Viele Menschen kennen Viola Priesemann aus dem Fernsehen: Während der COVID-Pandemie hat sie den Menschen hierzulande die Dynamik des Virus erklärt. Zur besten Sendezeit war sie in den Nachrichten – obwohl die Physikerin eigentlich, wie sie selbst sagt, nie aus ihrem Elfenbeinturm herauswollte.
Frau Priesemann, es ist Frühling: Im Garten blühen die Tulpen, der Giersch ist überall und mein Apfelbaum, den ich vor zwei Jahren gepflanzt habe, hat zum ersten Mal Blüten – genau sieben Stück. Alles wächst wie wild. Fantastisch, oder?
Ja, es ist superschön, wenn alles wächst und blüht. Wir haben einen Apfelbaum mit den Kindern gepflanzt. Leider wurde er gefällt, nachdem wir ausgezogen sind.
Wie schade! Dabei lässt sich gerade mit Kindern toll beobachten, wie Pflanzen wachsen. Wir sagen dann einfach: Es wächst. Aber was ist das eigentlich, Wachsen?
Mein Gebiet ist ja die theoretische Physik, vor allem arbeite ich zur Theorie der lebenden Systeme. Aus der Perspektive kann ich sagen: Wachstum ist ganz anders als das, was wir tagtäglich sehen. Wachstum verläuft nicht linear, sondern meist exponentiell. Ganz bitter haben wir das bei COVID mitbekommen. Da hieß es lange: „Ah, die Infektionszahlen steigen so ein bisschen.“ Dann hieß es plötzlich: „Oh! Jetzt steigen sie krass, sie gehen so steil hoch.“ Dabei war der R-Wert, der das Wachstum beschreibt, die ganze Zeit über unverändert. Wir neigen dazu, Wachstum total zu unterschätzen.
Warum?
In der Grundschule lernen wir zählen: 1, 2, 3, 4, 5. Wir zählen linear: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, bis wir dann bei 100 sind. Haben Sie schonmal bis 1.000 gezählt? Das dauert ewig. Über eine Viertelstunde, wenn ich jede Sekunde eine Zahl zähle. Ich kann aber auch exponentiell zählen, zum Beispiel in Verdopplungsschritten: 1, 2, 4, 8, 16, 32, 64, 128, 256, 512, 1024. Da schaffe ich es in zehn Schritten bis 1024. Das Exponentielle, das ist eine grundlegende Eigenschaft von Wachstum. Und es ist eine Eigenschaft von uns Menschen, kein Gefühl dafür zu haben.
Wir können also gar nicht begreifen, wie Wachsen funktioniert?
In der Schule lernen wir ganz lange nur Linearität. Und auch im täglichen Leben ist es so: Wenn ich am Tag fünf Socken stricke, dann schaffe ich an zwei Tagen zehn Socken. Wenn ich fünf Kilometer in der Stunde laufe, dann schaffe ich vielleicht zehn in zwei Stunden. Ich investiere doppelt so viel Zeit, ich kriege doppelt so viel raus. Beim Wachstum ist es aber so: Ich schaue doppelt so lange zu und ich sehe viermal so viel.
Das unterscheidet also Wachsen vom einfach nur Mehr-Werden.
Je größer etwas ist, desto größer wird es. Kennen Sie das Beispiel vom magischen Seerosenteich? In diesem Seerosenteich verdoppeln sich die Pflanzen jeden Tag. Irgendwann ist der Teich zu einem Viertel gefüllt. Wie viele Tage dauert es, bis er ganz voll ist?
Hm, je nachdem, wie groß der Teich ist? Nein, Moment…
Zwei Tage. Am nächsten Tag ist er halb voll und am darauffolgenden ganz – egal, wie lange das ganze Wachsen vorher gedauert hat. Das ist krass.
Nur: Im echten Seerosenteich hat dieses Wachstum Grenzen.
Ja, das funktioniert so natürlich nur im magischen Seerosenteich. Sobald wir uns nicht mehr im unendlichen mathematischen Raum befinden, bekommt ein System schon früh seine Grenzen zu spüren. Nicht erst, wenn es gegen eine Wand gefahren ist. Schauen wir uns die Ausbreitung eines Virus an: Irgendwann kommt der Punkt, an dem immer mehr Personen immun sind. Die Epidemie stößt an eine Grenze: Die Kurve des Wachstums ist nur am Anfang exponentiell; dann wird sie linear, flacht ab, und dann kommt der Peak und die Fallzahlen gehen wieder runter. Am Beispiel COVID können wir das schön herleiten – mathematisch schön, ich mag die Mathematik von COVID, auch, wenn sie eine bittere Krise beschreibt: Da hatten wir am Anfang ein klares exponentielles Wachstum. Wir hatten eine konstante Verdopplungszeit, etwa alle zehn Tage verdoppelten sich die Fallzahlen.
Als Sie zur Dynamik der COVID-Pandemie geforscht haben, ist noch etwas gewachsen: Ihre persönliche Popularität. Plötzlich kannte ganz Deutschland Viola Priesemann. War das spannend, die wachsende Bekanntheit?
Das war gar kein Wachsen, das war ein Sprung von null auf 100. Ich meine das ganz ernst: Am liebsten hätte ich anonym kommuniziert. Ich bin Physikerin, ich will in meinem Elfenbeinturm forschen. Ich hatte nie das Ziel, bekannt zu sein. Warum habe ich es trotzdem gemacht? Viele meiner Kolleginnen und Kollegen, die wirklich toll kommunizieren können, haben öffentlich fast nichts zu COVID gesagt. Sie wollten sich das nicht antun. Aber irgendwer musste es ja machen. Irgendwer musste das, was wir alle erforschen, auch kommunizieren.
Nur so haben viele damals erst verstanden: Wenn das Wachstum so weitergeht, wird dieses Virus schrecklich viele Menschenleben fordern.
Darum haben wir als Gesellschaft versucht, seine Ausbreitung durch unser Verhalten aufzuhalten. Wir haben unsere sozialen Kontakte deutlich reduziert; später hatten wir dann eine große Impfkampagne.
So geht Wachstum also in echt: mit allerlei Beschränkungen.
Was dann noch hinzukommt, ist die Kompetition – also, dass das eine wachsende Ding in seinen Begrenzungen nicht allein ist. Im Frühling sehen wir überall da draußen dieses wunderschöne Wachstum. Zum Beispiel die Vögel, die jetzt brüten: Amselweibchen legen etwa vier Eier, oft brütet ein Amselpaar sogar zweimal in einem Sommer. Die Reproduktionszahl, der R-Wert für jedes einzelne Tier, wäre damit etwa vier pro Jahr – wir hätten exponentielles Amselwachstum, eine Amselexplosion! Aber de facto muss der R-Wert etwa bei 1 liegen, mit leichten Schwankungen. Denn wir haben limitierte Ressourcen, Kompetition und Fressfeinde als begrenzende Mechanismen. Unterm Strich werden von den Eltern und den Küken zusammen nur zwei das kommende Jahr erleben und wieder erfolgreich brüten.
Das ist hart. So eine Amsel-Bevölkerungsexplosion wäre allerdings auch nicht angenehm.
Im Kontext von Wachstum – dem grenzenlosen Wachstum, dem Wachstum mit Grenzen und dann der Konkurrenz, die aus den Grenzen erwächst – da wird klar, was für eine unglaubliche Innovation die Geburtenkontrolle ist. Sie nimmt den Druck aus dem Wachstum heraus.
Sie meinen, es kann erleichternd sein, diese wahnsinnige Maschinerie des Wachstums schon in einem frühen Stadium zu bremsen?
Genau. In der Natur sehen wir überall Wachstum, das immer wieder schmerzhaft an seine Grenzen stößt. Mit der Geburtenkontrolle können wir uns dem entziehen. Im Idealfall haben wir dadurch etwa konstante Populationen.
Passiert Ihnen das eigentlich oft, dass Sie irgendwo rumspazieren und Ihnen plötzlich die ganzen Theorien hinter den Dingen durch den Kopf gehen? So wie bei den Amseln.
Ich glaube, ja. Ja, dass ich da diese brütende Amsel bei uns im Garten sehe und denke, wie kann das aufgehen… Ich denken viel über die Welt nach. Warum sind die Sachen, wie sie sind.
Und dann modellieren Sie kurz eine Amselpopulation im Kopf?
Dann denke ich das durch und frage mich: Was passiert eigentlich mit den vielen kleinen Amseln? Schon sehr früh ist mir ein ähnlicher Mechanismus an der Universität aufgefallen. Wie in vielen beliebten Jobs haben wir hier einen großen Andrang und etwas prekäre Arbeitsverhältnisse. Vor allem ist es schwer, langfristig in der Wissenschaft zu bleiben. Auch das lässt sich berechnen: Eine einzige Professorin hat im Lauf der Zeit relativ viele Doktoranden und Doktorandinnen – und nur eine von diesen Personen wird ihren Job übernehmen können. Wenn ich zum Beispiel in meiner Karriere 30 Doktorandinnen betreue, dann kann ich die mittlere Wahrscheinlichkeit ausrechnen, dass die auf eine Professur berufen werden. Jetzt ist es natürlich so, dass meine Arbeitsgruppe besonders gut ist und die alle erfolgreich sein werden [lacht]. Aber im Mittel sinkt dann für alle anderen Arbeitsgruppen die Chance.
Ganz schön frustrierend, wenn man sich sowas ausrechnet.
Man weiß aber auch, was auf einen zukommt. Und die Doktorandinnen haben ja zum Glück eine ganz andere Situation als die Amselküken. Es gibt viele tolle Möglichkeiten außerhalb der Wissenschaft.
Jetzt haben wir schon über Pflanzen geredet und über Amseln.
Und ein bisschen über COVID.
Genau, über Viren. Dann haben wir noch über kleine Menschen geredet. Was kann denn noch alles wachsen?
Wissen, Erkenntnis, solche abstrakten Dinge wachsen und breiten sich aus. Schönheit kann wachsen, Liebe… Das alles ist aber wissenschaftlich wirklich nicht mein Metier. Wir können aber noch in den eigenen Körper hineinschauen: Da haben wir auch Wachstum, Zellen teilen sich die ganze Zeit. Solange wir gesund sind, haben wir trotzdem kein exponentielles Wachstum. Es gibt im Körper homöostatische Prozesse, Kontrollmechanismen, die dafür sorgen. Das ist spannend, weil im Körper die gleichen Prinzipien des Wachstums gelten, es dem Körper aber gelungen ist, ein Gleichgewicht zu schaffen: Der R-Wert der Zellen ist so, dass genauso viele Zellen wachsen wie sterben. Sodass beispielsweise die Leber ihre Größe und natürlich auch ihre Funktion behält. Der Körper schafft es im Normalfall, intrinsisch sein Wachstum zu regulieren.
In ihrer Arbeit beschäftigen Sie sich viel mit einem anderen menschlichen Körperteil – dem Gehirn.
Spannend im Gehirn ist die Ausbreitung von neuronaler Aktivität, von einer Nervenzelle zur nächsten. Ein Neuron wird elektrisch aktiv und kann damit andere Neurone aktivieren, und so breitet sich Aktivität im Gehirn aus. Das kann man sich – im abstrakten Raum – so vorstellen wie die Ausbreitung von einem Virus oder von Neuigkeiten in einer Gesellschaft. Was sind die Regeln, was die homöostatischen Mechanismen, die das unter Kontrolle halten? Und wie kann das System lernen und sich anpassen? Das sind die Kernfragen, an denen wir forschen.
Lässt sich die Ausbreitung von neuronaler Aktivität auch mit Wachstumsprozessen vergleichen?
Ausbreitung ist nicht notwendigerweise Wachstum. Aber wir nutzen dieselbe Mathematik, um sie zu beschreiben. In unserem Gehirn ist es so: Wir wollen einerseits, dass das Gehirn eingehende Sinnesreize möglichst sensibel aufnimmt und verarbeitet. Andererseits darf diese Aktivität aber auf keinen Fall außer Kontrolle geraten. Von COVID kennen wir ja den magischen R-Wert 1: Wenn der R-Wert kleiner ist als 1, gehen die Fallzahlen exponentiell zurück. Ist er größer als 1, gehen sie exponentiell hoch. Auch für die Ausbreitung neuronaler Aktivität müsste also das Ziel sein, einen R-Wert in der Nähe von 1 zu haben. Und wir haben herausgefunden: Dieser R-Wert liegt bei 0,98. Ganz schön dicht an der 1. Das Netzwerk als Gesamtes kann damit stabil bleiben – wir sind aber nur zwei Prozent entfernt vom Übergang zur Instabilität.
Was konkret bedeuten würde: ein epileptischer Anfall?
Im ärgsten Fall, ja. Genau wie bei COVID: Kleine Unterschiede in der Dynamik ergeben über die gesamte Infektionskette hinweg einen Riesenunterschied. Beim Gehirn ist eine grundlegende Frage: Wie schafft es das, trotz des ganzen Inputs, trotz des ganzen Lernens, trotz des ganzen Umbauens, sensibel zu bleiben und gleichzeitig stabil?
Als wir das Interview beginnen wollten, waren Sie noch in Ihre Tafel vertieft. Haben Sie an diesem Problem geknobelt?
Wir untersuchen das Lernen in lebenden neuronalen Netzen – ich muss jetzt immer lebend dazu sagen, in Abgrenzung zu künstlichen neuronalen Netzen. Wir schauen uns insbesondere an, wie die Netze unüberwacht und lokal lernen. Anders als beim Training von künstlichen Netzwerken gibt es niemanden, der von außen Fehler konkret rückmeldet und dann einstellt, wie die einzelnen Neurone verknüpft werden sollen. Das heißt, das muss im Gehirn weitgehend selbstorganisiert passieren – und nur mit Informationen, die direkt an der Verbindung zweier betroffener Neuronen vorliegen. Ist ein Neuron aktiv und aktiviert ein zweites Neuron, verstärkt das die Verbindung. War es nicht erfolgreich, schwächt das die Verbindung ab. So bilden sich bevorzugte Pfade heraus. Wie ein Trampelpfad durch den Wald: Den geht man immer öfter, wenn man einmal ans Ziel gekommen ist. Was jetzt das Besondere an uns Physikern ist: Wir zwingen uns, quantitativ auszuschreiben, was wir beschreiben wollen.
Was bedeutet das?
Egal, welches System wir uns anschauen, das Gehirn, die COVID-Pandemie, Wachstum: Wir müssen es vereinfachen. Die Kunst ist, nicht Notwendiges wegzuwerfen und sich auf den Kern zu konzentrieren. Das heißt, wir schreiben ein Gleichungssystem an die Tafel und überlegen, ob es all die Phänomene, die wir für wichtig halten, auch beinhaltet.
Sie haben also keine Neuronen und Synapsen an die Tafel gezeichnet, sondern einfach lauter Zahlen.
Gleichungen. Buchstaben also, kaum Zahlen. Manchmal steht man auch Stunden da und versucht, ein mathematisches Problem zu lösen. Oft auch zu zweit oder zu dritt.
Die Gleichungen wachsen und wachsen und irgendwann ist die Tafel voll. Und der Kopf auch.
Ja, irgendwann gehen wir dann spazieren und versuchen, an etwas anderes zu denken. Manchmal schaffen wir es, echte Bilderbuchwissenschaft zu machen.
Wie sieht die denn aus?
Na, so: Tafel, Spazieren gehen, drüber reden, sich immer wieder alles gegenseitig erzählen und gemeinsam durchdenken. Ich erzähle es meinen Mitarbeitern oder Kolleginnen, die erzählen es mir wieder. Was sind die vielversprechendsten Ansätze, was die überzeugenden Aspekte? Was bleibt, was fällt weg? Durch diesen Austausch entstehen neue Ideen. Und dann gehen wir wieder an die Tafel und schreiben den Durchbruch auf – oder zumindest einen klaren Plan für die nächsten Schritte.
Aber Sie denken sich ja nicht alles an der Tafel oder beim Spazieren aus. Sie bekommen schon Input aus der echten Welt, aus der Neurowissenschaft und Medizin?
Ja klar! Wir arbeiten zum Beispiel in einigen großen interdisziplinären Sonderforschungsbereichen zusammen: Wir untersuchen, wie Menschen kognitiv interagieren oder wie die Synapse funktioniert – also die Verbindung zwischen zwei Neuronen. Wir erforschen die konkreten Mechanismen, die Physiologie der Synapse, die ganze molekulare Maschinerie also, die dafür sorgt, dass ein Signal von einem Neuron zum anderen gelangt. Unsere Rolle als Theoretiker ist, die vielen experimentellen Ergebnisse zu verstehen und die Prinzipien dahinter herauszukristallisieren.
Und wenn Sie jetzt noch mehr Daten, noch bessere Parameter hätten, könnten Sie damit auch ganz abstrakte Dinge modellieren, ganz menschliche? Wie wächst Freundschaft? Oder Hass? Könnten Sie ein Modell für die Liebe bauen?
Wenn es um Emotionen geht, kommen wir wirklich in ein anderes Feld, in die Psychologie. Bei uns geht es vor allem um neuronale Netze, ganz grundlegend um Informationsverarbeitung. Liebe, Hass, das ist jenseits dessen, was ich selbst in einem Modell angehen könnte. Aber zusammen mit Psychologinnen haben wir gerade einen Antrag geschrieben für ein anderes großes Forschungsprojekt hier am Göttingen Campus. Wir wollen die Triebfeder des Lernens erforschen: die Neugier.
Erschienen am 7. September 2023