AETHERIA/AOW Lore & Design Deutsch

Multidimensionales Ecosystem — Flora & prozedurale Vegetation

Dieses Kapitel beschreibt die antarianische Pflanzenwelt (Flora), ihre Florenreiche und Taxonomie sowie das Flora BDI Framework für die prozedurale Generierung der Vegetation. Es behandelt inverse prozedurale Modellierung, Wachstumsfaktoren und die agentengesteuerte Simulation des pflanzlichen Eco Systems.


Pflanzenwelt (Flora)

Die antarianische Pflanzenwelt (Flora) beschreibt den systematischen Artenbestand aller vorkommenden Organismen mit autotropher Ernährung in der Gesamtheit aller gefundenen Species generierter Spielareale. Für die Taxonomie wird die antarianische Flora innerhalb ihrer Biome in verschiedene Florenreiche auf Areale, Zonen und Sektoren in charakterlich geprägte Vegetationsklassen simuliert berechnet.

Jede Pflanze in Antarien ist ein eigenstaendiger BDI/RC-Agent mit eigenen Zielen, Absichten und Ueberzeugungen. Diese Betrachtungsweise unterscheidet das antarianische Oekosystem fundamental von herkoemmlichen Spielen, in denen Vegetation lediglich als statische Dekoration dient — hier reagiert jeder Baum, jeder Strauch autonom auf Umweltveraenderungen.

Oberstes Ziel (Desire) der Flora im Sinne der BDI-Agenten-Architektur soll eine optimierte und möglichst unabhängige Phylogenese in den Spielsektoren auf Basis einer hochwertigen Pflanzentaxa begründen. Insbesondere sollen diese teils zur Laufzeit gerenderten PMG-Modelle über LOD-Prinzipien und genetische sowie heuristische Optimierungsverfahren eine tiefe Immersion und zugleich Teil des evolutionären Craftingsystems (Geschlossene Kreisläufe & Recycling) werden.

Die Pflanzenwelt in einem Biom ist agentengesteuert und durch verschiedene Regelkreisläufe (Klima, Witterung, Nahrung, Hydrologie) auf höherer Spielebene (Klimacluster) verbunden. Sie wird bei ausreichenden Bedingungen im Areal, dem Klima und dessen Einflussgrößen gemäß wachsen und gedeihen, und je nach ihrer Pflege und Anspruch vielzählige Arten und Mutationen ausprägen können. Sie wird gleichermaßen vergänglich sein, als auch unter der Berücksichtigung von Rahmenbedingungen — wie zum Beispiel der Arosarübe als Kulturpflanze, Buschwerk, oder im Prinzip jedweder Vegetation — von Spielern über Spielzonen hinweg angesiedelt und kultiviert werden können.

Die Göttin Flora gab ihren Namen, und die Göttin Apitele wacht über ihre Schützlinge der antarianischen gottgebenen Vegetation. {{AOW}} wird insbesondere in Hinblick auf die Altersidentifikation, welche im starken Zusammenhang mit dem Einklang mit der Natur steht, — wie in Ausprägungen druidischer Rituale (Energie aus der Natur über Photosynthese) und dem globalen Kräftegleichgewicht (Raubbau mit der Natur) — für hinreichend spezifische Diversifikation sorgen.

Pilze zählen wissenschaftlich nicht mehr zur Flora. Das Regnum — die Pilzflora Funga — wird auf einer eigenen Ebene (Layer) des Eco Systems abgebildet. Ebenso verhält es sich mit den im Habitat möglichen anzusiedelnden Bakterien.

Florenreiche

So wie realbegründet Florenreiche sich durch ihre Eigenständigkeit der Flora in der Wissenschaft der Biogeografie ausbreiten, so nutzt das Konzept diesen Umstand, die Hauptdirektive (Desire) der Agenten im Eco System zu profilieren. Agenten arbeiten im Kollektiv mit und gegeneinander, um eine signifikante Anzahl verschiedener Species auf einem Florenreich im Biom zu generieren.

Die Florenreiche müssen zu anderen Spielzonen in ihrer Abgrenzung zu konkurrierenden Eco Systemen in Form von Florenkontrast und Florengefälle berücksichtigt werden. Der qualitative Maßstab der Faunagüte ermittelt sich aus der vorliegenden Taxonomie (Rang: Familien, Gattungen, Ordnung, Klasse, Reich und Stamm) bezogen auf das Auftreten von Pflanzenarten nach pflanzengeographischer Entstehungsgeschichte (Phylogenese).

Die so generalisierten Florenelemente sind Mittel, spielerisch die Wertigkeit seiner als Heimat zu bezeichnenden Areale — vergleichbar Player vs. Player (PvP/GvG) — funktionelle und komplexe Spieltiefe zu geben. So spielen viele Faktoren eine entscheidende Rolle, ob ein Spielsektor einfach nur gemeine Vegetation aufweist, oder ob mit Hilfe von situierten Florengrenzen — also natürlichen Grenzen (Barrieren) wie Gebirgen, Ozeanen, Wüsten — versucht wird, die Ausbreitung der Pflanzensippen durch Spielerhand signifikant zu kontrollieren. So kann sich der Spieler in gewisser Hinsicht seine eigene Galapagos-Insel in der Mannigfaltigkeit eines blühenden und lebendigen Planeten erschaffen. Mit dem Bestand im fortschreitenden Alter der erschaffenen Florengrenzen kann Evolution spezifisch kanalisiert und entsprechender Florenkontrast — und damit die Güte (Startbedingungen) im Areal — erheblich verbessert werden. Wertvolle Ressourcen entstehen aus der Artenvielfalt und einem gesunden und blühenden Eco System.

An den aufeinander treffenden, zum Teil gegensätzlichen Agentenzielen wird die Abgrenzung konkurrierender Eco Systeme berücksichtigt. Die konzeptionelle Systematik unterteilt die oberste Ordnung der Biome auf der Spielebene.

Oberste Ordnung der Biome auf Spielebene: Provinzen, Bezirke und Distrikte mit realbegründeter Systematik.

Savannen, wechselfeuchte Wälder, Heiden, Grasländer und Regenwald als klassifizierbare Zonen innerhalb der Florenregionen.

Taxonomie

In {{AOW}} sprechen wir vom Taxonomieren der Pflanzengattungen. Der Begriff aus der Biologie bezeichnet in Hinblick einer systematischen Einheit bezogen auf das Wissen einer bestehenden Gruppe von Lebewesen ein sogenanntes Taxon. Spieler werden ihren eigenen gefundenen Species wissenschaftliche Namen geben und diese über einen nomenklatorischen Code für die Forschung verwenden können.


Flora BDI Framework

Das Flora BDI Framework nutzt genetische Algorithmen und inverse prozedurale Modellierung, um aus wenigen Basismodellen eine nahezu grenzenlose Variation von Pflanzenarten zu erzeugen. Jede Iteration beruecksichtigt Umweltfaktoren wie Klima, Bebauung und Witterung — so entsteht eine lebendige, sich staendig weiterentwickelnde Pflanzenwelt.

Die Pflanzenwelt ist durch ihre Eigenständigkeit als Systemteilnehmer konzipiert — nicht nur jedes Tier, sondern auch jede Pflanze ist ein BDI/RC-Agent. Diese Betrachtungsweise ist zwingend, da die Absichten (Intentions) durch Spieler und andere Agenten zur Laufzeit bestimmt und angepasst werden. Es wird den Teilnehmern ermöglicht, Adaptionen an sich selbst als auch gegenüber ihrer Umwelt zielbestimmend vorzunehmen. Auch wenn dies für viele Leser noch nicht vorstellbar ist, so müssen wir uns von der Betrachtungsweise lösen, die ständig versucht, nur den klassischen NPC mit künstlicher Intelligenz — vergleichbar Echte KI Simulation — ausstatten zu wollen.

Das Flora BDI Framework will die antarianische Artenvielfalt durch prozedural erstellte Floramodelle in Form variabler Parametersets mit Reaktivität auf die Umwelt (Environment) in realistischer Interaktion in den jeweiligen Spielarealen als Teil des Eco Systems generieren und simulieren. Wir beschäftigen uns mit der Systematik der Eukaryoten-Domäne — Lebewesen, die mindestens einen Zellkern besitzen. Unsere Pflanzen (Embryophyta) sind nach ihrer Klassifikation Lebewesen, welche über chronobiologische Zyklen gesteuerte Generationswechsel vollführen.

So lässt sich das Flora Framework nachfolgend in 10 Kategorien generalisieren. Die beschreibenden Parametermodelle der jeweiligen Klassen müssen eine kompakte Semantik als auch eine genügend spezifische Repräsentationskraft darbieten. Dabei sind insbesondere die Gefäßpflanzen der Klassen Nacktsamer und Bedecktsamer als komplexeste Form der prozeduralen und hybriden Modellierung im antarianischen Eco System von Bedeutung. In den nachfolgenden Spezifizierungen beschäftigen wir uns mit der Beschreibung eines kompakten Parametermodells für alle BDI/RC-gestützten Gefäßpflanzen, welche über den Embryophyta-Katalog (Taxonomie) der Basismodelle den Einzug in die antarianische Flora finden. Des Weiteren möchte das Framework zugleich eine adäquate Ähnlichkeitsberechnung zwischen Basismodell und prozedural generiertem Parametersatz — also dem neu adaptiv entstandenen Modell — gegenprüfen können. Ebenso muss ein Verfahren zur automatischen Bestimmung der Eingangsparameter (Initiales Setup) entsprechender Inputmodelle aufgezeigt werden, um mit Beginn der Berechnungen bereits hinreichende Ähnlichkeit im optischen Erscheinungsbild gegenüber dem Basismodell zu erzielen.

Floraklassen

Einzellige Prokaryoten als fundamentale Basis des Eco Systems.

Niedere Pflanzen ohne Gefäßsystem — frühe Besiedler auf Gestein und Boden.

Aquatische Organismen — Grundlage der Nahrungsketten in Gewässern.

Extremophile Einzeller — besiedeln extreme Habitate.

Protozoen und einfache Eukaryoten im Mikrobiom.

Gymnospermen — Nadelbäume und Koniferen als komplexe Gefäßpflanzen.

Ascomyceten — Funga auf eigener Eco-System-Ebene (Layer).

Gefäßsporenpflanzen — Bindeglied zwischen niederen und höheren Pflanzen.

Basidiomyceten — die sichtbaren Pilze des Waldes auf eigenem Layer.

Angiospermen — Blütenpflanzen als komplexeste Form der prozeduralen Modellierung.

Inverse Procedural VPS Modeling

Die Schwierigkeit, aus einem in Echtzeit gesteuerten Prozess heraus ähnliche Pflanzenmodelle — also auch Bäume — zu situieren, bedarf verschiedener spezifizierter Vorgehensmodelle. Die grundlegende Idee besteht darin, aus einem Basismodell über Reverse Engineering Methoden entsprechende Strukturbeschreibungen sowie verschiedenartige Baum- und Pflanzenstrukturen, ähnlich dem zugrunde liegenden Basismodell, zu generieren. In Anlehnung an diese Vorbedingungen wird das Framework über heuristische Optimierungsverfahren — etwa über genetische Algorithmen — versuchen, eine Äquivalenz der am Eingang liegenden Modelle stochastisch abzubilden. Unabhängig der Agentensteuerung ermöglicht dies eine grenzenlose Variation derselben Basismodelle im Eco System. Dazu werden polygonierte Flora-Modelle als Basiseingang in die prozedurale Berechnung gegeben. Die Basismodelle werden in biologisch natürliche und entwicklungsspezifische Teilkomponenten aufgesplittet und über Algorithmen stochastisch in ihren Wachstumsprozessen über spezifische Parametersets neu determiniert. Dabei berücksichtigen die zu erzeugenden Parameter die biologische Natürlichkeit des Generationswechsels und kompensieren spezifisch die möglichen Umwelteinflüsse. Die Optimierungen der Parametersets werden zudem in ihrer Taxonomie spezifischen chronobiologischen Zyklen folgen und systematisch durch die in der Umwelt veränderlichen Einflussgrößen — wie Klima, Bebauung, Spieler, Witterung — signifikante und adaptive Iterationen durchlaufen und ausprägen.

Das Eingangsmodell wird automatisch vermessen, um später die notwendigen Iterationen (Optimierungen) auf das generierte Modell vergleichen und anpassen zu können. Die Funktion Analysis of Cost des Asset Measurement System (A/MAS) — vergleichbar Lebendige Assets (Evolution) — führt die Eingangsbestimmung und Determinierung der Assets (Basismodelle) durch. Als Inputs dienen Modelle aus VUE, PlantFactory, xFrog oder SpeedTree — vektorbasierte Modelle biologischer Pflanzen und Bäume.

Vermessene Parametersets werden als Aggregationen über die Procedural Model Generation (PMG) an die Schnittstelle modifiziert übergeben. Die Besonderheit liegt in der Beschreibung der Parameter auf Basis moderner biologischer Wachstumsprozesse, welche direkt aus der Natur nachgeahmt und im Framework simuliert werden.

Mit jeder Iteration vergleicht eine Fitnessfunktion optimierte Parameterwerte mit der initialen Vermessung. Optimierung endet, wenn keine signifikanten Verbesserungen erzielt werden.

Das errechnete Floramodell wird nach Florenreichen spezifiziert platziert. BDI-Agenten aktivieren sich zur Erfüllung ihrer Ziele im Environment.

Im Leveldesign geht es nicht mehr um das Setzen einfacher statischer virtueller Objekte, sondern um die Anwendung zukunftsorientierter Verfahrensweisen — die Objekte passen sensibel ihre Form und Befähigungen an und reagieren autonom auf veränderbare Bedingungen der Entwicklungsumgebung. So entscheidet das zugrunde liegende komplexe Wachstumsmodell über die zu generierende Vielfältigkeit des Basismodells. An dieser Stelle unterscheiden sich auch die Technologien diverser sich am Markt befindlicher Eco-Generatoren. Der vergleichsweise in hiesigen Spielen etablierte Baumbestand ist hingegen selten prozedural generiert und lässt durch seine Etablierungsmechanismen keine Möglichkeiten der umweltbeeinflussenden Adaption als Teilnehmer des Systems zu. Zu aufwändig wäre es, die verschiedenen Adaptionen desselben Baumes herkömmlich über klassisches Leveldesign in die Spielewelt zu integrieren — von dessen Änderungen an der Struktur zur Laufzeit in Abhängigkeit von Witterung, Klima etc. ganz zu schweigen. Antares Open World möchte insbesondere mit den Wachstumsmechanismen realbegründet fundieren. Die biologischen und wachstumsorientierten Parameter sind der Schlüssel für die realistische Simulation einer ansprechenden wachsenden Flora. Im Bereich der antarianischen Bäume liegt der Anspruch in einer breiten Palette verschiedener Baumarten nach Taxonomie. Der Wachstumszyklus muss bereits auf konzeptioneller Ebene berücksichtigt werden — innovative Frameworks basierend auf evolutionären Strategien mit zyklengesteuerter Sensorik, die reaktiv auf ihre Schnittstellen intervenieren können. Als Beispiel dient die Ausprägung der Triebe eines Astes in seinen apikalen und lateralen Knospen bei entsprechender Lichtsensitivität.

Es mag futuristisch klingen, aber alle notwendigen Technologien und Mechanismen zur Umsetzung sind vorhanden. Die Rechenleistung ist unter Berücksichtigung von Level of Detail (LOD) Algorithmen und Sparse Octree Speicherprozeduren durchaus genüge. Gerade für die zeitsparende Politik der Indie-Szene ist diese Herangehensweise von essentieller Bedeutung.

Da die Komplexität der virtuell abzubildenden Szenen bei weitem dem menschlichen Kontrolleinfluss unterliegen wird, muss der zu etablierenden Morphogenetik eine proaktive Entwicklungsumgebung (IDE) für die notwendigen Konstrukte und Modellierungswerkzeuge mitgegeben werden — eine innovative Prozessentwicklung für das Finden der initialen Eingangsparameter, kontrolliert durch BDI-gesteuerte Agenten über genetische Algorithmen.

Wachstumsfaktoren und Parameterbeschreibungen

Die 25 Wachstumsparameter — aufgeteilt in apikale, laterale, Internodien-, Ast- und VPS-Sektionen — bilden das Rueckgrat der prozeduralen Pflanzenmodellierung. Ueber diese Parameter steuern die BDI-Agenten das Wachstum jeder einzelnen Pflanze in Abhaengigkeit von Sonnenlicht, Schwerkraft, Alter und Auxin-Konzentration, was zu biologisch plausiblen und visuell einzigartigen Ergebnissen fuehrt.

Das Konzept definiert 3x5 Wachstumsparametergruppen (WPG) — Apikale, Laterale und Internodienparameter — des Weiteren 1x6 geometrische Parameter (Ausprägungen) sowie 1x4 zentralisierende und umweltbeeinflussende Parameter. Die beschriebenen Parameter ermöglichen es, über die BDI/RC-begründeten Agenten im Eco System entsprechende Pflanzenorgane wie Internodienlänge oder Phyllotaxis von Gefäßpflanzen gezielt auszuprägen.

Apikale Knospenfugen (Apical Section)

5 Parameter beschreiben die Apikalvarianz, das Wachstum der Apikalebene, das Alter der Apikale, die Morbidität sowie die Auswirkungen des Sonnenlichts. Dieser Parametersatz ergibt die spätere Struktur der Verzweigung und deren Dichte — der erste Teil der Baumgeometrie (Phyllotaxis).

Parameter Kontrollgröße Bereich Init Beschreibung
ϑ API/VARIANCE Apikalvarianz im Drehwinkel der lateralen Knospenfugen 0–100 17 Veränderbarkeit und Streuung der Wachstumsrichtung zur nächsten Knospe
ϑ API/GROWTH Astebenenkontrolle — Wachstumsrate der Astebenen 0–10 3.3 Einfluss der jeweiligen Astebene auf die Wachstumsrate der Zweighöhen
ϑ API/AGE Astebenenalter — Wachstumsrate einer Astebene 0–1 0.80 Einfluss der Astebene auf die Wachstumsrate im Verhältnis zum Alter
ϑ API/DEATHRATE Sterberate der apikalen Knospen am Zweig 0–1 0.012 Anzahl aussterbender apikaler Knospen innerhalb eines chronobiologischen Zyklus
ϑ API/SUNLIGHT Apikale Sonnenwachstumsrate 0–1 0.24 Einflussfaktor des Sonnenlichts auf Ausprägung und Wachstumsgeschwindigkeit

Der erste Parameter repräsentiert den sphärischen Winkel ϑ API/VARIANCE mit der Varianz der Apikalknospen, welche immer zu den jeweiligen Enden eines Elternzweiges ausgerichtet werden. Der sphärische Winkel wird über seinen aufgespannten möglichen Raum {θ ~ M(0, ϑ API/VARIANCE), ϕ ~ P(0, 2π)} determiniert. Die geometrische Variation der Gefäßpflanze repräsentiert sich reaktiv im sphärischen Raum durch die Einwirkung eines oder mehrerer morphogenetischer Felder. Mit Aktivierung der Apikalknospe durch dieses Feld richtet sich die weitere Wachstumsausprägung nach der Wachstumsrate ϑ IN/GROWTH/CNT aus dem Parametersatz der Internode Section, die bestimmt, wann ein neuer Stengelknoten als laterale Knospenfuge modelliert wird und damit morphogenetisch simulierend die entsprechende Internodienlänge determiniert. So sind diese beiden Parameter, über das Feld getriggert, für den Abstand zwischen zwei lateral ausgeprägten Knospen entlang eines Zweiges verantwortlich.

Internodien (Internode Section)

Parameter Kontrollgröße Bereich Init Beschreibung
ϑ IN/LENGTH Internodienlänge zwischen zwei Wachstumsfugen 0–2 0.22 Abstand zwischen zwei Apikalen — das Alter spielt eine signifikante Rolle
ϑ IN/GROWTH/CNT Wachstumsrate (Frequenz) — Stengelknoten pro Zyklus 0–10 3.85 Anzahl der Stengelknoten pro Iterationsschritt der circadianen Frequenz
ϑ IN/AGE Internodienalter — Adaption der Internodienlänge 0–2 0.92 Basislänge korreliert stark mit dem Alter — zusätzlicher Altersfaktor
ϑ IN/AVERAGE Mittelwert der Winkeldifferenz zwischen zwei Seitenknospen 10–350 132 Mittelwert der Winkeldifferenz zwischen Internodien
ϑ IN/VARIANCE Varianz der Winkeldifferenz zwischen zwei Seitenknospen 0–50 4 Varianz der Winkeldifferenz zwischen Internodien

Ast-Parameter (Branch Section)

Parameter Kontrollgröße Bereich Init Beschreibung
ϑ BRA/PRUNING Beschnittkenngröße für maximale Ausläuferdynamik 0–2 0.16 Wachstumsverhalten bezogen auf Sonne, Abschattungen, Tierfraß und Kultivierung
ϑ BRA/PRUNING/HIGH Beschnitthöhe der Seitenäste aller lateralen Ausläufer 0–10 1.93 Maximale Höhe eines möglichen Beschnittes, Befraßes oder Abschattungen
ϑ BRA/GRAV/POW Nominaler Schwerkrafteinfluss — Zweigbeugung 0–1 0.26 Schwerkraft in den Arealen ist unterschiedlich ausgeprägt und spielrelevant
ϑ BRA/GRAV/AGONY Radialer Schwerkrafteinfluss — Zweigbeugung 0–1 0.09 Winkel der strukturellen Dicke des Astes im Verhältnis zu seiner Biegung
ϑ BRA/PHOTOTROPISM Phototropismus — Pflanzenbewegung 0–1 0.17 Auswirkung des ankommenden Sonnenlichts auf die durchschnittliche Wachstumsrichtung
ϑ BRA/GRAVITROPISM Gravitropismus — Pflanzenbewegung -1–1 0.36 Auswirkung der Schwerkraft auf die durchschnittliche Wachstumsrichtung eines Triebes

VPS-Parameter (Vascular Plant Species Section)

Parameter Kontrollgröße Bereich Init Beschreibung
ϑ VPS/AUXIN/SET Basissuperiorität — ausgeschüttete Auxinmenge 0–10 0.96 Auxin als Wachstumsregulator der Apikale mit multipler Wirkung auf Differenzierungsprozesse
ϑ VPS/AUXIN/FLOW Sensibilität auf die Auxinmenge 0–1 0.40 Mit Transport des Auxin in die Wurzeln nimmt die Menge ab — je größer der Baum, desto signifikanter
ϑ VPS/AUXIN/RESI Desensibilisierung im Alter 0–2 0.912 Mit fortschreitendem Alter nimmt die Superiorität der Apikale auf alle Auxin-Kenngrößen ab
t VPS/GROWTH/TIME Wachstumszeit — Einflussparameter Alter und Größe 1–100 22 Kontrolliert Größe und biologisches Alter bezogen auf den nominalen chronobiologischen Zyklus

Die Laterale Sektion (Lateral Buds) war im Originalmanuskript als Platzhalter markiert — die dortigen Parameterwerte waren Duplikate der Apikalen Sektion. Die spezifischen Parameter für laterale Knospenfugen müssen in der technischen Spezifikation separat definiert werden.


Siehe auch


Module: Ase Docs 00.16.32 [feat] Author: Jan Ohlmann (antarien.com@gmail.com) Co-Author: Claude Code (Anthropic) Created: 2026-02-22 Updated: 2026-02-22 Status: Kuratierte Version — Multidimensionales Ecosystem: Flora & prozedurale Vegetation (PortalViewer DSL)