Räuber-Beute-Dynamik

gekoppelte Räuber-Beute-Schwingungen

Rechenbeispiel — Räuber-Beute-Dynamik

Simulationsdauer (≈ 5.3 T)	50

Das sind die Werte, die der Rechner beim Öffnen der Seite anzeigt. Ändere oben eine Eingabe, um sie neu zu berechnen.

Interaktive Simulation wird geladen...

Der Räuber-Gipfel kommt stets ein Viertel Zyklus zu spät 🖖

Das Räuber-Maximum folgt stets mit Verzögerung auf das Beute-Maximum. Ist Beute reichlich vorhanden, gedeihen die Räuber und vermehren sich — doch bis ihre Zahl ihr Maximum erreicht, ist die Beute bereits stark dezimiert. Die Räuberpopulation bricht dann durch Nahrungsmangel ein, wodurch sich die Beute erholen kann, und der Zyklus beginnt von Neuem. Diese Verzögerung um ein Viertel-Zyklus ist eine mathematische Folge der Lotka-Volterra-Gleichungen und stimmt mit Beobachtungen realer Räuber-Beute-Systeme wie Luchs und Schneeschuhhase überein.

geschlossene Bahnen, Aussterben und die Grenzen des Modells 🖖

Die exakten Lotka-Volterra-Gleichungen besitzen eine Erhaltungsgröße — H = δx − γ ln x + βy − α ln y —, die entlang jeder Trajektorie konstant bleibt. Das bedeutet, die Bahnen sind mathematisch geschlossene Schleifen: Die Populationen schwingen unendlich weiter, ohne sich nach innen oder außen zu verändern, und ohne je wirklich Null zu erreichen. Startet man nahe am Gleichgewicht (x★, y★), ergeben sich glatte, fast kreisförmige Schleifen. Startet man weit entfernt — etwa x₀ = 1, y₀ = 100 —, ist die Bahn ein langer, schmaler Ausschlag mit spitzen Sägezahn-Zyklen: Die Räuber brechen durch Hunger ein, die Beute erholt sich explosionsartig, dann lässt der Beuteüberschuss die Räuberzahl wieder steigen und die Beute erneut einbrechen. Diese Zackenform ist kein numerisches Artefakt, sondern die korrekte großamplitudige Lösung. Was ein Artefakt ist, ist das Überleben selbst. In einer kontinuierlichen Differentialgleichung nähern sich die Populationen der Null an, erreichen sie aber nie. In einem realen Ökosystem mit diskreten Tieren bedeutet ein solches Minimum nur eine Handvoll Individuen — und Zufallsereignisse führen dann zum tatsächlichen Aussterben. Die Simulation umgeht dies, indem sie die Populationen bei 0,01 begrenzt, und zeigt so die mathematische Bahn statt der biologischen Realität. Ein stochastisches Modell würde stattdessen zeigen, dass extreme Anfangs-Ungleichgewichte meist im Kollaps enden.

Volterras Pestizid-Paradoxon 🖖

Vito Volterra stellte diese Gleichungen 1926 auf, um ein Rätsel seines Schwiegersohns, des Biologen Umberto D'Ancona, zu lösen: Warum war der Anteil der Raubfische in den Fängen der Adria im Ersten Weltkrieg gestiegen, als die Fischerei fast zum Erliegen kam? Die Antwort wurde als Volterras Prinzip bekannt: Eine beide Arten gleichmäßig treffende Sterblichkeit hebt den mittleren Beutebestand und senkt den der Räuber. Das erklärt, warum Breitbandinsektizide nach hinten losgehen können — werden Schädlinge und ihre natürlichen Feinde zugleich getötet, bleiben oft mehr Schädlinge übrig als zuvor.

Aufgabe vollständig gelöst

Lotka-Volterra-Gleichgewicht mit α = 1,1 und den gemessenen Durchschnitten 6 Schritte
Lotka–Volterra mit α = 1,1, β = 0,4, δ = 0,1, γ = 0,4. Bestimmen Sie das Gleichgewicht, beweisen Sie, dass die langzeitigen Mittelwerte exakt diesem entsprechen, und erklären Sie dann, warum die gemessenen Mittelwerte des Panels dies nicht tun.
1. Zwei gekoppelte Gleichungen, und jeder Term ist eine Begegnungsrate oder eine Geburten- und Sterberate. Das Produkt xy ist die einzige Nichtlinearität, und es steht schlicht dafür, „wie oft sie einander begegnen“.
  
  $\overset{x}{˙} = α x - β x y, \overset{y}{˙} = δ x y - γ y$
2. Setzen Sie beide Ableitungen gleich null. Jede Gleichung bestimmt das Gleichgewicht der anderen Art — das erste Anzeichen dafür, dass sich dieses System nicht wie zwei unabhängige Populationen verhalten wird.
  
  $\overset{x}{˙} = 0, \overset{y}{˙} = 0 ⟹ x^{⋆} = \frac{γ}{δ} = \frac{0.4}{0.1} = 4.00, y^{⋆} = \frac{α}{β} = \frac{1.1}{0.4} = 2.75$
3. Nun zum exakten Mittelungsergebnis. Teilen Sie die Beutegleichung durch x und integrieren Sie über eine volle Periode — die linke Seite ist die Änderung von ln x, und über einen geschlossenen Orbit ist diese null.
  
  $\frac{x ˙}{x} = α - β y ⟹ \int_{0}^{T} \frac{x ˙}{x} d t = [ln x]_{0}^{T} = 0 = α T - β \int_{0}^{T} y d t$
4. Umformen liefert den Zeitmittelwert, und nichts von der Größe des Orbits übersteht die Algebra. Eine Population, die zwischen 1 und 40 schwankt, hat denselben Mittelwert wie eine, die sich kaum bewegt.
  
  $⟨ y ⟩ = \frac{α}{β} = y^{⋆}, ⟨ x ⟩ = \frac{γ}{δ} = x^{⋆} exactly, for every amplitude$
5. Die Periode ergibt sich aus der Linearisierung am Fixpunkt. Die Jacobi-Matrix hat Nullen auf ihrer Diagonalen und ein negatives Produkt abseits davon, sodass die Eigenwerte rein imaginär sind — die Zyklen wachsen weder noch klingen sie ab.
  
  $J^{⋆} = (0 δ y^{⋆} - β x^{⋆} 0) \Rightarrow λ = \pm i α γ, T = \frac{2 π}{α γ} = 9.47$
6. Schließlich der Befischungsterm. Er verschiebt α und γ in entgegengesetzte Richtungen, und die Mittelwerte folgen direkt aus Schritt 4, ohne etwas lösen zu müssen.
  
  $harvest both at ε : ⟨ x ⟩ = \frac{γ + ε}{δ} ↑, ⟨ y ⟩ = \frac{α - ε}{β} ↓$
Antwort

Die Mittelwerte betragen exakt 4,00 und 2,75, und das Panel zeigt 3,86 und 3,16 an, weil 50 Zeiteinheiten 5,28 Zyklen entsprechen und nicht 5. Mittelt man eine Welle über einen Bruchteil einer Periode, erhält man den Bruchteil, nicht den Mittelwert. Was das exakte Ergebnis so wertvoll macht, ist, dass es für jeden Orbit gilt, egal wie heftig er ist — die Amplitude kürzt sich aus dem Integral heraus. Und es hat eine Konsequenz, die niemand erwartet. Befischt man beide Arten mit derselben Rate ε, werden die Mittelwerte zu (γ+ε)/δ und (α−ε)/β: Das wahllose Töten von Räubern und Beute erhöht die durchschnittliche Beutepopulation und verringert die der Räuber. Volterra leitete genau das 1926 her, um ein Rätsel in Umberto D’Anconas adriatischen Anlandezahlen zu erklären: Der Anteil von Raubfischen am Fang stieg während des Ersten Weltkriegs, als die Fischerei weitgehend zum Erliegen gekommen war. Sprüht man ein Breitbandinsektizid auf ein Feld, sagt das Modell mehr Schädlinge voraus, nicht weniger.

$⟨ x ⟩ = \frac{γ}{δ} = 4.00, ⟨ y ⟩ = \frac{α}{β} = 2.75, T = \frac{2 π}{α γ} = 9.47$

Lernpfad

Begrenztes Wachstum

Führt zu Epidemien

Quellen (1)

Insight block 3 — the Adriatic catches, and the principle drawn from them: V. Volterra, "Fluctuations in the Abundance of a Species considered Mathematically." Nature 118, 558–560, 1926.

Vom 42Math-Team · Aktualisiert 2026-05-30

Anhand veröffentlichter Quellen geprüft. Korrekturen willkommen. Redaktionsrichtlinie · Korrekturen

Alle Lektionen: Biologie & Chemie →

Beispielaufgaben

ausgeglichener Zyklus - Gekoppelte Populationen oszillieren dauerhaft — die Räuber folgen den Beutetier-Höchstständen um etwa eine Viertelperiode versetzt.
Räuber-Kollaps - Geringe Umwandlungseffizienz (δ = 0.05) bedeutet, dass sich Räuber nicht schnell genug fortpflanzen können, um ihre Population zu erhalten.
Beute-Kollaps - Eine hohe Prädationsrate (β = 0.8) drückt die Beutepopulation auf kritisch niedrige Werte — das System steht kurz vor dem Kollaps.