{"id":7807,"date":"2026-10-30T06:21:26","date_gmt":"2026-10-30T06:21:26","guid":{"rendered":"https:\/\/technodidact.de\/?p=7807"},"modified":"2026-10-30T06:21:27","modified_gmt":"2026-10-30T06:21:27","slug":"das-phantom-rix-rasiermesser-und-das-echte-rasiermesser-der-spieltheorie","status":"publish","type":"post","link":"https:\/\/technodidact.de\/en\/das-phantom-rix-rasiermesser-und-das-echte-rasiermesser-der-spieltheorie\/","title":{"rendered":"Das Phantom \u201eRix Rasiermesser“ und das echte Rasiermesser der Spieltheorie"},"content":{"rendered":"

Von DerSchneider<\/strong><\/p>\n\n\n\n

Einleitung: Ein Begriff, der nicht existiert<\/h2>\n\n\n\n

Wer in der wissenschaftlichen Literatur nach einem spieltheoretischen Konzept namens \u201eRix Rasiermesser“ oder \u201eRix‘ Razor“ sucht, wird nicht f\u00fcndig. Keine Fachzeitschrift, kein Lehrbuch, keine Konferenzpublikation verwendet diesen Terminus. Das ist kein Recherchevers\u00e4umnis, sondern ein Befund: Der Begriff existiert in der Spieltheorie nicht.<\/p>\n\n\n\n

Was jedoch existiert \u2013 mit bemerkenswerter Klarheit \u2013 ist ein anderes \u201eRasiermesser“, das in der Spieltheorie tats\u00e4chlich eine Rolle spielt: Ockhams Rasiermesser<\/strong>. Und zwar nicht als metaphorische Floskel, sondern als konkretes Ergebnis einer spieltheoretischen Analyse aus dem Jahr 2003. Der folgende Artikel zeichnet nach, was dieses Rasiermesser ist, wie es in die Spieltheorie gelangte und warum die Verwechslung mit einem angeblichen \u201eRix Rasiermesser“ mehr \u00fcber Begriffsbildung verr\u00e4t als \u00fcber Spieltheorie.<\/p>\n\n\n\n

\n\n\n\n

Was Ockhams Rasiermesser ist \u2013 und was nicht<\/h2>\n\n\n\n

Ein mittelalterliches Prinzip und seine pr\u00e4zise Formulierung<\/h3>\n\n\n\n

Ockhams Rasiermesser ist eines der bekanntesten Prinzipien der Wissenschaftsphilosophie. Die klassische lateinische Formulierung lautet: Entia non sunt multiplicanda praeter necessitatem<\/em> \u2013 \u201eEntit\u00e4ten d\u00fcrfen nicht \u00fcber das Notwendige hinaus vermehrt werden“. Historisch ist diese Formulierung jedoch nicht von Wilhelm von Ockham selbst: Sie entstand erst etwa 300 Jahre nach seinem Tod, und der Name \u201eOccam’s razor“ tauchte erstmals 1852 bei William Rowan Hamilton auf . Ockham selbst formulierte knapper: Numquam ponenda est pluralitas sine necessitate<\/em> \u2013 \u201eVielfalt darf niemals ohne Notwendigkeit gesetzt werden“ .<\/a><\/p>\n\n\n\n

Entscheidend f\u00fcr das Verst\u00e4ndnis ist die Pr\u00e4zisierung, die Charles S. Peirce 1903 gab: \u201eBevor man eine komplizierte Hypothese ausprobiert, sollte man sich vergewissern, ob keine Vereinfachung dieser Hypothese die Tatsachen ebenso gut erkl\u00e4rt“ . Es geht also nicht um \u201eEinfachheit“ als \u00e4sthetisches Kriterium, sondern um Sparsamkeit in der Anzahl der Annahmen \u2013 und zwar nur dann, wenn die Erkl\u00e4rungsleistung gleichwertig ist<\/strong>.<\/a><\/p>\n\n\n\n

Die entscheidende Einschr\u00e4nkung<\/h3>\n\n\n\n

Ein h\u00e4ufiges Missverst\u00e4ndnis lautet, Ockhams Rasiermesser besage, die einfachste Erkl\u00e4rung sei immer die richtige. Das ist falsch. Das Prinzip greift nur, wenn mehrere Erkl\u00e4rungen die gleichen Fakten gleich gut erkl\u00e4ren<\/strong>. Die moderne Wissenschaftstheorie hat zudem gezeigt, dass \u201eEinfachheit“ kein unabh\u00e4ngiges, objektives Kriterium ist; die Anwendung des Prinzips ist daher heuristisch, nicht algorithmisch . Karl Menger formulierte sogar ein Gegenst\u00fcck: Entities must not be reduced to the point of inadequacy<\/em> \u2013 Entit\u00e4ten d\u00fcrfen nicht bis zur Unangemessenheit reduziert werden . Das Rasiermesser ist also kein Freibrief f\u00fcr Reduktionismus, sondern eine Maxime zur Hypothesenauswahl unter Gleichwertigen.<\/a><\/a><\/p>\n\n\n\n

\n\n\n\n

Der Einzug in die Spieltheorie: Tuyls, Verbeeck und Maes (2003)<\/h2>\n\n\n\n

Das Problem: Statische Spieltheorie und dynamisches Lernen<\/h3>\n\n\n\n

Die klassische Spieltheorie ist statisch. Sie beschreibt Gleichgewichte, sagt aber wenig dar\u00fcber, wie rationale Akteure diese Gleichgewichte erreichen. Die evolution\u00e4re Spieltheorie behebt dieses Defizit durch die Replikator-Dynamik, die beschreibt, wie sich Strategien in einer Population \u00fcber die Zeit ver\u00e4ndern. Doch wie verh\u00e4lt sich diese populationsdynamische Beschreibung zu individualistischen Lernmodellen aus dem Reinforcement Learning?<\/p>\n\n\n\n

Genau diese Frage untersuchten Karl Tuyls, Katja Verbeeck und Sam Maes in ihrer Arbeit On a Dynamical Analysis of Reinforcement Learning in Games: Emergence of Occam’s Razor<\/em>, pr\u00e4sentiert auf der CEEMAS 2003 in Prag und publiziert in den Lecture Notes in Computer Science .<\/a><\/p>\n\n\n\n

Die drei Lernmodelle<\/h3>\n\n\n\n

Die Autoren verglichen drei Lernmodelle, deren Dynamik mit der Replikator-Dynamik verwandt ist:<\/p>\n\n\n\n

1. Cross-Modell.<\/strong> Das mathematisch einfachste Modell. Ein Agent w\u00e4hlt eine Strategie mit einer bestimmten Wahrscheinlichkeit, erh\u00e4lt einen Payoff und aktualisiert die Wahrscheinlichkeit der gew\u00e4hlten Strategie proportional zum erhaltenen Payoff. Die Aktualisierungsgleichung lautet: p<\/mi>i<\/mi><\/msub>(<\/mo>n<\/mi>+<\/mo>1<\/mn>)<\/mo>=<\/mo>U<\/mi>i<\/mi>j<\/mi><\/mrow><\/msub>+<\/mo>(<\/mo>1<\/mn>\u2212<\/mo>U<\/mi>i<\/mi>j<\/mi><\/mrow><\/msub>)<\/mo>p<\/mi>i<\/mi><\/msub>(<\/mo>n<\/mi>)<\/mo><\/mrow><\/semantics><\/math>p<\/em>i<\/em>\u200b(n<\/em>+1)=U<\/em>ij<\/em>\u200b+(1\u2212U<\/em>ij<\/em>\u200b)p<\/em>i<\/em>\u200b(n<\/em>) f\u00fcr die gew\u00e4hlte Strategie und p<\/mi>i<\/mi>\u2032<\/mo><\/msup><\/msub>(<\/mo>n<\/mi>+<\/mo>1<\/mn>)<\/mo>=<\/mo>(<\/mo>1<\/mn>\u2212<\/mo>U<\/mi>i<\/mi>j<\/mi><\/mrow><\/msub>)<\/mo>p<\/mi>i<\/mi>\u2032<\/mo><\/msup><\/msub>(<\/mo>n<\/mi>)<\/mo><\/mrow><\/semantics><\/math>p<\/em>i<\/em>\u2032\u200b(n<\/em>+1)=(1\u2212U<\/em>ij<\/em>\u200b)p<\/em>i<\/em>\u2032\u200b(n<\/em>) f\u00fcr alle anderen . Es gibt keine Ged\u00e4chtnisparameter, keine Erwartungsbildung, keine zus\u00e4tzlichen internen Zust\u00e4nde. Borgers und Sarin zeigten 1997, dass dieses Modell im kontinuierlichen Zeitlimit gegen die Replikator-Dynamik konvergiert .<\/a><\/a><\/p>\n\n\n\n

2. Learning Automata.<\/strong> Ein Modell mit expliziten Belohnungs- und Bestrafungsparametern (a<\/mi><\/mrow><\/semantics><\/math>a<\/em> und b<\/mi><\/mrow><\/semantics><\/math>b<\/em>). Die Aktualisierungsregeln enthalten zus\u00e4tzliche Terme f\u00fcr Erfolg und Misserfolg: p<\/mi>i<\/mi><\/msub>(<\/mo>n<\/mi>+<\/mo>1<\/mn>)<\/mo>=<\/mo>p<\/mi>i<\/mi><\/msub>(<\/mo>n<\/mi>)<\/mo>+<\/mo>a<\/mi>(<\/mo>1<\/mn>\u2212<\/mo>\u03b2<\/mi>(<\/mo>n<\/mi>)<\/mo>)<\/mo>(<\/mo>1<\/mn>\u2212<\/mo>p<\/mi>i<\/mi><\/msub>(<\/mo>n<\/mi>)<\/mo>)<\/mo>\u2212<\/mo>b<\/mi>\u03b2<\/mi>(<\/mo>n<\/mi>)<\/mo>p<\/mi>i<\/mi><\/msub>(<\/mo>n<\/mi>)<\/mo><\/mrow><\/semantics><\/math>p<\/em>i<\/em>\u200b(n<\/em>+1)=p<\/em>i<\/em>\u200b(n<\/em>)+a<\/em>(1\u2212\u03b2<\/em>(n<\/em>))(1\u2212p<\/em>i<\/em>\u200b(n<\/em>))\u2212b<\/em>\u03b2<\/em>(n<\/em>)p<\/em>i<\/em>\u200b(n<\/em>) . Dieses Modell hat mehr Freiheitsgrade als das Cross-Modell.<\/a><\/p>\n\n\n\n

3. Q-Learning.<\/strong> Das klassische Reinforcement-Learning-Verfahren, das Zustands-Aktions-Werte (Q-Werte) sch\u00e4tzt. Tuyls et al. zeigten, wie sich die Q-Learning-Dynamik zur Replikator-Dynamik in Beziehung setzen l\u00e4sst .<\/a><\/p>\n\n\n\n

Das Ergebnis: Das einfachste Modell gen\u00fcgt<\/h3>\n\n\n\n

Das zentrale Ergebnis der Analyse: \u201eOccam’s Razor applies in the framework of games, i.e. the simplest model (Cross) suffices for learning equilibria“<\/strong> . Mit anderen Worten: Um zu erkl\u00e4ren, wie Agenten in Spielen Gleichgewichte erlernen, reicht das einfachste der untersuchten Lernmodelle aus. Die komplexeren Modelle \u2013 Learning Automata und Q-Learning \u2013 f\u00fchren hinsichtlich der Gleichgewichts-Konvergenz zu keinem Erkenntnisgewinn, der den Zuwachs an Komplexit\u00e4t rechtfertigen w\u00fcrde.<\/a><\/p>\n\n\n\n

Die Autoren lieferten zudem eine experimentelle Verifikation f\u00fcr alle drei Modelle . Das Ergebnis ist pr\u00e4zise, begrenzt und \u00fcberpr\u00fcfbar \u2013 genau das, was ein wissenschaftliches Rasiermesser leisten soll.<\/a><\/p>\n\n\n\n

Was das Ergebnis nicht besagt<\/h3>\n\n\n\n

Es ist wichtig zu betonen, was dieses Resultat nicht<\/strong> bedeutet. Es besagt nicht, dass Q-Learning oder Learning Automata generell \u00fcberfl\u00fcssig sind. Es besagt nicht, dass die Replikator-Dynamik \u201ewahrer“ ist als Q-Learning. Es besagt lediglich, dass im Rahmen der untersuchten Spielsituationen und f\u00fcr die Frage der Gleichgewichts-Konvergenz das sparsamste Modell ausreicht. Wer Q-Learning einsetzt, um komplexere Ph\u00e4nomene zu untersuchen \u2013 etwa die Rolle von Exploration, die Dynamik in nicht-station\u00e4ren Umgebungen oder die Auswirkung von Lernraten \u2013, wird durch dieses Ergebnis nicht widerlegt.<\/p>\n\n\n\n

\n\n\n\n

Warum \u201eRix Rasiermesser“ nicht existiert \u2013 und was daraus folgt<\/h2>\n\n\n\n

Die Quellenlage<\/h3>\n\n\n\n

Keine der f\u00fcr diesen Artikel konsultierten Quellen \u2013 weder die Originalpublikation von Tuyls et al. noch die philosophischen Abhandlungen zu Ockhams Rasiermesser noch die bibliographischen Datenbanken \u2013 erw\u00e4hnt einen Autor namens \u201eRix“ oder einen Begriff \u201eRix‘ Razor“ . Die naheliegendste Erkl\u00e4rung ist eine Verwechslung oder ein Tippfehler: Die Assoziation \u201eRasiermesser + Spieltheorie“ f\u00fchrt zu Ockham, nicht zu einem erfundenen Rix.<\/a><\/a><\/p>\n\n\n\n

Die strukturelle Lehre<\/h3>\n\n\n\n

Die Episode ist lehrreich, weil sie zeigt, wie wissenschaftliche Begriffe entstehen und sich verbreiten \u2013 oder eben nicht. Ockhams Rasiermesser hat eine \u00fcber 600-j\u00e4hrige Geschichte, eine klare (wenn auch historisch ungenaue) Zuschreibung und eine pr\u00e4zise formulierte Bedeutung. \u201eRix Rasiermesser“ hat nichts davon. Es ist ein Begriff ohne Referenz, ein Signifikant ohne Signifikat.<\/p>\n\n\n\n

F\u00fcr die Spieltheorie ist das relevant, weil die Disziplin von pr\u00e4zisen Begriffen lebt. Nash-Gleichgewicht, Replikator-Dynamik, Pareto-Optimum \u2013 diese Termini haben definierte Bedeutungen und \u00fcberpr\u00fcfbare Anwendungen. Ein Begriff wie \u201eRix Rasiermesser“, der weder definiert noch belegt ist, hat in diesem begrifflichen \u00d6kosystem keinen Platz.<\/p>\n\n\n\n

\n\n\n\n

Tabelle: Begriffsabgrenzung<\/h2>\n\n\n\n
Begriff<\/th>Existiert in der Spieltheorie?<\/th>Tats\u00e4chliche Bedeutung<\/th>Belegte Anwendung<\/th><\/tr><\/thead>
\u201eRix Rasiermesser“ \/ Rix‘ Razor<\/td>Nein<\/strong><\/td>Keine Quelle, kein definiertes Konzept<\/td>Keine<\/td><\/tr>
Ockhams Rasiermesser \/ Occam’s Razor<\/td>Ja<\/strong>, als methodologisches Prinzip<\/td>Sparsamkeit bei erkl\u00e4renden Annahmen, nur bei gleichwertiger Erkl\u00e4rungsleistung<\/td>Tuyls et al. 2003: Einfachstes Lernmodell (Cross) gen\u00fcgt f\u00fcr Gleichgewichtslernen <\/a><\/td><\/tr>
Cross-Modell<\/td>Ja (als Lernmodell)<\/td>Aktualisiert Strategiewahrscheinlichkeiten proportional zum Payoff, ohne Ged\u00e4chtnis- oder Erwartungsparameter<\/td>Konvergiert im Zeitlimit gegen Replikator-Dynamik <\/a><\/a><\/td><\/tr>
Replikator-Dynamik<\/td>Ja<\/td>Beschreibt Strategieentwicklung in Populationen<\/td>Standardkonzept der evolution\u00e4ren Spieltheorie<\/td><\/tr>
Q-Learning<\/td>Ja (als RL-Verfahren)<\/td>Verst\u00e4rkungslernen mit Zustands-Aktions-Werten<\/td>Wird mit Replikator-Dynamik in Beziehung gesetzt <\/a><\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n
\n\n\n\n

Fazit: Das echte Rasiermesser schneidet pr\u00e4zise<\/h2>\n\n\n\n

Die Suche nach einem \u201eRix Rasiermesser“ in der Spieltheorie f\u00fchrt zu einem Nullergebnis. Die Suche nach Ockhams Rasiermesser in der Spieltheorie f\u00fchrt zu einer konkreten, \u00fcberpr\u00fcfbaren Forschungsarbeit aus dem Jahr 2003, die zeigt: Das sparsamste Lernmodell reicht aus, um Gleichgewichtslernen in Spielen zu erkl\u00e4ren.<\/p>\n\n\n\n

Das ist die eigentliche Pointe: Ockhams Rasiermesser schneidet in der Spieltheorie nicht als philosophische Metapher, sondern als mathematisches Resultat. Es sagt nicht \u201esei einfach“, sondern es zeigt, dass Einfachheit in einem bestimmten formalen Rahmen tats\u00e4chlich hinreichend ist. Und es sagt nichts \u00fcber \u201eRix“ \u2013 weil es keinen Rix gibt, der etwas zu sagen h\u00e4tte.<\/p>\n\n\n\n

Wer also auf den Begriff \u201eRix Rasiermesser“ st\u00f6\u00dft, sollte misstrauisch werden. In der Wissenschaftsgeschichte gibt es viele Rasiermesser \u2013 Ockhams, Hanlons, Hitchens‘ \u2013, aber keines davon tr\u00e4gt den Namen Rix. Und in der Spieltheorie gibt es genau eines, das eine belegte Rolle spielt: das von Ockham, und zwar in der pr\u00e4zisen Form, die Tuyls, Verbeeck und Maes ihm 2003 gegeben haben.<\/p>\n\n\n\n

\n\n\n\n

Quellen<\/h2>\n\n\n\n
    \n
  1. K\u00fcnne, W.: Ockhams Rasiermesser<\/em>. In: Brill, Abhandlung zur Philosophie. (Enth\u00e4lt Peirce-Zitat von 1903 und Russell-Zitat von 1913) <\/a><\/li>\n\n\n\n
  2. Tuyls, K., Verbeeck, K., & Maes, S. (2003): On a Dynamical Analysis of Reinforcement Learning in Games: Emergence of Occam’s Razor<\/em>. In: Multi-Agent Systems and Applications III (CEEMAS 2003), Lecture Notes in Computer Science, Vol. 2691, Springer, S. 335\u2013344. DOI: 10.1007\/3-540-45023-8_32 <\/a><\/li>\n\n\n\n
  3. Tuyls, K., Verbeeck, K., & Maes, S. (2003): Volltext der Abhandlung, Universit\u00e4t Maastricht. (Enth\u00e4lt die Aktualisierungsgleichungen des Cross-Modells und des Learning-Automata-Modells) <\/a><\/li>\n\n\n\n
  4. Borgers, T., & Sarin, R. (1997): Learning Through Reinforcement and Replicator Dynamics<\/em>. Journal of Economic Theory. (Nachgewiesen in: Sarin, R. (1994): Stochastic dynamics in games: Learning and evolution<\/em>, Dissertation, UC San Diego) <\/a><\/li>\n\n\n\n
  5. Wikipedia: Ockhams Rasiermesser<\/em>. (Enth\u00e4lt die Diskussion der wissenschaftstheoretischen Rechtfertigungsproblematik und der Duhem-Quine-These) <\/a><\/li>\n\n\n\n
  6. Eichhorn, W.: Ockhams Rasiermesser und Karl Mengers Gegenst\u00fcck<\/em>. Sitzungsberichte der Leibniz-Soziet\u00e4t 108 (2010), S. 127\u2013130. (Enth\u00e4lt die historischen Angaben zu Hamilton 1852 und Mengers Gegenprinzip) <\/a><\/li>\n<\/ol>","protected":false},"excerpt":{"rendered":"

    Von DerSchneider Einleitung: Ein Begriff, der nicht existiert Wer in der wissenschaftlichen Literatur nach einem spieltheoretischen Konzept namens \u201eRix Rasiermesser“ oder \u201eRix‘ Razor“ sucht, wird nicht f\u00fcndig. Keine Fachzeitschrift, kein Lehrbuch, keine Konferenzpublikation verwendet diesen Terminus. Das ist kein Recherchevers\u00e4umnis, sondern ein Befund: Der Begriff existiert in der Spieltheorie nicht. Was jedoch existiert \u2013 mit […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[40,18,37],"tags":[11586,11585,11583,8113,11584,6548,7802],"class_list":["post-7807","post","type-post","status-publish","format-standard","hentry","category-denkwerkzeuge","category-im-kopf-methoden-werkzeuge","category-wissenspeicher","tag-begriffsabgrenzung","tag-cross-modell","tag-ockhams-rasiermesser","tag-reinforcement-learning","tag-replikator-dynamik","tag-spieltheorie","tag-wissenschaftsgeschichte"],"_links":{"self":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/7807","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/comments?post=7807"}],"version-history":[{"count":1,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/7807\/revisions"}],"predecessor-version":[{"id":7808,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/7807\/revisions\/7808"}],"wp:attachment":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/media?parent=7807"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/categories?post=7807"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/tags?post=7807"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}