🏙️ Schelling-Segregation — Emergente soziale Dynamik

Jeder Umzug eines unzufriedenen Agenten verändert leicht die Nachbarschaften umliegender Agenten und bringt manchmal zuvor zufriedene in Unzufriedenheit. Diese lokalen Bewegungen kaskadieren, und die einzigen stabilen Konfigurationen sind meist solche, bei denen Gleiches mit Gleichem geclustert ist. Das Gesamtmuster übertrifft deutlich die bescheidene individuelle Präferenz — ein Kennzeichen nichtlinearer, sich selbst verstärkender Dynamik.

Raster legt die Seitenlänge des quadratischen Gitters fest, von 20 bis 100 Zellen, sodass die Gesamtzahl der Zellen von 400 bis 10.000 reicht. Dichte legt den Anteil der mit Agenten gefüllten Zellen fest, von 30 bis 95 Prozent, der Rest bleibt leer. Leere Zellen sind unverzichtbar, da unzufriedene Agenten freie Ziele benötigen; sehr hohe Dichte lässt wenige Umzugsmöglichkeiten und kann den Prozess verlangsamen oder zum Stillstand bringen.

Bei jedem Schritt durchsucht das Modell alle Agenten, listet die unzufriedenen auf und mischt diese Liste. Anschließend werden etwa 30 Prozent von ihnen (mindestens zehn, sofern möglich) in zufällig ausgewählte leere Zellen versetzt, wobei ihre Positionen mit freien Plätzen getauscht werden. Diese teilweise, randomisierte Bewegung hält die Dynamik geschmeidig, statt alle unzufriedenen Agenten auf einmal umzusiedeln.

Blaue Quadrate sind Gruppe A und rote Quadrate sind Gruppe B, während dunkle Zellen leer sind. Kräftig gefärbte Zellen kennzeichnen zufriedene Agenten, deren Nachbarschaft ihre Schwelle erfüllt, während hellere, verwaschene Farbtöne unzufriedene Agenten markieren, die noch nach einem besseren Platz suchen. Wenn die Simulation konvergiert, verschwinden die blassen Zellen und es bleiben feste Farbblöcke übrig.

Blau Zufrieden und Rot Zufrieden geben den Prozentsatz jeder Gruppe an, der aktuell zufrieden ist, die Gesamt-Leiste verschmilzt beide zu einer einzigen Zufriedenheitskennzahl, Schritte zählt abgeschlossene Iterationen, und Unzufrieden gibt an, wie viele Agenten noch umziehen möchten. Erreicht die Zahl der Unzufriedenen null, ist das System stabil und der Lauf stoppt automatisch, mit der Meldung, dass sich die Konfiguration eingependelt hat.

Sie bildet die Kernlogik von Schellings ursprünglichem Modell originalgetreu ab: eine Schwellenpräferenz, eine Moore-Nachbarschaft und die Umsiedlung unzufriedener Agenten in leere Zellen. Es handelt sich um ein stilisiertes soziales Modell und nicht um eine wortwörtliche Karte einer Stadt, daher werden Faktoren wie Einkommen, Verkehr, Schulen und Preise weggelassen. Ihr Wert liegt darin, einen Mechanismus aufzuzeigen, nicht darin, konkrete Nachbarschaften vorherzusagen.

Stadtplaner, Soziologen und Ökonomen nutzen Schelling-artige Modelle, um Wohnsegregation, Schulbezirke und Wohnungspolitik zu untersuchen. Eine zentrale politische Erkenntnis ist der Kipppunkt-Effekt: Da Segregation spontan entsteht, erfordert dauerhafte Integration möglicherweise stärkere Eingriffe, als man naiv erwarten würde. Der Rahmen lässt sich auch auf Meinungscluster, Marktsortierung und andere Systeme interagierender Agenten übertragen.