Knowledge Diffusion and Knowledge Transfer: Two Sides of the Medal

Wissen als Produktionsfaktor wird in der neuen Wachstumstheorie als eine elementare Erklärungsgröße für wirtschaftliches Wachstum gesehen. Dabei wird der Diffusion von Wissen ein hohes Maß an Aufmerksamkeit gewidmet, da Wissen nicht nur vom Produzenten genutzt werden kann, sondern auch über Transferkanäle anderen Nutzen stiften kann. Je stärker die Wissensdiffusion dabei ausgeprägt ist, desto mehr Wirtschaftssubjekte können dieses Wissenspotential nutzen, vorausgesetzt die Wirtschaftssubjekte können das gesendete Wissen verstehen und verarbeiten. Dies hat natürlich auch Implikationen für die Gesamtwohlfahrt eines Landes. So einfach diese Wirkungskette auf der makroökonomischen Ebene klingen mag, so komplex ist die Beantwortung der Frage der Wissensdiffusion auf der mikroökonomischen Ebene. Bevor man sich der Frage widmet, wie Wissensdiffusion auf der mikroökonomischen Ebene modelliert werden kann, sind zunächst zwei Aspekte stringent voneinander zu trennen: Wissensdiffusion auf der einen, und Wissenstransfer auf der anderen Seite. Obwohl diese Termini in der Wissensdiffusionsliteratur weitestgehend bekannt sind, fehlt in der Wissensdiffusionsmodellierung bis dato eine wirkliche Trennung beider Aspekte. Wissenstransfer meint im Wesentlichen den Austausch von Wissen in Netzwerken zwischen Innovatoren und Imitatoren von Wissen, während Wissensdiffusion die Verbreitung von Wissen innerhalb der Gruppe von Innovatoren und Imitatoren bezeichnet. Es ist offenkundig, dass Netzwerkeffekte die Wissensdiffusion beschleunigen können, andererseits ist auch ohne Wissenstransfer über Netzwerkeffekte eine Verbreitung von Wissen möglich. Wohlfahrtstheoretische Implikationen sind daher nur von der Wissensdiffusion zu erwarten, die indirekt über Wissenstransfers über Netzwerke verstärkt werden können. Die Intensität von Netzwerkeffekten sollte sich demnach auch im Diffusionsmuster von Wissen widerspiegeln. Mit dem in diesem Aufsatz vorgestellten Modell ist es mithin möglich, Diffusionsmuster endogen durch Netzwerkeffekte zu erklären. Es zeigt sich, dass stärkere Netzwerkeffekte unimodale Diffusionsmuster von Wissen erzeugen, während schwache Netzwerkeffekte auf bimodale Diffusionsmuster schließen lassen. Starke Netzwerkeffekte führen damit zu einer schnelleren Verbreitung von Wissen. Zudem wird im Rahmen dieses Aufsatzes der Tatsache Rechnung getragen, dass der Wissensdiffusionsprozess stochastisch ist und insbesondere zu Beginn und in der Mitte die Adoptionsunsicherheit größer ist als am Ende des Diffusionsprozesses. Im ökonometrischen Kontext kann diese Unsicherheit mittels heteroskedastischer Störterme modelliert werden. Ein weiterer Vorteil des theoretischen Modells liegt darin, dass es sich mittels eines Seemingly Unrelated Regression (SUR)-Ansatzes direkt schätzen lässt.

Klarl, Torben (2009), Knowledge Diffusion and Knowledge Transfer: Two Sides of the Medal, ZEW Discussion Paper Nr. 09-080, Mannheim.