Pfadabhängigkeiten - IAMO

Pfadabhängigkeiten
Begriff, Identifikation und ihre Bedeutung
in Agrarstrukturentwicklungen
von
Alfons Balmann ∗
Institut für Wirtschafts- und Sozialwissenschaften des Landbaus
Humboldt-Universität zu Berlin
Luisenstr. 56
10099 Berlin
e-mail: abalmann@rz.hu-berlin.de
∗ Beitrag zum Workshop „Evolutorische Ökonomik“ in Buchenbach, 26.-29.10.1994.

1 Zielsetzung und Vorgehensweise
Der Begriff der Pfadabhängigkeit wird seit Mitte der 80’er Jahre für die Erklärung einer Reihe
wirtschaftlich-technischer Phänomene verwendet. Prominente Beispiele finden sich zum einen
bei Industriestandards, wie die Tastaturbelegung von Schreibmaschinen und Computern, sowie
bei institutionellen Regelungen, wie das Rechts- bzw. Linksfahrgebot im Straßenverkehr. Zum
anderen existieren aber auch einige Beispiele, in denen mit Hilfe von Pfadabhängigkeiten die
Entwicklung wirtschaftlicher Strukturen erklärt werden kann. Hierzu läßt sich beispielsweise
die enorme Ansammlung von Unternehmen der Computerbranche im sogenannten ‘Silicon
Valley’ in Californien nennen. 1 Diesen Systemen standen anfangs mehrere Entwicklungspfade
zur Auswahl. Nachdem sie aber zu einem bestimmten Zeitpunkt einen Weg eingeschlagen ha-
ben, d.h. ein Standard oder eine Norm wurde festgelegt, ist es ihnen heute kaum noch möglich,
diesen Pfad wieder zu verlassen.
Die Existenz von Pfadabhängigkeiten in einem dynamischen System kann nach ARTHUR (1989)
einige wesentliche ökonomische Implikationen haben:
- die Vorhersagbarkeit der zukünftigen Entwicklung kann zu bestimmten Zeitpunkten der
Entwicklung sehr gering, zu anderen jedoch sehr groß sein, abhängig davon, ob bereits
ein stabiler Zustand erreicht wurde,
- kleine historische Ereignisse können dauerhafte Auswirkungen haben,
- ein einmal eingeschlagener Pfad läßt sich möglicherweise nicht oder nur unter hohen
Kosten wieder verlassen,
- es besteht eine potentielle Ineffizienz eines solchen Systems.
Die aufgeführten Beispiele und Zusammenhänge lassen ARTHUR (1990a) zufolge Pfadabhän-
gigkeiten vor allem in Hochtechnologiebereichen der Wirtschaft vermuten; insbesondere dort,
wo positive Rückkopplungen in Form von Skalenerträgen und Netzwerkexternalitäten vorhan-
den sind. Er erwartet sie dagegen weniger im Agrarsektor. Bei einer Betrachtung der gegen-
wärtigen deutschen Agrarstruktur erkennt man jedoch zwischen den alten und neuen Bundes-
ländern deutliche strukturelle Unterschiede. Die alten Bundesländer sind durch eine eher klein-
betrieblich organisierte Struktur gekennzeichnet, wenngleich mit gewissen regionalen Unter-
schieden. Hier wurden 1993 lediglich 12,5% der landwirtschaftlich genutzten Fläche von Be-
trieben mit mehr als 100 ha bewirtschaftet. Dagegen existiert in Ostdeutschland eine Struktur,
die von vergleichsweise großen Betrieben dominiert wird. 1993 wurden in den neuen Ländern
78,8% der Fläche von Betrieben mit mehr als 500 ha genutzt. 2 Die Unterschiede werden auch
am Standardbetriebseinkommen deutlich: in Ostdeutschland betrug es 1991 mit 269612 DM je
Betrieb das Zehnfache der westdeutschen Betriebe. 3
1 ARTHUR (1990b).
2 AGRARBERICHT 1994, Materialband S. 14f.
3 AGRARBERICHT 1993, Materialband S. 23.

Aus dieser Dualität der Agrarstrukturen ergeben sich einige interessante (agrar-) ökonomische
Fragestellungen. So stellt sich zum einen die Frage, ob so etwas wie eine optimale Agrar-
struktur existiert und wenn ja, wie diese aussieht. Zum anderen stellt sich die Frage, ob ein
Optimum - vorausgesetzt es existiert - auch tatsächlich erreicht werden kann. In einem engen
Zusammenhang damit besteht die nicht weniger interessante Fragestellung, ob die derzeitige
Dualität der Strukturen wohl längerfristig erhalten bleibt. Mit der ersten Frage haben sich, ins-
besondere in den letzten Jahren, bereits einige Studien beschäftigt. Der Forschungsschwer-
punkt konzentrierte sich dabei auf einzelbetriebliche Aspekte, wie die Ermittlung optimaler
Betriebszweiggrößen. Einige der Analysen, die mit Hilfe komparativ statischer Methoden
durchgeführt wurden, ergeben, daß sich optimale Betriebszweiggrößen weit oberhalb west-
deutscher Größenordnungen befinden. 4 Die Vermutung liegt nahe, daß in einer optimal organi-
sierten Struktur die einzelnen Betriebe entsprechende Betriebszweiggrößen aufweisen. Diese
Einschätzung impliziert, daß die derzeitige westdeutsche Agrarstruktur deutlich vom Optimum
abweicht.
Auch die Frage danach, ob ein Optimum stets erreicht wird, ist in der agrarökonomischen Dis-
kussion nicht grundsätzlich neu. Bereits BRANDES (1978, S. 7) geht davon aus, daß es irrig sei,
anzunehmen, "daß die Berücksichtigung des Faktors Zeit lediglich den Weg zu einem Opti-
mum angibt, welches man auch mit der komparativ statischen Analyse bestimmen könne. In-
folge der vorhandenen Strukturen und der Kosten, die mit der Änderung dieser Strukturen
verbunden sind, ist es in manchen Fällen unmöglich, einen optimalen Zustand überhaupt zu
erreichen." Die Ursache für diese Diskrepanzen könnte darin bestehen, daß Pfadabhängigkei-
ten auch in Agrarstrukturentwicklungen eine Rolle spielen.
Bevor im Rahmen dieser Arbeit auf die Bedeutung von Pfadabhängigkeiten in Agrarstruktu-
rentwicklungen eingegangen wird, soll versucht werden, den Begriff zu formalisieren, was ins-
besondere bedeutet, eine Definition zu entwickeln. Dazu wird zunächst modelltheoretisch er-
läutert, was Pfadabhängigkeiten sind und worauf sie zurückgeführt werden können. Hieraus
werden Anforderungen an eine Definition des Begriffes abgeleitet, deren Hauptzweck darin
besteht, eine Identifikation von Pfadabhängigkeiten zu ermöglichen. Die gewonnene Definition
wird anschließend dazu verwendet, zu untersuchen, unter welchen Bedingungen bzw. Voraus-
setzungen davon auszugehen ist, daß Agrarstrukturentwicklungen pfadabhängig sind. Für diese
Untersuchungen wird auf ein räumliches Simulationsmodell zurückgegriffen in dem bis zu etwa
150 fiktive landwirtschaftliche Betriebe innerhalb einer Kleinregion (6250-30000 ha) wirt-
schaften. Mit diesem Modell werden einige Experimente durchgeführt, anhand derer nach
möglichen Pfadabhängigkeiten gesucht wird. Mittels weiterer Experimente wird dann der Ein-
fluß bestimmter Annahmen auf das Ergebnis untersucht. Die Ergebnisse werden anschließend
4 Vgl. z.B. PETER (1993), der versucht, die optimale Betriebszweiggröße im Marktfruchtbau zu bestimmen, oder
DOLUSCHITZ/TRUNK (1993), die sich mit Kostenvorteilen großer Milchviehbetriebe beschäftigen.
2

kritisch beleuchtet, nicht zuletzt um den Wert der zuvor entwickelten Definition von Pfadab-
hängigkeiten beurteilen zu können.
2 Systemanalytische Betrachtung von Pfadabhängigkeiten am
Beispiel optimaler Betriebsgrößenstrukturen
Im folgenden soll modelltheoretisch überlegt werden, wie Pfadabhängigkeiten entstehen kön-
nen. Diese Überlegungen sollen sich auf die Frage nach der optimalen Größe landwirtschaftli-
cher Betriebe beziehen.
Für die Ermittlung optimaler Betriebsgrößen soll unterstellt werden, daß für landwirtschaftli-
che Betriebe eine Wertschöpfungsfunktion Π existiert. Anhand dieser Funktion die optimale
sektorale Struktur abgeleitet werden. Da der Sektor Landwirtschaft hinsichtlich der Produkti-
onsfaktoren Arbeit (A) und Kapital (K) als kleiner Sektor betrachtet werden kann, bietet es
sich an, die Wertschöpfung Π(B,A*,K*) auf den für den Sektor Landwirtschaft am stärksten
limitierten Faktor, den Boden (B), zu beziehen. Diese Vorgehensweise unterstellt, daß der Ein-
satz der Faktoren Arbeit und Kapital entsprechend dem jeweiligen Bodeneinsatz optimiert ist
und diese Faktoren bereits entlohnt sind.
Es ergibt sich für den Sektor 5 folgendes Optimierungsproblem:
max L(
n, B ) = Π ( B ) + λ ( X − B ) ,
n, Bi
n
∑ ∑
i i i i
i=
1 i=
1
mit n als Anzahl der Betriebe, X als Gesamtfläche und B i als Bodeneinsatz in Betrieb i und Π i
als dessen einzelbetrieblicher Wertschöpfung.
Es lassen sich aus diesem Ansatz folgende, allgemein bekannte mikroökonomische Optimali-
tätskriterien ableiten:
- Die sektorale Wertschöpfung ist genau dann maximal, wenn die Durchschnittswert-
schöpfung je Faktor- bzw. Flächeneinheit maximal ist.
- Die Grenzwertschöpfung des Bodens muß in jedem Unternehmen gleich sein.
- Die Durchschnittswertschöpfung muß auf einzelbetrieblicher Ebene mindestens den
3
n
Opportunitätskosten des eingesetzten Bodens entsprechen. Die Opportunitätskosten je-
des Betriebes entsprechen der Grenzwertschöpfung der übrigen Betriebe.
Der Einfachheit halber soll unterstellt werden, daß alle Betriebe identische Wertschöpfungs-
möglichkeiten besitzen.
5 Alternativ könnte auch vom Konzept eines "Großgrundbesitzers" ausgegangen werden, der seinen Boden in einer
möglichst effizienten Stückelung an unterschiedliche Unternehmen verpachten oder in eigene Betriebe aufteilen will.

Nun soll der Frage nachgegangen werden, unter welchen Voraussetzungen Pfadabhängigkeiten
entstehen können. Dazu wird zunächst einmal unterstellt, daß die Wertschöpfungsfunktion
einen sigmoidförmigen Verlauf besitzt, wie etwa
α
( λB)
ΠS( B)
=
( λB) e
B + − β δ
Abb. 2.1: Sigmoidförmige Wertschöpfungskurve 6
Π
mit α, β, δ, λ > 0 < α − β < 1.
Β
Die sich aus diesem Funktionstyp ergebende optimale Betriebsgröße liegt dort, wo die durch-
schnittliche Faktorentlohnung ihr Maximum hat. Wie Abbildung 2.1 zeigt, schneidet an dieser
Stelle C die Grenzwertschöpfungs- die Durchschnittswertschöpfungskurve. Diese Funktions-
form besitzt eine eindeutige Optimallösung und würde die optimale Betriebsgröße eindeutig
bestimmen. Pfadabhängigkeiten können mit diesem Modell jedoch kaum erklärt werden. Des-
halb soll im folgenden diese sigmoidförmige Funktionsform etwas modifiziert werden, indem,
ähnlich einer Begünstigung bestimmter Betriebsgrößen, ein von der Betriebsgröße abhängiger
Zuschlag g(B) zur Wertschöpfung Πs vorgenommen wird mit
aB
g(B)
=
2
( B − b) + c
4
∂ ∂ Π B
Π
B
mit a, b, c > 0 konstant.
Abb. 2.2: Verlauf einer doppelt-sigmoidförmigen Kurve 7
Π Π
g s
Π ∂Π ∂B Π
B
Π
B
∂Π ∂B Man erhält nun eine Wertschöpfungsmöglichkeitenkurve
Π( B) = rΠ ( B) + g(B)
6 α = 3; β = 2, 5; γ = δ = 1/ 6.
7 α = 3; β = 2, 5; γ = δ = 1/ 6; a = 2; b = c = 1; r = 7 .
S
B
Π B
∂ ∂ Π B
C
C E D B
B

mit einem Verlauf, der einer doppelt-sigmoidförmigen Kurve 8 wie in Abbildung 2.2 entspricht.
In diesem Fall wird die Beantwortung der Frage nach optimalen Betriebsgrößen schwieriger.
Neben dem globalen Optimum D existiert noch ein lokales Optimum C. In beiden Punkten ent-
spricht die Grenzwertschöpfung der Durchschnittswertschöpfung. Bei einer komparativ stati-
schen Betrachtung ergibt sich auch hier eine eindeutig optimale Betriebsgröße, nämlich D. 9
Betrachtet man diesen Fall jedoch dynamisch und unterstellt, daß im Ausgangszustand aus be-
liebigen Gründen die Betriebsgröße C vorherrscht, dann muß überlegt werden, ob sich der
Sektor von der kleinbetrieblichen Struktur C zur global optimalen Struktur D verändern kann.
Für diese Frage soll unterstellt werden, daß für diesen Übergang zunächst nicht näher defi-
nierte Kosten anfallen. Wenn diese zum Zeitpunkt t 0 in der Höhe S C→D anfallen, dann muß bei
einem unendlichen Betrachtungszeitraum als Übergangsbedingung gelten, daß die Kosten des
Übergangs geringer sind als der Gegenwartswert der zusätzlichen Wertschöpfung, d.h.
SC→D X ⎛ Π(
D)
Π(
C)
≤ ⎜ −
i ⎝ D C
mit i als Kalkulationszins und X als Gesamtfläche des Sektors.
⎞
⎟
⎠
10
Sind die Übergangskosten S C→D höher als der Gegenwartswert der Übergangserträge befindet
sich der Sektor in einer locked in Situation, das heißt, der Sektor ist festgefahren. Unterstellt
man, daß die Höhe der Übergangskosten unabhängig vom Ausmaß der Änderung der Struktur
ist, also lediglich durch die Strukturänderung selbst bedingt wird, kann auch keine langsame
Anpassung an das globale Optimum stattfinden. Die Folge wäre, daß der Endzustand der
Struktur vom Ausgangszustand abhängt. Gegenüber einem Sektor, der sich erst entwickelt und
seine Struktur frei wählen kann, wäre ein Sektor, der bei C beginnt, pfadabhängig. Die Konse-
quenz für den pfadabhängigen Sektor ist, daß ihm die komparativ statisch gesehen überlegene
Struktur verwehrt bleibt. 11
Welches sind nun die Determinanten einer Pfadabhängigkeit? Die Werte für X und i sollen
Π( ) Π(
)
einmal als gegeben angesehen werden. Somit verbleiben die Terme SC→D und D C
− .
D C
Hinter S C→D verbergen sich, wie gesagt, Kosten des Übergangs von C nach D. Diese können
als Transformationskosten bezeichnet werden. Der zweite Term ist etwas komplexer. Zum
einen besagt er, daß bei einem Übergang von C nach D auf etwas verzichtet werden muß;
nämlich auf die Durchschnittswertschöpfung von C. Zum anderen muß berücksichtigt werden,
8 Eine doppelt sigmoidförmige Kurve soll im folgenden definiert werden als eine Funktion f(x), die in ihrem Definitionsbereich
- monoton steigend ist, d. h. f'(x) > 0 und
- genau drei Wendepunkte P - P besitzt, mit f''(x) > 0 für x < P .
1 3 1
9 An der Stelle E erreicht die Durchschnittswertschöpfung i.Ü. ein lokales Minimum; denn die Ableitung der Grenzwertschöpfung
nach dem Faktoreinsatz ist positiv.
10 Der Gegenwartswert des Übergangsertrages ergibt sich aus dem Produkt der Gesamtfläche mit der Differenz der mit
C und D verbundenen Durchschnittswertschöpfungen. Die Kapitalisierung der Erträge erfolgt, bei unendlichen Betrachtungszeitraum,
mit 1/i.
11 Vgl. zur Plausibilität der Existenz mehrerer lokaler Optima und von Übergangskosten BALMANN (1994b).
5

daß sich hinter der Wertschöpfungsfunktion Π, wie sie oben eingeführt wurde, zwei Funktio-
nen verbergen, nämlich Π s und g. Die Funktion Π s kann als eine Art "natürliche" Wertschöp-
fungsfunktion verstanden werden. Ihr Verlauf hängt von den produktionstechnischen und öko-
nomischen Rahmenbedingungen ab. Die Funktion g wurde dagegen als eine (nicht weiter defi-
nierte oder begründete) Begünstigung bestimmter Betriebsgrößen eingeführt. Nun sei einmal
angenommen, daß g davon abhängt, welche Durchschnittsgröße im Ausgangszustand vor-
herrscht. Dann könnte g(C) als eine Rente der Größenstruktur C verstanden werden. Die Diffe-
renz g(C)
C
- g(D)
D
würde einen Rentenverzicht darstellen.
Vernachlässigt man die ‘natürliche’ Ertragsfunktion Π s , ergeben sich aus dieser Modellanalyse
intuitiv zwei Ansatzpunkte für eine Systematisierung der Ursachen von Pfadabhängigkeiten: es
gibt
(i) ‘Kräfte’, die lokale Optima erzeugen (Renten) und
(ii) ‘Kräfte’, die den Übergang des Systems vom lokalen Optimum (Ist-Zustand) zum glo-
balen Optimum (Soll-Zustand) verhindern (Transformationskosten).
Grundsätzlich dürften sich viele Ursachen von Pfadabhängigkeiten nicht streng in eine der bei-
den Kategorien einordnen lassen. Auch ist keine der beiden Kategorien notwendig, aber jede
kann als Ursache hinreichend sein. Die Kategoriesierung vermittelt jedoch ein Gefühl für An-
satzpunkte einer Ursachenforschung. Während Kategorie (i) Ursachen dort vermuten läßt, wo
selbstverstärkende Prozesse stattfinden oder bestimmte Zustände begünstigt (subventioniert)
werden, geht (ii) eher davon aus, daß Veränderungen einen Preis haben, also etwas kosten
oder an Bedingungen geknüpft sind. Diese beiden Kategorien können mit dem Begriff Anpas-
sungskosten zusammengefaßt werden; denn sie bezeichnen die Kosten, die durch eine Bewe-
gung von einem Punkt zu einem anderen entstehen. Abbildung 2.3 verdeutlicht die Wirkungs-
richtung dieser Kräfte.
Abb. 2.3: Pfadabhängigkeiten verursachende Kräfte: Anpassungskosten
B
Π B
Π B s
B
6
(i) "Renten" eines Zustands
(ii) Transformationskosten
In den bisherigen Überlegungen wurde davon ausgegangen, daß das System Agrarsektor eine
vorgegebene natürliche Wertschöpfungsfunktion Π s besitzt und sich in einer statischen Um-
welt bewegt. In Abhängigkeit von der Zeit kann sich jedoch insbesondere Π s verändern. Diese
Veränderung kann exogen bedingt sein, beispielsweise weil sich die Umwelt des Sektors wan-

delt. Möglicherweise ist sie jedoch endogen, weil eine bestimmte "natürliche" Funktion die
Existenz von Wissen, Fertigkeiten, wie auch technischer Qualitäten voraussetzt; bestimmte
Sorten im Bereich des Pflanzenbaus oder Tierrassen müssen erst einmal gezüchtet werden.
Diese endogenen Änderungen des Möglichkeitenraumes können in zweifacher Weise von der
Zeit abhängen: erstens kann die Produktion dieser Qualitäten Zeit benötigen, und zweitens
kann sie bestimmte vergangene Strukturen und auch Strukturentwicklungen voraussetzen. 12
Damit sind nunmehr vier Ansätze für die Suche nach den ökonomischen Ursachen von Pfadab-
hängigkeiten gefunden; während sich die ersten beiden Ansätze (zustandsbedingte Renten und
Transformationskosten) auf eine statische Umwelt beziehen, stehen die letzteren (die exogene
Entwicklung der Umwelt und die endogene Entwicklung des Möglichkeitenraums) in engem
Zusammenhang mit einer sich verändernden Umwelt.
3 Entwicklung einer Definition
Bei den obigen Ausführungen hinsichtlich der Frage, unter welchen Bedingungen in Agrar-
strukturentwicklungen Pfadabhängigkeiten entstehen können, kam der gleichzeitigen Existenz
mehrerer lokaler Optima eine wesentliche Bedeutung zu. Ein Optimum kann dynamisch be-
trachtet auch als eine Art Gleichgewicht oder allgemeiner ausgedrückt als Attraktor verstanden
werden. Die gleichzeitige Existenz mehrerer Attraktoren in einem dynamischen System könnte
daher in einem engen Zusammenhang mit der Existenz von Pfadabhängigkeiten stehen; denn in
Abhängigkeit vom Ausgangszustand könnte ein jeweils anderer Attraktor erreicht werden.
Bevor jedoch versucht wird, den Begriff des Attraktors für eine Definition von Pfadabhängig-
keiten zu nutzen, soll er erläutert und seine Eignung für die Beschreibung des Verhaltens dy-
namischer Systeme diskutiert werden.
3.1 Der Begriff des Attraktors
Unter einem Attraktor wird vereinfacht ausgedrückt der Zustand verstanden, auf den der Zeit-
pfad (die Trajektorie) eines deterministischen dynamischen Systems zustrebt. Nach LORENZ
(1990, S. 42) läßt sich ein Attraktor folgendermaßen definieren:
Definition: Für ein n-dimensionales dynamisches System &x = f( x), x ∈R
n
, ist eine be-
schränkte Menge A ⊂ R n ein Attraktor des Systems, wenn es eine Menge U
mit den folgenden Eigenschaften gibt:
12 Leider gibt es bislang für die Analyse der letzten Kategorie lediglich für Teilbereiche formalisierte Methoden. Diese
Methoden betreffen zum einen den Aufwand, den Unternehmen für Forschung und Entwicklung betreiben und zum
anderen die Ausbreitung neuer Technologien. Vgl. hierzu insbesondere GRILICHES (1957), aber auch ARTHUR (1989)
und DOSI ET AL. (1988), Part IV - VII. Weitere interessante theoretische Ansätze finden sich im Bereich der Institutionenökonomik.
7

(i) U ist eine n-dimensionale Umgebung von A.
(ii) Falls x(0) ∈ U, dann ist x( t) ∈U ∀ t > 0 und x( t) → A , d.h. jede
Trajektorie die in U beginnt, verbleibt in U und nähert sich der
Menge A, wenn t groß genug ist.
Abb. 3.1: Arten von dynamischem Verhalten in zeitlich stetigen dynamischen Systemen
Fixpunktstreben Grenzzyklus LORENZ-Attraktor
Ein Attraktor kann wie Abbildung 3.1 zeigt unterschiedliche Formen und Dimensionen anneh-
men. Es kann sich dabei um einen Punkt (Fixpunkt), wie dem Gleichgewicht im Sinne des Wal-
rasianischen Marktgleichgewichts, um einen Zyklus (Grenzzyklus), wie die Umlaufbahn eines
Satelliten, und auch um höchst komplexe, nicht vorhersagbare Pfade handeln, in denen endo-
gen ermittelte deterministische Werte sich scheinbar stochastisch verhalten und kleinste Ände-
rungen in den Startwerten (Sensitivität in den Anfangswerten) zu einem völlig anderen Verlauf
führen. Ein Beispiel dafür ist ein Zufallszahlengenerator in einem Computerprogramm, der
Zufallszahlen rein deterministisch erzeugt.
Nichtlineare dynamische Systeme können im Gegensatz zu linearen Systemen mehrere Attrak-
toren besitzen. Abbildung 3.2 verdeutlicht eine derartige Situation. Man stelle sich vor, daß
durch die dort abgebildete Landschaft eine Kugel gerollt würde. Für einen gegebenen, d.h.
festen Wert des Parameters μ, der den Ort angibt, kann dann das jeweilige Minimum als ein
Gleichgewicht interpretiert werden. Während für bestimmte Größenordnungen des Parameters
μ ein eindeutiges Minimum existiert, existieren für andere Bereiche zwei Minima, die jeweils
als Attraktoren zu verstehen sind. Welchen Attraktor das System erreicht, das hängt vom Aus-
gangszustand ab.
8

Abb. 3.2: Multiple Gleichgewichte (Minima) bei Variation des Parameters μ
y
x
μ
9
Bei der abgebildeten Funktion
y = x
4
+ μ
3
⋅
( 1+
cos(
x)
)
findet an der Stelle μ = 0 eine Pitchfork-
Bifurkation statt von einer Situation mit
einem eindeutigen Gleichgewicht zu einer
Situation mit zwei Gleichgewichten.
Mit dem Wechsel von einer Situation mit einem eindeutigen Gleichgewicht zu einer Situation
mit zwei Gleichgewichten bei Variation des Parameters μ findet an der Stelle μ = 0 eine soge-
nannte Pitchfork-Bifurkation statt, 13 bei der ein stabiles Gleichgewicht in ein labiles übergeht
und auf beiden Seiten des labilen Gleichgewichts jeweils ein neues stabiles entsteht. Das Sy-
stem geht von einer Situation mit einem Attraktor über zu einer mit zwei Attraktoren. Eine
Bifurkation muß aber nicht unbedingt auf Parameteränderungen zurückzuführen sein. Bifurka-
tionen können insbesondere in solchen Systemen auftreten, in denen sich einige Variablen im
Verhältnis zu anderen Variablen sehr schnell verändern. Dabei wirken die langsam veränderli-
chen Variablen wie Parameter. Überschreiten diese analog zur Variation von μ bestimmte kriti-
sche Werte, kann es zu radikalen Änderungen des Makrozustandes kommen in denen völlig
neue Strukturen entstehen.
Derartige Zustandsänderungen können als Phasenübergänge 14 bezeichnet werden. Mit derarti-
gen Phänomenen beschäftigt sich insbesondere die Synergetik, die zu erklären versucht, wie in
einem System Ordnungsprozesse zustande kommen. 15 Der Synergetik zufolge wird die Dyna-
mik in Vielkomponentensystemen durch wenige Ordnungsparameter bestimmt. Aufgrund un-
terschiedlicher Anpassungsgeschwindigkeiten passen sich die schneller veränderlichen Varia-
blen den langsamer veränderlichen an. Erstere werden sozusagen "versklavt".
Eine Verwendung des Begriffs Attraktor, wie er oben definiert wurde, ist für die Beschreibung
des zwischenzeitlich auftretenden Systemverhaltens nicht ganz korrekt. Zum einen läßt sich mit
ihm nur der ‘Endzustand’ des Systems für t → ∞ beschreiben. Hierbei wird vorausgesetzt, daß
die Parameter konstant sind, d.h., daß sich das System selber nicht verändert. In komplexen
Systemen läßt sich aber nicht einmal auszuschließen, daß auch innerhalb eines Attraktors so
13 Vgl. z.B. LORENZ (1993, S. 110ff).
14 Vgl. z.B. ERDMANN (1993).
15 Vgl. zur Synergetik insbesondere HAKEN (1983). Im Rahmen der Synergetik wird jedoch im Unterschied zu den hier
vorgestellten Modellen, die alle deterministisch sind, vor allem mit stochastischen Modellen gearbeitet.

etwas wie Phasenübergänge auftreten. Als Beispiel für einen solchen Phasenübergang dürfte
sich der sich wiederholende Wechsel zwischen den beiden ‘Ebenen’ des LORENZ-Attraktors
anführen lassen (Vgl. Abbildung 3.1).
Ein weiteres Manko der Definition des Attraktors hängt damit zusammen, daß dynamische
Systeme häufig eine sehr lange Zeit benötigen bevor sie überhaupt in die Nähe eines Attraktors
kommen (transiente Phase). Innerhalb dieses Zeitraums, auf den sich möglicherweise das In-
teresse des Beobachters konzentriert, können sie bereits ein Verhalten offenbaren, das sich nur
schwer von einem Attraktor unterscheiden läßt. Dieses Verhalten ist zwar nicht dauerhaft,
kann jedoch über einen langen Zeitraum stabil sein. Auch hier können Phasenübergänge auf-
treten.
Abb. 3.3: Phasenübergänge beim System
4
X(t)
3
2
1
0
0 50 100 150 200
t
10
( c ⋅ x ⋅ x + 1 )
t t
x t+ a x t b x t
x d
= ⋅ − ⋅ +
sin ln( ) 2
16
1
+
4
X(t)
3
2
1
0
0 1 2 3 4
X(t-1)
In Abbildung 3.3 wird eine derartige Situation verdeutlicht. Das dargestellte System, bei dem
es sich beispielsweise um die Entwicklung einer Population handeln könnte, verharrt für etwa
40 Perioden auf einem bestimmten Niveau, bevor es plötzlich ein höheres erreicht. 17 Aber auch
auf diesem bleibt es nur für einen gewissen Zeitraum, bevor es das Niveau erreicht, innerhalb
dessen sich ein Attraktor befindet. Diese zwischenzeitlich erreichten Zustände lassen sich mit
dem Begriff des Attraktors ebenfalls nicht beschreiben. 18
Diese Überlegungen verdeutlichen, daß der Begriff des Attraktors zu eng gefaßt ist, um mit
seiner Hilfe bestimmte Zustände von Systemen zu erfassen. Diese Feststellung gilt insbesonde-
re für Systeme, die noch nicht so etwas wie einen Endzustand erreicht haben, weil sie sich erst
entwickeln oder weil in ihnen äußere (stochastische) Einflüsse wirken. Dieser Mangel soll im
folgenden zum Anlaß genommen werden, um den Begriff aufzuweichen, ihn zu erweitern: Zu-
16 Für a = 1,18; b = 0,520221; c =2,83; d = 0,1, x(0) = 0,00909.
17 Vgl. hinsichtlich der ökonomischen Interpretation z.B. DAY (1987), der mit Hilfe eines ähnlichen Modells versucht,
den evolvierenden Charakter der Geschichte der menschlichen Entwicklung einzufangen.
18 Ein solcher Zustand stellt auch das Verhalten des BELOUSOV-ZHABOTINSTKY-Oszillators dar, bei dem sich in einer
Situation fern vom thermodynamischen Gleichgewicht infolge zyklisch ablaufender chemischer Reaktionen über einen
langen Zeitraum hinweg regelmäßige Wellen ausbreiten. Vgl. zur Thematik Chemischer Wellen z.B. MÜLLER (1994).
t

stände von Systemen, die über einen längeren Zeitraum stabil sind, sollen als Quasi-Attraktoren
bezeichnet werden. Ein Quasi-Attraktor läßt sich folgendermaßen definieren:
Definition: Für ein n-dimensionales dynamisches System &x = Φ( x, u(t))
mit x ∈ Rn , und
exogenen Einflüssen u(t) ∈ R n , ist eine beschränkte Menge A ⊂ R n ein
Quasi-Attraktor des Systems, wenn es eine Menge U mit den folgenden Ei-
genschaften gibt:
• U ist eine n-dimensionale Umgebung von A.
• Falls x(0) ∈ U, dann existiert ein δ(u(t)) >> 0 mit x(t) ∈ U ∀ 0 < t < δ
(u(t)), d.h. jede Trajektorie die in U beginnt, verbleibt zumindest für einen
Zeitraum δ(u(t)) in U.
Der Begriff des Quasi-Attraktors gilt aufgrund der ausdrücklichen Berücksichtigung der exo-
genen Größe u(t) ebenfalls für stochastische Systeme. Gleichzeitig ist er grundsätzlich geeig-
net, die oben angesprochenen temporär stabilen Zustände, die sich mit Hilfe des konventionel-
len Attraktorenbegriffs nicht einfangen lassen, zu beschreiben. Die Problematik dieser Definiti-
on besteht aber darin, daß jeweils festgelegt werden muß, was ein hinreichend langer Zeitraum
ist. Dieser Zeitraum wird sich jedoch wohl kaum allgemein festlegen lassen, sondern muß für
jedes betrachtete System individuell ermittelt werden.
3.2 Versuch einer Definition von Pfadabhängigkeiten
In den obigen Überlegungen zur optimalen Größe landwirtschaftlicher Betriebe konnte das
Phänomen Pfadabhängigkeit damit erklärt werden, daß mehrere lokale Optima existieren und
der Übergang von einem Optimum zu einem anderen mit Kosten verbunden ist. Derartige Op-
tima können als Attraktoren interpretiert werden. Die Verwendung des Begriffs Attraktor ist
jedoch, wie gezeigt, für der Beschreibung des Verhaltens evolvierender Systeme problema-
tisch. Es dürfte ausreichen, wenn die Stabilität eines lokalen Optimums der Definition eines
Quasi-Attraktors genügt. Landwirtschaftliche Betriebe bzw. Agrarstrukturen wären demnach
pfadabhängig, wenn sie in Abhängigkeit vom Ausgangszustand oder exogenen Einflüssen in
die Nähe eines lokalen Optimums gelangen und es ihnen über einen längeren Zeitraum nicht
gelingt, das lokale Optimum zu verlassen, um zum globalen Optimum zu streben.
Es bietet sich daher an, Pfadabhängigkeiten folgendermaßen zu definieren:
Definition: Ein dynamisches System &x = Φ ( x, u(t))
, x ∈ Rn , u(t) ∈ Rm , ist pfadabhän-
gig, wenn es mehr als einen Quasi-Attraktor A i ⊂ R n besitzt, mit A i ∩ A j =
∅ für i ≠ j.
Diese Definition impliziert, daß es, um die Pfadabhängigkeit eines Systems zu zeigen, hinrei-
chend ist, mehrere Quasi-Attraktoren zu identifizieren.
11

Auf die Güte dieser Definition soll an dieser Stelle nicht eingegangen werden. Sie scheint je-
doch, trotz ihrer überraschenden Einfachheit, sämtliche der bisher genannten Anforderungen,
die an Pfadabhängigkeiten gesetzt werden, zu erfüllen. 19
4 Pfadabhängigkeiten in Agrarstrukturentwicklungen
An dieser Stelle ist es nicht möglich sämtliche Ursachen von Pfadabhängigkeiten in Agrar-
strukturentwicklungen aufzulisten. 20 Stattdessen werden im folgenden einige Simulationsexpe-
rimente vorgestellt. Diese Experimente beruhen auf einem räumlichen Modell einer Agrarregi-
on in der einzelne landwirtschaftliche Betriebe miteinander im Wettbewerb stehen.
4.1 Ein Modell zur Simulation regionaler Agrarstrukturentwicklungen 21
Die regionale Entwicklung der Agrarstruktur ist ein komplexer dynamischer Prozeß, in dem
sich die einzelnen Betriebe bzw. Unternehmen unter anderem in Abhängigkeit von ihrem je-
weiligen Ist-Zustand, ihren interdependenten Beziehungen zueinander sowie ihrer jeweiligen
ökonomischen und technischen Umwelt entwickeln. Für die Untersuchung dieses Prozesses
können Simulationsrechnungen hilfreich sein.
4.1.1 Zelluläre Automaten
In den letzten Jahrzehnten wurden für die Erklärung und das Verständnis komplexer Gescheh-
nisse im Bereich der Naturwissenschaften mehrfach zelluläre Automaten verwendet. Beispiele
sind CONWAY´s "Life" oder biologische Wachstumsprozesse. Ein zellulärer Automat ist dabei
vereinfacht ausgedrückt eine Art parallel arbeitender Computer, bei der jede Zelle die Arbeit
eines Miniprozessors übernimmt. Er besitzt folgende wesentliche Charakteristika 22 :
(i) Er besteht aus einer räumlich diskreten und regulären Anordnung von identischen Zel-
len. Dies ist in der Regel eine n-dimensionale Matrix.
(ii) Der Wert einer Zelle wird gleichzeitig mit den Werten der übrigen Zellen in einer Folge
zeitlich diskreter Schritte nach einer festgelegten Regel ermittelt.
(iii) Üblicherweise berücksichtigt diese Regel nur die Nachbarzellen (räumlich lokale Regel)
und nur die Zellzustände der letzten Perioden (zeitlich lokale Regel).
(iv) Jede Zelle kann nur eine endliche Anzahl von Werten annehmen.
19 Ein interessanter Aspekt dieser Definition ist der, daß sie nicht nur für ökonomische Systeme gilt, sondern sich ebenfalls
auf nichtökonomische Systeme, wie Optimierungsprozesse, anwenden läßt. Auch gelten dort die gleichen Probleme,
wie z.B. die potentielle Ineffizienz.
20 Zu einer ausführlicheren Analyse möglicher Ursachen vgl. BALMANN (1994a, Kap. 3) und (1994b).
21 Eine ausführliche Darstellung findet sich in BALMANN (1993) und (1994a).
22 In Anlehnung an MAI, J. (1991).
12

Theoretisch können zelluläre Automaten als universelle Rechenmaschinen verwendet werden
und stellen eine Zukunftsperspektive für den Bau sehr leistungsfähiger Computer dar. In ihren
bisherigen Anwendungen werden sie jedoch hauptsächlich dazu genutzt, zu zeigen, wie kom-
plexe Gebilde, z.B. Galaxien oder biologische Strukturen, mittels sehr einfacher Rechenregeln
entstanden sein könnten. Sie dienen also bislang vorwiegend dazu, komplexe Geschehnisse zu
verstehen.
4.1.2 Charakteristika einer regionalen Agrarstrukturentwicklung
Betrachtet man die Parzellen einer landwirtschaftlich genutzte Region von oben, ergibt sich für
deren Nutzung oder Eigentumsverhältnisse im Zeitablauf etwas, was einem zweidimensionalen
zellulären Automaten in gewisser Weise ähnelt. Diese Parzellen entwickeln sich in der Realität
hinsichtlich ihrer Nutzung oder ihren Eigentumsverhältnissen natürlich nicht exakt nach den
Regeln eines zellulären Automaten. Sie sind weder regelmäßig angeordnet, noch besitzt ihre
Entwicklung jenen geforderten deterministischen Charakter, der sich unmittelbar aus dem mo-
mentanen lokalen Zustand entwickelt. Hinter einer regionalen Agrarstrukturentwicklung ver-
bergen sich jedoch ökonomische und soziale Zusammenhänge. Diesen Zusammenhängen kön-
nen folgende Annahmen zugrunde gelegt werden:
(i) Bei einer Agrarstrukturentwicklung handelt es sich um einen dynamischen Prozeß.
(ii) Entscheidungen werden von Wirtschaftssubjekten getroffen. Diese Entscheidungen
basieren nicht zuletzt auf ökonomischen Überlegungen, da die Subjekte deren Wirkun-
gen, soweit sie internalisiert werden, zu tragen haben.
(iii) Bestimmte Ergebnisse, Entscheidungen und Aktionen sind in ihren Ausprägungen
ganzzahlig.
(iv) Bestimmte Wirtschaftsobjekte sind einmalig und in ihrer Nutzung nicht zwischen den
Subjekten teilbar.
(v) Es gibt sowohl Rückkopplungen zwischen dem Tun der Wirtschaftssubjekte als auch
zwischen den daraus resultierenden Ergebnissen. Dies gilt insbesondere auf lokaler
Ebene.
(vi) Bestimmte Vorgänge sind irreversibel.
(vii) Der Zustand des Systems hängt in einem nicht zu vernachlässigenden Maße von seiner
Vergangenheit ab.
4.1.3 Zelluläre Automaten zur Darstellung einer regionalen Agrarstrukturent-
wicklung
Die hier genannten Annahmen werden in ökonomischen Modellen nur selten vollständig be-
rücksichtigt. In der Regel wird beispielsweise von den Wirtschaftssubjekten und den zwischen
ihnen bestehenden Interdependenzen mehr oder weniger stark abstrahiert. Um sie in einer Mo-
13

dellökonomie zu berücksichtigen, kann die Idee, die sich hinter dem Begriff der zellulären Au-
tomaten verbirgt, jedoch sehr hilfreich sein.
Eine Betrachtung der landwirtschaftlich genutzten Parzellen einer Region als eine Art zellulä-
ren Automaten, wobei die einzelnen Zellenwerte die Besitzverhältnisse widerspiegeln, ermög-
licht eine Vernetzung der innerhalb dieser Region wirtschaftenden Betriebe im Sinne von An-
nahme (v). Gleichzeitig lassen sich dabei die Besonderheiten der einzelnen Betriebe, die als
Wirtschaftssubjekte betrachtet werden können, berücksichtigen. Im übrigen läßt sich auch die
Anordnung der Betriebe in der Region als eine Art zellulären Automaten auffassen. Im Gegen-
satz zu einem echten zellulären Automaten sind in einem derartigen Modell jedoch nicht die
einzelnen Zellen die relevanten Größen, sondern die sich dahinter befindlichen ökonomischen
Zusammenhänge. Die Zellen dienen lediglich als Informationsträger.
4.1.4 Modellaufbau
Für die Umsetzung wurde folgendes mikrofundierte Sektormodell entwickelt:
In einer fiktiven Region gibt es eine bestimmte Anzahl landwirtschaftlich nutzbarer, identischer
Flächen. Diese Flächen können von landwirtschaftlichen Betrieben gepachtet werden. Für diese
Region existiert ferner eine Produktionsumwelt mit einer Vorleistungsangebots- und einer Pro-
duktnachfrageseite. Ebenfalls gibt es eine Reihe landwirtschaftlicher Betriebe, die entsprechend
einem bestimmten Verhaltensmuster (Gewinnmaximierung) operieren und um die vorhandenen
Flächen konkurrieren.
Abb. 4.1: Flußdiagramm zum Programmablauf in einer Periode
Betriebsergebnisse
Produktions- und
Marktergebnisse
Produktionsentscheidung
Schrittrichtung
Erwartungsbildung
Investitionsentscheidung
beeinflußt
Nein
vorläufige
Investitionsplanung
Flächenzupacht
Ja
14
Flächenabstockung
Ja
Bodenmarkt
vorläufige
Investitionsplanung
Nein
Nein
vorläufige
Investitionsplanung
Weiterführung
des Betriebes
Ja
Gesamtheit
der Betriebe
Neugründung
eines Betriebes

Gleich einem zellulären Automaten finden die Allokations- und Produktionsprozesse in der
Region zu diskreten Zeitpunkten statt. Dies entspricht auch weitgehend der landwirtschaftli-
chen Realität, die stark vom jahreszeitlichen Ablauf beeinflußt wird. Ferner erfolgen die einzel-
betrieblichen Planungen und Entscheidungen simultan, damit die zwischenbetrieblichen Inter-
dependenzen berücksichtigt werden können. Der Ablauf einer Produktionsperiode läßt sich in
Abb. 4.1 erkennen. Zunächst einmal wird für jede Periode unterstellt, daß die Betriebe für zu-
künftige Produktionsbedingungen Erwartungen bilden. Hierfür wird in diesem Modell das
Konzept der adaptiven Erwartungen genutzt. Auf diese Erwartungen aufbauend findet dann die
Allokation der Faktoren auf vier Ebenen statt: Betriebsaufgabe- bzw. Betriebsgründungsüber-
legung, Flächenallokation, Investitionsplanung sowie die Produktionsplanung. Sämtliche
Überlegungen erfolgen unter der Prämisse der Gewinnmaximierung. Lediglich die Betriebs-
gründung erfolgt hinsichtlich des Standortes, wie auch der Anfangsausstattung mit Arbeit und
Kapital stochastisch.
Da das Modell insbesondere den zwischenbetrieblichen Interdependenzen gerecht werden will,
und die einzelnen Überlegungen auch nicht unabhängig voneinander erfolgen können, muß eine
Systematisierung der Entscheidungsfindung erfolgen. Da ferner die zwischenbetriebliche Allo-
kation, dies betrifft den Faktor Boden, wie auch die Betriebsaufgabe- und -gründungsüber-
legungen, für den Entscheidungsablauf nur sehr aufwendig reversibel gestaltet werden können,
diese aber gleichzeitig von Investitions- und Produktionsplanung berührt werden, wurde eine
Entscheidunghierarchie konzipiert, wie sie ebenfalls von Abbildung . 4.1 verdeutlicht wird.
Abb. 4.2: Momentaufnahme einer Bodenallokation im Simulationsmodell*
* Zellen gleicher Farbe gehören jeweils zu einem Betrieb. Die markierten Zellen zeigen die Hofstellen von Betrieben
an. Größe: 2000 Parzellen je 10 ha
15

Die Produktionsentscheidungen der Betriebe haben nun über die daraus resultierenden
Marktergebnisse Auswirkungen auf deren Ausgangssituation in der Folgeperiode.
Mit diesem Modell können nun verschiedene Ausgangsituationen, Marktkonstellationen oder
die Einbeziehung technologischen Wandels simuliert und in ihren Auswirkungen analysiert
werden.
4.1.5 Größe des Modells
Der Umfang dessen, was in dem Modell berücksichtigt werden kann hängt weitgehend von den
Rechnerkapazitäten ab. Das beschriebene Modell wurde für einen kompatiblen PC entwickelt
und in der Sprache C++ programmiert. Unter Berücksichtigung der vom Betriebssystem (MS-
DOS) vorgegebenen Speichergrenzen und der Rechengeschwindigkeit eines 486ér Prozessors
kann die Agrarstrukturentwicklung einer Region mit einer Größe von 3000 Parzellen (á 1 - 40
ha), bei fast 150 Betrieben, 20 Investitionsalternativen sowie 20 Produktionsrichtungen ohne
Probleme über einen längeren Zeitraum simuliert werden.
4.2 Überprüfung auf Pfadabhängigkeit
Zunächst soll geprüft werden, ob im Ausgangsmodell Pfadabhängigkeiten vorliegen. Diese
Überprüfung orientiert sich an einigen Eigenschaften pfadabhängiger Systeme: der Abhängig-
keit von den Entwicklungen in der Anfangsphase und der Stabilität des Systems gegenüber
späteren Störungen. Wenn keine Pfadabhängigkeit vorliegt, sollte davon ausgegangen werden,
daß strukturelle Anfangsunterschiede sehr bald verschwinden und sich nicht mehrere Quasi-
Attraktoren identifizieren lassen.
Für die Simulationen werden die in Tabelle 4.1 spezifizierten Referenzmodelle herangezogen.
Tab. 4.1: Ausgangssituationen in den Referenzmodellen 23
16
Modell 1 Modell 2 Modell 3
Regionsgröße in ha 6250 ha 20000 ha 30000 ha
Anfangsausstattung Arbeitskräfte (Spannbreite) 1-3 AK 1-3 AK 1-3 AK
Anfangsausstattung Kapital (Spannbreite in TDM) 25 - 975 25 - 975 25 - 975
Gründungswahrscheinlichkeit (1. Periode) 1 : 6 1 : 25 1:100
Abbildung 4.3 zeigt die jeweilige Entwicklung der durchschnittlichen Flächenausstattung der
Betriebe in diesen Modellen. Sie zeigt, daß die Anfangsstrukturen zumindest über einen länge-
23 Die Modelle 1-3 werden im folgenden als kleinbetriebliche, mittlere und großbetriebliche Struktur bezeichnet. Der
Begriff der Gründungswahrscheinlichkeit bezieht sich auf die Wahrscheinlichkeit der Neugründung eines Betriebes je
freier Parzelle und Periode. Hiermit wird letztlich die Anfangsgröße der Betriebe festgelegt.

en Zeitraum stabil sind. Ein Konvergenzprozeß setzt erst sehr spät ein, und das auch nur bei
den kleinerbetrieblichen Strukturen. Die Abbildung läßt die Schlußfolgerung zu, daß im Simu-
lationsmodell eine Pfadabhängigkeit vorliegt. Bestätigt wird dieses Ergebnis auch dadurch, daß
die Ausgangsstrukturen, nachdem sie erst einmal entstanden sind, zu Quasi-Attraktoren wer-
den, die für etwa zwanzig Perioden recht stabil sind.
Abb. 4.3: Entwicklung der durchschnittlichen Flächenausstattung bei den Referenzmodellen
ha
1400
1200
1000
800
600
400
200
0
1 11 21 31 41
Periode
17
kleinbetriebliche Struktur (Modell 1)
mittlere Struktur (Modell 2)
großbetriebliche Struktur (Modell 3)
Abbildung 4.4 zeigt die Entwicklung der durchschnittlichen Flächenausstattung der Betriebe im
Phasenraum. In diesem Phasendiagramm lassen sich mehrere, eindeutig voneinander unter-
scheidbare Quasi-Attraktoren identifizieren. Jedes Modell verharrt jeweils über einen recht
langen Zeitraum in der Umgebung eines Quasi-Attraktors. Damit ist die Bedingung der Defini-
tion von Pfadabhängigkeiten erfüllt, die verlangt, daß sich in einem pfadabhängigen System
mehrere Quasi-Attraktoren identifizieren lassen.

Abb. 4.4: Entwicklung der durchschnittlichen Flächenausstattung im Phasenraum
Flächenausstattung in ha in Periode t+1
1400
1200
1000
800
600
400
200
0
Quasi-Attraktoren
0 500 1000 1500
Flächenausstattung in ha in Periode t
4.2.1 Effizienzwirkungen von Pfadabhängigkeiten
18
kleinbetriebliche
Struktur
mittlere Struktur
großbetriebliche
Struktur
Tabelle 4.2 zeigt einige Strukturdaten von Simulationen, nämlich die durchschnittliche Flä-
chenausstattung der Betriebe und die Ergebnisse der Schätzung der funktionellen Einkom-
mensverteilung. Diese Simulationen beziehen sich auf die Referenzmodelle sowie auf Simula-
tionen in denen andere Zufallszahlen verwendet wurden. Leider sind die geschätzten Werte der
funktionellen Einkommensverteilung recht uneinheitlich. Eine aussagekräftige Größe dürfte die
berechnete Wertschöpfung des Bodens sein. Zwischen den unterschiedlichen Betriebsgrößen-
strukturen bestehen deutliche Unterschiede, die belegen, daß die kleinbetriebliche Struktur eine
wesentlich geringere Bodenwertschöpfung besitzt als die größerbetrieblichen Strukturen. In
Relation zur Bodenwertschöpfung sind die Pachtpreise in den kleinbetrieblichen Strukturen
hoch, während sie bei den größerbetrieblichen Strukturen niedrig sind. Hieraus läßt sich fol-
gern, daß die kleinbetrieblichen Strukturen keine ähnlich hohe Produktivität der Bodennutzung
erreichen wie die größerbetrieblichen, gleichzeitig jedoch der Boden relativ knapp ist. Bei
letzteren besitzen die Faktoren Arbeit und Kapital in Relation zum Boden einen vergleichswei-
se höheren Knappheitsgrad.

Tab. 4.2: Vergleich der Durchschnittskennzahlen bei unterschiedlichen Zufallszahlen 24
Modell Referenzmodelle Alternative 1 Alternative 2
Größe der Region in ha 6250 20000 30000 6250 20000 30000 6250 20000 30000
Anzahl Betriebe 51 52 25 56 63 27 55 71 22
Flächenausstattung (ha/Betrieb) 122 385 1205 111 316 1092 113 280 1395
Pachtpreise (DM/ha) 429 422 375 377 452 333 383 457 326
Wertschöpfung Boden (DM/ha) 284 433 452 245 446 460 259 450 453
Arbeitsproduktivität (a) (DM/h) 10 22 32 7 18 35 5 14 33
Bodenproduktivität (b) (DM/ha) 530 547 407 602 603 434 637 580 425
Kapitalproduktivität (c) 7.4% 5.5% 7.1% 6.1% 5.6% 5.5% 6.1% 7.4% 6.2%
Produktionselast. Arbeit 0.10 0.22 0.24 0.09 0.20 0.30 0.04 0.12 0.24
Produktionselast. Boden 0.58 0.66 0.56 0.63 0.66 0.55 0.66 0.65 0.53
Produktionselast. Kapital 0.27 0.21 0.23 0.25 0.21 0.17 0.28 0.28 0.24
Konstante 4.38 4.32 4.07 4.45 4.40 4.21 4.49 4.29 4.22
Skalenelastizität 1.01 1.07 1.04 1.01 1.05 1.04 0.98 1.02 1.01
Die Diskrepanz zwischen Pachtpreisen und Wertschöpfung kann bei den größerbetrieblichen
Strukturen wohl darauf zurückgeführt werden, daß die Skalenerträge weitgehend ausgeschöpft
sind und Transportkosten aufgrund der mit zunehmender Flächenausstattung wachsenden
Entfernungen eine größere Rolle spielen. Im Modell existieren Größenvorteile in der Produkti-
on. Diese können insbesondere in den kleinbetrieblichen Strukturen dazu führen, daß die
Grenzproduktivität des Bodens höher ist als die Durchschnittsproduktivität. Komparativ sta-
tisch gesehen müßten diese Betriebe sobald wie möglich, das ist in der nächsten Periode, wie-
der Flächen abstoßen. Wenn die Betriebe jedoch investiert haben, existieren versunkene Ko-
sten. Diese können dazu führen, daß die Flächen weiterbewirtschaftet werden.
Trotz der an der Bodenwertschöpfung erkennbaren Effizienzunterschiede sind sämtliche
Strukturen über einen längeren Zeitraum stabil. Damit scheint sich die von ARTHUR (1989)
genannte Eigenschaft der potentiellen Ineffizienz von Pfadabhängigkeiten zu bestätigen.
4.3 Überprüfung der Ursachen von Pfadabhängigkeiten
Das Simulationsmodell ist, wie gesagt, recht komplex. Für bestimmte Algorithmen mußten
Annahmen getroffen werden. So wurde beispielsweise unterstellt, daß in jeder Periode nur die
Flächen neu verpachtet werden, die von den Betrieben freiwillig abgegeben werden, weil ihnen
die Kosten der Flächen zu hoch sind oder weil Betriebe ausscheiden. Ferner wurde unterstellt,
daß versunkene Kosten existieren. Getätigte Investitionen hatten bei den einzelbetrieblichen
Investitions- und Produktionsoptimierungen einen Restwert bzw. Opportunitätskosten von
Null.
24 In den Tabellen werden jeweils die gewogenen Mittelwerte über 50 Perioden ausgewiesen.
19

Diese impliziten Annahmen des Referenzmodells sollen daher gezielt in ihren Auswirkungen
untersucht werden. Bei diesen Untersuchungen werden jeweils die Ergebnisse der Simulation
der Referenzstrukturen (Modell 1-3, vgl. Tabelle 4.1) denen des entsprechend modifizierten
Modells gegenübergestellt. Dabei wird insbesondere der Einfluß der jeweiligen Modifikation
auf die Existenz von Pfadabhängigkeiten betrachtet.
4.3.1 Simultane Erhöhung der Bodenmobilität und Reduktion versunkener Ko-
sten
Wie bereits erläutert könnten die gefundenen Pfadabhängigkeiten Auswirkungen hoher versun-
kener Kosten und einer geringen Bodenmobilität sein. Bei einer isolierten Erhöhung der Bo-
denmobilität und Reduktion versunkener Kosten ergab sich hinsichtlich der Existenz von Pfa-
dabhängigkeiten jedoch nur ein geringer Effekt. Die Ursache hierfür könnte darin bestehen,
daß die Pfadabhängigkeiten auf mehrere gleichzeitig wirkende Ursachen zurückzuführen sind.
Es erscheint daher an dieser Stelle interessant zu untersuchen, wie eine Erhöhung der Boden-
mobilität bei einer gleichzeitigen Reduktion versunkener Kosten bei Betriebsaufgabeüberle-
gungen wirkt.
Der Vergleich dieser Simulationen mit den Referenzmodellen (vgl. Abbildung 4.5) zeigt ein
weitgehendes Verschwinden der Pfadabhängigkeit. Dies spricht dafür, daß die im Modell auf-
tretenden Pfadabhängigkeiten nicht auf nur eine Ursache zurückzuführen sind, sondern eine
Komplementarität zwischen versunkenen Kosten und Bodenimmobilitäten besteht.
Abb. 4.5: Entwicklung der durchschnittlichen Flächenausstattung bei gleichzeitiger Erhöhung
ha
der Mobilität des Bodens und der Reduktion versunkener Kosten
Referenzmodelle
3000
2500
2000
1500
1000
500
0
1 11 21 31 41
Periode
20
ha
erhöhte Bodenmobilität und
Abbau versunkener Kosten
3000
2500
2000
1500
1000
500
0
1 11 21 31 41
Periode
Erstaunlicherweise ist die kleinbetriebliche Struktur in den ersten Perioden am längsten stabil,
obwohl sie, wie Tabelle 4.3 zeigt, nach wie vor die geringste Wertschöpfung des Bodens auf-
weist und sie auch im Vergleich der geschätzten Produktivitäten der Faktoren Arbeit, Boden

und Kapital insgesamt am schlechtesten abschneidet. Aus der Tabelle ist auch erkennbar, daß
die berechnete Wertschöpfung des Bodens ebenso wie die Kapitalproduktivität mit der höheren
Faktormobilität ansteigt. Die Skalenelastizität sinkt jedoch mit der Erhöhung der Faktormobi-
lität.
Tab. 4.3: Vergleich von Durchschnittskennzahlen in Abhängigkeit von der Bodenmobilität
und dem Umfang versunkener Kosten*
Modell Referenzmodelle höhere Mobilität
Gesamtfläche der Region in ha 6250 20000 30000 6250 20000 30000
Anzahl Betriebe 51.32 51.98 24.90 30.04 27.24 15.38
Flächenausstattung (ha/Betrieb) 121.78 384.76 1204.82 208.06 734.21 1950.59
Wertschöpfung Boden (DM/ha) 284.41 432.92 452.06 335.78 454.38 454.89
Arbeitsproduktivität (DM/h) 10.13 21.75 32.04 14.08 18.92 29.59
Bodenproduktivität (DM/ha) 529.91 547.45 407.27 437.43 472.53 398.21
Kapitalproduktivität 7.4% 5.5% 7.1% 8.4% 9.0% 8.8%
Produktionselast. Arbeit 0.10 0.22 0.24 0.16 0.28 0.29
Produktionselast. Boden 0.58 0.66 0.56 0.45 0.49 0.49
Produktionselast. Kapital 0.27 0.21 0.23 0.30 0.21 0.22
Konstante 4.38 4.32 4.07 4.55 4.57 4.40
Skalenelastizität 1.01 1.07 1.04 0.95 1.01 1.01
* Bei der Simulation der kleinbetrieblichen Struktur bei der unterstellten höheren Faktormobilität konnten wegen einer
ab der 30. Periode zu geringen Anzahl von Datensätzen für die geschätzten Koeffizienten der funktionellen Einkommensverteilung
nur die Mittelwerte der ersten 30 Werte gebildet werden.
4.3.2 Synchronizität in der Alterstruktur der Betriebe
Eine weitere Ursache der im Referenzmodell gefundenen Pfadabhängigkeit könnte darin beste-
hen, daß die Betriebe größtenteils in der ersten Periode gegründet wurden; denn die Synchro-
nizität in der Alterstruktur dürfte eine Synchronizität bei den betrieblichen Investitionen verur-
sacht haben. Diese Synchronizität könnte für die Stabilität der Strukturen, die vor allem in den
ersten 20 Perioden gegeben war, verantwortlich sein und die Pfadabhängigkeit mit verursacht
haben. Daher soll im folgenden eine Situation simuliert werden, in der sowohl die Betriebe als
auch deren Produktionsanlagen unterschiedlich alt sind. Die Implementierung der Modifikation
verläuft so, daß in der ersten Periode, nachdem die Unternehmen ihre Investitionen getätigt
haben, das Alter des Betriebes mittels einer Zufallszahl zwischen 0 und 19 bestimmt wird. Um
gravierende Verzerrungen in der Unternehmensbilanz zu vermeiden, werden die Anlagen mit
ihrem Zeitwert aktiviert. Diese Berechnung basiert auf der sogenannten exakten Kalkulation
von Anlagekosten, die versucht die Kosten der Anlage über den Nutzungszeitraum gleichmä-
ßig zu verteilen. Die Werte der Aktiva, der liquiden Mittel und das langfristige Fremdkapital
wurden entsprechend dem modifizierten Anlagenalter korrigiert.
21

Abb. 4.6: Entwicklung der durchschnittlichen Flächenausstattung bei unterschiedlicher Alter-
ha
struktur der Betriebe
Referenzmodelle
1400
1200
1000
800
600
400
200
0
1 11 21 31 41
Periode
22
ha
asynchrone Betriebsgründungen
1400
1200
1000
800
600
400
200
0
1 11 21 31 41
Periode
Abbildung 4.6 ermöglicht wieder einen Vergleich der modifizierten Modelle mit den Refe-
renzmodellen hinsichtlich der durchschnittlichen Flächenausstattung. Es ist erkennbar, daß die
Auswirkungen der Modifikation relativ gering sind. Daher kann davon ausgegangen werden,
daß die gefundene Pfadabhängigkeit nicht durch die Synchronizität der betrieblichen Alters-
struktur hervorgerufen wurde.
4.4 Modell- und Simulationskritik
Es dürfte deutlich geworden sein, daß das Simulationsmodell aufgrund seiner Komplexität
nicht erlaubt, alle Parameter einzeln oder kombiniert zu variieren. Gleiches gilt für eine Reihe
von Algorithmen, mit denen einzelbetriebliche Entscheidungen und die Faktorallokation deter-
miniert werden. Die Simulationsergebnisse zeigen sich jedoch in ihrem qualitativen Verhalten -
beispielsweise hinsichtlich der Frage, ob Pfadabhängigkeiten vorliegen oder nicht - gegenüber
Variationen von Parametern und Zufallszahlen relativ stabil.
Daneben sind, dies zeigen auch weitere Rechnungen (vgl. BALMANN, 1994a), die Simulati-
onsergebnisse in der Regel theoretisch nachvollziehbar und plausibel. Durch ihre Robustheit
und Plausibilität wird eine Vertrauenswürdigkeit geschaffen, die eine Basis für weitergehende
Interpretationen der Ergebnisse bildet. Dennoch sind die Interpretationsmöglichkeiten der Si-
mulationen beschränkt auf qualitative Aussagen, wie beispielsweise auf Aussagen zur Dynamik
des Agrarstrukturwandels und auf die grobe Richtung von Entwicklungen. Quantitative Aus-
sagen dürften dagegen allein schon wegen des zugrundegelegten Datenmaterials kaum möglich
sein. Doch dies entspricht auch nicht der Zielsetzung bzw. dem Zweck der Simulationen. Ihr
Sinn liegt vielmehr darin zu erarbeiten, ob das Phänomen Pfadabhängigkeit in regionalen
Agrarstrukturentwicklungen auftreten kann, welche Umstände dieses begünstigen und welche
Konsequenzen sich daraus ergeben.

Die Simulationen liefern hinsichtlich dieser Fragestellungen relativ aussagekräftige Ergebnisse.
Die Frage ist nun, inwieweit die Ergebnisse auf die Realität übertragen werden können; denn
auch hiervon hängt ihr Wert in großem Maße ab. Die Übertragbarkeit ist eng damit verbunden,
inwieweit dem verwendeten Simulationsmodell eine Validität zugeschrieben werden kann. Für
eine Validierung wurde darauf geachtet, welche impliziten Annahmen im Modell getroffen
werden und wie sie sich rechtfertigen lassen. Es zeigt sich, daß sich ein Großteil der Annahmen
durchaus theoretisch und empirisch begründen läßt. Zu einem Teil jedoch müssen sie, soweit
sie überhaupt erkannt wurden, damit begründet werden, daß sie notwendig sind, um Rechen-
zeiten zu begrenzen, oder weil z.B. zwar andere methodische Konzepte vorliegen, die theore-
tisch überlegen erscheinen, die sich jedoch nicht so einfach auf dieses hochkomplexe Modell
übertragen lassen. Als Beispiel kann hierfür die Verwendung des Konzepts adaptiver Erwar-
tungen dienen. Möglicherweise können in weniger komplexen Modellen leichter methodisch
anspruchsvollere Konzepte wie z.B. das der rationalen Erwartungen implementiert werden.
Der Nachteil weniger komplexer Modelle liegt jedoch darin, daß diese aufgrund ihres höheren
Abstraktionsgrades andere Zusammenhänge ignorieren und damit im Grunde noch wesentlich
stärkere Annahmen implizieren, die ohne eine gründlichere Analyse des Modells leicht im Ver-
borgenen bleiben. Die Problematik der eher aus methodischen Gründen unterstellten Annah-
men wird dadurch entschärft, daß sich zum einen eine Robustheit der Ergebnisse gegenüber
Modifikationen der Annahmen zeigt. Zum anderen kann versucht werden zu prüfen, ob sich
ähnliche Ereignisse auch aus anderen methodischen Ansätzen ergeben bzw. die Ergebnisse eine
theoretische und empirische Plausibilität besitzen. Dieses trifft auf die vorgestellten Simulatio-
nen zu.
5 Zusammenfassung und Schlußfolgerungen
5.1 Systemtheoretische Ergebnisse
In den bisherigen, eher methodisch ausgerichteten Arbeiten zu Pfadabhängigkeiten - hier sind
vor allem die Arbeiten von ARTHUR (1989) und ARTHUR ET AL. (1987) zu nennen - wurde der
Begriff der Pfadabhängigkeiten nicht explizit definiert. 25 Unter einer Pfadabhängigkeit wird
dort verstanden, daß in einer "frühen" Phase eines Systems dessen weitere Entwicklung weit-
gehend determiniert wird. Um das Verständnis des Begriffs der Pfadabhängigkeit zu präzisie-
ren, wurde in dieser Arbeit eine Definition pfadabhängiger Systeme entwickelt. Diese Definiti-
25 In diesen Arbeiten werden jedoch eine Reihe von Eigenschaften pfadabhängiger Systeme genannt. Unter anderem
wird auch in einem Theorem gezeigt, daß ein Adoptions-Prozeß genau dann nicht-ergodisch und unvorhersagbar ist,
wenn die Adoptionsfunktion mehrere stabile Fixpunkte besitzt. Diese Anforderung der Existenz multipler stabiler
Fixpunkte genügt der im Rahmen dieser Arbeit entwickelten Definition pfadabhängiger Systeme.
23

on besagt, daß ein System pfadabhängig ist, wenn es mehrere voneinander unterscheidbare
Quasi-Attraktoren besitzt. Unter einem Quasi-Attraktor wird dabei eine verallgemeinerte Defi-
nition eines Attraktors verstanden, der sich vom Begriff, wie er in der Theorie deterministischer
dynamischer Systeme verwendet wird, zum einen dahingehend unterscheidet, daß er auf die
Theorie nichtdeterministischer Systeme übertragen wird, indem die Auswirkungen exogener
Einflüsse berücksichtigt werden. Zum anderen lassen sich mit Quasi-Attraktoren auch tempo-
rär stabile Zustände von Systemen zu beschreiben. Damit wird der Versuch unternommen,
auch der Bedeutung des Zeitraums gerecht zu werden, der vergeht, bevor ein System einen
Attraktor im konventionellen Sinne erreicht. Beispielsweise geht aus den in dieser Arbeit vor-
gestellten Simulationen von Agrarstrukturentwicklungen hervor, daß es komplexen dynami-
schen Systemen auch innerhalb beträchtlicher Zeiträume nicht zwangsläufig gelingt, einen At-
traktor zu erreichen - Zeiträume, die so lange andauern können, daß sich bis zum Erreichen des
Attraktors die Systemumwelt gravierend geändert haben kann.
In den vorgestellten Simulationen erreichten Agrarstrukturentwicklungen, von unterschiedli-
chen Anfangsbedingungen ausgehend, jeweils andere Quasi-Attraktoren, die im Phasenraum
identifiziert werden konnten. Bezugnehmend auf die entwickelte Definition pfadabhängiger
Systeme läßt sich zeigen, daß das simulierte Ausgangsmodell pfadabhängig ist. Mit diesem
Ergebnis wurde belegt, daß die entwickelten Definitionen von Quasi-Attraktoren und Pfadab-
hängigkeiten eine Operabilität besitzen.
An dieser Stelle sollte jedoch auch darauf hingewiesen werden, daß die landwirtschaftlichen
Betrriebe in den Simulationsmodellen in einer mehr oder weniger statischen Umwelt wirt-
schafteten. Zwar wurde bei den Simulationen durch im Zeitablauf sinkende Erträge ein gewis-
ser Anpassungsdruck vorgegeben. In der Realität finden sich aber auch eine Reihe weiterer
Änderungen der Umwelt, wie beispielsweise im Rahmen des technischen Fortschritts. Bei den
Reaktionen auf diese Änderungen lassen sich möglicherweise charakteristische Entwicklungs-
pfade oder Muster identifizieren. Um solche Muster erfassen zu können, dürfte eine ‘Dynami-
sierung’ der Definition von Quasi-Attraktoren notwendig sein.
Die vorgestellte Definition pfadabhängiger Systeme ist nicht allein für ökonomische Zusam-
menhänge gültig. Sie kann auch für die Untersuchung nichtökonomischer Systeme oder Pro-
zesse verwendet werden. Ein solcher Prozeß kann beispielsweise ein numerisches mathemati-
sches Optimierverfahren zur Lösung komplexer Probleme sein, wie das des sogenannten tra-
velling salesman Problems. Dieses Problem kann leicht so komplex werden, daß analytische
Verfahren innerhalb vertretbarer Rechenzeiten keine Lösung finden. Hier bieten numerische
Verfahren, hierzu gehören auch einige, als naturanalog 26 bezeichnete Verfahren wie neuronale
Netze, Abkühlprozesse, genetische Algorithmen und evolutionäre Strategien, einen Ausweg,
um überhaupt eine Lösung zu erhalten. Bei diesen Verfahren kann jedoch nicht ausgeschlossen
26 Einen Überblick über naturanaloge Optimierverfahren gibt beispielsweise KURSAWE (1991). Vgl. zu einzelnen Verfahren
z.B. BLÜMECKE (1991) oder LENTZ (1993b).
24

werden, daß nur eine suboptimale Lösung gefunden wird, falls nicht gezeigt wird, daß neben
dem globalen Optimum kein weiteres lokales Optimum existiert. Damit können auch diese Op-
timierverfahren, der Definition entsprechend, pfadabhängig sein. Auch kann bei ihnen die Ei-
genschaft der potentiellen Ineffizienz auftreten.
Zur Erforschung der Ursachen von Pfadabhängigkeiten existierten ebenfalls, vor allem von
ARTHUR (1989) und ARTHUR ET AL. (1987), einige Ansätze. Diese Autoren nennen als Ursa-
chen insbesondere positive Rückkopplungen und Netzwerkexternalitäten (ARTHUR 1989 und
1990). In dieser Arbeit wurde versucht, Kategorien zu finden, in die sich mögliche Ursachen
von Pfadabhängigkeiten einordnen lassen, um eine systematische Suche zu ermöglichen. Die
Kategorienbildung orientierte sich an Optimierungsproblemen. Der entscheidende Aspekt liegt
in der Existenz mehrerer lokaler Optima, die, wenn sie entsprechend stabil sind, Eigenschaften
von Quasi-Attraktoren besitzen.
5.2 Ökonomischen Konsequenzen
ARTHUR (1990) vermutet, daß sich Pfadabhängigkeiten, weil sie seinen Erkenntnissen zufolge
vor allem auf steigende Skalenerträgen und Netzwerkexternalitäten zurückzuführen sind, ins-
besondere in Hochtechnologiebereichen der Wirtschaft finden lassen werden, weniger dagegen
in älteren Sektoren wie der Landwirtschaft. Die in der hier präsentierten Arbeit gefundenen
Ergebnisse können diese Vermutung nicht bestätigen; denn ihnen zufolge ist es für die Pfadab-
hängigkeit eines Systems hinreichend, daß mehrere entsprechend stabile lokale Optima existie-
ren. Diese Optima können zwar auf positive Rückkopplungen, wie Netzwerkexternalitäten
oder steigende Skalenerträge zurückzuführen sein, sie müssen es jedoch nicht. Es gibt hierfür
eine Reihe von Beispielen. 27 Es kann daher davon ausgegangen werden, daß Pfadabhängigkei-
ten auch in Nicht-Hochtechnologiebereichen der Wirtschaft zu finden sind.
Die vorgestellten Simulationen zeigen, daß komplexe Systeme, denen auch Ökonomien zuzu-
ordnen sind, über längere Zeiträume in suboptimalen Zuständen verharren können. Dieses Er-
gebnis hat Konsequenzen für die ökonomisch-empirische Arbeit. So kann angenommen wer-
den, daß es illusorisch ist, aus beobachteten Zuständen komplexer Systeme auf deren globale
Optima schließen zu wollen. Die diesbezüglichen Grenzen empirischer Verfahren dürften dort
zu finden sein, wo über die Überprüfung, theoretisch als notwendig erachteter Voraussetzun-
gen eines Optimums hinausgegangen wird. Hinzu kommt, daß sich in realen Systemen, wie
Ökonomien, auch dessen Umwelt laufend ändert, sei es exogen oder durch das System selbst
induziert. Vielleicht bietet es sich auch deshalb an, Ökonomien weniger als dynamische Syste-
me aufzufassen, in denen der Zeit lediglich eine Rolle hinsichtlich des Weges zum Optimum
oder der Systementwicklung innerhalb eines Attraktors zukommt, sondern eher als evolutionä-
27 Vgl. z.B. BALMANN ET AL. (im Druck).
25

en Prozeß, der in seiner Entwicklung verschiedene Pfade einschlagen kann, die die weitere
Entwicklung nachhaltig beeinflussen.
Die bislang angeführten ökonomischen Implikationen haben sich nur nebensächlich mit Fragen
der Effizienz auseinandergesetzt. ARTHUR (1989) geht davon aus, daß pfadabhängige Systeme
eine potentielle Ineffizienz besitzen. Diese Einschätzung ist, ex post gesehen, für eine Reihe
von Beispielen sicherlich berechtigt, was vor allem von ARTHUR (1989) und auch von DAVID
(1985) belegt wird. Effizienzaussagen setzen jedoch adäquate Referenzsysteme voraus. Ex
post gesehen kann eine Bewertung noch recht einfach sein, vorausgesetzt die vorhandenen
Alternativen sind bekannt. Theoretisch und praktisch interessanter, wenngleich ungemein
schwieriger, ist der Aspekt der potentiellen Ineffizienz jedoch ex ante betrachtet, also wenn
sozusagen "das Kind noch nicht in den Brunnen gefallen ist". Wenn bekannt ist, daß ein System
pfadabhängig ist oder sein kann, dann sollte sich jemand, der in das Systemgeschehen eingreift,
bewußt sein, daß entsprechenden Eingriffen in bestimmten Phasen des Systems eine sehr nach-
haltige Wirkung zukommen kann. Es können sich Konsequenzen ergeben, die möglicherweise
kurzfristig wünschenswert, aber langfristig fatal sind. Die hieraus erwachsende Problematik
besteht zweifellos darin, daß ex ante meistens wenig darüber ausgesagt werden kann, was ex
post richtig oder falsch sein wird. Die Entscheidung muß ohne dieses Wissen erfolgen. Bei
Entscheidungen können aber zum einen bekannte systematische Zusammenhänge, wie die
Möglichkeit des Auftretens von Pfadabhängigkeiten, berücksichtigt werden. Zum anderen be-
stehen in der Regel nicht nur die Alternativen "ja" oder "nein", sondern es existiert ein Hand-
lungsspielraum bei der Ausgestaltung von Eingriffen. So dürften Subventionen, die in
schrumpfenden Sektoren hochentwickelter Industrienationen, wie beispielsweise bei Kohle,
Stahl, Schiffbau oder Landwirtschaft, dazu genutzt werden, den Anpassungsprozeß sozial ab-
zufedern, anders zu bewerten sein als Versuche, mit Hilfe von Subventionen eine künstliche
Wettbewerbsfähigkeit zu erhalten.
Das Wissen um Pfadabhängigkeiten kann somit zwar nicht generell vermeiden, daß falsche
Entscheidungen getroffen werden. Wohl aber kann es, analog zur Theorie der Entscheidungen
unter Unsicherheit, genutzt werden, die Entscheidungsfindung zu verbessern.
26

Literaturverzeichnis
AGRARBERICHT der Bundesregierung, verschiedene Jahrgänge.
ANDERSON, P.-W., K.J. ARROW und D. PINES (Hrsg.) (1988): The Economy as an Evolving
Complex System. Santa Fe Institute Studies in the Science of Complexity. V. 5.
ARTHUR, W.B, (1988a): Self-Reinforcing Mechanisms in Economics. In: ANDERSON ET AL., 9-
31.
ARTHUR, W.B, (1988b): Competing Technologies: An Overview. In: DOSI ET AL., 590-607.
ARTHUR, W.B. (1989): Competing Technologies, Increasing Returns and Lock-In by Historical
Events. The Economic Journal, 99, 116-131.
ARTHUR, W.B. (1990a): Positive Rückkopplung in der Wirtschaft. Spektrum der Wissenschaft,
April 1990, 122-129.
ARTHUR, W.B. (1990b): ‘Silicon Valley’ Locational Clusters: When do Increasing Returns
imply Monopoly? Mathematical Social Sciences 19, 235-251.
ARTHUR, W.B., Y.M. ERMOLIEV und Y.M. KANIOVSKI (1987): Path-dependent processes and
the emergence of macrostructure. European Journal of Operational Research, 30, 294-
303.
BALMANN, A. (1992a): Modellierung regionaler Agrarstrukturentwicklungen - Eine Umsetzung
des Konzepts "zellulärer Automaten". In: Ackmann, R., B. Petersen und H. Geidel:
Berichte der Gesellschaft für Informatik in der Land-, Forst- und Ernährungswirtschaft.
Band 3. Referate der 13. GIL - Jahrestagung in Gießen 1992.
BALMANN, A. (1993): Modellierung regionaler Agrarstrukturentwicklungen mittels des Konzepts
"zellulärer Automaten". Zeitschrift für Agrarinformatik, Heft 2, 34-41.
BALMANN, A. (1994a): Pfadabhängigkeiten in Agrarstrukturentwicklungen. Begriff, Ursachen
und Konsequenzen. Dissertation, Göttingen.
BALMANN, A. (1994b): Ansätze zur Erklärung einer Dominanz und Persistenz "suboptimaler"
Betriebsgrößenstrukturen in der Landwirtschaft. Agrarwirtschaft, Heft 6, 227-236.
BALMANN, A., M. ODENING, H.P. WEIKARD und W. BRANDES (im Druck): Path-Dependence
without Increasing Returns to Scale and Network Externalities. Journal of Economic
Behavior and Organization.
BERG, E. und F. KUHLMANN (1993): Systemanalyse und Simulation für Agrarwissenschaftler
und Biologen. Stuttgart.
BLÜMECKE, T. (1991): Wunder der Evolution. Optimierung mit Evolutionsstrategien und genetischen
Algorithmen. c't, Heft 12, 228-239.
BRANDES, W. (1978): Zur Konzentration der Agrarproduktion in der Bundesrepublik
Deutschland aus betriebswirtschaftlicher Sicht. Agrarwirtschaft, Jg. 27, Heft 1, 1-12.
BRANDES, W. und M. ODENING (1992): Investition, Finanzierung und Wachstum in der Landwirtschaft.
Stuttgart.
DAVID, P.A. (1985): Clio and the Economics of QWERTY. American Economic Review,
Proceedings 75, 332-337.
DAY, R.H. (1987): Economic Development in the Very Long Run. MRG Working Paper
#8732, University of Southern California, Los Angeles.
DOLUSCHITZ, R. und W. TRUNK (1993): Wie hoch sind die Kostenvorteile großer Betriebe?
Eine betriebswirtschaftliche Beurteilung der Milchviehhaltung. Neue Landwirtschaft, H.
3/93, 7-10.
DOSI, G., C. FREEMAN, R. NELSON, G. SILVERBERG und L. SOETE (Hrsg.) (1988): Technical
Change and Economic Theory. London.
27

ERDMANN, G. (1993): Elemente einer evolutorischen Innovationstheorie. Tübingen.
GRILICHES, Z. (1957): Hybrid Corn: An Exploration in the Economics of Technological
Change. Econometrica, Vol. 25, 501-522.
HAKEN, H. (1983): Synergetics. An Introduction. Berlin, Heidelberg und New York.
KATZ, M.L. und C. SHAPIRO (1985): Network Externalities, Competition, and Compatibility.
American Economic Review, 75, 424-440.
KAUFFMAN, S. (1991): Antichaos and Adaption. Scientific American, August 1991, 78-84
KURSAWE, F. (1991): Naturanaloge Optimierverfahren - Neuere Entwicklungen in der Informatik.
Schriftlicher Beitrag beim Temporären Arbeitskreis "Evolutorische Ökonomik",
Freiburg, 4.-6. Juli 1991.
LENTZ, W. (1993a): Neuere Entwicklungen in der Theorie dynamischer Systeme und ihre Bedeutung
für die Agrarökonomie. Berlin.
LENTZ, W. (1993b): Numerische Optimierverfahren und ihre Verwendung in dynamischen
Modellen. In: BERG und KUHLMANN (1993), S. 269-338.
LORENZ, H.-W. (1989): Nonlinear Dynamical Economics and Chaotic Motion. BECKMANN,
M. und W. KRELLE (Hrsg.): Lecture Notes in Economics and Mathematical Systems.
Berlin, Heidelberg und New York.
LORENZ, H.-W. (1990): Determinismus, nichtlineare Dynamik und wirtschaftliche Evolution.
Eine Betrachtung zur Methodik der dynamischen Wirtschaftstheorie. Habilitationsschrift
am Wirtschaftswissenschaftlichen Fachbereich der Georg-August-Universität
Göttingen.
LORENZ, H.-W. (1993): Nonlinear Dynamical Economics and Chaotic Motion. Second Revised
and Enlarged Edition. Berlin Heidelberg New York.
MAI, J. (1991): Frischzellenkur. Neue Anwendungen zellulärer Automaten. c´t, Heft 2/1991,
200-210.
MÜLLER, S.C. (1994): Chemie der Musterbildung. In: DEUTSCH, A. (Hrsg.): Muster des Lebendigen.
Faszination ihrer Entstehung und Simulation. Braunschweig/Wiesbaden.
PETER, G. (1993): Eine Ermittlung der langfristigen Durchschnittskostenkurve von Marktfruchtbaubetrieben
anhand des "economic engineering" Ansatzes. Dissertation. Göttingen.
TOFFOLI, T. und N. MARGOLUS (1987): Cellular Automata Machines - A New Environment
for Modelling. Cambridge, Massachusetts.
28