Visible Projekt

Methodik

<html lang="en"> <head> <meta charset="utf-8" /> <title>An agent-based simulation policy laboratory for a calendar-based contamination process</title>

An agent-based simulation policy laboratory for a calendar-based contamination process

simulation model of a contamination process of The Washington Post appeared in the news to explain the impact of 'social distancing'. In this case, the contamination process contains free floating agents in undefined space and is thus more physics-based than social scientific. After all, agents generally contaminate one another in private and public spaces such as their own house, office, school, supermarket, etc. As such, agents' calendar of appointments and the social setting of the location at which these appointments take place matter a great deal. Below, you find a very first version (programmed in just a couple of hours) of a social scientific agent-based simulation model in which agents are members of a household, have a certain age, and a (basic) calendar determining where they spend time (and hence with whom they interact). It is assumed that only when interaction at particular locations (here: office - pink, house - yellow, orange - school) the agents can infect one another. Moreover, there is a simple Markov chain defined for the contamination state going from uninfected (green), infected but no symptom (orange), infected and slight symptoms (light red), ill (red), severely ill and highly contagious (purple), recovered and resistent (blue), deceased (gray and in the graveyard). I am well aware that there are some programming issues, the conceptual world model is incomplete, more calibration is required, and many more policy interventions are possible. At this point, I use this crude 'show piece' to see whether I can find some partners in enhancing this model very quickly.
<canvas id="worldcanvas" width="1000" height="1000"> Canvas not supported; please update your browser. </canvas>
<canvas id="graph" width="500" height="250"> Canvas not supported; please update your browser. </canvas> <label><input type="checkbox" id="policy_physicalmeasures" />Physical measures (6ft dist., mask, wash hands, cough in elbow, etc.)</label> <label><input type="checkbox" id="policy_schoolbarssick" />Sick students stay home</label> <input type="range" min="0" max="100" value="20" id="ICU_capacity" />Total Intensive Care capacity Hospitalization policy: <label><input type="radio" id="policy_hospitalization_none" name="policy_hospitalization" value="none" checked>No hospitalization</label> <label><input type="radio" id="policy_hospitalization_critical" name="policy_hospitalization" value="critical">Critically ill are admitted</label> <label><input type="radio" id="policy_hospitalization_severe_and_critical" name="policy_hospitalization" value="severe_and_critical">Severely and critically ill are admitted</label> Office policy: <label><input type="radio" id="policy_office_come" name="policy_office" value="come" checked>Come to the office</label> <label><input type="radio" id="policy_office_stayhomewhensick" name="policy_office" value="stayhomewhensick">Stay (and work from) home when sick</label> <label><input type="radio" id="policy_office_workfromhome" name="policy_office" value="workfromhome">Work from home regardless</label>
<button type="button" id="button-pause"></button> <button type="button" id="button-step"></button> <button type="button" id="button-play"></button> <button type="button" id="button-bigstep"></button> <button type="button" id="button-fastforward"></button> <button type="button" id="button-superfastforward"></button> <button type="button" id="button-refresh"></button> <button type="button" id="button-new"></button>
The simulation model above is of course a very simple, first concept. It can be easily extended (programmatically) with agents visiting supermarkts, social gatherings like sports events or concerts, other agents at home, etc. Moreover, there is not yet a hospital, let alone intensive care facility. This would one of the first things to add now. This policy laboratory may be used for 'what-if' analysis both for the entire life-time as well as mid-term interventions. Policies may of course include matters like spreading of office hours, total-lock-down, etc. The calibration of the present model is rudimentary with regard to incubation time, recovery time, etc. as well as transmission/ infection rates. Little is known, so any rigorous study should incorporate a sensitivity and robustness check. Moreover, a simplistic age distribution and household composition distribution is based on:
</body> <script> // shim layer with setTimeout fallback window.requestAnimFrame = function () { return ( window.requestAnimationFrame || window.webkitRequestAnimationFrame || window.mozRequestAnimationFrame || window.oRequestAnimationFrame || window.msRequestAnimationFrame || function (/* function */ callback) { window.setTimeout(callback, 1000 / 30); } ); }();

Zur Realisation des VISIBLE-Projektes wird auf die Methodik der agenten-basierten Modellierung zurückgegriffen.

 

Agenten-basierte Modellierung

Was versteht man unter agenten-basierten Modellen?

Die agenten-basierte Modellierung (ABM) ist eine relativ neue Methodik innerhalb der Sozial- und Wirtschaftswissenschaften, welche sich mit der Analyse komplexer und im stetigen Wandel befindlicher Systeme beschäftigt. Durch die stetig steigende Leistungsfähigkeit computergestützter Simulationen können immer komplexere Modelle implementiert und analysiert werden, so dass agenten-basierte Modelle auch für politische Entscheidungssituationen zunehmend an Bedeutung gewinnen.

Die Methodik der agenten-basierten Modellierung weicht bewusst von der lange vorherrschenden Praxis ab, den Ablauf komplexer Prozesse innerhalb sozio-ökonomischer Systeme ausschließlich auf aggregierter Ebene zu analysieren. Zentraler Grundgedanke der agenten-basierten Modellierung ist die Betrachtung komplexer Systeme entlang mehrerer Untersuchungsebenen. Phänomene auf höheren Aggregationsebenen (wie beispielsweise Strukturbildungsprozesse, wechselseitige Dynamiken etc.) werden auf die charakteristische Merkmale und Handlungsmuster der Akteure auf der Mikroebene zurückgeführt. Die Individualität und Heterogenität der Akteure findet im Rahmen der agenten-basierten Modellierung ebenso Berücksichtigung wie deren Historie und strategische Ausrichtung. Durch diese Berücksichtigung der Akteure und Prozesse auf der Mikroebene ist es möglich, von den unrealistischen Annahmen eines repräsentativen und perfekt-rationalen Homo oeconomicus und der damit verbundenen unrealistischen Gleichgewichtsanalyse, die üblicherweise mit stark vereinfachten Optimierungskalkülen einhergehen, abzurücken. So wird es möglich, relevante Muster, Zusammenhänge und Prozesse zu identifizieren und diese im Detail zu analysieren (Arthur 2007).

Methodische Vorgehensweise

Wie wird die Methodik im Rahmen des VISIBLE-Projektes eingesetzt?

Im Rahmen des VISIBLE-Projektes bedienen wir uns der Methodik der agenten-basierten Modellierung. Das VISIBLE-Projekt dient der Untersuchung von Investitionsalterativen in Wissen, Lernen und Bildung. Für die Pilotregion Heilbronn-Franken wird zunächst ein abstraktes agenten-basiertes Modell entwickelt, das die Grundlage für die später folgende ex-ante-Policy-Evaluation ausgewählter Investitionsalternativen bereitstellt. Dieses Modell basiert auf dem SKIN-Ansatz ("Simulating Knowledge Dynamics in Innovation Networks").

Um ein solches SKIN-basiertes, abstraktes Simulationsmodell mit Leben zu füllen, werden sogenannte Agenten (beispielsweise Mitarbeiter, Firmen, Universitäten, Forschungseinrichtungen, staatliche Organe usw.) auf verschiedene Ebenen des Modells angelegt. Diese Agenten agieren nicht in Isolation, sondern sind über vielfältige Verflechtungsstrukturen miteinander verknüpft. Agenten-basierte Modelle erlauben es, die Interaktionen der Agenten entlang zuvor spezifizierter Ebenen (beispielsweise FuE-Kooperationsbeziehungen zwischen Organisationen, interpersonelle Kooperationen etc.) sowie zwischen diesen Ebenen zu modellieren und analysieren. Grundsätzlich gilt: Der Umfang solcher Modelle und die Vielfalt der Möglichkeiten wird noch immer durch die heute verfügbare Rechnerleistung limitiert.

In einem nächsten Schritt wird das abstrakte agenten-basierte Modell für die Region Heilbronn-Franken unter Verwendung umfangreicher Primär- und Sekundärdatensätze empirisch kalibriert. Die Einspeisung der Daten in das Modell stellt sicher, dass alle wesentlichen Charakteristika der Unternehmen und Organisationen in der Region adäquat im Modell abgebildet werden. Ab diesem Punkt sprechen wir bereits von einem "virtuellen Simulationslabor" für die Region Heilbronn-Franken.

Schließlich wird eine Auswahl von Analyseszenarien innerhalb des virtuellen Simulationslabors angelegt. Der inhaltliche Schwerpunkt der zu implementierenden Analyseszenarien liegt auf der ex-ante-Evaluation von Strategien zur Überwindung von Wissens-, Lern-, und Kompetenzdefiziten der Unternehmen in der Region. Präziser formuliert: Wir wollen untersuchen, inwiefern sich die drei folgenden – teilweise komplementären – Strategien:

  • interorganisationale Kooperation
  • intraorganisationales Lernen
  • Fachkräfteanwerbung


auf insgesamt drei vordefinierte Zieldimensionen auswirken:

  • Wissensverteilung und -diffusion in der Region
  • Innovationsleistungsfähigkeit der Akteure in der Region
  • ökonomischer Erfolg der Region Heilbronn-Franken.

 

Literatur

Literatur zur Methodik der agenten-basierten Modellierung:

Einführende Literatur

Gilbert, N. (2007): Agent-based Models (Quantitative Applications in the Social Sciences), Sage Publications: Los Angeles, London and Singapore.


Weiterführende Literatur

Gilbert, N.; Ahrweiler, P.; Pyka, A. (2014): Simulating Knowledge Dynamics in Innovation Networks. Springer Series "Understanding Complex Systems", Springer: Heidelberg and New York.