Cambridge-Team simuliert Hitzewelle mit 100 LLM-gesteuerten Agenten

Eine virtuelle Gesellschaft unter anhaltender Hitze

Das Projekt, das auf der Website des Cambridge Accelerate Programme for Scientific Discovery beschrieben wird, entstand aus einer Forschungsaufgabe zu den Auswirkungen von Hitzewellen. Es wurde in der Förderrunde Accelerate-C2D3 2025 finanziert, die das Programm als Unterstützung für neuartige KI-Anwendungen in Forschung und Innovation beschreibt. Mit den Mitteln konnte das Team eine agentenbasierte Modellsimulation umsetzen.

Nach Angaben der Forschenden ist der Zusammenhang zwischen Hitze und negativen Folgen belegt, die sozialen und verhaltensbezogenen Triebkräfte dahinter seien jedoch kaum verstanden. Herkömmliche statistische Methoden könnten die dynamischen, nichtlinearen Wechselwirkungen oft nicht erfassen, die bestimmen, wie Menschen sich in Umweltkrisen anpassen. Die Frage des Teams lautete daher, ob eine Gesellschaft aus LLM-gesteuerten Agenten die sozialen Mechanismen der Hitzeanfälligkeit nachbilden kann.

Das Modell stützt sich auf zwei Verhaltenstheorien. Die Bedürfnisse der Agenten folgen der Maslowschen Bedürfnispyramide, die beschreibt, wie sich die Motivation vom Überleben hin zu sozialer Erfüllung verschiebt. Die Theorie der komplexen Ansteckung (Complex Contagion Theory) erklärt, wie sich Verhaltensweisen in einer Gruppe ausbreiten, wenn mehrere soziale Kontakte sie verstärken.

So wurde die Simulation aufgebaut

Das Team nutzte die groß angelegte Simulationsplattform von Agent Society, die für LLM-gesteuerte generative Sozialwissenschaft konzipiert ist. An der Simulation nahmen 100 heterogene Agenten teil, deren psychologische und soziale Profile aus realen Daten abgeleitet wurden. Ihre kognitiven Funktionen basierten auf dem Qwen LLM.

Um die Anfälligkeit zu messen, entwickelten die Forschenden einen Heat Vulnerability Index auf Grundlage von in der Literatur definierten Risikofaktoren, darunter Alter, sozioökonomischer Status, ethnische Zugehörigkeit und Wohnumfeld. Die Agenten wurden in vier Stufen eingeteilt: niedrig, mäßig, hoch und extrem.

Das Szenario lief über 13 Tage in drei Phasen: eine dreitägige Ausgangsphase, eine fünftägige Hitzewelle mit Temperaturen von bis zu 40 °C und eine fünftägige Erholungsphase. Das Team erfasste mit Zeitstempel Daten zu Gefühlslagen, Verhalten, der Befriedigung physiologischer und sozialer Bedürfnisse sowie zur zwischenmenschlichen Kommunikation.

Erste Befunde zu Ungleichheit und sozialer Verstärkung

Den vorläufigen Ergebnissen der Forschenden zufolge waren die psychischen Folgen der Hitzewelle ungleich verteilt. Besonders anfällige Agenten zeigten einen stärkeren Rückgang des Sicherheitsempfindens und der sozialen Verbundenheit als Agenten mit geringer Anfälligkeit. Widerstandsfähige Agenten pflegten weiterhin ihre alltägliche Selbstfürsorge, etwa ausreichend zu trinken und kühlere Orte aufzusuchen, während anfälligere Agenten weniger Schutzmaßnahmen ergriffen.

Bei der Verbreitung von Risikoinformationen wurde die Übernahme hilfreicher Maßnahmen durch soziale Verstärkung in eng verbundenen Netzwerken getrieben, nicht durch breite Verbreitung von Warnungen oder Mitteilungen. Maßnahmen wurden eher übernommen, wenn mehrere enge Kontakte wie Freunde, Familienmitglieder oder Nachbarn sie bestärkten. Das deute darauf hin, so das Team, dass Maßnahmen bei realen Hitzewellen neben Massenwarnungen auch über vertraute Gemeinschaftsnetzwerke wirken könnten.

Die Autoren argumentieren zudem, dass die Hauptgefahr einer Hitzewelle in einer Gesellschaft mit gesichertem Zugang zu Nahrung und Unterkunft vor allem psychosozialer Natur sein könnte, insbesondere für verletzliche Menschen. Sie beschreiben die Arbeit als simulierte, mechanistische Grundlage, um Maßnahmen auf Gemeindeebene, die soziale Bindungen stärken, in Strategien zur Klimaresilienz zu priorisieren.

Validierung, Datenfreigabe und nächste Schritte

Die Forschenden räumen ein, dass das Modell noch mit realen Daten validiert werden muss, was sie als große Herausforderung bezeichnen. Eine Idee ist, sich auf eine bestimmte Bevölkerungsgruppe wie Schwangere zu konzentrieren. Dafür wären ein regelbasiertes biologisches Modell der Schwangerschaft, Umweltdaten und Geburtsergebnisse nötig, und es wäre ein längerfristiges Projekt unter Beteiligung einer Medizinerin oder eines Mediziners.

Das Team bereitet die Veröffentlichung seiner Ergebnisse vor und hat sein Modell sowie die Datenquellen auf GitHub zur Nutzung und Weiterentwicklung bereitgestellt. Mitglieder präsentierten ein Poster auf der Jahrestagung 2026 der Population Association of America, unterstützt durch Mittel des Accelerate Programme. Der Autor, der einen Hintergrund in Public Health und nicht in Informatik hat, nutzte einen Teil der Förderung auch, um Kenntnisse im maschinellen Lernen aufzubauen.

Für die Planung im Bereich öffentliche Gesundheit liefert die Arbeit einen simulierten Hinweis, dass Botschaften an eng verbundene Netzwerke mehr bewirken könnten als Warnungen über Massenkanäle allein. Da die Ergebnisse aus einer Simulation stammen und vorläufig sind, betonen die Autoren die Notwendigkeit einer Überprüfung an realen Bevölkerungsgruppen.