Forschende der Northwestern University haben einen mathematischen Rahmen entwickelt, der einen überraschenden Effekt erklärt: Unterschiede zwischen den Teilen eines Netzwerks können dessen gemeinsamen Zustand stabiler machen. Die am 17. September veröffentlichte Arbeit von Arthur Montanari, Pietro Zanin und Adilson Motter untersucht dafür dynamische Systeme, wie sie zur Beschreibung von Stromnetzen, Nervenzellen oder mechanischen Materialien verwendet werden. Der Originalabstract der Studie benennt zugleich eine zentrale Bedingung: Entscheidend ist, welche innere Dynamik und welche Wechselwirkungen das Modell abbildet.
Das ist für Stromnetze anschaulich. Ihre Generatoren müssen miteinander arbeiten, obwohl sie auf Veränderungen unterschiedlich reagieren können. Ein Modell, das diese Unterschiede von vornherein entfernt, kann einen möglichen Stabilisierungseffekt gar nicht erkennen. Die neue Arbeit hilft zu bestimmen, wann es sich lohnt, gerade solche Unterschiede genauer zu untersuchen.
Stabilität zeigt sich nach einer Störung
Das Team betrachtet zunächst Zustände in ihrer unmittelbaren Umgebung: Klingt eine kleine Abweichung wieder ab, oder wächst sie? Laut der Mitteilung der Northwestern University verglichen die Forschenden dabei einheitliche mit verschiedenartigen Komponenten und Verbindungen. In den untersuchten Modellen konnten passende Unterschiede die Stabilität verbessern. Zu viel Variation konnte denselben Vorteil jedoch wieder aufheben.
Mit „Unordnung“ sind hier Unterschiede in Eigenschaften gemeint, keine beschädigten Leitungen oder beliebigen Produktionsfehler. Sie können in den Bauteilen selbst liegen oder in der Art, wie diese aufeinander einwirken. Diese Unterscheidung ist wesentlich: Für Unterschiede zwischen Bauteilen braucht es eine ausreichend reichhaltige innere Dynamik. Unterschiede in den Verbindungen können auch bei einfacheren Bauteilmodellen helfen, wenn die Wechselwirkungen in beide Richtungen verschieden ausfallen.
Der öffentlich bereitgestellte Forschungscode macht den Vergleich konkreter. Ein Rechenbeispiel beginnt mit einer bereits optimierten einheitlichen Dämpfung und variiert dann die Dämpfung einzelner Netzwerkteile. Geprüft wird, wie sich das Abklingen kleiner Störungen verändert. Die Vergleichsbasis ist damit nicht einfach eine beliebig schlecht eingestellte, gleichförmige Anordnung. Der Code ist ein nachvollziehbarer Zugang zur Methode; eine unabhängige Wiederholung der Ergebnisse ist seine Veröffentlichung allein noch nicht.
Eine allgemeinere Erklärung für einen bekannten Effekt
Dass Verschiedenheit gemeinsames Verhalten fördern kann, ist nicht erst jetzt entdeckt worden. Bereits 2020 berichtete Northwestern über einen Versuch mit drei elektrischen Generatoren. Im gekoppelten Aufbau synchronisierten sie sich, nachdem ihre Energieverluste passend unterschiedlich eingestellt worden waren. Die aktuelle Nachricht ist der übergreifende theoretische Rahmen, der solche Effekte in verschiedenen Systemklassen einordnet.
Auch die Netzwerkforscherin Raissa D’Souza von der UC Davis hebt in ihrer begleitenden Einordnung diesen Beitrag hervor: Die Theorie begründet genauer, wann und warum Unterschiede dem kollektiven Verhalten helfen können. Sie nennt unter anderem Stromnetze und Drohnenschwärme als mögliche Anwendungsfelder.
Für die Technik ergibt sich daraus eine zusätzliche Gestaltungsfrage: Welche Unterschiede unterstützen das gewünschte Zusammenspiel? Die Studie liefert dafür einen Forschungsansatz. Wie stark er ein konkretes Stromnetz gegen große Störungen absichern könnte, muss gesondert untersucht werden. Aus dem günstigeren Verhalten eines Modells folgt noch keine bezifferbare Verringerung von Stromausfällen.
Quellen
- Arthur N. Montanari, Pietro Zanin und Adilson E. Motter: Disorder-promoted stability, Science, 17. September 2026. Originalabstract und bibliografische Angaben geprüft; Verlagsvolltext zugangsgeschützt.
- Northwestern University: Networks could benefit from more disorder, 17. September 2026.
- Forschungsteam: Disorder-promoted stability in complex systems, Forschungscode, abgerufen am 18. September 2026.
- Northwestern University: Physics shows that imperfections make perfect, 20. Januar 2020.
- UC Davis College of Engineering: Can Random Noise Help Complex Systems? Raissa D’Souza Explains a Surprising Breakthrough, 17. September 2026.
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
