Direkt zur Demo springen

Schwarmintelligenz (Boids)

Drei einfache Regeln, ein komplexer Schwarm

Ausprobieren

Spiele mit dem Schwarm

🐦 Mission: Tipp ins Bild — dein Räuber jagt den Schwarm. Zieh dann einen der drei Regler auf 0 und schau, was dem Schwarm fehlt.

Klick ins Bild platziert einen Räuber. Schiebe einen Regler auf 0, um zu sehen, was diese Regel beiträgt.

Steuerung
Ablauf
Boids140Ø Nachbarn0.0Räuber0Zustand🦅 Einzelgänger
Voreinstellung
Verhalten
Hält Abstand zu Nachbarn. Niedrig = Boids drücken sich. Hoch = isolieren sich.
Passt Richtung an Nachbarn an. Niedrig = ungerichtetes Wuseln. Hoch = synchroner Marsch.
Steuert zum Gruppen-Mittelpunkt. Niedrig = Schwarm zerfällt. Hoch = enges Knäuel.
Wie weit jeder Boid sieht. Klein = lokale Cluster. Groß = globale Schwarm-Wahrnehmung.
Wie viele Boids im Schwarm. Mehr = dichter, sichtbarer Schwarm. Weniger = besser zu beobachten.
Globale Zeit-Skalierung. 1× = Zeitlupe für Detail-Studium. 100× = hektisch.
Anzeige
Schweife anzeigen Zeichnet eine kurze Spur hinter jedem Boid — macht Bewegungsrichtung und Sub-Schwärme sichtbar.
Cluster färben Färbt zusammenhängende Sub-Schwärme jeweils unterschiedlich. Macht sichtbar, wie sich Gruppen von selbst bilden.

Was auf dem Bild passiert

Diese Demo zeigt einen künstlichen Schwarm: viele kleine Objekte, die zusammen fliegen wie ein Vogel- oder Fischschwarm. Hier steht, was du auf dem Bild siehst.

Was du siehst
Ein offenes Feld voller winziger Pfeile — jeder ein einzelnes Wesen, das in seine Flugrichtung zeigt. Mal ballen sie sich zu einer dichten Wolke, mal ziehen sie in langen Bändern über das Feld. Objekte, die gerade dieselbe Gruppe bilden, tragen dieselbe Farbe.
Was passiert
Niemand führt den Schwarm an, und trotzdem entsteht eine fließende Formation, die ständig ihre Gestalt wechselt. Setzt du einen Räuber ins Feld, stiebt der Schwarm auseinander wie aufgescheuchte Vögel, teilt sich um die Gefahr herum und findet kurz danach wieder zusammen.
Was du tun kannst
Klick oder tipp ins Feld, um einen jagenden Räuber zu setzen. Zieh die drei Regler oder wähl ein fertiges Muster, und blende Spuren und Gruppen-Farben nach Belieben ein.
Worauf du achtest
Jedes Objekt folgt nur drei einfachen Regeln: zur Mitte der Nachbarn halten, deren Richtung übernehmen und trotzdem Abstand wahren. Aus diesen lokalen Regeln allein entsteht das ganze Gruppenverhalten — ohne Anführer, ohne zentrale Steuerung.

🎯 Hast du es gespürt?

Wenn du alle drei Gewichte (Separation, Alignment, Cohesion) auf 0 ziehst, was passiert?

Fünf Aufgaben für dich. Schaffst du alle?

0 von 5 geschafft
  • ⬜
    Bring den Schwarm zum Auflösen Tipp: „Einzelgänger"-Preset klicken — oder Cohesion auf 0 und Separation maximal. Ø-Nachbarn muss 2 Sekunden lang unter 2,0 bleiben.
  • ⬜
    Erzwinge einen synchronen Marsch Tipp: Alignment hoch, Sep+Coh niedrig — und Geduld.
  • ⬜
    Erreiche ein dichtes Knäuel Tipp: Cohesion hoch, Sichtradius groß.
  • ⬜
    Triggere eine emergente Flucht Tipp: Räuber setzen während Schwarm dicht ist.
  • ⬜
    Spiele mit allen 4 Presets Tipp: Klick jeden Preset-Button mindestens einmal.

Definition

Was sind Boids?

Analogie

Schau einem Vogelschwarm im Herbst zu: Hunderte Stare wirbeln in perfekter Choreographie über den Himmel — kein Anführer, keine Funkverbindung, kein Plan. Trotzdem entstehen die berühmten Schwarmformationen wie aus dem Nichts, als hätte jemand sie choreographiert. Genau dieses Rätsel löst die Boids-Simulation.

Jeder Vogel achtet nur auf seine direkten Nachbarn: Er hält Abstand, fliegt grob in deren Richtung und steuert sanft zur Gruppe zurück. Mehr macht er nicht. Aus drei winzigen lokalen Regeln entsteht eine komplexe globale Bewegung — ohne dass irgendwo „Schwarm" programmiert wäre. Das ist Emergenz: das Ganze tut Dinge, die in keinem seiner Teile stehen.

Und warum steht das in einem KI-Buch? Weil moderne KI immer öfter so funktioniert: viele kleine Agenten, lokale Regeln, kein Chef. Drohnenschwärme, Roboter-Flotten, Multi-Agent-Lernsysteme, Optimierungsalgorithmen wie Particle Swarm Optimization — sie alle bauen auf demselben Prinzip auf, das du gleich selbst in der Hand hast.

Bevor wir auf Start drücken: Wo liegt eigentlich die Überraschung? Intuitiv würde man denken, ein koordinierter Schwarm braucht einen Anführer oder zentrale Steuerung. Reynolds zeigte 1986, dass das falsch ist. Es reichen drei Regeln pro Boid — und das, obwohl jeder Boid nur einen kleinen Ausschnitt seiner Welt kennt (seinen Sichtradius). Kein Boid weiß, wo der Schwarm hin will. Kein Boid weiß, wie viele andere es gibt. Trotzdem entsteht globale Ordnung. Diese drei Regeln sind:

  1. Separation — Abstand halten Jeder Boid berechnet einen Fluchtvektor weg von Nachbarn, die zu nah sind — wie du in einer Menschenmenge instinktiv etwas Abstand hältst. So vermeiden Boids Kollisionen und der Schwarm hat „Atemluft". Hoher Wert → der Schwarm zerstäubt zu Einzelgängern. Wert 0 → Boids kleben ineinander zu einem einzigen Punkt.
  2. Alignment — Richtung angleichen Jeder Boid mittelt die Geschwindigkeitsvektoren seiner Nachbarn und passt seine eigene Richtung daran an — wie wenn du in einer Menschenmenge mit dem Strom mitläufst, ohne es zu merken. So entstehen die typischen Schwarmwolken, die wie ein einziger Organismus wandern. Wert 0 → jeder fliegt ungerichtet vor sich hin. Hoher Wert → synchroner Marsch, alle gleiche Richtung.
  3. Cohesion — zur Gruppe steuern Jeder Boid steuert sanft auf den lokalen Mittelpunkt seiner Nachbarn zu — der Sog, der Gruppen überhaupt erst zusammenhält. Wert 0 → der Schwarm zerfällt, jeder driftet alleine weg. Hoher Wert → enges Knäuel, alle versuchen ins Zentrum zu kommen. Gemeinsam mit Separation hält das den Schwarm in einer angenehmen, nicht zu engen Distanz.

Die drei Regeln klingen unspektakulär. Der Trick steckt im Zusammenspiel: Separation hält die Boids auseinander, Cohesion zieht sie zusammen, Alignment synchronisiert ihre Richtung — und genau in der Balance dieser Kräfte taucht ein emergentes Gesamtmuster auf: koordinierte Bewegung ohne Anführer, ohne zentrale Steuerung, ohne Plan. Niemand entscheidet, wo der Schwarm hinfliegt — der Schwarm „entscheidet" als Ganzes, obwohl es ihn als „Ganzes" eigentlich gar nicht gibt.

Dasselbe Prinzip findest du überall in der Natur: Ameisenstaaten bauen riesige Nester ohne Architekten, das menschliche Gehirn produziert Bewusstsein aus Milliarden einzelner Neuronen, Märkte bilden Preise ohne dass jemand sie festlegt. Emergenz ist eines der mächtigsten Konzepte, um komplexe Systeme zu verstehen — und Boids ist sein vielleicht zugänglichstes Demo-Beispiel.

Auch das Räuber-Verhalten in dieser Demo ist nicht extra programmiert: Der Schwarm flieht, weil jeder Boid den Räuber im Sichtradius als zusätzlichen Abstoßungsvektor sieht. Die spektakuläre Flucht-Choreographie ist eine Folge — kein Feature.

🔍 Schnell-Check

Welche Regel sorgt dafür, dass Boids nicht zusammenkleben?

TheoriePseudocodeSchritt für SchrittFlussdiagramm

Drei Regeln, ein Schwarm

Boids ist ein Modell für künstliche Schwarmbewegung, das Craig Reynolds 1986 in der Computergrafik vorgestellt hat. Jeder Boid (kurz für „bird-oid object") kennt nur die Boids in seinem Sichtradius und befolgt drei Regeln:

  • Separation: Halte Abstand zu Nachbarn, die zu nah sind
  • Alignment: Passe deine Richtung an die Nachbarn an
  • Cohesion: Steuere sanft zum lokalen Mittelpunkt der Gruppe

Warum funktioniert das?

Jeder Boid führt diese drei Berechnungen pro Frame lokal aus. Es gibt keinen Anführer, keine globale Steuerung, keine zentrale Logik. Trotzdem entsteht koordinierte Bewegung — das nennt man Emergenz.

Der Räuber in der Demo ist nicht als eigenes Feature programmiert. Er fügt jedem Boid in Sichtweite einen zusätzlichen Abstoßungsvektor hinzu. Die Flucht-Choreographie ist wieder eine emergente Folge.

Eigenschaften

  • Dezentral: jeder Boid kennt nur seine Nachbarn
  • Lokal: Sichtradius begrenzt, kein globales Wissen
  • Robust: Ausfall einzelner Boids stört den Schwarm nicht
  • Skalierbar: dieselben Regeln funktionieren bei 10 oder 10 000 Boids

Spiele in der Demo! Schiebe einen Slider auf 0 — du siehst sofort, was diese eine Regel beiträgt. Klick ins Bild und beobachte, wie der Schwarm vor dem Räuber flieht.

💡 Algorithmus-Check

Welche Komplexität hat die einfache Nachbar-Suche pro Frame?

Boids sieht aus wie eine hübsche Spielerei, ist aber die Blaupause für eine ganze Klasse moderner KI- und Robotik-Systeme. Überall, wo viele Akteure ohne zentrale Steuerung sinnvoll zusammenarbeiten sollen, taucht das Boids-Muster wieder auf — oft im Kern, oft nur als gedankliche Vorlage.

Das Prinzip dahinter: dezentrale Intelligenz

Klassische Software ist meist zentral organisiert: ein Hauptprogramm trifft Entscheidungen, alle anderen Komponenten gehorchen. Boids zeigt die Gegenposition: viele kleine Akteure, jeder mit einer winzigen lokalen Sicht und einem winzigen Regelwerk. Das hat drei riesige Vorteile, die für KI entscheidend sind:
  • Robust: Fallen einzelne Boids aus, läuft der Schwarm weiter. Es gibt keinen Single Point of Failure. Test es selbst: Reduziere die Boid-Anzahl mitten im Lauf — der Schwarm bleibt ein Schwarm.
  • Skalierbar: Die gleichen drei Regeln funktionieren bei 10 oder 10 000 Boids. Es gibt keine zentrale Stelle, die zum Engpass werden könnte.
  • Anpassungsfähig: Ändert sich die Umgebung (Räuber, Hindernis, andere Schwärme), reagieren die lokalen Regeln automatisch. Niemand muss „den Plan" umschreiben.

Wo Boids-Prinzipien heute stecken

Diese Anwendungen nutzen entweder direkt Boids-Regeln oder ihre Verallgemeinerungen (Multi-Agent-Systeme, Schwarmintelligenz):

Drohnenschwärme

Koordinierte Drohnen-Flotten — etwa bei Lichtshows, Such- und Rettungseinsätzen oder militärischer Aufklärung — nutzen Boid-ähnliche Regeln, damit hunderte Drohnen ohne zentrale Steuerung kollisionsfrei und formationsstabil fliegen. Würde ein zentraler Rechner alle steuern, wäre die Funkverbindung der Engpass — und ein Single Point of Failure.

Particle Swarm Optimization (PSO)

Ein berühmter Optimierungsalgorithmus, direkt von Boids inspiriert. Statt einer Lösung „suchen" viele Partikel parallel den Suchraum ab, tauschen lokal Informationen aus und konvergieren gemeinsam zur besten Lösung. Wird für Hyperparameter-Tuning neuronaler Netze, Funktions-Optimierung und Engineering-Design eingesetzt.

Multi-Agent Reinforcement Learning

In modernem Multi-Agent RL lernen viele KI-Agenten gleichzeitig — etwa kooperierende Roboter, Spieler in Strategiespielen oder konkurrierende Trading-Bots. Die Architektur ist dezentral wie bei Boids: jeder Agent sieht nur einen Ausschnitt, lernt seine eigene Policy, und kollektives Verhalten emergiert.

Schwarm-Robotik

Forschungslabors bauen Hunderte günstige Mini-Roboter, die als Schwarm zusammenarbeiten — z. B. Kilobots am Harvard. Diese können sich zu Formen zusammensetzen, Flächen abdecken oder Objekte transportieren, indem jeder Roboter nur seine direkten Nachbarn wahrnimmt. Klassische Boids-Anwendung in echter Hardware.

Verkehrs- & Crowd-Simulation

Verkehrsplaner und Stadion-Designer simulieren Menschenmassen und Fahrzeugströme mit Boids-Erweiterungen, um Stoßzeiten, Evakuierungswege und Bahnhofs-Layouts zu testen. Jeder simulierte Mensch hat einen lokalen „Sichtradius" und folgt Regeln wie Separation und Cohesion.

Film & Spiele (VFX)

„Findet Nemo"-Fischschwärme, die Fledermäuse in „Batman Returns", die Heere in „Herr der Ringe" — fast jede Massenszene moderner Filme nutzt Boid-Varianten. Reynolds bekam 1998 sogar einen Technik-Oscar dafür. In Games animieren Boids NPCs, Vogelschwärme und Tierherden.

Biologie & Forschung

Biologen modellieren reale Fisch- und Vogelschwärme mit Boids-Varianten, um Hypothesen über tierisches Verhalten zu testen. Umgekehrt liefert die Beobachtung echter Schwärme Erkenntnisse, die in bessere KI-Schwarmsysteme zurückfließen.

Der Bogen zur KI

Klassische KI war lange „ein großes Modell, das alles entscheidet" (z. B. ein einzelnes neuronales Netz). Moderne KI bewegt sich zunehmend zu Multi-Agenten-Architekturen: mehrere spezialisierte Modelle, Agenten oder Roboter, die lokal kommunizieren und zusammen mehr leisten als jedes für sich. Boids ist die einfachste, klarste Lern-Demo für dieses Denken — und genau deshalb steht es in diesem Buch. Wenn du danach „KI-Autos lernen selbst fahren" (Neuroevolution) öffnest, siehst du das gleiche Prinzip auf der nächsten Stufe: viele lernende Agenten, kein zentraler Plan.

Prüfen

Teste dein Verständnis

Was passiert, wenn du in dieser Demo Cohesion und Alignment beide auf 0 stellst?

Wähle eine Antwort

Auflösung: 1) B · 2) C · 3) B · 4) B

Einfache Sprache

Diese Vorschau ist in Einfacher Sprache. Das ganze Portal gibt es auch in Einfacher Sprache. Du kannst oben die Sprache wechseln. Oder nutze den Knopf unten. Unsere Texte in Einfacher Sprache entstehen KI-gestützt und werden redaktionell begleitet. Sie orientieren sich an den Grundprinzipien der Leichten Sprache, sind aber keine geprüfte Leichte Sprache: Eine Prüfgruppe von Menschen mit Lernschwierigkeiten prüft sie nicht.

Vorschau: Demo: Vögel im Schwarm

Was zeigt die Demo?

Diese Demo zeigt einen Vogel-Schwarm. Hunderte Vögel fliegen zusammen. Aber es gibt keinen Chef-Vogel. Jeder Vogel folgt 3 einfachen Regeln. Trotzdem entsteht ein schöner Schwarm. Das nennt man Emergenz.

Wie du die Demo benutzt

Klicke in das Bild. Dann erscheint ein Räuber. Die Vögel fliehen vor dem Räuber. Du kannst auch Knöpfe drücken. Jeder Knopf ändert das Verhalten. Spiele mit den Reglern.

Die 3 Regeln

Regel 1 heißt Separation. Vögel halten Abstand. Regel 2 heißt Alignment. Vögel fliegen gleich schnell. Regel 3 heißt Cohesion. Vögel bleiben zusammen.

Was du lernst

Du lernst: Aus einfachen Regeln wird komplexes Verhalten. KI nutzt das auch. So lernen viele kleine Programme zusammen-zu-arbeiten.