Systematische Charakterisierung und Quantifizierung von Unsicherheiten in Modellinputs, Parametern, Struktur und Outputs zur Unterstützung von Entscheidungsfindung und Risikobewertung.

Prinzip

Identifizieren von Unsicherheitsquellen (aleatorisch vs. epistemisch), Auswahl geeigneter Repräsentationen (Wahrscheinlichkeitsverteilungen, Intervalle, Szenarien), Propagieren und Zusammenfassen der Auswirkungen auf interessierende Größen sowie transparente Darstellung von Annahmen und Grenzen.

Demonstration

In der Bauingenieurwesen‑Praxis weist probabilistische UQ Materialfestigkeiten und Lasten Verteilungen zu, propagiert diese durch ein Finite‑Elemente‑Modell und berechnet daraus Ausfallwahrscheinlichkeiten und Sicherheitsreserven für Entwurfsentscheidungen.

Fehlanwendung

Epistemisches Nichtwissen als präzise aleatorische Zufälligkeit modellieren, unbegründete Priors oder Verteilungen verwenden, Modellformfehler ignorieren oder enge Konfidenzintervalle aus unzureichender Stichprobengröße überinterpretieren.

Konsequenz

Robuste Entscheidungsfindung unter Unsicherheit, Priorisierung der Datenerhebung, explizite Darstellung von Vertrauen und Risiko sowie Vermeidung übermäßiger Zuversicht.

Umkehrung

Modelle deterministisch mit einem einzigen Bestwert zu behandeln unterdrückt die explizite Berücksichtigung von Unsicherheit und kann zu irreführenden Entscheidungen aufgrund unerkannt bleibender Variabilität oder Unkenntnis führen.

Abgrenzung

UQ hängt von den gewählten Unsicherheitsmodellen ab und validiert nicht automatisch die Modellform noch beseitigt sie epistemische Unkenntnis; Rechenkosten und Datenknappheit können Umfang und Auflösung begrenzen.

Semantische Spannung

Spannung zur Sensitivitätsanalyse (die Einflüsse untersucht statt vollständiger Charakterisierung), zur Kalibrierung (die Parameterunsicherheit reduziert) und zu verschiedenen probabilistischen Interpretationen (Bayesianisch vs. frequentistisch).

Synthese

Unsicherheitsquantifizierung liefert methodische Repräsentationen und Zusammenfassungen des Unbekannten und dessen Wirkung auf modellbasierte Schlussfolgerungen, sodass risikobewusste Entscheidungen möglich werden.