Konflikt und Kooperation

Akteursmodelle in Ökonomie und Ökologie

von Jürgen Scheffran

„Sollen zwei Nachbarländer Zölle auf die Produkte des jeweils anderen erheben? Sollen zwei Firmen, die dasselbe Produkt herstellen, sich den Markt durch Absprachen aufteilen oder einander bis zum eigenen Ruin unterbieten? Sollen zwei Tierarten auf demselben Territorium friedlich nebeneinander leben oder sich die knappen Ressourcen streitig machen?“¹
Solche Fragen sind Variationen über ein Thema: Unter welchen Bedingungen werden Konflikte zwischen Akteuren ausgetragen und wann lohnt sich kooperatives Verhalten? Die Beispiele zeigen, dass die zugrundeliegende Problematik nicht auf ökonomische Systeme beschränkt ist, sondern im Reich der belebten Natur überall anzutreffen ist. Glaubt man jüngeren Forschungergebnissen, kann die Konfliktforschung um neue interdisziplinären Perspektiven bereichert werden.

Eine verstärkte Zusammenarbeit der beiden Wissenschaftskulturen erscheint um so dringlicher, als sich die Wachstumsdynamik der menschlichen Sphäre auf Kollisionskurs mit den ökologischen Leitplanken befindet. Auch wenn menschliche Überlebensstrategien sich im Verlauf der Evolution erfolgreich gegenüber den Naturgewalten und der Konkurrenz mit anderen Lebewesen behaupten konnten, geraten sie nun in Konflikt mit der Natur, den Mitmenschen und zukünftigen Generationen. Die grundsätzlichen Möglichkeiten zur Vermeidung der globalen Katastrophe sind bekannt, doch sind sie bislang an eingefahrenen Verhaltensweisen und an gesellschaftlichen Interessen- und Konfliktlagen gescheitert, die einer Veränderung entgegenwirken. Pessimistische Stimmen begründen gar die Unmöglichkeit, menschliches Verhalten zu ändern.² Dem an Nutzenmaximierung, Konkurrenz und Nullsummenspiel ausgerichteten Denken gegenüber steht jedoch ein Verhalten, demzufolge Menschen ihre Werte und Ziele am besten gemeinsam, d.h. kooperativ erreichen.

Die Balance von Konflikt und Kooperation

Zwischen Konflikt und Kooperation besteht eine diffizile Balance, die sich im Verlauf der biologischen Evolution wie auch der menschlichen Geschichte herausgebildet hat. So ist in der Natur der Kampf keineswegs die allein vorherrschende Umgangsform zwischen Lebewesen; die Herausbildung kooperativer Strukturen scheint bedeutsamer zu sein als weithin angenommen. Gegenüber den »lauten« Konflikten der Menschheitsgeschichte standen die meist »stillen« Bestrebungen zur Zusammenarbeit und kooperativen Konfliktlösung nur selten im Mittelpunkt des öffentlichen Interesses. Beides liegt nahe beieinander: „Wo immer Menschen in welcher Form auch immer zusammenarbeiten, können Differenzen über Art, Ziele und Mittel dieser Zusammenarbeit auftreten.“³ Diese Differenzen sind wesentliche Antriebskräfte von Konflikten. Während die Literatur über Krieg und Krise, Konflikt und Gewalt ganze Bibliotheken füllt, sind empirisch gehaltvolle theoriebildende Arbeiten über das Phänomen der Kooperation „ausgesprochen rar“ (R. Meyers, S. 48). Der Autor versteht dabei unter „Kooperation … ein Grundmuster menschlichen Verhaltens …, das die Zusammenarbeit mehrerer Individuen bei der Lösung einer Aufgabe oder bei der Befriedigung eines gesellschaftlichen Bedürfnisses thematisiert.“

Während hier das Gemeinsame in den Mittelpunkt der Kooperation gestellt wird, kennzeichnet eine nunmehr 50-Jahre alte Definition die kooperative soziale Situation dadurch, dass jeder daran Beteiligte seine Ziele nur in dem Maße erreicht, wie auch die anderen Beteiligten ihre Ziele erreichen.⁴ Mit dem Gelingen einer Kooperation ist eine effizientere individuelle Zielerreichung verbunden, auch wenn gemeinsame Ziele nicht ausgeschlossen sind. Neben dieser vorwiegend auf Mittelreduzierung orientierten Kooperation können Akteure auch versuchen, ihr Verhalten an den Zielen und Präferenzen anderer zu orientieren, d. h. Kooperation ist die „Adjustierung des Verhaltens von Akteuren anhand der vorausgesehenen Präferenzen anderer“, also eine Verhaltensmodifizierung in Richtung auf die Partnerwünsche.⁵

Um Wege aus der globalen Krise zu finden, sind letztlich alle Formen der Kooperation bedeutsam. Zu klären sind dabei die Bedingungen für einen kooperativen Konfliktaustrag zwischen Menschen wie auch für die immer wieder beschworene Koevolution von Soziosphäre und Ökosphäre. Um diesen Fragen nachzugehen, sollen im folgenden neuere Theorie- und Modellansätze beleuchtet werden, die in den vergangenen Jahre entwickelt und im Bereich der Ökonomie und der Ökologie eingesetzt wurden.⁶

Der Kontext
der Konfliktmodellierung

Die Modellierung von Konflikt und Kooperation ist nicht neu, doch verändert haben sich der Gegenstand, die Methodik und die interdisziplinären Verknüpfungen. Mathematische Methoden sind oftmals in militärische Entscheidungprozesse eingeflossen. Beispiele sind die Lanchester-Gleichungen der Kriegführung, die Richardson-Gleichungen der Rüstungsdynamik und die Spieltheorie zur Analyse von Entscheidungen. Daraus abgeleitete Modelle wurden im Kalten Krieg zur Grundlage von Streitkräftevergleichen und Schlagabtauschszenarien verschiedener Waffengattungen.⁷ Bestrebungen, mit Hilfe der Mathematik gesellschaftliche Probleme und Konflikte besser zu verstehen, um sie vermeiden oder lösen zu helfen, sind relativ jungen Datums.⁸

Waren Modelle des Ost-West-Konflikts noch von der Bipolarität zweier hochgerüsteter Supermächte bestimmt und Sicherheit auf die militärische Dimension beschränkt, so haben sich in den neunziger Jahren mit dem Sicherheitsverständnis auch die Modellkonzepte gewandelt. In der neuen Welt-(un-) ordnung müssen eine Vielzahl von Akteuren auf staatlicher, substaatlicher und internationaler Ebene sowie auch ökonomische, ökologische, soziale und ethnische Konfliktfaktoren in Betracht gezogen werden, die oftmals in komplizierter Weise miteinander verwoben sind. Dieser Vielfalt der Probleme steht eine Vielfalt der Methoden gegenüber, von denen einige hier vorgestellt werden.

Die grundsätzlichen Probleme und Grenzen der Konfliktmodellierung dürfen dabei nicht übersehen werden, ohne dass hier eine tiefergehende Kritik möglich wäre. In den Sozialwissenschaften geht es, anders als in den Naturwissenschaften, um Entscheidungsprozesse, subjektive Wahrnehmungen und Werte, den »freien Willen«, nicht-determiniertes Verhalten, einen situationsabhängigen Kontext, Lernprozesse und eine fortwährenden Verhaltensanpassung. Aufgrund solcher Probleme hat Herbert Simon die Sozialwissenschaften als die eigentlich »harten« Wissenschaften bezeichnet, da sie in mancher Hinsicht komplexer als die Naturwissenschaften seien.⁹

Wachstumsdynamik und Konkurrenz

Nach gängiger Vorstellung umfasst ein System eine Menge von Zuständen, Relationen und die darauf wirkenden Operationen. In der Physik geht es um Kräfte, die auf den Bewegungszustand einwirken; in der theoretischen Ökologie um eine Wachstumsfunktion, die die Zu- oder Abnahme der Population beeinflusst; in der Ökonomie um die Produktionsfunktion, die die Güterproduktion bestimmt. In dynamischen Systemen verhalten sich die Akteure eindeutig und deterministisch, d.h. nach festen Regeln. Zu untersuchen sind die Gleichgewichtszustände und Bedingungen für Stabilität.

Dynamische Konkurrenzmodelle beschreiben die Interaktion zwischen zwei oder mehreren Akteuren (z.B. Individuen, Populationen, Staaten), die um die Einflussnahme auf bestimmte Systemgrößen konkurrieren (z.B. Güter, Waffen, Nachwuchs, Emissionen). Typische Beispiele sind das Lanchester-Modell, das Richardson-Modell oder das Räuber-Beute-Modell der Populationsdynamik von Lotka und Volterra.¹⁰ Die Wirkung der Interaktion auf die Wachstums- und Produktionsfunktionen kann zu einer gegenseitigen Schädigung (Eskalation) oder zum gegenseitigen Nutzen (Kooperation) beitragen.¹¹ Letzteres entspricht in der Ökologie der Symbiose oder dem Mutualismus, bei denen zwei oder mehr Arten voneinander profitieren (z.B. bei der Bestäubung von Blüten, der Verbreitung von Samen, der gemeinsamen Jagd).

Die wichtigsten Prozesse, die die Wachstumsdynamik einer Systemgröße bestimmen, sind die in einem Zeitraum stattfindenden Zugänge durch Geburten und Zuwanderung und die Abgänge durch Todesfälle und Abwanderung. Halten sich die vier Prozesse die Waage, bleibt die Systemgröße konstant (Fließgleichgewicht). Letztlich wird die Wachstumsrate durch die verfügbare Ressourcenmenge (Kapazität) begrenzt, die in die logistische Wachstumsfunktion als Obergrenze eingeht. Der Toleranzbereich der limitierenden Umweltfaktoren definiert eine ökologische Nische, in der in der Regel nur ein Konkurrent überleben kann (Ausschließungsprinzip). Mithilfe der technischen Effizienzsteigerung ist es dem Menschen gelungen, eine ökologische Nische nach der anderen zu besetzen oder zu zerstören und die dort lebenden Arten zu verdrängen. Bislang hat es die Ökonomie nicht geschafft, nach dem Vorbild der Ökologie Wachstum zu begrenzen. Möglicherweise kann die Schaffung kooperativer (Dienstleistungs-) Strukturen in Wirtschaft und Gesellschaft zur »Nutzenmehrung« beitragen, ohne dass damit ein weiter erhöhter Verbrauch natürlicher Ressourcen verbunden ist.

Komplexität, Chaos, Selbstorganisation

Im Gegensatz zur geordneten mathematischen Modellwelt der Newtonschen Dynamik, symbolisiert durch das vorhersagbare Schwingen eines Pendels oder die reguläre Bewegung von Sonne, Mond und Planeten, steht die Unvorhersagbarkeit und Nichtdeterminiertheit der Alltagserfahrung, was etwa in der turbulenten Bewegung von Gasen und Flüssigkeiten, beim Wetter oder in den zwischenmenschlichen Beziehungen zum Ausdruck kommt. In den siebziger Jahren wurde in den Naturwissenschaften systematisch damit begonnen, sprungartige Zustandsänderungen zu untersuchen wie Phasenübergänge und Selbstorganisation. Dabei gewonnene Erkenntnisse wurden auch auf das kollektive Verhalten sozialer und ökonomischer Systeme übertragen.

Die Erkenntnis, dass bereits kleine Ursachen große Wirkung zeigen können und aus Unordnung Ordnung entstehen kann, ist auch für das Verständnis sozialer Konflikte von Bedeutung. Spätestens mit der chaotischen Auflösung des Ost-West-Konflikts wurde Chaos zum Paradigma der unvorhersehbaren und zunehmend komplexer werdenden gesellschaftlichen Entwicklungsdynamik, derzufolge kollektive Phänomene auf der individuellen »Mikroebene« zu qualitativen Phasenübergängen auf der systemstrukturellen »Makroebene« führen können. Dies ist auch für ökonomische Prozesse bedeutsam, etwa bei der Entstehung globaler ökonomischer Strukturen, der Erklärung von Börsencrashs oder der Asienkrise. Schließlich spielt auch das Entropiegesetz in Verbindung mit der Theorie dissipativer Strukturen und der ökologischen Theorie von Komplexität und Stabilität eine wichtige Rolle, um die Grenzen des Wirtschaftswachstums und die Zunahme »sozialer Entropie« aufzuzeigen.¹² Bestrebungen zur Anwendung von Methoden der nichtlinearen Dynamik zur Entwicklung einer evolutionären Ökonomie wurden seit 1987 vor allem vom Santa Fe Institut unternommen.¹³

Optimierung und Steuerung

Die Kontroll- und Optimierungstheorie untersucht die Steuerbarkeit des Systemverhaltens unter Berücksichtigung von Nebenbedingungen und Zielvorgaben. Durch die Festlegung von Optimierungsziel und Nebenbedingungen tritt der Modellierer oder Modellanwender als außerhalb des Modells stehender Akteur in Erscheinung, der in das Modell eingreift, indem er an den »freien« Steuerparametern dreht. Das Grundmodell ist der Regelkreis, der Sollwert und Istwert zum Ausgleich bringt. Die damit verbundenen Verfahren der Informationsverarbeitung, Regelung und Steuerung wurden nach dem Krieg untersucht in der allgemeinen Systemtheorie (von Bertalanffy), der Kybernetik (Wiener, Ashby), der Informationstheorie (Shannon, Jaynes), der Automatentheorie (Turing, von Neumann), der dynamischen Programmierung (Bellman, Pontrjagin). Heute werden dabei gewonnene Methoden eher der Operations Research zugeordnet.

Für die Konfliktmodellierung von Bedeutung ist, dass die Systemoperationen und ihre Abfolge nicht mehr determiniert, sondern durch Entscheidungsprozesse beeinflussbar sind. Daran schließt sich die Frage an, ob ein Akteur außerhalb des Systems sich über seine Steuergrößen bewusst ist, über welche Beobachtungsinstrumente er verfügt, um die Abweichung von Soll- und Ist-Zustand festzustellen, und welche Strategien er daraus ableitet, um die Dynamik in einem gewünschten Sinne zu lenken. Dabei können Konflikte auftreten hinsichtlich der zu wählenden Zielfunktionen und der zu ergreifenden Optionen sowie in Bezug auf die Wirkungen des eigenen Handelns.

Biologische Systeme (Ökosysteme, Populationen, Organismen) sind zur Selbsterhaltung und Selbstregulierung fähige dynamische Systeme, die für einen ausreichenden Zeitraum gegenüber einer stochastischen Umwelt stabil bleiben können, sofern die Störungen nicht zu stark oder zu rasch erfolgen. In den Wirtschaftswissenschaften entsprechen die Begriffe Planung, Realisation und Überwachung den Prinzipien der Steuerung, Regelung und Rückkopplung. Ein Beispiel ist die Regelung des Marktpreises im Gleichgewicht von Angebot und Nachfrage. Das »freie Spiel der Kräfte« und die »unsichtbare Hand« des Marktes, die eine »Harmonie der Interessen« herstellen sollen, werden oft weniger durch staatliche Eingriffe gestört als vielmehr durch Konzentrations- und Monopolisierungsprozesse, die einen Interessenausgleich verhindern.

Die Theorie der Umwelt- und Ressourcenökonomik versucht, in den ökonomischen Wachstumsprozess im Sinne der Umwelterhaltung steuernd einzugreifen, ohne auf Optimierungskalküle zu verzichten. Durch Kreislaufprozesse soll sichergestellt werden, dass Stoffe und Energie, die der Natur als Input entnommen und in durch wirtschaftliche Aktivität veränderter Form als Output zurückgegeben werden, im Rahmen nachhaltiger Grenzen bleiben, damit das »Raumschiff Erde« insgesamt lebensfähig bleibt. Der Wert des »Kapitals Natur« soll erhalten und nicht für die Zukunft entwertet werden.¹⁴

Entscheidungs- und Spieltheorie

Bei Entscheidungsmodellen kann ein Entscheidungsträger aus einer Reihe von Optionen frei wählen, wobei unterstellt wird, dass diejenige Option gewählt wird, in der eine bestimmte Auszahlungsfunktion (Nutzen, Wert) optimiert wird, die die betrachteten Ereignisse zueinander in Beziehung setzt und im Sinne einer Präferenzordnung vergleichbar macht. Selbst bei nur einem Bewertungskriterium ist die Auswahl der Optionen dann nicht eindeutig, wenn die Auszahlung auch von verschiedenen möglichen Umweltzuständen abhängt, deren zukünftiges Eintreten ein Entscheidungsträger nicht kennt. Auf diese Ungewissheits- und Risikosituation kann er mit unterschiedlichen Strategien reagieren (Krabs 1997, Kap.3).

Die rationale Entscheidungstheorie (Rational Choice), zumal in der Gestalt des Nutzen maximierenden und vollständig informierten »Homo Oeconomicus«, enthält eine Reihe von Voraussetzungen, die Kritik auf sich gezogen haben. Eine umfassende Betrachtung müsse die vielfachen individuellen und sozialen Begrenzungsfaktoren der menschlichen Rationalität in die Analyse einbeziehen. Oftmals wird nur ein bestimmtes Anspruchs- oder Zufriedenheitsniveau angestrebt, das der Verhältnismäßigkeit der Mittel entspricht. Schließlich ist nicht immer garantiert, dass eine eindeutige Präferenz-Reihenfolge zwischen verschiedenen Gegenständen zustande kommt.¹⁵

Während die Entscheidungstheorie generell die Auswahl geeigneter Verhaltensoptionen untersucht, befasst sich die auf John von Neumann und Oskar Morgenstern zurückgehende Spieltheorie mit Situationen, in denen Entscheidungen nicht nur vom eigenen Handeln, sondern auch von den Aktionen anderer Spieler abhängen. Mit Lösungskonzepten wird nach geeigneten Strategien gesucht, um die eigenen Interessen am besten zu erreichen. Im nicht-kooperativen Fall individueller Rationalität ist das Nash-Gleichgewicht relevant, in dem kein Spieler sich alleine verbessern kann, solange der jeweils andere Spieler an seiner Strategie festhält. Dagegen können in kooperativen Spielen die Spieler miteinander kommunizieren, Abmachungen treffen und Koalitionen bilden. Kooperative Spieltheorie zielt auf die Ermittlung und angemessene Verteilung von Koalitionsgewinnen. Ein Lösungskonzept ist hier die Pareto-Optimalität, wenn ein Spieler durch Abweichen vom Gleichgewicht einen Vorteil nur auf Kosten eines anderen Spielers erzielen kann.

Da eine Spielsituation aus vielen Spielern mit vielen Handlungsoptionen hoffnungslos unüberschaubar wird, beschränkt sich die Spieltheorie zunächst auf zwei Spieler mit je zwei Optionen, also vier mögliche Ereignisse. Das Paradebeispiel ist nach 50 Jahren Spieltheorie immer noch das Gefangenendilemma, wonach es für einen Gefangenen vorteilhafter ist, seinen Mitgefangenen als erster zu verpfeifen, wenn er dafür eine Belohnung erhält, statt in der Hoffnung auf das Schweigen des anderen ebenfalls zu schweigen. Ohne kontrollierte Absprache entgeht beiden Spielern der Kooperationsgewinn. Dieses Beispiel wurde zum Muster für Konflikte in den unterschiedlichsten Bereichen, vom Wettrüsten im Kalten Krieg bis zum Allmende-Problem im Klimakonflikt. Dabei wird oft übersehen, dass das Gefangenendilemma einer speziellen Präferenzordnung entspricht, die in kooperativen Konfliktsituationen nicht anzutreffen ist.¹⁶

Auch wenn die neuere Spieltheorie in der Lage ist, dynamische Spielsituationen mit unvollständiger Information sowie Kooperation und Kommunikationsprozesse zu beschreiben, verschont die grundsätzliche Kritik an der Entscheidungstheorie die Spieltheorie nicht.¹⁷

Dynamische Spiele und Evolutionsspiele

Während die klassische Spieltheorie meist statische Spielsituationen beschreibt, haben viele interessante ökonomische Fragestellungen eine dynamische Struktur. Mathematisch sehr anspruchsvoll ist die Theorie der Differentialspiele, in der mehrere Spieler ihre Steuervariablen in Abhängigkeit vom Verhalten der anderen Spieler wählen, um die Systemdynamik im Sinne ihrer eigenen Zielfunktion optimal zu steuern. Beispiele sind das Abfangen einer Lenkrakete, die Kollisionsvermeidung zwischen Schiffen oder die Profitmaximierung unter Konkurrenz.¹⁸

Wiederholte Spiele können als Spielbaum dargestellt werden, doch wird es mit zunehmender Verästelung immer schwieriger, eine explizite Lösung zu finden. Als Modell dient wieder das Gefangenendilemma, das mit einer Computersimulationen wiederholt gespielt wird. Die dabei gewählte Handlungsanweisung bestimmt aus der Vergangenheit, ob der Akteur in Zukunft kooperieren oder betrügen soll. Vorbild ist ein Computerturnier, das der amerikanische Politologe Robert Axelrod Anfang der achtziger Jahre unter konkurrierenden Programmen veranstaltete.¹⁹ Als eindeutiger Sieger ging daraus die einfache Strategie TIT FOR TAT (Wie du mir, so ich dir) hervor, die von dem Psychologen Anatol Rapoport aus Toronto stammte: Kooperiere beim ersten Mal und tue dann genau das, was der Gegner beim letzten Mal getan hat.

1992 wurde ein ähnliches Turnier durchgeführt, mit Regeln, die das Ganze etwas realitätsnäher machen sollten (Delahaye/Mathieu 1998). Weder einfache Strategien wie TIT FOR TAT noch sehr komplizierte Strategien konnten die vorderen Plätze belegen. Die erfolgreichsten Strategien griffen auf den gesunden Menschenverstand zurück mit Regeln wie: Es ist besser, nett zu sein als böse. Man muss reaktiv sein und rasch vergeben. List und Tücke bringen nichts.

Ausgangspunkt der Theorie der Evolutionsspiele war in den siebziger Jahren die Überlegung des englischen Biologen John Maynard Smith, dass die im Verlauf der Evolution herausgebildeten Merkmale und Strategien Ergebnisse eines Selektionsprozesses sind, bei dem die für die Fortpflanzung der Gene weniger erfolgversprechenden ausgeschieden wurden. Mithilfe spieltheoretischer Methoden gelang es ihm, am Beispiel eines Falke-Taube-Konflikts eine genselektionistische Erklärung für Ritualkämpfe zu finden. Konflikte innerhalb einer Tierart fasst Maynard Smith als Spiele auf, wobei die erfolgreichere Strategie sich im Lauf der Generationen rascher ausbreitet.²⁰

Angewendet wird die Theorie der Evolutionsspiele in den Natur- und Sozialwissenschaften überall dort, wo es eine Konkurrenz zwischen Verhaltensweisen oder Strategien gibt. Eine wichtige Rolle für die Durchsetzung von Strategien spielt das Erfolgskriterium (Fitness): in der Biologie geht es um das Überleben des Individuums oder der Art, in der Ökonomie um die Existenz einer Firma, in den Sozialwissenschaften um gesellschaftliche Anerkennung, die Bildung von Institutionen oder die Durchsetzung sozialer Strukturen und Verhaltensweisen. Von zentraler Bedeutung ist das Lösungskonzept der evolutionsstabilen Strategie, wenn bei einem geringen Anteil von »Abweichlern« (Mutanten) die Fitness der Mutanten geringer ist als die der nicht mutierten Individuen. Evolutionsspiele bilden auch die Grundlage für die evolutionäre Ökonomik, die insbesondere die Ausbreitung und Durchsetzung bestimmter technischer und wirtschaftlicher Pfade analysiert (z.B. des Linksverkehrs in Großbritannien, des VHS-Standards bei Videorecordern oder von Mustern der Industrieansiedlung)(vgl. Brandes/Recke/Berger 1997).

Die Theorie der Evolutionsspiele weist die stärksten Bezüge zur Soziobiologie auf, die fruchtbare Diskussionsanstöße zur Erklärung menschlichen und sozialen Verhaltens liefern kann, etwa bei der Erklärung bestimmter Traditionen und kultureller Phänomene wie Altruismus, Kooperation und Fürsorge.²¹ Allerdings ist die Komplexität menschlichen Verhaltens deutlich höher, u.a. aufgrund der Fähigkeit zur Selbstreflektion über die eigenen Ziele und Handlungsoptionen. Durch die menschliche Lernfähigkeit findet eine erhebliche Beschleunigung in der sozialen Evolution statt, die die biologische Evolution an Geschwindigkeit bei weitem übertrifft.²²

Von der künstlichen Intelligenz zur künstlichen Gesellschaft?

Im Unterschied zu herkömmlichen Systemmodellen, die von einem Modellierer konstruiert wurden, um einen bestimmten Ausschnitt der Realität abzubilden, geht es bei Akteursmodellen um die Untersuchung der Frage, wie ein mit bestimmten Merkmalen und Handlungspotentialen ausgestatteter Modellakteur sich in einer vorgegebenen Systemumgebung verhält und mit anderen Akteuren wechselwirkt. Eine Steuerung des Systems erfolgt nun nicht mehr nur von außen durch den Modellierer, sondern »von innen« durch einen von ihm geschaffenen Agenten, der in der Modellwelt ein gewisses Eigenleben zu entfalten vermag. Entscheidend ist, mit welchen Merkmalen der Modellakteur ausgestattet ist, wie »intelligent« und lernfähig er ist, wie gut er seine Umwelt beobachten kann, über welche Ziele und Handlungsmittel er verfügt und aufgrund welcher Regeln er diese einsetzt.

Bisherige Versuche in dieser Richtung, wie sie von Thomas Schelling bereits in den sechziger und siebziger Jahren begonnen wurden oder heute an der Brookings Institution und am Santa-Fe-Institut durchgeführt werden, simulieren mit Hilfe leistungsfähiger Computer die Interaktion und Bildung kollektiven Verhaltens für eine Vielzahl einfacher Akteure, bei denen eine vorgegebene Regelkombination das Verhalten bestimmt.²³ Entsprechende Modelle orientieren sich an den Prozessen und Regeln, wie sie im menschlichen Gehirn ablaufen, etwa beim Denken oder in der Mustererkennung (Artificial Intelligence, neuronale Netze), in der biologischen Evolution (Artificial Life) oder in der sozialen Umwelt (Artifical Societies).

Bei »Artificial Societies« (soviel wie künstliche Gesellschaften) handelt es sich um computergestützte Simulationsverfahren, die regelbasiertes Verhalten von Akteuren in einer gegebenen Umwelt darstellen und somit das Entstehen sozialer Prozesse von der Basis her beschreiben. Methodisch verknüpfen solche Modelle eine Reihe verschiedener Verfahren, von denen zwei hier erläutert werden:

• Mithilfe von genetischen Algorithmen (nach John Holland) werden auf dem Computer zur Lösung von Optimierungsproblemen evolutionäre Prozesse in der Natur nachgeahmt, die durch Mutation, Kreuzung und Selektion neue, immer überlebensfähigere Muster hervorbringen. Eine »Fitnessfunktion« bewertet und selektiert einzelne Muster bezüglich ihrer Güte für die Problemlösung.
• Zelluläre Automaten (nach Stephen Wolfram) sind diskrete und räumlich verteilte dynamische Systeme, die aus einer großen Zahl identischer Komponenten (den Zellen) zusammengesetzt sind. Jede Zelle repräsentiert einen Automaten mit einer endlichen Zahl von Zuständen und einer gegebenen Regelstruktur, die das Verhalten in der Umgebung bestimmt. Zelluläre Automaten werden eingesetzt als Modelle physikalischer und biologischer Phänomene (strömende Flüssigkeiten, Galaxienbildung, Erdbeben, biologische Musterbildung); zur Simulation und Bildverarbeitung und zur Untersuchung von kollektivem oder kooperativem Verhalten in komplexen Systemen.

Künstliche Gesellschaften werden quasi als Labors betrachtet, in denen soziale Strukturen auf dem Computer nachgebildet werden, um fundamentale „makroskopische soziale Strukturen und interessante kollektive Verhaltensweisen zu entdecken“ (Epstein 1997). Elemente solcher Modelle sind zum einen die Akteure, die mit internen Merkmalen (z.B. Stoffwechsel, Sichtweite) und bestimmten Verhaltensregeln versehen sich durch eine gitterförmige Landschaft bewegen, in der für sie lebenswichtige Ressourcen (etwa Zucker) vorhanden sind und in der sie mit anderen Akteuren wechselwirken. Beispiele sind die Verhaltensregeln, sich in Richtung hoher Nahrungsdichte zu bewegen oder stärkeren Konkurrenten auszuweichen. Auch Umweltveränderungen werden durch Regeln bestimmt, etwa die Regenerationsrate der Ressourcen oder eine Veränderung der Nahrungsverteilung im Sommer und Winter. Untersucht wurden etwa die Wohlstandsverteilung bei den Akteuren, die für die Umwelt tragfähige Zahl von Akteuren oder der Grad der Umweltverschmutzung. Simuliert wurden Handel, Krieg oder die Ausbreitung von Seuchen, die Herausbildung von Nachbarschaftverhältnissen, Freundschafts- und ökonomischen Netzwerken.

Obwohl Modelle von Artificial Societies einige Elemente sozialer Strukturbildung darstellen können, sind bislang die Regeln der handelnden Akteure und der sie umgebenden Landschaft noch recht einfach geblieben.

Ziel-Mittel-Interaktion

Ein Ansatzpunkt, um über die bisher dargestellten einfachen dynamischen Akteursmodelle hinauszugehen, ist der Versuch, wesentliche Kategorien menschlichen Handelns wie Ziele und Mittel in die Interaktion einzubeziehen, wobei die an der Spieltheorie und an Rational-Choice geäußerte Kritik zu berücksichtigen ist. Dazu soll hier abschließend ein von mir selbst entwickeltes Modell skizziert und unter dem Aspekt der Kooperationsmöglichkeiten erläutert werden, ohne damit verbundene Probleme der Modellierung hier diskutieren zu können.

Das SCX-Konfliktmodell entstand aus der Bestrebung, die dynamische Interaktion zwischen Akteuren zu analysieren, die verfügbare Mittel (C) zur Beeinflussung ihrer Systemumgebung (X) einsetzen und die Ergebnisse der Handlungen aller Akteure anhand der eigenen Bewertungskriterien und Ziele (S) beurteilen, um daraus neue Handlungen abzuleiten. Um ein Ziel zu verfolgen, können die Akteure den Mitteleinsatz im Rahmen gegebener Grenzen erhöhen oder reduzieren und die Richtung des Mitteleinsatzes ändern, wobei ihre jeweilige Motivation in Bezug auf die wahrgenommene natürliche und soziale Umwelt handlungsleitend ist.²⁴ Die innerhalb des gegebenen Handlungsspielraums gewählten Richtungen der Mittelflüsse und die Lernfähigkeit bestimmen maßgeblich mit, ob die Akteure ihre jeweiligen Ziele in gewünschter Zeit erreichen können bzw. ob sie in Konflikt mit anderen Akteuren geraten. Die Akteure handeln nicht notwendig rational oder zieloptimierend, sondern sie orientieren sich an einem von ihnen als »ausreichend« bewerteten Zielzustand.²⁵ Schließlich spielt auch die subjektive Wahrnehmung der eigenen Lage sowie des Verhaltens der anderen Akteure eine wesentliche Rolle.

Im Rahmen des Modells kann untersucht werden, unter welchen Bedingungen eine Eskalation von Konflikten erfolgt (Instabilität), wann Chaos eintritt und wieweit durch eine Steuerung des Mitteleinsatzes oder die gegenseitige Anpassung der Ziele eine Konflikteskalation vermieden bzw. Kooperation erreicht werden kann. Dazu wurde bzw. wird das Rahmenmodell auf verschiedene Probleme im Bereich der Sicherheitspolitik (Wettrüsten, Abrüstung), Umwelt- und Energiepolitik (Wasserkonflikte, Klimakonflikt, Fischereikonflikt) sowie der Ökonomie (Joint Implementation, Tarifkonflikt) angewendet.²⁶

Neben einer Simulation des Klimakonflikts und des Aufzeigens von Stabilisierungsmöglichkeiten wurden auch die Kooperationsmöglichkeiten in der Energie- und Klimapolitik untersucht. Damit werden Bedingungen identifiziert, unter denen der Zielkonflikt zwischen Umweltzielen (Emissionsminderung) und Wirtschaftszielen (Wachstum) in Abhängigkeit von den technisch-ökonomischen Leistungsparametern sowie den Zielsetzungen und Handlungspräferenzen entspannt werden kann. Beispielhaft wurde analysiert, wann eine Zusammenarbeit zwischen Industrie- und Entwicklungsländern bei der gemeinsamen Emissionsminderung für beide von Vorteil sein kann (Joint Implementation). Es zeigt sich, dass trotz einer Hemmschwelle für einseitige Vorleistungen unter bestimmten Bedingungen ein Kooperationskanal im Präferenzraum existiert, den beide durch Absprachen absichern müssen. Eine Kompensationsstrategie könnte zusätzliche Anreize schaffen, etwa indem die durch Kooperation eingesparten Mittel über einen Fonds verteilt werden, um den Prozess in gewünschter Weise zu steuern.²⁷

Schließlich lässt sich anhand des Modellrahmens eine Klassifikation von Umweltkonflikten vornehmen und diskutieren, welchen Beitrag nachhaltige Entwicklung zur Konfliktvermeidung bzw. Konfliktlösung leisten kann. Es wird ein Zusammenhang hergestellt zu fünf Konzepten nachhaltiger Entwicklung (Konsistenz, Gerechtigkeit, Effizienzsteigerung, Risikoverringerung, Suffizienz).²⁸

Anmerkungen

¹⁾ J.-P. Delahaye, P. Mathieu: Altruismus mit Kündigungsmöglichkeit, Spektrum der Wissenschaft, Februar 1998, S. 8ff.

²⁾ S. Leunig, J. Heider: Warum Menschen ihr Verhalten nicht ändern, Jahrbuch Ökologie 1998, Beck, S. 21-30.

³⁾ R. Meyers: Begriff und Probleme des Friedens, Opladen: Leske und Budrich, 1994.

⁴⁾ M. Deutsch: The theory of Co-operation and Competition, Human Relations 2, 1949, S. 129-152; S. 131ff; zitiert nach: A. Aulinger, (Ko-)Operation Ökologie – Kooperationen im Rahmen ökologischer Unternehmenspolitik, Marburg: Metropolis, 1996, S.30.

⁵⁾ R. Axelrod, R.O. Keohane: Achieving Cooperation under Anarchy, World Politics 38/1 (Oktober 1985); zitiert nach H. Müller, Die Chance der Kooperation – Regime in den internationalen Beziehungen, Darmstadt: Wissenschaftliche Buchgesellschaft, 1993, S.4.

⁶⁾ Die hier vorgestellten Überlegungen fassen einige Aspekte der Vorlesung »Mathematische Konfliktmodellierung« qualitativ zusammen, die ich im Wintersemester 1998/99 am Fachbereich Mathematik der TU Darmstadt hielt.

⁷⁾ J. Scheffran: Strategic Defense, Disarmament, and Stability – Modelling Arms Race Phenomena with Security and Costs under Political and Technical Uncertainties, Doktorarbeit, Fachbereich Physik der Universität Marburg, IAFA-Schriftenreihe, Band 9, 1989; G. Neuneck: Die mathematische Modellierung von konventioneller Stabilität und Abrüstung, Baden-Baden, Nomos, 1995.

⁸⁾ B. Ebbesen, W. Engelmann, M. Jathe, G. Neuneck, R. Reimers: Mathematik und Abrüstung, in: U. Kronfeld, W. Baus, B. Ebbesen, M. Jathe (Hrsg.): Naturwissenschaft und Abrüstung, Münster: Lit-Verlag, 1993, S. 209-256; R. K. Huber, R. Avenhaus (Hrsg.): Models for Security Policy in the Post-Cold War Era, Baden-Baden, Nomos, 1996.

⁹⁾ H. Simon: Giving the Soft Sciences a Hard Sell, Boston Globe, 3. Mai, 1987.

¹⁰⁾ Vgl. J. M. Epstein: Nonlinear Dynamics, Mathematical Biology and Social Science, Santa Fe Institute, Addison Wesley, 1997.

¹¹⁾ W. Krabs: Mathematische Modellierung – Eine Einführung in die Problematik, Stuttgart, Teubner, 1997, Kap. 6. Siehe auch: J. Scheffran: Biodiversität, Ökosystemdynamik und nachhaltige Nutzung – Komplexität, Konflikt und Kooperation aus der Modellperspektive, in: M. Hummel, J. Scheffran, H. R. Simon: Konfliktfeld Biodiversität, IANUS-Arbeitsbericht 2/1998.

¹²⁾ M. Binswanger: Das Entropiegesetz als Grundlage einer ökologischen Ökonomie, in: F. Beckenbach, H. Diefenbacher (Hrsg.): Perspektiven einer ökologischen Ökonomie, Marburg, Metropolis, 1994, S.155-200; C. Wissel, Theoretische Ökologie – Eine Einführung, Springer, 1989.

¹³⁾ K. Arrow, P.W. Anderson, D. Pines (ed.): The Economy as an Evolving Complex System, Addison-Wesley, 1988; W. Brian Arthur, Steven N. Durlauf, David A. Lane (eds.): The Economy as an Evolving Complex System II, Addison-Wesley, 1997.

¹⁴⁾ Siehe etwa A. Endres, I. Querner: Die Ökonomie natürlicher Ressourcen – Eine Einführung, Darmstadt, Wissenschaftliche Buchgesellschaft, 1989; Brandes/Recke/Berger, Produktions- und Umweltökonomik, Stuttgart, Ulmer, 1997; N. Hanley, J. F. Shogren, B. White: Environmental Economics in Theory and Practice, Oxford University Press, 1997.

¹⁵⁾ Zur Problematik ordinaler Wertzuweisungen in den Sozialwissenschaften siehe R. Wille, U. Wille: On the controversy over Huntington's equations – When are such equations meaningful?, Mathematical Social Sciences 25 (1993), S. 173-180.

¹⁶⁾ Vgl. W. Engelmann: Game Theoretical Models for Disarmament, Doktorarbeit, Fachbereich Mathematik der TU Darmstadt, Aachen, Shaker, 1992.

¹⁷⁾ Stellvertretend siehe die Kontroverse zwischen Harald Müller und Otto Keck, die entlang der von Habermas geprägten Unterscheidung von strategischem und kommunikativem Handeln geführt wurde. In: Zeitschrift für internationale Beziehungen (ZiB), 1.Jg. (1994) Heft 1, S. 15-44; ZiB, 2. Jg. (1995) Heft 1, S. 5-48 und ZiB, 2. Jg. (1995) Heft 2, S. 371-391.

¹⁸⁾ Siehe den Überblick in: Y. C. Ho, G. J. Olsder: Differential Games – Concepts and Applications, in: M. Shubik: Mathematics of Conflict, North-Holland, 1983, S. 127-186.

¹⁹⁾ R. Axelrod: The Evolution of Cooperation, New York, Basic Books, 1984.

²⁰⁾ J. M. Smith: Evolution and the Theory of Games, Cambridge University Press, 1982. Verschiedene Anwendungsbeispiele werden qualitativ beschrieben in Spektrum-Digest 1/1998, Kooperation und Konkurrenz.

²¹⁾ Der Begriff Soziobiologie wurde maßgeblich geprägt durch den Insekten- und Biodiversitätsforscher Edward O. Wilson. Siehe E. O. Wilson: Sociobiology – The New Synthesis, Harvard University Press, 1975; sowie aktuell E. O. Wilson: Die Einheit des Wissens, 1998. Zur kritischen Würdigung siehe Die Zeit, 19.10.1998, S. 41. Dort findet sich auch eine Auseinandersetzung mit den Ansichten des Biologen und Direktors der Max-Planck-Gesellschaft Hubert Markl.

²²⁾ H.-J. Hemminger: Soziobiologie des Menschen – Wissenschaft oder Ideologie? Spektrum-Digest 1/98, S.42-50.

²³⁾ T. C. Schelling: Micromotives and Macrobehavior, Norton 1978; J.M. Epstein, R. Axtell: Growing Artificial Societies, Social Science from the Bottom Up, MIT Press, 1997, S.2; R. Axelrod: The Complexity of Cooperation – Agent-Based Models of Competition and Collaboration, Princeton University Press, 1997; R. J. Gaylord, Louis J. D'Andria: Simulating Society – A Mathematics Toolkit for Modeling Socioeconomic Behavior, Springer/Telos, 1998; G. W. Flake: The Computational Beauty of Nature – Computer Explorations of Fractals, Chaos, Complex Systems, and Adaptation, Cambridge, MIT Press, 1998. Die aktuelle Entwicklung kann verfolgt werden im Journal of Artificial Societies, das im Internet unter http://www.soc.surrey.ac.uk/JASSS gratis bezogen werden kann.

²⁴⁾ Entsprechende Modellansätze sind in der jüngeren Psychologie zu finden; siehe etwa J. T. Townsend, J. Busemeyer: Dynamic Representation of Decision-Making, in: R. F. Port, T. van Gelder (Hrsg.): Mind as Motion – Explorations in the Dynamics of Cognition, MIT Press, 1995, S. 101-120.

²⁵⁾ Dieses »satisfizierende Verhalten« wird begründet in R. Kohleick: Werttheorie und technischer Wandel – Zum Vergleich neoricardianischer und evolutionärer Ökonomik, Marburg, Metropolis, 1997, S. 190.

²⁶⁾ Stellvertretend für die bisherigen Arbeiten siehe J. Scheffran: Umweltkonflikte und nachhaltige Entwicklung – ein Konfliktmodell und seine Anwendung in der Klima- und Energiepolitik, in: A. Carius, K. M. Lietzmann (Hrsg.): Umwelt und Sicherheit, Springer, 1998, S. 209-232. Dort findet sich eine Literaturübersicht.

²⁷⁾ Vgl. S.Pickl, J.Scheffran: Conflict and Cooperation in Energy and Climate Change, SWIIS'98 Conference in Sinaia, Romania, May 14-16, 1998; J. Scheffran: Control and Cooperation in a Dynamic Game Model – The Case of Energy and Climate Change, IANUS-Arbeitsbericht 8/1998. Die Idee wird hinsichtlich der kooperativen Spieltheorie ausgeführt in: S. Pickl: Der tau-value als Kontrollparameter, Modellierung und Analyse eines Joint-Implementation Programms mit Hilfe der dynamischen kooperativen Spieltheorie und der diskreten Optimierung, Doktorarbeit eingereicht am Fachbereich Mathematik der TU-Darmstadt, 1998.

²⁸⁾ J. Scheffran, Wege zu einer nachhaltigen Entwicklung des Friedens, in: J. Scheffran, W. Vogt: Kampf um die Natur, Umweltzerstörung und die Lösung ökologischer Konflikte, Darmstadt, Primus 1998, S. 291-301.

Dr. Jürgen Scheffran ist wissenschaftlicher Assistent in der Interdisziplinären Forschungsgruppe IANUS an der TU Darmstadt.