MALLES: KI-basierte Wirtschaftssandbox mit Verbraucherpräferenz-Alignment

In der realen Wirtschaft stellen hochdimensionale, multimodale Umgebungen in Kombination mit heterogenen Agenten und sparsamen Daten die Entscheidungsfindung vor große Herausforderungen. Das neue Projekt MALLES – Multi-Agent Large Language Model-based Economic Sandbox – nutzt die Generalisierungsfähigkeit großer Sprachmodelle, um ein einheitliches Simulationsframework zu schaffen, das über verschiedene Domänen und Produktkategorien hinweg einsetzbar ist.

Im Kern steht ein Präferenzlernparadigma: Die LLMs werden nach dem Training mit umfangreichen, heterogenen Transaktionsdaten aus unterschiedlichen Produktkategorien ausgerichtet. Dadurch können die Modelle latente Konsumentenpräferenzen internalisieren und auf neue Kategorien übertragen, was die typischen Datenlücken in einzelnen Bereichen reduziert.

Zur Stabilisierung der Simulation wird ein Mittelwertfeldmechanismus eingesetzt, der die dynamischen Wechselwirkungen zwischen Produktumfeld und Kundengruppen modelliert und so die Stichprobenprozesse in hochdimensionalen Entscheidungsräumen stabilisiert. Ergänzend bietet MALLES ein Multi-Agenten-Diskussionsframework, in dem spezialisierte Agenten gemeinsam umfangreiche Produktinformationen verarbeiten. Diese Aufteilung des kognitiven Aufwands verhindert Engpässe einzelner Agenten und erfasst entscheidende Faktoren durch strukturierte Dialoge.

Experimentelle Ergebnisse zeigen, dass MALLES die Genauigkeit bei Produktauswahl und Kaufquantität signifikant verbessert und damit einen vielversprechenden Ansatz für datenintensive Wirtschaftssimulationen darstellt.