DE 
English
Українська
Polski
Español
日本語
Italiano
Português (BR)
Français
العربية
Nederlands
中文
한국어
हिन्दी
Türkçe
Tiếng Việt
Русский
Bahasa Indonesia
فارسی
বাংলা
ไทย
Filipino
Kiswahili
اردو
Bahasa Melayu
தமிழ்
עברית
Ελληνικά
ਪੰਜਾਬੀ
አማርኛ
မြန်မာဘာသာ
ខ្មែរ
ქართული
नेपाली
Монгол хэл
Հայերեն
සිංහල
ລາວ
Čeština
Română
Magyar
Български
Svenska
Dansk
Suomi
Norsk
Slovenčina
Hrvatski
Српски
Slovenščina
Lietuvių
Latviešu
Eesti
Íslenska
Shqip
Македонски
Bosanski
Malti
Azərbaycanca
Қазақша
O'zbekcha
Тоҷикӣ
Кыргызча🐑 Informationskaskaden & Herdenverhalten — Bayessche sequenzielle Entscheidung
Simuliere das Bikhchandani-Hirshleifer-Welch-Informationskaskadenmodell: Agenten kombinieren ein privates verrauschtes Signal mit den öffentlichen Entscheidungen ihrer Vorgänger und ignorieren dabei manchmal ihre eigenen Belege, um sich der Herde anzuschließen — selbst wenn diese falschliegt.
🐑 Informationskaskaden & Herdenverhalten — Sequenzielle Bayessche Entscheidung
Agenten treffen einzeln nacheinander ein, jeder zieht ein privates verrauschtes Signal darüber, welches von zwei Restaurants tatsächlich besser ist, und trifft dann öffentlich seine Wahl, nachdem er alle Vorgänger gesehen hat. Beobachte, wie sich eine Herde bildet — und ob sie die richtige Antwort findet.
🔬 Was gezeigt wird
Die Bikhchandani-Hirshleifer-Welch-Informationskaskade: Sobald die öffentliche Zählung früherer Entscheidungen um zwei oder mehr zu einer Option neigt, überwiegt diese unterstellte „Stimme" jedes einzelne private Signal, sodass spätere Agenten rational aufhören, ihre eigenen Informationen zu nutzen, und sich der Herde anschließen — selbst wenn diese falschliegt.
🎮 Bedienung
Klicke auf Schritt, um einen Agenten nach dem anderen hinzuzufügen, oder auf Abspielen, um die Sequenz automatisch ablaufen zu lassen. Beobachte die Zeitachse: Ein rot gestrichelter Ring markiert einen Agenten, der sein eigenes Signal ignoriert hat, um sich der Herde anzuschließen. Schalte Aufdecken um, um den verborgenen wahren Zustand und jedes private Signal zu prüfen, und dann Neu mischen für einen frischen Durchlauf.
💡 Wusstest du schon?
Da eine Kaskade bereits durch zwei frühe, möglicherweise zufällig übereinstimmende Entscheidungen ausgelöst werden kann, kann sie die gesamte Menge für immer auf die falsche Option festlegen — sobald das Herdenverhalten einsetzt, wird das private Wissen keines späteren Agenten je offengelegt oder aggregiert.
Über Informationskaskaden & Herdenverhalten
Diese Simulation modelliert das klassische Szenario sequenzieller Entscheidungen, das von Sushil Bikhchandani, David Hirshleifer und Ivo Welch in ihrem Aufsatz von 1992 „A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades" (Journal of Political Economy) formalisiert wurde. Ein verborgener wahrer Zustand — hier, welches von zwei Restaurants tatsächlich besser ist — wird nie direkt beobachtet. Agenten treffen einzeln nacheinander ein, jeder zieht ein privates, verrauschtes Signal, das mit der Wahrheit korreliert ist, und jeder beobachtet die vollständige öffentliche Geschichte der Entscheidungen (aber nicht die privaten Signale) aller Vorgänger. Ein rationaler Agent kombiniert seine eigenen Belege mit dem Informationsgehalt, der in den früheren Entscheidungen der Menge steckt.
Das verblüffende Ergebnis ist, dass, sobald die öffentliche Zählung der Entscheidungen stark genug zu einer Option neigt, diese „unterstellte Stimme" ein einzelnes privates Signal überwiegen kann, sodass es individuell rational wird, die eigenen Belege zu ignorieren und die Menge zu kopieren — eine Kaskade. Da die Kaskade durch nichts weiter als zwei frühe, möglicherweise zufällig übereinstimmende Signale ausgelöst werden kann, kann eine ganze Population auf die falsche Option herdenmäßig einschwenken, ohne dass die Information eines späteren Agenten je auftaucht, um das zu korrigieren. Das Modell erklärt reale Phänomene von Börsenblasen und Bankruns bis zu Restaurantpopularität, IPO-Unterbewertung und der Übernahme neuer Technologien oder medizinischer Behandlungen.
Häufig gestellte Fragen
Was ist eine Informationskaskade?
Eine Informationskaskade tritt auf, wenn Individuen, die eine Abfolge von Entscheidungen treffen, rational ihre eigenen privaten Informationen ignorieren und stattdessen die Entscheidungen derer kopieren, die vor ihnen gehandelt haben. Sie entsteht, weil die Entscheidung jeder Person allen Beobachtern ein wenig Information offenbart, und sobald genügend Entscheidungen in dieselbe Richtung zeigen, wird dieses öffentliche Signal informativer als der private Beleg einer einzelnen Person — sodass Nachahmung, nicht unabhängiges Urteil, das Ergebnis bestimmt.
Wie benutze ich diese Simulation?
Klicke auf „Schritt", um einen Agenten nach dem anderen hinzuzufügen, oder auf „Abspielen", um die Sequenz mit der gewählten Geschwindigkeit automatisch ablaufen zu lassen. Jeder Agent erscheint als farbiger Kreis auf der Zeitachse: violett für Wahl A, bernstein für Wahl B, mit einem kleinen Punkt, der sein privates Signal zeigt (verborgen, bis du auf „Aufdecken" klickst). Ein rot gestrichelter Ring bedeutet, dass dieser Agent sein eigenes Signal ignoriert hat, um sich der Herde anzuschließen. Nutze „Neu mischen", um den verborgenen wahren Zustand zufällig neu zu bestimmen und von vorn zu beginnen.
Was bedeutet „Herdenverhalten" in diesem Modell?
Herdenverhalten liegt vor, wenn die öffentliche Wahl eines Agenten seinem eigenen privaten Signal widerspricht, weil das angesammelte Gewicht früherer öffentlicher Entscheidungen es überwiegt. In dieser Simulation geschieht das, sobald sich die laufende Zählung der Entscheidungen um zwei oder mehr in eine Richtung unterscheidet: Ab diesem Punkt ist die optimale Strategie jedes weiteren Agenten, die Mehrheit zu kopieren, unabhängig davon, was sein eigenes privates Signal sagt — genau das heben die rot gestrichelten Ringe hervor.
Wer führte das Bikhchandani-Hirshleifer-Welch-Kaskadenmodell ein?
Die Ökonomen Sushil Bikhchandani, David Hirshleifer und Ivo Welch formalisierten das Modell in ihrem Aufsatz von 1992 „A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades", veröffentlicht im Journal of Political Economy. Ein eng verwandtes Modell wurde im selben Jahr unabhängig von Abhijit Banerjee entwickelt. Zusammen begründeten diese Arbeiten eine umfangreiche Literatur zu sequenziellem sozialem Lernen, Herdenverhalten und der Zerbrechlichkeit von Entscheidungen, die auf geliehener statt eigener Information beruhen.
Kann eine Kaskade falschliegen, und wie oft?
Ja — das ist das zentrale, kontraintuitive Ergebnis des Modells. Eine Kaskade kann bereits starten, nachdem nur zwei Agenten zufällig übereinstimmende private Signale erhalten haben, selbst wenn diese Signale einzeln verrauscht sind und selbst wenn die Mehrheit der Population, unabhängig befragt, zur anderen Seite tendiert hätte. Ist sie einmal etabliert, ist die Kaskade selbstverstärkend: Das private Wissen keines späteren Agenten wird je der Öffentlichkeit offengelegt, sodass eine falsche Kaskade über keinen eingebauten Mechanismus zur Selbstkorrektur verfügt.
Warum verändert eine höhere Signalgenauigkeit p die Kaskadenergebnisse?
Die Signalgenauigkeit p ist die Wahrscheinlichkeit, dass ein privates Signal mit dem wahren Zustand übereinstimmt. Ein höheres p macht jedes einzelne Signal zuverlässiger, sodass die allerersten Agenten — deren Entscheidungen die spätere Kaskade auslösen — mit höherer Wahrscheinlichkeit den wahren Zustand offenbaren, bevor das Herdenverhalten einsetzt. Das verhindert nicht die Bildung von Kaskaden (die ±2-Schwellenregel bleibt gleich), erhöht aber deutlich die Wahrscheinlichkeit, dass eine gebildete Kaskade auf die richtige statt die falsche Option einschwenkt.
Wie zerbrechlich sind Informationskaskaden in der Realität?
Reale Kaskaden sind bekanntermaßen zerbrechlich: Eine kleine Menge neuer öffentlicher Information — eine viral gehende negative Bewertung, ein glaubwürdiger Außenseiter, der ein gegenteiliges Signal offenlegt, oder eine politische Ankündigung — kann eine etablierte Kaskade brechen und eine schnelle Umkehr auslösen, da die Agenten nie wirklich überzeugt waren, sondern nur nachgeahmt haben. Diese „informationelle Zerbrechlichkeit" erklärt plötzliche Zusammenbrüche bei Modeerscheinungen, Finanzmärkten und Bankruns, die lange Zeit stabil aussehen können und dann abrupt zusammenbrechen, sobald widersprechende Information öffentlich wird.
Welche realen Phänomene werden durch Informationskaskaden erklärt?
Das Modell wurde angewendet, um die Popularität von Restaurants und Produkten trotz ähnlicher Qualität, IPO-Unterbewertung und Börsenblasen, Bankruns und finanzielle Ansteckung, die schnelle Übernahme oder Ablehnung medizinischer Behandlungen und neuer Technologien, Jury- und Wahlverhalten sowie Mode- und Kulturtrends zu erklären. In jedem Fall ist der gemeinsame Nenner, dass Menschen die Entscheidungen anderer leichter beobachten können als deren private Informationen.
Agenten kombinieren ein privates verrauschtes Signal mit den öffentlichen Entscheidungen ihrer Vorgänger und ignorieren dabei manchmal ihre eigenen Belege, um sich auf die falsche Option einzuschwenken.
3D · Three.js-/WebGL-Renderer · Ziel 60 FPS · läuft vollständig clientseitig, keine Installation nötig