Kollektives Handeln ist erforderlich um nachhaltige Entwicklungspfade in gekoppelten sozial-ökologischen Systemen zu erschließen, fernab von gefährlichen Kippelementen. Ohne anderen Modellierungsprinzipien ihren Nutzen abzuerkennen, schlägt diese Dissertation die Agent-Umwelt Schnittstelle als die mathematische Grundlage für das Modellieren sozial-ökologischer Systeme vor. Zuerst erweitert diese Arbeit eine Methode aus der Literatur der statistischen Physik über Lerndynamiken, um einen deterministischen Grenzübergang von etablierten Verstärkungslernalgorithmen aus der Forschung zu künstlicher Intelligenz herzuleiten. Die resultierenden Lerndynamiken zeigen eine große Bandbreite verschiedener dynamischer Regime wie z.B. Fixpunkte, Grenzzyklen oder deterministisches Chaos. Zweitens werden die hergeleiteten Lerngleichungen auf eine neu eingeführte Umwelt, das Ökologisches Öffentliches Gut, angewendet,. Sie modelliert ein gekoppeltes sozial-ökologisches Dilemma und erweitert damit etablierte soziale Dilemmaspiele um ein ökologisches Kippelement. Bekannte theoretische und empirische Ergebnisse werden reproduziert und neuartige, qualitativ verschiedene Parameterregime aufgezeigt, darunter eines, in dem diese belohnungsoptimierenden Lern-Agenten es vorziehen, gemeinsam unter einem Kollaps der Umwelt zu leiden, als in einer florierenden Umwelt zu kooperieren. Drittens stellt diese Arbeit das Optimierungsparadigma der Lern-Agenten in Frage. Die drei Entscheidungsparadimen ökonomischen Optimierung, Nachhaltigkeit und Sicherheit werden systematisch miteinander verglichen, während sie auf das Management eines umweltlichen Kippelements angewendet werden. Es wird gezeigt, dass kein Paradigma garantiert, Anforderungen anderer Paradigmen zu erfüllen, sowie dass das Fehlen eines Meisterparadigmas von besonderer Bedeutung für das Klimasystem ist, da dieses sich am Rand zwischen Parameterbereichen befinden kann, wo ökonomische Optimierung weder nachhaltig noch sicher wird. / Collective action is required to enter sustainable development pathways in coupled social-ecological systems, safely away from dangerous tipping elements. Without denying the usefulness of other model design principles, this thesis proposes the agent-environment interface as the mathematical foundation for the design of social-ecological system models. First, this work refines techniques from the statistical physics literature on learning dynamics to derive a deterministic limit of established reinforcement learning algorithms from artificial intelligence research. Illustrations of the resulting learning dynamics reveal a wide range of different dynamical regimes, such as fixed points, periodic orbits and deterministic chaos. Second, the derived multi-state learning equations are applied to a newly introduced environment, the Ecological Public Good. It models a coupled social-ecological dilemma, extending established repeated social dilemma games by an ecological tipping element. Known theoretical and empirical results are reproduced and novel qualitatively different parameter regimes are discovered, including one in which these reward-optimizing agents prefer to collectively suffer in environmental collapse rather than cooperating in a prosperous environment. Third, this thesis challenges the reward optimizing paradigm of the learning equations. It presents a novel formal comparison of the three decision paradigms of economic optimization, sustainability and safety for the governance of an environmental tipping element. It is shown that no paradigm guarantees fulfilling requirements imposed by another paradigm. Further, the absence of a master paradigm is shown to be of special relevance for governing the climate system, since the latter may reside at the edge between parameter regimes where economic welfare optimization becomes neither sustainable nor safe.

Der Rückgang der Wildtiere kann Ökosysteme tiefgreifend verändern und das Risiko von Ernährungsunsicherheit und neu auftretenden Krankheiten erhöhen, die wiederum die globale Gesundheit, Gesellschaft und Wirtschaft bedrohen. Aufbauend auf dem theoretischen Überbau des Konzepts komplexer sozial-ökologischer Systeme untersuche ich in dieser Dissertation die Jagd und den Wildtierhandel in einem ganzheitlichen, differenzierten und skalensensitiven Ansatz. Dabei untersuche ich die Ursachen der Wildtiernutzung auf verschiedenen Ebenen (z.B. Nutzergruppen) und Skalen (lokal, global). Ich untersuchte ein lokales Umfeld durch eine Fallstudie um den Taï-Nationalpark in der Elfenbeinküste, indem ich 348 Jäger, 202 Buschfleischhändler, 190 Restaurantbesitzer und 985 Verbraucher in 47 städtischen und ländlichen Siedlungen befragte. Darüber hinaus untersuchte ich mithilfe von 114 persönlichen Interviews mit Nationalparkdirektoren in 25 afrikanischen und europäischen Ländern die Ausprägung der Jagd über den sozioökonomisch und ökologisch kontrastreichen globalen Süd-Nord-Gradienten. Die lokale Fallstudie zeigte die Heterogenität der Wildfleisch-Warenkette, in der mehrere Akteure Wildfleisch und verschiedene Taxa aus unterschiedlichen wirtschaftlichen, kulturellen oder ernährungsbedingten Beweggründen nutzen. Die globale Perspektive zeigte die sich verändernden Erscheinungsformen und Gründe für die Jagd entlang des globalen Süd-Nord-Gradienten. Im Süden überwog die illegale und kommerzielle Jagd auf Pflanzenfresser, während im Norden die legale, kulturell und sozial motivierte Jagd auf Huftiere und die illegale Jagd auf Raubtiere außerhalb von Parkgrenzen dominierte. Die Einbindung lokaler Gemeinschaften und die Berücksichtigung universeller Mechanismen menschlicher Kooperation könnte dem Naturschutz und der sozialen Gerechtigkeit zugutekommen. Nichtsdestotrotz verdeutlichen die Auswirkungen großräumiger Faktoren auf lokale Systeme die Notwendigkeit, gut umgesetzte lokale Maßnahmen mit einer angemessenen globalen Governance zu kombinieren, um den Raubbau an der Natur einzudämmen. / Declining wildlife can profoundly alter ecosystems and increase the risks of food insecurity and emerging diseases that threaten global health, societies, and economies. Building on the theoretical superstructure of complex social-ecological systems, I examine wildlife trade in a holistic, differentiated, and scale-sensitive approach, exploring the causes of wildlife use at different levels (e.g. user groups) and scales (local, global). I examined a local setting through a case study around Taï National Park in Côte d'Ivoire by interviewing 348 hunters, 202 bushmeat traders, 190 restaurant owners, and 985 consumers in 47 urban and rural settlements. Furthermore, I investigated the manifestation of hunting across the Global South-North gradient through 114 face-to-face interviews with national park directors in 25 African and European countries. The local case study revealed the heterogeneity of the wild meat commodity chain, in which multiple actors use wild meat and different taxa for varying economic, cultural, or nutritional motivations. The global perspective revealed the shifting manifestations and reasons for hunting along the Global South-North gradient. Illegal, commercial hunting of herbivores prevailed in the South, while legal, culturally-, and socially-motivated hunting of ungulates and the illegal pursuit of predators outside park boundaries were common in the North. Engaging local communities and incorporating universal mechanisms of human cooperation into conservation could benefit conservation and social justice. The impacts of large-scale drivers on local systems highlight the need for combining well-implemented local action and appropriate global governance to curb wildlife overexploitation