Was ist Com­pu­ta­tio­nal Science?

Viele wissenschaftliche Durchbrüche von heute entstehen am Computer und genau hier kommt Computational Science ins Spiel. Dieses interdisziplinäre Feld verbindet Mathematik, Informatik und spezifisches Fachwissen aus Natur-, Ingenieur- und Sozialwissenschaften, um komplexe Fragestellungen mithilfe von Simulationen und Modellen zu lösen.

Anders als klassische Forschungsansätze, bei denen Theorie und Experiment dominieren, ergänzt Computational Science diese durch den gezielten Einsatz von Simulationen und numerischen
Verfahren. Damit etabliert sich Computational Science zunehmend als ”dritte Säule“ der Wissenschaft.

Computational Science VS Data Science: Zwei verwandte Welten

Obwohl Computational Science und Data Science viele Gemeinsamkeiten haben – wie z.B.
mathematische Grundlagen und den Einsatz informatischer Methoden – unterscheiden sie
sich im Denkansatz. Worin besteht genau der Unterschied zwischen Computational und Data Science?

• In Computational Science startet man mit einem Modell eines realen Prozesses oder Systems. Daraus werden Daten erzeugt, zum Beispiel durch Simulationen. Der typische Forschungsweg ist also: Modell → Daten → Vorhersage.

• In Data Science hingegen bilden reale Daten den Ansatz, mit dem dann versucht wird mithilfe statistischer und algorithmischer Methoden ein Modell abzuleiten. Hier ist der Weg meist: Daten → Modell → Klassifikation oder Vorhersage.

Während Computational Science eher mit Differentialgleichungen, Numerik und Parallelisierung arbeitet, kommen im Bereich des Data Science häufiger Verfahren wie neuronale Netze, Statistik und Datenvisualisierung zum Einsatz.

So funktioniert Computational Science

Der klassische Computational Science-Prozess beginnt mit der Modellierung eines Phänomens: Es werden Parameter definiert und Beziehungen formuliert. Anschliessend folgt die numerische Behandlung – also die Umsetzung in diskrete, rechnerisch lösbare Probleme. Danach geht es an die Implementierung, oft mit Fokus auf effiziente Algorithmen und paralleles Rechnen.

Sind die Programme erstellt, werden die Simulationsergebnisse visualisiert und mit realen Daten verglichen. Dieser Schritt nennt sich Validierung. Stimmen sie überein, kann das Modell in echte Arbeitsprozesse eingebettet werden – zum Beispiel in der Industrie oder Forschung.

Anwendungsbeispiele

Computational Science ist aus vielen Bereichen nicht mehr wegzudenken:

• Klimaforschung: Vorhersagen zum Klimawandel basieren auf hochkomplexen Modellen mit unzähligen Parametern.
• Medizin: Simulierte Blutströmungen helfen bei der Planung von Operationen.
• Ingenieurwesen: Flugzeugflügel oder Brücken werden virtuell getestet, bevor sie gebaut werden.
• Astrophysik: Bewegungen von Galaxien oder die Entwicklung des Universums lassen sich heute rechnerisch simulieren.
• Materialwissenschaft: Neue Werkstoffe entstehen am Bildschirm – durch Modellierung auf molekularer Ebene.

Computer Science studieren: So läuft’s an der FH Graubünden

Wer sich für die rechnergestützte Wissenschaft interessiert, findet im Studiengang Computational and Data Science an der FH Graubünden den perfekten Einstieg. Der Fokus liegt klar auf dem Einsatz von Computersimulationen als Erkenntnisquelle – sei es zur Ergänzung oder zum Ersatz physischer Experimente.

Pflichtmodule im Bereich Computational Science:

• Einführung in Computational Science
• Modellierung und Simulation I
• High Performance Computing

Wahlpflichtmodule (u.a.):

• Algorithmen des wissenschaftlichen Rechnens
• Computational Steering (interaktive Steuerung und Visualisierung von Simulationen)
• Uncertainty Quantification (Analyse und Quantifizierung von Unsicherheiten und Modellfehlern)
• Modellierung und Simulation II

Computational Science bietet die Werkzeuge, um die Welt besser zu verstehen – besonders dort, wo klassische Methoden an ihre Grenzen stossen. Ob Klima, Medizin oder Technik: Wer Modelle beherrscht, kann Zukunft gestalten. Der Studiengang an der FH Graubünden ist dafür ein exzellenter Ausgangspunkt, wie z.B. die preisnominierte Bachelorarbeit von Alumnus Raphael Brunold zum Thema Windsimulationen in Siedlungsgebieten beschreibt.