📈 economics

The Structural Parameters of Scientific Knowledge Production: Panel Evidence on Homogeneity, Quality, and Global Redistribution

Diese Arbeit analysiert Paneldaten aus 181 Ländern und zeigt auf, dass während das wissenschaftliche Volumenwachstum durch kumulierende Wissensbestände vorangetrieben wird, was zu einem prognostizierten Rückgang der Dominanz der G8 führt, die wissenschaftliche Qualität von Humankapital und institutionellen Faktoren abhängt, wodurch eine kritische Divergenz entsteht, bei der eine führende Rolle beim Volumen keine dauerhafte Führung bei der Qualität garantiert.

Ursprüngliche Autoren: Johannes W. Fedderke

Veröffentlicht 2026-07-31

📖 7 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Johannes W. Fedderke

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

Das große wissenschaftliche Rennen: Warum manche Länder größer und andere klüger werden

Stellen Sie sich die weltweite wissenschaftliche Gemeinschaft wie eine riesige, globale Bibliothek vor, in der ständig neue Bücher geschrieben werden. Jahrzehntelang hielten einige wenige mächtige Nationen die Schlüssel zu den besten Schreibtischen, den bequemsten Stühlen und den tiefsten Regalen voller alter Bücher in den Händen. Doch vor Kurzem ist eine Welle neuer Autoren eingetroffen, die ihre eigenen Schreibtische mitbringen und die Bibliothek mit einer Flut neuer Seiten füllen. Dies wirft eine faszinierende Frage auf: Werden die alten Giganten weiterhin die wichtigsten Geschichten schreiben, oder werden die Neulinge das Ruder übernehmen? Um dies zu beantworten, müssen wir zwei Dinge verstehen. Erstens gibt es den „Wissensbestand“, der wie ein riesiger Schneeball aus all den Büchern ist, die ein Land jemals geschrieben hat. Je mehr Schnee man hat, desto einfacher ist es, eine größere Kugel zu rollen; vergangene Entdeckungen machen zukünftige Entdeckungen schneller und einfacher. Zweitens gibt es das „Humankapital“, bei dem es nicht nur darum geht, wie viele Autoren in der Bibliothek erscheinen, sondern wie gut ausgebildet und qualifiziert sie sind. Die große Frage für die Zukunft ist: Garantiert ein riesiger Schneeball aus alten Büchern, dass man die besten neuen Geschichten schreibt, oder hilft er einem lediglich dabei, mehr davon zu schreiben? Dies ist von Bedeutung, da das Land, das in der Wissenschaft führt, oft auch in Technologie, Medizin und wirtschaftlicher Macht führt und somit bestimmt, wer im globalen Spiel gewinnt und wer verliert.

Die große Entdeckung der Arbeit: Der Schneeball vs. der Funke

In dieser Studie agiert Johannes Fedderke wie ein Detektiv, der Daten aus 181 Ländern über einen Zeitraum von zwanzig Jahren (2003–2022) untersucht, um genau zu entschlüsseln, wie wissenschaftliche Erkenntnis entsteht. Er entwickelte ein mathematisches Modell, eine sogenannte „Wissensproduktionsfunktion“, die im Grunde ein Rezept ist, um Inputs (wie kluge Forscher und alte Bücher) in Outputs (neue wissenschaftliche Artikel) zu verwandeln. Hier ist das Ergebnis, unterteilt in die wichtigsten Teile der Geschichte.

Der Schneeballeffekt ist real (aber nur für die Quantität)
Die erste große Erkenntnis ist, dass der „Schneeball“ tatsächlich funktioniert. Je mehr Wissen ein Land bereits angesammelt hat, desto mehr neue Artikel kann es produzieren. Die Studie stellte fest, dass dieser „Kumulationseffekt“ sehr stark ist, mit einem Wert zwischen 0,65 und 0,76. Das bedeutet: Wenn ein Land seinen Bestand an vergangener Wissensschätze verdoppelt, verdoppelt es nicht nur seinen Output, sondern erhält einen massiven Schub. Dies bestätigt, dass Wissenschaft ein semi-endogener Prozess ist: Die Vergangenheit befeuert die Zukunft. Die Arbeit schließt jedoch explizit die Idee aus, dass dieser Schneeballeffekt die Qualität der Arbeit verbessert. Der Schneeball hilft Ihnen dabei, mehr Seiten zu schreiben, aber er macht diese Seiten nicht automatisch brillant.

Die Aufteilung „Mehr vs. Besser“
Hier wird die Geschichte interessant. Die Arbeit zeigt, dass das Schreiben von mehr Papieren und das Schreiben von besseren Papieren zwei völlig unterschiedliche Spiele mit unterschiedlichen Regeln sind.

Für das Volumen (Mehr schreiben): Die Größe Ihres Wissensschneeballs ist der Hauptmotor. Wenn Sie einen riesigen Haufen alter Forschung besitzen, können Sie neue Artikel in einem rasanten Tempo produzieren.
Für die Qualität (Besser schreiben): Die Größe Ihres Schneeballs spielt kaum eine Rolle. Die Studie fand heraus, dass die Elastizität des „Wissensbestands“ für qualitativ hochwertige, hochzitierte Arbeiten verschwindend gering ist – nur etwa 0,015. Das ist zwei Größenordnungen kleiner als der Effekt auf das Volumen. Stattdessen ist das Einzige, was wirklich hochwertige, weltverändernde Wissenschaft vorantreibt, die Qualität des Humankapitals (der Forscher selbst). Die Studie fand eine massive Elastizität von 2,19 für die Qualität des Humankapitals im Qualitätsmodell. Dies deutet darauf an, dass es weit wichtiger ist, einige wenige brillante, gut ausgebildete Wissenschaftler zu haben, als eine riesige Bibliothek alter Bücher, um Spitzenforschung zu betreiben.

Das „institutionelle Geheimnis“ der Qualität
Die Arbeit entdeckte auch, dass selbst wenn man großartige Forscher hat, noch etwas anderes zählt. Etwa 65 % der Unterschiede darin, warum manche Länder mehr hochzitierte Arbeiten produzen als andere, liegen an „zeitinvarianten institutionellen Merkmalen“. Denken Sie an die Kultur einer Bibliothek, die Regeln des Spiels oder die Art und Weise, wie ein Land seine Wissenschaftler belohnt. Es geht nicht nur darum, die Werkzeuge zu haben; es geht um das Umfeld. Im Gegensatz dazu erklärt, wenn es darum geht, mehr Artikel zu schreiben, die tatsächlichen Inputs (wie viele Forscher, wie viel Geld) fast alles, und der Anteil der „Kultur“ ist minimal.

Die Zukunft: Eine sich verschiebende Weltkarte
Unter Anwendung dieser Regeln führte der Autor Simulationen durch, um zu sehen, wie die Welt im Jahr 2047 aussehen könnte.

Die Volumenverschiebung: Wenn Länder ihre Forschungs-Inputs im aktuellen Tempo weiter ausbauen, verändert sich die Landkarte dramatisch. Der Anteil Chinas am globalen wissenschaftlichen Output wird prognostiziert, von 22,6 % im Jahr 2022 auf fast 28 % bis 2047 zu steigen. Währenddessen wird der Anteil der USA, die derzeit etwa 14 % halten, voraussichtlich auf unter 3 % schrumpfen. Jede andere große G8-Nation (wie Deutschland, Japan und das Vereinigte Königreich) wird ebenfalls voraussichtlich einen signifikanten Teil ihres Anteils verlieren. Dies liegt daran, dass der „Schneeballeffekt“ Ländern mit schnellem Wachstum hilft, aufzuholen und die langsameren zu überholen.
Der Qualitäts-Twist: Hier liegt die Nuance. Wenn man nur die Qualität der Forscher betrachtet (und ignoriert, wie viele Artikel sie schreiben), verlieren die USA und ihre Verbündeten nicht so viel Boden. Ihr Anteil an der weltweiten hochzitierten Wissenschaft könnte nur um etwa 4,4 Prozentpunkte sinken, statt um die massiven 11 Prozentpunkte, die beim Volumen zu sehen sind. Dies liegt daran, dass die USA immer noch eine sehr hochwertige Forschungsarbeitnehmerschaft besitzen.
Die Warnung: Die Arbeit warnt jedoch, dass man das Volumen nicht ignorieren darf. Wenn man den Rückgang des Volumens mit dem Rückgang der Qualität kombiniert (Ansatz B der Studie), könnte der Anteil der USA an der hochzitierten Wissenschaft um 16,4 Prozentpunkte sinken. Die Arbeit legt nahe, dass, wenn ein Land aufhört, genügend Artikel zu schreiben, letztlich selbst seine besten Forscher nicht mehr in der Lage sein könnten, ihren Vorsprung in der Qualität zu halten, einfach weil das gesamte Forschungs-Ökosystem schrumpft.

Was die Arbeit ausschließt
Es ist wichtig festzuhalten, was diese Studie nicht als Antwort ansieht.

Sie schließt die Idee aus, dass verschiedene Länder grundlegend unterschiedliche „Technologien“ zur Erzeugung von Wissenschaft besitzen. Die Studie fand heraus, dass das „Rezept“ (die Parameter) für fast jedes Land tatsächlich dasselbe ist. Die Unterschiede darin, wer gewinnt und wer verliert, liegen darin, wie schnell sie die Zutaten (Inputs) hinzufügen, und nicht darin, dass einige Länder eine geheime Zauberformel besitzen.
Sie schließt die Idee aus, dass ein riesiger Haufen alten Wissens automatisch die Qualität der neuen Arbeit verbessert. Die Daten zeigen, dass akkumuliertes Wissen hilft, mehr zu produzieren, aber nicht dabei hilft, besser zu werden.
Sie schließt die Idee aus, dass der Rückgang der USA nur ein vorübergehender Einbruch ist. Die Projektionen deuten darauf hin, dass dies eine strukturelle Verschiebung ist, die durch die Mathematik des exponentiellen Wachstums getrieben wird, und nicht nur ein politischer Fehler, der über Nacht leicht korrigiert werden kann.

Wie sicher sind wir uns?
Die Autoren sind sehr zuversichtlich hinsichtlich des „Schneeballeffekts“ für das Volumen und des „Humankapital“-Treibers für die Qualität, da diese mit fortschrittlichen statistischen Werkzeugen mit hoher Präzision gemessen wurden. Die Projektionen für 2047 werden jedoch als „bedingte Szenario-Projektionen“ beschrieben, nicht als Kristallkugel-Vorhersagen. Sie zeigen, was passiert, wenn die aktuellen Trends anhalten und sich die Regeln der Wissenschaft nicht ändern. Die Arbeit gibt zu, dass sich die Zahlen anders darstellen könnten, falls sich die Demografie verschiebt oder Länder die Investitionen in Bildung ändern. Aber basisch auf den Daten der letzten zwei Jahrzehnte deutet der Trend auf eine Welt hin, in der sich das Volumen der Wissenschaft schnell zu neuen Akteuren bewegt, während der Kampf um die beste Wissenschaft ein enges Rennen zwischen denen mit den besten Menschen und den besten Systemen bleibt.

Technische Zusammenfassung: Die strukturellen Parameter der wissenschaftlichen Wissensproduktion

Problemstellung
Die Arbeit befasst sich mit der sich verschiebenden globalen Verteilung wissenschaftlicher Erzeugnisse, die durch die rasante Expansion aufstrebender Volkswirtschaften (insbesondere China, Indien und die Türkei) und den relativen Rückgang etablierter G8-Mächte gekennzeichnet ist. Die zentralen Forschungsfragen lahen: (1) Welche strukturellen Parameter bestimmen die Umwandlung von Forschungsinputs in wissenschaftliches Wissen? (2) Werden die Unterschiede zwischen den Ländern im Output durch Effizienzunterschiede (heterogene Technologien) oder durch Unterschiede in der Akkumulationsgeschichte der Inputs getrieben? (3) Wie unterscheiden sich diese Parameter zwischen dem Volumen des wissenschaftlichen Outputs und dessen Qualität (Zitationsimpact), und was implizieren sie für die zukünftige Verteilung der globalen wissenschaftlichen Führung bis zur Mitte des Jahrhunderts? Die Studie konzentriert sich auf das absolute Gesamtvolumen statt auf die Pro-Kopf-Produktivität, da die aggregierte Kapazität die geopolitische und ökonomische Primatstellung vorantreibt.

Methodik
Die Autoren schätzen Wissensproduktionsfunktionen (Knowledge Production Functions, KPF) für 181 Länder im Zeitraum 2003–2022. Der empirische Rahmen ist in der Theorie des endogenen Wachstums (Romer, 1990; Jones, 1995) verwurzelt, wobei die Rate der neuen Wissensschöpfung als Funktion des Humankapitals ( $H$ ), des akkumulierten Wissensbestands ( $A$ ) und eines Produktdiversitätsbegriffs ( $Q$ ) modelliert wird.

Daten: Die Studie nutzt bibliometrische Daten der US National Science Foundation (NSB) Science and Engineering Indicators. Die abhängigen Variablen umfassen Artikelvolumina (Ganzzahl- und Bruchteil-Counts) sowie einen logit-transformierten Top-1%-Zitationsanteil für die Qualitätsanalyse. Die Inputs umfassen die Anzahl der Forscher sowie qualitätsbereinigte Humankapitalindizes (PWT).
Schätzstrategie: Da die wissenschaftliche Produktion ein globaler Prozess ist, der eine Querschnittsabhängigkeit erzeugt (aufgrund einer gemeinsamen Wissenschaftsfront), verwenden die Autoren heterogene Panel-Schätzer, die unbeobachtete gemeinsame Faktoren mit heterogenen Loadings berücksichtigen.
- Primäre Schätzer: Augmented Mean Group (AMG) und Common Correlated Effects Mean Group (CCEMG) werden eingesetzt, um Querschnittsabhängigkeit und Steigungsheterogenität zu handhaben.
- Homogenitätstests: Der Pooled Mean Group (PMG)-Schätzer wird verwendet, um formal auf die Homogenität der langfristigen Koeffizienten über die Länder hinweg zu testen.
- Herausforderung der Qualitätsspezifikation: Eine methodische Innovation adressiert den Mismatch der Integrationsordnung in der Qualitätsspezifikation, bei der die abhängige Variable (Logit-Zitationsanteil) stationär ( $I(0)$ ) ist, während die Regressoren nicht-stationär ( $I(1)$ ) sind. Standard-Schätzer (FE, AMG, CCEMG, Standard-PMG) liefern in diesem Setting instabile Ergebnisse. Die Autoren verwenden PMG+CSD (PMG ergänzt um eine Korrektur des Querschnittsmittelwerts), was die Querschnittsabhängigkeit über kurzfristige Mittelwert-Augmentierer absorbiert, ohne eine Kointegrationsstruktur zwischen $I(0)$ - und $I(1)$ -Variablen vorauszusetzen.
Projektionen: Bedingte Szenario-Projektionen bis 2047 werden unter Verwendung von Panel-Mittelwert-Elastizitäten und länderspezifischen Input-Akkumulationstrends erstellt. Es werden zwei Ansätze für die Qualität verwendet: eine direkte Projektion aus den Faktor-Inputs (Ansatz A) und eine qualitätsgewichtete Volumenprojektion unter Berücksichtigung der Volumendynamik (Ansatz B).

Zentrale Beiträge

Bibliometrische KPF-Evidenz: Die Arbeit liefert eine umfassende länderübergreifende KPF-Analyse unter Verwendung wissenschaftlicher Publikationszahlen und ergänzt damit die bestehende Literatur, die primtär durch patentbasierte Innovationsstudien dominiert wird.
Methodische Stringenz: Sie implementiert Schätzer (AMG, CCEMG, PMG), die speziell darauf ausgelegt sind, die Querschnittsabhängigkeit in globalen wissenschaftlichen Daten zu handhaben, und korrigiert damit die Inkonsistenz von Standard-Fixed-Effects-Modellen in diesem Kontext.
Parameterhomogenität: Die Studie stellt fest, dass die langfristigen KPF-Elastizitäten über Länder hinweg statistisch homogen sind. Dies impliziert, dass die Unterschiede in den wissenschaftlichen Produktionsanteilen der Länder primär durch die Akkumulationsgeschichte der Inputs und die Ausgangsbedingungen getrieben werden und nicht durch heterogene Produktionstechnologien.
Strukturelle Asymmetrie: Sie identifiziert einen fundamentalen strukturellen Unterschied zwischen der Produktion wissenschaftlicher Quantität und wissenschaftlicher Qualität. Während das Volumen vom Kumulieren des Wissensbestands profitiert, tut dies die Zitationsqualität nicht.
Innovation in der Qualitätsschätzung: Die Anwendung von PMG+CSD auf die $I(0)/I(1)$ -Qualitätsspezifikation ermöglicht die Gewinnung einer stabilen, präzise geschätzten Humankapital-Elastizität, die andere Schätzer verschleiern.

Ergebnisse

Wissensbestands-Elastizität ( $\hat{\phi}$ ): Die Elastizität des Outputs in Bezug auf den akkumulierten Wissensbestand ist positiv, präzise geschätzt und substanziell, mit Werten zwischen 0,65 und 0,76 in den bevorzugten Spezifikationen. Dies ordnet die akademische Wissenschaft eindeutig dem semi-endogenen Wachstumsregime ( $0 < \phi < 1$ ) zu, jedoch am oberen Ende früherer Schätzungen (die basierend auf Patenten oft bei 0,3–0,5 lagen). Dies zeigt, dass die Kumulierung von Wissen ein dominanter Motor des akademischen Outputs ist.
Humankapital-Elastizität ( $\hat{\sigma}$ ): Die Qualität des Humankapitals ist ein signifikanter Treiber des Outputs. In der Stichprobe oberhalb des Medians ist $\hat{\sigma} \approx 2,30$ (AMG) und $\approx 1,8$ (PMG+CSD), was auf super-proportionale Erträge der Humankapitalqualität hindeutet. In der Nicht-Null-Stichprobe (einschließlich der Einsteiger an der extensiven Margin) sind die Elastizitäten sogar noch höher ( $\approx 3,6–4,2$ ), was darauf hindeutet, dass das Humankapital die bindende Nebenbedingung für Länder ist, die in das globale Wissenschaftssystem eintreten.
Divergenz zwischen Volumen und Qualität:
- Volumen: Getrieben durch sowohl Humankapital als auch die Kumulierung des Wissensbestands ( $\hat{\phi} \approx 0,65$ ).
- Qualität: Der Zitationsimpact wird durch einen strukturell unterschiedlichen Prozess gesteuert. Die Wissensbestands-Elastizität für die Qualität ist vernachlässigbar ( $\hat{\phi}_q \approx 0,015$ ), zwei Größenordnungen niedriger als die Quantitäts-Elastizität. Stattdessen ist die Qualität des Humankapitals der primäre Treiber ( $\hat{\sigma}_q = 2,19$ ). Zudem erklären zeitinvariante institutionelle Merkmale 65 % der zwischen den Ländern variierenden Zitationsqualität, verglichen mit nur 5 % beim Volumen, was darauf hindeutet, dass die Führung in der Qualität stark von spezifischen institutionellen Umfeldern abhängt.
Projektionen (2022–2047):
- Volumen: Unter den aktuellen Input-Trajektorien wird prognostiziert, dass Chinas globaler Anteil von ~22,6 % auf einen Spitzenwert von ~29,8 % (Mitte der 2030er Jahre) ansteigen wird, bevor er sich bei ~27,8 % einpendelt. Der Anteil der USA wird voraussichtlich von 14,0 % auf unter 3,0 % sinken. Jede der G8-Ökonomien außer China verliert an Volumenanteil.
- Qualität: Die Projektionen sind nuancierter. Wenn die Qualität rein aus den Faktor-Inputs projiziert wird (Ansatz A), ist die US-Qualitätsführerschaft beständiger und sinkt nur von 21,5 % auf 17,1 %. Wenn jedoch die Volumendynamik einbezogen wird (Ansatz B), beschleunigt sich der qualitätsgewichtete Rückgang, wobei der US-Anteil auf ~2,8 % fällt, was dem Rückgang des Volumens entspricht. Diese Lücke warnt davor, dass der Erosionsprozess beim Volumen letztlich in einen Verlust der Qualitätsführerschaft über unmodellierte Kanäle übergehen könnte.

Bedeutung und Ansprüche
Die Arbeit beansprucht, die strukturelle Basis für das Verständnis der Zukunft der globalen Wissenschaft zu liefern. Ihre primäre Bedeutung liegt in dem Nachweis, dass das „Aufholen“ der Schwellenländer durch strukturelle Kumulierungsmechanismen und die Akkumulation von Inputs getrieben wird und nicht durch überlegene Produktionstechnologien. Das Ergebnis der Parameterhomogenität validiert die Verwendung von Panel-Mittelwert-Elastizitäten für Prognosen, was darauf hindeutet, dass die zukünftige Verteilung der Wissenschaft durch die Trajektorie der Inputs (Humankapital und Akkumulation des Wissensbestands) und nicht durch Effizienzschocks bestimmt wird.

Die Studie warnt vor Selbstgefälligkeit hinsichtlich der Qualitätsführerschaft. Während die Humankapitaldynamik auf einen langsameren Erosionsprozess der Qualitätsanteile der etablierten Mächte im Vergleich zu ihren Volumenanteilen hindeutet, impliziert die strukturelle Verbindung zwischen Volumen und Qualität, dass ein anhaltender Rückgang des Volumens letztlich die Qualitätsführerschaft untergraben könnte. Die Projektionen sind nicht als bedingungslose Vorhersagen, sondern als bedingte Szenario-Übungen formuliert, die die Diskussion der Politik durch die Quantifizierung der Folgen der Beibehaltung aktueller Input-Trajektorien unter den geschätzten strukturellen Parametern disziplinieren. Die Arbeit schließt mit dem Hinweis, dass historische Verschiebungen der wissenschaftlichen Führung stets von Jahrzehnten des Unterschätzens des Aufholtempos vorangegangen sind, und die geschätzte KPF-Struktur deutet darauf hin, dass ein solcher Prozess derzeit stattfindet.

Das große wissenschaftliche Rennen: Warum manche Länder größer und andere klüger werden

Die große Entdeckung der Arbeit: Der Schneeball vs. der Funke

Mehr davon