Economic World Models: Ein generativer Bauplan für die Ökonomie

Economic World Models: Ein generativer Bauplan für die Ökonomie

Ein aktuelles Forschungspapier mit dem Titel „From Economic Agents to Agentic Economies: A Systems Blueprint for Economic World Models“ stellt ein neuartiges Konzept vor: Economic World Models (EWMs). Dabei handelt es sich um generative ökonomische Modelle, die gesamtwirtschaftliche Dynamiken nicht von oben herab vorgeben, sondern aus dem Verhalten vieler einzelner, heterogener Agenten entstehen lassen. Die Autoren beschreiben EWMs als Systeme, die simulieren, wie sich eine Volkswirtschaft von innen heraus entwickelt. Dazu modellieren sie die Agenten selbst – mit ihren individuellen Überzeugungen und Handlungen – sowie die Markt- und Institutionenmechanismen, über die diese Agenten interagieren. Das Ziel ist, aggregierte ökonomische Ergebnisse nicht als Resultat vereinfachender Gleichungen zu berechnen, sondern als emergentes Phänomen aus der Vielzahl dezentraler Entscheidungen und Anpassungsprozesse zu generieren. Das Papier liefert nicht nur eine theoretische Fundierung, sondern erstmals auch einen konkreten Implementierungsfahrplan für den Bau solcher generativer Wirtschaftsweltmodelle. Es positioniert sich damit als Blaupause für eine neue Generation von Simulationswerkzeugen, die die Komplexität realer Ökonomien besser abbilden sollen als die derzeit dominierenden Modellklassen.

Warum traditionelle Makromodelle an ihre Grenzen stoßen

Die vorherrschenden makroökonomischen Modelle, insbesondere die dynamischen stochastischen allgemeinen Gleichgewichtsmodelle (DSGE), stehen seit längerem in der Kritik. Fachpublikationen bemängeln, dass diese Modelle auf starken Rationalitätsannahmen beruhen: Sie unterstellen den Agenten eine nahezu perfekte Voraussicht und kognitive Fähigkeiten, die in der Realität nicht gegeben sind. Zudem wird die Heterogenität der Wirtschaftsakteure – etwa Unterschiede in Einkommen, Erwartungen oder Verhalten – nur unzureichend berücksichtigt. Stattdessen werden oft repräsentative Agenten modelliert, deren Handeln das Verhalten ganzer Sektoren abbilden soll. Diese Vereinfachungen führen dazu, dass DSGE-Modelle die Dynamiken von Krisen, Ungleichgewichten oder abrupten Regimewechseln nur begrenzt erfassen können. Die Fachliteratur verweist darauf, dass solche Modelle die individuelle Rationalität überschätzen und die Bedeutung von Heterogenität unterschätzen. So wird betont, dass die Annahme perfekter Rationalität und die Vernachlässigung von Heterogenität die Fähigkeit dieser Modelle einschränken, reale Phänomene wie Finanzkrisen oder langanhaltende Ungleichgewichte zu erklären. Das EWM-Framework setzt genau an diesen Schwachstellen an, indem es die restriktiven Annahmen über perfekte Voraussicht und homogene Akteure aufgibt und stattdessen eine Population unterschiedlicher, lernender Agenten in den Mittelpunkt stellt.

Agenten, Märkte und Institutionen im ko-evolvierenden Zusammenspiel

Das Kernstück des EWM-Frameworks ist die Modellierung einer Wirtschaft als komplexes, adaptives System. Anders als in traditionellen Modellen werden hier nicht aggregierte Größen wie das Bruttoinlandsprodukt direkt über Gleichungen bestimmt. Stattdessen agieren heterogene Agenten mit eigenen, unvollständigen Überzeugungen über die Zukunft. Sie treffen Entscheidungen – etwa über Konsum, Investitionen oder Preissetzung – auf Basis dieser subjektiven Erwartungen. Ihre Handlungen werden über Märkte und institutionelle Regeln koordiniert, wodurch Preise, Mengen und andere gesamtwirtschaftliche Größen entstehen. Entscheidend ist, dass sich Agenten, Märkte und Institutionen im Zeitverlauf gemeinsam weiterentwickeln: Agenten passen ihre Überzeugungen an neue Daten an, Märkte reagieren auf verändertes Verhalten, und Institutionen können sich als Reaktion auf systemische Entwicklungen wandeln. Diese Ko-Evolution erzeugt eine dynamische, nicht-lineare Makroökonomie, in der Phasen relativer Stabilität ebenso auftreten können wie plötzliche Umschwünge – ohne dass diese von außen vorgegeben werden müssen.

Der Schlüssel zu dieser realistischeren Abbildung liegt in der Interaktion heterogener Erwartungen. Da die Agenten auf Basis ihrer eigenen, unvollständigen Modelle der Welt handeln, entstehen vielfältige Strategien. Treffen diese auf Märkten aufeinander, erzeugen Preis- und Mengenbewegungen Rückkopplungen: Steigende Preise können optimistische Erwartungen verstärken und zu spekulativen Blasen führen, während plötzliche Korrekturen pessimistische Überzeugungen auslösen und Abschwünge beschleunigen. Institutionen, die etwa Kreditvergaberegeln festlegen, wirken als zusätzliche Rückkopplungsschleifen, die diese Dynamiken dämpfen oder verstärken können. So entstehen aus dem dezentralen Zusammenspiel komplexe gesamtwirtschaftliche Muster, die in traditionellen Modellen mit perfekter Voraussicht und homogenen Agenten nicht abbildbar sind. Das Framework zielt damit darauf ab, die Komplexität wirtschaftlicher Dynamiken besser zu erfassen, indem es emergente Phänomene aus der Interaktion heterogener Agenten, Märkte und Institutionen generiert.

Von der Theorie zur Praxis: Der Implementierungsfahrplan

Das Forschungspapier belässt es nicht bei der konzeptionellen Skizze, sondern legt einen detaillierten Implementierungsfahrplan vor, der den Bau solcher generativer Wirtschaftsweltmodelle in die Praxis überführen soll. Der Fahrplan gliedert sich in mehrere aufeinander aufbauende Schritte, die jeweils konkrete technische und methodische Herausforderungen adressieren.

Am Anfang steht die Spezifikation der Agentenarchitektur. Hier wird präzise festgelegt, wie die heterogenen Agenten ihre Überzeugungen bilden und auf dieser Grundlage Entscheidungen treffen. Dazu werden lernfähige Algorithmen – etwa aus dem Bereich des maschinellen Lernens – eingesetzt, die es den Agenten erlauben, ihre Erwartungen anhand neuer Informationen schrittweise zu aktualisieren. Die Architektur muss so gestaltet sein, dass sie eine realistische Bandbreite kognitiver Fähigkeiten abbildet, von einfachen Heuristiken bis zu komplexeren Prognosemodellen.

Daran schließt sich die Definition der Marktmechanismen und institutionellen Regeln an. Der Fahrplan beschreibt, wie Transaktionsprotokolle, Preisfindungsverfahren und regulatorische Rahmenbedingungen modelliert werden, um die Interaktionen der Agenten zu koordinieren. Dabei wird besonderer Wert auf die dynamische Anpassung dieser Regeln gelegt, sodass Institutionen nicht starr sind, sondern auf systemische Entwicklungen reagieren können.

Ein zentraler Baustein ist die Sicherstellung der Skalierbarkeit. Der Fahrplan erläutert, wie die Modelle durch geeignete Systemarchitekturen – etwa verteilte Rechencluster und agentenbasierte Simulationsplattformen – so ausgelegt werden können, dass sie eine große Zahl heterogener Agenten verarbeiten und aussagekräftige emergente Muster erzeugen. Konkret werden Ansätze zur Parallelisierung der Simulation und zur effizienten Speicherung von Agentenzuständen diskutiert, um rechenintensive Szenarien mit Millionen von Akteuren zu ermöglichen.

Ein weiterer Schritt ist die Kalibrierung der Modelle. Der Fahrplan sieht vor, mikroökonomische Daten – beispielsweise aus Haushaltsbefragungen oder Unternehmensstatistiken – zu nutzen, um die Verhaltensparameter der Agenten empirisch zu fundieren. Gleichzeitig werden aggregierte Zeitreihen herangezogen, um die Modellparameter so einzustellen, dass die simulierten Makrogrößen mit historischen Durchschnittswerten und Volatilitäten übereinstimmen. Dieser Kalibrierungsprozess erfolgt iterativ und wird durch Sensitivitätsanalysen ergänzt, um die Robustheit der Ergebnisse zu prüfen.

Schließlich adressiert das Papier die Validierung der Modelle. Es wird ein mehrstufiges Verfahren beschrieben: Zunächst werden die generierten gesamtwirtschaftlichen Verläufe mit stilisierten Fakten – etwa der Verteilung von Wachstumsraten oder der Häufigkeit von Rezessionen – abgeglichen. In einem zweiten Schritt erfolgt die Out-of-Sample-Prognose, bei der das Modell anhand eines zurückgehaltenen Zeitraums getestet wird. Zusätzlich sind Stresstests vorgesehen, um zu prüfen, ob das Modell unter extremen, aber plausiblen Szenarien realistische Reaktionen zeigt. Der Fahrplan betont, dass die Validierung kein einmaliger Vorgang ist, sondern ein kontinuierlicher Prozess, der mit der Weiterentwicklung des Modells einhergeht.

Mit diesem detaillierten Umsetzungsplan wollen die Autoren den Weg von der theoretischen Kritik an bestehenden Modellen hin zu einer praktisch nutzbaren Alternative ebnen. Der Fahrplan macht deutlich, dass der Bau von Economic World Models eine interdisziplinäre Anstrengung erfordert, die Erkenntnisse aus Ökonomie, Informatik und Komplexitätsforschung vereint.