Exponentielle und logistische Kurven mit Tragfähigkeit, Verdopplungszeit, Wendepunkt.
Populationsdynamik bestimmt alles, von der Epidemiologie (R₀ einer Infektionskrankheit, Impfschwellen) über die Ökologie (Tragfähigkeit eines Lebensraums, Kipppunkte in der Fischerei) bis zur Demografie (Weltbevölkerungsprognosen der UN bis 2100) und Mikrobiologie (Bakterienkulturen in einem Kolben, Antibiotika-Abtötungskurven). Der mathematische Kern ist die Differentialgleichung dN/dt = r · N (exponentielles Wachstum) oder, wenn Ressourcenlimits eine Rolle spielen, dN/dt = r · N · (1 − N/K) (logistisches Wachstum). Beide haben geschlossene Lösungen und erzeugen qualitativ unterschiedliche Kurven: die exponentielle steigt unendlich an, die logistische sättigt bei der Tragfähigkeit K. Zu verstehen, welches Modell zutrifft – und wo ein System auf der Kurve liegt – ist entscheidend für Prognosen und Politik. Dieser Rechner berechnet beide nebeneinander, damit der Benutzer die uneingeschränkten vs. begrenzten Trajektorien vergleichen und den Wendepunkt sehen kann, an dem das logistische Modell vom exponentiellen abweicht.
Exponentiell: N(t) = N₀ · e^(r · t), wobei r die Pro-Kopf-Wachstumsrate pro Zeiteinheit ist.
Die Verdopplungszeit beträgt T_d = ln(2) / r ≈ 0,693 / r. Eine Wachstumsrate von 0,05/Jahr ergibt eine Verdopplungszeit von 13,86 Jahren.
Logistisch (Verhulst 1838): N(t) = K / (1 + ((K − N₀) / N₀) · e^(−r · t)), wobei K die Tragfähigkeit ist.
Die logistische Kurve hat einen Wendepunkt bei N = K/2, wo die Wachstumsrate maximal ist. Die Zeit bis zum Wendepunkt beträgt t_inflection = ln((K − N₀)/N₀) / r.
Für N₀ → 0 stimmen beide Modelle in der frühen Phase überein; die logistische Kurve weicht unterhalb der exponentiellen ab, wenn N sich K nähert.
Der Rechner plottet beide Kurven mit 100 Stichprobenpunkten, markiert den Wendepunkt auf der logistischen Kurve und zeigt eine horizontale gestrichelte Linie bei K. Die Y-Achse wird automatisch skaliert, um min(5 × max_logistisch, K) aufzunehmen, damit die exponentielle Explosion die logistischen Details nicht verschlingt.
Geben Sie die Anfangspopulation N₀, die Wachstumsrate r (pro gewählter Zeiteinheit; typisch 0,01–0,5 pro Jahr für Tierpopulationen, 0,5–3 pro Stunde für Bakterien), die verstrichene Zeit t, die Tragfähigkeit K (abschalten, wenn Sie nur die exponentielle wünschen) und die Zeiteinheit (Jahre oder Tage) ein. Die Ergebnisanzeige zeigt N(t) für beide Modelle, die Verdopplungszeit und die Zeit bis zum Wendepunkt.
Eine Bakterienkultur beginnt mit N₀ = 10⁶ Zellen/mL. Wachstumsrate r = 0,69 /h (E. coli in reichem Medium, Verdopplung jede Stunde).
Exponentiell bei t = 6 h: - N(6) = 10⁶ × e^(0,69 × 6) = 10⁶ × e^4,14 = 10⁶ × 62,8 = 6,28 × 10⁷ Zellen/mL. - Verdopplungszeit: ln(2)/0,69 ≈ 1 h ✓.
Logistisch mit K = 10⁹ Zellen/mL (typische Batch-Kultur-Sättigung): - N(6) = 10⁹ / (1 + ((10⁹ − 10⁶)/10⁶) × e^(−0,69 × 6)) - = 10⁹ / (1 + 999 × e^(−4,14)) - = 10⁹ / (1 + 999 × 0,0159) - = 10⁹ / 16,89 = 5,92 × 10⁷ Zellen/mL – leicht unterhalb der unbeschränkten exponentiellen (noch in der frühen Wachstumsphase).
Bei t = 12 h stagniert die logistische Kurve um 4,7 × 10⁸ (nahe K/2, nahe dem Wendepunkt); die exponentielle Kurve steigt über 4 × 10⁹ – physikalisch unmöglich bei begrenzten Ressourcen.
Eine Wildtierpopulation von 50 Hirschen in einem Lebensraum mit K = 500, r = 0,2/Jahr: - Zeit bis zum Wendepunkt = ln(450/50) / 0,2 = ln 9 / 0,2 ≈ 11 Jahre. - Nach 30 Jahren: N_log = 500 / (1 + 9 × e^(−6)) ≈ 488 (sehr nahe an der Tragfähigkeit). - Exponentiell N_exp = 50 × e^6 ≈ 20 200 (unmöglich).
Exponentiell ist eine Annäherung für den vorderen Bereich. Reale Systeme stoßen irgendwann auf Ressourcenlimits, Raubtiere, Krankheiten, soziale Dichte usw. Die Verwendung von exponentiellen Annäherungen über die frühe Phase hinaus führt zu massiven Überschätzungen.
Die Wahl von K ist der schwierigste Teil. Die Tragfähigkeit ist selten genau bekannt und kann sich selbst mit Umweltbedingungen, Klima oder Technologie ändern. Demografische Projektionen geben oft K-Bereiche mit großer Unsicherheit an.
Konstantes r ist selten realistisch. Reale Wachstumsraten schwanken saisonal, mit der Verfügbarkeit von Ressourcen, mit dichteabhängigem Feedback. Die Annahme eines konstanten r ist eine Glättung.
Stochastische Effekte sind bei kleinem N wichtig. Bei N₀ = 10 Individuen kann die demografische Stochastizität (zufällige Geburten/Tode) die Population selbst bei positivem deterministischem r zum Erliegen bringen. Die deterministischen Kurven sind Mittelwerttrajektorien der Population, keine Vorhersagen für einzelne Realisierungen.
Allee-Effekt. Einige Populationen haben eine minimale lebensfähige Dichte, unterhalb derer das Wachstum negativ wird. Das einfache Logistische erfasst dies nicht; kleine isolierte Populationen können zusammenbrechen statt zu wachsen.
Negatives Wachstum (Rückgang). r < 0 verwandelt die Exponentialfunktion in einen Zerfall; die Logistik mit K > 0 asymptotiert immer noch gegen K (das jetzt ein Attraktor von oben ist). Die Interpretation des Modells zu wechseln, kann verwirren – lesen Sie die Richtung der Kurve.
Einheitenkonsistenz. r und t müssen dieselbe Zeiteinheit verwenden. Bakterielle r sind typischerweise pro Stunde, demografische r pro Jahr – Größenordnungen voneinander entfernt.
Kontinuierliche vs. diskrete Zeit. Die geschlossenen Lösungen gehen von kontinuierlicher Zeit aus. Für Populationen, die zu festen Jahreszeiten brüten (einjährige Pflanzen, Lachslaichzüge), sind diskrete Zeitmodelle wie die Beverton–Holt- oder Ricker-Karte geeigneter.
Parametrische vs. dichteabhängige Regulation. Die Logistik nimmt an, dass die Regulation rein dichteabhängig ist (intraspezifische Konkurrenz). Reale Regulation kombiniert oft Räuber-Beute-, Parasit-Wirt- und Ressourcen-Puls-Dynamiken; Mehrartenmodelle liefern reichhaltigere Dynamiken.
Wendepunkt vs. Sättigung. Der Wendepunkt ist, wo die Wachstumsrate am höchsten ist, nicht wo die Kurve abflacht. Die Sättigung (95 % von K) erfolgt viel später – etwa 4,4/r Zeiteinheiten nach dem Wendepunkt.