Dominanzverläufe

Dominanzverläufe bezeichnet die zeitliche Entwicklung der Dominanzpositionen einzelner Individuen innerhalb einer sozialen Gruppe. Dominanz entsteht durch wiederholte Interaktionen wie aggressives Verhalten, Dominanzsignale, Submission, Koalitionsbildung und den Zugang zu Ressourcen. Dominanzverläufe beschreiben, wie stabile oder fluide Rangordnungen sich im Verlauf der Zeit bilden, stabilisieren oder verändern und welche Muster dabei auftreten.

Zur Erfassung werden Langzeitbeobachtungen und gut dokumentierte Interaktionsdaten herangezogen. Aus diesen Daten lassen sich Rangfolgen und deren Veränderungen ableiten. In der Verhaltensforschung verwendete Kennzahlen sind etwa der David’s Score oder Elo-Ratings, die Rangzuordnungen zeitlich abbilden und Auf- oder Abstieg sichtbar machen.

Typische Muster umfassen stabile, lineare Hierarchien mit wenigen Rangwechseln sowie dynamische, nichtlineare Verläufe mit häufigen Auf- und Absteigern. Veränderungen können durch Koalitionsbildungen, Wegzug oder Neuankömmlinge, saisonale Effekte, Alterung oder Veränderungen in der Ressourcenverteilung ausgelöst werden. Die Dynamik ist oft kontextspezifisch und species- bzw. gruppenspezifisch unterschiedlich.

Faktoren, die Dominanzverläufe beeinflussen, umfassen individuelle Merkmale (Alter, Geschlecht, Körpergröße, Gesundheitszustand), soziale Beziehungen (Bindungen, Allianzen, Verwandtschaft), Ressourcenverteilung, Gruppengröße, Umweltbedingungen und die jeweilige Sozialkultur der Gruppe. Zudem können soziale Rückkopplungen wie Stress, Reproduktionserfolg oder Mortality den Verlauf moderieren.

Bedeutung und Anwendungen: Dominanzverläufe liefern Einblicke in die Struktur sozialer Systeme, den Zugang zu Ressourcen, Fortpflanzungserfolg und Stressbelastung. Anwendungen finden sich in der Verhaltensforschung, Tierhaltung, Welfare-Assessment in Zoos oder Landwirtschaft sowie in der Organisationsforschung menschlicher Gruppen, wo sie Führung, Machtverhältnisse und Gruppenstrukturen erklären helfen. Herausforderungen bestehen in Kontextabhängigkeit, Messfehlern und der Vergleichbarkeit zwischen Arten und Settings.