägen in Abhängigkeit von der anfänglichen Energie und der Reibung. Bei der schwingenden atwoodschen Maschine liegen ebenfalls zwei Freiheitsgrade vor, aber nur ein Körper schwingt wie ein Pendel.
• Das magnetische Pendel, bei dem eine an einem Faden aufgehängte Eisenkugel über mehreren Magneten pendelt.
• Systeme mit stoßenden Kugeln. Wichtig ist, dass die Kugeln entweder kollidieren oder an gekrümmten Hindernissen reflektiert werden, damit Störungen exponentiell anwachsen. Beispiele sind das Gerät zur Ziehung der Lottozahlen, der Flipperautomat und Billard.
• Das Dreikörperproblem und damit auch unser Sonnensystem oder Sternsysteme aus drei oder mehr Sternen wie beispielsweise Sternhaufen.
• In der Medizin sind die Entstehung tödlicher Embolien bei Arterienverkalkung, der Ausfall bestimmter Hirnfunktionen beim Schlaganfall oder die Entstehung bösartiger Tumoren nach Mutationen von Suppressor-Genen typische Beispiele für chaotisches Verhalten.
• Der Herzrhythmus wurde zeitweise als chaotisches Signal angesehen. Je nach Gesundheitszustand lässt sich der Herzrhythmus über chaostheoretische Kriterien klassifizieren. Die dabei berechneten Parameter stellen jedoch lediglich empirische Größen dar. Anwendungsgebiete sind die Vorhersage des plötzlichen Herztodes oder allgemein gesprochen die Diagnose von Erkrankungen, die durch das vegetative Nervensystem vermittelt werden. Hierbei wird angenommen, dass das System umso stabiler ist, je chaotischer das Verhalten ist. Die Betrachtung des Herz-Kreislauf-Systems als „chaotisch“ ist jedoch in verschiedener Hinsicht problematisch.
• Turbulenz wie beispielsweise beim Bénard-Experiment zur Konvektion.
• Die Belousov-Zhabotinsky-Reaktion, eine chemische Reaktion.
• Die Populationsdynamik in Räuber-Beute-Modellen.
• Die Bäcker-Transformation, ein diskretes System, das den Ort einer Rosine im Kuchenteig beim abwechselnden Auswalzen und Falten des Teigs betrachtet.

Neuere Forschungen schreiben auch der Evolution eine bedeutend höhere Relevanz chaotischer Faktoren zu, was Auswirkungen auf herkömmliche, zumeist lokal stabilisierende, Ansätze im Naturschutz haben könnte.

Geistes- und sozialwissenschaftliche Beispiele

Neben diesen naturwissenschaftlichen Beispielen wird die Chaosforschung auch in verschiedenen Geistes- und Sozialwissenschaften genutzt, um chaotisches Verhalten zu beschreiben und zu erklären. Hier einige Beispiele:

• Börsenkurse und Konjunkturentwicklung. Bereits Mandelbrot hatte darauf hingewiesen, dass zahlreiche Verlaufskurven von Wirtschaftsdaten nichtlineare Eigenschaften haben und sich mit Hilfe von Fraktalen und Intermittenzen beschreiben lassen.
• In der Geschichtswissenschaft wird die Chaosforschung vor allem zur Beschreibung und Erklärung von Krisen und Übergangszuständen genutzt.
• In der Kommunikationswissenschaft wird die Chaosforschung im Bereich der Nachrichtenforschung verwendet, um die Auswahl und Gestaltung von Nachrichten besser zu erklären.
• In der Psychologie dient die Chaosforschung als Ansatz, um beispielsweise sprachpsychologische Befunde zum Stottern oder die Ursachen für kriminelle Affekttaten (wie Amokläufe) zu erklären.