Agentmandering: Spieltheoretisches Modell für faire Wahlkreisbildung
Wahlkreisbildung entscheidet maßgeblich, wie Stimmen in politische Macht übersetzt werden. Traditionelle Computerverfahren erzeugen zwar viele rechtlich zulässige Karten, vernachlässigen jedoch die strategischen Dynamiken, die bei der Auswahl entstehen. Dadurch können parteiische Akteure Karten auswählen, die zwar formal korrekt, aber politisch vorteilhaft sind. Agentmandering löst dieses Problem, indem es die Redistricting‑Prozess als rundenbasiertes Verhandlungsspiel zwischen zwei Agenten gestaltet, die jeweils gegensätzliche politische Interessen vertreten.
Das Konzept stützt sich auf spieltheoretische Prinzipien, insbesondere das „Choose‑and‑Freeze“-Protokoll, und nutzt große Sprachmodelle (LLM), um die Interaktion zu steuern. In jeder Runde wählen die Agenten aus einer kleinen Menge möglicher Karten einen Distrikt aus und sperren ihn fest. Auf diese Weise wird der Staat schrittweise in interpretierbare, regelkonforme Abschnitte unterteilt, wobei die strategische Entscheidungsfindung transparent bleibt.
Die Evaluation anhand der US‑Census‑Daten nach 2020 in allen Bundesstaaten zeigt, dass Agentmandering den parteiischen Bias deutlich reduziert und die Ungerechtigkeit minimiert. Gleichzeitig erreicht es eine Varianz, die 2 bis 3 Größenordnungen niedriger ist als bei herkömmlichen Baselines. Besonders in Schwungstaaten demonstriert das Verfahren sowohl Fairness als auch Stabilität, was die politische Repräsentation erheblich verbessert.
Der komplette Code ist auf GitHub verfügbar: https://github.com/Lihaogx/AgentMandering.