Die unsichtbare Architektur der Entscheidung: Eine spieltheoretische Anatomie strategischer Interaktion

DerSchneider

Einleitung: Wenn der Zufall Methode hat

Es gibt Momente, in denen wir spüren, dass unsere Entscheidung nicht allein unsere ist. Der Blick des Gegenübers, die Erwartung des Chefs, die stille Kalkulation des Verhandlungspartners – all das fließt in den Bruchteil einer Sekunde in unsere Wahl ein. Wir nennen es Intuition, Erfahrung oder Bauchgefühl. Die Spieltheorie nennt es ein Spiel.

Die Spieltheorie ist eine mathematisch formalisierte Theorie der strategischen Interaktion. Sie beschäftigt sich mit Situationen, in denen das Ergebnis meiner Entscheidung nicht nur von meinem eigenen Handeln abhängt, sondern auch von dem, was andere tun – und in denen diese anderen wiederum mein Verhalten in ihre eigenen Überlegungen einbeziehen. Der umständliche Begriff, den manche Autoren dafür verwenden, lautet „interaktive Mehr-Personen-Entscheidungstheorie“. Er benennt präzise, worum es geht: um Entscheidungen, die nicht isoliert getroffen werden können, weil sie in ein Netz wechselseitiger Abhängigkeiten eingebettet sind.

Die Faszination dieses Ansatzes liegt in seiner Doppelgesellschaft: Einerseits entstammt er der Mathematik, andererseits durchdringt er die Wirtschaftswissenschaften, die Politik, die Biologie und die Psychologie. Die Spieltheorie ist, wie Erwin Amann in seinem einführenden Werk „Spieltheorie für Dummies“ schreibt, „nahezu eine eigene Welt mit einer eigenen Sprache“. Wer diese Sprache erlernt, beginnt die Welt anders zu sehen – nicht als eine Abfolge von Zufällen, sondern als ein Geflecht strategischer Interdependenzen. Amanns Buch dient dabei als Ausgangspunkt und Quelle, doch die folgende Darstellung verfolgt einen eigenen Weg: Sie soll die Grundlagen vollständiger und tiefer ausleuchten, als es ein Einsteigerwerk vermag, und dabei zeigen, warum die Spieltheorie weit mehr ist als ein Werkzeugkasten für Ökonomen.

Die Geburt einer Disziplin: Von Cournot bis Nash

Die Spieltheorie beginnt nicht mit einem Paukenschlag, sondern mit einer Fußnote. Der französische Mathematiker Antoine-Augustin Cournot formulierte 1838 in seinen „Recherches sur les principes mathématiques de la théorie des richesses“ erstmals die Idee, dass wirtschaftliche Entscheidungen nicht isoliert, sondern in Abhängigkeit voneinander getroffen werden. Cournot analysierte den Wettbewerb weniger Unternehmen auf einem Markt – ein Oligopol – und zeigte, dass es einen Gleichgewichtszustand gibt, in dem keiner der Beteiligten einseitig abweichen möchte. Es war ein Gedanke von bestechender Klarheit, doch er blieb nahezu ein Jahrhundert unbeachtet.

Erst John von Neumann, der ungarische Universalgelehrte, der in den USA an der Atombombe arbeitete und als Begründer der Informatik gilt, griff den Faden auf. Von Neumann erkannte die strukturelle Parallelität zwischen Gesellschaftsspielen wie Schach oder Poker und realen strategischen Entscheidungen. 1928 bewies er, dass jedes Zwei-Personen-Nullsummenspiel – ein Spiel, in dem der Gewinn des einen exakt der Verlust des anderen ist – einen Gleichgewichtspunkt besitzt. 1944 veröffentlichte er gemeinsam mit dem Ökonomen Oskar Morgenstern das bahnbrechende Werk „Theory of Games and Economic Behavior“. Die Spieltheorie war geboren – als eine normative Theorie darüber, wie sich rationale, nutzenmaximierende Akteure in Situationen strategischer Interaktion optimal verhalten sollten.

Doch der entscheidende Durchbruch kam von einem Mann, dessen Leben zwischen Genie und Wahnsinn oszillierte. John Nash, dessen Biografie Sylvia Nasar in „A Beautiful Mind“ porträtierte, stellte 1950 in seiner Doktorarbeit an der Princeton University die entscheidende Frage: Gibt es unter allen denkbaren Ausgängen eines Spiels eine Situation, in der niemand nachträglich sagen würde: „Hätte ich doch besser eine andere Entscheidung getroffen“? Seine Antwort war das nach ihm benannte Gleichgewicht – ein Zustand, in dem jeder Spieler die beste Antwort auf die Entscheidungen der anderen wählt, sodass niemand einseitig abweichen möchte. Das Nash-Gleichgewicht wurde zum Standardlösungskonzept der nicht-kooperativen Spieltheorie und brachte Nash 1994 gemeinsam mit Reinhard Selten und John Harsanyi den Nobelpreis für Wirtschaftswissenschaften ein.

Nash selbst unterschied zwei Interpretationen seines Gleichgewichts: Die rationalistische Interpretation, die davon ausgeht, dass die Spieler noch nie interagiert haben und nie wieder interagieren werden, dass sie rational im Sinne Savages sind und dass jeder das Spiel kennt. Und die „Massenaktion“-Interpretation, die später vor allem in der evolutionären Spieltheorie fruchtbar wurde: Für jede Spielerrolle existiert eine große Population identischer Individuen, das Spiel wird wiederholt von zufällig ausgewählten Individuen gespielt, und die Individuen lernen aus Erfahrung, suboptimale Aktionen zu vermeiden.

Entscheidungstheoretische Grundlagen: Was heißt hier rational?

Bevor wir die Spieltheorie im engeren Sinne betreten, lohnt ein Blick auf die Theorie der Ein-Personen-Entscheidung, auf der sie aufbaut. Denn wer nicht weiß, was eine rationale Entscheidung unter Unsicherheit ist, kann strategische Entscheidungen nicht angemessen analysieren.

Erwartungsnutzen nach von Neumann und Morgenstern

In der Alltagssprache bedeutet „rational“, dass jemand seine Ziele mit den verfügbaren Mitteln verfolgt. In der Entscheidungstheorie ist der Begriff präziser gefasst: Ein Akteur handelt rational, wenn er aus den verfügbaren Alternativen diejenige wählt, die seinen Erwartungsnutzen maximiert.

Der Erwartungsnutzen ist das zentrale Konzept der Entscheidung unter Unsicherheit. Formal: Sei L = (p₁, p₂, …, pₙ) eine Lotterie, die mit Wahrscheinlichkeit pᵢ das Ergebnis xᵢ liefert. Der Erwartungsnutzen ist dann

U(L) = Σᵢ pᵢ · u(xᵢ)

wobei u(x) die Nutzenfunktion des Akteurs ist. Von Neumann und Morgenstern bewiesen 1944, dass eine Präferenzrelation über Lotterien genau dann durch eine solche Erwartungsnutzenfunktion dargestellt werden kann, wenn sie bestimmte Axiome erfüllt: Vollständigkeit, Transitivität, Stetigkeit und Unabhängigkeit.

Das Unabhängigkeitsaxiom ist das umstrittenste: Es besagt, dass die Präferenz zwischen zwei Lotterien unabhängig davon ist, ob eine dritte Lotterie mit gleicher Wahrscheinlichkeit in beiden vorkommt. Die Allais-Paradoxie (1953) und die Ellsberg-Paradoxie (1961) zeigen, dass Menschen dieses Axiom systematisch verletzen – ein Befund, der später zur Prospect Theory führte.

Subjektiver Erwartungsnutzen nach Savage

Von Neumann und Morgenstern unterstellen objektive Wahrscheinlichkeiten. Leonard Savage erweiterte den Ansatz 1954 auf subjektive Wahrscheinlichkeiten: Auch wenn keine objektiven Wahrscheinlichkeiten vorliegen, können Akteure subjektive Wahrscheinlichkeiten bilden und nach dem Erwartungsnutzen-Prinzip entscheiden. Die Savage’schen Axiome stellen sicher, dass eine subjektive Wahrscheinlichkeitsverteilung und eine Nutzenfunktion existieren, die das Entscheidungsverhalten darstellen.

Was heißt „Rationalität“ in der Spieltheorie?

In der Spieltheorie werden verschiedene Rationalitätsbegriffe verwendet, die sorgfältig zu unterscheiden sind:

• Instrumentelle Rationalität: Der Akteur wählt die besten Mittel für seine Zwecke.
• Bayessche Rationalität: Der Akteur bildet korrekte Erwartungen und aktualisiert sie nach der Regel von Bayes, wenn neue Information eintrifft.
• Common Knowledge of Rationality: Nicht nur jeder ist rational, sondern jeder weiß, dass jeder rational ist, und jeder weiß, dass jeder weiß, dass jeder rational ist, und so weiter.

Die Common-Knowledge-Annahme ist für viele Lösungskonzepte – insbesondere die Rückwärtsinduktion – konstitutiv. Sie ist zugleich die problematischste, wie das Paradox der überraschenden Prüfung zeigt. Robert Aumann hat 1976 in seinem Aufsatz „Agreeing to Disagree“ gezeigt, dass zwei Akteure mit gemeinsamen Priors und Common Knowledge über ihre posteriori-Erwartungen nicht unterschiedlicher Meinung sein können – ein Resultat, das die Bedeutung der Common-Knowledge-Annahme unterstreicht und zugleich ihre Fragilität offenlegt.

Die Grammatik des strategischen Denkens

Spiele in Normalform: Strategien, Auszahlungen, Nash-Gleichgewicht

Ein Spiel in Normalform besteht aus drei Elementen: der Menge der Spieler N = {1, 2, …, n}, den Strategiemengen Sᵢ für jeden Spieler und den Auszahlungsfunktionen uᵢ: S → ℝ. Eine Strategiekombination s = (s₁, s₂, …, sₙ) heißt Nash-Gleichgewicht, wenn für jeden Spieler i gilt:

uᵢ(sᵢ, s₋ᵢ) ≥ uᵢ(s’ᵢ, s₋ᵢ) für alle s’ᵢ ∈ Sᵢ

Kein Spieler kann sich durch einseitiges Abweichen verbessern. John Nash bewies 1950, dass jedes endliche Spiel mindestens ein Nash-Gleichgewicht besitzt – möglicherweise in gemischten Strategien.

Das Gefangenendilemma: Formale Analyse

Das paradigmatische Beispiel der Spieltheorie ist das Gefangenendilemma. Zwei Spieler stehen vor der Wahl, zu kooperieren (C) oder abzuweichen (D). Die Auszahlungsmatrix sei:

	C	D
C	3, 3	0, 5
D	5, 0	1, 1

Die dominante Strategie ist D für beide Spieler: Egal was der andere tut, D ist besser (5 > 3 bei C des anderen; 1 > 0 bei D des anderen). Das einzige Nash-Gleichgewicht ist (D, D) mit der Auszahlung (1, 1). Doch (C, C) mit (3, 3) wäre für beide besser – es ist jedoch nicht stabil, weil jeder einseitig abweichen möchte.

Das Gefangenendilemma zeigt den Konflikt zwischen individueller und kollektiver Rationalität. Es ist der Grund, warum Kartelle instabil sind, warum Umweltabkommen schwer durchzusetzen sind und warum Kooperation in Teams oft scheitert.

Minimax und die Logik des Nullsummenspiels

Im Spezialfall des Nullsummenspiels, in dem der Gewinn des einen exakt der Verlust des anderen ist, lässt sich das Gleichgewicht auf besonders anschauliche Weise bestimmen. Ein Spieler, der vom schlimmstmöglichen Verhalten seines Gegners ausgeht, wählt die Strategie, die seinen minimalen Gewinn maximiert – die Maximin-Strategie. Sein Gegner wählt die Strategie, die seinen maximalen Verlust minimiert – die Minimax-Strategie.

Formal: Sei M eine m×n-Matrix, in der der Zeilenspieler (MAX) den Eintrag mᵢⱼ gewinnt und der Spaltenspieler (MIN) ihn verliert. Dann gilt für den garantierten Mindestgewinn von MAX:

uᵣ(M) = maxᵢ minⱼ mᵢⱼ

und für den garantierten Höchstverlust von MIN:

u_c(M) = minⱼ maxᵢ mᵢⱼ

Das Minimax-Theorem besagt, dass in jedem Zwei-Personen-Nullsummenspiel diese beiden Werte übereinstimmen. Ein Sattepunkt, also ein Eintrag, der sowohl Minimum in seiner Zeile als auch Maximum in seiner Spalte ist, stellt dann ein Gleichgewicht in reinen Strategien dar. Existiert kein solcher Sattepunkt, so müssen die Spieler gemischte Strategien wählen – sie randomisieren ihre Entscheidungen, um nicht vorhersehbar zu sein.

Das Elfmeterduell: Formale Analyse gemischter Strategien

Das Elfmeterduell ist das klassische Beispiel für ein Spiel ohne Gleichgewicht in reinen Strategien. Der Schütze wählt links (L) oder rechts (R), der Torhüter ebenfalls. Die Auszahlungsmatrix sei:

	L	R
L	0, 1	1, 0
R	1, 0	0, 1

Es gibt kein Gleichgewicht in reinen Strategien: Zu jeder Kombination hat einer der Spieler einen Anreiz abzuweichen. Das gemischte Gleichgewicht lässt sich mit dem Fundamentallemma berechnen. Sei p die Wahrscheinlichkeit, mit der der Schütze L wählt, und q die Wahrscheinlichkeit, mit der der Torhüter L wählt. Damit der Torhüter indifferent ist, muss gelten:

p · 1 + (1−p) · 0 = p · 0 + (1−p) · 1
p = 1 − p
p = 1/2

Analog ergibt sich q = 1/2. Im Gleichgewicht wählen beide Spieler jede Aktion mit Wahrscheinlichkeit 1/2. Die erwartete Auszahlung für den Schützen ist 1/2 · 1/2 · 0 + 1/2 · 1/2 · 1 + 1/2 · 1/2 · 1 + 1/2 · 1/2 · 0 = 1/2. Keiner kann sich durch einseitiges Abweichen verbessern.

Sequenzielle Spiele und die Rückwärtsinduktion

Viele strategische Situationen sind nicht simultan, sondern sequenziell: Ein Spieler zieht, beobachtet, was der andere tut, und reagiert darauf. Solche Spiele lassen sich als Spielbaum darstellen, und die zentrale Lösungsmethode ist die Rückwärtsinduktion – man beginnt am Ende des Spiels und arbeitet sich Schritt für Schritt zum Anfang vor.

Das Marktzutrittsspiel veranschaulicht dies: Ein Monopolist droht einem potenziellen Konkurrenten mit aggressiver Reaktion, falls dieser in den Markt eintritt. Doch wenn der Eintritt bereits erfolgt ist, lohnt sich die aggressive Reaktion nicht mehr – sie kostet mehr, als sie einbringt. Die Drohung ist unglaubwürdig. Die Rückwärtsinduktion eliminiert solche unglaubwürdigen Drohungen und führt zum teilspielperfekten Nash-Gleichgewicht – einem Gleichgewicht, das in jedem Teilspiel optimales Verhalten vorschreibt.

Formal: Ein Teilspiel ist ein Teil des Spielbaums, der an einem einzelnen Entscheidungsknoten beginnt und alle nachfolgenden Knoten enthält. Ein Nash-Gleichgewicht ist teilspielperfekt, wenn es in jedem Teilspiel ein Nash-Gleichgewicht induziert. Die Rückwärtsinduktion konstruiert ein solches Gleichgewicht, indem sie von den Endknoten rückwärts arbeitet.

Die Rückwärtsinduktion hat jedoch eine bekannte philosophische Tücke, die an das Paradox der überraschenden Prüfung erinnert: Ein Lehrer kündigt an, dass in der nächsten Woche eine Prüfung stattfinden wird, deren Termin die Schüler nicht vorhersagen können. Ein kluger Schüler argumentiert, die Prüfung könne nicht am Freitag stattfinden, denn wenn sie bis Donnerstagabend nicht stattgefunden habe, wüssten alle, dass sie am Freitag sein müsse – was der Ankündigung widerspreche. Also könne sie auch nicht am Donnerstag sein, und so weiter. Der Schüler schließt, dass die Prüfung gar nicht stattfinden könne. Am Mittwoch findet sie statt – zur Überraschung aller. Das Paradox zeigt, dass die Rückwärtsinduktion auf Annahmen über die Rationalität und das Wissen der Akteure beruht, die in der Realität nicht immer erfüllt sind.

Die Komplexität des Wirklichen

Wiederholte Spiele und die Entstehung von Kooperation

Die Hoffnung, dass wiederholte Interaktion Kooperation hervorbringt, ist intuitiv einleuchtend – und doch trügerisch, wenn das Spiel ein festes Ende hat. Die Rückwärtsinduktion zeigt: In der letzten Runde wird nicht kooperiert, also auch nicht in der vorletzten, und so weiter. Das Gefangenendilemma bleibt Dilemma.

Doch bei unendlich wiederholten Spielen ändert sich das Bild. Das Folktheorem – der Name deutet an, dass die Erkenntnis schon lange „im Volk“ bekannt war, bevor sie formal bewiesen wurde – besagt, dass jede erreichbare Auszahlungskombination realisiert werden kann, die jedem Spieler mindestens seine Minimax-Auszahlung garantiert. Die Minimax-Auszahlung ist der Betrag, den sich ein Spieler selbst sichern kann, wenn er vom schlimmstmöglichen Verhalten seiner Mitspieler ausgeht. Im Gefangenendilemma ist das die Strafe bei gegenseitigem Gestehen, also 1.

Formal: Sei G = (N, S, U) ein Basisspiel, das in Perioden t = 1, 2, 3, … gespielt wird. Eine reine Strategie für Spieler i im Superspiel G^∞ ist eine Funktion gᵢ, die jeder Vorgeschichte a^t eine Aktion gᵢ(a^t) = sᵢ^{t+1} ∈ Sᵢ zuordnet. Die Auslöserstrategie – kooperiere, solange der andere kooperiert, und bestrafe Abweichung – kann ein Gleichgewicht sein, sofern der Diskontfaktor δ nahe genug bei 1 liegt. Je geringer die Abdiskontierung zukünftiger Auszahlungen, desto eher lohnt sich Kooperation.

Fudenberg und Maskin haben das Folktheorem 1986 verallgemeinert: Bei zwei Spielern oder wenn eine „volle Dimensionalität“-Bedingung erfüllt ist, kann jeder individuell rationale Auszahlungsvektor eines einmaligen Spiels als perfektes Gleichgewicht des unendlich wiederholten Spiels auftreten, wenn die Spieler nur geduldig genug sind.

Unvollständige Information und Bayessche Spiele

Die klassische Spieltheorie unterstellt, dass alle Spieler die Präferenzen und Handlungsmöglichkeiten der anderen kennen. Die Realität sieht anders aus: Der Verhandlungspartner kennt unsere Schmerzgrenze nicht, der Konkurrent nicht unsere Kostenstruktur. Hier ist zwischen zwei Arten von Informationsmangel zu unterscheiden: Vollständige Information bedeutet, dass alle Spieler die Spielstruktur kennen – die Strategiemengen und Auszahlungsfunktionen. Perfekte Information bedeutet, dass jeder Spieler zu jedem Zeitpunkt den bisherigen Spielverlauf beobachten kann. Schach ist ein Spiel mit vollständiger und perfekter Information; Poker ist ein Spiel mit vollständiger, aber unvollkommener Information, da die Karten verdeckt sind.

Bei unvollständiger Information – wenn die Spielstruktur selbst nicht allen bekannt ist – hilft die Harsanyi-Transformation: Man führt einen fiktiven Zufallszug ein, der den „Typ“ jedes Spielers auswählt. Das Spiel mit unvollständiger Information wird so in ein Spiel mit unvollkommener, aber vollständiger Information überführt. Das Bayessche Spiel macht die Analyse zugänglich – und zeigt, wie sich Erwartungen durch Beobachtung aktualisieren lassen. Die Regel von Bayes beschreibt, wie man aus dem beobachteten Verhalten auf den Typ des Gegenübers schließt.

Reputation und Signalisierung

In endlich wiederholten Spielen mit eindeutigem Gleichgewicht gibt es keinen Raum für Reputation: Die Rückwärtsinduktion zerstört jeden Anreiz, sich einen Ruf aufzubauen. Doch bei unvollständiger Information – wenn die Konkurrenten nicht wissen, ob sie es mit einem friedlichen oder aggressiven Marktführer zu tun haben – kann Reputation entstehen. Der friedliche Marktführer kann sich als aggressiv ausgeben, um Marktzutritt abzuschrecken.

Signalisierung ist der Versuch, mit einer beobachtbaren Größe eine nicht beobachtbare Information zu vermitteln. Damit ein Signal glaubwürdig ist, muss es für den „falschen“ Typ teurer sein als für den „richtigen“. Im klassischen Beispiel von Spence dient Ausbildung als Signal: Die Lohnunterschiede zwischen Akademikern und Nicht-Akademikern rechtfertigen sich nicht allein durch das Gelernte, sondern dadurch, dass diejenigen, die ein Studium erfolgreich absolvieren, bereits ohne Studium besser für anspruchsvolle Tätigkeiten qualifiziert sind. Das Studium ist ein Indikator zur Selbstselektion.

Gleichgewichtsauswahl: Welches Gleichgewicht zählt?

Viele Spiele haben mehrere Nash-Gleichgewichte. Welches davon ist das relevante? Diese Frage ist eines der schwierigsten Probleme der Spieltheorie, und es gibt keine allgemeingültige Antwort.

Fokale Punkte (Schelling)

Thomas Schelling hat 1960 das Konzept der fokalen Punkte eingeführt. In Koordinationsspielen – etwa der Frage, wo man sich trifft, wenn die Verabredung verloren gegangen ist – wählen Menschen oft die Lösung, die ihnen „auffällt“, die „salient“ ist. Der Hauptbahnhof, die bekannte Uhr, das vertraute Café. Fokale Punkte sind kulturell und kontextabhängig; sie lassen sich nicht aus der Spielstruktur allein ableiten.

Risikodominanz und Payoff-Dominanz

Reinhard Selten hat das Konzept der Risikodominanz eingeführt. Ein Gleichgewicht risikodominiert ein anderes, wenn das Produkt der Verluste durch Abweichen größer ist. Im Koordinationsspiel mit den Auszahlungen (2, 2) für (L, L) und (10, 10) für (R, R) ist (L, L) risikodominant, wenn die Verluste bei falscher Koordination asymmetrisch sind – etwa wenn (L, R) zu (−1000, 0) führt. Payoff-Dominanz hingegen bedeutet, dass ein Gleichgewicht für alle Spieler eine höhere Auszahlung bietet. Im obigen Beispiel ist (R, R) payoff-dominant, aber riskant.

Vorwärtsinduktion und die Rolle der Geschichte

Während die Rückwärtsinduktion vom Ende her argumentiert, kann die Vorwärtsinduktion vom Anfang her argumentieren: Welche Geschichte hat die Spielsituation? Wenn ein Spieler eine bestimmte Alternative gewählt hat, obwohl er eine andere hätte wählen können, welche Erwartungen impliziert das? Das Konzept der Vorwärtsinduktion – entwickelt von Kohlberg und Mertens (1986) – berücksichtigt, dass die bloße Tatsache, dass eine Informationsmenge erreicht wurde, Rückschlüsse auf das Verhalten der Spieler erlaubt.

Kooperative Spieltheorie: Wenn Verhandeln im Vordergrund steht

Die bisherige Darstellung konzentrierte sich auf die nicht-kooperative Spieltheorie, in der die Spieler ihre Strategien unabhängig wählen und Absprachen nicht bindend sind. Die kooperative Spieltheorie hingegen fragt: Welche Koalitionen können sich bilden, und wie sollten die gemeinsamen Gewinne aufgeteilt werden?

Die Nash-Verhandlungslösung

John Nash hat 1950 nicht nur das nach ihm benannte Gleichgewicht entwickelt, sondern auch eine Lösung für Verhandlungsprobleme vorgeschlagen. Ein Verhandlungsproblem besteht aus einer Menge realisierbarer Nutzenkombinationen und einem Drohpunkt – der Nutzenkombination, die sich ergibt, wenn keine Einigung erzielt wird.

Nashs Lösung basiert auf vier Axiomen: Effizienz (keine Verschwendung), Unabhängigkeit der Darstellung, Symmetrie und Unabhängigkeit irrelevanter Alternativen. Das Axiom der Unabhängigkeit irrelevanter Alternativen (IIA) besagt hier: Wenn eine Lösung in einem Verhandlungsproblem gewählt wird und man die Menge der Alternativen um solche verkleinert, die ohnehin nicht gewählt würden, so bleibt die Lösung dieselbe. Es ist nicht zu verwechseln mit dem gleichnamigen Axiom der Sozialwahltheorie (Arrow), das sich auf die Unabhängigkeit von irrelevanten Alternativen bei der Aggregation von Präferenzen bezieht.

Die Lösung maximiert das Nash-Produkt:

max (u₁ − d₁) · (u₂ − d₂)

wobei (d₁, d₂) der Drohpunkt ist. Für den Fall, dass die Verhandlungsmacht ungleich verteilt ist, verallgemeinert sich dies zum asymmetrischen Nash-Produkt mit einem Parameter α:

max (u₁ − d₁)^α · (u₂ − d₂)^{1−α}

Der Shapley-Wert

Lloyd Shapley hat 1953 eine Lösung für Koalitionsspiele vorgeschlagen, die den Beitrag jedes Spielers zum Gesamtergebnis misst. Der Shapley-Wert eines Spielers i ist sein durchschnittlicher marginaler Beitrag über alle möglichen Reihenfolgen, in denen die große Koalition gebildet werden kann:

φᵢ(v) = Σ_{S ⊆ N \ {i}} [|S|! · (n − |S| − 1)! / n!] · (v(S ∪ {i}) − v(S))

Anschaulich: Man stellt sich vor, die Spieler treten in zufälliger Reihenfolge einer Koalition bei. Der marginale Beitrag eines Spielers ist der Zuwachs, den er bewirkt, wenn er als Nächster beitritt. Der Shapley-Wert ist der Durchschnitt dieser marginalen Beiträge über alle möglichen Reihenfolgen. Ein Beispiel: Drei Spieler, wobei Spieler 1 und einer der beiden anderen benötigt werden, um einen Wert von 1 zu erzeugen. Die sechs möglichen Reihenfolgen sind (1,2,3), (1,3,2), (2,1,3), (2,3,1), (3,1,2), (3,2,1). Spieler 1 trägt in vier dieser Reihenfolgen bei (wenn er als Erster oder Zweiter kommt und mindestens ein anderer schon da ist), Spieler 2 und 3 jeweils in einer. Der Shapley-Wert ist also (4/6, 1/6, 1/6).

Der Shapley-Wert erfüllt vier Axiome: Effizienz, Symmetrie, Nullspieler-Eigenschaft und Additivität. Er ist die einzige Lösung, die diese Axiome erfüllt.

Der Kern und die Matching-Theorie

Der Kern (Core) eines Koalitionsspiels ist die Menge der Auszahlungsvektoren, die keine Koalition blockieren kann. Ein Auszahlungsvektor ist im Kern, wenn keine Koalition durch Abspaltung eine höhere Auszahlung für ihre Mitglieder erzielen kann. Der Kern kann leer sein – wie im Condorcet-Zyklus, bei dem keine Alternative eine stabile Mehrheit hat.

Ein wichtiger Anwendungsbereich der kooperativen Spieltheorie ist die Matching-Theorie, entwickelt von David Gale und Lloyd Shapley 1962. Sie beschäftigt sich mit der Frage, wie man Paare (etwa Bewerber und Stellen, Ärzte und Krankenhäuser, Studenten und Universitäten) so zusammenbringt, dass keine zwei Akteure sich gegenseitig besser stellen könnten, indem sie ihre aktuellen Partner verlassen. Der Gale-Shapley-Algorithmus – auch als „deferred acceptance“ bekannt – funktioniert wie folgt: In jeder Runde macht jeder noch unverpaarte Bewerber einer noch nicht ablehnenden Stelle ein Angebot. Jede Stelle behält das beste Angebot und lehnt die anderen ab. Abgelehnte Bewerber machen in der nächsten Runde neuen Angebote. Der Prozess endet, wenn alle Bewerber entweder verpaart oder alle Stellen besetzt sind. Das Ergebnis ist ein stabiles Matching – es gibt kein Paar, das sich gegenseitig bevorzugen würde. Der Algorithmus wird in der Praxis vielfach eingesetzt – etwa bei der Vergabe von Medizinstudienplätzen in den USA.

Experimentelle Spieltheorie: Was Menschen wirklich tun

Die Spieltheorie sagt voraus, wie rationale Akteure handeln sollten. Die experimentelle Spieltheorie untersucht, wie Menschen tatsächlich handeln. Die Ergebnisse sind ernüchternd für die reine Rationalitätsannahme – und faszinierend für das Verständnis menschlichen Verhaltens.

Das Ultimatumspiel

Das Ultimatumspiel wurde 1982 von Werner Güth, Rolf Schmittberger und Bernd Schwarze eingeführt. Zwei Spieler sollen einen Betrag – etwa 10 Euro – aufteilen. Spieler 1 macht einen Vorschlag, Spieler 2 kann annehmen oder ablehnen. Lehnt er ab, erhalten beide nichts.

Die spieltheoretische Vorhersage ist eindeutig: Spieler 1 fordert 9 Euro für sich und bietet 1 Euro; Spieler 2 akzeptiert, denn 1 Euro ist besser als nichts. Die experimentelle Beobachtung ist anders: Viele Spieler 1 bieten 5 Euro, und viele Spieler 2 lehnen Angebote unter 3 Euro ab – sie verzichten lieber auf Geld, als ein als unfair empfundenes Angebot zu akzeptieren.

Das Diktatorspiel

Das Diktatorspiel, eingeführt von Robert Forsythe, Joel Horowitz, Eugene Savin und Martin Sefton 1994, ist eine Variante des Ultimatumspiels ohne die Möglichkeit der Ablehnung. Spieler 1 teilt den Betrag auf, Spieler 2 hat keine Wahl. Die spieltheoretische Vorhersage: Spieler 1 behält alles. Die Beobachtung: Etwa 20 Prozent der Spieler teilen fair (5, 5), etwa 20 Prozent behalten alles, der Rest verteilt dazwischen.

Das Öffentliches-Gut-Spiel

Im Öffentliches-Gut-Spiel (Public Goods Game) tragen mehrere Spieler zu einem gemeinsamen Gut bei. Der Beitrag wird vervielfacht und gleichmäßig an alle verteilt – auch an die, die nichts beigetragen haben. Die dominante Strategie ist, nichts beizutragen (Trittbrettfahren). Die Beobachtung: In den ersten Runden tragen viele bei, aber die Beiträge sinken mit der Zeit, wenn keine Bestrafung möglich ist. Mit Bestrafungsmöglichkeit steigen die Beiträge – allerdings auf Kosten der Effizienz, da die Bestrafung selbst Kosten verursacht.

Das Vertrauensspiel

Das Vertrauensspiel (Trust Game) von Joyce Berg, John Dickhaut und Kevin McCabe (1995) untersucht, wie Menschen mit Vertrauen und Vertrauenswürdigkeit umgehen. Spieler 1 erhält einen Betrag und kann einen Teil an Spieler 2 geben. Der Betrag wird verdreifacht. Spieler 2 kann einen Teil zurückgeben. Die spieltheoretische Vorhersage: Spieler 1 gibt nichts, da Spieler 2 keinen Anreiz hat, etwas zurückzugeben. Die Beobachtung: Viele Spieler 1 geben etwas, und viele Spieler 2 geben etwas zurück – positive Reziprozität.

Soziale Präferenzen: Modelle

Die Experimente zeigen, dass Menschen nicht rein egoistisch sind. Sie haben soziale Präferenzen: Fairness, Reziprozität, Altruismus, aber auch Neid und Strafbedürfnis. Diese Präferenzen lassen sich in die Spieltheorie integrieren – etwa durch Nutzenfunktionen, die nicht nur die eigene Auszahlung, sondern auch die relative Position oder die Absicht des anderen berücksichtigen.

Zwei einflussreiche Modelle sind:

• Fehr-Schmidt-Modell (1999): Der Nutzen eines Akteurs hängt nicht nur von seiner eigenen Auszahlung ab, sondern auch von der Differenz zu den Auszahlungen anderer. Ungleichheit wird als negativ empfunden – sowohl wenn man schlechter gestellt ist (Neid) als auch wenn man besser gestellt ist (Schuldgefühl). Formal: uᵢ = xᵢ − αᵢ · max(xⱼ − xᵢ, 0) − βᵢ · max(xᵢ − xⱼ, 0), wobei αᵢ ≥ βᵢ ≥ 0.
• Bolton-Ockenfels-Modell (2000): Der Nutzen hängt von der eigenen Auszahlung und dem relativen Anteil am Gesamtergebnis ab. Akteure mögen es, wenn ihr Anteil fair ist, und meiden extreme Ungleichheit.

Diese Modelle erklären, warum Menschen in Experimenten fair teilen, unfaire Angebote ablehnen und Normverletzungen bestrafen – auch auf eigene Kosten.

Die Werkzeuge der Gestaltung

Mechanismus-Design: Die Kunst, Regeln zu setzen

Die Mechanismus-Design-Theorie geht über die Analyse hinaus: Sie fragt nicht, wie Spieler ein gegebenes Spiel spielen, sondern wie man ein Spiel gestalten muss, um ein gewünschtes Ergebnis zu erzielen. Das Offenbarungsprinzip (Revelation Principle) vereinfacht die Suche erheblich: Jeder beliebig komplizierte Mechanismus kann durch einen direkten Mechanismus ersetzt werden, in dem jeder Spieler wahrheitsgemäß seinen Typ offenbart.

Formal: Wenn ein Mechanismus (X, g) eine soziale Wahlfunktion C in dominanten Strategien implementiert, dann existiert ein anreizkompatibler Mechanismus, der C implementiert. Der Beweis ist eine Simulationsargument: Man ersetzt die Gleichgewichtsstrategien des ursprünglichen Mechanismus durch die Typen selbst und definiert die Allokationsfunktion entsprechend.

Die Vickrey-Auktion – benannt nach William Vickrey, der 1996 den Nobelpreis für seine Arbeiten zur Informationsökonomik erhielt – ist ein Beispiel für einen anreizkompatiblen Mechanismus. Bei dieser Auktion gibt jeder Bieter ein verdecktes Gebot ab, der Höchstbietende erhält den Zuschlag, bezahlt aber nur das zweithöchste Gebot. Ehrlichkeit ist hier eine dominante Strategie: Bietet man mehr als die eigene Wertschätzung, riskiert man, zu viel zu zahlen; bietet man weniger, verliert man möglicherweise gegen ein niedrigeres Gebot, obwohl man gerne mehr gezahlt hätte.

Evolutionäre Spieltheorie: Rationalität ohne Vernunft

John Maynard Smiths evolutionäre Spieltheorie ersetzt die Annahme rationaler Entscheidungen durch die Selektion erfolgreicher Verhaltensmuster. Die evolutionär stabile Strategie (ESS) ist ein Gleichgewicht, das nicht durch kleine eindringende Populationen unterwandert werden kann. Das Falke-Taube-Spiel zeigt, dass sich im Gleichgewicht eine Mischung aus aggressivem und friedlichem Verhalten einstellt – ein Ergebnis, das auch ohne bewusste Entscheidungen der Akteure zustande kommt.

Die Replikatordynamik beschreibt, wie sich Strategien in einer Population über die Zeit verändern: Erfolgreiche Strategien werden häufiger, weniger erfolgreiche seltener. Langfristig führt dieser Prozess oft zu einem Nash-Gleichgewicht – ein Hinweis darauf, dass die Grenze zwischen rationalem Kalkül und evolutionärer Anpassung fließend ist.

Die stochastische Stabilität (Kandori, Mailath und Rob 1993) erweitert diese Analyse um zufällige Störungen – sogenannte Mutationen. In endlichen Populationen können Spieler gelegentlich „fehlerhaft“ handeln und eine andere als die geplante Strategie wählen. Diese Mutationen können dazu führen, dass die Population langfristig ein anderes Gleichgewicht erreicht als das, das ohne Störungen stabil wäre. Ein Gleichgewicht ist stochastisch stabil, wenn es bei kleinen Mutationsraten mit hoher Wahrscheinlichkeit überlebt. Die Analyse zeigt, dass oft das Gleichgewicht mit dem größten „Einzugsbereich“ – also das, das am schwersten zu verlassen ist – langfristig dominiert.

Von der Evolution zur Verhaltensökonomik

Während die evolutionäre Spieltheorie zeigt, wie sich Gleichgewichte ohne bewusste Rationalität einstellen können, geht die Verhaltensökonomik einen Schritt weiter: Sie untersucht, wie Menschen tatsächlich entscheiden – und stößt dabei auf systematische Abweichungen vom rationalen Modell. Die Prospect Theory von Kahneman und Tversky beschreibt, wie Verluste stärker gewichtet werden als Gewinne und wie Wahrscheinlichkeiten verzerrt wahrgenommen werden.

Formal: Die Prospect Theory verwendet eine Wertfunktion v(x), die typischerweise konkav für Gewinne und konvex für Verluste ist – Verluste wiegen also schwerer. Zudem wird die Wahrscheinlichkeit p durch eine Gewichtungsfunktion π(p) transformiert, die kleine Wahrscheinlichkeiten überbewertet und mittlere bis große unterbewertet. Der subjektive Wert einer Lotterie ist dann Σ π(pᵢ) · v(xᵢ).

Neben der Prospect Theory hat die Verhaltensökonomik weitere Heuristiken identifiziert: die Ankerheuristik (Entscheidungen werden von einem irrelevanten Ausgangswert beeinflusst), die Verfügbarkeitsheuristik (Ereignisse, die leicht erinnerbar sind, werden als wahrscheinlicher eingeschätzt) und die Repräsentativitätsheuristik (Wahrscheinlichkeiten werden danach beurteilt, wie typisch ein Ereignis für eine Kategorie erscheint). Diese Heuristiken führen zu systematischen Urteilsfehlern – und erklären, warum Menschen in Experimenten oft anders handeln, als die rationale Theorie vorhersagt.

Die Verbindung zwischen evolutionärer Spieltheorie und Verhaltensökonomik ist nicht zwingend, aber aufschlussreich: Beide zeigen, dass die Annahme perfekter Rationalität zu idealisieren ist. Die evolutionäre Spieltheorie zeigt, dass Gleichgewichte auch ohne Rationalität entstehen können; die Verhaltensökonomik zeigt, dass Menschen systematisch von der Rationalität abweichen. Beide Ansätze ergänzen die klassische Spieltheorie, indem sie ihre Annahmen lockern und die Theorie realistischer machen.

Alltagsanwendungen: Wo die Spieltheorie den Alltag durchdringt

Verkehr: Stau, Ampelphasen und Fahrspurwahl

Der tägliche Stau ist ein Koordinationsproblem. Jeder Fahrer wählt die Route, die ihm am schnellsten erscheint – aber wenn alle dieselbe Route wählen, entsteht ein Stau. Die Spieltheorie zeigt, dass es kein Gleichgewicht gibt, in dem alle optimal fahren, es sei denn, es gibt eine zentrale Koordination (etwa durch Navigationsgeräte) oder eine Bepreisung (Maut). Das Braess-Paradoxon zeigt sogar, dass der Bau einer zusätzlichen Straße den Verkehrsfluss verschlechtern kann, weil sie neue Anreize schafft, die das Gleichgewicht verändern.

Wohnungssuche: Mietverhandlungen und WG-Bewerbungen

Die Wohnungssuche ist ein Verhandlungsspiel mit unvollständiger Information. Der Mieter kennt nicht die Schmerzgrenze des Vermieters, der Vermieter nicht die Zahlungsbereitschaft des Mieters. Die spieltheoretische Analyse zeigt, dass beide Seiten Anreize haben, ihre wahre Präferenz zu verschleiern. Das Ergebnis ist oft ein ineffizienter Verhandlungsprozess mit hohen Suchkosten.

Online-Plattformen: Bewertungssysteme und Matching-Algorithmen

Online-Plattformen wie Airbnb, eBay oder Uber sind spieltheoretische Mechanismen. Bewertungssysteme sollen Vertrauen schaffen, indem sie die Reputation der Akteure sichtbar machen. Matching-Algorithmen (etwa bei der Partnervermittlung oder der Arbeitsvermittlung) sollen stabile Paarungen finden – der Gale-Shapley-Algorithmus ist hier das Standardwerkzeug. Die Spieltheorie liefert die Werkzeuge, um solche Mechanismen zu analysieren und zu verbessern.

Familie: Arbeitsteilung und Erziehungsentscheidungen

Die Arbeitsteilung in Familien ist ein wiederholtes Spiel. Wer putzt, wer kocht, wer bringt die Kinder zur Schule? Die spieltheoretische Analyse zeigt, dass sich Kooperation etablieren kann, wenn die Interaktion oft genug wiederholt wird und die Beteiligten geduldig genug sind. Die Geschlechterverhältnisse in der Arbeitsteilung lassen sich als evolutionäres Gleichgewicht interpretieren, das durch soziale Normen stabilisiert wird.

Fazit: Was die Spieltheorie kann – und was nicht

Die Spieltheorie ist ein mächtiges Werkzeug, um strategische Interaktionen zu analysieren. Sie zeigt, dass individuell rationales Verhalten nicht immer zu kollektiv wünschenswerten Ergebnissen führt, dass Kooperation möglich, aber nicht selbstverständlich ist, und dass die Regeln, unter denen wir entscheiden, gestaltbar sind.

Doch die Spieltheorie hat Grenzen. Die Annahme perfekter Rationalität ist eine Idealisierung; die Experimente der Verhaltensökonomik zeigen, dass Menschen systematisch abweichen. Die Komplexität realer Entscheidungssituationen übersteigt oft das analytisch Handhabbare. Die Gleichgewichtsauswahl bleibt in vielen Fällen unbestimmt. Und die Rückwärtsinduktion stößt an ihre Grenzen, wenn die Common-Knowledge-Annahme der Rationalität nicht erfüllt ist.

Die Spieltheorie ist daher kein Orakel, das die Zukunft vorhersagt. Sie ist ein Denkwerkzeug, das hilft, strategische Situationen zu strukturieren und die Konsequenzen von Entscheidungen systematisch zu durchdenken. Sie lehrt uns, mit Unsicherheit umzugehen: nicht durch Flucht in die Eindeutigkeit, sondern durch die Kunst, im Ungewissen strategisch zu denken. Wer die Spieltheorie beherrscht, weiß, wann er kooperieren sollte und wann nicht, wann er bluffen muss und wann er ehrlich sein kann – und vor allem, wann er sich nicht auf die Rationalität anderer verlassen darf. Doch dieses Wissen ist kein Rezeptbuch: Es ist eine Haltung – die Bereitschaft, die Welt aus den Augen des anderen zu sehen und die eigene Entscheidung im Licht dieser Perspektive zu prüfen.

---

Kategorien

im-kopf / denkwerkzeuge

Schlagworte

Spieltheorie, Nash-Gleichgewicht, Gefangenendilemma, Rückwärtsinduktion, Minimax, Mechanismus-Design, Evolutionär stabile Strategie, Experimentelle Spieltheorie, Kooperative Spieltheorie, Soziale Präferenzen

---

Quellen

Aumann, Robert J.: Agreeing to Disagree. In: The Annals of Statistics, Vol. 4, No. 6, 1976, S. 1236–1239.

Berg, Joyce / Dickhaut, John / McCabe, Kevin: Trust, Reciprocity, and Social History. In: Games and Economic Behavior, Vol. 10, No. 1, 1995, S. 122–142.

Bolton, Gary E. / Ockenfels, Axel: ERC: A Theory of Equity, Reciprocity, and Competition. In: The American Economic Review, Vol. 90, No. 1, 2000, S. 166–193.

Cournot, Antoine-Augustin: Recherches sur les principes mathématiques de la théorie des richesses. Paris: Hachette, 1838.

Fehr, Ernst / Schmidt, Klaus M.: A Theory of Fairness, Competition, and Cooperation. In: The Quarterly Journal of Economics, Vol. 114, No. 3, 1999, S. 817–868.

Forsythe, Robert / Horowitz, Joel L. / Savin, N. E. / Sefton, Martin: Fairness in Simple Bargaining Experiments. In: Games and Economic Behavior, Vol. 6, No. 3, 1994, S. 347–369.

Fudenberg, Drew / Maskin, Eric: The Folk Theorem in Repeated Games with Discounting or with Incomplete Information. In: Econometrica, Vol. 54, No. 3, 1986, S. 533–554.

Gale, David / Shapley, Lloyd S.: College Admissions and the Stability of Marriage. In: The American Mathematical Monthly, Vol. 69, No. 1, 1962, S. 9–15.

Güth, Werner / Schmittberger, Rolf / Schwarze, Bernd: An Experimental Analysis of Ultimatum Bargaining. In: Journal of Economic Behavior & Organization, Vol. 3, No. 4, 1982, S. 367–388.

Harsanyi, John C.: Games with Incomplete Information Played by „Bayesian“ Players, I–III. In: Management Science, Vol. 14, No. 3–5, 1967–1968.

Kahneman, Daniel / Tversky, Amos: Prospect Theory: An Analysis of Decision under Risk. In: Econometrica, Vol. 47, No. 2, 1979, S. 263–291.

Kandori, Michihiro / Mailath, George J. / Rob, Rafael: Learning, Mutation, and Long Run Equilibria in Games. In: Econometrica, Vol. 61, No. 1, 1993, S. 29–56.

Kohlberg, Elon / Mertens, Jean-François: On the Strategic Stability of Equilibria. In: Econometrica, Vol. 54, No. 5, 1986, S. 1003–1037.

Maynard Smith, John: Evolution and the Theory of Games. Cambridge: Cambridge University Press, 1982.

Myerson, Roger B.: Incentive Compatibility and the Bargaining Problem. In: Econometrica, Vol. 47, No. 1, 1979, S. 61–73.

Nash, John F.: Equilibrium Points in n-Person Games. In: Proceedings of the National Academy of Sciences, Vol. 36, No. 1, 1950, S. 48–49.

Nash, John F.: The Bargaining Problem. In: Econometrica, Vol. 18, No. 2, 1950, S. 155–162.

Nasar, Sylvia: A Beautiful Mind: The Life of Mathematical Genius and Nobel Laureate John Nash. New York: Simon & Schuster, 1998.

Savage, Leonard J.: The Foundations of Statistics. New York: Wiley, 1954.

Schelling, Thomas C.: The Strategy of Conflict. Cambridge, MA: Harvard University Press, 1960.

Selten, Reinhard: The Chain Store Paradox. In: Theory and Decision, Vol. 9, No. 2, 1978, S. 127–159.

Shapley, Lloyd S.: A Value for n-Person Games. In: Kuhn, H. W. / Tucker, A. W. (Hrsg.): Contributions to the Theory of Games II. Princeton: Princeton University Press, 1953, S. 307–317.

Spence, Michael: Job Market Signaling. In: The Quarterly Journal of Economics, Vol. 87, No. 3, 1973, S. 355–374.

Vickrey, William: Counterspeculation, Auctions, and Competitive Sealed Tenders. In: The Journal of Finance, Vol. 16, No. 1, 1961, S. 8–37.

Von Neumann, John / Morgenstern, Oskar: Theory of Games and Economic Behavior. Princeton: Princeton University Press, 1944.