Netzwerkeffekt

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche
Die Abbildung veranschaulicht den Netzwerkeffekt am klassischen Beispiel Telefon. Die Linien stellen potentielle Verbindungen zwischen den Telefonnutzern dar.

Der Netzwerkeffekt (auch Netzeffekt oder Netzwerkexternalität) gehört in der Volkswirtschaftslehre zu den externen Effekten.[1] Er beschreibt, wie sich der Nutzen aus einem Produkt für einen Konsumenten ändert, wenn sich die Anzahl anderer Konsumenten desselben Produktes bzw. komplementärer Produkte ändert. Demzufolge ist der Produktnutzen eines Konsumenten abhängig von der gesamten Nutzerzahl. Diese Nutzenbeeinflussung ist dem Konsumenten generell nicht bewusst. Der Netzwerkeigner nimmt im Allgemeinen diesen Effekt wahr und handelt, um den Wert seines Netzwerks zu steigern.[2] Die entstehende Nutzenänderung wird nicht bzw. nur teilweise über den Marktpreis abgegolten.

Ein Netz oder Netzwerk wird in diesem Kontext (informationsökonomisch) als eine Zusammenfassung von Nutzern eines bestimmten Produktes oder kompatibler Technologie bezeichnet.[3] Die Größe eines Netzwerks zu einem bestimmten Zeitpunkt wird als installierte Basis bezeichnet. Netzeffektgüter oder Netzprodukte werden Güter bzw. Produkte genannt, die Netzwerkeffekten unterliegen. Netzeffektmärkte bezeichnen die Märkte, auf denen der Effekt vorhanden ist.[1]

Der Effekt entsteht, wenn die Zahlungsbereitschaft einer Person von der Zahl der Nutzer dieses Produktes abhängt. Dies impliziert, dass die Nachfrage einer Person von der Nachfrage anderer Personen abhängig ist.[4]

Netzwerkeffekte können in positiver und negativer Form auftreten. Es handelt sich um einen positiven Effekt, wenn bei steigender Anzahl an Konsumenten der Nutzen für alle steigt. Entsteht Nutzenreduktion, so handelt es sich um einen negativen Netzwerkeffekt. In der Literatur werden vorrangig positive Netzwerkeffekte diskutiert.

Das klassische Beispiel eines positiven Netzwerkeffekts ist das Telefon. Der Nutzen aus einem Telefon steigt für den Besitzer mit der Zahl der übrigen Besitzer eines Telefons. Soziale Netzwerke wie Twitter und Facebook basieren auf demselben Prinzip. Wird eine kritische Masse erreicht, so steigt die Nutzerzahl exponentiell an.

Ursprung und Geschichte[Bearbeiten | Quelltext bearbeiten]

Netzwerkeffekte fanden zum ersten Mal größere Beachtung durch Theodore Vail, dem ersten Präsidenten des US-amerikanischen Telekommunikationskonzerns Bell Telephone. Sein Ziel war es, Bell Telephone in den USA mit Hilfe von Netzwerkeffekten zu monopolisieren. Im Jahr 1908, als er das Konzept im Jahresbericht von Bell Telephone vorstellte, gab es mehr als 4000 lokale und regionale Telefonzentralen, von denen durch den Einfluss des Netzwerkeffekts die meisten schließlich zum Bell-System gehörten.[5]

Zu den Begründern der Netzwerktheorie zählt Jeffrey Rohlfs. Er untersuchte positive Externalitäten bei der Vergrößerung von Kommunikationsnetzwerken und analysierte formal das Konzept der kritischen Masse (1974).[6]

Die ökonomische Theorie des Netzwerkeffekts wurde zwischen 1985 und 1995 von den Forschern Michael L. Katz, Carl Shapiro, Joseph Farrell und Garth Saloner fortgeführt.[7]

1993 wurde das Metcalfesches Gesetz, benannt nach Robert Metcalfe, veröffentlicht um Netzwerkeffekte gemeinverständlich darzustellen.

Ende 2008 stellte Rod Beckstrom erstmals das von ihm entwickelte Beckstrom's law vor, welches eine Möglichkeit beschreibt, den tatsächlichen Wert eines Netzwerks zu ermitteln: „The value of a network equals the net value added to each user’s transactions conducted through that network, summed over all users.“[8]

Direkte Netzwerkeffekte[Bearbeiten | Quelltext bearbeiten]

Die konventionelle Definition direkter (auch horizontaler) Netzwerkeffekte stammt von Katz/Shapiro (1986). So sei der Nutzen, den ein Verbraucher aus einem Gut zieht, von der Anzahl anderer Verbraucher des Gutes abhängig. Die Größe des Netzwerkes hat direkt Auswirkungen auf den Nutzen der Netzwerkteilnehmer.[9] Der Nutzen, den ein Konsument aus dem Konsum eines Gutes erhält, ist zentral für die Konsumentscheidung. Der Nutzen wird determiniert aus den Faktoren Basisnutzen und Netzwerkgröße . Der Basisnutzen entspricht den persönlichen Anforderungen an ein Gut. Daraus ergibt sich:

mit für

Durch jeden neuen Netzwerkteilnehmer erhöht sich im Allgemeinen der Gesamtnutzen. Jeder zusätzliche Nutzer des Netzwerks erhöht die Anzahl möglicher Verbindungen und damit die Anzahl der potentiell erreichbaren Nutzer. Der Nutzen steigt infolge des Eintritts eines neuen Teilnehmers überproportional an, da der hinzukommende Nutzer mehr Nutzen einbringt als er selbst erhält.[10]

Der neue Nutzer baut mehr Verbindungen auf als sein Vorgänger. Eine Verbindung besteht zwischen den Knoten des Netzwerks. Die Summe möglicher Verbindungen folgt aus:

mit

Bei großen Netzwerken dominiert der Term:

Theoretisch können die Erträge mit steigender Netzwerkgröße für die Nutzer steigen, fallen oder konstant bleiben.

Die Überlastung eines Mobilfunknetzes ist ein Beispiel für negative direkte Netzwerkeffekte, in denen die Erträge fallen. Durch die Überlastung ist es nicht mehr möglich, Telefonate oder SMS zu tätigen. Ergo sinkt für den Netzwerkteilnehmer sein Nutzen gegen Null. Die Funktion des Mobilfunknetzes, mit anderen Netzwerkteilnehmern in Verbindung zu treten, ist nicht mehr gegeben. Im Fall konstanter Netzwerkeffekte sind auch die Skalenerträge konstant. Bei wachsenden direkten Netzwerken können die Vorteile positiver Netzwerkeffekte als Skalenerträge auf der Nachfrageseite gekennzeichnet werden.[10]

Direkte Netzwerkeffekte liegen insbesondere in Kommunikationsnetzwerken vor, mittels welcher Menschen direkt miteinander kommunizieren.

Metcalfesches Gesetz[Bearbeiten | Quelltext bearbeiten]

Hauptartikel: Metcalfesches Gesetz

Aufgrund der sich selbstverstärkenden Wirkung von Netzwerkeffekten kommt der Netzwerkgröße eine besondere Bedeutung zu. In der Regel sind Güter mit größeren Netzwerken attraktiver für die Konsumenten und stellen somit einen Wettbewerbsvorteil dar. Dieser Zusammenhang wird auch als Metcalfe´s Law oder als Rules of Squares bezeichnet und stellt eine Verbindung zwischen Nutzen und Anwenderzahl her.

Das Gesetz besagt, dass der Nutzen eines Netzwerks gleich entspricht, wobei die Anzahl der Nutzer ist. Allerdings wird dieser Term zu bei großen Netzwerken approximiert, sodass gilt: „[...] the value of a network goes up as a square of the number of users“.[11]
Demnach gilt:

Metcalfesches Gesetz

Während der Nutzen proportional zum Quadrat der Anzahl der möglichen Verbindungen wächst, steigen die Kosten proportional zur Teilnehmerzahl an. Das Metcalfesche Gesetz erklärt einige der Netzwerkeffekte von Kommunikationstechniken wie z. B. im Bereich des Internets, Telefons oder Faxgeräts. Ein einzelnes Faxgerät ist nutzlos. Mit jedem weiteren Gerät im Netzwerk steigt die Möglichkeit der Interaktion und damit auch der Nutzen dieser Kommunikationstechnologie.

Folgendes Beispiel veranschaulicht den Sachverhalt: Bei zwei Teilnehmern eines Kommunikationsnetzes, und , bestehen zwei Verbindungen, von nach und vice versa. Kommt ein weiterer Nutzer hinzu, steigt die Anzahl der Verbindungen auf sechs an für gilt . Bei einem weiteren Nutzer sind bereits 12 Verbindungen möglich usw.[10]

Indirekte Netzwerkeffekte[Bearbeiten | Quelltext bearbeiten]

Indirekte (auch vertikale) Netzwerkeffekte entstehen, wenn der Nutzen nicht direkt auf das Produkt zurückzuführen ist, sondern auf die Nutzung darauf basierender Anwendungen bzw. Produkte. Das bedeutet, dass die Nutzenbeeinflussung nicht zwingend durch eine direkte Beziehung entsteht. Ein vertikales Netzwerk besteht aus unterschiedlichen komplementären Gütern. Der Nutzen entsteht durch das ganze System, nicht durch ein einzelnes Gut oder einzelne Komponenten des Netzwerks. Am Beispiel eines Computers wird dieser Effekt deutlich. Betriebssystem, Hardware und Applikationen sind Komponenten, die für den Gebrauch des Computers unabdingbar sind. Erst wenn alle Komponenten vorhanden sind, entsteht ein voll funktionsfähiges Netzwerk. Die Komponenten beeinflussen sich gegenseitig. Es gibt mehrere Anbieter der Komponenten.[12]

Indirekte Netzwerkeffekte sind überwiegend positiv, da sie den Nutzen des Basisprodukts stärken.

Die wesentlichen Ursachen indirekter Netzwerkeffekt sind komplementäre Produkte und Dienste sowie Lerneffekte.

Ursachen[Bearbeiten | Quelltext bearbeiten]

Komplementäre Produkte und Dienste[Bearbeiten | Quelltext bearbeiten]

Komplementäre Produkte und Dienste werden gemeinsam nachgefragt bzw. angeboten. Das Basisprodukt besitzt seinen eigenen Nutzen, doch erst durch komplementäre Produkte bzw. Dienste kann ein umfangreicher Nutzen für den Konsumenten erreicht werden. Ein Gut gewinnt an Nutzen, wenn eine möglichst breite Auswahl an komplementären Produkten und Diensten vorhanden ist. Vermehrte Nachfrage nach dem Basisprodukt kann dazu führen, dass die angebotene Anzahl des Komplementärprodukts steigt, da aufgrund der erhöhten Nachfrage das Produktfeld an Attraktivität für weitere Anbieter und Hersteller gewinnt. Durch erhöhte Produktion sinken die Kosten, falls sinkende Grenzkosten vorliegen. Wenn dies der Fall ist, gewinnt das Netzwerk an Nutzern, was wiederum zu erhöhtem Nutzen für alle Teilnehmer und einem niedrigeren Preis (weniger Kosten) aller Güter führt. Das Netzwerk wird für potentielle Nutzer attraktiver. Nutzer und Anbieter bzw. Hersteller können von dieser Situation profitieren. Mit steigendem Nutzen für die Anwender, sowie aufgrund des Attraktivitätsgewinns auf Seiten der Anbieter bzw. Hersteller können die Zahlungsbereitschaften der Konsumenten steigen. Erhöhte Zahlungsbereitschaften können höhere Preise für das Produkt rechtfertigen.[12]

Falls die Nachfrage für das Basisprodukt sinkt, könnte daraufhin auch die Nachfrage nach komplementären Produkten bzw. Diensten sinken.

Lerneffekte[Bearbeiten | Quelltext bearbeiten]

Lerneffekte werden auch als information spillovers bezeichnet.

  • Indirekte Netzwerkeffekte liegen bei innovativen Technologien vor. Vor der Markteinführung einer innovativen Technologie ist nicht klar, wie sich diese neben konkurrierenden Standards durchsetzen wird und welche Anwendungen von den Nutzern präferiert werden. Es herrscht Unsicherheit über die Auswirkungen auf den Konsumenten.
    Sony entwickelte in den siebziger Jahren den Videorecorder Betamax. Betamax war ursprünglich für den Endverbraucher als privates Aufzeichnungsmedium konzipiert. Damals war noch nicht klar, dass Videorekorder auch dafür genutzt werden können, um bereits beschriebene Kassetten (wie beispielsweise Spielfilme) abzuspielen. Das Anwenderverhalten machte diese Möglichkeit ersichtlich. Betamax konnte sich allerdings nicht gegen das konkurrierende VHS-System (JVC) durchsetzen. Es wird ersichtlich, inwiefern das Anwenderverhalten der Konsumenten hinsichtlich des Erschließens von Anwendungsmöglichkeiten und der Eigenschaften der Technologie determinierend sein kann. Die Konsumenten lernen, mit der innovativen Technologie umzugehen, und es besteht die Chance, durch den Gebrauch neue Einsatzmöglichkeiten zu entdecken. Dies stellt einen Lerneffekt dar, von dem der Hersteller zur Optimierung seines Produktes Gebrauch machen kann. Außerdem entstehen neue Möglichkeiten für komplementäre Güter.[12]
  • Neben innovativen Technologien entstehen Lerneffekte aufgrund von sehr starken Neuerungen. Radikale Innovationen sind mit technischer Ungewissheit verbunden. Wenn potentielle Nutzer das Ausmaß der Effektivität einer neuen Technologie noch nicht einschätzen können, kommen Lerneffekten eine zentrale Rolle zu. Werden durch den Lerneffekt eines Konsumenten neue Informationen über das Produkt generiert, führt dies zu einem sich selbst verstärkenden Prozess. Potentielle Nutzer erhalten Informationen über das Produkt, insbesondere über die Anwendungsgebiete der neuen Technologie, wodurch die Ungewissheit reduziert wird. Schließlich fällt die Entscheidung auf die Technologie mit der minimierten Ungewissheit.[12]

Theorie der zweiseitigen Märkte[Bearbeiten | Quelltext bearbeiten]

Charakteristisch für einen zweiseitigen Markt ist das Aufkommen indirekter Netzwerkeffekte auf beiden Seiten eines Marktes. Sie beziehen sich auf die jeweils andere Marktseite, d.h. dass indirekte Netzwerkeffekte einen Einfluss auf die Nachfrage am jeweils anderen Markt nehmen.

Beispiele für zweiseitige Märkte und Plattformen sind Medienunternehmen, Einkaufszentren, Börsen, Auktionshäuser, Diskotheken oder Märkte für Software und Videospiele. Auf diesen zweiseitigen Märkten kommt dem Intermediär eine besondere Funktion zu. Intermediäre betreiben Plattformen und fungieren als Vermittler von Transaktionen zwischen den Marktseiten. Gegenstand der Transaktionen sind neben physischen Produkten die Herstellung von Kontakten bzw. die Vermittlung von Informationen wie z. B. bei Medien. Medien gewähren der werbetreibenden Industrie Zugang zu ihrem Publikum, dieses wiederum wird durch die werbetreibende Industrie informiert.[13]

Zweiseitige Märkte am Beispiel einer Zeitung

Beispielsweise versucht das Medienunternehmen Zeitung am Leser- und Anzeigenmarkt optimale Preise (oder Mengen) zu setzen, um den Gewinn aus beiden Erlösquellen zu maximieren. Eine Zeitung stellt einen Intermediär dar. Bedingungen der Maximierung ist, neben den Kriterien einseitiger Märkte, die Kenntnis über die Stärke der beidseitigen indirekten Netzwerkeffekte. Kenntnis über anfallende Kosten, Zahlungsbereitschaften und Preiselastizitäten sind die Maximierungskriterien in einem einseitigen Markt. Welche Preise (oder Mengen) vom Intermediär gesetzt werden hängt insbesondere vom Verhältnis der relativen Netzwerkeffekte ab. Relative Netzwerkeffekte werden determiniert von fixen und variablen Kosten, dem Prohibitivpreis und der Preiselastizität der Nachfrage.[13]

Die Summe der relativen indirekten Netzwerkeffekte ist maßgebend für die Auswirkungen der Zweiseitigkeit. Überwiegt in der Summe der positive Netzwerkeffekt, kann erstens eine höhere Menge umgesetzt werden, als in einseitigen Märkten, und zweitens eine Plattform nur in diesem Fall die Existenz indirekter Netzwerkeffekte ausnutzen. Falls negative Netzwerkeffekte die positiven überwiegen, liegt die umgesetzte Menge unterhalb derer in einseitigen Märkten.

Nachfrageseitige Skaleneffekte und positiver Feedback-Effekt[Bearbeiten | Quelltext bearbeiten]

Hauptartikel: Positive Feedback-Effekte

Nachfrageseitige Skaleneffekte (auch demand-side economies of scale oder positive Netzwerkeffekte) sind die Ursache für (temporäre) Monopole auf Märkten mit Netzwerkeffekten. Sie haben Einfluss auf die Marktdynamik und auf Wettbewerbsstrategien. Nachfrageseitige Skaleneffekte ergeben sich aus dem positiven Feedback-Effekt. Der positive Feedback-Effekt beschreibt, dass durch eine höhere Nutzerzahl der Wert eines Netzwerkes steigt, was wiederum weitere Nutzer ermutigt, dem Netzwerk beizutreten. Es handelt sich um einen selbstverstärkenden Prozess. Märkte, auf denen positiven Feedback-Effekte auftreten weisen oftmals eine hohe Konzentration auf. Wenn eine steigende Nutzerzahl weitere Nutzer anzieht, kann im Extremfall nur noch ein Unternehmen den ganzen Markt beherrschen.[14] Positive Feedback-Effekte führen also zu sogenannten Winner-Takes-It-All-Märkten: „Positive Feedback makes the strong grow stronger and the weak grow weaker.“ [11] Die Entwicklung eines solchen Marktes hängt von den Konsumenten ab. Sie wählen die Technologie oder den Standard, der von den meisten Benutzern konsumiert wird.

Verlauf eines positiven Feedback-Effekts

Neben positiven Feedback-Effekten existieren auch negative Feedback-Effekte. Der negative Feedback-Effekt schwächt den dominierenden Marktakteur und stärkt den unterlegenen Marktakteur, bis die Marktanteile sich auf einem bestimmten Niveau angleichen: „In a negative-feedback system, the strong get weaker and the weak get stronger, pushing both toward a happy medium.“[11]

Der typische Verlauf eines positiven Feedbacks durchläuft drei Phasen: Launch, Takeoff (Aufstieg) und Sättigung. Der Verlauf wird durch das Verbreitungskonzept einer S-Kurve dargestellt. In der Launch-Phase ist die Adoption eines neuen Produkts bzw. einer innovativen Technologie langsam. Das Produkt bzw. die Technologie ist noch nicht vollständig entwickelt und es bestehen hohe Kosten in Form von Unsicherheit darüber, ob der Markteintritt erfolgreich sein wird. Erreicht der Markt in der Takeoff-Phase die kritische Masse, nimmt die Unsicherheit ab. Wenn der Wert des Produktes bzw. der Technologie steigt, beginnt die Beschleunigung des positiven Feedback-Effekts und der Markt wächst von selbst. In der Sättigungsphase nimmt sie ab, da ein Punkt erreicht wird, an dem fast alle potentiellen Kunden dasselbe Produkt bzw. dieselbe Technologie nutzen und kaum noch neue Nutzer zum Netzwerk hinzukommen.
Die kritische Masse ist für den Erfolg eines Produktes bzw. einer Technologie entscheidend. Wird sie nicht erreicht, tritt der positive Feedback-Effekt nicht auf und die Technologie bzw. das Produkt setzt sich im Markt nicht durch.

Popularität und Wert bei Software

Besonders in der Softwareindustrie entstehen positive Feedback-Effekte durch nachfrageseitige Skaleneffekte. Mit ihnen lässt sich auch die Marktdominanz des Softwareunternehmens Microsoft erklären. Das Betriebssystem Microsoft Windows wird vom Netzwerk der Konsumenten geschätzt, weil es im Markt die kritische Masse erreicht hat und gegenwärtiger Industriestandard ist.[15]

Nachfrageseitige Skaleneffekte weisen die Eigenschaft auf, dass sie unerschöpflich sind. Wenn jeder Microsoft Windows benutzt, dann werden potentielle Neukunden auch Microsoft Windows nutzen. Dies liegt daran, dass der Netzwerknutzen aufgrund des einfacheren Datenaustauschs durch die Kompatibilität mit den vielen anderen Nutzern höher ist, als bei einem anderen Betriebssystem.

Die positive Beziehung zwischen Popularität und Wert einer Software beschrieben Shapiro/Varian (1999) anhand von Zyklen.[11] Dabei unterscheiden sie zwischen dem Virtuous cycle und dem Vicious cylce. Im Fall des Softwareanbieters Microsoft spricht man von einem Virtuous cycle. Mit steigender Benutzerzahl steigt auch der Wert eines Produktes und nach Erreichung der kritischen Masse erhöht sich die Benutzerzahl nahezu automatisch. Das Gegenteil dazu bildet der Vicious cycle. Wenn die kritische Masse nie erreicht wird, sinkt die Benutzerzahl früher oder später. Der Wert des Produktes für den einzelnen nimmt aufgrund des verkleinerten Netzwerkes ab, weitere bisherige Nutzer gehen verloren usw.

Monopolbildung[Bearbeiten | Quelltext bearbeiten]

Marktanteile in Märkten, die tippy sind

Märkte, in denen starke positive Netzwerkeffekte und Feedback-Effekte eine Rolle spielen, neigen zur Bildung von Monopolen: „When two or more firms compete for a market where there is strong positive feedback, only one may emerge as a winner. It’s unlikely that all will survive.“[11] Diese Märkte werden als tippy bezeichnet. Ein Markt ist tippy, wenn nur einer von mehreren Konkurrenten es schafft, die kritische Masse zu erreichen, und sich dadurch durchsetzt. Märkte die tippy sind, sind gleichzeitig Winner-takes-it-all-Märkte bzw. Loser-gets-nothing-Märkte. Gestützt werden diese Überlegungen durch Beobachtungen auf Softwaremärkten.[15] In den 1980er und 1990er Jahren existierten beispielsweise noch Alternativen zu Microsoftprodukten, wie etwa das Textverarbeitungsprogramm WordPerfect oder Lotus 1-2-3 zur Tabellenkalkulation.

Problematik von Netzwerkeffekten[Bearbeiten | Quelltext bearbeiten]

Pfadabhängigkeit[Bearbeiten | Quelltext bearbeiten]

Hauptartikel: Pfadabhängigkeit

Der Wettbewerb in Netzeffektmärkten besitzt das Charakteristikum der Pfadabhängigkeit. Das bedeutet, dass er von vorangegangenen Entscheidungen der Produzenten und Konsumenten stark beeinflusst wird. Selbst kleine und gegebenenfalls zufällige Ereignisse können einen Einfluss auf den Erfolg von Produkten und Technologien haben.[16] Durch positive Feedback-Effekte wird die Pfadabhängigkeit verstärkt. Sie führen dazu, dass sich Entwicklungen auf (zufällig) ausgewählten Pfaden von selbst beschleunigen. Aus ihnen kann ein Lock-in resultieren, also eine Verhärtung eines eingeschlagenen Pfades. Gegebenenfalls kann die Weiterentwicklung von ineffizienten Strukturen also rentabler sein, als sie abzuschaffen, da sie schon sehr weit verbreitet sind.

Lock-in-Effekt und Wechselkosten[Bearbeiten | Quelltext bearbeiten]

Hauptartikel: Lock-in-Effekt

Der Lock-in-Effekt bezeichnet den Zustand des "Gefangen-Seins" von Konsumenten in einem System in Form eines Standards oder einer Technologie. Durch hohe Wechselkosten für den Nutzer zu einem anderen System bzw. Netzwerk wird der Lock-in-Effekt verstärkt. Der Lock-in-Effekt ist ein Mittel der Netzwerkanbieter, um ihre Kunden an sich zu binden und weiterhin an ihnen zu verdienen.

Lock-In-Effekte durch hohe Wechselkosten können entstehen durch Suchkosten, die durch das Suchen nach einem neuen Produkt entstehen, Investitionskosten, die für die Nutzung der Technik des neuen Produkts nötig sind, Lernkosten, wenn das Erlernen von Funktion und Charakter des neuen Produkts Aufwand bedeutet, künstliche Wechselkosten, beispielsweise durch Vertragsbindung oder Bonusprogramme, sowie psychologische Wechselkosten, wenn Gewohnheiten und Bindungen an das alte Produkt eine Rolle spielen.[17]

Durch Penetrationsstrategien und Follow-the-Free-Strategien können Lock-in-Effekte erzielt werden. Die Penetrationsstrateige intendiert darauf, durch niedrige Preise möglichst schnell Marktanteile zu gewinnen. Besonders im Softwaremarkt findet diese Strategie aufgrund der Netzwerkeffekte große Anwendung.

Im Falle einer Follow-the-free-Strategie verschenken Unternehmen zunächst ihre Produkte um Kunden an ihr Unternehmen zu binden. In einem zweiten Schritt sollen durch den Verkauf von Komplementärleistungen Erlöse erzielt werden.[18] Ein Beispiel in der Praxis ist das Softwareunternehmen Adobe Systems Inc. Es bietet zunächst den Acrobat Reader, welcher zum Darstellen von PDF-Dokumenten nötig ist, kostenlos an. Das Komplementärprodukt, die Premiumversion der Software um PDF-Dokumente zu erstellen, ist jedoch kostenpflichtig.[19]

Pinguin-Effekt[Bearbeiten | Quelltext bearbeiten]

Hauptartikel: Pinguin-Effekt

Der Pinguin-Effekt bezeichnet ein Informations- bzw. Koordinationsproblem. Vor allem in der Softwareindustrie kann dieser Effekt ein Hindernis für neue Standards darstellen. Er beschreibt die Problematik, dass sich ein industrieweiter Standard nur schwierig durch einen neuen und womöglich besseren Standard verdrängen lässt, obwohl dieser den Nutzen von betroffenen Marktteilnehmern erhöhen könnte. Grund ist die unvollkommenen Information darüber, ob ein Übergang zum neuen Standard tatsächlich stattfinden wird. Potentielle Umsteiger sind unsicher, ob der entgangene Netzwerknutzen durch den alten Standard mit dem Zugewinn durch den neuen Standard kompensiert werden kann.

Der Pinguin-Effekt erhielt seinen Namen durch folgende Anekdote von Farrell und Saloner (1987)[20]: „Hungrige Pinguine stehen am Rande einer Eisscholle. Aus Angst vor Raubfischen hoffen sie, dass andere Pinguine zuerst ins Wasser springen, um das damit verbundene Risiko – nämlich Opfer eines Raubfisches zu werden – auszuloten. Sobald einige Pinguine den Sprung gewagt haben, hat sich die Gefahr für die anderen Pinguine verringert und die "Trittbrettpinguine" folgen nach.“[15]

Vor allem in der Launch-Phase ist der Pinguin-Effekt ein großes Hindernis. Junge Softwareunternehmen haben mit der Schwierigkeit zu kämpfen, glaubhaft versichern zu müssen, dass sich ein neues Produkt flächendeckend durchsetzen und Netzwerkeffekte generieren wird. Ziel ist es, den Pinguin-Effekt zu vermeiden und die kritische Masse zu erreichen.

Schocks und Ansteckungseffekte[Bearbeiten | Quelltext bearbeiten]

Schocks und Ansteckungseffekte können Risiken von Netzwerkeffekten darstellen. Ein Schock tritt plötzlich auf und bewirkt eine Veränderung im Angebot oder in der Nachfrage in einer Volkswirtschaft. Ein Ansteckungseffekt beschreibt die Übertragung eines Schocks oder einer Krise auf scheinbar unbetroffene Volkswirtschaften. Die europäische Staatsschuldenkrise wurde beispielsweise von Schocks und Ansteckungseffekten beeinflusst. Griechische Staatsanleihen bargen hohe Unsicherheit, da ihre Bonität sank. Ausländische Banken, die griechische Staatsanleihen gekauft hatten, waren von einem Schock betroffen, aus dem sich ein Ansteckungseffekt ableitete. Weitere europäische Banken wurden infiziert, was letztendlich zu einer Krise im europäischen Finanznetzwerk führte.[21]

Instabile Netzwerke werden von negativen Schocks generell stärker beeinflusst als stabile. Ein Schock kann in sehr komplexen Netzwerken zu einem Ansteckungseffekt führen und somit auf andere Teilnehmer eines Netzwerkes übergreifen. Die Widerstandsfähigkeit gegen diese Risiken wird von der Konnektivität, Konzentration und der Komplexität der Netzwerke determiniert. Ein Netzwerk ist umso resistenter gegen Schocks und Ansteckungseffekte, je niedriger die Komplexität und Konzentration und je größer die Konnektivität ist.[21]

Schneeballeffekt[Bearbeiten | Quelltext bearbeiten]

Hauptartikel: Schneeballeffekt

Das Beispiel der europäischen Staatsschuldenkrise beschreibt auch ein weiteres Risiko von Netzwerkeffekten, den Schneeballeffekt. Der Schneeballeffekt sagt aus, dass sich ein kleiner Effekt durch eine Kettenreaktion schnell verstärken und sich im gesamten Netzwerk ausbreiten kann. Dieser Effekt kann negativen Auswirkungen auf alle Teilnehmer im Netzwerk ausüben.

Siehe auch[Bearbeiten | Quelltext bearbeiten]

Literatur[Bearbeiten | Quelltext bearbeiten]

  • Helmut Bester: Theorie der Industrieökonomik, 4. Auflage (verb. Aufl.), Berlin u.a.: Springer Verlag, August 2004, ISBN 978-3540222576
  • P. Buxmann, H. Diefenbach, T. Hess: Die Softwareindustrie: Ökonomische Prinzipien, Strategien, Perspektiven, 2. Auflage, Berlin u.a.: Springer Verlag, 2008, ISBN 978-3-540-71828-4
  • Heidi Cigan: Der Beitrag des Internets für den Fortschritt und das Wachstum in Deutschland: Ökonomische Auswirkungen des Internets und der Gestaltung der Zugangspreise, in: HWWA-Report 217 Hamburgisches Welt-Wirtschafts-Archiv (HWWA), Hamburg, 2002, ISSN 0179-2253
  • Reiner Clement, Dirk Schreiber: Internet-Ökonomie: Grundlagen und Fallbeispiele der vernetzen Wirtschaft, Wiesbaden: Springer Gabler Verlag, Juli 2013, ISBN 978-3642367182
  • Ralf Dewenter, Justus Haucap: Wettbewerb als Aufgabe und Problem auf Medienmärkten: Fallstudie aus Sicht der „Theorie zweiseitiger Märkte“, Universität der Bundeswehr Hamburg: Fächergruppe der Volkswirtschaftslehre, Diskussionspapier 78, April 2008
  • Andreas Gröhn: Ein Modell der Netzeffekte in der Software-Industrie, Köln: Institut für Weltwirtschaft, 1997
  • Andreas Röver: Netzwerkexternalitäten als Ursache für Marktversagen, 1. Auflage, Bern u.a., Peter Lang Verlag, 1997, ISBN 978-3631316283
  • Carl Shapiro und Hal R. Varian: Information Rules: A Strategic Guide of the Network Economy, in: Harvard Business School Press, Boston 1999

Weblinks[Bearbeiten | Quelltext bearbeiten]

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. a b Volker Wiedemer: Standardisierung und Koexistenz in Netzeffekktmärkten. 1. Auflage, Lohmar/Köln: Josef Eul Verlag, August 2007, S. 7, ISBN 978-3-89936-618-1
  2. Ökonomische Termini-Netzwerkeffekte - auf Seite ig.cs.tu-berlin.de, Aufgabe 3-Microsoft, Zugriff am 14. Juni 2015
  3. Helmut Dietl, Susanne Royer: Management virtueller Netzwerkeffekte in der Informationsökonomie, in: Zeitschrift für Führung und Organisation, Stuttgart, Schäffer-Poeschl Verlag, 2000, S.324
  4. Hal R. Varian: Grundzüge der Mikroökonomik, 8. Auflage, Oldenbourg: Wissenschaftsverlag, Februar 2011
  5. Origins - auf Seite Wikipedia, the free encyclopedia, Network effect, Zugriff am 14. Juni 2015
  6. Günter Knieps: Netzökonomie: Grundlagen - Strategien - Wettbewerbspolitik, Wiesbaden: Springer Gabler, 2007, S.125, ISBN 978-3-8349-9231-4
  7. Knut Blind: The economics of standards: theory, evidence, policy. Cheltenham UK/ Northampton MA USA: Edward Elgar Publishing, 2004, ISBN 978184376-793-0
  8. New Model: Beckstrom's Law - auf Seite unibw.de, The economics of network and cybersecurity, Zugriff am 14. Juni 2015
  9. Katz, Michael und Carl Shapiro: Product Compatibily Choice in a Market with Technological Progress, in: Oxford Economic Papers 38, 1986, S.146
  10. a b c Netzwerkeffekte: Theoretische Grundlagen (PDF)- Technische Universität Kaiserslautern: 2014, S. 2ff, Zugriff am 14. Juni 2015
  11. a b c d e Carl Shapiro, Hal R. Varian: Information Rules: A Strategic Guide to the Network Economy, in: Harvard Business School Press, Boston, 1999, S.175f, S.184
  12. a b c d Netzwerkeffekte: Theoretische Grundlagen (PDF), Technische Universität Kaiserslautern: 2014, S. 6ff, Zugriff am 14. Juni 2015
  13. a b Ralf Dewenter, Justus Haucap: Wettbewerb als Aufgabe und Problem auf Medienmärkten: Fallstudie aus Sicht der „Theorie zweiseitiger Märkte“, Universität der Bundeswehr Hamburg: Fächergruppe der Volkswirtschaftslehre, Diskussionspapier 78, April 2008, S. 3–6
  14. Heidi Cigan: Der Beitrag des Internets für den Fortschritt und das Wachstum in Deutschland: Ökonomische Auswirkungen des Internets und der Gestaltung der Zugangspreise, in: HWWA-Report 217, Hamburgisches Welt-Wirtschafts-Archiv (HWWA), Hamburg, 2002, S.20, ISSN 0179-2253
  15. a b c Peter Buxmann, Heiner Diefenbach, Thomas Hess: Die Softwareindustrie: Ökonomische Prinzipien, Strategien, Perspektiven, 2. Auflage, Berlin u.a.: Springer Verlag, 2008, S. 20ff und S. 122, ISBN 978-3-540-71828-4
  16. Paul A. David: Clio and the Economics of Qwerty, in: The American Economic Review, 75/2, Nashville, TN, USA: American Economic Association, 1985, S.322, Zugriff am 16. Juni 2015
  17. Martin Gläser: Medienmanagement, 3. Auflage, München: Verlag Franz Vahlen, 2014, S.151
  18. Axel et al Zerdick: Die Internet-Ökonomie: Strategien für die digitale Wirtschaft, Berlin u.a.: Springer Verlag, 1999, S.191–194
  19. Peter Buxmann, Heiner Diefenbach, Thomas Hess: Die Softwareindustrie: Ökonomische Prinzipien, Strategien, Perspektiven, 2. Auflage, Berlin u.a.: Springer Verlag, 2008, S. 122, ISBN 978-3-540-71828-4
  20. Joseph Farrell, Garth Saloner: Competition, Compartibility, and Standards: The Economics of Horses, Penguins and Lemmings, in: Gabel HL(ed) Product Standardization and Competitive Strategy, North Holland, Amsterdam: Gabel HL(ed) Product Standardization and Competitive Strategy, 1987, S. 1–22
  21. a b Udo Broll: Staatsschulden, Interbankenmarkt und Netzwerkeffekte, in: Wirtschaftsstudium (wisu), Düsseldorf: Lange Verlag, 2013, S. 556–561

Zum Seitenanfang