Komplexitätsökonomie

Modellierte Agenten zum Aufspüren von Systemrisiken

Die Abkehr von (insularen) Modellen könnte die Identifizierung und Mitigation von Systemrisiken in der globalen Finanzwelt sehr erleichtern. Dafür bedarf es der Anwendung des agentenbasierten Modelling und eines interdisziplinären sowie koordinierten Vorgehens. Ein Beitrag von Silvio Andrae und Patrick Pobuda.

Seit Ende der 1980er Jahre untersuchen Ökonom:innen die Wirtschaft als ein sich entwickelndes komplexes (adaptives) System (Santa Fe Institut). Daraus ist der Ansatz der Komplexitätsökonomie entstanden. Der Begriff Komplexität scheint jedoch mittlerweile in der theoriefreudigen Welt der Volkswirtschaftslehre überstrapaziert bzw. überakademisiert worden zu sein. Denn es geht weniger um die Vision einer großen Komplexitätstheorie, die alles zusammenfasst, oder eine Strömung, welche gefühlt die Grenzen der Mathematik herausfordert. Vielmehr liegt der Blick auf dem praktischen Wirtschaftsgeschehen, welches so vielfältig und verflochten ist, dass einfache analytische Modelle der Gesamtwirtschaft – Modelle, die durch eine Reihe von analytisch lösbaren Gleichungen spezifiziert werden können – womöglich nicht hilfreich sind, um die vielen Fragen zu verstehen, die Ökonom:innen angehen sollten.

Im Wesentlichen wird zwischen zwei verschiedenen Ausrichtungen der Komplexitätsökonomie unterschieden (vgl. Rosser 2021). Bei diesen beiden konkurrierenden Ansätzen handelt es sich einerseits um die dynamische Komplexität (= Ursache-Wirkung-Beziehung in einem System nicht direkt erkennbar) mit den hierfür zentralen heterogenen sowie interagierenden Agenten (z. B. Arthur 2021) und andererseits um die rechnerische Komplexität (= benötigte Ressourcen für die Lösung eines Problems) mit ihrem recht hohen mathematischen Anspruch (z. B. Velupillai 2007). Ein wichtiger Aspekt des Zeitalters der Komplexität betrifft auch die Veränderungen bei den Forschungsmethoden. Denn sie können als Katalysator für einen Wandel in der Branche bzw. Disziplin dienen.

Im erstgenannten Ansatz ist bspw. der repräsentative (rationale sowie gerne auch allwissende) Agent ausgestorben, das Wirtschaftsgeschehen wird als endogen organisiert betrachtet, die Wirtschaft als ein System miteinander verbundener Institutionen sowie Märkte gedacht. Es korrigiert sich ständig selbst, erreicht aber unvermeidlich auch einen kritischen Zustand (den die Märkte in aller Regel allein nicht nachhaltig und zeitnah heilen können). Die immanente Systeminstabilität (aufgrund komplexer Wechselwirkungen) nimmt hier mehr Raum ein als die zyklischen Schwankungen. Unrealistische Annahmen werden nicht mehr obsessiv verfolgt, um das gleichungsbasierte Modell funktionieren zu lassen. Zudem finden endlich Rückwirkungen von der Makroebene auf das einzelne Individuum (im Rahmen einer echten Mikrofundierung) statt. Insgesamt scheint es um eine realitätsnahe Welt zu gehen, welche es als Grundlage für eine fundierte Politikberatung zu modellieren lohnt.

Die Methode der „agentenbasierten Modellierung“ (ABM)

Unter Berücksichtigung der angedeuteten Charakteristika sind Finanzsysteme zweifelsfrei komplexe Systeme. Denn sie sind vor allem dadurch gezeichnet, dass sie aus einer Vielzahl verschiedenartiger, miteinander agierender Elemente bestehen. Deren aggregierte Eigenschaften sowie Verhaltensweisen sind allerdings nicht unmittelbar von den einzelnen Elementen ableitbar. Vielmehr entstehen infolge der vielfältigen Interaktionen der unterschiedlichen Bestandteile in einem solchen System stets Ereignisse, die bspw. mit herkömmlichen (gleichungsbasierten) Modellen kaum vorhersehbar sind.

Für die Analyse sowie Simulation solcher emergenter Phänomene sind demzufolge Methoden oder Techniken erforderlich, die der zugrunde liegenden Komplexität gerecht werden. Eine solche innovative bzw. zeitgemäße Herangehensweise ermöglicht dabei die agentenbasierte Modellierung, kurz ABM (vgl. Andrae und Pobuda 2021). Denn mit diesem computergestützten Ansatz lassen sich komplexe natürliche sowie ökonomische/soziale Systeme detailliert modellieren und über einen individuell-gestaltbaren Zeitraum in experimenteller Weise untersuchen.

Die erkenntnisbringenden Möglichkeiten der ABM-Methode sind nahezu unerschöpflich bzw. lediglich den Grenzen der Fantasie oder, wesentlich trivialer, der Datenverfügbarkeit unterworfen

Dies gelingt durch die zentrale Fähigkeit der ABM, das umfassende Zusammenspiel einer großen Anzahl heterogener Agenten (bspw. Kreditinstitute) miteinander sowie mit ihrer Umgebung (bspw. Zentralbanken) recht unkompliziert in die digitale Welt zu überführen. Unter anderem können sich die Agenten dabei gegenseitig beeinflussen (bspw. Bildung von Spekulationsblasen) oder auf Änderungen ihrer Umwelt individuell situativ reagieren, die sich durch deren Handlungen selbst verändern kann (bspw. Leitzinsanpassung). Aufgrund einer weitestgehend realistischen Abbildung des zu analysierenden Systems und der individuellen Eigenschaften sowie Verhaltensweisen dessen einzelner Bestandteile lassen sich ganz unterschiedliche Gegebenheiten erklären, nachhaltige Problemlösungen entwickeln oder weithin verlässliche Prognosen erstellen.

Um nun aber auch einen Eindruck vom deskriptiven Charakter eines agentenbasierten Modells zu erhalten, zeigt die nachfolgende Abbildung schematisch die Elemente eines solchen Konstruktes:

Schematische Darstellung der Elemente eines ABMs und ihrer Interaktionen. Quelle: Haldane und Turrell (2018, S. 232)

Was hier recht statisch aussieht, kann in einer außerordentlich dynamischen Weise ablaufen. So können sich die Agenten u. a. frei gemäß zuvor definierter Verhaltensregeln in ihrer Umwelt bewegen und gemeinsam verschiedene (ineinandergreifende) Tätigkeiten ausüben, wobei diese Regeln bzw. das daraus resultierende Verhalten wiederum durch Lernprozesse modifizierbar ist. Die erkenntnisbringenden Möglichkeiten der Methode ABM (vgl. Steinbacher et al. 2021) sind nahezu unerschöpflich bzw. lediglich den Grenzen der Fantasie oder, wesentlich trivialer, der Datenverfügbarkeit unterworfen.

Eine ABM-Analyse des europäischen Bankenmarktes

Durch die Vernetzung des europäischen Bankenmarktes entstehen diverse Risiken. So spielt das Systemrisiko bei der Vollendung der Europäischen Bankenunion eine wichtige Rolle, wenn es bspw. um die Harmonisierung der Einlagensicherung (European Deposit Insurance Scheme) geht (vgl. Fernández-Aguado et al. 2022).

Ein entsprechendes ABM auf der Grundlage vorhandener Datensätze über die Verflechtungen zwischen den europäischen Banken entwickelten Petr Teply und Tomas Klinger (2019). Die Kreditinstitute sind darin in Gestalt von Agenten (Knoten) modelliert, welche ein dynamisches Verhalten aufweisen, das in Form von Regeln ausgedrückt wird. Diese Regeln werden von einem Systemsimulator, also einem Computerprogramm, ausgeführt. Es werden 286 Banken aus neun europäischen Ländern in die Analyse einbezogen. Die gegenseitigen Abhängigkeiten der Banken ergeben sich aus den Bilanzinformationen der Institute. Auf dieser Basis wird ein zusammenhängendes Netzwerk modelliert (unter Beachtung einiger Unterschiede in den nationalen Strukturen).

So lässt sich mit diesem ABM des europäischen Bankensystems nun das Verhalten des Systems bei negativen Schocks unterschiedlicher Schweregrade sowie auch bei verschiedenen Marktbedingungen realitätsnah simulieren. Dabei wird unter einem negativen Schock bspw. ein Bankenausfall oder der Zusammenbruch gleich mehrerer Institute verstanden. Darüber hinaus ist dieses Modell methodisch so aufgestellt, dass es ebenso Banken unterschiedlicher Größe darstellt bzw. einschließt. In den Simulationen können die Institute dann in einem weiten Spektrum von gegenseitig abhängigen Beziehungen und Marktbedingungen operieren.

Silvia Crafa (2021) entwickelte für die Analyse von Finanznetzwerken das ABM von Teply und Klinger zu einem eher konzeptionellen Rahmen weiter, den sie als akteursbasierte reaktive Systeme (Actor-based Reactive Systems, ARS) bezeichnet. Hierbei werden eine dezentralisierte Steuerungslogik sowie ein grundlegend anderes Zeitmanagement unterstellt. Finanzsysteme sind als verteilte und reaktive Systeme modelliert, d. h. als eine Klasse asynchron kommunizierender Systeme, die sich durch ein beachtliches Maß an dezentraler Steuerung und koordinierten Interaktionen zwischen Agenten an verschiedenen Standorten auszeichnen.

Diese Wirtschaftsteilnehmenden sind sich des aktuellen globalen Systemzustands jedoch nur teilweise bewusst: Sie empfangen zeitlich versetzt Nachrichten, die sie über das Eintreten eines Ereignisses informieren (bspw. einen Marktschock oder die Mitteilung von Schuldnern zu deren Zahlungsunfähigkeit). Unter diesen Bedingungen reagieren die Teilnehmenden auf das Ereignis, indem sie ihr Verhalten gemäß ihrer internen Strategie sowie entsprechend den lokal gespeicherten Informationen ändern. Somit erfolgen deren Aktionen zeitlich in asynchroner Weise. Crafa wendet diesen ARS-Rahmen auf das vorgenannte europäische Finanznetzwerk an. Letztendlich ermöglicht das ARS-Modell im Vergleich zum ABM von Teply und Klinger feinere Analysen sowie eine flexiblere Modellierung mit einem höheren Maß an Heterogenität und Anpassungsfähigkeit der Agenten.

Mit dem ARS-Modell wird also anstelle einer Abfolge synchroner Iterationen die Systementwicklung untersucht. Mit solch einer Herangehensweise ist es in diesem speziellen Anwendungsbereich noch besser möglich, nicht nur den endgültigen globalen Zustand des Systems zu bewerten, sondern auch die vollständige sowie feinkörnige Dynamik jedes Agenten zu erforschen und die kausale Kette von Ereignissen sowie Reaktionen zu beobachten, welche das jeweilige Verhalten des Agenten innerhalb der Systemausführung bestimmt haben. William Hynes et al. (2022) nennen dies die „selbstorganisierende Kritikalität“ von Systemen. Ferner ist durch die hoch skalierbare Implementierung ein effektiver Umgang mit großen Finanzsystemen, die klar einen höheren Grad an Agenten-Heterogenität aufweisen, erreichbar. Auf dieser Basis lassen sich flexible Stresstests entwickeln, um schnell mit vielen hypothetischen Szenarien in einem test-orientierten Stil zu experimentieren.

Kurzum ist festzuhalten, dass sich die agentenbasierte Modellierung (und das akteursbasierte reaktive System) als Methode mit einer hohen Anwendungsbreite/-tiefe im Finanzsektor bereits deutlich bewährt hat (vgl. Bookstaber et al. 2018). Ein positiver Vorgeschmack auf das große Potential der ABM bzgl. der Treffergenauigkeit von Wirtschaftsprognosen im Vergleich zu VAR- und DSGE-Modellen wurde von Sebastian Poledna et al. (2020) erbracht.

Organisatorische Herausforderungen des Fortschritts

Trotz relativer Einfachheit dieser vielfältig-anwendbaren und vor allem praktisch-orientierten Methode bedarf es jedoch eines recht hohen (organisatorischen) Aufwandes, um entsprechende Projekte (für die objektive und transparente Politikberatung) in einem interdisziplinären Kontext zu realisieren. Als erstes sollte man sich hierbei eines Rahmenwerkes bereichern (u. a. als Kommunikationsbasis), welches die erforderlichen (einheitlichen bzw. transdisziplinären) Modellierungskonventionen näher umreißt. Im Laufe der Zeit sollten diese Leitlinien weiter detailliert werden, so dass eben auch einzelne (qualitätsgesicherte und standardisierte) Modell-Module – bspw. eine bestimmte Personengruppe (u. a. Auszubildende im Finanzbereich) mit ihren Eigenschaften (u. a. Einkommen) sowie Verhaltensweisen (u. a. Risikobereitschaft) – aus einem Open-Access-Repository unkompliziert in das eigene Forschungsvorhaben implementiert werden können.

Dabei bedarf es eines koordinierenden Elements, welches z. B. als Institut einer großen Forschungsorganisation oder innerhalb einer bestehenden Einrichtung aufzusetzen wäre. Eine solche (öffentliche) Kompetenzstelle würde die Entwicklung der ABM bspw. als zentrales Tool für die Wirtschaftspolitik entscheidend voranbringen. Zügige Publikationserfolge, wie sie derzeit vorherrschende Praxis in der Forschung sind, wären jedoch hiermit kaum erreichbar.

Erst die realistische Darstellung unserer komplexen Welt erlaubt eine zielführende Analyse des wirtschaftspolitischen Sachverhalts sowie die anschließende Konzeption und Erprobung gesellschaftlich erstrebenswerter Lösungen

Mit diesem Ansatz könnte ein digitaler Zwilling der Ökonomie heranwachsen. Ein solches Tool würde erlauben, in experimenteller Weise wirtschaftspolitische Initiativen bzw. Gesetzesvorhaben zu entwickeln und in transparenter Weise zu überprüfen. Echtzeitdaten könnten dabei automatisiert abgerufen und in dieses umfassende Modell eingebracht werden. Debatten bzw. Diskussionen wären darüber hinaus mithilfe dieser interdisziplinären Kraftanstrengung objektivierbar und verschiedene Optionen bzw. wahrscheinlicher Output besser beurteilbar. Dabei kann eine Inselbetrachtung (Haldane 2016) – bspw. das Modellieren der Finanzmärkte ohne die Realwirtschaft – nicht zielführend sein. Denn ganz im Sinne Alexander von Humboldts (Anfang 19. Jh.) hängt alles mit allem zusammen und dies muss letztlich ebenso die ökonomische Disziplin erkennen.

Schließlich könnte hiermit ein erreichbares Gleichgewicht zwischen systemischer Resilienz durch Design (RBD) und durch Intervention (RBI) angestrebt werden (Hynes et al. 2022). RBD und RBI können interne sowie externe Akteur:innen in die Lage versetzen, Resilienz in Wirtschaftssysteme einzubauen, ohne dabei jedoch die langfristige Effizienz zu gefährden. Die Resilienz kann auf Basis von ABM für Stresstests der Netz- und Systemverflechtungen genutzt werden, um die notwendigen Korrekturmaßnahmen, Vorschriften sowie Strategien zu bewerten, die eine Beeinträchtigung der kritischen Funktionen nach einer Störung entsprechend verhindern.

In Zukunft sollten immer stärker die computergestützten Möglichkeiten der fortschreitenden Informationstechnik ausgeschöpft werden, um der Komplexität realer Gegebenheiten auch endlich gerecht zu werden. Denn gerade erst die realistische Darstellung unserer komplexen Welt (also deren detaillierte Modellierung plus Simulation) erlaubt eine zielführende Analyse des wirtschaftspolitischen Sachverhalts sowie die anschließende Konzeption und Erprobung gesellschaftlich erstrebenswerter Lösungen. Auf diesem anspruchsvollen sowie auch langwierigen Weg könnten die Fesseln der ökonomischen Denkschulen mit ihren limitierenden Annahmen überwunden und der Blick hin zur Abbildung der Realität auf Basis statistischer Daten gerichtet werden. Die damit steigende Objektivität und Transparenz politischer Initiativen würde auch dem demokratischen Diskurs einen erheblichen Dienst erweisen.

 

Zu den Autoren:

Silvio Andrae ist im Risikomanagement des Deutschen Sparkassen- und Giroverbands tätig.

Patrick Pobuda ist externer Doktorand am Centrum für Interdisziplinäre Wirtschaftsforschung der Westfälischen Wilhelms-Universität Münster und Projektleiter bei der Fraunhofer-Gesellschaft in München.