Von Spieltheorie zur Komplexitätsökonomik. „Rationalität“, begrenzte Rationalität und fundamentale Unsicherheit in der heterodoxen Ökonomik

Prof. Dr. Wolfram Elsner

Institut für Institutionelle Ökonomik und Innovationsökonomik, Universität Bremen

 


Der neoklassischen Mainstream Ökonomik liegt i.W. ein einfaches Modell „rationaler“ Entscheidung eines isolierten repräsentativen Akteurs zugrunde, der bei vollständiger Information über alle gegenwärtigen und zukünftigen Gleichgewichtspreise eine vollständig definierte Zielfunktion (Präferenz-/Profitfunktion) unter (Budget-)Restriktionen maximiert. Auch die Standard-Spieltheorie geht zunächst in 2x2-Spielen von analytisch lösbaren Problemen aus, denen Maximierungskalküle zugrunde liegen. Strategische Unsicherheit im Sinne von imperfekten Informationen (über die Entscheidungen der anderen) kann ggf. noch über Rationalitäts-(Maximierungs-)Kalküle, Lernen unter Wiederholungen (Superspiele) sowie stochastische Strategien (gemischte Strategien) bewältigt werden. Wenn jedoch realistischer Weise Populationen mit vielen und heterogenen Akteurstypen (Strategien) angenommen werden müssen, werden die Grundlagen für eine globale Informationsausstattung und globale Rationalität dünner, und wir verlassen den Bereich der mainstreamigen neoklassischen Annahmen und entsprechenden Modellierens. Akteure können die Zahl der Entscheidungsalternativen und möglichen optimalen Strategien i.d.R. nicht mehr global analytisch bestimmen, verfügen nur noch über lokales Wissen (können nur noch lokal optimieren) und müssen zum Zweck der Komplexitätsreduktion typischerweise zu regelbasiertem und institutionalisiertem Verhalten, zu Such- und Imitationsstrategien (Heuristik des „Satisficing“ statt „Maximizing“) übergehen. Systemprozesse werden dann sinnvollerweise als evolutorische, mit expliziten Replikatormechanismen konzipiert und analysiert werden. Wenn zudem Formen von Partner-Selektion, „preferential mixing“ bzw. „preferential attachment“ möglich sind, kommt es zu komplexem, oft schwer prognostizierbarem Systemverhalten mit empirisch-statischen Eigenschaften (z.B. heavy-tail Verteilungen), die auf vielfältige Formen von Selbstorganisation deuten. Und insbesondere wenn Topologien (genauer: Netzwerkstrukturen) angenommen werden müssen und preferential mixing über Nachbarschaften, Clustering, Gatekeeper-Funktionen usw. beeinflusst wird, kommen verschiedene Netzwerkstrukturen mit vielfältigen besonderen Eigenschaften (z.B. skalenfreien Zentralitätsverteilungen) in den Blick. Spiele in Populationen auf Netzwerken stoßen schnell an die Grenzen analytischer Lösbarkeit und verlangen in letzter Instanz ein sog. Agent-Based Modeling und entsprechende Computersimulationen (Agent-Based Computational Economics). Erst damit wird die Ökonomik auch wieder anschlussfähig für eine neue Dimension der Transdisziplinarität mit Biologie, Physik, Anthropologie, Psychologie, Neuro- und Hirnforschung, aber auch den Sozialwissenschaften. Standardökonomische Konzepte wie (prädeterminiertes, einzigartiges/eindeutiges) Gleichgewicht, Optimalität und Rationalität verlieren in der Kooperation der Komplexitätswissenschaften ihre Sinnhaftigkeit. Die gemeinsame Basis der Komplexitätswissenschaften wird vielmehr durch die Methoden der Statistik von Systemen, der Netzwerkanalyse, der agentenbasierten Modellierung und Simulation, durch Theorien der Selbstorganisationprozesse, aber auch durch eine geeignete Meta-Theorie (Ontologie und Epistemologie) komplexer Systeme neu definiert.

Weitere Informationen

Forschungsschwerpunkte