{"id":7825,"date":"2026-10-30T06:45:40","date_gmt":"2026-10-30T06:45:40","guid":{"rendered":"https:\/\/technodidact.de\/?p=7825"},"modified":"2026-10-30T06:45:41","modified_gmt":"2026-10-30T06:45:41","slug":"einfuehrung-in-die-spieltheorie-teil-8-evolutionaere-spieltheorie-wenn-rationalitaet-nicht-gebraucht-wird","status":"publish","type":"post","link":"https:\/\/technodidact.de\/en\/einfuehrung-in-die-spieltheorie-teil-8-evolutionaere-spieltheorie-wenn-rationalitaet-nicht-gebraucht-wird\/","title":{"rendered":"Einf\u00fchrung in die Spieltheorie (Teil 8): Evolution\u00e4re Spieltheorie \u2013 Wenn Rationalit\u00e4t nicht gebraucht wird"},"content":{"rendered":"

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

Einstieg: Der Fisch, der seine Mundrichtung vererbt<\/h2>\n\n\n\n

Im afrikanischen Tanganjikasee lebt ein kleiner Fisch namens Perissodus microlepis<\/em>. Seine Besonderheit: Er ern\u00e4hrt sich von den Schuppen gr\u00f6\u00dferer Fische, und sein Maul ist entweder nach rechts oder nach links verdreht \u2013 nie gerade. Rechtsm\u00e4ulige Fische bei\u00dfen ihre Opfer von links an, linksm\u00e4ulige von rechts. Die Beute kann sich nur gegen eine der beiden Richtungen sch\u00fctzen, indem sie die verwundbare Seite abdeckt. Was passiert in einer Population, in der fast alle Fische rechtsm\u00e4ulig sind? Die Beute lernt, sich von links zu sch\u00fctzen. Rechtsm\u00e4ulige Fische finden kaum noch Nahrung. Linksm\u00e4ulige Fische hingegen haben einen Vorteil \u2013 ihre H\u00e4ufigkeit nimmt zu. Sobald sie \u00fcberwiegen, dreht sich das Bild um: Die Beute sch\u00fctzt sich von rechts, und die Rechtsm\u00e4uligen sind wieder im Vorteil .<\/a><\/p>\n\n\n\n

Dieses Beispiel zeigt, was evolution\u00e4re Spieltheorie untersucht: Wie ver\u00e4ndern sich Verhaltensmuster in einer Population \u00fcber Generationen, ohne dass die Individuen rational kalkulieren?<\/strong> Die Fische \u201eentscheiden“ nicht, ob sie rechts- oder linksm\u00e4ulig sein wollen. Sie sind es oder sind es nicht. Wer mehr Nachkommen hat, dessen Merkmal breitet sich aus. Die Frage ist nicht \u201eWas ist optimal?“, sondern \u201eWas setzt sich durch?“.<\/p>\n\n\n\n

Teil 7 hat Spiele mit unvollst\u00e4ndiger Information behandelt. Teil 8 schlie\u00dft die Serie mit einem Perspektivwechsel ab: Die evolution\u00e4re Spieltheorie lockert die Annahme vollst\u00e4ndiger Rationalit\u00e4t und fragt nach der dynamischen Stabilit\u00e4t<\/strong> von Verhaltensmustern in Populationen. John Maynard Smith und George Price f\u00fchrten 1973 den Begriff der evolution\u00e4r stabilen Strategie (ESS)<\/strong> ein, der zum zentralen Konzept dieses Forschungszweigs wurde .<\/a><\/p>\n\n\n\n

Die evolution\u00e4r stabile Strategie (ESS)<\/h2>\n\n\n\n

Eine evolution\u00e4r stabile Strategie<\/strong> ist eine Strategie, die, wenn sie von einer Population adoptiert wird, nicht durch eine mutante Strategie verdr\u00e4ngt werden kann . Formal muss eine ESS zwei Bedingungen erf\u00fcllen. Erstens:<\/strong> Sie muss ein Nash-Gleichgewicht sein \u2013 keine reine Alternative kann gegen sie bestehen, wenn sie in der Population dominiert. Zweitens:<\/strong> Wenn eine alternative Strategie gegen die ESS genauso gut abschneidet wie die ESS gegen sich selbst, muss die ESS gegen die Alternative besser<\/strong> abschneiden als die Alternative gegen sich selbst. Diese zweite Bedingung stellt sicher, dass die ESS auch dann stabil bleibt, wenn die Alternative im Gleichgewicht neutral ist .<\/a><\/a><\/a><\/p>\n\n\n\n

Der Unterschied zum Nash-Gleichgewicht ist subtil, aber entscheidend. Ein Nash-Gleichgewicht beschreibt eine Situation, aus der kein einzelner Spieler<\/strong> durch Abweichen besser gestellt wird \u2013 unter der Annahme, dass alle anderen ihre Strategie beibehalten. Eine ESS beschreibt eine Situation, die gegen Invasion<\/strong> durch Mutanten resistent ist \u2013 auch wenn diese Mutanten zun\u00e4chst selten sind. Die ESS ist damit ein dynamisches<\/strong> Konzept: Sie sagt nicht nur, was stabil ist, sondern auch, was sich in einer Population durchsetzen wird.<\/p>\n\n\n\n

Das Taube-Falke-Spiel: Das paradigmatische Beispiel<\/h2>\n\n\n\n

Das Taube-Falke-Spiel (Hawk-Dove Game) ist das evolution\u00e4re Gegenst\u00fcck zum Gefangenendilemma. Zwei Tiere k\u00e4mpfen um eine Ressource (Nahrung, Revier, Partner) mit dem Wert V<\/mi><\/mrow><\/semantics><\/math>V<\/em>. Es gibt zwei Verhaltensweisen: Falke<\/strong> (eskaliert, k\u00e4mpft bis zum \u00c4u\u00dfersten) und Taube<\/strong> (droht, zieht sich aber bei Eskalation zur\u00fcck). Wenn zwei Falken aufeinandertreffen, k\u00e4mpfen beide, und einer wird verletzt \u2013 die Kosten der Verletzung seien C<\/mi><\/mrow><\/semantics><\/math>C<\/em>, mit C<\/mi>><\/mo>V<\/mi><\/mrow><\/semantics><\/math>C<\/em>>V<\/em>. Wenn Falke auf Taube trifft, gewinnt der Falke die Ressource, die Taube zieht sich zur\u00fcck. Wenn zwei Tauben aufeinandertreffen, teilen sie die Ressource .<\/a><\/a><\/p>\n\n\n\n

Die Auszahlungsmatrix lautet:<\/p>\n\n\n\n

<\/th>Falke<\/th>Taube<\/th><\/tr><\/thead>
Falke<\/strong><\/td>(<\/mo>V<\/mi>\u2212<\/mo>C<\/mi>)<\/mo>\/<\/mi>2<\/mn><\/mrow><\/semantics><\/math>(V<\/em>\u2212C<\/em>)\/2<\/td>V<\/mi><\/mrow><\/semantics><\/math>V<\/em><\/td><\/tr>
Taube<\/strong><\/td>0<\/mn><\/mrow><\/semantics><\/math>0<\/td>V<\/mi>\/<\/mi>2<\/mn><\/mrow><\/semantics><\/math>V<\/em>\/2<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Wenn V<\/mi>><\/mo>C<\/mi><\/mrow><\/semantics><\/math>V<\/em>>C<\/em>, ist Falke eine dominante Strategie \u2013 beide werden Falken, und die Population besteht nur aus Falken. Wenn V<\/mi><<\/mo>C<\/mi><\/mrow><\/semantics><\/math>V<\/em><C<\/em> (der realistischere Fall), gibt es kein Gleichgewicht in reinen Strategien<\/strong>. Die einzige evolution\u00e4r stabile Strategie ist eine gemischte<\/strong>: Ein Anteil p<\/mi>=<\/mo>V<\/mi>\/<\/mi>C<\/mi><\/mrow><\/semantics><\/math>p<\/em>=V<\/em>\/C<\/em> der Population spielt Falke, der Rest Taube .<\/a><\/p>\n\n\n\n

Was bedeutet das? In einer Population, in der alle Falken sind, h\u00e4tte eine Taube einen Vorteil, weil sie K\u00e4mpfen aus dem Weg geht und die Kosten der Verletzung vermeidet. In einer Population, in der alle Tauben sind, h\u00e4tte ein Falke einen Vorteil, weil er die Ressource ohne Gegenwehr gewinnt. Die stabile Mischung liegt dazwischen: Genau so viele Falken, dass der erwartete Gewinn beider Strategien gleich ist. Das ist das evolution\u00e4re Analogon zum gemischten Nash-Gleichgewicht aus Teil 4 \u2013 mit dem Unterschied, dass hier keine bewusste Randomisierung stattfindet, sondern die Verteilung der Strategien in der Population<\/strong> das Gleichgewicht bildet.<\/p>\n\n\n\n

Replikatordynamik: Wie sich Strategien ausbreiten<\/h2>\n\n\n\n

Die ESS beschreibt einen Zustand<\/strong>. Die Replikatordynamik<\/strong> beschreibt den Prozess<\/strong>, der dorthin f\u00fchrt. Die Grundidee: Strategien, die \u00fcberdurchschnittliche Auszahlungen erzielen, wachsen schneller als der Durchschnitt; Strategien mit unterdurchschnittlichen Auszahlungen schrumpfen. Formal:d<\/mi>x<\/mi>i<\/mi><\/msub><\/mrow>d<\/mi>t<\/mi><\/mrow><\/mfrac>=<\/mo>x<\/mi>i<\/mi><\/msub>\u22c5<\/mo>(<\/mo>\u03c0<\/mi>i<\/mi><\/msub>\u2212<\/mo>\u03c0<\/mi>\u02c9<\/mo><\/mover>)<\/mo><\/mrow><\/semantics><\/math>d<\/em>t<\/em>d<\/em>x<\/em>i<\/em>\u200b\u200b=x<\/em>i<\/em>\u200b\u22c5(\u03c0<\/em>i<\/em>\u200b\u2212\u03c0<\/em>\u02c9)<\/p>\n\n\n\n

Dabei ist x<\/mi>i<\/mi><\/msub><\/mrow><\/semantics><\/math>x<\/em>i<\/em>\u200b der Anteil der Strategie i<\/mi><\/mrow><\/semantics><\/math>i<\/em> in der Population, \u03c0<\/mi>i<\/mi><\/msub><\/mrow><\/semantics><\/math>\u03c0<\/em>i<\/em>\u200b ihre erwartete Auszahlung und \u03c0<\/mi>\u02c9<\/mo><\/mover><\/mrow><\/semantics><\/math>\u03c0<\/em>\u02c9 die durchschnittliche Auszahlung aller Strategien . Die Gleichung besagt: Die Wachstumsrate einer Strategie ist proportional zu ihrem relativen Erfolg<\/strong>. Ist \u03c0<\/mi>i<\/mi><\/msub>><\/mo>\u03c0<\/mi>\u02c9<\/mo><\/mover><\/mrow><\/semantics><\/math>\u03c0<\/em>i<\/em>\u200b>\u03c0<\/em>\u02c9, w\u00e4chst der Anteil; ist \u03c0<\/mi>i<\/mi><\/msub><<\/mo>\u03c0<\/mi>\u02c9<\/mo><\/mover><\/mrow><\/semantics><\/math>\u03c0<\/em>i<\/em>\u200b<\u03c0<\/em>\u02c9, schrumpft er.<\/a><\/p>\n\n\n\n

Die Replikatordynamik ist kein Modell bewusster Entscheidungen. Sie beschreibt, was passiert, wenn erfolgreiche Individuen mehr Nachkommen haben \u2013 durch welche Mechanismen auch immer (bessere Ern\u00e4hrung, mehr \u00dcberlebenschancen, mehr Ressourcen f\u00fcr Reproduktion). Sie ist damit eine populationsdynamische<\/strong> Beschreibung, keine entscheidungstheoretische.<\/p>\n\n\n\n

Die Verbindung zur klassischen Spieltheorie<\/h2>\n\n\n\n

Die evolution\u00e4re Spieltheorie ist keine Alternative zur klassischen Spieltheorie \u2013 sie ist eine Erweiterung<\/strong>. Drei Verbindungen sind wichtig.<\/p>\n\n\n\n

Erstens:<\/strong> Jede ESS ist ein Nash-Gleichgewicht. Die Umkehrung gilt nicht: Nicht jedes Nash-Gleichgewicht ist eine ESS. Das Taube-Falke-Spiel mit V<\/mi><<\/mo>C<\/mi><\/mrow><\/semantics><\/math>V<\/em><C<\/em> hat ein gemischtes Nash-Gleichgewicht, das auch eine ESS ist. Aber es gibt Spiele mit mehreren Nash-Gleichgewichten, von denen nur einige evolution\u00e4r stabil sind .<\/a><\/p>\n\n\n\n

Zweitens:<\/strong> Die evolution\u00e4re Perspektive erkl\u00e4rt, warum<\/strong> bestimmte Gleichgewichte erreicht werden. In Spielen mit mehreren Nash-Gleichgewichten (wie dem Koordinationsspiel aus Teil 2) sagt die klassische Theorie nicht, welches gew\u00e4hlt wird. Die Replikatordynamik zeigt, dass die Auswahl vom Anfangszustand<\/strong> der Population abh\u00e4ngt: Je nachdem, welche Strategie anfangs h\u00e4ufiger ist, kann sich das eine oder das andere Gleichgewicht durchsetzen .<\/a><\/p>\n\n\n\n

Drittens:<\/strong> Die evolution\u00e4re Spieltheorie liefert eine Rechtfertigung<\/strong> f\u00fcr gemischte Strategien, die in der klassischen Theorie oft unbefriedigend blieb. Im Taube-Falke-Spiel ist die Mischung nicht das Ergebnis bewusster Randomisierung durch Individuen, sondern die emergente Eigenschaft einer Population<\/strong>, in der verschiedene Individuen verschiedene reine Strategien spielen. Die Interpretation aus Teil 4 (\u201ePopulationen“) wird hier zur Standardlesart .<\/a><\/p>\n\n\n\n

Anwendung: Kooperation ohne Rationalit\u00e4t<\/h2>\n\n\n\n

Die evolution\u00e4re Spieltheorie hat eine der st\u00e4rksten Erkl\u00e4rungen f\u00fcr die Entstehung von Kooperation geliefert. Robert Axelrods Turnier (Teil 6) war urspr\u00fcnglich eine spieltheoretische Untersuchung, aber Axelrod und der Biologe W. D. Hamilton zeigten 1981, dass die Ergebnisse auch f\u00fcr die Evolution von Kooperation in biologischen Populationen relevant sind . Tit-for-Tat funktioniert nicht, weil die Spieler rational sind, sondern weil Strategien, die kooperieren und Defektion bestrafen, in einer Population \u00fcberleben und sich ausbreiten<\/strong> \u2013 vorausgesetzt, die Interaktionen sind wiederholt und die Akteure k\u00f6nnen sich erkennen.<\/a><\/p>\n\n\n\n

Die evolution\u00e4re Perspektive erkl\u00e4rt auch, warum Kooperation fragil<\/strong> ist. Wenn die Wahrscheinlichkeit, denselben Partner wiederzutreffen, sinkt (etwa in gro\u00dfen, anonymen Populationen), verliert Tit-for-Tat seinen Vorteil. Die Bedingungen f\u00fcr Kooperation sind nicht universell \u2013 sie h\u00e4ngen von der Struktur der Population<\/strong> ab.<\/p>\n\n\n\n

Die Grenzen der evolution\u00e4ren Spieltheorie<\/h2>\n\n\n\n

Drei Einschr\u00e4nkungen verdienen Beachtung. Erstens:<\/strong> Die ESS ist ein statisches<\/strong> Konzept. Sie sagt, welche Strategien nicht invadiert werden k\u00f6nnen, aber nicht, wie lange es dauert, bis eine Population dorthin gelangt \u2013 oder ob sie \u00fcberhaupt dorthin gelangt. Die Replikatordynamik kann in Zyklen geraten oder chaotisch werden. Zweitens:<\/strong> Die evolution\u00e4re Spieltheorie modelliert Populationsdynamik<\/strong>, nicht individuelles Lernen. Sie erkl\u00e4rt, warum bestimmte Verhaltensmuster stabil sind, aber nicht, wie Individuen innerhalb ihres Lebens Strategien anpassen. Drittens:<\/strong> Die \u00dcbertragung auf menschliches Verhalten ist nicht unproblematisch. Menschen lernen, kommunizieren, antizipieren \u2013 Faktoren, die in biologischen Populationen keine Rolle spielen. Die evolution\u00e4re Spieltheorie ist f\u00fcr menschliches Verhalten ein Modell unter vielen<\/strong>, nicht die letzte Antwort.<\/p>\n\n\n\n

Zusammenfassung und Ausblick<\/h2>\n\n\n\n

Teil 8 hat die Serie mit der evolution\u00e4ren Spieltheorie abgeschlossen. Die evolution\u00e4r stabile Strategie (ESS)<\/strong> beschreibt ein Verhaltensmuster, das nicht durch Mutanten verdr\u00e4ngt werden kann. Das Taube-Falke-Spiel<\/strong> zeigt, dass die stabile L\u00f6sung in einer Mischung aus aggressiven und zur\u00fcckhaltenden Strategien bestehen kann \u2013 ein evolution\u00e4res Analogon zum gemischten Nash-Gleichgewicht. Die Replikatordynamik<\/strong> beschreibt, wie sich Strategien in einer Population ausbreiten. Die evolution\u00e4re Perspektive erkl\u00e4rt Kooperation ohne Rationalit\u00e4t, zeigt aber auch deren Fragilit\u00e4t.<\/p>\n\n\n\n

Damit ist die achtteilige Serie abgeschlossen. Der Bogen reichte vom Gefangenendilemma (Teil 1) \u00fcber die formale Darstellung (Teil 2), das Nash-Gleichgewicht (Teil 3), gemischte Strategien (Teil 4), dynamische Spiele (Teil 5), wiederholte Spiele (Teil 6), unvollst\u00e4ndige Information (Teil 7) bis zur evolution\u00e4ren Spieltheorie (Teil 8). Was bleibt, ist eine Einsicht, die alle Teile durchzieht: Die Spieltheorie liefert keine Patentrezepte. Sie liefert ein Vokabular<\/strong> und eine Denkweise<\/strong>, mit der sich strategische Situationen pr\u00e4ziser analysieren lassen \u2013 und mit der man erkennt, wo die Grenzen der eigenen Rationalit\u00e4t und der Rationalit\u00e4t anderer liegen.<\/p>\n\n\n\n

\n\n\n\n

Quellen<\/strong><\/p>\n\n\n\n