KI-gestützte partizipative Modellierung: Neue Wege für sozio-ökologische Planung

In Zeiten tiefer Unsicherheit wird die Planung von sozialen und ökologischen Systemen immer komplexer. Forscher müssen zunächst die Problemstellung klar definieren, bevor sie Strategien entwickeln und umsetzen können. Traditionell erfolgt diese Problembeschreibung durch partizipative Modellierung, bei der die natürlichen Sprachbeschreibungen der Beteiligten in ein quantitatives Modell übersetzt werden. Dieser Prozess ist jedoch aufwendig und zeitintensiv.

Um diese Hürde zu überwinden, hat ein neues, templatisiertes Workflow-Konzept die große Sprachmodelle (LLMs) ins Spiel gebracht. Das Verfahren nutzt LLMs, um aus den intuitiven Problemformulierungen der Stakeholder die wesentlichen Modellkomponenten zu extrahieren, unterschiedliche Perspektiven zu erfassen, diese Komponenten zu einem einheitlichen Modell zusammenzuführen und schließlich das Modell in Python zu implementieren – alles durch wiederholte, dialogbasierte Interaktionen.

Die Machbarkeit wurde anhand zweier exemplarischer Anwendungsfälle demonstriert: einem Problem rund um einen See und einem Strommarkt. Mit ChatGPT 5.2 Instant konnten in beiden Fällen nach wenigen Iterationen akzeptable Modelloutputs erzielt werden, die anschließend von Menschen verifiziert und verfeinert wurden.

Die Ergebnisse zeigen eindeutig, dass große Sprachmodelle ein wirkungsvolles Werkzeug für die partizipative Modellierung im Kontext sozio-ökologischer Planung darstellen. Sie beschleunigen die Problembeschreibung, reduzieren den Aufwand für die Modellierung und ermöglichen eine schnellere und fundiertere Entscheidungsfindung unter Unsicherheit.