Beobachte Vogelschwärme im Flug — Tausende Vögel bewegen sich wie eine einzige lebendige Wolke. Jeder Vogel achtet nur auf seine nächsten Nachbarn, doch der Schwarm bewegt sich mit erstaunlicher globaler Koordination.
Jeder Vogel achtet nur auf seine ~7 nächsten Nachbarn, ahmt deren Bewegungen nach und vermeidet Kollisionen. Das Ergebnis ist ein perfekt koordinierter Schwarm ohne einen einzigen Anführer — ein anschauliches Beispiel für Verhalten, das aus einfachen Regeln entsteht.
Bewege die Maus, um den Schwarm zu lenken — die Vögel weichen dem Cursor instinktiv aus, als wäre er ein Fressfeind. Nutze die Regler, um Vögel hinzuzufügen oder den Interaktionsradius zu ändern.
Mumurationen von Staren können über eine Million Vögel umfassen und reagieren in weniger als 20 Millisekunden auf Formänderungen. Wissenschaftler haben diesen Mechanismus erst 2012 mithilfe von 3D-Kameras wirklich verstanden.
Diese Simulation modelliert die kollektive Bewegung von Vögeln mithilfe von Craig Reynolds' Boids-Algorithmus, der das Verhalten jedes Vogels durch drei einfache Regeln steuert: Trennung (Vermeidung von Gedränge mit Nachbarn), Ausrichtung (Bewegung in Richtung des durchschnittlichen Kurses der nächsten Vögel) und Zusammenhalt (Bewegung zur durchschnittlichen Position des Schwarms). Trotz fehlender zentraler Steuerung erzeugen diese lokalen Regeln die geschmeidigen, fließenden Gruppenformationen, die als Mumurationen bekannt sind. Nutzer können beobachten, wie durch das Anpassen von Zusammenhaltsstärke, Schwarmgröße und Fluggeschwindigkeit komplexes Verhalten aus einfachen individuellen Handlungen entsteht.
Das Schwarmverhalten von Vögeln fasziniert Wissenschaftler und Künstler gleichermaßen, seit Craig Reynolds 1987 den Boids-Algorithmus veröffentlichte. Das Modell wird in Filmvisualeffekten, bei der Entwicklung von Schwarmrobotern und bei der Erforschung kollektiver tierischer Intelligenz eingesetzt — von Fischen bis zu Insekten.
Boids ist ein von Craig Reynolds 1987 entwickeltes Rechenmodell zur Simulation des Schwarmverhaltens von Vögeln. Jeder virtuelle Vogel (ein sogenannter „Boid") folgt drei Steuerungsregeln, die nur auf den Positionen und Geschwindigkeiten benachbarter Boids beruhen: Trennung, Ausrichtung und Zusammenhalt. Das Ergebnis ist eine überzeugende emergente Gruppenbewegung ohne jede zentrale Steuerung oder einen Anführer.
Nutze den Regler „Vögel", um die Schwarmgröße festzulegen (20 bis 250 Vögel), den Regler „Zusammenhalt", um zu steuern, wie stark Vögel zum Schwarmzentrum gezogen werden, und den Regler „Geschwindigkeit", um das Flugtempo anzupassen. Klicke auf „Zerstreuen", um den Schwarm zu erschrecken und Chaos zu erzeugen, auf „Habicht", um einen Fressfeind loszulassen, vor dem die Vögel fliehen, und auf „Sammeln", um alle Vögel zurück zur Bildschirmmitte zu lenken.
Die Trennungsregel hält jeden Vogel auf einem Mindestabstand zu seinen Nachbarn. Sobald ein Vogel einen anderen innerhalb seines Trennungsradius erkennt (in dieser Simulation auf 25 Pixel eingestellt), wendet er eine Steuerungskraft direkt weg von diesem Nachbarn an. Diese reaktive Abstoßung verhindert Kollisionen selbst bei hoher Geschwindigkeit und spiegelt wider, wie echte Vögel peripheres Sehen und blitzschnelle Reflexe nutzen, um in einem schnellen Schwarm sichere Abstände zu wahren.
Jede Regel erzeugt einen Steuerungsvektor, der zur aktuellen Geschwindigkeit des Vogels addiert wird. Die Trennung berechnet eine gewichtete Summe umgekehrt proportionaler Abstandsvektoren, die von benachbarten Vögeln wegzeigen. Die Ausrichtung berechnet die durchschnittliche Geschwindigkeit der Nachbarn innerhalb des Ausrichtungsradius und lenkt den Vogel in diese Richtung. Der Zusammenhalt findet den Schwerpunkt benachbarter Vögel und steuert dorthin. Alle drei Kraftvektoren werden pro Frame auf einen Höchstwert begrenzt, um unrealistische Beschleunigung zu verhindern. Die kombinierte Aktualisierung lautet: neue Geschwindigkeit = Begrenzung von (v + w_sep · F_sep + w_align · F_align + w_coh · F_coh) auf die Höchstgeschwindigkeit.
Reynolds' Boids-Algorithmus wurde erstmals im Film eingesetzt — in Tim Burtons „Batmans Rückkehr" (1992), um Fledermausschwärme und Pinguinmärsche zu animieren, ohne jede Figur einzeln von Hand zu animieren. Heute ist er Standard bei der Menschenmengen-KI in Videospielen, bei der Koordination von Roboterschwärmen (etwa Drohnenlichtshows mit Hunderten autonomen Fluggeräten), bei der Modellierung von Verkehrsflüssen und sogar beim Entwurf selbstorganisierender Sensornetzwerke, in denen einzelne Knoten lokalen Regeln folgen, um globale Abdeckung zu erreichen.
Die biologische Forschung stützt das Boids-Modell weitgehend, wobei echte Star-Mumurationen eher durch topologische als durch metrische Nachbarschaften bestimmt werden — jeder Vogel verfolgt seine sechs oder sieben nächsten Nachbarn nach Anzahl, nicht nach einem festen Entfernungsradius. Experimente mit Hochgeschwindigkeits-3D-Kameras an Starenschwärmen in Rom (Ballerini et al., 2008) bestätigten diese topologische Interaktion, die Mumurationen widerstandsfähiger gegenüber Änderungen der Schwarmdichte macht, als ein metrisches Boids-Modell vorhersagen würde.
Craig Reynolds, ein Forscher im Bereich Computergrafik, modellierte das Schwarmverhalten 1987 in seinem wegweisenden SIGGRAPH-Paper „Flocks, Herds, and Schools: A Distributed Behavioral Model" formal. Das natürliche Phänomen selbst wurde jedoch schon seit Jahrhunderten von Ornithologen beobachtet und untersucht. Reynolds' Durchbruch bestand darin zu zeigen, dass drei lokale Interaktionsregeln ausreichen, um die komplexen emergenten Muster echter Tiergruppen zu reproduzieren, ganz ohne Steuerung von oben.
Dieselben Selbstorganisationsprinzipien zeigen sich bei Fischschwärmen, Insektenschwärmen (Heuschrecken, Bienen), der Dynamik von Fußgängermengen und sogar der kollektiven Bewegung von Zellen bei der Wundheilung und Embryonalentwicklung. Alle teilen die Eigenschaft, dass emergente Ordnung aus lokalen Regeln entsteht. Auf dieser Website zeigt die Simulation „Schmetterlinge & Blumen" verwandte, anziehungsbasierte Bewegung, während „Waldbrand" eine andere Klasse emergenter räumlicher Muster durch Ansteckung statt Steuerung demonstriert.
Schwarmrobotik nutzt von Boids abgeleitete Algorithmen, um Dutzende oder Hunderte autonomer Roboter ohne zentrale Steuerung zu koordinieren. Anwendungen umfassen Such- und Rettungsdrohnen, die gemeinsam große Gebiete abdecken, landwirtschaftliche Drohnenflotten zur Ernteüberwachung sowie Schwärme von Unterwasserfahrzeugen zur Ozeankartierung. Der entscheidende technische Vorteil ist Robustheit: Das Entfernen eines Roboters bringt den Schwarm nicht zum Erliegen, da jede Einheit nur auf lokale Wahrnehmung angewiesen ist — genau wie das Entfernen eines Vogels den Schwarm nicht stört.
Aktive Forschungsgebiete umfassen das Verständnis, wie sich Informationen über eine Fressfeindbedrohung schneller durch eine Mumuration ausbreiten, als es die individuelle Reaktionszeit erlauben würde (ein Phänomen namens „Informationskaskade"), die Rolle von Rauschen und individueller Variation bei der Aufrechterhaltung des Schwarmzusammenhalts sowie den Einsatz maschinellen Lernens, um die tatsächlichen Interaktionsregeln von Tieren aus GPS-Trajektoriendaten zu ermitteln. Physiker untersuchen Schwarmverhalten zudem als Beispiel für aktive Materie — Systeme fernab des thermodynamischen Gleichgewichts, die Phasenübergänge analog zum Magnetismus zeigen.