💰 quantitative finance

"Rich-Get-Richer"? Platform Attention and Earnings Inequality using Patreon Earnings Data

Unter Verwendung von Patreon-Einnahmedaten zeigt diese Arbeit auf, dass Plattform-Aufmerksamkeitsalgorithmen eine „Rich-get-richer“-Dynamik vorantreiben, bei der die Einnahmen einer hochkonzentrierten Pareto-Verteilung ( $\alpha \approx 2$ ) folgen, wobei algorithmische Verschiebungen die kreative Mittelschicht unverhältnismäßig stark schädigen und die Ungleichheit über verschiedene soziale Medienplattformen hinweg dazu führt, dass diese gegen zunehmend schwerfällige Verteilungen konvergieren.

Ursprüngliche Autoren: Ilan Strauss, Jangho Yang, Mariana Mazzucato

Veröffentlicht 2026-07-17

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Ilan Strauss, Jangho Yang, Mariana Mazzucato

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich das Internet als eine riesige, geschäftige digitale Stadt vor, in der jeder versucht, bemerkt zu werden. In dieser Stadt sind die „Bürgermeister“ nicht durch Wahlen oder Preise gewählt; es sind die Algorithmen – geheime, unsichtbare Regeln, die entscheiden, welche Straßenecke den meisten Fußgängerverkehr erhält und welche leer bleibt. Dieses Paper existiert in der Welt der digitalen Ökonomie, einem Feld, das untersucht, wie Geld in diesen Online-Räumen fließt. Um die Geschichte zu verstehen, müssen Sie zwei Dinge wissen: erstens, dass Aufmerksamkeit die neue Währung ist (gesehen zu werden ist der Weg, wie man bezahlt wird); und zweitens, dass viele Dinge in der Natur und der Gesellschaft einem „Potenzgesetz“ folgen. Denken Sie bei einem Potenzgesetz an eine Pyramide, bei der die Basis riesig und die Spitze winzig ist, aber die Spitze so hoch ist, dass sie den Himmel berührt. In einer normalen Pyramide sind die Stufen gleichmäßig. In einer Potenzgesetz-Pyramide ist die Basis eine massive Menge und die Spitze ein einziger, einsamer Riese. Dies ist wichtig, weil, wenn die Regeln der Stadt diesen Riesen zu sehr begünstigen, die Mittelschicht der Stadt verschwindet und nur die Superstars überleben.

Die Autoren dieses Papers, Ilan Strauss, Jangho Yang und Mariana Mazzucato, beschlossen, hinter die Kulissen dieser digitalen Städte mit einem speziellen Werkzeug zu blicken: Patreon. Patreon ist eine Website, auf der Fans direkt an Ersteller zahlen, um zusätzliche Inhalte zu erhalten, aber hier ist der Haken: Patreon hat selbst keine eigene Methode, um Ihnen neue Ersteller vorzustellen. Um auf Patreon bezahlt zu werden, müssen Sie bereits anderswo berühmt sein, zum Beispiel auf YouTube, Instagram oder Twitter. Die Ersteller setzen dann einen Link zu ihrem Patreon in ihr Hauptprofil. Aus diesem Grund ist das Geld, das ein Ersteller auf Patreon verdient, ein perfekter Spiegel dessen, wie viel Aufmerksamkeit er auf seiner Hauptplattform erhalten hat. Wenn ein YouTuber eine Million Aufrufe bekommt, bekommt er wahrscheinlich auch viele Patreon-Fans. Wenn er null Aufrufe bekommt, bekommt er auch null Patreon-Fans.

Die Forscher untersuchten Daten von über 100.000 Erstellern aus drei verschiedenen Jahren (2018, 2021 und 2024), um zu sehen, wie das Geld verteilt war. Sie fanden etwas Erstaunliches heraus: Die Einnahmen auf fast allen Plattformen folgen einem „Reiche-werden-reicher“-Muster, das mathematisch durch eine Zahl namens Alpha (α) beschrieben wird. In ihrer Welt bedeutet ein niedrigeres Alpha eine steilere, unfaire Pyramide. Sie fanden heraus, dass dieser Wert für die meisten Plattformen bei etwa 2,0 liegt. Dies ist eine sehr spezifische Zahl, die darauf hindeutet, dass das System massiv gegen den Durchschnittsmenschen manipuliert ist. Es bedeutet, dass für jeden Schritt, den man die Leiter hinaufsteigt, die Belohnungen nicht nur ein wenig größer werden, sondern explodieren. Die Top-Ersteller generieren Einnahmen in einer Rate, die eher einem Investmentportfolio eines Milliardärs als dem Gehalt eines regulären Arbeiters gleicht.

Als sie die verschiedenen Städte verglichen, waren die Ergebnisse wie ein Zeugnis über die Fairness. YouTube und Instagram hatten die niedrigsten Zahlen (um 1,8 und 1,84), was bedeutet, dass sie am unfairsten sind. Auf diesen Plattformen wird die „Mittelschicht“ der Ersteller – jene, die zwar ordentlich populär, aber keine Superstars sind – verdrängt. Ihre Einnahmen sind niedriger, und die Kluft zwischen den Reichen und dem Rest ist größer. Im Gegensatz dazu hatten Twitter/X und nur auf Patreon agierende Ersteller höhere Zahlen (um 2,35 und 2,24), was auf eine etwas flachere, fairere Pyramide hindeutet, in der mehr Menschen von etwas leben können, obwohl die Spitze immer noch das größte Stück des Kuchens erhält.

Der beunruhigendste Teil der Geschichte ist die Zeitreise. Als die Autoren die Daten von 2018 betrachteten und sie mit 2024 verglichen, sahen sie, dass die Pyramiden steiler wurden. Die Zahlen für Instagram und YouTube sanken, was bedeutet, dass der „Reiche-werden-reicher“-Effekt jedes Jahr stärker wird. Es ist, als ob der Bürgermeister der Stadt langsam die Lichter in den Nachbarschaften ausschaltet und statlich ein riesiges Rampenlicht nur auf das eine Haus an der Spitze wirft. Die Autoren vermuten, dass dies geschieht, weil die Algorithmen immer besser darin werden, virale Inhalte zu finden und sie an alle auszuspielen, während sie den „Long Tail“ kleinerer, nischiger Ersteller ignorieren.

Die Autoren sind jedoch vorsichtig damit, zu sagen, dass sie das Rätsel gelöst haben. Sie geben zu, dass, obwohl die Muster so aussehen, als seien die Algorithmen der Übeltäter, andere Dinge im Spiel sein könnten. Vielleicht sind die Menschen auf Twitter einfach großzügiger mit ihrem Geld, oder vielleicht sind die Ersteller auf YouTube einfach kompetitiver. Sie können nicht mit 100-prozentiger Sicherheit beweisen, dass der Algorithmus der einzige Grund ist, aber die Beweise deuten stark darauf hin, dass die Art und Weise, wie diese Plattformen Aufmerksamkeit verteilen, der Haupttreiber dieser Ungleichheit ist. Sie merken auch an, dass mit der Verbesserung der Künstlichen Intelligenz bei der Erstellung von Inhalten dieses Problem noch schlimmer werden könnte, da die Algorithmen noch mehr von dem „Viralen“, das bereits existiert, besessen sein könnten, was weniger Raum für neue, unterschiedliche Stimmen lässt.

Kurz gesagt zeichnet dieses Paper das Bild einer digitalen Welt, in der sich die Regeln des Spiels langsam dahingehend ändern, dass die Superstars noch mehr begünstigt werden als zuvor. Die „Mittelschicht“ der Ersteller schrumpft, und wenn die unsichtbaren Regeln der Algorithmen nicht angepasst werden, um den Kleinen eine Chance zu geben, könnte die Zukunft der Online-Kreativität weniger wie eine vielfältige Stadt und mehr wie ein einzelner, emporragender Wolkenkratzer aussehen, in dem alle anderen im Schatten leben.

Technisches Resümee: „Rich-Get-Richer“? Plattform-Aufmerksamkeit und Einkommensungleichheit unter Verwendung von Patreon-Einkommensdaten

Problemstellung
Online-Social-Media-Märkte werden zunehmend durch die algorithmische Zuweisung von Aufmerksamkeit statt durch Preismechanismen gesteuert. Im Gegensatz zu klassischen mehrseitigen Marktmodellen, in denen Preise Angebot und Nachfrage ausgleichen, nutzen Plattformen nicht-preisbasierte Algorithmen, um riesige Datenmengen über Inhalte und Nutzerpräferenzen zu verarbeiten und Sichtbarkeit zuzuweisen. Während diese Algorithmen Markteffizienzen ermöglichen, fungieren sie auch als distributive Instrumente, die die wirtschaftlichen Ergebnisse für die Teilnehmer bestimmen. Es besteht eine kritische Lücke in der Literatur hinsichtlich der wirtschaftlichen Auswirkungen dieser Mechanismen: Plattformen geben Creator-Einnahmen oder Details zur algorithmischen Optimierung selten preis, was es schwierig macht, empirisch zu testen, ob algorithmische Aufmerksamkeit ein ungleiches Ökosystem fördert oder eine gesunde „Mittelschicht“ von Creatoren unterstützt. Diese Arbeit adresst diese Lücke, indem sie die Einkommensungleichheit innerhalb von Plattformmärkten untersucht und dabei spezifisch analysiert, wie Algorithmen von Drittanbietern die Monetarisierungsergebnisse beeinflussen.

Methodik
Die Studie nutzt einen neuartigen, groß angelegten Datensatz monatlicher Patreon-Einnahmen von Content-Creatoren über drei Querschnitte hinweg: März 2018, 2021 und 2024 ( $n = 104.719$ ). Patreon dient als idealer Proxy für die externe Plattform-Aufmerksamkeit, da es kaum über eine native Distribution verfügt; Creatoren müssen ihre Patreon-Seiten von externen Plattformen (YouTube, Instagram, Twitch, Twitter/X, Facebook) verlinken, um Traffic zu generieren. Folglich spiegeln die Patreon-Einnahmen weitgehend die Aufmerksamkeit wider, die auf diesen primären externen Plattformen eingefangen wurde.

Um plattformspezifische Dynamiken zu isolieren, beschränkt die Autorenschaft den Datensatz auf Creatoren, die mit einer einzigen externen Plattform (oder nur mit Patreon) verbunden sind, wodurch jene mit mehreren Bindungen ausgeschlossen werden, um Cross-Platform-Sorting zu kontrollieren. Fehlende Einkommensdaten, insbesondere bei Spitzenverdienern, die dazu neigen, ihre Einnahmen geheim zu halten, wurden linear imputiert, basierend auf zahlenden Mitgliedern, der Gesamtzahl der Mitglieder, dem Inhaltstyp, dem NSFW-Status und dem Jahr.

Das zentrale analytische Framework verwendet Potenzgesetzverteilungen ( $p(x) \sim x^{-\alpha}$ ), um die Einkommensverteilung zu charakterisieren. Die Autoren passen diese Verteilungen mittels der von Clauset et al. (2009) vorgeschlagenen Maximum-Likelihood-Schätzung an und verwenden die Kolmogorov-Smirnov-Statistik (KS), um die Güte der Anpassung zu bewerten. Der Exponent $\alpha$ dient als primäre Metrik für die Ungleichheit: Ein niedrigeres $\alpha$ deutet auf einen schwereren „Tail“ (Endwert) und höhere Ungleichheit hin (konsistent mit konzentriertem Kapitaleinkommen), während ein höheres $\alpha$ eine gleichmäßigere Verteilung suggeriert. Die Analyse interpretiert diese Exponenten durch die Linse von Preferential-Attachment-Modellen (Barabási und Albert 1999), wobei $\alpha$ theoretisch mit dem Gleichgewicht zwischen zufälliger Exploration ( $\gamma$ ) und der Exploitation bestehender Popularität ( $1-\gamma$ ) verknüpft ist.

Zentrale Beiträge

Empirische Evidenz für algorithmische Ungleichheit: Die Arbeit liefert eine der wenigen systematischen Analysen von Einkommensverteilungen bei Content-Creatoren und geht über anekdotische Evidenz hinaus, um die „Rich-Get-Richer“-Dynamik auf großen Plattformen zu quantifizieren.
Plattformvergleich: Durch die Nutzung von Patreon-Daten als Proxy für externe Aufmerksamkeit bietet die Studie einen Vergleichsrahmen, um zu bewerten, wie verschiedene Plattform-Algorithmen (z. B. YouTubes Recommendation-Engine vs. X/Twitters Social Graph) mit der Konzentration von Einkommen korrelieren.
Temporale Dynamiken: Die Studie dokumentiert die Entwicklung der Einkommensungleichheit im Zeitverlauf (2018–2024) und zeigt Trends auf, wie algorithmische Verschiebungen die Verteilung des Einkommens von Creatoren beeinflussen.
Methodische Stringenz: Die Autoren adressieren explizit Störvariablen, wie etwa die Conversion-Rate von der Plattform zu Patreon und die Zusammensetzung des Publikums, wobei sie die beobachteten Muster als konsistent mit algorithmischen Mechanismen behandeln und gleichzeitig alternative Erklärungen wie das Creator-Sorting anerkennen.

Ergebnisse

Potenzgesetz-Dynamik: Auf den meisten Plattformen folgen die Patreon-Einnahmen einer Potenzgesetzverteilung mit einem Exponenten $\alpha \approx 2,0$ . Dies platziert die Einkommen von Creatoren näher an konzentriertes Kapitaleinkommen ( $\alpha \approx 1,5$ ) als an Arbeitseinkommen, was auf multiplikative, sich selbst verstärkende Effekte hindeutet, die durch algorithmische Aufmerksamkeit getrieben werden.
Plattformvariation: Es gibt signifikante Variationen im Grad der Ungleichheit:
- Hohe Konzentration (Niedriges $\alpha$ ): YouTube ( $\alpha = 1,8$ ) und Instagram ( $\alpha = 1,84$ ) weisen die extremsten „Rich-Get-Richer“-Dynamiken auf. Diese Plattformen zeigen niedrigere Mittel- und Medianverdienste sowie eine schwächere „Mittelschicht“ von Creatoren.
- Geringere Konzentration (Hohes $\alpha$ ): Twitter/X ( $\alpha \approx 2,35$ ) und reine Patreon-Creatoren zeigen höhere Exponenten, was auf leichtere Tails und gleichmäßigere Verteilungen hindeutet. Die Autoren merken an, dass die historische Abhängigkeit von Twitter/X vom sozialen Graphen statt von reiner algorithmischer Empfehlung zu diesem Ergebnis beitragen könnte.
Temporale Trends: Zwischen 2018, 2021 und 2024 sanken die $\alpha$ -Werte generell für YouTube, Instagram, Facebook und Twitch, was auf eine zunehmende Einkommenskonzentration hindeutet. Instagram zeigte die dramatischste Verschiebung, mit einem Abfall von $\alpha \approx 2,1$ im Jahr 2021 auf $1,84$ im Jahr 2024, was mit dem Wechsel hin zu algorithmischen Empfehlungen zusammenfällt.
Erosion der Mittelschicht: Plattformen mit stärkeren Potenzgesetzen (niedrigeres $\alpha$ ) korrelieren mit niedrigeren Medianverdiensten und engeren Interquartilsabständen, was darauf hindeutet, dass die „Rich-Get-Richer“-Dynamik Gewinne unverhältnismäßig stark von der mittleren Ebene der Creatoren extrahiert.
Inhaltskategorien: Die Einkommensungleichheit variiert je nach Inhaltstyp. Animation und Podcasts weisen das niedrigste $\alpha$ (höchste Ungleichheit) auf, während Musik, Comics und Texte höhere $\alpha$ -Werte zeigen, was auf eine gleichmäßigere Verteilung in diesen Kategorien hindeutet.

Bedeutung und Behauptungen
Die Arbeit postuliert, dass die algorithmische Zuweisung von Aufmerksamkeit ein plausibler primärer Treiber der beobachteten Einkommenskonzentration ist. Die Ergebnisse legen nahe, dass aktuelle Plattform-Algorithmen, die bestehende Popularität priorisieren (niedriges $\gamma$ ), Ökosysteme schaffen, in denen eine kleine Elite den Großteil der Einnahmen abschöpft und dadurch die Creator-Mittelschicht aushöhlt.

Die Autoren betonen ausdrücklich, dass ihre Ergebnisse deskriptiv und suggestiv und nicht definitiv kausal sind. Sie räumen ein, dass alternative Mechanismen – wie die Zusammensetzung des Publikums, das Self-Selection der Creatoren und plattformspezifische Konversionsnormen – ebenfalls zu den beobachteten Mustern beitragen könnten. Die Konsistenz der Potenzgesetz-Dynamiken über verschiedene Plattformen und Zeiträume hinweg stützt jedoch die Hypothese, dass das algorithmische Design eine zentrale Rolle bei der Gestaltung der Einkommensungleichheit spielt.

Die Studie kommt zu dem Schluss, dass ohne Änderungen an den zugrunde liegenden algorithmischen Mechanismen (insbesondere einer Erhöhung der „Explorations“-Komponente, um Long-Tail-Inhalte sichtbarer zu machen) die Einkommensungleichheit wahrscheinlich bestehen bleiben wird. Die Autoren schlagen vor, dass politische Interventionen, wie etwa die Forderung nach Transparenz in Empfehlungssystemen (z. B. via EU Digital Services Act) oder die Anforderung von Algorithmen, die Long-Tail-Inhalte fördern, eine gerechtere digitale Wirtschaft begünstigen könnten. Sie warnen davor, dass eine bloße Erhöhung des Marktwettbewerbs nicht ausreichen könnte, wenn Plattformen weiterhin in engagement-maximierenden Algorithmen gefangen bleiben, die die „Rich-Get-Richer“-Dynamik verstärken.

Mehr davon