Was ist Multiagentensimulation? Eine leicht verständliche Anleitung

Die Multiagentensimulation ist eine Methode zur Untersuchung eines Systems, indem viele unabhängige Akteure, sogenannte Agenten, modelliert werden. Jeder Agent verfügt über eigene Regeln, Ziele und Persönlichkeitsmerkmale. Das Gesamtergebnis ergibt sich aus der Interaktion der Agenten. Anstatt eine einzige Gleichung für „den Markt“ oder die „öffentliche Meinung“ aufzustellen, beschreibt man die einzelnen Akteure und beobachtet das Verhalten der Gruppe. Dank moderner Sprachmodelle können diese Agenten in natürlicher Sprache lesen, schreiben und sich erinnern. Dadurch eignet sich die Methode besonders für Fragestellungen zum menschlichen Verhalten.

Die Kernidee: Verhalten entsteht aus Interaktion

Viele wichtige Ergebnisse werden nicht von einem einzelnen Akteur bestimmt. Verkehrsstaus, Preisspiralen, sich verbreitende Gerüchte und Stimmungsschwankungen in der Bevölkerung entstehen aus einer Vielzahl lokaler Entscheidungen, die sich gegenseitig beeinflussen. Multiagentensimulationen tragen diesem Umstand Rechnung.

Eine typische Simulation besteht aus drei Komponenten:

• Agenten : die Akteure, jeder mit seinem eigenen Zustand (was er weiß, will oder glaubt) und Verhalten (wie er entscheidet, was als Nächstes zu tun ist).
• Eine Umgebung : der Raum, in dem Akteure agieren und einander beobachten, wie beispielsweise eine Karte, ein Markt oder ein soziales Netzwerk.
• Zeitschritte oder Runden : In jedem Schritt beobachten, entscheiden und handeln die Akteure, wodurch sich die Umgebung verändert.

Das Besondere an diesem Ansatz ist die Emergenz : Muster auf Gruppenebene entstehen, die niemand direkt programmiert hat. Eine kleine Präferenz jedes Einzelnen kann durch wiederholte Interaktion ein großes und überraschendes kollektives Ergebnis hervorbringen.

Ursprung: agentenbasierte Modellierung

Die Idee ist nicht neu. Forscher aus den Bereichen Wirtschaftswissenschaften, Ökologie, Soziologie und Informatik nutzen agentenbasierte Modelle bereits seit Jahrzehnten. Frühe Arbeiten aus den 1970er-Jahren zeigten anhand sehr einfacher Regeln auf einem Raster, wie geringfügige individuelle Präferenzen gegenüber Nachbarn zu starker Segregation in ganzen Nachbarschaften führen können. In den folgenden Jahrzehnten entwickelten Forscher künstliche Gesellschaften, simulierten Märkte und Modelle für Epidemien, Herdenverhalten von Tieren und Verkehr.

Diese klassischen Modelle haben eine Gemeinsamkeit: Die Akteure sind bewusst einfach gehalten. Jedes Modell folgt einer Handvoll numerischer Regeln, was das Modell zwar transparent und leicht analysierbar macht, aber auch seine Aussagekraft hinsichtlich komplexer menschlicher Verhaltensweisen wie Überredung, Framing oder Ironie einschränkt.

Die neue Welle: Agenten, die auf Sprachmodellen basieren

Große Sprachmodelle haben das Spektrum der Möglichkeiten von Agenten grundlegend verändert. Seit etwa 2023 zeigen Forschungen zu sogenannten generativen Agenten, dass sprachmodellbasierte Agenten, denen eine Persönlichkeit, Erinnerungen an vergangene Ereignisse und die Fähigkeit zur Reflexion über diese Erinnerungen gegeben werden, sich in einer simulierten Gemeinschaft überraschend glaubwürdig verhalten können: Sie planen ihre Tage, bilden sich Meinungen, geben Neuigkeiten weiter und koordinieren sich miteinander.

Im Vergleich zu klassischen agentenbasierten Modellen bieten sprachmodellbasierte Agenten folgende Vorteile:

• Kommunizieren Sie in natürlicher Sprache , damit die Menschen auf den tatsächlichen Wortlaut einer Aussage reagieren können und nicht nur auf eine Zahl.
• Verkörpern Sie vielschichtige Persönlichkeiten , die Hintergrund, Werte und Tonfall miteinander verbinden.
• Merken und aktualisieren Sie frühere Gespräche, damit diese das spätere Verhalten prägen.

Der Nachteil besteht darin, dass sie weniger transparent und teurer im Betrieb sind als regelbasierte Agenten, und ihr Verhalten spiegelt die Stärken und Verzerrungen des zugrunde liegenden Modells wider.

Wie InfoDome es anwendet

InfoDome nutzt sprachmodellbasierte Agenten, um Reaktionen der Öffentlichkeit und von Interessengruppen zu simulieren. Sie laden Dokumente hoch und beschreiben Ihre gewünschten Vorhersagen. InfoDome extrahiert daraus einen Wissensgraphen der Personen, Organisationen und Gruppen in Ihrem Material und erstellt anschließend Hunderte von Agenten mit jeweils eigenem Charakter, eigener Position und eigenem Langzeitgedächtnis. Diese Agenten sind auf bis zu zehn von Ihnen ausgewählte Zielgruppenländer verteilt. Sie interagieren parallel in einem Twitter -ähnlichen Feed und einem Reddit -ähnlichen Forum über eine festgelegte Anzahl von Runden. Ein Analystenagent verfasst einen Vorhersagebericht, den Sie – wie auch jeden einzelnen Agenten – hinterfragen können. Die einzelnen Schritte werden im Artikel „Wie KI-gestützte Massensimulation Reaktionen vorhersagt“ erläutert.

Wann hilft die Multiagentensimulation?

Die Methode ist besonders wertvoll, wenn das Ergebnis von Interaktion und nicht von einer einzelnen Entscheidung abhängt:

• Reaktionen, die auf Reaktionen aufbauen : Krisen, Gerüchte, öffentliche Debatten, bei denen die Reaktion auf die erste Reaktion am wichtigsten ist.
• Viele Interessengruppen mit unterschiedlichen Interessen : politische Änderungen, Umstrukturierungen der Organisation, Verhandlungen.
• Strategisches Zusammenspiel : Reaktionen der Konkurrenten oder Planspiele, bei denen sich jede Seite an die andere anpasst.
• Frühe Exploration : wenn Sie schnell Hypothesen benötigen, vor einer Umfrage oder Feldstudie, oder wenn ein realer Test zu kostspielig oder zu riskant ist.
• Botschaftsvergleich : Man konfrontiert dieselbe Zielgruppe mit zwei Versionen einer Aussage, um zu sehen, welche Formulierung mehr Anklang findet.

Wenn es nicht hilft

Genauso wichtig ist es zu wissen, wann man es nicht verwenden sollte:

• Wenn Sie repräsentative Zahlen benötigen. Eine Simulation ist keine Umfrage; ihre Proportionen sollten nicht als realweltliche Prozentsätze interpretiert werden.
• Wenn gute historische Daten die Frage bereits beantworten. Wenn Sie jahrelange Verkaufsdaten für ein stabiles Produkt haben, kann eine statistische Prognose zuverlässiger sein.
• Wenn die Informationen spärlich sind, sind Agenten nur so fundiert wie das Material, aus dem sie aufgebaut sind. Fehlende Stakeholder bedeuten fehlende Stimmen.
• Wenn Sie Gewissheit wünschen. Verschiedene Testläufe können unterschiedlich verlaufen. Das Ergebnis ist eine überprüfbare Hypothese, die die Beurteilung unterstützt; sie ersetzt sie jedoch nicht.

Ein ausgearbeitetes Beispiel

Ein mittelständisches Logistikunternehmen erwägt die Einführung einer Vier-Tage-Woche für seine Büroangestellten. Die Geschäftsleitung möchte wissen, wie Mitarbeiter, Teamleiter und Kunden darauf reagieren könnten. Ein Tabellenkalkulationsmodell könnte zwar die Kosten schätzen, aber nicht, wie sich ein Gerücht über „versteckte Überstunden“ unter den Mitarbeitern verbreiten könnte oder wie ein wichtiger Kunde die Nachricht aufnehmen würde.

Das HR-Team lädt den internen Vorschlag und eine Zusammenfassung einer kürzlich durchgeführten Mitarbeiterbefragung auf InfoDome hoch, beschreibt die Frage und führt 20 Befragungsrunden in einem Land durch. Im Forum äußern Teamleiter Bedenken hinsichtlich der Erreichbarkeit am Freitag; im Feed begrüßen jüngere Mitarbeiter die Änderung, befürchten aber, dass die Arbeitsbelastung lediglich komprimiert wird. Ein Kundenbetreuer fragt, ob sich die Reaktionszeiten ändern werden. Der Bericht des Analysten legt nahe, dass die Klarheit bezüglich der Erreichbarkeit am Freitag sowohl für Teamleiter als auch für Kunden der entscheidende Faktor ist.

Im Gespräch mit einem Teamleiter erfährt die Personalabteilung, dass ein rotierender Freitagsarbeitsplan ihre Bedenken ausräumen würde. Die Führungsebene betrachtet dies als Hypothese, die in einem Pilotprojekt mit zwei Abteilungen getestet werden soll, nicht als endgültige Lösung. Das ist ein gutes Beispiel für den Einsatz von Multiagentensimulationen: Sie haben eine vage Frage auf eine konkrete, überprüfbare Fragestellung eingegrenzt. Wenn Sie an ähnlichen zukunftsorientierten Fragestellungen arbeiten, ist die Szenarioplanung ein guter Ausgangspunkt.

Erste Schritte

Für die Durchführung einer Multiagenten-Simulation mit InfoDome benötigen Sie keine Programmierkenntnisse. Der Einzelplan kostet 29 € pro Monat, beinhaltet ein monatliches KI-Nutzungsbudget von 9 € und unbegrenzte Projekte und ist jederzeit kündbar. Bereiten Sie Ihr erstes Szenario in der Konsole vor ; Sie können bereits vor der Anmeldung eine Aufgabe einrichten.