Welche Rolle spielen Multi-Agenten-Systeme in der Geographie?

Inhaltsverzeichnis

1 Die Welt: ein System aus vielen Systemen

2 Multi-Agenten-Systeme
2.1 Was ist ein Agent?
2.2 Wie funktioniert ein Multi-Agenten-System?

3 Wo existieren Multi-Agenten-Systeme?
3.1 Natürliche Multi-Agenten-Systeme
3.2 Multi-Agenten-Systeme in der Technik

4 Simulationen von Multi-Agenten-Systemen

5 Beispiele von Multi-Agenten-Systemen in der Geographie
5.1 Beispiel 1: ILUMASS
5.2 Beispiel 2: BOT World
5.3 Beispiel 3: Stau-Simulation

6 Resume

7 Quellen

1 Die Welt: ein System aus vielen Systemen

Den Hamburger Kaufmannsspruch „Unser Feld ist die ganze Welt“ bezeichnen Gebhardt et al. als passendes Motto für die Faszination an der Geographie (Gebhardt et al. 2007a: 14). Geographen und Geographinnen beschäftigen sich also mit der Welt bzw. betrachten und erforschen Ausschnitte von ihr. Doch wie ist das mit den „Ausschnitten“ der Welt? Lassen sich Ausschnitte überhaupt getrennt voneinander betrachten? Oder stehen sie nicht pausenlos in Wechselwirkung mit ihrer Umwelt? Die Welt ist also ein System mit unzähligen Elementen, die miteinander interagieren. Betrachtet man diese Elemente jedoch genauer, lassen sich weitere Subsysteme erkennen; jeder Organismus ist ein weiteres System und hat wiederum Subsysteme. Diese Systeme haben alle möglichen Größen, Formen und Eigenschaften. Um ein System, bzw. seine Funktionsweise zu verstehen, ist es wichtig, auch die einzelnen Elemente des Systems, deren Eigenschaften und Wirkungsweise zu analysieren. Eine solche Analyse kann auf verschiedene Arten erfolgen. Eine Möglichkeit ist, sich jedes Element genau zu betrachten, um davon auf das ganze System zu schließen. In diesem Fall spricht man von Multi-Agenten-Systemen. Die vorliegende Arbeit befasst sich mit der Frage, wo und welche Rolle Multi-Agenten-Systeme in der Geographie spielen.

2 Multi-Agenten-Systeme

Das folgende Kapitel widmet sich der Frage, was ein Multi-Agenten-System genau ist und welche Besonderheiten es hat. Zu diesem Zweck sollen an dieser Stelle zuerst der Begriff „System“ definiert werden. Nach Leser ist ein System „eine Menge von Elementen und eine Menge von Relationen, die zwischen diesen Elementen bestehen (...).“ (Leser 132005: 927) (siehe Abb. 1). Um welche Art von Elementen es sich handelt wird in dieser Definition nicht ausgeführt. In einem Multi-Agenten-System werden die einzelnen Elemente „Agenten“ genannt. Darauf, warum das so ist, bzw. welche Art von Agenten und damit welche Art von Elementen es gibt, soll im folgenden Kapitel eingegangen werden.

Abbildung in dieser Leseprobe nicht enthalten

2.1 Was ist ein Agent?

Das Wort Agent leitet sich von dem lateinischen agens, was soviel wie „handelnde Kraft“ oder „das Treibende“ heißt (Siekmann/Fischer). Im Englischen werden auch neben agent manchmal auch die Begriffe node oder problem solver benutzt. (Siekmann/Fischer). Nach Koch und Mandl ist ein Agent „ein mit bestimmten Eigenschaften, Fähigkeiten, Einschränkungen, Charakteristika, kurz: Regeln ausgestattetes ,Etwas’, das mit anderen Agenten und mit seiner Umwelt kommuniziert.“ (Koch/Mandl 2003: 1). Nach Mandl (2003: 13) sind Agenten „physische oder virtuelle Einheiten, die

1. in einer natürlichen oder künstlichen Umwelt agieren,
2. mit anderen Agenten kommunizieren,
3. durch Tendenzen geleitet werden (Ziele (...))
4. eigene Ressourcen besitzen,
5. die Umwelt (eingeschränkt) wahrnehmen,
6. Fertigkeiten besitzen und Dienste anbieten
7. sich reproduzieren können und
8. individuelles Verhalten zeigen (...)“

(Mandl 2003: 13)

Siekmann und Fischer unterscheiden folgende Arten von Agenten (siehe Abb. 2):

- Primitiver Agent: kann wahrnehmen und reagieren

- Technischer Agent: allgemeine Bezeichnung für programmgesteuerte Systeme, z.B. Roboter, Werkzeugmaschinen.
- Technisch-intelligenter Agent: kann
Schlussfolgerungen ziehen, sich in seiner Umwelt flexibel verhalten und gestellte Aufgaben flexibel bearbeiten.
- Kognitiver Agent: besitzt die Fähigkeit zur Reflexion und die Möglichkeit zu lernen.
- Sozialer Agent: kennt soziale Regeln, nach denen er das eigene Handeln und das der anderen Agenten bewerten kann.

Abbildung in dieser Leseprobe nicht enthalten

Damit Agenten untereinander kommunizieren können, muss die Vorraussetzung erfüllt sein, dass sie die gleiche „Sprache“ benutzen, mit gemeinsamen „Begriffen“, die für alle Beteiligten die gleiche Bedeutung haben (Siekmann/Fischer]).

Ein Agent kommuniziert bzw. interagiert mit seiner Umwelt und den anderen Agenten mit Hilfe seiner Sensoren und Effektoren. Mit den Sensoren nimmt er seine Umwelt wahr, registriert andere Agenten und deren Handlungen. Mit den Effektoren wiederum agiert er, reagiert auf seine Umwelt und andere Agenten (siehe Abb. 3). Jedoch ist die Reaktion eines Agenten auf seine Umwelt nicht immer gleich bzw. berechenbar. Je komplexer der Agent ist, desto größer ist der „Pool“ der möglichen Reaktionen, und desto komplizierter ist es, diesen Pool zu erfassen oder zu definieren. So werden bei einem einfachen (technischen) Agent die möglichen Aktionen bzw. Reaktionen einfach vom Erbauer festlegt. Z.B.: Ein Agent kann auf die Weise A und B agieren, andere Agenten reagieren auf A mit Reaktion C und auf B mit Reaktion D. Sobald es aber mehrere Möglichkeiten gibt, z.B. ein Agent kann auf eine Aktion A mit Reaktion B oder C reagieren, wird es komplizierter: Wovon hängt es genau ab, für welche Reaktion er sich entscheidet?

Bei einem technischen Agenten in einem programmierten System (siehe Kapitel 3.2.) werden die möglichen Aktionen und alle möglicherweise folgenden Reaktionen vorher definiert und dann dementsprechend programmiert. Sie sind daher erfassbar und nachvollziehbar. Wie verhält es sich jedoch bei Individuen, bei kognitiven und sozialen Agenten? Hier können wir keine „Liste“ aller möglichen Aktionen/Reaktionen erstellen, da wir sie bzw. vor allem die Gründe, die zu der einen oder der anderen Reaktion führen gar nicht kennen (siehe Abb. 3). Die Feststellung, dass wir nicht alle Variablen kennen, ist besonders bei der Simulation von Systemen bzw. bei der Erstellung von Modellen extrem wichtig. Darauf soll im Kapitel 4 näher eingegangen werden.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3: Ein Agent interagiert mit seiner Umwelt und anderen Agenten, verändert nach SIEKMANN/FISCHER

2.2 Wie funktioniert ein Multi-Agenten-System?

Traditionellerweise wird beim Analysieren eines Systems und seiner Funktionsweise besonders auf den Anfang und den Schluss geschaut: Wie viel von was muss ich hineingeben um wie viel herauszubekommen? Ein System wird wie eine Art „Blackbox“ behandelt, innen passiert etwas, was man nicht genau weiß, und was auch keine allzu große Rolle spielt. Im Unterschied dazu stehen bei Multi-Agenten-Systemen die einzelnen Agenten und ihre Absichten, Handlungen und Ziele im Vordergrund: Multi-Agenten-Systeme sind individuenbasiert (Mandl 2003:12). Jedes einzelne Element - jeder Agent - und alle seine Variablen, die ihm zu Aktion und Reaktion zur Verfügung stehen, eine Rolle. Nach Mandl (Ferber 1999, zit. nach Mandl 2003: 13) besteht ein Multi-Agenten-System „aus

1. einer Umwelt E, die normalerweise räumliche Ausdehnung besitzt,
2. einer Menge von Objekten O, die in E liegen, passiv sind und von den Agenten wahrgenommen, erschaffen, zerstört oder verändert werden können,
3. einer Gesellschaft von Agenten A, die spezielle Objekte sind und die die aktiven bzw. beweglichen Komponenten des Systems repräsentieren,
4. einer Menge von Relationen R, die Objekte (und/oder auch Agenten) miteinander verbinden,
5. einer Menge von Operationen Op, die es den Agenten ermöglichen Objekte wahrzunehmen, herzustellen, zu konsumieren, zu transformieren und zu manipulieren und
6. Operatoren mit der Aufgabe die Anwendung dieser Operationen und die Reaktion der Welt auf diese Veränderungsversuche (...) zu repräsentieren

(Mandl 2003: 13).

Besteht das Multi-Agenten-System aus technisch-intelligenten, kognitiven oder sozialen Agenten, folgen Reaktionen nicht nur auf Aktionen andere Agenten, sondern auch auf Annahmen, wie die anderen Agenten agieren könnten. Dies erklärt Rieck (2006) anhand eines einfachen Beispiels:

„Stellen Sie sich vor, Sie spielen Fangen (...) und versuchen gerade, Ihre Mitspielerin zu fangen. Das wäre ganz einfach, wenn sie stehen bliebe. Da sie aber nicht gefangen werden will (...) läuft sie weg und macht es Ihnen damit schwer, Ihr Ziel zu erreichen. Wenn Sie immer nur direkt auf sie zu laufen und dabei so tun als würde sie wie angewurzelt stehen bleiben, ist das sicherlich keine sehr kluge Strategie. Denn Sie wissen: Es ist nicht in dem Interesse Ihrer Gegenspielerin stehen zu bleiben. Daher glauben Sie nicht daran, dass sie es tun wird, passen Ihre Strategie entsprechend an und versuchen, ihr den Weg abzuschneiden, indem Sie an ihr vorbei zielen. Indem Sie das tun, müssten Sie sie in wenigen Schritten genau treffen. Statt dessen rennen Sie an ihr vorbei und greifen ins Leere. Verdutzt drehen Sie sich um stellen fest, dass sie doch stehen geblieben ist. Sie haben nicht weit genug gedacht. Sie sind nur von sich ausgegangen und haben nicht bedacht, dass Ihre Gegenspielerin auch denken kann. Sie aber hat gedacht, dass Sie denken, dass sie flüchten wird und deshalb an ihr vorbei zielen. Deshalb ist sie stehen geblieben.“ (Rieck 2006)

So lässt sich das Grundkonzept der Multi-Agenten Systeme zusammenfassend folgendermaßen erklären: In einem individuenbasierten System kommt es zu Aktionen, je nachdem auf welche Art ein Agent seine Umwelt, die anderen Agenten und deren Aktionen wahrnimmt und welche Schlüsse er daraus zieht. Diese Schlüsse führen einmal direkt zu Entscheidungen, wie er reagiert, und auch zu Annahmen, wie andere Agenten reagieren könnten, woraufhin er auch wiederum Entscheidungen für folgende Aktionen trifft.

Mit diesem Grundkonzept hat sich der Mathematiker John Nash in seiner Spieltheorie beschäftigt, der 1994 den Nobelpreis für Wirtschaftswissenschaften bekommen hat. (Der Nobelpreis www.nobelpreis.org).

3 Wo existieren Multi-Agenten-Systeme?

Prinzipiell lassen sich natürliche und technische, vom Menschen programmierte Multi- Agenten-Systeme unterscheiden. Im folgenden Kapitel soll darauf eingegangen werden, wo Multi-Agenten-Systeme existieren.

3.1 Natürliche Multi-Agenten-Systeme

In unserer Umwelt existieren zahlreiche Multi-Agenten-Systeme. Multi-Agenten-Systeme die jeder kennt sind z.B. Ameisenhügel, Vogel- oder Fischschwärme (siehe Abb. 4) oder Bienenstöcke, wobei die Agenten hier die einzelnen Tiere sind (SIEKMANN/FISCHER). Aber auch z.B. der menschliche Körper besteht aus vielen Systemen, wo die Agenten dann Organe, Hormone, Bakterien o.ä. sind. Hier lässt sich erkennen, dass Multi-Agenten-Systeme alle möglichen Größen besitzen können, von mikroskopisch kleinen Systemen innerhalb eines Menschen, einer Pflanze o.ä., bis hin zu einem riesigen System wie z.B. einem Ozean.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 4: Vogelschwarm, Schweizerische Vogelwarte (2008)

3.2 Multi-Agenten-Systeme in der Technik

Auch in der Technik sind Multi-Agenten-Systeme vorhanden. Der bedeutendste Unterschied zu natürlichen Multi-Agenten-Systeme ist, dass technische Multi-Agenten-Systeme vom Menschen erschaffen sind, die im Vorfeld einen Katalog von möglichen Verhaltensweisen für die Agenten festlegen. Je komplexer die Agenten und das System, desto komplizierter ist der Bau und die Programmierung. Auch die Diskussion um künstliche Intelligenz dreht sich um die Frage, wo die Grenze von schon kognitiv oder „intelligent“ und noch vom Menschen steuerbar ist. Je kognitiver, intelligenter ein Agent programmiert wird, desto unvorhergesehener sind seine Aktionen/Reaktionen für uns.

4 Simulationen von Multi-Agenten-Systemen

Das folgende Kapitel geht soll darauf eingehen, wie und wo die Kenntnisse über Multi- Agenten-Systeme angewandt werden. Wie schon im vorigen Kapitel betont wurde, gibt es Multi-Agenten-Systeme in jeder erdenklichen Größe. Dies bedeutet, dass wir nicht immer in der Lage sind, das System selbst zu beobachten, weil es zu klein oder zu groß ist. Oft finden die Prozesse auch zu langsam oder zu schnell ab: So dauern die Prozesse z.B. in geologischen Systemen Millionen von Jahren, Systeme im menschlichen Körper Millisekunden. Oder die Systeme sind für uns räumlich nicht zugänglich (wiederum z.B. im menschlichen Körper) bzw. es ist ein zu großer finanzieller Aufwand, uns das System zugänglich zu machen (Hörnlein/Oechslein/Puppe, 2000: 1).

So wird in der Wissenschaft versucht, in solchen Fällen das System zu simulieren. Eine Simulation ist somit „(...) der Versuch, Abläufe und Prozesse in (...) Systemen nachzuvollziehen oder künftige Entwicklungszustände der Systeme wirklichkeitsnah nachzuahmen. (...).“ (Leser 132005: 845). Eine Simulation wird also immer dann gemacht, wenn das echte System aus bestimmten Gründen nicht zur Verfügung steht. Die Simulation stellt somit eine Art Abbild des Systems da, Prozesse und Aktionen finden statt „als ob“. Die Bedingungen sollen möglichst realitätsnah sein, aber eben nicht „in echt“. Somit könnte man eine Simulation auch als eine Art „Spiel“ oder „Planspiel“ bezeichnen (Hörnlein/Oechslein/Puppe, 2000: 1). Wie in einem Spiel gibt es festgelegte Regeln, Rahmenbedingungen und Aktionsmöglichkeiten, jedoch ohne Konsequenzen - da das System eben nicht „wirklich“ vorliegt. Bei der Programmierung von und der Arbeit mit Simulationen sollte man sich bewusst machen, dass immer die Möglichkeit besteht, dass man nicht alle möglichen Aktionen bedacht und in das „Regelwerk“ der Simulation aufgenommen hat. Selbst die sorgfältigst durchdachte Simulation ist eben „nur“ eine Simulation und es gibt keine Garantie, dass es in Wirklichkeit auch so abläuft.

[...]