📈 economics

Public Goods Game on Complex Networks: the interplay between conformity and topology

Diese Studie untersucht, wie das Zusammenspiel zwischen individueller Konformitätssensitivität und Netzwerktopologie die Kooperation im Public Goods Game beeinflusst, und zeigt auf, dass Konformität zwar die Kooperation in regulären Netzwerken fördert, jedoch in heterogenen komplexen Netzwerken neutrale oder negative Auswirkungen haben kann.

Ursprüngliche Autoren: Ren Manfredi, Eugenio Vicario, Ennio Bilancini, Rossana Mastrandrea

Veröffentlicht 2026-07-28

📖 7 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Ren Manfredi, Eugenio Vicario, Ennio Bilancini, Rossana Mastrandrea

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich eine Welt vor, in der Ihr nächster Schritt ausschließlich von zwei Dingen abhängt: wie viel Geld Sie gerade verdient haben und was Ihre Freunde gerade tun. Dies ist der Spielplatz der evolutionären Spieltheorie, eines Zweigs der Wissenschaft, die untersucht, wie Menschen (und sogar Tiere) im Laufe der Zeit lernen zu kooperieren oder zu konkurrieren. Anstatt davon auszugehen, dass jeder ein kalter, berechnender Roboter ist, fragt dieses Feld: Wie verhalten wir uns tatsächlich, wenn wir müde, verwirrt oder einfach nur wollen, dazuzugehen?

Im Zentrum dieser Geschichte steht ein klassisches Rätsel namens Allmendegut-Spiel (Public Goods Game). Stellen Sie sich eine Gruppe von Nachbarn vor, die entscheiden, ob sie Geld für einen Gemeinschaftsgarten spenden. Wenn alle beitragen, blüht der Garten auf und alle genießen ihn. Aber wenn Sie nicht bezahlen und einfach nur die Blumen genießen, sparen Sie Ihr Geld und genießen trotzdem die Aussicht. Dies ist die „Tragik der Allmende“: Wenn jeder so denkt, stirbt der Garten und niemand gewinnt. Wissenschaftler wissen längst, dass in einer chaotischen Menge die Selbstsucht meistens gewinnt. Aber was wäre, wenn wir diese Nachbarn in spezifischen Mustern anordnen würden, wie etwa in einem Gitter oder einem Netz? Und was wäre, wenn die Menschen, anstatt nur auf ihre Bankkonten zu schauen, auch auf ihre Nachbarn blicken und denken: „Hey, alle anderen machen es auch, also sollte ich es auch tun“? Dieses Paper taucht genau in diese Mischung ein: das Tauziehen zwischen dem Kalkül des Gewinns und dem menschlichen Drang zur Konformität.

Das Experiment: Ein digitaler Marktplatz

Die Autoren setzten eine massive digitale Simulation mit 1.000 Agenten (denken Sie an sie als digitale Bürger) auf, die auf drei verschiedenen Arten von „Städten“ oder Netzwerken lebten. Sie spielten ein Spiel, bei dem sie entweder kooperieren (einen Preis zahlen, um der Gruppe zu helfen) oder defektieren (betrügen und ihr Geld behalten) konnten. Das Ziel war zu sehen, wer im Verlauf des Spiels überlebte und florierte.

Aber hier ist der Clou: Diese digitalen Bürger waren nicht alle gleich. Jeder besaß ein einzigartiges Persönlichkeitsmerkmal namens $\alpha$ (Alpha), das bestimmte, wie sehr sie Geld gegenüber dem Gruppenzwang wertschätzten.

Einige Agenten kümmerten sich hauptsächlich um Geld, schenkten ihren Nachbarn aber dennoch etwas Beachtung.
Einige kümmerten sich hauptsächlich darum, dazuzugehören, behielten aber dennoch ihre Bankkonten im Blick.
Die meisten waren eine chaotische Mischung aus beidem und wogen ständig ihr Portemonnaie gegen ihren sozialen Kreis ab.
Entscheidend war: Kein Agent war rein das eine oder das andere; jeder einzelne Agent nutzte eine Kombination aus beiden Treibern, um Entscheidungen zu treffen.

Die Forscher testeten diese Agenten in drei sehr unterschiedlichen Nachbarschaftsstrukturen:

Das kreisförmige Gitter (Circular Lattice): Ein perfektes, geordnetes Raster, in dem jeder genau die gleiche Anzahl an Nachbarn hat (wie ein Schachbrett).
Die Small-World-Welt: Eine Nachbarschaft, die weitgehend geordnet aussieht, aber über einige zufällige Abkürzungen mit fernen Häusern verbunden ist (wie eine Kleinstadt mit ein paar Überraschungsautobahnen).
Das Scale-Free-Netzwerk: Eine chaotische Stadt, in der einige super-populäre „Hubs“ (Influencer) hunderte von Freunden haben, während die meisten Leute nur wenige haben (wie eine Social-Media-Plattform).

Die Ergebnisse: Wenn das Dazugehören hilft (und schadet)

Die Ergebnisse waren eine Achterbahnfahrt, die zeigte, dass Konformität nicht immer die Kooperation fördert; es kommt ganz auf die Form der Nachbarschaft an.

1. Das geordnete Gitter: Konformität ist eine Superkraft

In dem perfekten, kreisförmigen Gitter wirkte Konformität wie ein Klebstoff.

Ohne Konformität: Selbstsüchtige „Defektoren“ konnten sich in den Ritzen verstecken. Selbst wenn sie von Kooperierern umgeben waren, konnten sie mehr Geld verdienen und weigerten sich, ihre Art zu ändern. Sie waren wie ungebetene Gäste, die den ganzen Kuchen essen und sich weigern zu gehen.
Mit Konformität: Der Klebstoff setzte ein. Selbst wenn ein Defektor etwas mehr Geld verdiente, untergrub der Druck, zu sehen, dass alle anderen kooperierten, seine Immunität gegenüber der kooperativen Strategie. Die „soziale Norm“ machte es ihnen schwerer, sich dem Team anzuschließen, obwohl dies eine sofortige Änderung nicht garantierte.
Das Ergebnis: In dieser geordneten Welt half die Konformität der Gruppe zu gewinnen. Sie verwandelte die Stadt in eine geeinte Front der Kooperierenden, viel schneller, als es das Geld allein je könnte, obwohl das Paper anmerkt, dass ein „harter Kern“ von Defektoren weiterhin bestehen bleiben kann, was bedeutet, dass eine vollständige Invasion durch Kooperierende nicht immer garantiert ist.

2. Die Small-World-Stadt: Ein stilles Neutral

In dem „Small-World“-Netzwerk, in dem einige zufällige Abkürzungen die Stadt verbanden, änderte die Konformität nicht viel.

Die Abkürzungen reichten aus, um selbstsüchtige Defektoren einzuschleusen, die die Kooperationscluster störten.
Ob die Agenten nun besessen von Geld oder besessen vom Dazugehören waren, das Ergebnis war fast dasselbe. Die Netzwerkstruktur war einfach zu „undicht“, als dass die Konformität das Problem hätte lösen können. Es war, als versuche man, Wasser in einem Eimer zu halten, der ein paar Löcher hat; egal wie sehr man die Seiten zusammendrückt (Konformität), das Wasser läuft trotzdem aus.

3. Die Scale-Free-Stadt: Konformität ist ein zweischneidiges Schwert

Dies war das überraschendste und dramatischste Ergebnis. In der Stadt mit den „Hubs“ (den hochvernetzten Influencern) hatte die Konformität eine komplexe, oft negative Auswirkung auf die Kooperation.

Der alte Weg (Nur Geld): Die Hubs waren die Helden. Da sie so viele Spiele spielten, machten sie ein Vermögen und blieben Kooperierende, wenn ein Hub ein Kooperierer war. Sie fungierten als Festung, die die kleineren Nachbarn vor den selbstsüchtigen Defektoren schützte.
Der neue Weg (Mit Konformität): Die Hubs wurden verwundbar. Stellen Sie sich einen populären Influencer vor, der ein großzügiger Kooperierer ist. Wenn seine hunderte Follower (die meist selbstsüchtige Defektoren sind) anfangen, auf eine bestimmte Weise zu handeln, spürt der Hub den Druck, sich „anzupassen“, und hört auf zu kooperieren.
Das Ergebnis: Genau die Menschen, die eigentlich die Vorhut der Kooperation bilden sollten, wurden von der Menge gemobbt. Die Hubs wurden strategisch instabil, und da sie so stark vernetzt waren, zogen sie die ganze Stadt mit sich hinunter. Es gab jedoch eine Wendung: In sehr schlechten Bedingungen, in denen die Kooperation normalerweise scheitert (geringe Belohnungen), half dieselbe Konformität tatsächlich dabei, die Kooperation am Überleben zu halten, indem sie die Agenten zwang, trotz des Mangels an Profit zusammenzuhalten. Aber wenn die Belohnungen hoch waren, führte der Drang zur Konformität dazu, dass das System insgesamt weniger kooperativ war, wobei die Kooperation im Durchschnitt bei etwa 50 % stagnierte, anstatt die Oberhand zu gewinnen.

Das große Ganze

Das Paper kommt zu dem Schluss, dass „Einheitslösungen“ nicht funktionieren.

In einfachen, geordneten Gruppen ist dem Publikum zu folgen ein großartiger Weg, um eine kooperative Gesellschaft aufzubauen. Es verhindert, dass sich die selbstsüchtige Minderheit versteckt, auch wenn es sie nicht vollständig eliminieren kann.
In komplexen, „influencer-geprägten“ Gruppen kann es gefährlich sein, der Menge zu folgen. Es kann die Anführer (die Hubs) schwächen und dazu führen, dass sie die Kooperation aufgeben, nur weil ihre Follower es tun – es sei denn, die Lage ist so verzweifelt, dass das Zusammenhalten die einzige Option bleibt.

Die Autoren ließen diese Simulationen über 10.000.000 Generationen laufen, um sicher zu sein, und mittelten die Ergebnisse über hunderte verschiedene Start-Szenarien. Sie haben nicht nur geraten; sie haben beobachtet, wie sich die digitalen Städte entwickelten. Sie fanden heraus, dass „Dazugehören“ zwar oft als gut für die Gesellschaft angesehen wird, in der falschen Art von Netzwerk jedoch tatsächlich das System zerstören kann. Es ist eine Erinnerung daran, dass das, was in einem kleinen, eng vernetzten Dorf funktioniert, in einer weitläufigen, chaotischen Stadt eine Katastrophe sein kann.

Technische Zusammenfassung: Das Public-Goods-Game auf komplexen Netzwerken: Das Zusammenspiel zwischen Konformität und Topologie

Problemstellung
Menschliche Kooperation ist ein beständiges soziales Dilemma, das häufig durch das Public-Goods-Game (PGG) modelliert wird, bei dem die individuellen Anreize zum Defektieren mit den kollektiven Vorteilen kollidieren. Während evolutionäre Spieltheorie (EGT) die Kooperation erfolgreich durch Mechanismen wie Netzwerk-Reziprozität und gewinnbasierte Imitation erklärt hat, beruhen diese Modelle oft auf der Annahme, dass Akteure ausschließlich darauf abzielen, ihren Nutzen zu maximieren. Diese Arbeit adressiert die Wissenslücke darüber, wie Konformität – die Tendenz, sich an der wahrgenommenen Mehrheit auszurichten – mit der Netzwerktopologie interagiert, um die Kooperationsdynamik zu formen. Insbesondere untersuchen die Autoren, ob Konformität als Katalysator für Kooperation oder als Hindernis wirkt, wenn Akteure über heterogene Sensitivitäten gegenüber Auszahlungen versus sozialen Normen in unterschiedlichen Netzwerkstrukturen verfügen.

Methodik
Die Studie verwendet ein agentenbasiertes Modell (ABM) des räumlichen Public-Goods-Games auf einer Population von $N=1000$ Agenten. Die zentrale Innovation liegt in der Aktualisierungsregel und der Populationsstruktur:

Heterogene Agenten: Im Gegensatz zu früheren Studien, die Populationen oft in distinkte Gruppen von „auszahlungsgetriebenen“ und „konformistischen“ Agenten unterteilen, weist dieses Modell jedem Agenten einen eindeutigen, festen Sensitivitätsparameter $\alpha_i \in (0, 1)$ zu. Dieser Parameter, gezogen aus einer Beta-Verteilung, bestimmt das Gewicht, das ein Agent dem Vergleich von Auszahlungen gegenüber der Verhaltensnorm seiner Nachbarschaft beimisst.
- $\alpha_i$ : Gewicht auf auszahlungsbasierter Imitation.
- $1 - \alpha_i$ : Gewicht auf konformitätsbasierter Imitation.
- Es wurden drei Populationsszenarien getestet: Uniforme Verteilung (Beta(1,1)), konformitätsorientiert (Beta(1,10)) und auszahlungsorientiert (Beta(10,1)).
Aktualisierungsmechanismus: Die Wahrscheinlichkeit, dass ein Agent $i$ die Strategie eines Nachbarn $j$ übernimmt, ist eine Linearkombination aus zwei Komponenten:
- Auszahlungsgetrieben: Imitation erfolgt nur, wenn $\pi_j > \pi_i$ , skaliert durch die Differenz der Auszahlung.
- Konformitätsgetrieben: Die Imitationswahrscheinlichkeit hängt von der Abweichung der Strategie des Nachbarn von der lokalen sozialen Norm ( $SN_i$ ) ab, die als Anteil der Defektoren in der lokalen Nachbarschaft definiert ist.
- Die endgültige Wahrscheinlichkeit ist $P(i \to j) = \alpha_i P_{\pi} + (1-\alpha_i) P_{SN}$ .
Netzwerktopologien: Simulationen wurden auf drei Topologien mit einem durchschnittlichen Grad $k=4$ durchgeführt:
- Reguläres zirkuläres Gitter: Homogen, hohe Clusterbildung, eindimensional.
- Small-World-Netzwerk: Generiert via Watts-Strogatz-Modell ( $p=0.05$ ), behält Homogenität bei, weist jedoch kürzere Pfadlängen auf.
- Skalenfreies Netzwerk: Generiert via Barabási-Albert-Modell ( $m=2$ ), charakterisiert durch eine heterogene Gradverteilung und das Vorhandensein von Hubs (Knotenpunkten).
Simulationsparameter: Der Verstärkungsfaktor $r$ (Synergie) variierte von 1 bis 5. Die Simulationen liefen bis zu $10^7$ Generationen, gemittelt über 300 Initialisierungen, mit vorzeitiger Beendigung, falls das System einen stationären Zustand oder die totale Dominanz einer Strategie erreichte.

Zentrale Beiträge

Vereinheitlichte Aktualisierungsregel: Das Paper schlägt ein Modell vor, in dem Konformität die auszahlungsbasierte Imitation ergänzt, statt sie zu ersetzen, was einen kontinuierlichen Spektrum von Verhaltensbiases innerhalb eines einzelnen Agenten ermöglicht.
Wahre Heterogenität: Durch die Zuweisung individueller $\alpha$ -Werte mittels einer Verteilung anstelle von globalen Parametern oder diskreten Agententypen erfasst das Modell eine realistischere Vielfalt an Entscheidungsheuristiken.
Topologische Wechselwirkung: Die Studie erweitert die Analyse der Konformität systematisch von regulären Gittern (häufig in der bisherigen Literatur) auf komplexe Netzwerke (Small-World und Skalenfrei) und zeigt auf, dass der Effekt der Konformität nicht universell, sondern hochgradig abhängig von der Netzwerkstruktur ist.

Ergebnisse
Die Auswirkung der Konformität variiert drastisch zwischen den drei Topologien:

Reguläres zirkuläres Gitter: Konformität wirkt als Katalysator für Kooperation. In Standardmodellen, die rein auszahlungsgetrieben sind, können isolierte Defektoren aufgrund von Auszahlungs-Vorteilen oft bestehen bleiben. Konformität stört diese „Immunität“, wodurch isolierte Defektoren die kooperative Mehrheitsstrategie übernehmen. Für $r \ge 3$ konvergiert das System robuster zu totaler Kooperation. Konformität homogenisiert das System und verstärkt den durch die Auszahlungsstruktur diktierten Trend.
Small-World-Netzwerke: Konformität hat einen vernachlässigbaren bis neutralen Effekt. Obwohl die Netzwerkstruktur die Kooperation im Vergleich zu Gittern bereits benachteiligt (was ein höheres $r$ für das Entstehen von Kooperation erfordert), verändert die Einführung von Konformität die endgültigen Kooperationsniveaus nicht signifikant. Sie verstärkt lediglich bestehende Trends, induziert gelegentlich Bistabilität (seltene Invasionen durch Minderheiten), schafft es aber nicht, das Gleichgewicht fundamental zu verschieben.
Skalenfreie Netzwerke: Konformität hat einen nachteiligen Effekt auf die Kooperation. In Standardmodellen treiben Hubs (Knoten mit hohem Grad) die Kooperation voran, indem sie hohe Auszahlungen akkumulieren. Konformität macht diese Hubs jedoch anfällig für die Strategien ihrer zahlreichen niedergradigen Nachbarn. Wenn die Mehrheit der Nachbarn eines Hubs defektiert, neigt der Hub dazu, der Mehrheit zu folgen und zu defektieren, selbst wenn seine Auszahlung durch Kooperation höher wäre. Dies führt zu starker Bistabilität und einer allgemeinen Reduktion der Kooperationsraten, insbesondere bei mittleren $r$ -Werten. Hohe Konformität macht das System weniger reaktionsfähig auf Steigerungen des Verstärkungsfaktors $r$ .

Bedeutung und Behauptungen
Das Paper behauptet, dass das Zusammenspiel zwischen Konformität und Topologie nicht trivial und kontextabhängig ist. Die Autoren stellen fest:

Strukturelle Sensitivität: Konformität hat keinen einheitlichen Effekt; sie verstärkt die Kooperation in regulären Netzwerken, indem sie die Immunität isolierter Defektoren bricht, untergräbt jedoch in skalenfreien Netzwerken die einflussreichen Hubs, die normalerweise die Kooperation stützen.
Populationszusammensetzung: Die Zusammensetzung der Population (die Verteilung von $\alpha$ ) interagiert mit der Topologie. In heterogenen Netzwerken kann hohe Konformität die Kooperation unter ungünstigen Bedingungen ( $r \le 2$ ) fördern, aber sie unter günstigen Bedingungen ( $r \ge 3$ ) unterdrücken – ein Phänomen, das in regulären Topologien nicht beobachtet wird.
Grenzen und zukünftige Arbeit: Die Autoren merken bescheiden an, dass ihr Modell statische Netzwerke und feste Charakteristika der Agenten voraussetzt. Sie schlagen vor, dass zukünftige Arbeiten dynamische Netzwerke, Multiplex-Strukturen und Agenten untersuchen sollten, die in der Lage sind, ihre Sensitivitätsparameter endogen zu aktualisieren, wobei sie anerkennen, dass reale soziale Kontexte fluid und im Wandel sind.

Zusammenfassend demonstriert die Studie, dass während Konformität Strategien homogenisieren und Systeme zu geordneten Phasen führen kann, ihr Nettoeffekt auf die Kooperation durch die spezifischen strukturellen Merkmale des Interaktionsnetzwerks bestimmt wird, insbesondere durch die Rolle der Hubs in heterogenen Topologien.