Agentenbasierte Modellierung (ABM)

Agentenbasierte Modellierung (ABM)

Agentenbasierte Modellierung (ABM)

Unter agentenbasierter Modellierung (ABM) kann eine Methode zur Simulation von komplexen Systemen verstanden werden. Als solche Systeme gelten z.B. Finanzmärkte, Gesellschaften, Infrastrukturnetze oder auch Organisationen, welche sich mithilfe der agentenbasierten Modellierung detailliert darstellen und realitätsnah simulieren lassen und dadurch eine verlässliche Darstellung – eben Simulation – dieser komplexen Systeme und Phänomene im Sinne der oft unvorhersehbaren Ereignisse innerhalb dieser Systeme gewährleistet ist.

In der Regel bestehen ABMs aus drei unterschiedlichen Komponenten: den Agenten selbst, der Umwelt, in der sich die Agenten befinden und bewegen, und den Regeln, denen die Agenten Folge leisten.

Im Gegensatz zu anderen Modellierungsansätzen wird bei der agentenbasierten Modellierung das Verhalten auf der Makroebene durch lokale Interaktion von Akteuren auf der Mikroebene gebildet.

Die zentrale Fähigkeit der ABM liegt also darin, ein komplexes und Veränderungen unterworfenes System aussagekräftig untersuchen zu können: Die Agenten beeinflussen sich einerseits gegenseitig und reagieren andererseits auf die Veränderungen ihrer Umgebung, die sich durch die Verhaltensweisen der Agenten wiederum selbst wandeln kann. So kann das System mit seinen heterogenen Phänomenen und unvorhersehbaren Veränderungen unter Einbeziehung aller Faktoren simuliert werden – was im Ergebnis zu aussagekräftigen Prognosen führt.

Wie funktioniert agentenbasierte Modellierung (ABM)?

Agentenbasierte Modellierung besteht aus verschiedenen autonomen Agenten, welche jeweils so programmiert sind, dass sie bestimmte Entscheidungen nach bereits vorher definierten, konkreten Regeln treffen. Während diesem Prozess entstehen Interaktionen, die zu neuen Mustern führen. Diese neu entstehenden Muster wären bei einer isolierten Betrachtung der einzelnen Agenten und deren jeweiligem Beitrag möglicherweise gar nicht offensichtlich gewesen.

Im Gegensatz zu anderen Arten von Modellierungen verfügen bei der ABM viele verschiedene Agenten oder auch Einheiten über Entscheidungs- sowie Handlungsmöglichkeiten. Agentenbasierte Modellierung ermöglicht, Verbindungen zwischen Mikroebene und Makroebene genau zu modellieren oder zu untersuchen.

Agenten

Bei der agentenbasierten Modellierung spielt das Verhalten der Agenten als Einheiten im Mittelpunkt eine große Rolle. Doch wie lassen sich diese Agenten eigentlich definieren?

Die softwarebasierten Agenten können sowohl belebt als auch unbelebt sein und sind durch interne Zustände, wie z.B. Alter oder Geschlecht, charakterisiert, wodurch jeder einzelne Agent über individuelle Eigenschaften verfügt. Außerdem können Entscheidungsprozesse von vielen Agenten zur gleichen Zeit abgewickelt werden. So können große Populationen an heterogenen Agenten entstehen und beobachtet werden. Der Fokus der Beobachtung liegt dabei auf den Interaktionsprozessen der Agenten. Heterogen können Agenten in mehreren Dimensionen sein. Unterscheiden können sie sich hinsichtlich ihrer individuellen Eigenschaften, bezogen auf das Geschlecht, den Wohnort, die Bildung sowie bestimmte Einstellungen und Werte. Häufig wird in Simulationsmodellen mit expliziten Agententypen gearbeitet, welche typische Kombinationen dieser Eigenschaften aufweisen.

Regeln

Die Agenten folgen bestimmten Regeln. Diese sind Eigenschaften, die beeinflussen, welche Entscheidungen getroffen werden. Außerdem bestimmen sie, wie Informationen beschafft sowie verbreitet werden, welche Verhaltensstrategien sie verwenden und welchen Grad an Rationalität das Handeln der Agenten hat. Es kann zusätzlich auch abgebildet werden, dass einzelne Agenten unterschiedliche individuelle Netzwerke haben, innerhalb derer z.B. Informationen ausgetauscht werden. Jeder Agent orientiert sich bei einer Entscheidung oder Interaktion an individuellen Präferenzen und versucht eine subjektive Lösung zu finden.

Anwendungsbereiche von agentenbasierter Modellierung (ABM)

Die Anwendung von agentenbasierter Modellierung ist vor allem in Situationen nützlich, welche die Interaktionen von mehreren verhaltensbezogenen oder menschlichen Einheiten beinhalten. ABM hilft, die Auswirkungen verschiedener individueller Handlungen und das Verhalten von unterschiedlichen Akteuren gesammelt auf ein System zu simulieren.

In der Forschung wird agentenbasierte Modellierung primär für Interaktionen von Akteuren genutzt, sodass daraus eine Sozialsimulation abgeleitet werden kann. Die internen Zustände sowie das vorhandene Expertenwissen werden dabei allerdings eher ausgeblendet. Da sich ein solches Modell durch eine empirische Beobachtung validieren lässt, hat sich die agentenbasierte Modellierung auch in der Sozialforschung durchgesetzt.

ABM erfreut sich sowohl in den Wirtschafts- als auch in den Sozialwissenschaften einer zunehmend steigenden Beliebtheit. Wertvolle Daten für die Entwicklung von agentenbasierten Modellen liefern andere populäre sozialwissenschaftliche Methoden wie Beobachtungen, Fallstudien, Interviews oder Erhebungen. Dabei spricht man von einem komplementären Zusammenspiel der unterschiedlichen Forschungsansätze.

Agentenbasierte Modellierung als Methode für Simulationen und Untersuchung von komplexen Systemen bietet unzählige Vorteile und wird dementsprechend heutzutage in vielen verschiedenen Anwendungsbereichen erfolgreich verwendet.

Agentenbasierte Modellierung (ABM) in großen Unternehmen und Regierungsorganisationen

Große Unternehmen sowie auch Regierungsorganisationen verfügen heutzutage über große Mengen an Daten in ihren Systemen und Datenbanken. Mithilfe der agentenbasierten Modellierung können diese Daten zum Einsatz gebracht werden. Reale personalisierte Eigenschaften und Verhaltensweisen, wie z.B. persönliche Gewohnheiten, Ausfälle von Equipments, Timing von Prozessen sowie gesundheitsbezogene Daten können mithilfe agentenbasierter Modelle, welche Individuen aufweisen, direkt aus den entsprechenden Datenbanken gelesen werden.

Agentenbasierte Modellierung findet primär Anwendung im wissenschaftlichen Kontext. Besonders populär ist die komplexe Methode in den Wirtschafts- und Sozialwissenschaften. Darüber hinaus findet sie aber auch Anwendung in Organisationen sowie Unternehmen, dabei nicht nur bei den Big Playern am Markt, sondern auch in kleineren und mittelständischen Firmen.

Quellen

Reference 1. Nigel Gilbert, “Agent-Based Models”, http://www.sagepub.com/upm-data/17239_Chapter_1.pdf, last accessed Aug 2014. Further Reading 1. See the Artificial World for Forecasting (Dream Valley) Project, by the International Institute for Applied Systems Analysis, http://www.iiasa.ac.at/web/home/research/researchProjects/DreamValley.en.html, last accessed Aug 2014.

Auswahl unserer Referenzen
  • AIRBUS
  • European Environment Agency - European Union
  • Techniker Krankenkasse
  • European Commission
  • Bundesministerium für Digitalisierung und Wirtschaftsstandort
  • Melde- und Analysestelle Informationssicherung MELANI
  • NATO – North Atlantic Treaty Organization
  • Bundesministerium für Landesverteidigung
  • Kuratorium Sicheres Österreich
  • SOS-Kinderdorf
  • smart parking in Dubai - Roads and Transport Authority
  • AIT Austrian Institute of Technology