Um die Beschreibung als dynamisches System zu rechtfertigen, muss man annehmen, dass man die Entwicklungsgleichungen und also die beteiligten Prozesse kennt. Daneben wird auch noch unterstellt, dass man das Gesamtsystem in wohldefinierte Subsysteme zerlegen kann, in denen jeweils wieder nur bekannte Prozesse ablaufen (reduktionistischer Ansatz). Ein Zusammenfügen aller Teilprozesse liefert dann einfach das Gesamtverhalten. Dieser aus heutiger Sicht naive Ansatz führte dazu, Ökosysteme aus ihren Bestandteilen (z.B. Bodenkompartimente, Pflanzen- und Tierpopulationen, etc. ) im Computer zu rekonstruieren. Da auch das Vorbild als komplex erscheint, galt es nicht als anrüchig, immer kompliziertere Modelle zu entwerfen, besonders da die Entwicklung und Anwendung komplizierter Ökosystemmodelle technisch immer leichter wurde. In sehr verkürzter Form durchlief jedes dieser Modelle seine eigene "Evolutionsgeschichte" nach dem Motto: "komplizierte lauffähige Programme entstehen aus einfachen lauffähigen Programmen und nicht aus komplizierten, nicht lauffähigen Programmen..."

Es wurde daher für Modellierer immer leichter, ein neues, eigenes Programm auf der Basis von bekannten Bausteinen zu entwickeln als ein bestehendes Programm zu übernehmen und für seine Zweck anzupassen. Hier spielen neben der Weiterentwicklung der Softwaretechnik auch andere Faktoren eine Rolle, z.B. das Vermeidenwollen bekannter Defizite der bestehenden Modelle, ihre fehlende Flexibilität (der Lieblingsprozess des Modellierers ist gerade nicht im existierenden Modell enthalten), aber auch trivialere Gründe wie mangelnde Verfügbarkeit oder Dokumentation, Misstrauen in die Fehlerfreiheit, fehlende Kommunikation oder Bereitschaft zur Kooperation usw. Als Resultat dieser Entwicklung entstand in kurzer Zeit ein Modellzoo, der selbst für Eingeweihte völlig unüberschaubar und für Praktiker irrelevant erschien. Die Datenanforderungen zur Parametrisierung und zum Test derartiger Modelle überstiegen die vorhandenen Messdaten um Grössenordnungen. Auch umfassende Meßkampagnen, die z.B. das BITÖK auf seinen Dauerbeobachtungsflächen im Fichtelgebirge und Steigerwald durchführt, konnten diese sich immer weiter öffnende Schere zwischen Parameteranforderung komplizierter Modelle und Beobachtungsdaten nicht schließen. Das liegt z.T. auch daran, dass die Modelle Angaben zu Parametern erfordern, die direkt im Feld nicht messbar sind, wie z.B. "effektive" Grössen für ein ganzes Gebiet, die bestenfalls aus der Aggregation von Punktmessungen approximiert werden können, oder die gar nicht den Charakter von Messgrössen haben, sondern völlig modellinterne Kalibrationsparameter darstellen.

Ohne unabhängige Messungen zu den Parametern sind alle Modelle gleich schlecht; gibt man dagegen die Parameter zur Kalibration an Beobachtungsdaten frei, sind alle komplizierten Modelle nahezu gleich gut. Bei den wiederholten Versuchen, prozeß-orientierte Modelle zu testen, zeichnete sich ein systematischer Unterschied ab. Die aus praktischer Nutzungssicht relevanten Aspekte von Ökosystemen erwiesen sich meist als relativ einfach und leicht zu modellieren. Die in der Praxis üblichen empirischen Modelle verwenden zu diesem Zweck selten mehr als zwei oder drei Parameter. Aus der Tatsache, daß auch kompliziertere Modelle in der Lage waren, derartige Daten anzufitten, ergab sich keinerlei neue Erklärungsleistung oder gar Vorhersagekompetenz. Das Problem lag in der Beliebigkeit dieser scheinbar gelungenen Anpassungen. Der Grund für diese Beliebigkeit ist natürlich die massive Überparametrisierung der komplizierten Modelle; interessant ist aber die Frage, wieso eigentlich die Nutzungsaspekte so wenig Parameter zu ihrer Beschreibung benötigen. Auch bei Modellen, die ausschlieslich zumindest im Prinzip messbare Grössen verwenden, wird augenscheinlich das Gros dieser Messungen zur Reproduktion der Zielgrössen einfach nicht gebraucht. Diese Entwicklungslinie prozeß-orientierter Modelle steckt bis heute in einer nicht überwundenen (unüberwindlichen?) Krise. In unserer Arbeitsgruppe am BITÖK haben wir daher diesen Ansatz 1995 aufgegeben. Wir stufen das Falisfikations- und damit das Erkenntnispotential der expliziten Modelle bei diesen Anwendungen als zu gering ein.