📈 economics

The Accumulation Paradox: When Markups Enable and Inhibit AI Adoption

Diese Arbeit verwendet ein agentenbasiertes Modell, um zu zeigen, dass die Dynamik der Marktstruktur, insbesondere die Absorption von Produktivitätsgewinnen in höhere Aufschläge und die bistabile Natur von Adoptionsschwellen, das Paradoxon zwischen produktivitätssteigernden KI-Gewinnen auf Unternehmensebene und dem stagnierenden gesamtwirtschaftlichen TFP-Wachstum erklärt.

Ursprüngliche Autoren: Liutao Hu

Veröffentlicht 2026-06-25

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Liutao Hu

Originalarbeit lizenziert unter CC BY 4.0 (https://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 die Wirtschaft als einen riesigen, geschäftigen Marktplatz vor, auf dem 200 verschiedene Läden leicht unterschiedliche Versionen desselben Produkts verkaufen. In diesem Marktplatz ist ein neues, magisches Werkzeug namens „KI“ angekommen. Dieses Werkzeug kann jeden Laden unglaublich effizient machen und es ermöglicht ihnen, Waren schneller und günstiger zu produzieren.

Das große Rätsel, das dieses Paper zu lösen versucht, lautet: Wenn jeder Laden dieses super-effiziente Werkzeug erhält, warum erlebt der gesamte Marktplatz dann keinen plötzlichen Aufschwung mit massivem Wachstum?

Der Autor, Liutao Hu, hat eine Computersimulation (einen „digitalen Sandkasten“) gebaut, um zu beobachten, wie sich diese Läden verhalten, wenn sie dieses Werkzeug erhalten. Anstatt davon auszugeen, dass die Läden perfekt rationale Roboter sind, behandelt die Simulation sie wie echte Menschen, die ihre Nachbarn kopieren, Angst vor Veränderungen haben und sich sehr um den Gewinn kümhen, den sie behalten können.

Hier sind die drei Haupterkenntnisse aus der Simulation, einfach erklärt:

1. Die „Gewinn-zuerst“-Falle (Absorption des Aufschlags)

Stellen Sie sich einen Ladenbesitzer vor, der das KI-Werkzeug kauft. Seine Kosten sinken, also könnte er seine Preise senken, um mehr Kunden anzulocken.

In einer überfüllten, wettbewerbsorientierten Straße: Wenn 50 Läden dasselbe verkaufen, muss der Besitzer die Preise senken, um zu überleben. Die Ersparnisse durch das KI-Werkzeug werden an Sie, den Kunden, weitergegeben, und die gesamte Wirtschaft wächst.
In einer ruhigen, exklusiven Straße: Wenn der Besitzer einer von nur zwei Läden in der Stadt ist, muss er die Preise nicht senken. Stattdessen behält er die Ersparnisse als zusätzlichen Gewinn (einen höheren „Aufschlag“).

Das Ergebnis: Das Paper stellt fest, dass in den „exklusiven“ Straßen das KI-Werkzeug die Ladenbesitzer reich macht, aber die gesamte Wirtschaft nicht zum Wachsen bringt. Die Effizienzgewinne werden in den Taschen der Besitzer „absorbiert“, anstatt in Form von niedrigeren Preisen an die Kunden zu fließen. Die Simulation legt nahe, dass dieses „Gewinn-zuerst“-Verhalten der Hauptgrund dafür ist, warum die Wirtschaft keinen massiven Boom erlebt, obwohl einzelne Unternehmen besser werden.

2. Das „Zeitlupen“-Rennen (Die zeitliche Umkehrung)

Die Simulation zeigt eine überraschende Wendung in der Art und Weise, wie verschiedene Arten von Läden das KI-Werkzeug im Laufe der Zeit einführen. Es ist wie ein Rennen mit zwei deutlichen Phasen:

Phase 1 (Der Sprint): Zu Beginn adoptieren die Läden auf der „überfüllten Straße“ (wettbewerbsorientierte Sektoren) die KI zuerst. Warum? Weil Informationen dort schnell verbreitet werden und es einfach ist, einzusteigen. Sie sind die Early Adopter.
Phase 2 (Der Marathon): Nach einigen Jahren dreht sich das Rennen um. Die Läden auf der „exklusiven Straße“ (konzentrierte Sektoren) ziehen an ihnen vorbei. Warum? Weil sie diese zusätzlichen Gewinne (aus der „Gewinn-zuerst“-Falle) gehortet haben. Sie verfügen über ein tiefes Portemonnaie voller Bargeld, das sie in teure, langfristige KI-Upgrades investieren können. Die wettbewerbsorientierten Läden hingegen, die damit kämpfen, die Preise niedrig zu halten, gehen für große Investitionen das Geld aus.

Die Vorhersage: Wenn dieses Modell stimmt, könnten wir jetzt sehen, wie wettbewerbsorientierte Branchen (wie Teile des Einzelhandels oder Dienstleistungen) die KI-Einführung anführen, aber gegen etwa 2029 könnten die großen, dominierenden Unternehmen in konzentrierten Branchen sie überholen.

3. Der „Kipppunkt“ (Bistabilität)

Die Simulation entdeckte einen gefährlichen „Kipppunkt“ im Markt.

Unter der Linie: Wenn ein Markt etwas konzentriert ist (wenige große Akteure), ist die KI-Adoption hoch und stabil.
Über der Linie: Wenn ein Markt zu wettbewerbsorientiert ist (zu viele Akteure, die um die letzten Krümel kämpfen), sind die Gewinne so gering, dass niemand es sich leisten kann, in das KI-Werkzeug zu investieren, und die Adoption stagniert.
Die Gefahrenzone: Genau in der Mitte wird das System instabil. Es ist wie ein Ball, der auf einem Hügel liegt. Ein kleiner Stoß in eine Richtung schickt ihn in ein „Hohe Adoption“-Tal; ein kleiner Stoß in die andere Richtung schickt ihn in ein „Niedrige Adoption“-Tal. Zwei identische Märkte könnten völlig unterschiedliche Zukünfte haben, nur basierend auf einer zufälligen Ausgangsbedingung.

Die Rolle des „Kopierens“ (Imitation)

Das Paper untersuchte auch, was passiert, wenn Läden aufhören, die Strategien ihrer Nachbarn zu kopieren.

Das Ergebnis: Wenn Läden aufhören zu kopieren, wird der Markt tatsächlich monopolistischer (weniger große Gewinner, mehr Verlierer). Kopieren wirkt wie ein Sicherheitsnetz, das den Markt vielfältig hält. Es verhindert, dass der „Reiche-werden-reicher“-Spiral zu extrem wird, auch wenn es nicht unbedingt dazu führt, dass alle mehr investieren.

Das Fazate

Das Paper argumentiert, dass das „KI-Produktivitätsparadoxon“ (warum wir großartige Technologie sehen, aber langsames Wirtschaftswachstum) nicht nur an schlechter Messung oder Arbeitsplatzverlust liegt. Es geht darum, wer das Geld bekommt.

Wenn die Marktstruktur es großen Unternehmen ermöglicht, alle Effizienzgewinne als zusätzlichen Gewinn zu behalten, profitiert die gesamte Wirtschaft nicht. Die Simulation legt nahe, dass wir für die Wirtschaft einen Mix aus Wettbewerb (um Preis senkungen zu erzwingen) und genügend Stabilität (um Investitionen zu ermöglichen) brauchen, aber der aktuelle Weg scheint eher Ersteres auf Kosten Letzterer zu begünstigen.

Wichtiger Hinweis: Der Autor betont sehr deutlich, dass dies eine Simulation ist, die auf spezifischen Regeln basiert. Sie zeigt, wie diese Muster aus einfachen Verhaltensweisen entstehen könnten, ist aber kein Kristallkugel-Modell, das die exakte Zukunft der realen Welt vorhersagt. Es ist eine „Was-wäre-wenn“-Geschichte, die uns hilft, die Mechanik des Problems zu verstehen.

Technisches Resümee: Das Akkumulationsparadoxon

Problemstellung
Die vorliegende Arbeit befasst sich mit dem „KI-Produktivitätsparadoxon“, einer Diskrepanz zwischen robusten produktivitätssteigernden Effekten auf Unternehmensebene durch generative KI (geschätzt auf ~~4 %) und einem stagnierenden Wachstum der aggregierten totalen Faktorproduktivität (TFP) in den USA (~~1 % pro Jahr). Während die bestehende Literatur diese Lücke auf Fehlmessungen, Arbeitsplatzverdrängung oder Nachfrageexternalitäten zurückführt (z. B. Falk & Tsoukalas, 2026), behandeln diese Modelle die Marktstruktur typischerweise als exogen vorgegeben. Die Arbeit argumentiert, dass die Marktstruktur kein statischer Hintergrund ist, sondern sich mit der technologischen Adoption mitentwickelt. Konkret wird untersucht, wie die Verteilung von KI-Renten – vermittelt durch Marktkonzentration und Preismacht – bestimmt, ob Effizienzgewinne auf Unternehmensebene in makroökonomisches Gesamtwachstum übergehen.

Methodik
Die Studie verwendet ein agentenbasiertes Modell (Agent-Based Model, ABM) im Rahmen der evolutionären Ökonomik (Nelson & Winter, 1982; Dosi & Roventini, 2019). Das Modell simuliert eine monopolistisch kompetitive Ökonomie mit $N=200$ heterogenen Unternehmen und einem repräsentativen Konsumenten. Wesentliche methodische Merkmale sind:

Begrenzte Rationalität (Bounded Rationality): Unternehmen lösen keine zukunftsorientierten Optimierungsprobleme. Stattdessen folgen sie Investitionsheuristiken, lernen durch die Imitation erfolgreicher Peers und passen ihre Strategien basierend auf beobachteter Rentabilität an.
Endogene Marktstruktur: Marktkonzentration (gemessen am HHI), Markup-Dispersion und der Zeitpunkt der Adoption entstehen aus Entscheidungen auf Unternehmensebene, statt als parametrische Vorgaben imposiert zu werden. Unternehmen besitzen firmenspezifische Substitutionselastizitäten ( $\sigma_i$ ), die aus ihrer Produktivität und ihrem Marktanteil abgeleitet werden und ihre Preismacht bestimmen.
Adoptionsdynamik: KI-Investitionen werden durch eine Variable der Informationsbereitschaft ( $R_i$ ) begrenzt, die durch Diffusion und Peer-Einfluss akkumuliert wird. Dies erzeugt eine S-Kurven-Adoptionskurve, welche die Investition verzögert, bis ein Schwellenwert überschritten wird.
Generativer Ansatz: Das Modell ist auf die Identifikation von Mechanismen ausgelegt (Epstein & Axtell, 1996) und nicht auf strukturelle Schätzung. Es testet, ob Wettbewerb, Imitation und Adoptionsdynamiken gemeinsam hinreichend sind, um das beobachtete Paradoxon zu generieren.
Kalibrierung: Die Parameter sind an empirische Momente angelehnt, einschließlich der Verteilung der Markups auf Unternehmensebene (De Loecker et al., 2020) und kurzfristiger TFP-Wachstumsraten (BLS). Die sektoralen Rankings der Adoption werden mit dem U.S. Business Trends and Outlook Survey (BTOS) verglichen.

Zentrale Beiträge und Ergebnisse
Die Simulationen generieren drei primäre Muster, die die Unterdrückung der aggregierten TFP erklären:

Markup-Absorption: In konzentrierten Märkten (geringe Substitutionselastizität $\sigma$ ) wandeln Unternehmen die durch KI induzierten Effizienzgewinne in höhere Markups um, anstatt die Preise zu senken oder den Output zu erweitern. Die Arbeit identifiziert diesen „Markup-Kanal“ als den primären Unterdrückungsmechanismus der TPF-Transmission, der etwa 24 Prozentpunkte der TFP-Unterdrückung über den Bereich von $\sigma$ hinweg erklärt. Ein sekundärer Mechanismus, das „Adoptions-Gate“ (verzögerte Investition aufgrund der Akkumulation von Information), trägt zu einer zusätzlichen mittleren Unterdrückung von 10,4 Prozentpunkten bei.
Temporale Umkehrung in den Adoptionsrankings: Das Modell sagt eine nicht-monotone Entwicklung der sektoralen Adoption voraus. Initial (Jahre 0–4) adoptieren kompetitive Sektoren (hohes $\sigma$ ) KI schneller aufgrund niedrigerer Markteintrittsbarrieren und schneller Informationsdiffusion. Nach einem Kreuzungspunkt (ca. 4 Jahre) überholen jedoch konzentrierte Sektoren (niedriges $\sigma$ ) diese. Diese Umkehrung erfolgt, weil höhere Markups in konzentrierten Sektoren die notwendigen internen Mittel für dauerhafte, groß angelegte KI-Investitionen bereitstellen, während kompetitive Sektoren diese Renditen erodieren lassen.
Bistabilität und Wettbewerbsschwellen: Es existiert eine kritische Wettbewerbsschwelle um $\sigma \approx 5$ . Unter diesem Wert halten konzentrierte Märkte eine hohe Adoption aufrecht; darüber erodiert der Wettbewerbsdruck die Markups so weit, dass KI-Investitionen unhaltbar werden, was zu einer geringen Adoption führt. In der Nähe dieser Grenze zeigt das System Bistabilität: Identische Parametrisierungen führen je nach zufälligen Anfangsbedingungen entweder zu Hoch- oder Niedrig-Adoptionsregimen. Dies formalisiert eine Kaleckianische Spannung, in der Markups gleichzeitig als Treibstoff für Investitionen und als Barriere für die kompetitive Diffusion von Gewinnen dienen.

Bedeutung und Ansprüche
Die Arbeit rahmt ihre Beiträge explizit als „generative Demonstrationen“ ein und nicht als kausale Schätzungen realweltlicher Phänomene. Ihre Bedeutung liegt in:

Identifikation von Mechanismen: Sie zeigt, dass das KI-Produktivitätsparoxon endogen aus der Koevolution von Technologie und Marktstruktur entstehen kann, ohne allein auf Nachfrageexternalitäten oder Fehlmessungen angewiesen zu sein.
Theoretische Integration: Die Ergebnisse überbrücken Mainstream-Modellierungswerkzeuge (CES-Nachfrage, Cobb-Douglas-Produktion) mit heterodoxen theoretischen Rahmenwerken. Der Markup-Absorptionskanal korrespondiert mit der marxistischen Überschussabsorption und dem Monopoly Capital von Baran/Sweezy; die Bistabilitäts-Schwelle spiegelt die Post-Keynesianische/Kaleckianische Spannung zwischen profitorientierter Investition und lohnorientierter Nachfrage wider; und die Rolle der Imitation steht im Einklang mit institutionalistischen Ansichten zur Nicht-Markt-Koordination (Hodgson, 1988).
Politische Implikationen (indirekt): Das Papier klärt die analytischen Voraussetzungen für die Politik, anstatt spezifische Instrumente vorzuschreiben. Es legt nahe, dass Wettbewerbs- und Industriepolitik distributive Mechanismen adressieren müssen: die Verhinderung der Markup-Absorption, die die aggregierte TFP aushungert, bei gleichzeitiger Sicherstellung der Diffusion dort, wo private Renditen unzureichend sind.
Empirische Vorhersagen: Das Modell bietet eine testbare Hypothese: Wenn kompetitive Sektoren derzeit die KI-Adoption anführen (wie 2024 BTOS-Daten suggerieren), sollten konzentrierte Sektoren sie bis etwa 2029 überholen.

Die Autoren wahren eine bescheidene Haltung und merken an, dass es sich bei dem Modell um eine geschlossene Ökonomie mit vereinfachten Arbeitsmärkten handelt und dass die quantitativen Adoptionsniveaus langfristige Gleichgewichtswerte sind, die über die aktuellen Querschnittsdaten hinausgehen. Der Kernanspruch ist, dass die beobachteten Muster strukturell durch einen minimalen Satz von Verhaltensregeln generiert werden, was eine neue Perspektive auf das Zusammenspiel von Marktmacht und technologischer Diffusion bietet.