📈 economics

The Economics of Builder Saturation in Digital Markets

Diese Arbeit widerlegt die Annahme, dass generative KI durch Demokratisierung der Produktion zu breitem unternehmerischen Erfolg führt, und zeigt stattdessen, dass die Kombination aus unendlichem Produktionsangebot und endlicher menschlicher Aufmerksamkeit zu einer „Builder-Sättigung" führt, die den Wettbewerb verschärft und zu einer extremen Konzentration der Gewinne bei wenigen Gewinnern führt.

Ursprüngliche Autoren: Armin Catovic

Veröffentlicht 2026-03-26

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Armin Catovic

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

Titel: Warum mehr Bauherren nicht mehr Gewinner bedeuten – Eine Erklärung des „Builder-Saturation"-Effekts

Stellen Sie sich vor, wir befinden uns in einer riesigen, unendlichen Stadt, die wir „Digitale Welt" nennen. In dieser Stadt gibt es zwei Gruppen von Menschen: die Bauherren (die Software, Apps und Inhalte erstellen) und die Besucher (die Nutzer, die diese Dinge ansehen und nutzen).

1. Das alte Problem: Zu wenig Baustoff

Früher war das Bauen schwer. Es brauchte viel Geld, viel Zeit und spezielle Werkzeuge. Wenn jemand eine neue App bauen wollte, war das wie der Bau eines Hauses aus Stein: teuer und langsam. Deshalb gab es nur wenige Häuser. Die Besucher hatten eine große Auswahl, aber nicht zu viele.

2. Der neue Zauberstab: KI macht das Bauen billig

Jetzt kommt die Künstliche Intelligenz (KI) ins Spiel. Stellen Sie sich vor, die KI ist ein magischer 3D-Drucker, der Häuser in Sekunden aus dem Nichts erschafft.

Ein Programmierer sagt der KI: „Bau mir eine App, die Musik macht."
Zack! In Minuten steht das Haus.
Die Kosten dafür sind fast null.

Das hat eine große Hoffnung geweckt: „Wenn jeder so schnell bauen kann, werden wir bald Milliarden von erfolgreichen Firmen haben! Jeder wird reich!"

3. Das Problem: Die Aufmerksamkeit ist begrenzt

Hier kommt die entscheidende Erkenntnis des Autors Armin Catovic ins Spiel. Er sagt: „Stopp! Ihr habt einen Fehler gemacht."

Der Fehler liegt darin, dass ihr nur an das Bauen gedacht habt, aber nicht an die Besucher.
Stellen Sie sich vor, die Besucher dieser Stadt haben nur eine begrenzte Menge an Zeit und Aufmerksamkeit pro Tag.

Ein Besucher kann nur 10 Apps am Tag nutzen.
Er kann nur 30 Apps im Monat ansehen.
Sein Gehirn ist wie ein kleiner Eimer, der nur eine bestimmte Menge Wasser (Aufmerksamkeit) fassen kann.

4. Der „Builder-Saturation"-Effekt (Der Überfüllungseffekt)

Jetzt passiert Folgendes:

Weil das Bauen so billig ist, kommen Millionen neuer Bauherren in die Stadt.
Sie bauen Millionen neuer Häuser (Apps).
Aber die Besucher bleiben gleich. Der Eimer ist immer noch gleich groß.

Das Ergebnis ist katastrophal für den Durchschnitt:
Stellen Sie sich vor, Sie teilen einen Kuchen (die Aufmerksamkeit) auf.

Wenn 10 Leute da sind, bekommt jeder ein großes Stück.
Wenn 1.000.000 Leute da sind, bekommt jeder nur noch ein Krümel.

Der Autor nennt dies den „Builder-Saturation"-Effekt:

Mehr Bauherren bedeuten nicht mehr Gewinn.
Sie bedeuten nur, dass der Kuchen auf mehr Teller verteilt wird, bis jeder nur noch Staub auf dem Teller hat.
Die meisten Bauherren werden scheitern, weil niemand ihre App sieht.

5. Die Gewinner-Take-Most-Dynamik (Die Superstars)

Aber es wird noch schlimmer. Nicht alle Apps sind gleich.

Eine App ist vielleicht ein bisschen besser als die andere.
Wenn eine App schon viele Besucher hat, werden noch mehr Besucher dorthin gezogen (wie ein Magnet). Das nennt man Reinforcement (Verstärkung).

Das führt zu einem Power-Law-Effekt (eine extreme Ungleichverteilung):

Die Top 1% der Apps (die Superstars) fangen den großen Teil des Kuchens ein.
Die restlichen 99% der Bauherren streiten sich um die winzigen Krümel am Boden.

Ein Bild zur Verdeutlichung:
Stellen Sie sich einen riesigen Konzertsaal vor, in dem 100.000 Sänger gleichzeitig singen.

Die Zuhörer (die Aufmerksamkeit) können nur einem Sänger zuhören.
Der eine Sänger, der schon bekannt ist und gut singt, bekommt den ganzen Applaus.
Die anderen 99.999 Sänger singen so laut sie können, aber niemand hört zu. Sie sind „sättigend" (gesättigt) – es gibt zu viele, als dass jemand sie hören könnte.

6. Was bedeutet das für uns?

Die Hoffnung, dass KI uns allen erlaubt, reiche Unternehmer zu werden, ist eine Illusion.

Produktion ist nicht das Problem mehr: Wir können alles bauen.
Aufmerksamkeit ist das neue Gold: Das ist das einzige, was knapp ist.
Der Wettbewerb verschiebt sich: Es geht nicht mehr darum, wer das beste Haus bauen kann. Es geht darum, wer die Besucher am besten anlockt und am längsten bei sich hält.

Fazit in einem Satz:
Wenn jeder ein Haus bauen kann, aber nur ein paar Menschen durch die Stadt laufen, werden die meisten Häuser leer stehen. Die KI macht das Bauen billig, aber sie macht die Aufmerksamkeit nicht größer. Deshalb wird die Zukunft nicht von „Milliarden erfolgreichen Firmen" geprägt sein, sondern von ein paar riesigen Giganten und Millionen von kleinen, gescheiterten Versuchen.

Es ist wie ein Wettrennen um einen einzigen Sitzplatz in einem vollen Bus: Wenn plötzlich 10.000 neue Fahrgäste auf den Bus zukommen, aber der Bus immer nur 50 Plätze hat, wird der Kampf um den Sitzplatz brutaler, und die meisten werden draußen stehen bleiben.

Titel: Die Ökonomie der Builder-Sättigung in digitalen Märkten

Autor: Armin Catovic (Director Data & AI, Funnel)
Datum: 26. März 2026

1. Problemstellung und Motivation

Das Paper adressiert eine weit verbreitete Narrative im Bereich der künstlichen Intelligenz (KI): Dass die drastische Senkung der Produktionskosten für Software durch generative KI (z. B. durch "Vibe Coding" oder KI-generierten Code) zu einer massiven Zunahme erfolgreicher Unternehmen und einer breiten Verteilung unternehmerischen Erfolgs führen wird.

Der Autor argumentiert, dass diese Sichtweise einen fundamentalen Fehler macht: Sie verwechselt die Ausweitung der Produktionskapazität mit einer proportionalen Ausweitung des realisierten Werts.

Das Kernproblem: Während die Kosten für die Erstellung digitaler Güter gegen Null gehen (nahezu marginale Kosten von Null), bleibt die menschliche Aufmerksamkeit eine endliche, nicht skalierbare Ressource.
Die These: In Märkten mit freiem Marktzutritt und extrem niedrigen Produktionskosten führt eine Zunahme der Produzenten ("Builder") nicht zu mehr Wohlstand für alle, sondern zu einer Verwässerung der durchschnittlichen Aufmerksamkeit pro Anbieter und zu einer extremen Konzentration der Erträge bei wenigen Gewinnern ("Winner-Take-Most").

2. Methodik und Modellierung

Das Paper führt einen formalen ökonomischen Rahmen ein, der als "Builder Saturation Effect" (Effekt der Builder-Sättigung) bezeichnet wird. Die Methodik kombiniert Elemente aus der Aufmerksamkeitsökonomie, der Industrieökonomik und Netzwerktheorie.

A. Das Grundmodell (Symmetrischer Fall)

Ressourcen: Es gibt eine Gesamtmenge an Aufmerksamkeit $A$ (endlich) und eine Anzahl von Buildern $B$ .
Kostenstruktur: Hohe Fixkosten für den Markteintritt $k$ (die durch KI gegen Null gehen), aber vernachlässigbare marginale Reproduktionskosten.
Aufmerksamkeitsallokation: Die Aufmerksamkeit wird nach einem Logit-Modell verteilt. Die durchschnittliche Aufmerksamkeit pro Builder $\bar{s}(B)$ ist umgekehrt proportional zur Anzahl der Builder:
$\bar{s}(B) = \frac{A}{B + z}$
(wobei $z$ das Gewicht der "Outside Option" bzw. der Trägheit darstellt).
Gleichgewicht: Unter der Annahme freien Marktzutritts drücken neue Anbieter den Gewinn bis auf Null. Das Gleichgewicht wird erreicht, wenn der erwartete Gewinn $\pi = p \cdot \bar{s}(B) - k = 0$ ist.

B. Erweiterung: Heterogenität und Verstärkung (Reinforcement)

Um realistischere Marktphänomene abzubilden, wird das Modell um zwei Faktoren erweitert:

Qualitätsheterogenität: Builder haben unterschiedliche Qualitätsniveaus ( $q_i$ ).
Verstärkungsdynamik (Preferential Attachment): Die Wahrscheinlichkeit, Aufmerksamkeit zu erhalten, hängt nicht nur von der Qualität, sondern auch von der bereits gesammelten Aufmerksamkeit ab (Reichweite führt zu mehr Reichweite). Dies wird durch einen Parameter $\alpha$ $α$ gesteuert.
- Die Allokationswahrscheinlichkeit folgt einer Formel, die Qualität und aktuelle Popularität kombiniert.

C. Simulation und Kalibrierung

Numerische Simulation: Das Modell wird simuliert, um die Verteilung der Aufmerksamkeit bei verschiedenen Stärken der Verstärkung ( $\alpha$ ) zu untersuchen.
Kalibrierung: Das Modell wird mit empirischen Daten des Apple App Stores (2025) kalibriert (ca. 800.000 Publisher, 38 Mrd. Downloads). Dies dient als Validierung, ob die theoretischen Vorhersagen mit der Realität übereinstimmen.

3. Wichtige Beiträge

Synthese bestehender Theorien: Das Paper verbindet etablierte Konzepte (Aufmerksamkeitsknappheit nach Herbert Simon, Superstar-Effekte nach Rosen, Preferential Attachment nach Barabási) zu einem einheitlichen Rahmen, der spezifisch auf die Ära der KI-gestützten Produktion angewendet wird.
Formalisierung des "Builder Saturation Effect": Es wird mathematisch bewiesen, dass in digitalen Märkten mit elastischer Produktion und inelastischer Aufmerksamkeit eine Senkung der Eintrittsbarrieren ( $k \to 0$ ) zu einer endlosen Zunahme der Anzahl der Builder führt, während der durchschnittliche Ertrag pro Builder gegen Null geht.
Unterscheidung zwischen "Nominalen" und "Ökonomisch Viable" Firmen: Das Paper zeigt auf, dass zwar die Anzahl der erstellten Produkte (nominal) explodieren kann, die Anzahl der wirtschaftlich erfolgreichen Firmen jedoch durch die begrenzte Aufmerksamkeit strikt limitiert bleibt.

4. Zentrale Ergebnisse

A. Verdünnungseffekt (Dilution)

Im symmetrischen Fall (alle Builder gleich gut) führt jede Erhöhung der Anzahl der Builder zu einer monotonen Abnahme der durchschnittlichen Aufmerksamkeit pro Builder.

Ergebnis: Da der Gewinn im Gleichgewicht bei Null liegt ( $\pi = 0$ ), führt eine Senkung der Eintrittskosten ( $k$ ) nur zu mehr Teilnehmern, nicht zu höheren Gewinnen. Die Aufmerksamkeit pro Builder sinkt proportional zur Kostenreduktion.

B. Konzentration und "Winner-Take-Most"

In der erweiterten Version mit Heterogenität und Verstärkung ( $\alpha > 0$ ):

Power-Law-Verteilungen: Die Verteilung der Aufmerksamkeit folgt einer Potenzgesetz-Verteilung (Power Law). Ein kleiner Prozentsatz der Builder (die "Superstars") fängt den Großteil der Aufmerksamkeit ein, während die Masse (der "Long Tail") vernachlässigbare Anteile erhält.
Kondensation: Bei starker Heterogenität und Verstärkung tritt ein Phänomen auf, das der Bose-Einstein-Kondensation in der Physik ähnelt: Ein einzelnes Produkt oder eine winzige Gruppe fängt einen makroskopischen Anteil der gesamten Aufmerksamkeit ein.
Simulationsergebnisse:
- Ohne Verstärkung ( $\alpha=0$ ): Moderate Ungleichheit.
- Mit Verstärkung ( $\alpha=1$ ): Die Top 1% der Builder erhalten fast zwei Drittel der gesamten Aufmerksamkeit. Der Median-Builder erhält nur noch ~4% des Durchschnittswerts.
- Kalibrierung am App Store: Das Modell mit $\alpha \approx 0.6$ reproduziert die empirischen Daten des App Stores präzise (Top 1% erhalten ~70% der Downloads, Gini-Koeffizient > 0,9).

C. Invarianz gegenüber Nachfragesteigerung

Ein kritischer Befund ist, dass selbst wenn die Gesamtmenge an Aufmerksamkeit $A$ durch KI-Agenten oder neue Nutzer wächst, dies nicht zu höheren Gewinnen für die einzelnen Builder führt.

Mechanismus: Jede zusätzliche Aufmerksamkeit zieht sofort neue Builder an (da $k$ niedrig ist), bis der Gewinn wieder auf Null gedrückt wird. Die Skalierung der Nachfrage wird vollständig durch eine Skalierung des Angebots absorbiert.

5. Bedeutung und Implikationen

Widerlegung des "Billions of Companies"-Narrativs: Die Hoffnung, dass KI zu einer Ära von Milliarden erfolgreichen Startups führt, ist ökonomisch naiv. KI demokratisiert zwar die Produktion, aber nicht die Verwertung (Monetarisierung).
Strategische Implikationen für Gründer:
- Der Fokus muss sich von der reinen Produktentwicklung auf Aufmerksamkeitsakquise, Differenzierung, frühe Marktdurchdringung und Netzwerkeffekte verlagern.
- In gesättigten Märkten ist der Wettbewerb um Sichtbarkeit härter als der Wettbewerb um Produktqualität.
Ökonomische und politische Konsequenzen:
- Eine Senkung der Eintrittsbarrieren führt nicht automatisch zu breitem Wohlstand, sondern zu intensiverem Wettbewerb und extrem ungleichen Ergebnissen.
- Es besteht die Gefahr einer "Exzessiv-Produktion" (zu viele Substitutionsprodukte), die den sozialen Wohlfahrtsgewinn durch Suchkosten und Überlastung der Nutzer mindern könnte.
Paradigmenwechsel: Die Ökonomie digitaler Märkte verschiebt sich von einer Knappheit an Produktion hin zu einer Knappheit an Aufmerksamkeit. Die wichtigsten Ressourcen sind nicht mehr Code, sondern Vertrauen, Markenbekanntheit und Integration in bestehende Ökosysteme.

Fazit

Das Paper liefert eine formale Warnung vor der Annahme, dass technologische Fortschritte in der Produktion automatisch zu einer Demokratisierung des wirtschaftlichen Erfolgs führen. Stattdessen prognostiziert das Modell, dass KI-gestützte Produktion die Sättigung digitaler Märkte beschleunigt, was zu einer noch extremeren Konzentration von Erfolg und Aufmerksamkeit bei wenigen Akteuren führt, während die durchschnittlichen Erträge für die Masse der Produzenten sinken.