AgentSociety: Large-Scale Simulation of LLM-Driven Generative Agents Advances Understanding of Human Behaviors and Society

Das Paper stellt AgentSociety vor, einen groß angelegten Simulator, der über 10.000 durch Large Language Models gesteuerte Agenten nutzt, um menschliches Verhalten und gesellschaftliche Dynamiken in fünf Schlüsselbereichen wie Polarisierung und Umwelteinflüssen realistisch nachzubilden und so eine neue Plattform für die computergestützte Sozialforschung zu schaffen.

Das Wesentliche

Stellen Sie sich vor, Sie könnten die Welt nicht nur beobachten, sondern sie in einem riesigen, digitalen Labor nachbauen – wie einen extrem detaillierten Videogame, in dem jeder einzelne Spieler eine eigene Persönlichkeit, Gefühle, eine Familie und einen Job hat. Genau das ist AgentSociety.

Hier ist eine einfache Erklärung der Forschung, verpackt in anschauliche Bilder:

1. Das Grundproblem: Warum wir die Welt nicht einfach "verstehen"

Früher haben Sozialwissenschaftler versucht, die Gesellschaft zu verstehen, indem sie Menschen befragten oder teure Experimente durchführten. Das ist wie der Versuch, ein Auto zu verstehen, indem man nur von außen auf die Motorhaube klopft. Man kann raten, was drin ist, aber man sieht nicht, wie die Teile zusammenarbeiten.
Der berühmte Physiker Richard Feynman sagte einmal: "Was ich nicht erschaffen kann, das verstehe ich nicht." Das Team hinter AgentSociety hat genau das getan: Sie haben die Gesellschaft erschaffen, um sie zu verstehen.

2. Die Erfindung: Ein digitaler "Zwilling" der Menschheit

Stellen Sie sich AgentSociety als eine riesige, lebendige Puppenstube vor, aber mit einer magischen Besonderheit:

• Die Puppen (Agenten): Es gibt über 10.000 digitale Menschen. Jeder ist nicht nur eine einfache Figur, sondern wird von einer künstlichen Intelligenz (einem "Großen Sprachmodell" oder LLM) gesteuert.
• Die Seelen: Diese digitalen Menschen haben nicht nur Regeln im Kopf, sondern eine innere Welt. Sie fühlen sich hungrig, müde, verliebt oder wütend. Sie haben Bedürfnisse (wie Essen oder Sicherheit) und denken über Politik nach.
• Die Welt: Sie leben nicht in einer leeren Box, sondern in einer echten digitalen Stadt. Es gibt Straßen, Geschäfte, Banken, Regierungen und Wetter. Wenn es regnet, bleiben sie zu Hause. Wenn die Bank Zinsen ändert, sparen sie mehr.

3. Wie funktioniert das? (Die drei Säulen)

Das System besteht aus drei Teilen, die wie ein gut geölter Motor zusammenarbeiten:

• Der Kopf (Die Agenten): Jeder Agent hat eine "Seele". Wenn er hungrig ist, plant er, ins Restaurant zu gehen. Wenn er traurig ist, schreibt er vielleicht eine Nachricht an einen Freund. Sie lernen aus ihren Erfahrungen, genau wie wir.
• Der Körper (Die Umgebung): Die Welt reagiert realistisch. Wenn ein Agent ein Taxi nimmt, kostet das Geld. Wenn ein Hurrikan kommt, werden die Straßen gesperrt. Die Welt gibt echtes Feedback, nicht nur leere Worte.
• Der Motor (Die Technik): Um 10.000 Menschen gleichzeitig zum Leben zu erwecken, brauchen sie einen super-schnellen Computer-Motor. Sie nutzen eine Technik, die wie ein riesiges Postsystem (MQTT) funktioniert, damit alle Nachrichten (Nachrichten, E-Mails, Gespräche) blitzschnell zwischen den Agenten hin- und herfliegen, ohne dass das System abstürzt.

4. Was haben sie damit getestet? (Die Experimente)

Um zu beweisen, dass ihre Puppenstube echt ist, haben sie fünf große Experimente durchgeführt, die wie Simulations-Flüge für Politiker und Forscher wirken:

• Der Meinungs-Krieg (Polarisierung): Sie haben gesehen, wie sich Menschen in Gruppen aufspalten. Wenn nur Gleichgesinnte miteinander reden (wie in einer "Echokammer"), werden die Meinungen extremer. Wenn sie aber mit Gegnern sprechen, werden sie oft gemäßigter.
• Die bösartige Nachricht (Inflammatory Messages): Wie verbreiten sich Wut und Fake News? Das System zeigte: Wütende Nachrichten verbreiten sich schneller als normale. Aber wenn man die "Verbreiter" (die Accounts) stoppt, wirkt das besser als nur die Verbindungen zwischen ihnen zu trennen.
• Das Geld-Geschenk (Grundrente/UBI): Was passiert, wenn jeder Bürger monatlich 1.000 Dollar bekommt? Im Simulator gaben die Leute mehr aus, fühlten sich weniger depressiv und die Wirtschaft stabilisierte sich – genau wie in echten Studien in Texas.
• Der Hurrikan: Als sie einen digitalen Hurrikan über die Stadt schickten, zogen sich die digitalen Menschen genau so zurück wie echte Menschen: Sie blieben zu Hause, die Straßen wurden leer, und danach kehrte das Leben langsam zurück.
• Die grüne Stadt (Nachhaltigkeit): Sie haben versucht, die Menschen in der Stadt zu überzeugen, weniger Auto zu fahren. Das Ergebnis: Wenn man die Menschen nicht nur befiehlt ("Tu das!"), sondern ihnen hilft, ein grünes Selbstbild zu entwickeln ("Ich bin ein umweltbewusster Mensch"), dann fahren sie tatsächlich weniger Auto.

5. Warum ist das wichtig? (Der Nutzen)

Stellen Sie sich vor, ein Bürgermeister muss eine neue Steuer einführen. Früher musste er raten oder auf teure, langsame Studien warten.
Mit AgentSociety kann er jetzt vorausspielen:
"Was passiert, wenn wir diese Steuer einführen? Wer wird wütend? Wird die Wirtschaft einbrechen? Wie verändert sich das Verhalten?"

Es ist wie ein Flugsimulator für die Gesellschaft. Man kann gefährliche Situationen (wie Pandemien, Wirtschaftskrisen oder politische Unruhen) risikofrei durchspielen, um zu lernen, wie man sie besser bewältigt.

Fazit

AgentSociety ist mehr als nur ein Computerprogramm. Es ist ein Spiegel der Menschheit, der uns erlaubt, die Zukunft zu simulieren, bevor sie passiert. Es hilft uns zu verstehen, warum Menschen so handeln, wie sie es tun, und gibt uns die Werkzeuge an die Hand, eine bessere, sicherere und nachhaltigere Welt zu gestalten – alles ohne ein einziges reales Risiko.

Technische Zusammenfassung

1. Problemstellung

Das Verständnis menschlichen Verhaltens und gesellschaftlicher Dynamiken ist ein zentrales Ziel der Sozialwissenschaften. Traditionelle Methoden wie soziale Experimente sind jedoch oft kostspielig, logistisch schwierig umzusetzen und unterliegen ethischen Beschränkungen. Bestehende computergestützte Ansätze, wie z. B. agentenbasierte Modelle (ABM), leiden oft unter mangelnder Realitätsnähe, da die Agenten meist auf starren Regeln, Gleichungen oder einfachen maschinellen Lernmodellen basieren und keine komplexen, menschenähnlichen kognitiven Prozesse oder natürlichen Sprachinteraktionen abbilden können.

Zwar haben Large Language Models (LLMs) das Potenzial, menschenähnliche „Minds" zu erzeugen, doch fehlen bisher skalierbare Frameworks, die diese Agenten in einer realistischen, umfassenden gesellschaftlichen Umgebung mit Millionen von Interaktionen simulieren können. Die zentrale Herausforderung besteht darin, eine Simulation zu schaffen, die nicht nur einzelne Verhaltensweisen, sondern das komplexe Zusammenspiel von Psyche, sozialem Umfeld und Wirtschaft in großem Maßstab (Skalierbarkeit >10.000 Agenten) authentisch nachbildet.

2. Methodik: Das AgentSociety-Framework

Die Autoren stellen AgentSociety vor, einen großskaligen sozialen Generativ-Simulator, der aus drei Kernkomponenten besteht:

A. LLM-gesteuerte soziale generative Agenten

Die Agenten sind nicht nur einfache Chatbots, sondern verfügen über eine komplexe innere Architektur, die auf Theorien aus Psychologie, Ökonomie und Verhaltenswissenschaften basiert:

• Mentaler Prozess (Minds):
  • Emotionen: Dynamische Zustände, die durch Interaktionen aktualisiert werden (basierend auf einem 6-Farben-Modell).
  • Bedürfnisse: Hierarchisch strukturiert nach Maslows Bedürfnispyramide (von physiologischen Bedürfnissen bis zur Selbstverwirklichung), die als Antriebskräfte für Handlungen dienen.
  • Kognition: Einschließlich Attitüden, Überzeugungen und der Fähigkeit, die Gedanken anderer zu verstehen (Theory of Mind).
• Soziale Verhaltensweisen:
  • Mobilität: Bewegung wird durch Bedürfnisse gesteuert (z. B. Hunger -> Restaurant) und nutzt das Gravitationsmodell für die Standortwahl unter Berücksichtigung von Distanz und Attraktivität.
  • Soziale Interaktionen: Agenten unterhalten Beziehungen (Familie, Freunde, Kollegen) mit unterschiedlichen Stärken und führen Online-/Offline-Kommunikation durch.
  • Wirtschaftliches Verhalten: Simulation von Beschäftigung, Einkommen, Konsum und Steuern innerhalb eines makroökonomischen Rahmens.
• Workflow: Ein „Stream Memory"-System verbindet Vergangenheit (Events) mit aktuellen kognitiven Zuständen, um adaptive Entscheidungen zu treffen.

B. Realistische gesellschaftliche Umgebung (Societal Environment)

Um Halluzinationen der LLMs zu vermeiden und physikalische/soziale Zwänge abzubilden, wurde eine digitale Zwilling-Umgebung entwickelt:

• Urbaner Raum: Ein detailliertes Straßennetz (basierend auf OpenStreetMap) mit POIs (Points of Interest), das verschiedene Verkehrsmittel (Auto, Bus, Fußweg) und Reisezeiten/Kosten simuliert.
• Sozialer Raum: Ein Netzwerk, das soziale Beziehungen verwaltet und einen „Supervisor" enthält, der Nachrichten filtert, zensiert oder verbietet (Simulation von Social-Media-Algorithmen).
• Ökonomischer Raum: Ein makroökonomisches Modell mit Firmen, Banken, Regierung und Statistikamt, das Löhne, Steuern, Zinsen (Taylor-Regel) und BIP berechnet.

C. Hochleistungs-Simulations-Engine

Um 10.000+ Agenten gleichzeitig zu simulieren, wurde eine verteilte Architektur entwickelt:

• Distributed Execution: Nutzung des Ray-Frameworks für parallele Ausführung auf Multi-Core-Systemen. Agenten werden in Gruppen („Agent Groups") zusammengefasst, um TCP-Port-Ressourcen zu sparen.
• Messaging-System: Einsatz von MQTT (ein IoT-Protokoll) für den hochparallelen, zuverlässigen Nachrichtenaustausch zwischen Agenten, anstatt traditioneller HTTP-APIs.
• Toolbox für Sozialwissenschaften: Integration von Werkzeugen für Umfragen (Surveys), Interviews und Interventionen (z. B. Änderung von Persönlichkeitsmerkmalen oder Senden von Nachrichten), um experimentelle Designs nachzubilden.

3. Schlüsselbeiträge

1. Skalierbarkeit: AgentSociety ist in der Lage, über 10.000 Agenten zu simulieren, die täglich durchschnittlich 500 Interaktionen durchführen (insgesamt 5 Millionen Interaktionen in den Experimenten).
2. Ganzheitliches Design: Erstmals werden LLM-Agenten mit einer tiefen psychologischen Struktur (Bedürfnisse/Emotionen), komplexen Verhaltensweisen (Mobilität/Wirtschaft) und einer realistischen, datengestützten Umgebung kombiniert.
3. Validierung durch Replikation: Das System wurde erfolgreich getestet, indem es Ergebnisse realer sozialer Experimente replizierte (z. B. Polarisation, UBI-Effekte, Hurrikan-Reaktionen).
4. Paradigmenwechsel: Der Ansatz stellt einen Übergang von der reinen Beobachtung/Analyse hin zur „Generativen Sozialwissenschaft" dar, bei der Systeme nicht nur analysiert, sondern aktiv generiert und manipuliert werden können.

4. Ergebnisse und Evaluation

Die Autoren führten umfangreiche Experimente durch, um die Leistungsfähigkeit und Validität zu demonstrieren:

• Technische Performance: Die Engine bewältigte bis zu 100.000 Agenten in der Umgebungssimulation mit minimaler Latenz. Das MQTT-basierte Messaging-System zeigte eine hohe Durchsatzrate (ca. 44.700 Nachrichten/Sekunde) und war robuster als Alternativen wie RabbitMQ oder Kafka in diesem spezifischen Szenario.
• Soziale Experimente:
  • Polarisation: In homophilen Gruppen (ähnliche Meinungen) verstärkte sich die Polarisierung (52 % der Agenten wurden extremer), während heterogene Gruppen zu mehr Moderation führten.
  • Verbreitung inflammatoryer Nachrichten: Solche Nachrichten verbreiteten sich schneller und lösten stärkere emotionale Reaktionen aus. Eine „Node-Intervention" (Sperrung von Accounts) war effektiver als eine „Edge-Intervention" (Trennung von Verbindungen).
  • Universal Basic Income (UBI): Die Einführung von UBI führte in der Simulation zu einem Anstieg des Konsums und einer Verringerung der Depressionswerte, was mit realen Studienergebnissen übereinstimmte.
  • Externe Schocks (Hurrikan): Die Agenten passten ihre Mobilitätsmuster realistisch an (starker Rückgang der Aktivität während des Hurrikans, Erholung danach).
  • Stadt-Nachhaltigkeit: Interventionen zur Förderung umweltfreundlichen Verhaltens zeigten, dass persönliche Normen effektiver sind als rein injunktive (verpflichtende) Normen.

5. Bedeutung und Ausblick

AgentSociety markiert einen bedeutenden Fortschritt in der Computational Social Science 2.0.

• Für die Forschung: Es bietet eine kostengünstige, ethisch unbedenkliche und hochskalierbare Testumgebung, um Theorien zu testen, Muster zu entdecken und die Ursachen sozialer Phänomene zu verstehen.
• Für die Politik: Der Simulator dient als „Digitaler Zwilling" für die Politikgestaltung, um die Auswirkungen von Maßnahmen (z. B. Steuerreformen, Katastrophenschutz, Klimapolitik) vor der Implementierung in der realen Welt zu bewerten.
• Zukunft: Die Plattform ebnet den Weg für die Erforschung zukünftiger menschlich-KI-Gesellschaften, indem sie Szenarien simuliert, in denen KI-Agenten und Menschen koexistieren und interagieren.

Zusammenfassend überwindet AgentSociety die Grenzen traditioneller Simulationen durch die Kombination von LLM-Intelligenz, realistischen Umgebungsmodellen und einer leistungsfähigen verteilten Architektur, was es zu einem unverzichtbaren Werkzeug für das Verständnis und die Gestaltung komplexer sozialer Systeme macht.