Today's topic is future of farming. Farming is a bedrock of our society and culture, and at the same time one of the largest contributors to environmental degradation. So, how we can feed the population of the world in the future sustainably is a subject I wanted to cover already for some time. But it was important to find an expert who can bring together theoretical knowledge and real business application and experience.
I am very happy that Pádraic Flood agreed to join me for this conversation. He is currently team lead for crop genetics at Infarm, a vertical farming company.
Before he joined Infarm, Pádraic served as a research scientist at Wageningen University, one of the world’s top agricultural research institutions, where he also completed his Ph.D. Before that, Pádraic held an appointment at the Max Planck Institute for Plant Breeding Research.
Over the past decade, Pádraic has worked in universities using genetics to understand key scientific questions ranging from photosynthesis to how plants adapt to extreme environments.
Pádraic is not only an excellent scientist, but deeply passionate about tackling the challenge of feeding the world without destroying the environment. In addition to breeding and improving crops currently cultivated by infarm, he is pursuing ways to make staple crops viable in indoor farming which, if successful, could free up vast areas of land for nature and biodiversity restoration and go a long way towards achieving food security.
As farming as bedrock of our society we start with a look into our past. What is domestication and breeding? What are we eating today? Old species, e.g. maize are unrecognisable in the original form compared with our modern ones. Breeding was an intergenerational project of humanity. So, what is natural? Unnatural? Is unatural, what is created by humans — which seems to be a rather strange idea?
Also, farming was independently discovered seven times around the world — what does that tell us? What is convergent evolution?
Then we discuss the impacts of farming on nature and environment. How can we reduce the impact of farming while at the same time producing enough food for humanity.
What are GMOs and how is genetic modification different from older breeding technologies?
Then we talk about the 20th century. Were the Malthusian warning voices correct? How did Paul Ehrlichs “population bomb” play out and what did the green revolution with Norman Borlaugh achieve?
“rising food production reduced the malnutrition rate from 2 in 3 people in 1950 to 1 in 11 by 2019. This impressive achievement is even more noteworthy if expressed in a way that accounts for the intervening large-scale increase of the global population, from about 2.5 billion people in 1950 to 7.7 billion in 2019. […] we could not harvest such abundance, and in such a highly predictable manner, without the still-rising inputs of fossil fuels and electricity.”, Vaclav Smil
Modern technology and energy production managed to reduce the labor needed to produce a kilogram of grain by more than 98 percent between 1800 and 2020.
“Growing the grain, milling it, and baking a 1-kilogram sourdough loaf thus requires an energy input equivalent of at least 250 milliliters of diesel fuel.” (150-500ml Diesel per kg tomatoes in Spain (unheated / heated) — ~ same amount like chicken), ibid
Which role do agricultural chemicals role such as herbicides and fertilisers play?
Agriculture is not only about carbon emissions. Purely looking at it through a “carbon lense” is misleading, more relevant seems the planetary boundaries framework. For instance the role of biodiversity, land use and other impacts are of huge importance. Land use is one of the major concerns, considering thet 50% of habitable land mass is used by agriculture.
Carbon tunnel vision is a real issue today and leads to significant mistakes in politics and activism, as I have discussed in other podcast episodes already.
Planetary Boundaries, J. Lokrantz/Azote based on Steffen et al. 2015
What about organic farming? It turns out, it is by far not such a good idea as often promoted. Pádraic explains what the problems are. One serious issue are externalities, where other nations pay the price for our “organic” greenwashing.
One of the major challenges is to manage energy and matter flows better on a global level. As energy plays a significant role in agriculture we discuss the important role of nuclear energy in a green economy, escpecially considering land use in comparison with wind and solar energy.
Risk perception is often not aligned with actual risks.
As one recent example, we discuss the Sri Lanka organic farming disaster, food security and national security:
“In the end, for most crops, organic farming is not net beneficial. It is actually worse for the environment than conventional food production. And people spend even extra money, thinking they do something good., when in many respects they probably are causing more harm.”
Organic food has a large international lobby with a vested interest to promote a green narration, preserve the well functioning but misleading marketing claims, despite of the realities on the planet. On top of that, some organic farming practices leave the realm of rationality and incorporate a number of esoteric ideas that contribute nothing to the environment or to human health, such as biodynamic practices.
“What is allowed in organic is not necessarily allowed because it is safer but just because we done it like that for a long time.”
One example is copper sulfate or organic insectisides, as Pádraic explains in this episode.
What we need going forward, is evidence based agriculture, not dogmatic organic / naturalistic ideas, that are stuck in the past and do more harm than good to nature and humanity.
“Dogma is not adaptive” and
“Silver bullets are only good for killing magical creatures”
What about meat and what role has carneval to play here? Where is science and technology standing in terms of lab grown meat? Evidently, in some countries lab grown chicken nuggets are already a thing?!
One of the major recent innovations seems to be precision fermentation, which could become one of the most exiting new tools in our future farming toolbelt.
“Currently, we are eating our planet”
Now, looking into the future: how could we achieve decoupling food prodcution from ecosystem destruction. How can we feed 9-11 billion people well without eating the planet and create food resilience along the way? Some practices we talk about are
indoor farming
precision fermentation
lab meat
biotechnology, GMO, Crispr/CAS
Also “doing nothing has risks”
Especially the new bio technologies, synthetic biology seems to offer a lot of opportunities for the future of farming, but also opens up significant new risks. We see a democratisation of bio-technology and synthetic biology — can this be a good thing?
And finally I ask Pádraic: if young people would want to work in these important fields, what could they do instead of glueing themselves to paintings and bridges?
References
Previous Episodes
Episode 62: Wirtschaft und Umwelt, ein Gespräch mit Prof. Hans-Werner Sinn
Episode 59 und 60: Wissenschaft und Umwelt 1 & 2
Episode 48: Evolution, ein Gespräch mit Prof. Erich Eder
Episode 45: Mit Reboot oder Rebellion aus der Krise?
Episode 46: Activism, a conversation with Zion Lights
Episode 37: Probleme und Lösungen
Episode 36: Energiewende und Kernkraft, ein Gespräch mit Anna Veronika Wendland
Episode 33: Naturschutz im Anthropozän – Gespräch mit Prof. Frank Zachos
Episode 22: Biodiversität und komplexe Wechselwirkungen – Gespräch mit Prof. Franz Essl
Padraic Flood
Twitter: @PdraicFlood
Padraic Flood on LinkedIn
Literature and Links
Norman Borlaugh — Nobel Speech (1970)
Global Population 2100: UN / Lancet (2020)
Stockholm Resilience Centre, Planetary Boundaries
Vaclav Smil, How the world really works, Penguin (2022)
Lab Grown Chicken Wings, The Smithonian
Kultur & GesellschaftBildungWissenschaft & Technik
Zukunft Denken – Podcast Folgen
Woher kommen wir, wo stehen wir und wie finden wir unsere Zukunft wieder?
Folgen von Zukunft Denken – Podcast
146 Folgen
-
Folge vom 07.03.2023070 – Future of Farming, a conversation with Padraic Flood
-
Folge vom 13.02.2023069 — Complexity in SoftwareIch möchte Sie auf eine Vorlesung hinweisen, die Sie im Zukunft-Denken YouTube-Kanal finden. Der Titel ist: “Complexity in Software — Handle with Care” https://youtu.be/hBaxfkzhvKg Die Vorlesung ist in Englisch und hat Software-Entwicklung und Management im Fokus, betrachtet aber das Thema Komplexität in einem breiteren Sinne und ist insofern auch für nicht-Software-Interessierte von Relevanz. Wenn Sie an Software wenig interessiert sind — das Video hat Kapitelmarken, überspringen Sie eventuell: “Why is Complexity in Software a Problem?” Was sind die Themen die in der Vorlesung behandelt werden: Was ist Komplexität? Was sind zahme und wicked problems? Was sind Attraktoren in komplexen dynamisch stabilisierten Systemen? Warum wird das Zusammenspiel von Software und anderen gesellschaftlichen Services immer kritischer? Was ist Komplexität in Software? Was sind treibende Faktoren, wie kann man Komplexität reduzieren? Warum ist Komplexität in Software überhaupt ein Problem? Was ist Emergenz, was sind Beispiele für emergentes Verhalten? Und der letzte Teil der Vorlesung ist relativ generisch in dem Sinne, dass ich versuche zu beschreiben: Wie reagieren Menschen in Systemen auf komplexe Probleme Welche Reaktionen sinnvoll sein können, unter welchen Umständen und welche nicht zielführend sind Welche neuen Management-Paradigmen sollte man überlegen Welchen Einfluss spielen Metaphern in unserem Blick auf die technische Welt? Zum Abschluss führe ich noch kurz in eine für mich sehr faszinierende Idee von Stewart Brand ein, die er Pace Layering nennt. Eine Form von Schichtenmodell der Welt, die unterschiedliche Geschwindigkeiten gegeneinander darstellt und was für uns als Gesellschaft aber auch Techniker und Manager daraus folgt. Referenzen YouTube Video der Vorlesung Andere Episoden Episode 64: Getting Nothing Done Episode 42: Gesellschaftliche Verwundbarkeit, ein Blick hinter die Kulissen: Gespräch mit Herbert Saurugg Episode 40: Software Nachhaltigkeit, ein Gespräch mit Philipp Reisinger Episode 37: Probleme und Lösungen Episode 35: Innovation oder: Alle Existenz ist Wartung? Episode 31: Software in der modernen Gesellschaft – Gespräch mit Tom Konrad Episode 27: Wicked Problems Episode 19: Offene Systeme Episode 10: Komplizierte Komplexität Fachliche Referenzen siehe YouTube-Video-Beschreibung
-
Folge vom 30.01.2023068 — Modelle und Realität, ein Gespräch mit Dr. Andreas WindischDas Thema der heutigen Episode ist »Modelle«. Was ist ein Modell in Bezug zur Realität, welche Art vom Modellen gibt es und wie sollten wir als Gesellschaft mit Modellen umgehen, im besonderen bei Fragen, die das Verhalten komplexer Systeme in die Zukunft projeziert, wie etwa Klimamodelle. Mein heutiger Gesprächspartner ist, und das freut mich besonders, ein wiederkehrender Experte, Dr. Andreas Windisch. Andreas ist ein theoretischer Physiker, der 2014 an der Universität Graz sub auspiciis praesidentis promoviert hat. Nach mehreren Jahren als PostDoc an der Washington University in St. Lous in den USA (Schrödinger Fellow des öst. Wissenschaftsfonds) kehrte er nach Österreich zurück, und übernahm die Rolle eines Forschungsteamleiters bei 'Know-Center', einem Forschungszentrum für KI. Andreas ist Mitbegründer und Leader der Reinforcement Learning Community, einer eigenständigen Arbeitsgruppe, die Teil des unabhängigen Think Tanks 'AI AUSTRIA' ist. Zudem ist Andreas Honorary Research Scientist der Washington University in St. Louis, er betreut Start-Ups bei dem European Space Agency Inkubator Science Park Graz und lehrt KI an der FH-Joanneum. Seit März 2022 hält er auch eine Stelle an der TU-Graz. Was ist ein Modell? Wie verhält sich ein Modell zur Realität, zur Natur? Welche Rolle spielen Variable und Freiheitsgrade? Andreas erklärt zunächst fundamentale Modelle — am Beispiel des Standardmodell der Teilchenphysik. »Der Natur ist unsere persönliche Sichtweise natürlich egal.« Damit ist die Suche nach der Abweichung vom Modell ein wesentlicher Aspekt der Modellierung. Was hat es mit der Filterung durch unsere Sinne und durch unsere Instrumente auf sich? Können wir überhaupt ohne Modell und Theorie Beobachtungen machen? Warum ist Platons Höhlengleichnis ein gutes Beispiel für Modell und Realität? Welche Arten der Modellierung gibt es? Vom bottom up / fundamentalen Modell zur Welt im Großen, zu effektiven Modellen? Damit stellt sich die Frage: kann ich die Welt im Großen aus dem fundamentalen Verständnis des Kleinstes modellieren? Also: kann ich mit dem Standardmodell der Teilchenphysik etwa das Klima modellieren? Sollte es nicht nur ein Modell der Welt geben? Andreas erklärt, warum dies nicht möglich ist. Damit stellt sich die Frage: was ist eine Skala? Was sind Hierarchien von Modellen nach Skala und Fragestellung? Wir diskutieren Beispiele von der Quantenmechanik über die klassische Mechanik bis zur Relativitätstheorie und wieder zurück. Wie verhält es sich im Übergang von einem Modell einer Skala oder Anwendungsbereich zu einem Modell einer andere Skala? Wo liegen die Grenzen und wie sieht es in den Übergangsbereichen aus? Wie weit kann Extrapolation gehen? Wenn ich Modelle außerhalb des Gültigkeitsbereiches »befrage«, bekomme ich Antworten, aber was ist von diesen zu halten? Gilt die heute häufig formulierte Annahme: je mehr Daten desto besser (für die Entscheidungsfindung)? Die richtige Information und Abstraktion zur richtigen Zeit ist essentiell! Wir sprechen weiters über mathematische Symmetrien, »Schönheit« und Qualität von Modellen, datengetriebenem (machine learning) vs. Modell-Zugang. Sind wir am Ende der Theorie angelangt, wie vor einiger Zeit behauptet wurde, oder war das ein Irrtum? Wie repräsentativ sind die Daten mit denen modelliert wird im Bezug auf die Daten, die in der Realität zu erwarten sind? Ändert sich das über die Zeit der Modell-Nutzung? Wir kehren dann wieder an den Anfang zurück und diskutieren ein fundamentales historisches Beispiel, das n-Körper-Problem, beziehungsweise eine vereinfachte Form davon, das Dreikörperproblem, das ja einfach physikalisch zu lösen sein sollte. Oder doch nicht? Warum nicht? Was sind die Erkenntnisse und Folgen dieses historischen Problems, getrieben von König Oskar II und Henri Poincaré? Es kann doch nicht so schwer sein, die Bahnen von Sonne, Erde und Mond zu berechnen! Aus diesem Beispiel folgend: Was sind (nicht-lineare) chaotische Systeme und was bedeutet das für Modellierung und Vorhersage, vor allem in Bezug auf die Anfangsbedingungen und die Möglichkeit diese genau zu bestimmen? Wie hängt dies mit den intrinsischen Zeitskalen des Systems zusammen? Liegen hier natürliche Grenzen der Vorhersagbarkeit, die wir auch mit stetig besseren Sensoren, Computern und Algorithmen nicht brechen können? Was sind Attraktoren komplexer dynamischer Systeme und Tipping Points (auch Kipppunkte,Phasenübergänge oder Regime Shifts genannt)? Kann man vorhersagen, wann sich ein System einem Kipppunkt nähert? Dann diskutieren wir die Konsequenzen für Risikomanagement, den Unterschied zwischen statistisch gut beschreibbaren und bekannten Systemen, versus komplexen chaotischen Systemen und dem Vorsorgeprinzip. Was können wir daraus für politische und gesellschaftliche Entscheidungsprozesse mitnehmen? Passend zur vorigen Episode disuktieren wir auch das Risiko des »Overselling« wissenschaftlicher Erkenntisse und vor allem von Modell-Ergebnissen als Wissenschafter. Zum Schluss stellen wir die Frage, wie weit wir als Gesellschaft kritischen Diskurs verlernt haben. »Alle Experten sagen...« ist keine relevante Aussage, sondern ein rhetorischer Trick um Diskurs zu beenden. Unterschiedliche Meinungen sind gerade bei komplexen (wicked) Problems von größter Bedeutung. Es gibt keine zentrale Anlaufstelle der Wahrheit, auch wenn das von manchen politischen Akteuren gerne so dargestellt wird. Was Information und Misinformation ist, stellt sich in der täglichen Praxis als sehr schwieriges Problem heraus. Auch die aktuelle Rolle der »alten« Medien ist stark zu hinterfragen. Referenzen Andere Episoden Episode 79: Escape from Model Land, a Conversation with Dr. Erica Thompson Episode 67: Wissenschaft, Hype und Realität — ein Gespräch mit Stephan Schleim Episode 55: Strukturen der Welt Episode 53: Data Science und Machine Learning, Hype und Realität Episode 47: Große Worte Episode 37: Probleme und Lösungen Episode 27: Wicked Problems Episode 25: Entscheiden unter Unsicherheit Episode 10: Komplizierte Komplexität Andreas Windisch Andreas Windisch auf LinkedIn Episode 18: Gespräch mit Andreas Windisch: Physik, Fortschritt oder Stagnation Fachliche Referenzen Chris Anderson, The End of Theory: The Data Deluge Makes the Scientific Method Obsolete, Wired (2008) Daisyworld Model TED-Talk Bill Gates: The next outbreak, we are not ready (2015) Marten Scheffer, Catastrophic regime shifts in ecosystems: linking theory to observation (2003)
-
Folge vom 31.12.2022067 — Wissenschaft, Hype und Realität — ein Gespräch mit Stephan SchleimIn dieser Episode führe ich ein äußerst interessates Gespräch mich mit Prof. Stephan Schleim. Er ist deutscher Philosoph und Psychologe, Professor für Theorie und Geschichte der Psychologie Universität Groningen. Seine Spezialgebiete sind die Theorie und praktische Anwendungen der Psychologie und Neurowissenschaften. In seiner Forschung zur Wissenschaftskommunikation untersucht er, wie Darstellungen der Hirnforschung akademische und gesellschaftliche Debatten beeinflussen (z. B. in der Neuroethik oder dem Neurorecht). Seit 15 Jahren ist er mit seinem Blog Menschen-Bilder bei den SciLogs vertreten, dem Portal für Wissenschaftsblogs des Spektrum-Verlags. Außerdem ist er Autor mehrerer Bücher. Ich beschäftige mich ja schon länger mit der Frage, ob unser Wissenschaftsbetrieb nicht an einigen Stellen falsch abgebogen ist und was wir tun könnten, ja müssten um diese Situation zu verbessern. Warum ist es für uns wir als Gesellschaft wichtig, diese Problemlage zu verstehen? Denn wesentliche politische Entscheidungen hängen ja von wissenschaftlichen und technischen Aussagen und Möglichkeiten ab. Wir beginnen unser Gespräch mit der Frage, ob sich die Erwartungen, die in der aus der Gesellschaft aber meist auch aus der Wissenschaft heraus an die Wissenschaft formuliert werden erfüllen? Schreitet Wissenschaft immer schneller voran? Führt dies stetig zu neuen und bahnbrechenden technischen Fortschritten? Zahlreiche Untersuchungen legen eher das Gegenteil nahe. Wie sieht es nun mit Fortschritt und Qualität wissenschaftlicher Erkenntnis aus? Welche Anreizsysteme herrschen aktuell vor, nach welchen Indikatoren werden Wissenschafter gemessen, welche Definitionen von Produktivität gibt es in der Wissenschaft und was bedeutet dies für Erkenntnis und Innovation? »Lässt man Kants akademischen Werdegang kurz Revue passieren, muss man zu dem Befund kommen, dass ein Denker wie Kant im gegenwärtigen Wissenschaftsbetrieb keine Chance gehabt hätte. Im Gegenteil: Er verkörpert geradezu alles das, was dem Eifer der Universitätsreformer ein Dorn im Auge ist.«, Konrad Paul Liessmann Es gibt nur noch selten in der modernen Wissenschaft solche positiven Beispiele, etwa den 3D-Atlas des Gehirns, wo das Ergebnis jahrzehntelanger, qualitativ hochwertiger Grundlagenforschung dargestellt werden. »Die Wissenschaft befindet sich großteils in einem hermeneutisch abgeriegelten, selbstreferentiellen System.« Was sind Beispiele für die Probleme, die wir beschreiben? Die 90er Jahre waren in den USA die Dekade des Gehirns. Auch Europa hat mit dem Human Brain Project nachgezogen — unter anderem mit dem Ziel, ein Gehirn im Computer zu simulieren. Was ist das Ergebnis dieser Dekade? Wir diskutieren Erwartungen und Versprechungen vom Gedankenlesen bis zum Lügendetektor; was waren die Folgen für die Diskussion des »freien Willen«, für Recht und Medizin? In den letzten Jahrzehnten waren auch die »bunten Bilder« des Gehirns, die aus statistischen Auswertungen von Kernspintomographen entstehen, ein Hit in wissenschaftlichen Artikeln aber auch in populärwissenschaftlichen Berichten. Man konnte fast sagen: keine Psychologie ohne »Hirnbilder«! Sind die Ergebnisse, die man mit der Kernspintomographie erhalten hat aber überhaupt vertrauenswürdig und korrekt? Beziehungsweise unter welchen Versuchsbedingungen kann man mit seriösen Ergebnissen rechnen und wurden diese in der Regel erziehlt? Also bleibt letztlich die Frage: können diese Hirnscanner, die richtig viel Geld kosten, überhaupt das Kriterium der Reproduzierbarkeit — als Mindeststandard wissenschaftlicher Qualität — erfüllen? War der Hype gerechtfertigt? »Es gibt einige gute Studien, aber in der großen Masse sind viele dieser Studien, glaube ich, nicht vertrauenswürdig. […] Diesen Schluss muss man ziehen.« Aber auch in zahlreichen anderen Bereichen der Psychologie und Psychiatrie erleben wir im Rückblick durchwachsene Ergebnisse, so etwa bei den wenig beeindruckenden Erfolgen der Antidepressiva in der Psychiatrie. Ich spreche dann auch andere Hype-Themen der Vergangenheit an, und frage, warum wir aus diesen relativen Fehlschlägen so wenig lernen, z.B. Richard Nixon und den Krieg gegen den Krebs, Erik Topol und seine Kritik des Human Genome Projects sowie die mangelhafte Leistung von KI-Systemen in der Covid-Behandlung. Wir diskutieren dann die Konsequenzen dieser Hypes, denn diese sind nicht einfach nur kurzfristige Irrtümer, sondern in ihnen stecken zum Teil enorme Opportunitätskosten und Kollateralschäden. Wenn wir über die aktuelle Situation hinausschauen: »Wissenschaft die auch taugt« — was könnten wir die Standards sein? Prof. Schleim bezieht sich auf einen Artikel von Thomas Kuhn: Hartnäckigkeit und Dogmatismus ist manchmal auch ein wesentliches Mittel zum Erfolg in der Wissenschaft. Die Behandlung von Aids kann als als Erfolgs-Beispiel gelten, auch die Entdeckung der PCR durch Kary Mullis, die psychiatrische Forschung mit Verengung auf Neuro-Wissenschaft allerdings als negatives. Überhaupt ist Kary Mullis ein gutes Beispiel für einen ultra-harnäckigen Wissenschafter gewesen, der in einem engen Bereich hohe Leistung gebracht hat, darüber hinaus aber eher für fragwürdige Ideen bekannt wurde. Nun stellt sich aber die Frage: was für das Individuum des Wissenschafters gilt, gilt das auch für die Wissenschaft als Ganzes? Und wo hört die Hartnäckigkeit auf und wird zum (sanften) Betrug? Fake it till you make it — ein wissenschaftliches Erfolgsmodell? Welchen Effekt haben New Public Management, Messen, Optimieren in der Wissenschaft(sverwaltung), Zitationsfaktoren, Impact-Faktor, usw? »There is no cost to getting things wrong. The cost is not to getting them published.«, Prof. Brian Nosek Wir erleben aktuell in vielen Bereichen einen Hyperwettbewerb und Bewertung von Forschung — wenn man in kurzen Zeiträumen »Durchbrüche« darstellen muss, um überhaupt überleben zu können — was wird das für Konseqzenzen für Richtung und Qualität und Vermarktung der Forschung haben? Die Probleme, über die wir sprechen, sind bei weitem keine, die nur in den Interna der Wissenschaft Folgen haben, sondern breiten sich über Wissenschaftskommunikation und Expertenwesen in Gesellschaft und Politik aus? Hier ist auch der Aspekt zu sehen, dass die Verantwortung für diese Hypes auch an den Konsumenten liegt — eine Folge der Konkurrenz um Aufmerksamkeit. Was ist überhaupt von Wissenschafts-News zu halten? Denn die Taktung wird immer höher — ist das sinnvoll oder sogar schädlich? Wissenschaft ist selten eindeutig, vor allem nicht in komplexen Fragestellungen. Führt das nicht eher zu Verwirrung statt Information bei der Bevölkerung? Kann mehr Transparenz in den wissenschaftlichen Prozess die Situation verbessern? Können wir vom Rechtswesen lernen — was sind Folgen für wissenschaftliche Freiheit, politische Freiheit und Demokratie? Was können wir aus den Erfahrungen erfolgreicher Wissenschafter lernen? Ohne die Freiheit, "Sachen zu machen die nicht Mainstream waren", sei seine Forschungsarbeit nicht möglich gewesen, Anton Zeilinger Max Perutz, der österr. Wissenschafter, der von den Nazis nach England fliehen musste, hatte in seinem Labor neun Nobelpreisträger! Auf die Frage, wie man so erfolgreich wird antwortet er: »Keine Politik, keine Gremien, keine Berichte, keine Gutachter, keine Interviews, nur begabte, hoch-motivierte junge Menschen, ausgewählt von wenigen Männern mit gutem Blick.« Und was machen wir im heutigen Wissenschaftsbetrieb? Einer der Ursachen für die Probleme im aktuellen Wissenschaftsbetrieb ist das Publikations(un)wesen: welche Rolle spielen kommerzielle Verlage, Open Access, Preprint, sind Daten und Prozesse transparent? Welche Rolle spielt der Antrags-Irrsinn und die damit verbundene Bürokratie? Die bekannte amerikanische Tiefsee-Forscherin Edith Widder bringt den Konflikt zwischen innovativer Forschung und Finanzierung auf den Punkt: »Die Sache ist die: In der Wissenschaft muss man den Förderstellen erklären, was man entdecken wird, bevor sie einem Geld geben. Und ich wusste nicht was ich entdecken werde. Somit bekam ich keine Unterstützung.« Wo und in welchem Umfang macht Antragswesen Sinn, in welcher Form, und wo ist es ein Hindernis für gute Wissenschaft und verhindert vor allem auch, dass gute Wissenschafter Karrieren machen. Welcher innovative und kreative Wissenschafter ist Willens 30-40% seines Alltags mit stumpfer Bürokratie und Antragschreiben zu verbringen? Welche Folgen hat dies daher für die Selektion an Universitäten? Eric Weinstein nennt dies passend: »snap-to-grid intellectualism« Führen diese Prozesse zu kontroproduktiven Anpassungsprozessen an Indikatoren, Bürokratie, Regeln usw. Lenken wir also die verbleibende Intelligenz der Forscher weg von der Forschung hin zum Übergehen und Ausnutzen von Regeln und Bürokratie? Einfache Versprechungen und Aussagen treffen in der Realität sehr schnell an ihre Grenzen und so ist es auch nicht einfach Schritte aus der Krise zu finden. Ein erster Ansatzpunkt findet sich etwa in der Magna Charta Univesitatum. Referenzen Andere Podcast Episode 53 und Episode 54: Data Science und Machine Learning, Hype und Realität Episode 47: Große Worte Episode 44: Was ist Fortschritt? Ein Gespräch mit Philipp Blom Episode 39: Follow the Science? Episode 28: Jochen Hörisch: Für eine (denk)anstössige Universität! Episode 19 und Episode 20: Offene Systeme Episode 18: Gespräch mit Andreas Windisch: Physik, Fortschritt oder Stagnation Stephan Schleim Homepage von Stephan Schleim Stephan Schleim auf Twitter Menschen-Bilder Blog Stephan Schleim an der Universität Groningen Universität Groningen Die Neurogesellschaft: Wie die Hirnforschung Recht und Moral herausfordert, Heise (2010) Psyche & psychische Gesundheit: Philosophen, Psychologen und Psychiater im Gespräch, Heise (2020) Wissenschaft und Willensfreiheit: Was Max Planck und andere Forschende herausfanden, Springer (2023) Stephan Schleim, Sind Hirnscans nur Kaffeesatzleserei? Fachliche Referenzen Nicholas Bloom, Are Ideas Getting Harder to Find? (2020) How should medical science change, Lancet (2014) Economist: How Science goes wrong Trouble at the lab | The Economist Rettet die Wissenschaft,Die Zeit (2014) Konrad Paul Liessmann, Kant — Dienst ohne Vorschrift, Der Standard (2004) Eric Topol, Human genomics vs Clinical genomics — Expectation vs. Facts Thomas Kuhn, The Function of Dogma in Scientific Research, 1963 John P. A. Ioannidis, Why Most Published Research Findings Are False (2005) Warum KI-Werkzeuge gegen COVID-19 bislang versagt haben, Heise (2021) Physik Nobelpreis für österr. Quantenphysiker Anton Zeilinger (2022) Zitat Max Perutz aus Geoffrey West, Scale: The Universal Laws of Life and Death in Organisms, Cities and Companies, W&N (2018) Edith Widder, Glowing life in an underwater world, TED-Talk Magna Charta Univesitatum