💰 quantitative finance

GAGI: A Gini-Adjusted GDP-per-Capita Index for Distribution-Aware Macroeconomic Welfare Monitoring

Dieses Paper stellt den Gini-adjustierten BIP-pro-Kopf-Index (GAGI) vor, eine transparente und reproduzierbare Wohlfahrtsmetrik, die das BIP um Ungleichheit und Inflation bereinigt und anhand von G7-Daten aufzeigt, dass der wohlfahrtsbereinigte Wohlstand zunehmend vom nominalen BIP-Wachstum divergiert, insbesondere nach 2022.

Ursprüngliche Autoren: Sivasathivel Kandasamy

Veröffentlicht 2026-06-10

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Sivasathivel Kandasamy

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

Das Kernproblem: Die Lüge vom „Durchschnitt“

Stellen Sie sich vor, Sie und ein Freund gehen essen. Sie geben 100 $ aus und Ihr Freund gibt 1.000 $ aus. Wenn jemand fragt: „Wie viel habt ihr im Durchschnitt ausgegeben?“, lautet die Antwort 550 $. Diese Zahl klingt nach einer moderaten Ausgabe. Aber sie verschweigt die Wahrheit: Eine Person kämpft darum, ihren Anteil zu bezahlen, während die andere die Kosten kaum bemerkt.

Genau so funktioniert das BIP pro Kopf (das Standardmaß für den Wohlstand eines Landes). Es nimmt das gesamte Geld, das ein Land erwirtschaftet, und teilt es durch die Anzahl der Menschen. Es liefert Ihnen einen „Durchschnitt“. Aber genau wie bei der Essensrechnung ist dieser Durchschnitt blind für zwei riesige Probleme:

Ungleichheit: Wer hat das Geld tatsächlich bekommen? Sind die Reichen reicher geworden, während die Mittelschicht gleich geblieben ist?
Inflation: Sind die Preise für Lebensmittel und Miete so stark gestiegen, dass das Geld, das die Menschen tatsächlich verdient haben, nicht mehr so viel kauft wie früher?

Der Autor argumentiert, dass das BIP ein schlechtes Instrument ist, um zu überprüfen, ob die Menschen tatsächlich ein besseres Leben führen, da es diese beiden Dinge ignoriert – insbesondere jetzt, da Künstliche Intelligenz (KI) die Art und Weise, wie wir arbeiten, verändert.

Die Lösung: GAGI (Die „Reale Wohlfahrts“-Scorecard)

Der Autor hat eine neue Kennzahl namens GAGI (Gini-Adjusted GDP per Capita Index – Gini-bereinigter BIP-pro-Kopf-Index) entwickelt. Denken Sie an GAGI als einen „Realitätscheck“-Filter für das BIP.

Anstatt nur auf den gesamten Geldtopf zu schauen, nimmt GAGI zwei Anpassungen vor:

Der Fairness-Filter: Er verringert den Wert, wenn ein Land sehr ungleich ist. Wenn der Gini-Koeffizient (ein Maß für Ungleichheit) hoch ist, sinkt der GAGI.
Der Kaufkraft-Filter: Er verringert den Wert, wenn die Inflation hoch ist. Wenn die Preise schneller steigen als die Löhne, sinkt der GAGI.

Die Analogie: Stellen Sie sich vor, das BIP ist die Größe einer Pizza. GAGI fragt: „Wie groß ist das Stück, das der durchschnittliche Mensch tatsächlich essen darf, und wie hungrig ist er, nachdem er die Liefergebühr (Inflation) bezahlt hat?“ Wenn die Pizza riesig ist, aber eine Person 90 % davon isst und die Liefergebühr teuer ist, ist der „GAGI“-Wert für den Rest des Tisches schrecklich, obwohl die Pizza selbst groß war.

Was die Daten zeigen (2010–2026)

Der Autor wandte diesen „Realitätscheck“ auf die G7-Länder (USA, UK, Kanada, Frankreich, Deutschland, Japan und Italien) im Zeitraum von 2010 bis 2026 an. Hier ist, was er herausfand:

1. Die „Lücke“ wird größer
In jedem G7-Land ist der Standard-BIP-Wert höher als der GAGI-Wert. Das bedeutet, dass die Länder technisch gesehen zwar mehr Geld erwirtschaften, das tatsächliche Wohlergehen des Durchschnittsbürgers jedoch nicht Schritt hält. Seit 2022 ist diese Lücke deutlich größer geworden.

2. USA: „Automatisierung ohne Sicherheitsnetz“
Die Vereinigten Staaten zeigen die größte Lücke.

Was passiert: KI ersetzt schnell Arbeitsplätze. Die Arbeit beschreibt Daten, wonach Entlassungen, die auf KI zurückzuführen sind, in den USA zwischen 2023 und 2025 um das 13-fache gestiegen sind.
Das Ergebnis: Da die USA eine hohe Ungleichheit und schwache Unterstützungssysteme für verdrängte Arbeiter haben (wie geringe Ausgaben für Umschulungen oder Arbeitslosengeld), sinkt der „GAGI“-Wert signifikant. Der Wohlstand aus der KI fließt nach oben, nicht in die Mitte.

3. Japan und Italien: „Stagnation ohne Automatisierung“
Diese Länder investieren wenig in KI, aber ihre GAGI-Werte sind ebenfalls flach oder sinkend.

Die Lehre: Es hilft nicht schon, KI einfach nicht zu nutzen. Wenn die Wirtschaft nicht wächst und die Produktivität stagniert, wird das Leben der Menschen dennoch schwieriger. Dies ist eine andere Art des Scheiterns als in den USA, aber das Ergebnis (geringe Wohlfahrt) ist ähnlich.

4. Das nordische Modell: „Automatisierung mit einem Sicherheitsnetz“
Der Autor untersuchte Dänemark und Schweden (die nicht zur G7 gehören, aber als Vergleich dienen).

Was passiert: Diese Länder nutzen mehr Roboter und Automatisierung als die USA.
Das Ergebnis: Ihre GAG_I-Werte bleiben stabil oder verbessern sich. Warum? Weil sie starke „Absorptionsmechanismen“ haben: hohe Steuern für die Reichen, starke Gewerkschaften und staatliche Ausgaben zur Umschulung von Arbeitnehmern und zur Unterstützung von Arbeitslosen. Sie automatisieren und teilen die Vorteile.

Die Warnung für die Zukunft

Das Papier blickt mit drei Szenarien auf das Jahr 2035 voraus:

Business as Usual (Der US-Pfad): Wenn wir weiterhin automatisieren, ohne die Ungleichheit zu bekämpfen, wird der „GAGI“-Wert bis Anfang der 2030er Jahre gefährlich tief sinken. Die Wirtschaft mag auf dem Papier reich aussehen, aber die Gesellschaft wird instabil sein.
Governance-beschränkt (Der nordische Pfad): Wenn Regierungen die Ungleichheit aktiv steuern und die Arbeitnehmer unterstützen, bleibt der GAGI-Wert gesund, selbst bei hoher Automatisierung.

Das Fazreit

Der Hauptpunkt des Autors ist, dass das BIP ein kaputter Kompass für das KI-Zeitalter ist. Es sagt uns, dass das Schiff vorwärts fährt, aber es sagt uns nicht, ob die Passagiere gerade untergehen.

GAGI wird als eine neue „Warnleuchte“ für Regierungen vorgeschlagen. Wenn die GAGI-Leuchte rot wird, bedeutet das, dass selbst wenn die Wirtschaft wächst, der Durchschnittsbürger aufgrund von Ungleichheit und Inflation zurückfällt. Das Papier argumentiert, dass Länder, um die KI-Revolution zu überstehen, aufhören müssen, nur auf die BIP-Zahl zu schauen und anfangen müssen, die GAGI-Zahl zu beobachten, um sicherzustellen, dass die Vorteile der Automatisierung geteilt und nicht nur an der Spitze konzentriert werden.

Technische Zusammenfassung: GAGI – Ein Gini-bereinigter BIP-pro-Kopf-Index zur distributionsbewussten Überwachung des makroökonomischen Wohlbefindens

Problemstellung
Die aktuelle makroökonomische Überwachung stützt sich stark auf das Bruttoinlandsprodukt (BIP) pro Kopf als primäre Kennzahl für den wirtschaftlichen Wohlstand. Die Arbeit argumentiert, dass diese Kennzahl grundlegend unzureichend ist, um die Wohlfahrtseffekte rapider technologischer Verschiebungen, insbesondere der KI-gesteuerten Automatisierung, zu verfolgen. Das BIP pro Kopf ist ein Durchschnittswert auf Bevölkerungsebene, der gegenüber zwei erstrangigen Determinanten des gelebten Wohlstands „blind“ ist: der Einkommensverteilung (Ungleichheit) und der Kaufkraft (Inflation). Folglich kann ein Land Rekordwachstumsraten beim BIP melden, während der reale, um Ungleichheit bereinigte Lebensstandard des Medianhaushalts stagniert oder sinkt. Der Autor identifiziert eine Lücke im regulatorischen Instrumentarium: das Fehlen einer minimalen, reproduzierbaren und transparenten Statistik, die als operationaler „Frühwarnindikator“ für distributive Schäden dienen kann, berechenbar auf jährlicher Basis aus öffentlichen Daten, ohne proprietäre Modellannahmen.

Methodik: Die GAGI-Metrik
Das Paper führt den Gini-adjustierten BIP-pro-Kopf-Index (GAGI) ein. Er ist als allgemeiner Wohlfahrtsindex konzipiert, der auf jede Bevölkerung, Region oder Zeitperiode anwendbar ist, wobei die Arbeit ihn spezifisch auf die G7-Staaten (2010–2026) anwendet.

Die Metrik ist definiert für Land $k$ und Jahr $t$ als:
$GAGI_{k,t} = \frac{(1 - G_{k,t}) \times \frac{GDP\text{-}pc_{k,t}}{\pi_{k,t}}}{(1 - G_{k,2010}) \times \frac{GDP\text{-}pc_{k,2010}}{\pi_{k,2010}}}$

Wobei:

$G_{k,t}$ der Gini-Koeffizient (Ungleichheit) ist.
$GDP\text{-}pc_{k,t}$ das BIP pro Kopf in konstanten 2015 USD ist.
$\pi_{k,t}$ der Verbraucherpreisindex (CPI) ist, mit 2010 als Basis (100).

Zentrale Gestaltungsmerkmale:

Ungleichheitsbereinigung: Der Index skaliert das BIP durch $(1 - G)$ um, was Wachstum, das mit steigender Ungleichheit einhergeht, effektiv sanktioniert.
Kaufkraftkorrektur: Der Autor teilt das preisbereinigte BIP explizit durch den CPI (bereits deflatiert durch den BIP-Deflator). Dies ist eine bewusste Modellentscheidung, um die „Keilbildung“ zwischen den Preisen der produzierten Güter (Inlandsproduktion) und den Preisen der konsumierten Güter (Haushaltskorb) zu berücksichtigen, was besonders relevant ist, wenn Import- und Energiepreise von den Inlandspreisen der Produktion divergieren.
Normalisierung: Das Ergebnis wird auf einen 2010-Basiswert (Wert = 1,0) normalisiert. Dies wandelt die Metrik von einem absoluten Niveau in ein Maß der Veränderung um, was einen aussagekräftigen länderübergreifenden Vergleich trotz massiver Unterschiede in absoluten Einkommens- und Ungleichheitsniveaus ermöglicht.
Datenminimalismus: Der Index stützt sich auf drei Eingabewerte (Gini, BIP pro Kopf, CPI), die jährlich von der Weltbank, dem IWF oder nationalen Statistikbehörden veröffentlicht werden, was volle Auditierbarkeit und Reproduzierbarkeit ohne proprietäre Daten gewährleistet.

Empirische Ergebnisse (G7, 2010–2026)
Die Anwendung von GAGI auf die G7-Staaten offenbart fünf distinkte empirische Muster:

Die GAGI–BIP-Keilbildung: In allen G7-Staaten liegt der GAGI-Index konsistent unter dem Standard-BIP-pro-Kopf-Index. Diese Lücke hat sich seit 2022, zeitgleich mit der beschleunigten KI-Investition, materiell geweitet. Dies deutet darauf hin, dass das Rohwachstum den wohlfahrtsbereinigten Wohlstand konsistent überbewertet.
Divergierende nationale Trajektorien:
- Vereinigte Staaten: Weisen die größte und nachhaltigste GAGI–BIP-Divergenz auf. Dies korreliert mit hohen KI-Investitionen und schwachen Institutionen zur Arbeitsmarktabsorption (geringe Ausgaben für aktive Arbeitsmarktpolitik, geringe Tarifvertragsdeckung). Das Paper stellt einen 13-fachen Anstieg der arbeitgeberseitig attribuierten KI-bedingten Entlassungen in den USA zwischen 2023 und 2025 fest.
- Japan und Italien: Zeigen ein nahezu flaches GAGI trotz geringer KI-Investitionen, was ein „strukturelles Stagnations“-Fehlerszenario offenbart, bei dem das Wohlbefinden aufgrund mangelnden zugrunde liegenden Produktivitätswachstums scheitert, unabhängig von der Intensität der Automatisierung.
- Nordische Komparatoren (Dänemark, Schweden): Außerhalb der G7 zeigen diese Volkswirtschaften eine „Automatisierung mit Absorption“. Trotz hoher Roboterdichte bleibt ihr GAGI stabil, was auf starke Umverteilungsmechanismen (hohe ALMP-Ausgaben, hohe Ersatzraten bei Sozialleistungen, hohe Tarifvertragsdeckung) zurückzuführen ist.
Produktivitäts–Lohn-Divergenz: Das Paper dokumentiert eine kumulative Lücke von 14 Prozentpunkten zwischen dem Wachstum der Arbeitsproduktivität und dem Wachstum der Reallöhne in den Hocheinkommensländern (1999–2024). In den USA beträgt die Lücke 20 Prozentpunkte; in Japan stieg die Produktivität um 18 %, während die Realkompensation um 4 % sank.
Aushöhlung der mittleren Qualifikationsebene: Die Daten bestätigen einen Rückgang der Beschäftigungsanteile in mittleren Qualifikationsbereichen (z. B. sanken mittlere Lohnbereiche in den USA von 38,4 % im Jahr 2000 auf 26,4 % im Jahr 2024), mit spezifischer Exponierung in administrativen, juristischen und Kundenservice-Rollen.
Szenario-Projektionen (2024–2035): Das Paper präsentiert drei szenariobasierte Projektionen für den G7-Durchschnitt-GAGI:
- Szenario A (Business-as-Usual): Geht von steigender Ungleichheit und moderatem Wachstum aus und projiziert, dass der GAGI bis Anfang der 2030er Jahre unter eine kritische Stabilitätschwelle (ca. 0,85) fällt.
- Szenario B (Governance-Constrained): Nimmt an, dass die Ungleichheit durch politische Aktivierung gedeckelt wird, wodurch die GAGI-Stabilität gewahrt bleibt.
- Szenario C (Full Complementarity): Geht von optimaler Beschäftigung und Kompetenztransformation aus.
  Der Autor betont, dass dies illustrierende Begrenzungsszenarien der politischen Tragweite sind und keine Punktprognosen.

Bedeutung und Ansprüche
Das Paper positioniert GAGI nicht als neuartiges wohlfahrtsökonomisches Konzept (unter Verweis auf Vorläufer wie den Atkinson-Index oder den Ungleichheitsbereinigten HDI), sondern als operationales Überwachungsinstrument. Sein primärer Beitrag ist die „Eignung für die Governance“:

Auditierbarkeit: Es bietet einen transparenten, reproduzierbaren Auslöser für Regulierungsbehörden, um auf distributive Schäden zu reagieren, ähnlich wie Zentralbanken die Inflation verfolgen.
Erkennung verborgener Schäden: Es zeigt auf, dass die ausschließliche Überwachung der aggregierten Produktion die distributiven Kosten der Automatisierung systematisch übersieht, selbst wenn das Schlagzeilen-Wachstum stark bleibt.
Politische Relevanz: Die Divergenz zwischen GAGI und BIP dient als Beleg dafür, dass der „wohlfahrtsbereinigte Wohlstand“ einer Nation von ihrem „produktionsbereinigten Wohlstand“ entkoppelt.
Integration mit HUF: GAGI wird als empirischer Proxy für die Komponente „Ökonomische Stabilität (E)“ des Human Utility Factor (HUF) präsentiert, eines breiteren Rahmens zur Abstimmung von Automatisierung mit makro-sozioökonomischem Wohlbefinden.

Das Paper schließt mit der Feststellung, dass die beobachteten Muster – insbesondere die sich weitende GAGI–BIP-Keilbildung und die Trennung der nationalen Regime basierend auf der Politikgestaltung – ohne spekulatives Modeling aus öffentlichen Statistiken ersichtlich sind, was einen Wechsel der makroökonomischen Überwachung hin zu distributionsbewussten Metriken zwingend erforderlich macht.