Die Organisation von Handelsstrukturen bringt seit je her weitreichende soziale, politische sowie ökonomische Implikationen mit sich. Da die zugrundeliegenden Dynamiken von Handelssystemen a priori unbekannt sind bieten Konzepte aus der Theorie komplexer Systeme nützliche Werkzeuge, um neue Muster zu entdecken, sowie neue Hypothesen zu den Vorgängen innerhalb der Handelssysteme zu entwickeln. Einen nützlichen Ansatz stellen dabei komplexe Netzwerke dar, da Handelsströme zwischen ökonomischen Einheiten sinnvoll als Knoten und Verbindungen im Netzwerk darstellbar sind. In dieser Arbeit erweitern wir spezielle Methoden auf komplexen Netzwerken, um die Netzwerk-Topologie des Handels auf globaler und auf nationaler Ebene zu untersuchen. Auf dem Level einzelner Industriesektoren erhalten wir neue Einblicke in die topologische Struktur des internationalen Handelsnetzwerks. Dazu führen wir neue Netzwerkmaße ein, welche die Funktion von Knoten in Subgraphen unter dem Blickwinkel, dass das Gesamtsystem durch ein Netzwerk aus mehreren Subnetzwerken dargestellt wird, beschreiben. Im Zuge der Globalisierung gewinnen bilaterale Handelsabkommen bei Entscheidungsträgern an Aufmerksamkeit und werden in zunehmender Zahl verhandelt. Wir entwickeln in dieser Arbeit einen neuen Ansatz, um die Auswirkungen dieser Abkommen auf die beteiligten Ökonomien zu analysieren und zu quantifizieren. Weiterhin behandeln wir die Fragestellung, in welchem Maß Handel als ein Übermittler von Nachfrage- und Angebotsveränderungen auf andere Industrien angesehen werden kann. Schließlich betrachten wir Handelsnetzwerke auf der Ebene von einzelnen Firmen und beschreiben die Funktion von einzelnen Knoten, insbesondere deren Rolle innerhalb von 3er-Motiven. Obwohl alle Methoden und Maße, die wir im Zuge dieser Arbeit einführen, aus Fragen im Kontext des Handels motiviert sind, sind die methodischen Konzepte auf komplexe Netzwerke in anderen Forschungsrichtungen anwendbar. / The organization of trade and its patterns and structures have always had far reaching implications among social, political and economic dimensions. The underlying dynamics of trade systems are often a priori unknown and concepts from complex system theory provide useful tools to discover new patterns and to develop new hypotheses on the mechanisms of the system. Complex networks offer a particularly useful approach to trade systems, as trade flows between economic entities can be intuitively and meaningfully represented as nodes and links in a network. In this thesis, we extend specific methods of complex networks with a focus on the relations between different subnetworks to investigate the network topology of trade on both the global and national scale. On an aggregation level considering individual industries as nodes, we obtain new insights about the topological structure of the international trade network by introducing new network measures that characterize the roles of nodes in subnetworks from a network of networks perspective. During the process of globalization bilateral trade agreements have received rising attention among policy makers and have been negotiated at an increasing pace. Here, we develop a framework to analyze and quantify impacts of these agreements on the involved economies. A further question that we address is to what extent trade can be regarded as a mediator of demand and supply spillovers to other industries. Finally, we look into trade networks at the scale of individual business firms and describe the role of nodes with a focus on 3-node motifs. Although all new methods and measures introduced in this thesis are motivated by questions in the context of trade, the methodological concepts are widely applicable to complex networks of other research disciplines.

Das Ziel dieser Arbeit ist die systematische Untersuchung der Auswirkungen von Änderungen in der Niederschlagshäufigkeit und -menge im Amazonas sowie eine Prognose der zukünftigen Entwicklung des Regenwaldes unter den sich ändernden Bedingungen im Rahmen des Klimawandels. Die in dieser Arbeit durchgeführten Untersuchungen der Niederschlagskorrelationsmuster des südamerikanischen Monsuns basieren auf der Theorie komplexer Netzwerke und offenbaren beispielsweise den Übergang von einem geordneten zu einem ungeordneten System zu Beginn des Monsuns. Die Erweiterung der verwendeten Methoden hin zu mehrschichtigen Netzwerken wird anschließend zur Untersuchung der Ursache von Dürren im zentralen Amazonasgebiet verwendet. Ein bivariates Netzwerk aus Niederschlagsdaten und atlantischen Meeresoberflächentemperaturen zeigt, dass bestimmte Meeresregionen im tropischen Atlantik den Niederschlag im zentralen Amazonas stark beeinflussen. Die Ergebnisse dieser Arbeit zeigen, dass einer Dürre in der Regel die Entstehung eines klimatischen Dipols der Meeresoberflächentemperaturen zwischen den identifizierten Ozeanregionen vorausgeht. Aufbauend auf diesen Ergebnissen wird in dieser Arbeit erstmalig ein Frühwarnsystem für Dürren im Amazonas vorgestellt. Der Untersuchung des Einflusses von Niederschlagsvariabilität auf die Vegetation wird eine Potentiallandschaft aus Niederschlags- und Baumbedeckungsdaten im Amazonas zugrunde gelegt. Die vorliegende Studie zeigt, dass eine direkte Abhängigkeit zwischen der lokalen, langfristigen Niederschlagsvariabilität und der Resilienz des Waldes besteht. Dies bedeutet, dass stärkere jährliche Niederschlagsvariabilität zu einem Trainingseffekt der tropischen Vegetation führen kann. Bedenkt man außerdem, dass es in Zukunft im zentralen Amazonas mehr Dürren geben soll, kann es entscheidend sein, ob die Vegetation einer Region zuvor Erfahrung mit starker Niederschlagsvariabilität gemacht hat und dementsprechend angepasst ist. Um nicht nur lokale, sondern auch globale Einflüsse zu berücksichtigen, wird zum einen der Effekt einer sich verlangsamenden thermohalinen Zirkulation durch Klimaerwärmung und zum anderen der direkte Einfluss der Klimaerwärmung auf denn zentralen Amazonas Regenwald untersucht. Die Studie zeigt, dass beide Ereignisse gegensätzliche und somit sich ausgleichende Einflüsse auf die Vegetation im Amazonasgebiet haben können. Der Regenwald könnte somit stabil in Bezug auf den Klimawandel sein. Die vorliegende Dissertation Arbeit leistet auf der Basis von neu entwickelten Methoden einen wesentlichen Beitrag, um die Kenntnisse der betrachteten klimatischen und ökologischen Systeme zu vertiefen. / This thesis investigates the impact of changes in frequency and amount of precipitation in the Amazon rainforest and analyzes its development under the changing conditions due to global warming. In this context, complex network theory is utilized to investigate the South American monsoon system. The precipitation correlation structure reveals hidden features of the system, such as the transition from a disordered to an ordered monsoon system. Further developing existing network methods towards multilayer network tools allows for the investigation of the root causes for droughts in the central Amazon basin. By using a bivariate network between monthly precipitation in the central Amazon and Atlantic sea surface temperatures, distinct oceanic regions are identified to have a strong influence on central Amazonian precipitation. The formation of a climatological dipole between the northern and southern tropical Atlantic sea surface temperatures is found to precede droughts. As a result, this study is the first to give an early warning for droughts in the Amazon. To investigate the influence of rainfall variability on vegetation, a potential landscape is constructed from precipitation and Amazonian tree cover data. The resilience of the forest is found to directly depend on the local rainfall variability in the long-term past, thereby reflecting a vegetational training effect under specific environmental conditions. Considering climate change projections, this effect could be decisive for the future survival of the present rainforest vegetation state. In order to cover long-term influences of global warming, this thesis additionally investigates the effects of a slowing down of the Atlantic meridional overturning circulation and the direct influence of global warming on the southern Amazon rainforest.. It is revealed that these effects, although caused by global warming, have competitive impacts on precipitation in the Amazon basin, with a stabilizing effect of an Atlantic meridional overturning circulation slowdown on the Amazon rainforest. This dissertation provides newly developed, as well as adjusted methods to enhance our understanding of the considered climatological and vegetational systems. Together, they provide the basic tools for a further investigation of these complex systems.

A large number of complex systems can be modelled as networks of interacting units. From a mathematical point of view the topology of such systems can be represented as graphs of which the nodes represent individual elements of the system and the edges interactions or relations between them. In recent years networks have become a principal tool for analyzing complex systems in many different fields. This thesis introduces an information theoretic approach for finding characteristic connectivity patterns of networks, also called network motifs. Network motifs are sometimes also referred to as basic building blocks of complex networks. Many real world networks contain a statistically surprising number of certain subgraph patterns called network motifs. In biological and technological networks motifs are thought to contribute to the overall function of the network by performing modular tasks such as information processing. Therefore, methods for identifying network motifs are of great scientific interest. In the prevalent approach to motif analysis network motifs are defined to be subgraphs that occur significantly more often in a network when compared to a null model that preserves certain features of the network. However, defining appropriate null models and sampling these has proven to be challenging. This thesis introduces an alternative approach to motif analysis which looks at motifs as regularities of a network that can be exploited to obtain a more efficient representation of the network. The approach is based on finding a subgraph cover that represents the network using minimal total information. Here, a subgraph cover is a set of subgraphs such that every edge of the graph is contained in at least one subgraph in the cover while the total information of a subgraph cover is the information required to specify the connectivity patterns occurring in the cover together with their position in the graph. The thesis also studies the connection between motif analysis and random graph models for networks. Developing random graph models that incorporate high densities of triangles and other motifs has long been a goal of network research. In recent years, two such model have been proposed . However, their applications have remained limited because of the lack of a method for fitting such models to networks. In this thesis, we address this problem by showing that these models can be formulated as ensembles of subgraph covers and that the total information optimal subgraph covers can be used to match networks with such models. Moreover, these models can be solved analytically for many of their properties allowing for more accurate modelling of networks in general. Finally, the thesis also analyzes the problem of finding a total information optimal subgraph cover with respect to its computational complexity. The problem turns out to be NP-hard hence, we propose a greedy heuristic for it. Empirical results for several real world networks from different fields are presented. In order to test the presented algorithm we also consider some synthetic networks with predetermined motif structure.

A backbone network is the central part of the communication network, which provides connectivity within the various systems across large distances. Disruptions in a backbone network would cause severe consequences which could manifest in the service outage on a large scale. Depending on the size and the importance of the network, its failure could leave a substantial impact on the area it is associated with. The failures of the network services could lead to a significant disturbance of human activities. Therefore, making backbone communication networks more resilient directly affects the resilience of the area. Contemporary urban and regional development overwhelmingly converges with the communication infrastructure expansion and their obvious mutual interconnections become more reciprocal. Spreading failures are of particular interest. They usually originate in a single network segment and then spread to the rest of network often causing a global collapse. Two types of spreading failures are given focus, namely: epidemics and cascading failures. How to make backbone networks more resilient against spreading failures? How to tune the topology or additionally protect nodes or links in order to mitigate an effect of the potential failure? Those are the main questions addressed in this thesis. First, the epidemic phenomena are discussed. The subjects of epidemic modeling and identification of the most influential spreaders are addressed using a proposed Linear Time-Invariant (LTI) system approach. Throughout the years, LTI system theory has been used mostly to describe electrical circuits and networks. LTI is suitable to characterize the behavior of the system consisting of numerous interconnected components. The results presented in this thesis show that the same mathematical toolbox could be used for the complex network analysis. Then, cascading failures are discussed. Like any system which can be modeled using an interdependence graph with limited capacity of either nodes or edges, backbone networks are prone to cascades. Numerical simulations are used to model such failures. The resilience of European National Research and Education Networks (NREN) is assessed, weak points and critical areas of the network are identified and the suggestions for its modification are proposed.

Complex systems can often be modelled as networks, in which their basic units are represented by abstract nodes and the interactions among them by abstract links. This network of interactions is the key to understanding emergent collective phenomena in such systems. In most cases, it is an adaptive network, which is defined by a feedback loop between the local dynamics of the individual units and the dynamical changes of the network structure itself. This feedback loop gives rise to many novel phenomena. Adaptive networks are a promising concept for the investigation of collective phenomena in different systems. However, they also present a challenge to existing modelling approaches and analytical descriptions due to the tight coupling between local and topological degrees of freedom. In this thesis, I present a simple rule-based framework for the investigation of adaptive networks, using which a wide range of collective phenomena can be modelled and analysed from a common perspective. In this framework, a microscopic model is defined by the local interaction rules of small network motifs, which can be implemented in stochastic simulations straightforwardly. Moreover, an approximate emergent-level description in terms of macroscopic variables can be derived from the microscopic rules, which we use to analyse the system\'s collective and long-term behaviour by applying tools from dynamical systems theory. We discuss three adaptive-network models for different collective phenomena within our common framework. First, we propose a novel approach to collective motion in insect swarms, in which we consider the insects\' adaptive interaction network instead of explicitly tracking their positions and velocities. We capture the experimentally observed onset of collective motion qualitatively in terms of a bifurcation in this non-spatial model. We find that three-body interactions are an essential ingredient for collective motion to emerge. Moreover, we show what minimal microscopic interaction rules determine whether the transition to collective motion is continuous or discontinuous. Second, we consider a model of opinion formation in groups of individuals, where we focus on the effect of directed links in adaptive networks. Extending the adaptive voter model to directed networks, we find a novel fragmentation mechanism, by which the network breaks into distinct components of opposing agents. This fragmentation is mediated by the formation of self-stabilizing structures in the network, which do not occur in the undirected case. We find that they are related to degree correlations stemming from the interplay of link directionality and adaptive topological change. Third, we discuss a model for the evolution of cooperation among self-interested agents, in which the adaptive nature of their interaction network gives rise to a novel dynamical mechanism promoting cooperation. We show that even full cooperation can be achieved asymptotically if the networks\' adaptive response to the agents\' dynamics is sufficiently fast.

Complex networks are employed as a mathematical description of complex systems in many different fields, ranging from biology to sociology, economy and ecology. Dynamical processes in these systems often display phase transitions, where the dynamics of the system changes qualitatively. In combination with these phase transitions certain components of the system might irretrievably go extinct. In this case, we talk about absorbing transitions. Developing mathematical tools, which allow for an analysis and prediction of the observed phase transitions is crucial for the investigation of complex networks. In this thesis, we investigate absorbing transitions in dynamical networks, where a certain amount of diversity is lost. In some real-world examples, e.g. in the evolution of human societies or of ecological systems, it is desirable to maintain a high degree of diversity, whereas in others, e.g. in epidemic spreading, the diversity of diseases is worthwhile to confine. An understanding of the underlying mechanisms for emergence and persistence of diversity in complex systems is therefore essential. Within the scope of two different network models, we develop an analytical approach, which can be used to estimate the prerequisites for diversity. In the first part, we study a model for opinion formation in human societies. In this model, regimes of low diversity and regimes of high diversity are separated by a fragmentation transition, where the network breaks into disconnected components, corresponding to different opinions. We propose an approach for the estimation of the fragmentation point. The approach is based on a linear stability analysis of the fragmented state close to the phase transition and yields much more accurate results compared to conventional methods. In the second part, we study a model for the formation of complex food webs. We calculate and analyze coexistence conditions for several types of species in ecological communities. To this aim, we employ an approach which involves an iterative stability analysis of the equilibrium with respect to the arrival of a new species. The proposed formalism allows for a direct calculation of coexistence ranges and thus facilitates a systematic analysis of persistence conditions for food webs. In summary, we present a general mathematical framework for the calculation of absorbing phase transitions in complex networks, which is based on concepts from percolation theory. While the specific implementation of the formalism differs from model to model, the basic principle remains applicable to a wide range of different models.

Das Klimasystem der Erde besteht aus zahlreichen interagierenden Teilsystemen, die sich über verschiedene Zeitskalen hinweg verändern, was zu einer äußerst komplizierten räumlich-zeitlichen Klimavariabilität führt. Das Verständnis von Prozessen, die auf verschiedenen räumlichen und zeitlichen Skalen ablaufen, ist ein entscheidender Aspekt bei der numerischen Wettervorhersage. Die Variabilität des Klimas, ein sich selbst konstituierendes System, scheint in Mustern auf großen Skalen organisiert zu sein. Die Verwendung von Klimanetzwerken hat sich als erfolgreicher Ansatz für die Erkennung der räumlichen Ausbreitung dieser großräumigen Muster in der Variabilität des Klimasystems erwiesen. In dieser Arbeit wird mit Hilfe von Klimanetzwerken gezeigt, dass die Klimavariabilität nicht nur auf größeren Skalen (Asiatischer Sommermonsun, El Niño/Southern Oscillation), sondern auch auf kleineren Skalen, z.B. auf Wetterzeitskalen, in Mustern organisiert ist. Dies findet Anwendung bei der Erkennung einzelner tropischer Wirbelstürme, bei der Charakterisierung binärer Wirbelsturm-Interaktionen, die zu einer vollständigen Verschmelzung führen, und bei der Untersuchung der intrasaisonalen und interannuellen Variabilität des Asiatischen Sommermonsuns. Schließlich wird die Anwendbarkeit von Klimanetzwerken zur Analyse von Vorhersagefehlern demonstriert, was für die Verbesserung von Vorhersagen von immenser Bedeutung ist. Da korrelierte Fehler durch vorhersagbare Beziehungen zwischen Fehlern verschiedener Regionen aufgrund von zugrunde liegenden systematischen oder zufälligen Prozessen auftreten können, wird gezeigt, dass Fehler-Netzwerke helfen können, die räumlich kohärenten Strukturen von Vorhersagefehlern zu untersuchen. Die Analyse der Fehler-Netzwerk-Topologie von Klimavariablen liefert ein erstes Verständnis der vorherrschenden Fehlerquelle und veranschaulicht das Potenzial von Klimanetzwerken als vielversprechendes Diagnoseinstrument zur Untersuchung von Fehlerkorrelationen. / The Earth’s climate system consists of numerous interacting subsystems varying over a multitude of time scales giving rise to highly complicated spatio-temporal climate variability. Understanding processes occurring at different scales, both spatial and temporal, has been a very crucial problem in numerical weather prediction. The variability of climate, a self-constituting system, appears to be organized in patterns on large scales. The climate networks approach has been very successful in detecting the spatial propagation of these large scale patterns of variability in the climate system. In this thesis, it is demonstrated using climate network approach that climate variability is organized in patterns not only at larger scales (Asian Summer Monsoon, El Niño-Southern Oscillation) but also at shorter scales, e.g., weather time scales. This finds application in detecting individual tropical cyclones, characterizing binary cyclone interaction leading to a complete merger, and studying the intraseasonal and interannual variability of the Asian Summer Monsoon. Finally, the applicability of the climate network framework to understand forecast error properties is demonstrated, which is crucial for improvement of forecasts. As correlated errors can arise due to the presence of a predictable relationship between errors of different regions because of some underlying systematic or random process, it is shown that error networks can help to analyze the spatially coherent structures of forecast errors. The analysis of the error network topology of a climate variable provides a preliminary understanding of the dominant source of error, which shows the potential of climate networks as a very promising diagnostic tool to study error correlations.

Kollektive biologische Systeme sammeln Informationen und leiten diese intern weiter, um Umweltveränderungen zu detektieren und auf sie zu reagieren. In Tiergruppen können die probabilistischen Entscheidungen von Individuen durch diese kollektive Informationsverarbeitung verbessert werden. Die dem sozialen Austausch zu Grunde liegenden Sinneswahrnehmungen finden jedoch in gängigen Modellen kollektiven Verhaltens kaum Beachtung. Hier untersuche ich, wie der individuelle Zugang zu sozialen Informationen durch visuelle Wahrnehmung und räumliche Gruppenstruktur geformt wird. Zuerst untersuche ich Fluchtwellen in Fischschwärmen in zwei als unterschiedlich riskant wahrgenommenen Kontexten mithilfe empirisch ermittelter visueller Interaktionsnetzwerke. Die beobachtete strukturelle Änderung der Gruppen zwischen den Kontexten erweist sich als essenziell, um die Änderung der Fluchtwellengröße zu erklären und optimiert potenziell die kollektive Informationsverarbeitung im jeweiligen Kontext. Von optimaler Informationsverarbeitung wird in biologischen Systemen oft angenommen, dass sie an Phasenübergängen in deren kollektiver Dynamik stattfindet, sogenannten kritischen Punkten. Die beobachtete strukturelle Änderung ändert den Abstand des Schwarmverhaltens zu einem solchen kritischen Punkt. Jedoch bleiben die Gruppen subkritisch in beiden Kontexten, vermutlich aus Notwendigkeit, tatsächliche Warnungen zu verstärken und falsche zu unterdrücken. Im zweiten Teil vergleiche ich visuelle Netzwerke mit anderen räumlichen Netzwerken bezüglich ihrer Struktur und dem Verhalten von Ausbreitungsprozessen auf ihnen. Einzig visuelle Netzwerke zeigen bei mittleren Gruppendichten Optima in zentralen Netzwerkeigenschaften und behalten realistische Eigenschaften bei hohen und niedrigen Dichten. Abschließend entwickle ich eine analytische Näherung zentraler Netzwerkeigenschaften solcher visuellen Netzwerke. / Collective biological systems gather information and propagate it internally to detect and react to environmental changes. In animal groups the probabilistic decisions of individuals can be improved by this collective information processing. Animals rely on sensory cues for social communication, yet common models of collective behavior neglect this sensory basis of interactions. Here, I investigate how an individual’s access to social information is shaped by visual sensory limitations and spatial group structure. First, escape waves in fish schools are studied under two levels of perceived environmental risk using empirically inferred visual interaction networks. Group-structural change is found to be crucial to explain the observed differences in size of escape waves and potentially optimize collective information processing according to the state of the environment. Optimal information processing in biological systems is often hypothesized to occur at phase transitions in their collective dynamics, so-called critical points. Here, the observed change in group structure modifies the schools’ distance to a critical point. Yet groups stay subcritical in both experimental setups, which may manage a trade-off between sensitivity to true alarms and robustness to false ones. In a second part, visual networks are compared to other spatial networks in structure and behavior of spreading processes on them. Visual networks show a unique dependence on group density with optima in network structural measures at intermediate densities, making them more realistic than other networks at high and low densities. Finally, an analytical approximation of central properties of visual networks is developed. Overall, this thesis identifies group structure as a potential control mechanism of collective information processing, highlights the trade-off associated with criticality in noisy systems and provides a systematic study and analytic approximation of visual sensory networks.

Basierend auf der Theorie von Netzwerken wird ein allgemeines Rahmenwerk entwickelt, um kollektive Synchronisationsphänome von Extremereignissen in komplexen Systemen zu studieren. Die Methode vergleicht die Variabilität der einzelnen Teile des Systems auf Grundlage von Beobachtungszeitreihen mit dem Ziel, emergente Synchronisationsmuster von Extremereignissen auf makroskopischer Ebene aufzudecken. Zu diesem Zweck werden die einzelnen Zeitreihen eines interaktiven Systems mit den Knoten eines Netzwerks identifiziert und die Abhängigkeiten zwischen diesen durch die Kanten des Netzwerks dargestellt. Die komplexe interne Synchronisationsstruktur des Systems wird so in Form der Netzwerktopologie mathematisch zugänglich gemacht und kann durch die Einführung geeigneter Netzwerkmaße analysiert werden. Die Methode wird im Folgenden auf räumlich und zeitlich hochaufgelöste Regendaten aus Satellitenmessungen angewendet, um die kollektive Dynamik extremer Regenereignisse in Südamerika zu untersuchen. Diese Anwendung verfolgt drei Ziele: Erstens wird gezeigt, wie die hier entwickelte Methode zur klimatologischen Analyse verwendet werden kann. Zweitens können Quellen und Senken von Extremereignissen durch die Einführung des Konzeptes der Netzwerkdivergenz identifiziert werden. Dies erlaubt es, die gerichteten Netzwerkpfade, entlang derer Extremereignisse synchronisieren, nachzuverfolgen. Auf dieser Grundlage wird eine statistische Regel gewonnen, die beträchtliche Anteile der extremen Regenereignisse in den Zentralanden vorhersagt. Drittens werden die bis dahin entwickelten Methoden und gewonnenen Einsichten dazu verwendet, die Darstellung extre- mer Regenereignisse in verschiedenen Datensätzen zu vergleichen. Insbesondere wird in diesem Kontext die Implementierung solcher Ereignisse in drei gängigen Klimamodellen evaluiert. / Based on the theory of networks, a general framework is developed to study collective synchronization phenomena of extreme events in complex systems. The method relies on observational time series encoding the variability of the single parts of the system, and is intended to reveal emerging patterns of extreme event synchronization on the macroscopic level. For this purpose, the time series obtained from an interactive system under consideration are identified with network nodes, and the possibly delayed and non-linear interdependence of extreme events in different time series is represented by network links connecting the nodes. In this way, the complex internal synchronization structure of the system becomes accessible in terms of the topology of the network, which can be analyzed by introducing suitable network measures. The methodology is applied to satellite-derived rainfall time series of high spatiotemporal resolution in order to investigate the collective dynamics of extreme rainfall events in South America. The purpose of this application is threefold: First, it is shown how the methodology can be used for climatic analysis by revealing climatological mechanism from the spatial patterns exhibited by different network measures. Second, by introducing the concept of network divergence, sink and source regions of extreme events can be identified, allowing to track their directed synchronization pathways through the network. A simple statistical forecast rule is derived on this basis, predicting substantial fractions of extreme rainfall events in the Central Andes. Third, the methodology and the insights developed in the first two steps are used to evaluate the dynamical representation of extreme events in different datasets, and in particular their dynamical implementation in three state of the art climate models.

Synchonisation ist ein universelles Phänomen welches in den Natur- und Ingenieurwissenschaften, aber auch in Sozialsystemen vorkommt. Verschiedene Modellsysteme wurden zur Beschreibung von Synchronisation vorgeschlagen, wobei das Kuramoto-Modell das am weitesten verbreitete ist. Das Kuramoto-Modell zweiter Ordnung beschreibt eigenständige Phasenoszillatoren mit heterogenen Eigenfrequenzen, die durch den Sinus ihrer Phasendifferenzen gekoppelt sind, und wird benutzt um nichtlineare Dynamiken in Stromnetzen, Josephson-Kontakten und vielen anderen Systemen zu analysieren. Im Laufe der letzten Jahre wurden insbesondere Netzwerke von Kuramoto-Oszillatoren studiert, da sie einfach genug für eine analytische Beschreibung und denoch reich an vielfältigen Phänomenen sind. Eines dieser Phänomene, explosive synchronization, entsteht in skalenfreien Netzwerken wenn eine Korrelation zwischen den Eigenfrequenzen der Oszillatoren und der Netzwerktopolgie besteht. Im ersten Teil dieser Dissertation wird ein Kuramoto-Netzwerk zweiter Ordnung mit einer Korrelation zwischen den Eigenfrequenzen der Oszillatoren und dem Netzwerkgrad untersucht. Die Theorie im Kontinuumslimit und für unkorrelierte Netzwerke wird für das Modell mit asymmetrischer Eigenfrequenzverteilung entwickelt. Dabei zeigt sich, dass Cluster von Knoten mit demselben Grad nacheinander synchronisieren, beginnend mit dem kleinsten Grad. Dieses neue Phänomen wird als cluster explosive synchronization bezeichnet. Numerische Untersuchungen zeigen, dass dieses Phänomen auch durch die Zusammensetzung der Netzwerkgrade beeinflusst wird. Zum Beispiel entstehen unstetige Übergänge nicht nur in disassortativen, sondern auch in stark assortativen Netzwerken, im Gegensatz zum Kuramoto-Modell erster Ordnung.Unstetige Phasenübergänge lassen sich anhand eines Ordnungsparameters und der Hysterese auf unterschiedliche Anfangsbedingungen zurückführen. Unter starken Störungen kann das System von wünschenswerten in nicht gewünschte Zustände übergehen. Diese Art der Stabilität unter starken Störungen kann mit dem Konzept der basin stability quantifiziert werden. Im zweiten Teil dieser Dissertation wird die basin stability der Synchronisation im Kuramoto-Modell zweiter Ordnung untersucht, wobei die Knoten separat gestört werden. Dabei wurde ein neues Phänomen mit zwei nacheinander auftretenden Übergängen erster Art entdeckt: Eine \emph{onset transition} von einer globalen Stabilität zu einer lokalen Instabilität, und eine suffusing transition von lokaler zu globaler Stabilität. Diese Abfolge wird als onset and suffusing transition bezeichnet.Die Stabilität von Netzwerknoten kann durch die lokale Netzwerktopologie beeinflusst werden, zum Beispiel haben Knoten neben Netzwerk-Endpunkten eine geringe basin stability. Daraus folgend wird ein neues Konzept der partiellen basin stability vorgeschlagen, insbesondere für cluster synchronization, um die wechselseitigen Stabilitätseinflüsse von Clustern zu quantifizieren.Dieses Konzept wird auf zwei wichtige reale Beispiele angewandt: Neuronale Netzwerke und das nordeuropäische Stromnetzwerk. Die neue Methode erlaubt es instabile und stabile Cluster in neuronalen Netzwerken zu identifizieren und erklärt wie Netzwerk-Endpunkte die Stabilität gefährden. / Synchronization phenomena are ubiquitous in the natural sciences and engineering, but also in social systems. Among the many models that have been proposed for a description of synchronization, the Kuramoto model is most popular. It describes self-sustained phase oscillators rotating at heterogeneous intrinsic frequencies that are coupled through the sine of their phase differences. The second-order Kuramoto model has been used to investigate power grids, Josephson junctions, and other systems.The study of Kuramoto models on networks has recently been boosted because it is simple enough to allow for a mathematical treatment and yet complex enough to exhibit rich phenomena. In particular, explosive synchronization emerges in scale-free networks in the presence of a correlation between the natural frequencies and the network topology. The first main part of this thesis is devoted to study the networked second-order Kuramoto model in the presence of a correlation between the oscillators'' natural frequencies and the network''s degree. The theoretical framework in the continuum limit and for uncorrelated networks is provided for the model with an asymmetrical natural frequency distribution. It is observed that clusters of nodes with the same degree join the synchronous component successively, starting with small degrees. This novel phenomenon is named cluster explosive synchronization. Moreover, this phenomenon is also influenced by the degree mixing in the network connection as shown numerically. In particular, discontinuous transitions emerge not just in disassortative but also in strong assortative networks, in contrast to the first-order model. Discontinuous phase transitions indicated by the order parameter and hysteresis emerge due to different initial conditions. For very large perturbations, the system could move from a desirable state to an undesirable state. Basin stability was proposed to quantify the stability of a system to stay in the desirable state after being subjected to strong perturbations. In the second main part of this thesis, the basin stability of the synchronization of the second-order Kuramoto model is investigated via perturbing nodes separately. As a novel phenomenon uncovered by basin stability it is demonstrated that two first-order transitions occur successively in complex networks: an onset transition from a global instability to a local stability and a suffusing transition from a local to a global stability. This sequence is called onset and suffusing transition.Different nodes could have a different stability influence from or to other nodes. For example, nodes adjacent to dead ends have a low basin stability. To quantify the stability influence between clusters, in particular for cluster synchronization, a new concept of partial basin stability is proposed. The concept is implemented on two important real examples: neural networks and the northern European power grid. The new concept allows to identify unstable and stable clusters in neural networks and also explains how dead ends undermine the network stability of power grids.