Technisches Resümee: Wettbewerbsorientierte Satellitenplatzierung und die Geografie des orbitalen Risikos

1. Problemstellung

Die Arbeit befasst sich mit der ungleichmäßigen räumlichen Verteilung von Satelliten in der geostationären Umlaufbahn (GEO). Während einige orbitale Längengrade mit mehreren Betreibern dicht gedrängt sind, bleiben andere weitgehend leer. Dieses räumliche Muster ist aus drei Gründen von Bedeutung:

1. Ressourcenallokation: Es beeinflusst die Slot-Zuweisung und die Spektrumskoordination unter den Regeln der Internationalen Fernmeldeunion (ITU).
2. Globale Abdeckung: Es bestimmt die geografische Verteilung von Kommunikationsdiensten.
3. Orbitale Nachhaltigkeit: Die Platzierung von Satelliten diktiert die zukünftige Geografie des Weltraummülls. Trümmer sammeln sich dort an, wo Satelliten platziert werden; daher ist das Verständnis der Treiber der Satellitenplatzierung eine Voraussetzung für die Vorhersage des langfristigen orbitalen Risikos.

Die bestehende Literatur zum Weltraummüll stützt sich typischerweise auf ingenieurtechnische Modelle des Kollisionsverhaltens nach dem Start, der Entsorgung und des Lebensende-Verhaltens. Diese Arbeit argumenttiert, dass eine vorangegangene, oft übersehene Frage besteht: Wie viel der zukünftigen Geografie von Kongestion und Trümmern ist bereits in den anfänglichen kompetitiven Standortentscheidungen der Betreiber kodiert?

2. Methodik

Die Autoren nutzen die geostationäre Umlaufbahn als „nahezu ideales Labor“, da sie physisch eindimensional ist (ein Ring von 360 Grad) und durch explizite, beobachtbare Allokationsregeln (First-Come, First-Served) gesteuert wird.

Das Modell des kompetitiven Markteintritts (Competitive Entry, CE)

Der Kern der Analyse ist ein strukturelles Modell des sequentiellen, profitorientierten Markteintritts:

• Nachfrage-Treiber: Die Nachfrage an jeder Längengrad wird durch die gerasterte Bevölkerung innerhalb des kommerziellen Footprints des Satelliten (ca. ±40° Längengrad) getrieben. Das Modell testet zwei Spezifikationen der Nachfrage: Rohpopulation vs. BIP-gewichtete Population (Einkommen).
• Eintrittsmechanismus: Betreiber treten sequentiell in den Markt ein. Jeder neue Teilnehmer wählt den orbitalen Slot, der seinen Marktanteil maximiert, gegeben die Positionen aller zuvor platzierten Satelliten.
• Marktteilungsregel: Konsumenten (Bevölkerung) werden vom nächstgelegenen Satelliten bedient. Wenn die Entfernungen gleich sind, wird die Nachfrage zufällig aufgeteilt.
• Pfadabhängigkeit: Frühe Marktteilnehmer sichern sich hochprofitable Bögen. Nachfolgende Teilnehmer stehen vor einem Kompromiss: Sie können sich in einer Region mit geringer Nachfrage und ohne Konkurrenz positionieren oder sich in einer Region mit hoher Nachfrage ansiedeln und den Markt teilen. Das Modell postuliert, dass der Grenznutzen des Teilens eines großen Marktes oft höher ist als der Gewinn durch die vollständige Erfassung eines kleinen, leeren Marktes, was zu Clusterbildung führt.

Daten und Validierung

• Datenquellen: Die Studie nutzt die Datenbank des ITU Compliance Assessment Monitor (ITU-CAM) für Satellitenpositionen (390 aktive kommerzielle Satelliten nach 2006; 513 inaktive Nutzlasten). Die Nachfragedaten stammen aus dem Gridded Population of the World (GPWv4) und G-Econ (BIP).
• Ausschlüsse: Die chinesische Bevölkerung wird bei der Nachfragemessung ausgeschlossen, da regulatorische Beschränkungen verhindern, dass chinesische Konsumenten auf kommerzielle GEO-Dienste zugreifen können, was sie zu einem nicht adressierbaren Markt für internationale Betreiber macht.
• Validierungsstrategie:
  1. In-Sample-Fit: Vergleich der vom Modell vorhergesagten Dichte mit der beobachteten aktiven Satellitendichte ($R^2$).
  2. Out-of-Sample-Vorhersage: Ein „Walk-Forward“-Test zur Vorhersage individueller Slot-Wahlen für 431 neue kommerzielle Satelliten (nach 2000) basierend auf dem Orbitalzustand zum Zeitpunkt des Starts, im Vergleich zu einem angepassten Conditional-Logit-Modell.
  3. Langfristige Simulation: Eine 21-jährige Vorwärtssimulation (2000–2021) zur Platzierung von 400 neuen Satelliten, um die aggregierte Verteilungsprognose gegen eine naive Persistenz-Baseline zu testen.
  4. Trümmer-Vorhersage: Test, ob das Modell die Verteilung inaktiver Nutzlasten (Trümmer) vorhersagt.
  • Placebo-Tests: Rotation der Populationsverteilung, um sicherzustellen, dass der Fit auf einer spezifischen Ost-West-Ausrichtung beruht und nicht nur auf lückenhaften Daten.

3. Kernergebnisse

A. Die Bevölkerung treibt die Platzierung an, nicht das Einkommen

Das CE-Modell, das die Bevölkerung als Nachfragedriver verwendet, erreicht eine starke Übereinstimmung mit der beobachteten Verteilung der aktiven Satelliten ($R^2 = 0,64$, Spearman $\rho = 0,82$). Es reproduziert erfolgreich die dichten Cluster über Süd-/Südostasien, Europa und Amerika sowie die geringe Abdeckung über dem Pazifik und Zentralasien.

Im Gegensatz dazu schneidet ein Modell, das die BIP-gewichtete Nachfrage verwendet, signifikant schlechter ab ($R^2 = 0,11$). Dies deutet darauf hin, dass Betreiber die gesamte Populationsgröße gegenüber der Kaufkraft priorisieren. Das Modell sagt korrekt die hohe Satellitendichte über Indien (eine Region mit hoher Bevölkerung und moderatem Einkommen) voraus, während das einkommensgewichtete Modell dies nicht erfassen kann. Robustheitsprüfungen unter Verwendung einer unabhängig geschätzten Einkommenselastizität der Technologieadoption ($\hat{\gamma} \approx 0,88$) bestätigen, dass jede positive Einkommensgewichtung die Modellgüte verschlechtert; der beste Fit tritt bei $\gamma \approx 0$ (reine Bevölkerung) auf.

B. Prädiktive Kraft übertrifft angepasste Modelle

In Walk-Forward Out-of-Sample-Tests sagt das strukturelle CE-Modell (ohne Parameteranpassung an die Slot-Wahl-Daten) die individuellen Slot-Wahlen mit einem mittleren Rang von 140 von 360 voraus. Dies übertrifft ein angepasstes Conditional-Logit-Modell (mittlerer Rang 154) und eine Zufalls-Baseline (mittlerer Rang 180). Dies deutet darauf hin, dass das strukturelle Modell den zugrunde liegenden Mechanismus erfasst und nicht lediglich historisches Rauschen überanpasst.

C. Langfristige und Trümmer-Vorhersage

• Aggregierte Bereitstellung: In einer 21-jährigen Vorwärtssimulation sagt das CE-Modell die aggregierte Verteilung neuer Eintritte voraus ($R^2 = 0,35$) und übertrifft damit eine naive Persistenz-Benchmark ($R^2 = 0,09$) um den Faktor vier.
• Trümmerakkumulation: Das Modell sagt die Verteilung inaktiver Nutzlasten (Trümmer) mit $R^2 = 0,44$ voraus. Dies zeigt, dass die Geografie des orbitalen Risikos teilweise eine nachgelagerte Folge der kompetitiven Eintrittsmuster ist. Regionen mit hohem kompetitiven Eintritt (z. B. der Indien-Bogen) werden voraussichtlich die meisten Trümmer akkumulieren.

D. Effizienz und Wohlfahrt

Die Arbeit stellt fest, dass die aktuelle Satellitenverteilung relativ effizient ist. Obwohl eine Pareto-verbessernde Umverteilung (Steigerung der Gesamtwohlfahrt ohne Benachteiligung eines Betreibers) möglich war, als die Konstellation noch klein war ($N=25$, potenzielle Steigerung von 15,8 %), schloss sich dieses „Effizienzfenster“ schnell. Bei $N \approx 150$ (und sicherlich beim aktuellen $N \approx 500$) existiert keine einzelne Satelliten-Umverteilung mehr, die die aggregierte Wohlfahrt verbessert und gleichzeitig alle Marktanteile der Betreiber bewahrt.

4. Beiträge und Bedeutung

Die Arbeit leistet drei wesentliche Beiträge:

1. Identifizierung des Mechanismus: Sie stellt fest, dass die ungleiche Geografie der orbitalen Infrastruktur durch die einfache Logik des sequentiellen kompetitiven Eintritts unter heterogener Nachfrage getrieben wird, statt durch Koordinationsversagen oder simultane Optimierung.
2. Prädiktiver Rahmen: Sie bietet ein validiertes, parameterfreies strukturelles Modell, das sowohl die Platzierung aktiver Satelliten als auch die resultierende Geografie der Trümmerakkumulation unter Verwendung von reinen Bevölkerungsdaten und physikalischen Randbedingungen vorhersagt.
3. Politische Implikationen:
   • Abdeckungs-Gerechtigkeit: Die „unterversorgten“ Regionen (z. B. Subsahara-Afrika, Zentralasien) sind nicht unprofitabel pro Abonnent, werden aber strukturell umgangen, weil ihre Bevölkerungen im Vergleich zum globalen Nachfragepeak relativ klein sind. Kompetitive Dynamiken werden diese Lücken nicht spontan schließen.
   • Trümmerrisiko: Die Regionen, die am stärksten durch die langfristige Trümmerakkumulation gefährdet sind, sind jene, die durch kompetitive Dynamiken weiterhin gezielt angesteuert werden. Dies schafft eine sich selbst verstärkende Gefahr, bei der kommerzielle Attraktivität zu Kongestion und erhöhtem operationellem Risiko führt.
   • Relevanz für LEO: Die Autoren legen nahe, dass dieser Mechanismus nun auf Mega-Konstellationen im Low Earth Orbit (LEO) skaliert, was impliziert, dass sich die Bodenbahnen (Ground Tracks) ähnlich über hochverdichtete Bevölkerungsregionen konzentrieren werden.

Die Arbeit kommt zu dem Schluss, dass die räumliche Verteilung des orbitalen Risikos nicht bloß ein technisches Problem ist, sondern ein Spiegelbild ökonomischer Fundamentaldaten und kompetitiver Eintrittsmuster. Das Verständnis dieser Treiber ermöglicht eine bessere Antizipation zukünftiger Kongestions- und Trümmer-Hotspots.