Mit Artificial Life (AL) wird eine Forschungsrichtung beschrieben, die sich um die Voraussetzungen kümmert, die künstliche Systeme erfüllen müssen, um als lebend angesehen werden zu können. Der wichtigste Gesichtspunkt ist dabei, wie diese künstlichen Systeme untereinander oder mit ihrer Umwelt interagieren. Von den materiellen Substraten (wie der Kohlenstoffchemie beim "realen Leben") wird dagegen meistens abstrahiert. Einer der Begründer der AL-Forschung, Chris Langton, hat zur Umschreibung des Gebiets die griffige Formel "Life as it could be" gefunden.

Nach zaghaften Anfängen in der zweiten Hälfte der Achtziger Jahre, bei denen es immer wieder um eine Abgrenzung vom ungleich älteren und etablierteren Gebiet der Artificial Intelligence (AI) ging, hat sich AL inzwischen zu einem veritablen Forschungsfeld entwickelt, in dem etliche Hundert Wissenschaftler arbeiten. Zwei regelmässig in jährlichem Wechsel stattfindende internationale Konferenzen, die meist in den USA stattfindende Artificial Life und das europäische Pendant European Conference on Artificial Life, belegen diese Entwicklung.

Auch in Deutschland gibt es Aktivitäten auf diesem Gebiet. Die beteiligten Wissenschaftler stammen aus Informatik, Physik, Biologie, Medizin, Maschinenbau, Robotik, Halbleiterforschung, Psychologie, Philosophie und Ökosystemforschung. Regelmässige Treffen dieser heterogenen Gruppe in der Form von Workshops (mit 30 bis 50 Teilnehmern) bieten intensive Diskussionsmöglichkeiten. Die vierte Ausgabe dieses "German Workshop on Artificial Life" (GWAL) fand Anfang April im Wissenschaftszentrum Thurnau der Universität Bayreuth statt. Er wurde vom Lehrstuhl Ökologische Modellbildung des Bayreuther Instituts für Terrestrische Ökosystemforschung (BITÖK) organisiert.

Neben hardwarenahen Aufgabenstellungen wie der Robotik und dem Moleküldesign (oft als wetware bezeichnet) dominieren vor allem Computersimulationen das Feld. Hierbei kann man zwei Kategorien unterscheiden. Zum einen rein artifizielle Systeme ohne konkretes Vorbild, die aber wesentliche Merkmale lebender Systeme aufweisen. Dazu gehören z.B. Reproduktionsfähigkeit, Metabolismus, endliche Lebensdauer, Konkurrenz um Ressourcen oder im evolutionären Kontext Mutation und Selektion. Zum anderen versucht man konkrete biologische (oder auch kulturelle) Systemvorbilder in ihren Kerneigenschaften mit völlig neuartigen Techniken nachzubilden. Modelle dieser zweiten Kategorie werden auch am Lehrstuhl Ökologische Modellbildung entwickelt und eingesetzt.

Beim ersten Typ von Anwendungen geht es um biologische Problemlösungsstrategien, die sich nachprogrammieren lassen. Es wird in der Regel eine Anzahl von Individuen betrachtet, die ein Spektrum von Fitnesswerten aufweisen; existieren mehrere konkurrierende Spezies (die im einfachsten Fall durch unterschiedliche Ressourcen-Nutzungsstrategien unterschieden sind), entsteht eine Art virtuelle Ökologie (der Begriff "computational ecosystems" tauchte bereits in der Literatur auf). Vielleicht entsteht später das neue Gebiet der Artificial Ecosystems, etwa auf der Basis des Internets.

Bekannt sind aus dieser Kategorie die unter dem Schlagwort "Krieg der Kerne" zusammengefassten Modelle, bei denen Assemblerprogramme um Speicherplatz oder Rechenzeit in ihrem Host-Computer kämpfen. Prototypen dieser Modelle sind tierra von Tom Ray und avida von Adami und Mitarbeitern. Die oft nur aus wenigen Anweisungen bestehenden Programme können sich an freie Stellen im Hauptspeicher kopieren, neue Anweisungen hinzufügen oder alte löschen, erleiden aber auch Spontanmutationen, die lethal sein können (Programm nicht mehr ausführbar). Ihre Fitness ist z.B. proportional zur Anzahl der pro Zeiteinheit von diesem Programm ausgeführten Anweisungen. Je nach Heterogenität der Ressourcenverteilung kann eine dominante Spezies auf lange Sicht überleben, oder es kommt zu Nischenbildung und Koexistenz. Unter welchen Randbedingungen erreicht das System stationäre Endzustände oder evolviert (scheinbar?) ständig weiter? Die Beantwortung dieser Frage nach der Existenz von "open-ended evolution" in den Modellen hat sich als überraschend schwierig herausgestellt.

Modernere Varianten dieser Modelle sind Systeme aus sogenannten mobilen Software-Agenten. Das sind Programme, die zunächst keine spezielle Aufgabe bekommen und mit relativ unspezifischen Fähigkeiten, aber Lernkapazitäten ausgestattet sind und z.B. in einem lokalen Netzwerk oder auch weltweit (Internet) migrieren können. Es können so komplexe Gemeinschaften aus solchen Agenten aufgebaut werden, in denen soziale Dilemmata von Kooperation und Konkurrenz um öffentliche Güter u.ä. auftauchen, die beobachtete Merkmale von Sozialsystemen widerspiegeln. Es existiert auch ein verteiltes System von Agenten, die Kommunikation treiben und dazu sich erst auf eine (Kunst-)Sprache einigen müssen, anscheinend mit einigem Erfolg und vielleicht nach ähnlichen Prinzipien wie bei der Entstehung menschlicher Sprache. Dieses sogenannte Talking Heads Experiment stammt von Luc Steels von der Universität Brüssel. Weitere Beispiele sind Wissensagenten, die selbsttätig das Internet nach bestimmten Inhalten durchsuchen, oder persönliche Agenten, die auf das Profil einzelner menschlicher Benutzer zugeschnitten sind und ihrem "Besitzer" vielversprechende Kontakte anbieten. Es scheint sich ein enormes Anwendungspotential für Agentensysteme abzuzeichnen.

In der zweiten Kategorie geht es um den Einsatz von Softwaretechniken zur Analyse biologischer und kultureller Systeme. Es wird oft versucht, beobachtetes Konkurrenz- oder Sozialverhalten zu simulieren, z.B. um einen Minimalsatz von notwendigen Eigenschaften zu ermitteln, die Modelle besitzen müüsen, um das gewünschte Verhalten zu zeigen. Komplexe Organismengemeinschaften wie Honigbienen (Fig. 1) oder Ameisen lassen sich so in ihrem wesentlichen Sozialverhalten nachbilden. Solche Simulationen werden z.B. von einer Gruppe aus Informatikern und Biologen an der Universität Würzburg durchgeführt. Auch an der Universität Bayreuth werden (humane) soziale Dynamiken mit AL-Techniken untersucht (Institut für Philosophie, Prof. Dr. Rainer Hegselmann). Es gibt auch einen flexiblen "Programmier-Baukasten" namens SWARM, der Multi-Agenten Systeme verschiedenster Architekturen zu konstruieren gestattet.

Am Lehrstuhl Ökologische Modellbildung werden Waldwachstumssimulatoren entwickelt und eingesetzt, die eine realistische Repräsentation eines aufwachsenden Waldbestandes vor allem in visueller Hinsicht gestatten. Hierbei interessiert allerdings weniger die Sicht des Biologen, sondern die des Försters: welche Elemente bei welchem Grad von Konkretheit müssen die Simulationen aufweisen, damit der Ökosystem-Praktiker sie als Abbild seiner täglichen Erfahrungen wahrnimmt? Wie geht der wirtschaftende Mensch mit dieser Art von natürlichen Systemen um? Zwar weist das Modell damit Merkmale eines Flugsimulators für Förster auf, die Analyse der Aktionen des handelnden Menschen dreht den Informationsfluss üblicher AL-Simulationen allerdings um: den wichtigsten Input liefert der Modellbenutzer. Die Modellierer bekommen die Aufgabe, die Aktionen des Nutzers zu analysieren, um ein Verständnis dafür zu entwickeln, warum es möglich ist, erfolgreich und über lange Zeiträume mit einem aus wissenschaftlicher Sicht derart komplexen System zu interagieren. Dabei steht das Waldökosystem nur prototypisch für vom Menschen genutzte Systeme. Im allgemeinen Kontext untersuchen wir evolutionäre Veränderungen von Systemen, die sich ihre Umgebung selber schaffen, und die Anpassungsleistungen des Menschen darauf. Kann die kontinuierliche Interaktion zwischen Agenten und einer koevolvierenden Umgebung noch in kausale Beziehungen zerlegt werden? Welche Rolle spielt Gedächtnis in Modellen derartiger Interaktionen? Zur Beantwortung dieser Fragen werden u.a. Verfahren zur Mustererkennung vorhandener zeitlicher und räumlicher Strukturen eingesetzt, die ebenfalls aus den Gebieten AL und AI stammen. Vielleicht kommt man so dem Ziel näher, das menschliche Umwelt-Handeln auf wenige Prototypen zurückzuführen, die je nach Umgebung oder vorgefundener Ökosystemstruktur zur Anwendung gekommen sind. Der Umgang mit der Natur erscheint so als Lernproblem und die Artificial Life Methoden als ausgezeichnetes Mittel, die vom Menschen gefundenen Lösungen dieses Problems wissenschaftlich nachzuvollziehen.

Grafik des Originalartikels