Eine Multi-Agenten-Simulation zur ökonomischen Analyse der dezentralen Koordination von Wertschöpfungsketten

Transkript

1 (Agent-based Value Chain Experiment) Eine Multi-Agenten-Simulation zur ökonomischen Analyse der dezentralen Koordination von Wertschöpfungsketten Dipl.-Wirtsch.Inf. Torsten Eymann, Dipl.-Vw. Boris Padovan Institut für Informatik und Gesellschaft (IIG), Abt. Telematik Albert-Ludwigs-Universität Freiburg, Germany

2 Aufbau des Vortrags Ökonomische Modellbildung mit Multi-Agenten- Systemen (MAS) Eine Multi-Agenten-Simulation als ökonomisches Analyseinstrument Aufbau und Funktionsweise Fragestellung, Analyse und Auswertung Markt-basiertes Prozeßmanagement als Prototyp neuartiger MAS-Anwendungen

3 Was ist ein Software Agent? Ein Agent ist Software, die Menschen unterstützt und in ihrem Namen autonom handelt. Menschen können Aufgaben, die sie selber ausführen können, an die Agenten-Software delegieren. Kooperation & Koordination Kommunikation

4 Ökonomische Modellbildung mit Multi-Agenten-Systemen Realität Ausgangspopulation von Marktteilnehmern + Markt Abbildung Einflußbereich ökonomischer Theorien: Statisch (Neoklassisches Gleichgewichtsmodell) vs. Dynamisch (Markt als Entdeckungsverfahren) Modell Agentenpopulation + Umgebung Simulation Endzustand Interpretation /Prognose Endpopulation

5 Ökonomische Multi-Agenten-Systeme (1) Complex Adaptive Systems (CAS) als Grundlage der dynamischen, stochastischen, evolutorischen Simulation von Märkten. Agenten repräsentieren Marktteilnehmer, verfolgen jeweils eine Marktstrategie und reagieren auf Umweltveränderungen. Eine Agentenpopulation stellt einen Strategiemix dar. Annahme: Es existiert ein evolutionär stabiler Strategiemix, d.h. eine stabile Endpopulation unabhängig von der Zusammensetzung der Ausgangspopulation, abhängig von der statischen Ausgestaltung der ökonomischen Rahmenbedingungen.

6 Ökonomische Multi-Agenten-Systeme (2) Dezentrale Betrachtung der Wertschöpfungskette als a collection of autonomous, problem-solving agents which interact when they have interdependencies (Jennings et al. 1996) Emergente Entwicklung von koordinativen Strukturen höherer Ordnung: Was führt eine Gruppe ökonomisch handelnder Agenten dazu, eine Ökonomie zu bilden? (Lane 1993) Theoretischer Hintergrund Complex Adaptive Systems (John Holland, Chris Langton, Santa Fe Institute 1992) Agent-based Computational Economics (Leigh Tesfatsion 1997)

7 Ökonomische Multi-Agenten-Systeme (3) Complex Adaptive Systems (CAS) Natürliche und künstliche Systeme, deren komplexes Verhalten aus nicht-linearen Interaktionen zwischen einer großen Zahl von Komponenten resultiert (Holland 1992). z.b. Artificial Life (sozio-biologische Systeme) Agent-Based Computational Economics (ACE) Agent-based computational economics (ACE) is roughly characterized as the computational study of economies modelled as evolving decentralized systems of autonomous interacting agents (Tesfatsion 1997). ACE ist eine Spezialisierung von CAS auf Ökonomie, insbesonders Neo-Österreichische und Evolutionäre Ökonomie (Hayek, Schumpeter).

8 Motivierende Fragestellung Ausgangspunkt: Eine wirtschaftlich handelnde Population autonomer Agenten Welche Auswirkungen haben Veränderungen in den Handlungsstrategien einzelner Agenten (Transaktionskosten, Kooperationsverhalten) den ökonomischen Rahmenbedingungen (Transparenz von Angebot und Nachfrage, Konnektivität von Marktplätzen) auf die Stabilität der aufgespannten Wertschöpfungsketten? Kurze, instabile Ketten: marktliche Charakteristik Lange, stabile Ketten: hierarchische Charakteristik Experimentelle Simulation von Wertschöpfungsketten auf der technischen Basis eines Multi-Agenten-Systems

9 Eigenschaften eines Agenten Produktions- und Kostenfunktion (x Bretter y Platten) Stochastische Parameter Vertrauenswürdigkeit (Reputation) + Gedächtnis (Liste der vergangenen Aktionen) Zielfunktion: Kapital MAX Präferenzfunktion: Preis Reputation OPT Wert-Variablen Kapital Fixe Lebenskosten Einkaufspreis Verkaufspreis Transaktionskosten

10 Eine exemplarische Wertschöpfungskette Wood Board Plate Table Lumberjack Carpenter Cabinet Maker

11 Hauptschleife eines Agenten Endprodukte vorhanden? Ja Annonciere Endprodukte bzw. verändere Angebotspreis Nein Nein Vorprodukte vorhanden? Suche Anbieter, erstelle Rangliste Ja Produktion: Wandle Vorprodukte in Endprodukte um Nein Zufrieden mit Marktsituation? Wechsle Marktplatz Ja Kaufe Vorprodukte Ziehe fixe Lebenshaltungskosten vom Kapital ab

12 Wie funktioniert Avalanche? : :8000 Ökonomische Agenten = Software Agenten (Java Thread), Handelsplätze (Locations) = Java Virtual Machines auf IP Ports Nutzung von IT Standards: Java 1.1 Mobile Agent Libraries auf RMI-Basis Automatisierte Verhandlung nutzt z.b. KQML, FIPA Kontraktnetze, Transaktionsprotokolle

13 Video-Animation (1)

14 Video - Animation (2) Agenten werden durch unterschiedliche Farben angezeigt Producer Lumberjack Carpenter Cabinet Maker Consumer Linienstärke = Wiederholungshäufigkeit der Transaktion

15 Meßgrößen der Simulation - Kooperations- und Koordinationsvolatilität Übergangshäufigkeit = Koordinationsvolatilität Hohe Kooperationsvolatilität = häufiges Wechseln der Kooperationspartner Niedrige Kooperationsvolatilität = seltenes Wechseln der Kooperationspartner Linienstärke = Wiederholungshäufigkeit der Transaktion

16 Veränderung von Simulationsparametern (1): Transparenz von Angebot und Nachfrage Agent Registration Location Eine Lokation: hohe Transparenz Mehrere Lokationen: weniger Transparenz (# Agenten > # Lokationen) Viele Lokationen: Intransparenz (# Agenten < # Lokationen)

17 Veränderung von Simulationsparametern (2): Kooperationsverhalten Transaktionskosten sind Teil der Preisberechnung. Vor jeder Transaktion wird die eigene (Zahlungs-) Kooperationsbereitschaft ermittelt. Seller cooperates Buyer cooperates t(b) t(s) Buyer defects 0 t(s)+t(b) Ein Reputationskoeffizient ergibt den Erwartungswert der Gegnerstrategie und verändert damit die Rangreihung der Preisangebote. Seller defects t(s)+t(b) 0 f(t(s),t(b)) f(t(s),t(b)) Die erfahrene Kooperationsstrategie modifiziert den Reputationskoeffizienten.

18 Markt-basiertes Prozeßmanagement: eine Vision Eine verteilte Marktplattform, auf der Software-Agenten durch automatisiertes Aushandeln Produkte unterschiedlicher Wertschöpfungsstufen gewinnbringend kaufen und verkaufen und damit einen gesamten Prozeß bottom-up emergent koordinieren nutzbar in offenen, unsicheren Netzen flexibel auf Änderungen der Umgebung reagierend fehlertolerant durch Redundanz schnell durch Parallelisierung mit emergenten Lösungen - keine zielspezifische Programmierung

19 Anwendungsgebiete für markt-basiertes Prozeßmanagement (1) Business Process Management, Unternehmensmodellierung Electronic Commerce Systeme, Supply Chain Management Management von Kommunikationsnetzwerken und Produktionssystemen Information Management

20 Anwendungsgebiete für markt-basiertes Prozeßmanagement (2) Nicht-technische Rahmenbedingungen Wie können wir mehrstufige Business-Prozesse durch Multi-Agenten- Systeme unterstützen, wenn Server über unsichere Netze verteilt sind, Agenten asynchron, eigennützig und böswillig handeln, keine zentrale Koordinationsinstanz eingreifen kann, erfolgreiche Strategien nicht berechnet werden können, weil sich die Umgebung ständig nicht-linear dynamisch ändert, der einzelne Agent nur (ressourcen-) beschränkt rational arbeitet? Bottom-up - experimentelle Simulation einer Markt-basierten Prozeßkoordination als erste Stufe zur Entwicklung von Anwendungen derartiger Prozesse