Kolumne

Simulationsmethoden im Risikomanagement

Risiken erkennen und bewerten mit agentenbasierter Simulation

Jan Spitzner [Redaktion RiskNET]14.02.2014, 08:06

Welche Effekte sich aus einer größeren Ansammlung von Individuen ergeben können, lässt sich im Alltag vielfältig beobachten. Staubildung auf der Gegenfahrbahn nach einem Unfall oder starke Schwankungen an der Börse durch Herdenverhalten der Aktionäre sind eher harmlose Beispiele, wesentlich dramatischer ist etwa das Entstehen von Massenpaniken. Diese zugegeben plakativen Beispiele machen die Notwendigkeit deutlich, die Wirkungsweise von (sozialen) Systeme zu verstehen. Dadurch lassen sich die Auswirkungen von Ereignissen in derartigen Systemen reduzieren, im günstigsten Fall sogar ganz vermeiden.

Negative Konsequenzen zu antizipieren, zu minimieren und zu vermeiden ist die Kernaufgabe des Risikomanagements. Hier kann die sogenannte agentenbasierte Simulation erfolgreich unterstützen. Doch was ist unter einer agentenbasierten Simulation [die Ausführungen basieren auf Romeike/Spitzner 2013] verstehen?

Viele kleine Einheiten (Agenten) haben Entscheidungs- oder Handlungsmöglichkeiten

Betrachtet man Lebewesen, so können diese miteinander kommunizieren, aufeinander reagieren, sich gegenseitig beeinflussen, miteinander agieren. Sie verfügen über Wissen und Erfahrungen, haben Erinnerungen und Gefühle, handeln nach eigenen und gemeinschaftlichen Zielen. Für Entitäten mit derartigen Eigenschaften wurde der Begriff des Agenten geprägt. Eine plastische Beschreibung des Agenten findet sich im Modeling and Simulation Glossary des Department of Defence: "Agent: A 3D character that exhibits human or human like behavior. Also known as a virtual human" [vgl. Department of Defence 2010].

Nun wird sich die Abbildung aller aufgezählten Eigenschaften in einem Modell als schwierig erweisen. In der Regel wird man sich daher auf die für die jeweilige Untersuchung besonders relevanten Eigenschaften fokussieren. Der Mindestumfang an Eigenschaften, die ein Agent aufweisen sollte, umfasst [vgl. Gilbert/Troitzsch 2005, S. 173]:

  • Agenten sind autonom. Sie agieren, ohne dass ihr eigener Zustand oder ihre Aktionen von außerhalb des Modells kontrolliert oder gar vorgegeben werden.
  • Sie verfügen über soziale Fähigkeiten. Damit ist gemeint, dass die Agenten in der Lage sind, miteinander zu kommunizieren. Hierfür existiert in einer agentenbasierten Simulation eine Art Sprache.
  • Agenten reagieren auf ihre Umwelt. Sie besitzen die Fähigkeit, ihre Umgebung bewusst wahrzunehmen und darauf zu reagieren. Die Umwelt umfasst andere Agenten und auch weitere, andersartige Objekte.
  • Agenten handeln pro-aktiv. Sie können nicht nur reagieren, sondern haben sogar die Fähigkeit, selbst die Initiative zu ergreifen und gezielt auf ihr Umfeld Einfluss zu nehmen, dieses zu verändern und so ihre eigenen Ziele verfolgen.


Als weitere Eigenschaften lassen sich beispielsweise ergänzen: das Verfügen über Wissen und Erfahrungen, Lernfähigkeit, Emotionen wie Glück, Freude, Schmerz oder Zorn. Durch mit derartigen Eigenschaften versehene Entitäten wird eine agentenbasierte Simulation häufig als weniger abstrakt, dafür als intuitiv und realitätsnah wahrgenommen.

Das Verhalten vieler Agenten ist das Resultat ihres Individualverhaltens

Die Modellierung einer agentenbasierten Simulation erfolgt auf Ebene der Individuen sowie deren Eigenschaften und Handlungsmöglichkeiten. Das Verhalten des Gesamtsystems, also der sozialen Gruppe vieler Agenten (Makroebene), ist das Resultat ihres Individualverhaltens (Mikroebene). Dabei können Emergenzen auftreten, das heißt es können sich (spontan) neue Strukturen und Verhaltensmuster auf der Makroebene herausbilden, die zwar auf dem Zusammenspiel der Agenten beruhen, sich aber nicht unmittelbar durch das Verhalten auf Mikroebene erklären lassen.

Aus Sicht des Risikomanagements ist eine agentenbasierte Simulation immer dann eine interessante Simulationsmethode, wenn individuelles Verhalten, Interaktionseffekte und gegenseitige Beeinflussung eine wesentliche Rolle spielen. Dabei sind unter Individuen eigenständig agierende Einheiten zu verstehen. Damit sind nicht nur Menschen gemeint, auch in einem Netzwerk agierende Maschinen oder miteinander verbundene Prozesse können durch Agenten in einem derartigen Simulationsmodell repräsentiert werden. Damit lässt sich eine ganze Reihe von Anwendungsfällen benennen, zwei sollen hier exemplarisch aufgeführt werden, weitere Anwendungsfelder von agentenbasierter Simulation in den Wirtschafts- und Sozialwissenschaften zeigt beispielsweise Meyer [vgl. Meyer/Zaggl/Carley 2011, Meyer/Heine 2009] auf.

  • Analysen einer Supply Chain: Wertschöpfungsketten sind durch Interaktionseffekte auf und zwischen ihren verschiedenen Stufen gekennzeichnet. Dabei treten bewusste wie unbewusste Informationsdefizite ebenso auf wie zufällige oder systematische Fehler. Deren Fortpflanzung und die möglicherweise daraus entstehenden Effekte wie etwa der Bullwhip-Effekt (Zunahme der Variabilität von Bestell- und Lagermenge entlang einer Wertschöpfungskette) können mit agentenbasierter Simulation untersucht werden. Darauf aufbauend lassen sich entsprechende Gegenmaßnahmen entwickeln.
  • Verständnis von Gruppenverhalten auf Makroebene und Emergenzen: Gerade für die Analyse gruppendynamischer Effekte ist die agentenbasierte Modellierung und Simulation ein spannendes Hilfsmittel. Dadurch, dass auf der Individualebene modelliert wird, ist das Verständnis für individuelles Verhalten der Agenten meist intuitiv gegeben. Die Simulationsanalysen können helfen, die Entstehungsmechanismen gruppendynamischer Effekte transparent und verständlich zu machen. Auch lassen sich mit Hilfe der agentenbasierten Simulation Erklärungsansätze für Emergenz aufdecken.


Allein diese beiden Beispiele verdeutlichen, worin der Mehrwert einer agentenbasierten Simulation auch für das Risikomanagement liegt. Insbesondere soziale Effekte können nahezu harmlose singuläre Auswirkungen so verstärken, dass auf einer Makroebene negative Effekte drohen. Das Verständnis für derartige Zusammenhänge erlaubt es dem Risikomanagement, frühzeitig geeignete Risikopräventionsstrategien zu entwickeln.


Autor:

Dr. Jan Spitzner ist geschäftsführender Gesellschafter der Spitzner Consulting GmbH mit Sitz in München sowie Mitglied der RiskNET Redaktion.


Forum "Agentenbasierte Simulation erfolgreich anwenden – Erfahrungen, Herausforderungen, Perspektiven"

Das Forum ist eine jährlich stattfindende Veranstaltung. Im Fokus stehen innovative betriebswirtschaftliche Methoden, die es Unternehmen ermöglichen, Herausforderungen einer unsicheren Zukunft erfolgreich zu meistern. Es wird vom Institut für Controlling und Rechnungswesen an der TU Hamburg-Harburg zusammen mit Spitzner Consulting, München, durchgeführt.

Vertreter aus Praxis und Wissenschaft sind zu einem intensiven Austausch über Anwendungsmöglichkeiten und -grenzen von zukunftsorientierten Steuerungsinstrumenten eingeladen. Im Fokus des Forums 2014 stehen Erfahrungen aus dem praktischen Einsatz von agentenbasierter Simulation.

Hochkarätige Referenten von Deutsche Telekom, Lloyds Banking Group, Bundeswehr und der TU Hamburg-Harburg berichten von ihren persönlichen Erfahrungen mit dem Instrument.

Das Forum findet am 26. März 2014 an der Führungsakademie der Bundeswehr in Hamburg statt.

Weitere Informationen finden Sie unter www.cur.tuhh.de/de/dateien/oeffentlich/forum2014flyer.pdf-0



Quellenverzeichnis sowie weiterführende Literaturhinweise:

Department of Defence (2010) [Hrsg.]: Modeling and Simulation (M&S) Glossary, Version März 2010, P2.1.30, www.msco.mil/files/Draft_MS_Glossary_March_B_version.pdf, Abruf am 05.02.2012.

Gilbert, Nigel/Troitzsch, Klaus Gerhard (2005): Simulation for the Social Scientist; Open University Press, Maidenhead 2005.

Meyer, Matthias/Zaggl, Michael/Carley, Kathleen M. (2011): Measuring CMOT’s Intellectual Structure and its Development, Computational and Mathematical Organization Theory, 1, 17, 2011, S. 1-34.

Meyer, Matthias/Heine, Bernd-Oliver (2009): Das Potenzial agentenbasierter Simulationsmodelle – Aufgezeigt im Anwendungsfeld "Computational Organization Theory", in: Die Betriebswirtschaft, 4, 69, 2009, S. 495-520.

Romeike, Frank/Spitzner, Jan (2013): Von Szenarioanalyse bis Wargaming. Betriebswirtschaftliche Simulationen im Praxiseinsatz, Wiley-VCH, Weinheim 2013.

 

 

[Bildquelle: © Antrey - Fotolia.com]

 

 



Kommentare zu diesem Beitrag

Keine Kommentare

Themenverwandte Artikel

Interview

Risikoanalyse, Digitalisierung & Risikokultur

Nicht-finanzielle Risiken spielen eine zunehmend größere Rolle

Redaktion RiskNET20.05.2019, 07:45

Interview mit Dr. Ralf Hannemann, Direktor und Bereichsleiter Bankenaufsicht im Bundesverband Öffentlicher Banken Deutschlands, VÖB, über regulatorische Anforderungen im Risikomanagement, den...

News

Wirksames Risikomanagement

Das Damoklesschwert des Scheiterns als Regulativ

Redaktion RiskNET16.05.2019, 14:39

Welche Rolle spielt das Risikomanagement in Zeiten der Informationsüberflutung und Digitalisierung? Dieser Frage gingen Experten bei einer Podiumsdiskussion beim Kongress Länderrisiken nach. Dass...

Kolumne

Risikoanalyse

Ölpreis auf USD 100 je Barrel?

Martin W. Hüfner, Chief Economist, Assenagon Asset Management S.A.08.05.2019, 10:31

Zu all den Risiken, die die Märkte derzeit belasten, ist ein neues dazugekommen: Der Ölpreis. Er ist, von den meisten unbemerkt, seit Ende letzten Jahres um fast 40 % (!) gestiegen. Die Verschärfung...

Studie

Supply Chain Risk Management

Mangelnde Transparenz über Risiken in der Lieferkette

Redaktion RiskNET07.05.2019, 14:30

Die Risiken in den globalen Märkten und Lieferantennetzwerken nehmen zu. Doch die wenigsten Unternehmen verfügen über systematische Maßnahmenpläne für den Fall plötzlicher Unterbrechungen in ihrer...

News

Finanzmarkt-Regulierung

Spagat zwischen Komplexität und Sicherheit

Redaktion RiskNET07.05.2019, 11:22

Das Bundesfinanzministerium sieht noch Schwachpunkte des nach der Finanzkrise geschaffenen Banken-Abwicklungsregimes und will die Europäische Kommission dazu drängen, diese in ihrer neuen Amtszeit...