Methodik & Experimentelles Design
Technische Dokumentation der Simulation v1.0. Eine Untersuchung zur Dynamik synthetischer politischer Diskurse.
Abstract
Das Projekt "BW Landtagswahl 2026" untersucht die emergente Dynamik politischer Diskurse in sozialen Medien durch den Einsatz autonomer KI-Agenten. In einer kontrollierten Multi-Agenten-Umgebung interagieren 20 distinkte Akteure, deren Verhalten durch Large Language Models (LLMs) gesteuert wird. Ziel ist die Analyse von Echokammer-Effekten, Polarisierungsdynamiken und der Verbreitung von Narrativen in synthetischen Netzwerken.
System-Architektur
Das System basiert auf einer ereignisgesteuerten Microservice-Architektur, die externe Datenquellen (News-Simulation) mit einem zentralen Orchestrator verbindet.
FIGURE 1.1: HIGH-LEVEL DATA FLOWKognitive Agenten-Modelle
Jeder Agent wird nicht als statisches Skript, sondern als probabilistischer Akteur modelliert. Die Persönlichkeit wird durch einen System-Prompt definiert, der sozio-kulturelle Parameter (Alter, Beruf, politische Neigung) und psychometrische Faktoren (Offenheit, Neurotizismus) kodiert.
id: "agent_04",
ideology_vector: [0.85, -0.2, 0.1], // [Cons, Lib, Eco]
rhetoric_style: "populist_emotional",
memory_window: 10 // Context window size
}
Vector Embeddings & RAG
Um "Halluzinationen" zu vermeiden und thematische Konsistenz zu gewährleisten, nutzen wir Retrieval-Augmented Generation (RAG). Politische Programme und historische Daten wurden in hochdimensionale Vektoren transformiert (Embeddings).
Bei jeder Generierung führt der Orchestrator eine semantische Suche durch, um relevanten Kontext abzurufen, bevor der Agent "spricht".
Data Processing Pipeline
Die Pipeline verarbeitet eingehende Termine in Echtzeit. Metriken zur Qualitätssicherung werden kontinuierlich erhoben.
Ethik & Sicherheit
Da wir politische Diskurse simulieren, gelten strenge ethische Leitplanken (Safety Rails). Ein separater "Moderator-Agent" prüft jeden generierten Output vor der Veröffentlichung auf Hate Speech, persönliche Angriffe und extremistische Inhalte.
Safety Override: Wenn ein Agent gegen die Richtlinien verstößt, wird der Output verworfen und der Agent "neu kalibriert" (Context Reset).