---
title: "Menschliches Verhalten und Gesellschaft · Simulationen · Simulationshypothese"
url: https://simulation-hypothesis.com/de/simulations/human-society
description: "Entscheidungen, Menschenmengen, Meinungen, Märkte, vergangene Gesellschaften und ganze Bevölkerungen."
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, Simulationshypothese (simulation-hypothesis.com)"
---

[Simulationen](https://simulation-hypothesis.com/de/simulations)Bereich 8 von 18

# Menschliches Verhalten und Gesellschaft

Entscheidungen, Menschenmengen, Meinungen, Märkte, vergangene Gesellschaften und ganze Bevölkerungen.

Hier werden Menschen als Entscheider, Menschenmengen, Märkte und Bevölkerungen modelliert. Die Modelle sind absichtlich einfach gehalten. Oft geht es darum zu zeigen, wie wenig individuelle Absicht nötig ist, um ein großes gesellschaftliches Muster zu erzeugen. Anthropologen und Archäologen nutzen dieselben Werkzeuge, um Gesellschaften zu rekonstruieren, die es nicht mehr gibt. Damit sind sie das engste reale Gegenstück zu den Ahnensimulationen der Hypothese.

## Geist und Entscheidungen

### Kognitive Architekturen

Ein Rechenmodell des menschlichen Gedächtnisses, der Aufmerksamkeit und des Denkens, ausgeführt an derselben Aufgabe, die Menschen im Labor gestellt wird.

Frage, die sie beantwortet: Macht das Modell dieselben Fehler mit derselben Geschwindigkeit wie Menschen?

Lässt aus: Menschliche Reaktionszeiten anzupassen, beweist nicht, dass das Modell den tatsächlichen Mechanismus des Gehirns nutzt.

Läuft auf: etwa 10^12 FLOPS grob eine Desktop-Workstation, die eine Architektur an einer Laboraufgabe ausführt Seit: 1983 Newells Entwicklung einer einheitlichen kognitiven Architektur, Soar

Modelle: [Mensch](https://simulation-hypothesis.com/de/entities/human)

[Regeln und Zustände](https://simulation-hypothesis.com/de/simulations/methods#m-rules)Materieebene: Regeln

### Modelle der Entscheidungsfindung

Evidenz, die sich zufällig aufbaut, bis sie eine Schwelle überschreitet, genutzt, um Entscheidungen und Reaktionszeiten zu erklären.

Frage, die sie beantwortet: Warum tauschen Menschen Geschwindigkeit gegen Genauigkeit, wie sie es tun?

Lässt aus: Setzt voraus, dass sich Evidenz mit konstanter verrauschter Rate aufbaut, ein vereinfachtes neuronales Bild.

Läuft auf: etwa 10^9 FLOPS grob ein Laptop, der ein Drift-Diffusions-Modell an Entscheidungsdaten anpasst Seit: 1978 Ratcliffs Drift-Diffusions-Modell der Entscheidungsfindung

Modelle: [Mensch](https://simulation-hypothesis.com/de/entities/human)

[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Regeln

### Modelle des Lernens

Agenten, die aus Belohnung und Fehler lernen, angepasst daran, wie sich Menschen und Tiere in Lernexperimenten verhalten.

Frage, die sie beantwortet: Welche Lernregel erklärt am besten, wie Menschen sich an wechselnde Chancen anpassen?

Lässt aus: Erfasst das durchschnittliche Verhalten gut, übersieht aber oft individuelle Unterschiede beim Lernen.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die ein Belohnungslernmodell anpasst Seit: 1972 Rescorla und Wagners Modell des assoziativen Lernens

Modelle: [Mensch](https://simulation-hypothesis.com/de/entities/human)

[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Regeln

### Modelle der sozialen Kognition und der Theory of Mind

Das Bild eines Agenten davon, was ein anderer glaubt, will oder weiß, in ihm selbst verschachtelt; damit wird erklärt, wie Menschen das Verhalten anderer vorhersagen und beeinflussen.

Frage, die sie beantwortet: Wie viele Ebenen tief denken Menschen tatsächlich darüber nach, was andere denken?

Lässt aus: Die meisten Modelle begrenzen die Verschachtelung von Überzeugungen auf wenige Ebenen, obwohl echtes Schlussfolgern weniger regelmäßig ist.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die ein verschachteltes Modell des Überzeugungsdenkens ausführt Seit: 1978 Premack und Woodruffs Theory of Mind, später rechnerisch formalisiert

Modelle: [Mensch](https://simulation-hypothesis.com/de/entities/human)

[Regeln und Zustände](https://simulation-hypothesis.com/de/simulations/methods#m-rules)[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Regeln

### Modellierung von Emotion und Affekt

Eine simulierte Bewertung einer Situation, etwa Bedrohung oder Verlust, wird in einen Gefühlszustand umgesetzt, der spätere Entscheidungen des Agenten verzerrt.

Frage, die sie beantwortet: Wie verändert es tatsächlich die folgenden Entscheidungen, wenn man Angst hat oder wütend ist?

Lässt aus: Bewertungsregeln sind die Emotionstheorie der Modellierenden, kein direktes Ablesen irgendjemandes Gefühle.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die ein bewertungsbasiertes Emotionsmodell ausführt Seit: 1988 Ortony, Clore und Collins' kognitives Modell der Emotion

Modelle: [Mensch](https://simulation-hypothesis.com/de/entities/human)

[Regeln und Zustände](https://simulation-hypothesis.com/de/simulations/methods#m-rules)[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)Materieebene: Regeln

### Modellierung von Entscheidungen unter Risiko und Unsicherheit

Wetten und Entscheidungen, durch ein Modell geschickt, wie Menschen Gewinne, Verluste und Wahrscheinlichkeiten tatsächlich abwägen, statt wie es ein rein rationaler Agent täte.

Frage, die sie beantwortet: Warum weichen die Entscheidungen von Menschen unter Risiko so beständig von der rationalen Lehrbuchantwort ab?

Lässt aus: Passt durchschnittliche Verzerrungen gut an, aber die Entscheidungen einer einzelnen Person können von der angepassten Kurve abweichen.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die ein Entscheidungsmodell der Prospect-Theorie anpasst Seit: 1992 Tversky und Kahnemans kumulative Prospect Theory der Entscheidung unter Risiko

Modelle: [Mensch](https://simulation-hypothesis.com/de/entities/human)

[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)Materieebene: Regeln

### Sprachmodelle als Umfrageteilnehmer

Ein Sprachmodell erhält ein demografisches Profil und soll Umfragefragen so beantworten, wie es diese Person tun würde.

Frage, die sie beantwortet: Kann ein Modell eine Umfragestichprobe ersetzen, um Gruppenantworten vorherzusagen?

Lässt aus: Erbt Verzerrung und Gleichförmigkeit aus dem Trainingstext des Modells und ist schwach bei Gruppen, von denen es wenig gesehen hat.

Läuft auf: etwa 10^14 FLOPS grob Ein Modellaufruf pro simuliertem Befragten Seit: 2022 Out of One, Many: using language models to simulate human samples (2022) [Quelle](https://arxiv.org/abs/2209.06899)

[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)Materieebene: Regeln

### Verhaltensexperimente mit Sprachmodellen

Sprachmodelle werden als viele verschiedene Teilnehmer angesprochen, um klassische Experimente der Psychologie und Wirtschaftswissenschaft nachzustellen.

Frage, die sie beantwortet: Reproduziert ein Modell menschliche Ergebnisse in einer klassischen Studie?

Lässt aus: Die Replikation kann auswendig gelernte Studien widerspiegeln, und das Modell lässt sich möglicherweise nicht auf neue Designs verallgemeinern.

Läuft auf: etwa 10^14 FLOPS grob Viele Modellaufrufe pro Experiment Seit: 2022 Using large language models to simulate multiple humans and replicate human subject studies (2022) [Quelle](https://arxiv.org/abs/2208.10264)

[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)Materieebene: Regeln

## Soziale Dynamik

### Wohnortsortierung

Haushalte ziehen um, wenn zu wenige Nachbarn ihnen ähneln, Thomas Schellings Modell dafür, wie milde Vorlieben scharfe Trennlinien erzeugen.

Frage, die sie beantwortet: Wie viel individuelle Vorliebe braucht es, um eine gespaltene Stadt zu erzeugen?

Lässt aus: Echte Segregation hat auch mit Einkommen, Diskriminierung und Geschichte zu tun, die milde Vorlieben allein nicht erklären können.

Läuft auf: etwa 10^9 FLOPS grob ein Laptop, der Schellings Segregationsmodell auf einem Gitter ausführt Seit: 1971 Schellings ursprüngliches, von Hand durchgespieltes Segregationsmodell, später computerisiert Im Simulationen-Baum: [Schelling-Segregation](https://simulation-hypothesis.com/de/trees/simulations?n=soc-schelling)

Modelle: [Mensch](https://simulation-hypothesis.com/de/entities/human)

[Das interaktive Modell ausführen](https://simulation-hypothesis.com/de/simulations/run#toy-schelling)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Zelluläre Automaten](https://simulation-hypothesis.com/de/simulations/methods#m-cellular-automata)Materieebene: Körper

### Meinungsdynamik

Agenten, die einander durch Kontakt und Netzwerke in ihren Ansichten anstoßen.

Frage, die sie beantwortet: Wann erreicht eine Gruppe Konsens, und wann spaltet sie sich in Lager?

Lässt aus: Echte Meinungen beinhalten Emotion und Identität, die einfache Mittelungsregeln nicht erfassen.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die Meinungen über ein soziales Netzwerk aktualisiert Seit: 1974 DeGroots Modell der iterativen Meinungsbündelung, später auf Netzwerken simuliert

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Netzwerkmodelle](https://simulation-hypothesis.com/de/simulations/methods#m-network)Materieebene: Körper

### Kooperation und Normen

Wiederholte Spiele von Vertrauen und Betrug zwischen vielen Spielern, mit Ruf und Bestrafung.

Frage, die sie beantwortet: Wie werden Normen der Kooperation und Fairness stabil?

Lässt aus: Echter Ruf und echte Bestrafung sind unordentlicher und langsamer als saubere wiederholte Spiele.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die Turniere wiederholter Spiele ausführt Seit: 1980 Axelrods Computerturniere zum wiederholten Gefangenendilemma

Modelle: [Mensch](https://simulation-hypothesis.com/de/entities/human)

[Spieltheorie](https://simulation-hypothesis.com/de/simulations/methods#m-game-theory)[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

### Verbreitung von Ideen

Innovationen, Gewohnheiten und Gerüchte, die sich durch soziale Netzwerke ausbreiten.

Frage, die sie beantwortet: Warum setzen sich manche Ideen durch und andere verbreiten sich nie?

Lässt aus: Sagt Verbreitungskurven besser voraus, als es erklärt, warum ein einzelner Mensch wechselt.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die die Verbreitung über ein soziales Netzwerk simuliert Seit: 1969 Bass' mathematisches Modell der Verbreitung neuer Produkte, später simuliert

[Netzwerkmodelle](https://simulation-hypothesis.com/de/simulations/methods#m-network)[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

### Entstehung sozialer Netzwerke

Menschen, die nach Regeln wie Freunde von Freunden und Ähnlichkeit Beziehungen knüpfen und lösen.

Frage, die sie beantwortet: Warum zeigen große Netze kurze Pfadlängen zwischen fast allen Knotenpaaren?

Lässt aus: Echte Beziehungsbildung hat mit Geografie und Institutionen zu tun, die abstrakte Regeln überspringen.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die ein Netzwerk nach einer Anlagerungsregel wachsen lässt Seit: 1999 Barabási und Alberts Präferenzmodell der Netzwerkbildung (Preferential Attachment)

Modelle: [Mensch](https://simulation-hypothesis.com/de/entities/human)

[Netzwerkmodelle](https://simulation-hypothesis.com/de/simulations/methods#m-network)Materieebene: Körper

### Sprachevolution

Agenten, die Wörter und Grammatik erfinden, um zu kommunizieren, und sie weitergeben.

Frage, die sie beantwortet: Wie kann ein gemeinsamer Wortschatz entstehen, ohne dass jemand das Sagen hat?

Lässt aus: Echte Sprache hat eine Grammatik und Geschichte, die weit reicher sind als die kleinen Wortschätze, die Agenten entwickeln.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, auf der Agenten ein gemeinsames Vokabular erfinden Seit: 1995 Steels frühe Simulationen von Agenten, die ein gemeinsames Vokabular erfinden

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

### Kulturelle Evolution

Fertigkeiten, Werkzeuge und Traditionen, die über Generationen kopiert, verbessert und verloren werden.

Frage, die sie beantwortet: Warum behalten größere, besser vernetzte Populationen komplexere Technik?

Lässt aus: Behandelt Kultur wie Gene, die zwischen Menschen weitergegeben werden, und übersieht, wie Ideen neu erfunden werden.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die die Weitergabe von Merkmalen über Generationen simuliert Seit: 1981 Cavalli-Sforzas und Feldmans Modelle der kulturellen Weitergabe

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Evolutionär](https://simulation-hypothesis.com/de/simulations/methods#m-evolutionary)Materieebene: Populationen

### Gesellschaften aus Sprachmodell-Agenten

Dutzende Software-Agenten, angetrieben von einem Sprachmodell, jeweils mit Gedächtnis und Plänen, leben in einer kleinen simulierten Stadt und bilden soziales Verhalten aus.

Frage, die sie beantwortet: Welche sozialen Muster entstehen, wenn Agenten planen und in natürlicher Sprache reden?

Lässt aus: Das Verhalten stammt aus dem Training des Sprachmodells, und die Läufe sind teuer und schwer reproduzierbar.

Läuft auf: etwa 10^15 FLOPS grob Tausende Modellaufrufe pro simuliertem Tag Seit: 2023 Generative Agents: interactive simulacra of human behavior (2023) [Quelle](https://arxiv.org/abs/2304.03442)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)Materieebene: Regeln

### Prototypen bevölkerter sozialer Systeme

Ein Sprachmodell erzeugt eine Gemeinschaft simulierter Mitglieder mit Beiträgen und Antworten, damit Designer eine soziale Plattform vor dem Start testen können.

Frage, die sie beantwortet: Welches Verhalten könnte eine neue Gemeinschaft anziehen?

Lässt aus: Die Ausgabe schwankt zwischen Läufen, und böswillige Akteure sind nur so realistisch wie der Prompt.

Läuft auf: etwa 10^13 FLOPS grob Viele Modellaufrufe pro Gemeinschaft Seit: 2022 Social Simulacra (2022) [Quelle](https://arxiv.org/abs/2208.04024)

[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Regeln

### Simulation sozialer Plattformen mit Sprachmodellen

Eine Plattform mit Feeds, Folgen und Empfehlungen wird von bis zu einer Million modellgesteuerter Nutzer bevölkert, um Informationsverbreitung und Herdenverhalten zu untersuchen.

Frage, die sie beantwortet: Wie verbreiten sich Beiträge, Meinungen und Falschinformationen auf einer Plattform mit modellgesteuerten Nutzern?

Lässt aus: Agenten sind weit einheitlicher als echte Nutzer, und die Validierung in der echten Welt ist begrenzt.

Läuft auf: etwa 10^17 FLOPS grob Inferenz großer Modelle Seit: 2024 OASIS: open agent social interaction simulations with one million agents (2024) [Quelle](https://arxiv.org/abs/2411.11581)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)[Netzwerkmodelle](https://simulation-hypothesis.com/de/simulations/methods#m-network)Materieebene: Regeln

### Simulation von Rückkopplungsschleifen bei Empfehlungssystemen

Simulierte Nutzer und ein Empfehlungssystem wechselwirken über viele Runden, um zu zeigen, wie Empfehlungen verändern, was Nutzer wählen.

Frage, die sie beantwortet: Verengen Empfehlungssysteme mit der Zeit, was Menschen konsumieren?

Lässt aus: Das Nutzerverhalten ist ein stilisiertes Modell, keine gemessene Präferenz.

Läuft auf: etwa 10^10 FLOPS grob Aufwandsarme wiederholte Runden Seit: 2017 How algorithmic confounding in recommendation systems increases homogeneity and decreases utility (2017) [Quelle](https://arxiv.org/abs/1710.11214)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Regeln

### Nutzersimulation mit Sprachmodellen für Empfehlungssysteme

Sprachmodell-Agenten mit Geschmacksprofilen stöbern, bewerten und brechen vorgeschlagene Angebote ab und ersetzen so Nutzer bei Tests von Empfehlungsalgorithmen.

Frage, die sie beantwortet: Wie würden Nutzer auf einen neuen Empfehlungsalgorithmus reagieren?

Lässt aus: Der Geschmack der Agenten ist nur eine Annäherung an echten Geschmack.

Läuft auf: etwa 10^14 FLOPS grob Viele Modellaufrufe pro simuliertem Nutzer Seit: 2023 On generative agents in recommendation (2023) [Quelle](https://arxiv.org/abs/2310.10108)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)Materieebene: Regeln

### Verbreitung von Falschinformationen und Gerüchten

Menschen in Clustern entscheiden, eine Geschichte zu teilen, danach, wie viele ihrer Kontakte sie geteilt haben, sodass die Verbreitung von der Netzwerkstruktur abhängt.

Frage, die sie beantwortet: Welche Netzstruktur lässt eine falsche Geschichte viral gehen?

Lässt aus: Plattformalgorithmen und die Motive derer, die teilen, sind vereinfacht.

Läuft auf: etwa 10^7 FLOPS grob Netzwerkansteckung auf einer Workstation. Seit: 2018 Toernberg, Echokammern und virale Falschinformation: Fake News als komplexe Ansteckung modelliert. [Quelle](https://doi.org/10.1371/journal.pone.0203958)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Netzwerkmodelle](https://simulation-hypothesis.com/de/simulations/methods#m-network)Materieebene: Populationen

### Migration unter Klimastress

Haushalte entscheiden anhand von Einkommen, Klimaschocks und sozialen Bindungen, ob sie eine Region verlassen, und die Ströme zwischen den Gebieten werden aufsummiert.

Frage, die sie beantwortet: Wie viele Menschen ziehen weg, wenn der Niederschlag oder das Einkommen aus der Landwirtschaft sinkt?

Lässt aus: Entscheidungsregeln sind angenommen, und Migration hat viele Ursachen.

Läuft auf: etwa 10^8 FLOPS grob Regionale Agentenläufe auf einer Workstation. Seit: 2011 Kniveton und Kollegen, agentenbasierte Modellsimulationen künftiger Veränderungen der Migrationsströme für Burkina Faso. [Quelle](https://doi.org/10.1016/j.gloenvcha.2011.09.006)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Populationen

### Modelle menschlicher Mobilität und Migration

Der Strom von Menschen zwischen Orten wird aus Bevölkerungszahlen und Entfernungen vorhergesagt, mit Gravitations- oder Strahlungsregeln.

Frage, die sie beantwortet: Wie viele Menschen reisen zwischen zwei Orten?

Lässt aus: Ignoriert Transportkosten, Grenzen und individuelle Unterschiede.

Läuft auf: etwa 10^6 FLOPS grob Flussmatrix-Berechnung auf einem Laptop. Seit: 2012 Simini und Kollegen, ein universelles Modell für Mobilitäts- und Migrationsmuster. [Quelle](https://doi.org/10.1038/nature10856)

[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Populationen

### Erzeugung synthetischer Bevölkerungen

Eine vollständige Menge künstlicher Haushalte und Personen wird so aufgebaut, dass sie den bekannten Gesamtzahlen einer echten Stadt oder eines Landes entspricht; jede Person bekommt Alter, Beruf, Wohnung und Familie.

Frage, die sie beantwortet: Wie bekommen wir einen realistischen Ersatz für alle Menschen einer Region, ohne die echten Daten einer einzigen Person zu verwenden?

Lässt aus: Es werden nur die Summen abgeglichen, die der Zensus veröffentlicht, sodass Korrelationen zwischen nicht gemessenen Merkmalen erfunden sind.

Läuft auf: etwa 10^9 FLOPS grob Stunden auf einer Workstation für ein Land. Seit: 1996 Beckmans, Baggerlys und McKays Erzeugung synthetischer Basispopulationen. [Quelle](https://doi.org/10.1016/0965-8564%2896%2900004-3)

[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)Materieebene: Populationen

## Menschenmengen

### Dynamik von Fußgängern und Menschenmengen

Jeder Fußgänger, der Hindernisse und andere Menschen durch soziale Kräfte umgeht.

Frage, die sie beantwortet: Wo stauen sich Menschenmengen in diesem Bahnhof, und wie verhindern wir ein Gedränge?

Lässt aus: Echte Menschenmengen geraten in Panik und verhalten sich auf eine Weise unvorhersehbar, die glatte Kraftmodelle verfehlen.

Läuft auf: etwa 10^13 FLOPS grob ein Universitätscluster, der Zehntausende Läufer simuliert Seit: 1995 Helbing und Molnárs Soziale-Kräfte-Modell der Fußgängerbewegung

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Kontinuumsfelder](https://simulation-hypothesis.com/de/simulations/methods#m-continuum)Materieebene: Körper

### Emotionen in der Menge und Verhaltensansteckung

Eine Stimmung oder Handlung wie Panik, Jubel oder Lachen, die sich in einer dichten Menge von Mensch zu Mensch ausbreitet, schneller als irgendjemand entschieden hat mitzumachen.

Frage, die sie beantwortet: Wie geht ein Gefühl oder eine Handlung durch eine Menge von Fremden?

Lässt aus: Ansteckungsregeln werden meist nachträglich aus Videoaufnahmen erraten, nicht live gemessen.

Läuft auf: etwa 10^11 FLOPS grob eine Desktop-Workstation, die simuliert, wie sich Stimmung durch eine Menschenmenge ausbreitet Seit: 2000 frühe agentenbasierte Modelle der Gefühlsansteckung bei Massenpanik

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Netzwerkmodelle](https://simulation-hypothesis.com/de/simulations/methods#m-network)Materieebene: Körper

### Modelle kollektiven Handelns und von Kipppunkten

Jede Person ist erst bereit mitzumachen, wenn schon genug andere dabei sind, sodass der Übergang einer Menge von ruhig zu gemeinsamem Handeln von der Mischung der individuellen Schwellen abhängt.

Frage, die sie beantwortet: Wie viele Menschen müssen zuerst handeln, bevor alle anderen folgen?

Lässt aus: Setzt voraus, dass die Schwelle jedes Einzelnen vorab feststeht, obwohl sich echte Schwellen verschieben, sobald eine Menge in Bewegung gerät.

Läuft auf: etwa 10^9 FLOPS grob ein Laptop, der eine Schwellenwert-Kaskade über eine Bevölkerung ausführt Seit: 1978 Granovetters Schwellenmodell kollektiven Verhaltens

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Regeln

### Kollektive Schätzung und Weisheit der Vielen

Viele unabhängige, einzeln verrauschte Schätzungen einer einzigen Zahl, zusammengeführt, um zu sehen, um wie viel näher der Durchschnitt an der Wahrheit liegt als die Schätzung jedes Einzelnen.

Frage, die sie beantwortet: Wann schlägt der Durchschnitt vieler Schätzungen die Frage an einen einzelnen Experten?

Lässt aus: Der Mittelungseffekt versagt, sobald einzelne Schätzungen nicht mehr unabhängig sind.

Läuft auf: etwa 10^9 FLOPS grob ein Laptop, der eine Monte-Carlo-Aggregation von Schätzungen ausführt Seit: 1907 Francis Galtons Analyse der Schätzungen einer Menge zum Gewicht eines Ochsen

[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Regeln

### Netzwerkmodelle der Protestmobilisierung

Menschen, die entscheiden, ob sie sich einem Protest anschließen, danach, wie viele ihrer eigenen sozialen Kontakte schon hingehen, wodurch sich die Beteiligung über ein Netzwerk ausbreitet statt in einer Menge an einem Ort.

Frage, die sie beantwortet: Wie wächst eine Protestbewegung von wenigen Engagierten zu einer Massenbeteiligung?

Lässt aus: Behandelt das Beitreten als einzelne Ja-oder-Nein-Entscheidung und übersieht die kleinen Schritte echter Bindung.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die die Rekrutierung über ein Netzwerk simuliert Seit: 1997 Kim und Bearmans Netzwerkmodell der Protestbeteiligung

[Netzwerkmodelle](https://simulation-hypothesis.com/de/simulations/methods#m-network)[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

### Modellierung des Krankheitsrisikos bei Massenversammlungen

Die ungewöhnlich dichte, vorübergehende Durchmischung von Menschen bei einem Festival, einer Pilgerfahrt oder einem Sportereignis wird modelliert, um abzuschätzen, wie schnell sich eine Infektion ausbreiten und wieder verebben könnte, sobald sich die Menge zerstreut.

Frage, die sie beantwortet: Wie viel zusätzliches Krankheitsrisiko entsteht, wenn so viele Menschen für ein paar Tage zusammenkommen?

Lässt aus: Sobald sich die Menge zerstreut, ist es kaum möglich zu verfolgen, wohin sich daraus entstandene Infektionen weiter bewegen.

Läuft auf: etwa 10^12 FLOPS grob ein Universitätscluster, der Kontakte während einer einzelnen Zusammenkunft simuliert Seit: 1987 Modellierung eines Meningitis-Ausbruchs unter Pilgern bei einer Massenversammlung

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Körper

## Volkswirtschaften und Märkte

### Makroökonomische Modelle

Eine ganze Volkswirtschaft aus repräsentativen Haushalten, Firmen, Banken und einer Zentralbank, die aufeinander reagieren.

Frage, die sie beantwortet: Was passiert mit Arbeitsplätzen und Preisen, wenn die Zinsen steigen?

Lässt aus: Modelle repräsentativer Haushalte können Dynamiken aus Ungleichheit übersehen.

Läuft auf: etwa 10^12 FLOPS grob ein Desktop-Rechner oder kleiner Cluster, der ein strukturelles makroökonomisches Modell löst Seit: 1955 Klein und Goldbergers frühes computergestütztes makroökonometrisches Modell

[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)Materieebene: Populationen

### Agentenbasierte Volkswirtschaften

Tausende einzelne Haushalte, Firmen und Banken, die kaufen, verkaufen, Kredite aufnehmen und scheitern.

Frage, die sie beantwortet: Wie entstehen Krisen aus alltäglichem Verhalten?

Lässt aus: Die Verhaltensregeln der Agenten werden von den Modellierenden gewählt, nicht an Menschen gemessen.

Läuft auf: etwa 10^13 FLOPS grob ein Universitätscluster, der Tausende wechselwirkender Haushalte und Firmen simuliert Seit: 1993 frühe agentenbasierte Modelle der Computational Economics am Santa Fe Institute

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

### Finanzmärkte

Händler mit verschiedenen Strategien geben Aufträge in einen simulierten Markt.

Frage, die sie beantwortet: Woher kommen Crashs und Blasen?

Lässt aus: Echte Märkte haben Regulierung, Nachrichten und seltene Ereignisse, die einfache Handelsregeln auslassen.

Läuft auf: etwa 10^13 FLOPS grob ein Universitätscluster, der das Zusammenspiel vieler Handelsstrategien simuliert Seit: 1994 Palmer, Arthur und Kollegen, der künstliche Aktienmarkt des Santa Fe Institute [Quelle](https://deepblue.lib.umich.edu/items/18b0197f-305e-40c5-b9bf-98ca56549ca5) Im Simulationen-Baum: [Künstlicher Aktienmarkt](https://simulation-hypothesis.com/de/trees/simulations?n=soc-santafe)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Körper

### Finanzrisiko

Tausende mögliche Zukünfte für ein Portfolio, eine Bank oder einen Versicherer.

Frage, die sie beantwortet: Wie schlimm ist ein Verlust, wie er einmal in hundert Jahren vorkommt?

Lässt aus: Setzt voraus, dass die Zukunft statistisch wie die Vergangenheit aussieht, was in einer Krise nicht mehr stimmt.

Läuft auf: etwa 10^13 FLOPS grob der Cluster einer Bank oder Versicherung, der Millionen Monte-Carlo-Szenarien durchrechnet Seit: 1994 Frühe Einführung von Monte-Carlo-Value-at-Risk-Modellen durch Risikomanagement-Gruppen

[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)Materieebene: Populationen

### Markt- und Auktionsdesign

Bieter mit Strategien, die unter verschiedenen Auktionsregeln konkurrieren.

Frage, die sie beantwortet: Welche Regeln ergeben den fairsten Preis bei der geringsten Manipulation?

Lässt aus: Echte Bieter verhalten sich nicht immer so rational wie die Strategien annehmen.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die Bietstrategien unter Auktionsregeln testet Seit: 1961 Vickreys Auktionstheorie, später durch Simulation und Experiment getestet

[Spieltheorie](https://simulation-hypothesis.com/de/simulations/methods#m-game-theory)[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

### Künstliche Gesellschaften

Agenten, die auf einer Landschaft aus Ressourcen sammeln, handeln und sich fortpflanzen; daraus entstehen Vermögensverteilungen und Handel.

Frage, die sie beantwortet: Welche einfachen Regeln genügen, um die großräumigen Merkmale einer Gesellschaft wachsen zu lassen?

Lässt aus: Einfache Regeln können realistisch aussehende Muster aus dem falschen zugrunde liegenden Grund wachsen lassen.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die eine agentenbasierte Landschaftsökonomie ausführt Seit: 1996 Epsteins und Axtells Sugarscape-Modell Im Simulationen-Baum: [Sugarscape](https://simulation-hypothesis.com/de/trees/simulations?n=soc-sugarscape)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

### KI-entworfene Simulation von Wirtschaftspolitik

Lernende Agenten arbeiten als Arbeitskräfte in einer simulierten Wirtschaft, während ein trainierter Planer nach einer Steuerpolitik sucht, die Gleichheit und Produktivität ausbalanciert.

Frage, die sie beantwortet: Zu welcher Steuerregel konvergieren lernende Agenten und ein Planer?

Lässt aus: Echte Menschen unterscheiden sich von lernenden Agenten, und die Struktur der Wirtschaft ist einfach.

Läuft auf: etwa 10^15 FLOPS grob Bestärkendes Lernen im großen Maßstab Seit: 2020 The AI Economist (2020) [Quelle](https://arxiv.org/abs/2004.13332)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Spieltheorie](https://simulation-hypothesis.com/de/simulations/methods#m-game-theory)[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)Materieebene: Regeln

### Agentenbasierte Börsensimulatoren

Eine simulierte Börse mit vollständigem Orderbuch und zeitgestempelten Nachrichten, in der Handelsagenten, auch lernende, miteinander agieren.

Frage, die sie beantwortet: Wie würde sich eine Handelsstrategie oder eine Regeländerung auf einen Markt auswirken?

Lässt aus: Das Verhalten der Agenten ist stilisiert, und die Marktwirkung lässt sich schwer kalibrieren.

Läuft auf: etwa 10^11 FLOPS grob Ereignisgesteuerte Läufe mit Tausenden Agenten Seit: 2019 ABIDES: towards high-fidelity market simulation for AI research (2019) [Quelle](https://arxiv.org/abs/1904.12066)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Diskrete Ereignisse](https://simulation-hypothesis.com/de/simulations/methods#m-discrete-event)Materieebene: Regeln

### Agentenbasierte Modelle des Wohnungsmarkts

Haushalte mit Einkommen, Banken mit Kreditregeln und ein begrenzter Wohnungsbestand wirken zusammen und zeigen, wie Verschuldungshebel und Kredit Preise und Zahlungsausfälle verändern.

Frage, die sie beantwortet: Wie erzeugen Kreditregeln Booms und Einbrüche auf dem Wohnungsmarkt?

Lässt aus: Das Verhalten der Haushalte ist regelbasiert, und die Daten sind wenig detailliert.

Läuft auf: etwa 10^9 FLOPS grob Hunderttausende Agenten auf einer Workstation. Seit: 2012 Geanakoplos and colleagues, getting at systemic risk via an agent-based model of the housing market. [Quelle](https://doi.org/10.1257/aer.102.3.53)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Populationen

### Dynamische stochastische allgemeine Gleichgewichtsmodelle

Ein repräsentativer Haushalt und eine repräsentative Firma entscheiden im Zeitverlauf unter zufälligen Schocks; mit dem Modell wird nachgezeichnet, wie solche Störungen und die Politik die Wirtschaft beeinflussen.

Frage, die sie beantwortet: Wie reagiert die Wirtschaft auf einen Schock oder eine Zinsänderung?

Lässt aus: Setzt rationale repräsentative Akteure voraus und kann Krisen nur schwer erzeugen.

Läuft auf: etwa 10^6 FLOPS grob Störungsrechnung oder Bayes'sche Schätzung auf einem Laptop. Seit: 1982 Kydland und Prescott, Time to build and aggregate fluctuations. [Quelle](https://doi.org/10.2307/1913386)

[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Regeln

### Katastrophenmodelle der Versicherungen

Tausende simulierte Stürme, Beben oder Überschwemmungen werden auf ein Immobilienportfolio angewandt, um die Verluste abzuschätzen, denen ein Versicherer begegnen könnte.

Frage, die sie beantwortet: Welcher Verlust wird einmal in 200 Jahren überschritten?

Lässt aus: Seltene Extreme beruhen auf kurzen Aufzeichnungen, und die Verwundbarkeit von Gebäuden wird geschätzt.

Läuft auf: etwa 10^11 FLOPS grob Große Ereigniskataloge auf einem Cluster. Seit: 1972 Friedman, insurance and the natural hazards. [Quelle](https://doi.org/10.1017/s0515036100005699)

[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Populationen

### Finanzansteckung in Interbankennetzwerken

Banken, die durch Kredite verbunden sind, werden erschüttert, und die Ausfälle, die sich von einer zur nächsten ausbreiten, werden nachverfolgt, um das systemische Risiko zu messen.

Frage, die sie beantwortet: Wie weit breitet sich der Zusammenbruch einer Bank im System aus?

Lässt aus: Die Risikopositionen sind nur teilweise beobachtet, und das Verhalten der Banken ist festgelegt.

Läuft auf: etwa 10^7 FLOPS grob Clearing-Algorithmen auf einer Workstation. Seit: 2001 Eisenberg und Noe, systemisches Risiko in Finanzsystemen. [Quelle](https://doi.org/10.1287/mnsc.47.2.236.9835)

[Netzwerkmodelle](https://simulation-hypothesis.com/de/simulations/methods#m-network)[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)Materieebene: Regeln

### Kinetische Vermögensaustauschmodelle

Agenten tauschen paarweise zufällige Geldbeträge wie zusammenstoßende Gasteilchen, und es entsteht eine Vermögensverteilung.

Frage, die sie beantwortet: Erzeugt einfacher zufälliger Austausch die beobachtete Ungleichheit?

Lässt aus: Die Tauschregeln ignorieren Produktion, Kredit und Institutionen.

Läuft auf: etwa 10^6 FLOPS grob Simulation von Millionen Austauschen auf einem Laptop. Seit: 2000 Dragulescu und Yakovenko, statistische Mechanik des Geldes. [Quelle](https://doi.org/10.1007/s100510070114)

[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)[Teilchen und N-Körper](https://simulation-hypothesis.com/de/simulations/methods#m-particles)Materieebene: Regeln

### Modelle der wirtschaftlichen Folgewirkungen von Katastrophen

Ein Input-Output-Modell, wie Branchen einander beliefern, wird nach einer Katastrophe von Kapazitätsverlusten getroffen, und Engpässe pflanzen sich durch die Lieferkette fort.

Frage, die sie beantwortet: Was kostet es die Wirtschaft insgesamt, wenn eine Katastrophe einige Branchen lahmlegt?

Lässt aus: Feste technische Koeffizienten überzeichnen die Starrheit und ignorieren, dass Firmen den Zulieferer wechseln.

Läuft auf: etwa 10^6 FLOPS grob Matrixmodelle auf einem Laptop. Seit: 2008 Hallegatte, ein adaptives regionales Input-Output-Modell, angewandt auf die wirtschaftlichen Kosten von Katrina. [Quelle](https://doi.org/10.1111/j.1539-6924.2008.01046.x)

[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)[Netzwerkmodelle](https://simulation-hypothesis.com/de/simulations/methods#m-network)Materieebene: Regeln

### Agentenbasierte Modelle des Strommarkts

Erzeuger bieten wiederholt in einen Markt, lernen aus dem Gewinn, und das Preismuster zeigt, wie die Regeln die Ergebnisse beeinflussen.

Frage, die sie beantwortet: Führen Auktionsregeln zu niedrigeren Preisen oder zu kollusivem Bieten?

Lässt aus: Lernregeln der Unternehmen werden angenommen.

Läuft auf: etwa 10^7 FLOPS grob Simulation wiederholter Auktionen auf einer Workstation. Seit: 2001 Bower und Bunn, experimentelle Analyse der Effizienz von Einheitspreis- gegenüber diskriminierenden Auktionen. [Quelle](https://doi.org/10.1016/s0165-1889%2800%2900036-1)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Spieltheorie](https://simulation-hypothesis.com/de/simulations/methods#m-game-theory)[Evolutionär](https://simulation-hypothesis.com/de/simulations/methods#m-evolutionary)Materieebene: Populationen

### Gekoppelte Epidemie- und Wirtschaftsmodelle

Ein Epidemiemodell wird mit einem Wirtschaftsmodell verknüpft, sodass Infektionen Arbeit und Ausgaben verringern und wirtschaftliche Entscheidungen ihre Ausbreitung verändern.

Frage, die sie beantwortet: Wie verhalten sich gerettete Leben und verlorene Wirtschaftsleistung zueinander?

Lässt aus: Das Verhalten wird als rational und einheitlich angenommen.

Läuft auf: etwa 10^6 FLOPS grob dynamische Optimierung auf einem Laptop. Seit: 2020 Eichenbaum, Rebelo und Trabandt, die Makroökonomie von Epidemien. [Quelle](https://doi.org/10.3386/w26882)

[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)Materieebene: Populationen

### Marktmodelle für Flash Crashs

Mehrere Typen von Handelsagenten, darunter schnelle automatische Verkäufer und langsame fundamentale Käufer, wechselwirken in einem Modell eines Terminmarkts, um zu zeigen, wie sich ein plötzlicher Preissturz aufbauen und erholen kann.

Frage, die sie beantwortet: Können ein großer Verkaufsauftrag und dünne Liquidität allein einen marktweiten Kurssturz auslösen?

Lässt aus: Die Strategien der Agenten sind einfache Stellvertreter für echte Firmen, deren Algorithmen geheim sind. Die Geschichte, die es erzählt, ist daher plausibel, aber nicht geprüft.

Läuft auf: etwa 10^11 FLOPS grob Stunden auf einem Cluster für Ensembles von Handelstagen. Seit: 2012 Paddrik und Kollegen, agentenbasiertes Modell des E-Mini-S&P-500-Terminmarkts, angewandt auf den Flash Crash von 2010. [Quelle](https://doi.org/10.1109/cifer.2012.6327800)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Diskrete Ereignisse](https://simulation-hypothesis.com/de/simulations/methods#m-discrete-event)[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Populationen

### Kollusion durch algorithmische Preisbildung

Preisprogramme, die aus Verkaufsergebnissen lernen, werden in einen simulierten Markt gesetzt, um zu sehen, ob sie gemeinsam hohe Preise verlangen, ohne je miteinander zu reden.

Frage, die sie beantwortet: Können unabhängige Verkäufer mit lernenden Algorithmen dazu kommen, die Preise über dem Wettbewerbsniveau zu halten?

Lässt aus: Die Märkte sind winzig, mit wenigen Firmen und gleichen Gütern, und echte Firmen nutzen reichere Informationen und Gestaltung.

Läuft auf: etwa 10^9 FLOPS grob Millionen wiederholter Runden auf einer Workstation. Seit: 2019 Calvanos, Calzolaris, Denicolòs und Pastorellos Studie zu KI-gestützter algorithmischer Preisbildung und Kollusion. [Quelle](https://doi.org/10.2139/ssrn.3304991)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)[Spieltheorie](https://simulation-hypothesis.com/de/simulations/methods#m-game-theory)Materieebene: Populationen

### Makroökonomische Agenten aus Sprachmodellen

Sprachmodell-Agenten handeln als Haushalte und Unternehmen in einer simulierten Wirtschaft und entscheiden in Worten, wie viel sie arbeiten, ausgeben und sparen, und gemessen werden Gesamtleistung und Inflation.

Frage, die sie beantwortet: Reproduzieren Agenten, die in Sprache denken, die Muster echter Volkswirtschaften?

Lässt aus: Das Verhalten der Agenten stammt aus Texten, die sie gelernt haben, und spiegelt womöglich, was Menschen über Wirtschaft schreiben, statt wie sie handeln.

Läuft auf: etwa 10^16 FLOPS grob Millionen Modellaufrufe für hundert Agenten über Jahrzehnte simulierter Zeit. Seit: 2023 Li und Kollegen, EconAgent, Sprachmodell-Agenten zur Simulation makroökonomischer Aktivität. [Quelle](https://arxiv.org/abs/2310.10436)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)Materieebene: Populationen

## Anthropologie und Archäologie

### Rekonstruierte antike Gesellschaften

Die bäuerlichen Haushalte einer vergangenen Gesellschaft, die auf einer simulierten Landschaft leben, die aus Klima- und Bodenaufzeichnungen rekonstruiert ist, etwa die Dörfer der Ancestral Puebloans im amerikanischen Südwesten.

Frage, die sie beantwortet: Warum wurde dieses Tal besiedelt, und warum wurde es aufgegeben?

Lässt aus: Hängt von Rekonstruktionen von Klima und Ernteerträgen ab, die ihre eigenen großen Unsicherheiten tragen.

Läuft auf: etwa 10^12 FLOPS grob ein Universitätscluster, der Jahrhunderte simulierter Haushalte durchläuft Seit: 2002 Das Modell der Kayenta-Anasazi im Long House Valley von Axtell, Epstein, Dean, Gumerman und Kollegen [Quelle](https://profiles.wustl.edu/en/publications/population-growth-and-collapse-in-a-multiagent-model-of-the-kayen/) Im Simulationen-Baum: [Artificial Anasazi](https://simulation-hypothesis.com/de/trees/simulations?n=soc-anasazi)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

### Ausbreitung des Menschen

Frühe menschliche Populationen, die sich über Kontinente ausbreiten, während sich Klima und Küstenlinien ändern.

Frage, die sie beantwortet: Wann und auf welchen Wegen erreichten Menschen jeden Kontinent?

Lässt aus: Routen und Daten hängen von Klima- und Genschätzungen ab, die sich laufend ändern.

Läuft auf: etwa 10^12 FLOPS grob ein Universitätscluster, der die Ausbreitung einer Population über Kontinente simuliert Seit: 2008 spätestens 2008, frühe agentenbasierte Simulationen der Ausbreitung des Menschen aus Afrika

Modelle: [Mensch](https://simulation-hypothesis.com/de/entities/human)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Zelluläre Automaten](https://simulation-hypothesis.com/de/simulations/methods#m-cellular-automata)Materieebene: Populationen

### Wirtschaft der Jäger und Sammler

Gruppen, die Nahrung suchen, das Lager verlegen und Essen teilen.

Frage, die sie beantwortet: Warum wurde das Teilen von Nahrung unter Sammlern und Jägern universell?

Lässt aus: Ethnografische Daten einiger weniger überlebender Gruppen stehen für eine breitere antike Vielfalt.

Läuft auf: etwa 10^11 FLOPS grob eine Desktop-Workstation, die die Nahrungssuche und Teilungsentscheidungen einer Gruppe simuliert Seit: 1994 frühe agentenbasierte Modelle von Nahrungsteilungsentscheidungen bei Sammlern

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

### Antiker Handel und Austausch

Siedlungen, verbunden durch Wege und Seerouten, mit Waren und Ideen, die zwischen ihnen wandern.

Frage, die sie beantwortet: Wie kamen Obsidian, Keramik oder Ideen so weit?

Lässt aus: Erhaltene Artefakte sind eine dünne, verzerrte Stichprobe von allem, was sich tatsächlich bewegt hat.

Läuft auf: etwa 10^11 FLOPS grob eine Desktop-Workstation, die den Austausch über ein Siedlungsnetz modelliert Seit: 2007 spätestens 2007, frühe Netzwerkmodelle römerzeitlicher Handelsrouten

[Netzwerkmodelle](https://simulation-hypothesis.com/de/simulations/methods#m-network)[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

### Demografische Mikrosimulation

Eine synthetische Bevölkerung, die Jahr für Jahr Geburten, Partnerschaften, Wanderungen und Todesfälle durchlebt.

Frage, die sie beantwortet: Wie wird die Bevölkerung altern, und was bedeutet das für Renten und Pflege?

Lässt aus: Fehler in den Wahrscheinlichkeiten einzelner Lebensereignisse summieren sich über ein simuliertes Leben.

Läuft auf: etwa 10^13 FLOPS grob ein Universitätscluster, der die Lebensereignisse einer synthetischen Bevölkerung simuliert Seit: 1957 Orcutts ursprünglicher Aufbau eines Mikrosimulationsmodells der amerikanischen Bevölkerung

Modelle: [Mensch](https://simulation-hypothesis.com/de/entities/human)

[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)Materieebene: Körper

### Bau von Monumenten und technische Rekonstruktion

Die Lasten, die Arbeit und die Logistik eines antiken Monuments werden getestet, indem man mögliche Bauweisen gegen das simuliert, was die erhaltenen Überreste tragen können und was nicht.

Frage, die sie beantwortet: Könnte dieses Monument tatsächlich so gebaut worden sein, wie die Überlieferung oder eine führende Theorie sagt?

Lässt aus: Mehrere konkurrierende Baumethoden passen oft gleich gut zu den erhaltenen Befunden.

Läuft auf: etwa 10^11 FLOPS grob eine Desktop-Workstation, die ein Modell für Statik und Arbeitslogistik ausführt Seit: 1997 frühe Simulationen, die testeten, wie Baurampen der ägyptischen Pyramiden funktioniert haben könnten

[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

## Politik und Organisationen

### Mikrosimulation von Steuern und Sozialleistungen

Eine vorgeschlagene Änderung bei Steuern oder Leistungen, angewendet auf eine große Stichprobe echter Haushalte.

Frage, die sie beantwortet: Wer gewinnt und wer verliert durch diese Änderung, und um wie viel?

Lässt aus: Setzt voraus, dass Menschen ihr Verhalten als Reaktion auf die Maßnahme nicht ändern, was sie manchmal doch tun.

Läuft auf: etwa 10^12 FLOPS grob ein Universitätscluster, der Regeln auf eine große Haushaltsstichprobe anwendet Seit: 1976 Orcutt und Kollegen, die DYNASIM-Mikrosimulation der US-Steuerpolitik

[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)[Regeln und Zustände](https://simulation-hypothesis.com/de/simulations/methods#m-rules)Materieebene: Körper

### Weltmodelle

Bevölkerung, Nahrung, Industrie, Ressourcen und Verschmutzung als Bestände und Rückkopplungsschleifen im globalen Maßstab.

Frage, die sie beantwortet: Was geschieht mit einer Welt mit endlichen Ressourcen bei anhaltendem Wachstum?

Lässt aus: Eine Handvoll globaler Bestände verdeckt alle regionalen und nationalen Unterschiede.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die ein globales Bestands-und-Fluss-Modell löst Seit: 1971 Forresters World2, veröffentlicht in World Dynamics; World3 für Die Grenzen des Wachstums folgte 1972 [Quelle](https://en.wikipedia.org/wiki/World3) Im Simulationen-Baum: [World3](https://simulation-hypothesis.com/de/trees/simulations?n=soc-world3)

[Systemdynamik](https://simulation-hypothesis.com/de/simulations/methods#m-system-dynamics)Materieebene: Populationen

### Organisationen und Teams

Mitglieder, Probleme und Entscheidungen, die durch eine Organisation wandern.

Frage, die sie beantwortet: Warum treffen Organisationen die Entscheidungen, die sie treffen?

Lässt aus: Echte Organisationspolitik und Persönlichkeit lassen sich schwer auf Entscheidungsregeln reduzieren.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die simuliert, wie Entscheidungen durch eine Organisation wandern Seit: 1963 Cyerts und Marchs Simulationsmodelle organisatorischer Entscheidungsfindung

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Körper

### Berechenbare allgemeine Gleichgewichtsmodellierung

Die Branchen, Haushalte und der Staat einer ganzen Volkswirtschaft, neu aufgebaut als System von Märkten, die alle zugleich geräumt werden müssen, und dann mit einer Steuer oder Handelspolitik erschüttert, um zu sehen, wo sich Preise und Produktion einpendeln.

Frage, die sie beantwortet: Wie gleicht sich eine ganze Volkswirtschaft nach dieser politischen Änderung neu aus?

Lässt aus: Setzt voraus, dass sich Märkte sauber in ein neues Gleichgewicht einpendeln, und vernachlässigt den ungeordneten Übergang in der Praxis.

Läuft auf: etwa 10^11 FLOPS grob ein kleiner Cluster, der ein großes System von Marktgleichgewichtsgleichungen löst Seit: 1972 Shoven und Whalleys angewandtes Allgemeines-Gleichgewichts-Modell der Steuerpolitik

[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)Materieebene: Populationen

### Modellierung von institutioneller Korruption und Integrität

Beamte und Bürger, die entscheiden, ob sie bestechen, melden oder sich fügen, jeweils abhängig davon, wie verbreitet Korruption schon ist und wie wahrscheinlich es scheint, erwischt zu werden.

Frage, die sie beantwortet: Warum bleibt Korruption in manchen Institutionen selten und wird in anderen zur Norm?

Lässt aus: Echte Korruption ist von Natur aus verborgen, deshalb sind die Zahlen, die das Modell speisen, grobe Schätzungen.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die ein agentenbasiertes Regelbefolgungsmodell ausführt Seit: 2002 frühe agentenbasierte Modelle, wie sich Korruption innerhalb einer Institution ausbreitet

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Spieltheorie](https://simulation-hypothesis.com/de/simulations/methods#m-game-theory)Materieebene: Regeln

### Netzwerkmodelle der Politikdiffusion

Die Übernahme eines Gesetzes oder Programms durch eine Regierung, die sich über die Verbindungen zwischen ihnen auf andere ausbreitet, seien es Nachbarn, Handelspartner oder gemeinsame Fachnetzwerke.

Frage, die sie beantwortet: Warum übernehmen manche Regierungen eine Politik schnell und andere nie?

Lässt aus: Eine Politik auf dem Papier zu kopieren, lässt sich leichter modellieren als die Frage, ob sie anderswo genauso wirkt.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die die Verbreitung über ein Netzwerk von Regierungen simuliert Seit: 1990 spätestens 1990, frühe Netzwerkmodelle der Verbreitung von Politik zwischen Regierungen

[Netzwerkmodelle](https://simulation-hypothesis.com/de/simulations/methods#m-network)[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Populationen

### Organisationen aus Sprachmodell-Agenten

Sprachmodell-Agenten übernehmen Rollen wie Manager, Programmierer und Tester und arbeiten zusammen, um Software zu erstellen.

Frage, die sie beantwortet: Kann ein Team aus Rollenspiel-Agenten eine mehrstufige organisatorische Aufgabe erledigen?

Lässt aus: Die Ausgabe hängt von den Prompts ab, und die Reibung echter menschlicher Organisationen fehlt.

Läuft auf: etwa 10^14 FLOPS grob Viele Modellaufrufe pro Projekt Seit: 2023 ChatDev: communicative agents for software development (2023) [Quelle](https://arxiv.org/abs/2307.07924)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)Materieebene: Regeln

### Sprachbasierte Verhandlungsagenten

Agenten verbinden ein Sprachmodell mit strategischer Planung, um in einem Mehrspielerspiel durch Gespräche miteinander zu verhandeln und Bündnisse zu schließen.

Frage, die sie beantwortet: Kann ein Agent in einer offenen Verhandlung mit Menschen überzeugen und planen?

Lässt aus: Nur die Regeln eines Spiels, und es kann nicht über langfristiges Vertrauen nachdenken.

Läuft auf: etwa 10^16 FLOPS grob Großes Training plus Planung zur Spielzeit Seit: 2022 Human-level play in the game of Diplomacy by combining language models with strategic reasoning (2022) [Quelle](https://doi.org/10.1126/science.ade9097)

[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)[Spieltheorie](https://simulation-hypothesis.com/de/simulations/methods#m-game-theory)Materieebene: Regeln

### Systemdynamik der Opioidepidemie

Bestände an Nutzern verschriebener Medikamente, Missbrauchenden, Heroinkonsumenten und Toten sind durch Rückkopplung und politische Stellhebel wie Angebotsgrenzen und Behandlung verbunden.

Frage, die sie beantwortet: Welche Politikmischung senkt die Zahl der Opioidtoten?

Lässt aus: Das illegale Angebot ändert sich schneller, als sich Modelle anpassen.

Läuft auf: etwa 10^5 FLOPS grob Bestands-Fluss-Simulation auf einem Laptop. Seit: 2013 Wakeland und Kollegen, Modellierung der Wirkung simulierter Bildungsmaßnahmen auf den Gebrauch pharmazeutischer Opioide. [Quelle](https://doi.org/10.1177/1090198113492767)

[Systemdynamik](https://simulation-hypothesis.com/de/simulations/methods#m-system-dynamics)Materieebene: Populationen

### Explorative Modellierung unter tiefer Unsicherheit

Ein Modell wird über Tausende Kombinationen unbekannter Eingaben und Maßnahmen gerechnet, um Strategien zu finden, die robust sind, statt für eine einzelne Prognose optimal.

Frage, die sie beantwortet: Welche Politik ist über die breiteste Bandbreite von Zukünften hinweg akzeptabel?

Lässt aus: Welche Bandbreite an Zukünften untersucht wird, bestimmt weiterhin der Analyst.

Läuft auf: etwa 10^10 FLOPS grob Ensembles von Läufen eines Basismodells auf einem Cluster. Seit: 1993 Bankes, explorative Modellierung für die Politikanalyse. [Quelle](https://doi.org/10.1287/opre.41.3.435)

[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)Materieebene: Regeln

### Lieferkettendynamik und der Peitscheneffekt

Bestellungen und Lagerbestände fließen mit Verzögerungen durch Fabrik, Großhändler und Einzelhändler, und kleine Änderungen der Nachfrage wachsen flussaufwärts zu großen Schwankungen.

Frage, die sie beantwortet: Warum verursachen kleine Nachfrageänderungen riesige Bestellschwankungen weiter oben in der Kette?

Lässt aus: Echte Unternehmen reagieren auf Informationen, die das Modell auslässt.

Läuft auf: etwa 10^5 FLOPS grob Bestands-Fluss-Simulation auf einem Laptop. Seit: 1958 Forrester, industrial dynamics: a major breakthrough for decision makers. [Quelle](https://doi.org/10.1007/978-3-642-27922-5%5F13)

[Systemdynamik](https://simulation-hypothesis.com/de/simulations/methods#m-system-dynamics)[Diskrete Ereignisse](https://simulation-hypothesis.com/de/simulations/methods#m-discrete-event)Materieebene: Regeln

## Recht, Gerechtigkeit und Wahlen

### Simulation von Wahl- und Abstimmungssystemen

Dieselben Wählerinnen, Wähler und Kandidaten werden durch verschiedene Wahlsysteme geschickt, etwa Mehrheitswahl, Rangfolgewahl oder Verhältniswahl, um zu vergleichen, wer tatsächlich gewinnen würde.

Frage, die sie beantwortet: Hätte ein anderes Wahlsystem verändert, wer diese Wahl gewonnen hat?

Lässt aus: Setzt voraus, dass die Präferenzen der Wählenden gleich bleiben, obwohl ein anderes System ändern würde, wie Menschen wählen.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die Wahlen unter alternativen Wahlregeln durchspielt Seit: 1975 frühe Computersimulationen, die die Ergebnisse verschiedener Wahlregeln verglichen

[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)[Spieltheorie](https://simulation-hypothesis.com/de/simulations/methods#m-game-theory)Materieebene: Regeln

### Simulation von Gerichts- und Fallabläufen

Fälle, die eintreffen, auf Verhandlungen warten und Stufen eines Gerichtssystems durchlaufen; damit sieht man, wo sich ein Rückstau bildet und was mehr Richter oder Gerichtssäle bewirken würden.

Frage, die sie beantwortet: Wie lange wird es dauern, den Rückstau dieses Gerichts abzubauen, und was würde ihn tatsächlich beschleunigen?

Lässt aus: Die Komplexität echter Fälle und der Ermessensspielraum von Menschen schwanken stärker, als ein Warteschlangenmodell annimmt.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die ein ereignisdiskretes Modell des Fallaufkommens ausführt Seit: 1976 frühe ereignisdiskrete Simulationen von Fallrückständen an US-Gerichten

[Diskrete Ereignisse](https://simulation-hypothesis.com/de/simulations/methods#m-discrete-event)[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)Materieebene: Regeln

### Modellierung von Strafmaß und Rückfallrisiko

Die aufgezeichnete Vorgeschichte einer Person wird durch ein statistisches Modell geschickt, das bewertet, wie wahrscheinlich sie rückfällig wird; das Ergebnis fließt in Entscheidungen über Bewährung, Kaution oder Strafmaß ein.

Frage, die sie beantwortet: Wie wahrscheinlich ist es, dass diese Person rückfällig wird, gemessen an Menschen mit ähnlicher Vorgeschichte?

Lässt aus: Ein Score aus Gruppenstatistiken kann für die eine Person, auf die er angewendet wird, falsch sein, in beide Richtungen.

Läuft auf: etwa 10^11 FLOPS grob eine Desktop-Workstation, die ein Risikomodell an Falldaten anpasst Seit: 1928 Burgess' versicherungsmathematische Skala zur Vorhersage des Bewährungserfolgs, ein frühes Risikomodell

[Gelernte Emulatoren](https://simulation-hypothesis.com/de/simulations/methods#m-learned)[Monte Carlo](https://simulation-hypothesis.com/de/simulations/methods#m-monte-carlo)Materieebene: Regeln

### Simulation von Polizeiarbeit und Streifeneinsatz

Streifeneinheiten und gemeldete Vorfälle in einer Stadt, genutzt, um zu testen, wie verschiedene Arten, Beamte Gebieten zuzuweisen, Reaktionszeiten und Abdeckung verändern.

Frage, die sie beantwortet: Wohin sollten Streifen geschickt werden, um die Reaktionszeiten am stärksten zu senken?

Lässt aus: Historische Kriminalitätsdaten können frühere Verzerrungen darin festschreiben, wo Beamte eingesetzt wurden.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die ein Warteschlangenmodell für den Streifeneinsatz ausführt Seit: 1972 Larsons Hypercube-Warteschlangenmodell für den Streifeneinsatz der Polizei

[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)[Diskrete Ereignisse](https://simulation-hypothesis.com/de/simulations/methods#m-discrete-event)Materieebene: Körper

### Simulation von Gesetzgebungsverhandlungen und Koalitionen

Parteien mit Positionen in einem Politikraum verhandeln und bilden Koalitionen, um ein Gesetz zu verabschieden oder eine Regierung zu bilden, nach Regeln, wer vorschlägt und wer zustimmen muss.

Frage, die sie beantwortet: Welche Koalition kommt tatsächlich zustande, und auf welchen Kompromiss einigt sie sich?

Lässt aus: Echte Koalitionen bilden sich um Persönlichkeiten und Geschichte, die ein räumliches Modell auslässt.

Läuft auf: etwa 10^10 FLOPS grob eine Desktop-Workstation, die ein räumliches Koalitionsverhandlungsmodell löst Seit: 1980 frühe Simulationen räumlicher Abstimmung und Koalitionsbildung in Parlamenten

[Spieltheorie](https://simulation-hypothesis.com/de/simulations/methods#m-game-theory)[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)Materieebene: Regeln

### Simulation von Geschworenenentscheidungen

Einzelne Geschworene mit unterschiedlichen Anfangsmeinungen beraten nach Regeln wie Mehrheit oder Einstimmigkeit, um zu sehen, welches Urteil und wie viel Überzeugungsarbeit die Gruppe am Ende hervorbringt.

Frage, die sie beantwortet: Spiegelt das Urteil die Stärke der Beweise wider oder nur die Dynamik der Beratung?

Lässt aus: Laborjurys, die Scheinfälle entscheiden, verhalten sich womöglich nicht wie echte Jurys, bei denen echt etwas auf dem Spiel steht.

Läuft auf: etwa 10^9 FLOPS grob ein Laptop, der ein Beratungsmodell nach einem sozialen Entscheidungsschema ausführt Seit: 1983 Davis und Kollegen, soziale Entscheidungsschema-Modelle der Beratung von Geschworenen

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Stochastische Prozesse](https://simulation-hypothesis.com/de/simulations/methods#m-stochastic)Materieebene: Regeln

### Dynamik von Kriminalitätsschwerpunkten

Täter bewegen sich durch eine Stadt und werden von Orten mit früherer Kriminalität angezogen, wodurch Brennpunkte entstehen, die wachsen, wandern und auf Polizeiarbeit reagieren.

Frage, die sie beantwortet: Wie entstehen Brennpunkte, und können Polizeistreifen sie verlagern?

Lässt aus: Die Motive der Täter sind vereinfacht, und die Erfassung von Straftaten ist unvollkommen.

Läuft auf: etwa 10^7 FLOPS grob eine agentenbasierte Stadt läuft auf einer Workstation. Seit: 2008 Short und Kollegen, ein statistisches Modell kriminellen Verhaltens. [Quelle](https://doi.org/10.1142/s0218202508003029)

[Agentenbasiert](https://simulation-hypothesis.com/de/simulations/methods#m-agent-based)[Differentialgleichungen](https://simulation-hypothesis.com/de/simulations/methods#m-equations)Materieebene: Populationen

[◂ Landwirtschaft und Ernährung](https://simulation-hypothesis.com/de/simulations/agriculture-food)[Technik und Technologie ▸](https://simulation-hypothesis.com/de/simulations/engineering)