Kategorien
Informationen

Informationen

Informationen sind verdichtete Daten. Diese beinhalten auch die Beziehungen zwischen verschiedenen Größen. Nun ist aber die Frage, welche Daten zu welchen in Beziehung gesetzt werden sollen. Und das heißt, ich brauche zur Erzeugung von Wissen, wenn es nicht zufällig erfolgen soll, Vorwissen. Und je mehr Vorwissen ich habe, umso leichter wird es, weiteres Wissen zu erzeugen. Das ist einer der Gründe, warum sich der Wissenszuwachs von Gesellschaften beschleunigt, sofern diese auch ein Bestreben nach Wissenszuwachs entfalten. Es ist aber auch ein Grund, warum Knowledge Science nicht ohne den Kontext einer anderen Disziplin auskommen kann. Die Wissenserzeugung hat bestimmte universelle Grundelemente, verläuft aber in der Biologie in Teilen anders als in der Soziologie.

Etwas, das allen wissenschaftlichen Disziplinen gleich ist, ist das Problem der Modellbildung. Ein Modell ist eine vereinfachte Abbildung der Realität und damit eine Auswahl der Daten, die mit anderen verbunden werden sollen. Die Realität, soweit wir sie begreifen können, ist so komplex, dass wir ihre gesamtes Wirkungsgefüge nicht durchschauen können; zumindest nicht ohne weiteres. Also zerlegen wir das Ganze in Teilfragen. Statt zu fragen, ob Äpfel gesund sind, untersuchen wir, welche Inhaltsstoffe Äpfel haben und untersuche dann, die Wirkung jeder einzelnen Substanz auf die Verdauung, das Immunsystem, Zellregeneration usw. Das ist ein Modell, denn wir abstrahieren für jede einzelne Untersuchung von den anderen Substanzen und den anderen Wirkungen. Diese Modelle zeigen dann auf, welche Daten miteinander zusammenhängen und wie. Sie zeigen z. B., dass Vitamin C das Immunsystem stärkt. Sie bieten aber keine Antwort auf die Frage „Warum“. Knowledge Science hat an dieser Stelle die Aufgabe, sich mit den Vor- und Nachteilen der Modellbildung und den Grenzen, die diese dem Wissenserwerb setzen, zu beschäftigen.