Um das Geheimnis hinter dem Erfolg der Hütehunde zu entschlüsseln, sammelten Strömbom und seine Kollegen zunächst Live-Daten einer Schafsherde samt Hütehund. Sie rüsteten dafür 46 Schafe und den Schäferhund mit GPS-Sendern aus, die ständig die Position der einzelnen Tiere übermittelten. Aus diesen Daten rekonstruierten sie die genauen Abläufe beim Treiben der Herde. Dabei zeigte sich immer wieder ein typischer Ablauf: “Als erstes nähert sich der Hund der Herde und die Schafe drängen sich enger zusammen”, berichten die Forscher. Dann positioniert sich der Hund hinter der Herde und beginnt, sie vorwärts zu treiben. Dabei jedoch beginnen Schafe an beiden Seiten, aus der Herde auszuscheren. Der Hund reagiert darauf, indem er in Richtung der Ausreißer läuft und zunächst diese wieder in die Herde drängt, bevor er die gesamte Gruppe dann wieder in die gewünschte Richtung treibt. Letztlich bewegt er sich daher in einer pendelnden Bewegung hinter der Herde her.
Nur zwei simple Regeln
Die große Frage aber war: Woher erkennt der Hund, wann er Ausreißer zurückholen muss und wann er einfach nur vorwärts treiben kann. Welchen Regeln folgt er? Um das herauszufinden, bildeten die Forscher Herde und Hund in einem Computermodell nach und versuchten, das beobachtete Geschehen auf einfache Regeln und Formeln herunterzubrechen. Und tatsächlich scheinen Hütehunde instinktiv zwei simplen Regeln zu folgen: Treibe die Schafe vorwärts, wenn sie eine dichte Masse bilden. Treten jedoch Lücken in der Herde auf und der Abstand der Schafe untereinander sinkt, dann dränge sie wieder zusammen. Im Modell konnten die Forscher auch die jeweiligen Schwellenwerte für diese Entscheidungen ermitteln – sie sind für jede Herdengröße unterschiedlich.
“Der Hund sieht im Prinzip nur lauter weiße, wollige Objekte vor sich”, erklärt Koautor Andrew King von der Swansea University. “Zu jedem Zeitpunkt entscheidet er instinktiv, ob diese Objekte eng genug beieinander sind oder nicht. Wenn nicht, verdichtet er sie, wenn doch, dann treibt er sie in Richtung auf sein Ziel.” Demnach führt der treibende Hund seine typische pendelnde Bewegung nicht nach einem festen Rhythmus oder Muster durch, sondern sie ist nur das Resultat des Algorithmus, dem er instinktiv folgt. In den Simulationen war der virtuelle Hund mit dieser Strategie in mehr als 80 Prozent der Fälle erfolgreich und erreichte mit allen Schafen sein Ziel – und das selbst dann, wenn seine Herde aus 200 Schafen bestand.
Anwendungen für die neuen Erkenntnisse gibt es viele – auch über die Schäferei hinaus. So könnte das Wissen um die Algorithmen dabei helfen, Tierherden aus gefährlichen Gebieten herauszuhalten oder automatische Robotertreiber für Herden zu programmieren. “Bisherige Modelle scheiterten bei größeren Gruppen – sobald es mehr als 50 Tiere waren, benötigte man mehrere Treiber”, berichtet Strömbom. Aber auch bei der Kontrolle von größeren Menschenmassen wären diese Algorithmen hilfreich. Denn sie zeigen beispielsweise, wann es sinnvoll ist, die Masse vorwärts zu drängen und wann dies kontraproduktiv ist, weil sie dann nur stockt oder sich in Untergruppen teilt. Im Ernstfall könnte dies sogar Leben retten, beispielsweise bei einem Brand in einem öffentlichen Gebäude, bei dem Rauch den Menschen die Sicht nimmt und sie als panische, orientierungslose Masse umherirren.
