Kapitel 11 fragte: Produzieren Wettbewerbsmärkte bei gegebenen Präferenzen und Ausstattungen effiziente Ergebnisse? Die Antwort — ja, unter den Bedingungen der Wohlfahrtssätze — nimmt den Marktmechanismus als gegeben an. Dieses Kapitel kehrt die Frage um: Kann man bei einem gewünschten Ergebnis einen Mechanismus entwerfen, um es zu erreichen?
Mechanismusdesign wird oft als „umgekehrte Spieltheorie“ bezeichnet. Statt das Ergebnis eines Spiels vorherzusagen, entwerfen wir das Spiel, um ein gewünschtes Ergebnis zu erzielen. Marktdesign wendet diese Ideen auf reale Institutionen an: Auktionen, Matching-Märkte, Frequenzvergabe, Nierentausch.
Voraussetzungen: Kapitel 7 (Grundlagen der Spieltheorie, Nash-Gleichgewicht) und 10 (Wohlfahrtssätze, allgemeines Gleichgewicht).
Grundlegende Literatur: Myerson (1981); Vickrey (1961); Clarke (1971); Groves (1973); Gale & Shapley (1962); Roth (2002); Milgrom (2004).
Die Herausforderung: Die Typen der Agenten sind privat. Wie bringen wir sie dazu, ihre Typen wahrheitsgemäß zu offenbaren?
Abbildung 12.1. Zeitstrahl des Mechanismusdesigns.
Der Mechanismusdesigner wählt die Regeln (Nachrichtenraum und Ergebnisfunktion), um eine gewünschte soziale Wahlfunktion zu erreichen.
Ein direkter Mechanismus bittet jeden Agenten, einfach seinen Typ (seine private Information) zu berichten. Er ist anreizkompatibel (IC), wenn wahrheitsgemäße Berichterstattung eine Gleichgewichtsstrategie ist: kein Agent profitiert vom Lügen.
Dies ist die mächtigste Vereinfachung im Mechanismusdesign. Prinzipiell ist der Raum möglicher Mechanismen unendlich groß. Eine Auktion könnte beliebig viele Runden haben, beliebige Gebotsregeln, beliebige Zahlungsformeln. Ein Matching-Algorithmus könnte auf jede erdenkliche Weise funktionieren. Die Suche nach dem besten Mechanismus unter allen möglichen scheint aussichtslos.
Das Offenbarungsprinzip besagt: Sie müssen nicht suchen. Welches Ergebnis auch immer irgendein Mechanismus erzielen kann, ein direkter Mechanismus (fragen Sie einfach jeden, wahrheitsgemäß zu berichten) kann dasselbe Ergebnis erzielen. Das Mechanismusdesign-Problem reduziert sich also auf: Finde die beste Zuteilungsregel und Zahlungsregel als Funktionen der gemeldeten Typen, unter der Nebenbedingung, dass wahrheitsgemäße Berichterstattung optimal ist. Dies verwandelt eine unmöglich breite Suche in ein wohldefiniertes Optimierungsproblem.
DSIC ist stärker, aber schwerer zu erreichen. BIC ist schwächer, erlaubt aber mehr Mechanismen.
Sie haben nun Mechanismusdesign-Werkzeuge: das Offenbarungsprinzip, Anreizkompatibilität und die Unterscheidung zwischen DSIC und BIC. Diese Werkzeuge formalisieren, was ein Staat erreichen kann und was nicht, wenn er die Typen der Menschen nicht direkt beobachten kann.
Mechanismusdesign formalisiert das Umverteilungsproblem mit verblüffender Klarheit. Der Staat will von hochbefähigten zu niedrigbefähigten Akteuren transferieren, kann aber Fähigkeit nicht direkt beobachten — nur Einkommen, das eine Wahlvariable ist. Das Offenbarungsprinzip sagt, dass jedes Umverteilungsschema als direkter Mechanismus analysiert werden kann, in dem Akteure ihren Typ melden. Die bindende Beschränkung ist Anreizkompatibilität: Hochbefähigte Akteure dürfen es nicht profitabel finden, Niedrigbefähigte zu imitieren, indem sie weniger arbeiten. Ein Steuer-Transfer-System ist buchstäblich ein Mechanismus — es bildet gemeldete Einkommen auf Nach-Steuer-Einkommen ab — und das Offenbarungsprinzip sagt Ihnen, dass, wenn irgendein Schema ein Umverteilungsziel erreichen kann, auch ein wahrheitsgetreuer direkter Mechanismus es kann. Das ist das konzeptionelle Fundament der optimalen Einkommensbesteuerung (Mirrlees 1971): Das Steuerschema ist ein Mechanismus, der entworfen ist, um die soziale Wohlfahrt unter Anreizkompatibilitätsbeschränkungen zu maximieren.
Anreizkompatibilität schafft einen nicht reduzierbaren Zielkonflikt zwischen Umverteilung und Effizienz — und er ist schlimmer als die intuitive Version. Das Myerson-Satterthwaite-Theorem (§12.4) zeigt, dass beim bilateralen Handel mit privater Information kein Mechanismus gleichzeitig Effizienz, Anreizkompatibilität, individuelle Rationalität und Budgetausgleich erreicht. Wenden Sie diese Logik auf Umverteilung an: Der Staat sieht sich einer Version derselben Unmöglichkeit gegenüber. Er kann kein Steuersystem entwerfen, das vollständig umverteilt, Anreize respektiert und Nettowohlfahrtsverlust vermeidet. Außerdem nimmt der Mechanismusdesign-Rahmen einen wohlmeinenden, gut informierten Planer an, der die Typverteilung kennt, auch wenn nicht individuelle Typen. In der Praxis wird umverteilende Politik durch politische Ökonomie geformt — Medianwähler, Interessengruppen, Lobbyismus. Das Entwurfsproblem ist gut verstanden; das Umsetzungsproblem nicht.
Der Mechanismusdesign-Rahmen verbindet sich direkt mit der Theorie optimaler Einkommensbesteuerung. Mirrlees (1971) zeigte, dass das optimale Steuerschema von der Verteilung der Fähigkeiten und der Arbeitsangebotselastizität abhängt — beides empirische Größen. Der Mechanismusdesign-Ansatz liefert die konzeptionelle Architektur; die quantitativen Antworten erfordern Daten. Myersons optimale Auktion ist strukturell identisch zur optimalen Besteuerung: Beide maximieren eine Zielfunktion unter Anreizkompatibilität und individueller Rationalität. Dieselbe Mathematik, die umsatzmaximierende Auktionen entwirft, entwirft wohlfahrtsmaximierende Steuerschemata.
Der Effizienz-Gleichheits-Zielkonflikt ist real, aber Mechanismusdesign macht ihn präzise statt vage. Der Zielkonflikt ist nicht „Umverteilung ist kostspielig“ — er lautet „Umverteilung ist kostspielig um genau den Betrag, um den Anreizkompatibilitätsbeschränkungen binden“. Die Größenordnung hängt von spezifischen Parametern ab: Wie elastisch ist das Arbeitsangebot? Wie fett ist der Rand der Fähigkeitenverteilung? Das sind empirische Fragen mit empirischen Antworten, keine ideologischen. Mechanismusdesign transformiert die Ungleichheitsdebatte von Philosophie in Ingenieurwesen — aber das Ingenieurwesen ist durch Informationsgrenzen beschränkt, die keine Klugheit umgehen kann.
Mechanismusdesign liefert Ihnen den Rahmen; die Theorie optimaler Besteuerung liefert die Zahlen. Kommen Sie zurück in Kapitel 16 (§16.7) für das Ramsey'sche Ergebnis optimaler Besteuerung — unelastische Güter stärker besteuern — und die quantitativen Schätzungen: optimale Spitzengrenzsteuersätze liegen wahrscheinlich bei 50–70 % (Diamond & Saez 2011), höher als die meisten Länder umsetzen, aber niedriger, als „alles besteuern“ impliziert. Dann in Kapitel 20 (§20.5, §20.8) wird das Problem global: Ungleichheit innerhalb von Ländern wird von Ungleichheit zwischen Ländern in den Schatten gestellt, und die Werkzeuge dafür — Institutionen, Humankapital, Entwicklungsinterventionen — unterscheiden sich völlig vom heimischen Steuerdesign.
Elizabeth Warrens Vorschlag trifft auf Mechanismusdesign: Die bindende Beschränkung der Umverteilung ist Anreizkompatibilität, da Akteure ihren Typ verbergen können. Vermögen ist schwerer zu verbergen als Einkommen. Macht das Vermögenssteuern zu besseren Mechanismen?
FortgeschrittenDies ist das Mechanismusdesign-Analogon zu Arrows Unmöglichkeitstheorem. Es besagt, dass in allgemeinen Sozialwahlsituationen kein nicht-diktatorischer Mechanismus wahrheitsgemäße Präferenzoffenbarung in dominanten Strategien erzielen kann.
Der Ausweg: Beschränke den Bereich. Mit quasi-linearen Präferenzen ($U_i = v_i(a) + t_i$, wobei $t_i$ ein monetärer Transfer ist) fällt die Gibbard-Satterthwaite-Barriere. Der VCG-Mechanismus erreicht Effizienz und DSIC mit Transfers.
Der Vickrey-Clarke-Groves (VCG)-Mechanismus erreicht eine effiziente Allokation mit wahrheitsgemäßer Berichterstattung als dominante Strategie unter Verwendung monetärer Transfers.
Die effiziente Allokation maximiert den Gesamtwert: $a^*( heta) = argmax_a sum_i v_i(a, heta_i)$.
Agent $i$ zahlt die Externalität, die sie auf andere ausübt: die Differenz zwischen der Wohlfahrt der anderen mit und ohne $i$.
Warum ist wahrheitsgemäße Berichterstattung dominant? Bei wahrheitsgemäßer Berichterstattung ist die Auszahlung von Agent $i$:
$$v_i(a^*(\theta)) + t_i = v_i(a^*(\theta)) + \sum_{j \neq i} v_j(a^*(\theta_{-i})) - \sum_{j \neq i} v_j(a^*(\theta))$$
Dies vereinfacht sich zu $sum_j v_j(a^*( heta)) - sum_{j eq i} v_j(a^*( heta_{-i}))$. Der zweite Term hängt nicht von $i$s Bericht ab. Also maximiert $i$ ihre Auszahlung, indem sie ihren Bericht so wählt, dass $sum_j v_j(a^*( heta))$ maximiert wird, was bei wahrheitsgemäßer Berichterstattung geschieht, da $a^*$ bereits den Gesamtwert maximiert.
Geben Sie Agentenwerte für einen einzelnen unteilbaren Gegenstand ein. Der Rechner berechnet VCG-Zahlungen (äquivalent zu einer Zweitpreisauktion für einen einzelnen Gegenstand).
Abbildung 12.2. Agentenwerte und VCG-Zahlungen. Jeder Agent zahlt die Externalität, die er auf andere ausübt. Der Gewinner zahlt den zweithöchsten Wert (bei einem einzelnen Gegenstand reduziert sich VCG auf die Vickrey-Auktion).
Drei Bürger bewerten eine Brücke mit $v_1 = 30$, $v_2 = 25$, $v_3 = 15$. Die Kosten betragen $C = 60$.
Bauen, wenn \$\sum v_i > C\$: \\$10 > 60\$ → ja.
Clarke-Steuerzahlungen:
Gesamteinnahmen: \\$10 + 15 + 5 = 40 < 60\$. Es gibt ein Budgetdefizit von 20; VCG erreicht im Allgemeinen kein Budgetgleichgewicht. Jeder Agent zahlt seinen „pitvotalen“ Beitrag.
| Format | Regeln | Gewinner zahlt |
|---|---|---|
| Englisch (aufsteigend) | Bieter erhöhen Gebote; letzter Bieter gewinnt | Zweithöchster Wert (ca.) |
| Holländisch (absteigend) | Preis sinkt, bis jemand zugreift | Sein Gebot |
| Erstpreisauktion mit verdeckten Geboten | Höchstes Gebot gewinnt | Sein Gebot |
| Zweitpreisauktion mit verdeckten Geboten (Vickrey) | Höchstes Gebot gewinnt | Zweithöchstes Gebot |
Die Vickrey-Auktion (Zweitpreisauktion mit verdeckten Geboten) ist DSIC: Die dominante Strategie jedes Bieters ist, seinen wahren Wert $v_i$ zu bieten. Über $v_i$ zu bieten, riskiert einen Gewinn zu einem Preis über dem Wert; unter $v_i$ zu bieten, riskiert einen Verlust, wenn das zweithöchste Gebot unter $v_i$ liegt.
Die Implikation: Unter diesen Bedingungen sind die Unterschiede zwischen Auktionsformaten (offen vs. verdeckt, aufsteigend vs. absteigend, Erstpreis vs. Zweitpreis) für den erwarteten Erlös irrelevant.
Die Erlösäquivalenz bricht in mehreren häufigen Fällen zusammen:
Legen Sie die Anzahl der Bieter und ihre Wertverteilung fest. Führen Sie einzelne Auktionen durch, um individuelle Ergebnisse zu sehen, oder führen Sie 100 Runden durch, um die Erlösäquivalenz zu beobachten (Durchschnittserlöse konvergieren über Formate). Passen Sie den Risikoaversions-Schieberegler an, um die Äquivalenz zu brechen.
Abbildung 12.3. Auktionsergebnisse. In einzelnen Durchläufen unterscheiden sich die Erlöse zwischen den Formaten aufgrund von Zufälligkeit. Über 100 Durchläufe konvergieren die durchschnittlichen Erlöse und demonstrieren die Erlösäquivalenz. Erhöhen Sie die Risikoaversion ($\rho > 0$), um die Äquivalenz zu brechen: Der Erstpreiserlös steigt über den Zweitpreiserlös.
Wenn der Verkäufer den Erlös maximieren will (nicht die Effizienz), zeigte Myerson, dass der optimale Mechanismus den virtuellen Wert verwendet:
wobei $F$ die Verteilungsfunktion und $f$ die Dichtefunktion der Wertverteilung des Bieters ist.
Die optimale Auktion teilt dem Bieter mit dem höchsten virtuellen Wert zu, vorausgesetzt dieser ist positiv. Wenn alle virtuellen Werte negativ sind, behält der Verkäufer den Gegenstand. Dies impliziert einen Reservepreis: der Verkäufer setzt ein Mindestgebot gleich $psi^{-1}(0)$.
Werte gleichverteilt auf $[0, 1]$: $F(\theta) = \theta$, $f(\theta) = 1$.
$\psi(\theta) = \theta - (1-\theta)/1 = 2\theta - 1$
$\psi(\theta) = 0 \implies \theta = 1/2$. Optimaler Reservepreis = $1/2$.
Eine Zweitpreisauktion mit Reserve $1/2$ ist optimal: Der Gegenstand wird nur verkauft, wenn mindestens ein Bieter ihn über $1/2$ bewertet.
Für Werte aus der Gleichverteilung$[0, V_{\max}]$ ist der virtuelle Wert $\psi(\theta) = 2\theta - V_{\max}$. Ziehen Sie den Reservepreis-Schieberegler. Die Erlöskurve zeigt den erwarteten Erlös als Funktion des Reservepreises. Der optimale Reservepreis (der den erwarteten Erlös maximiert) ist hervorgehoben.
Abbildung 12.4a. Virtuelle Wertfunktion $\psi(\theta) = 2\theta - 1$ (für $U[0,1]$). Der Reservepreis wird dort gesetzt, wo $\psi(r) = 0$. Bieter mit $\theta < r$ werden ausgeschlossen (rot schattiert).
Abbildung 12.4b. Erwarteter Erlös als Funktion des Reservepreises. Der grüne Punkt markiert den optimalen Reservepreis, der den erwarteten Erlös maximiert. Ihr gewählter Reservepreis wird als blauer Punkt angezeigt.
Eine Regierung vergibt eine Lizenz an eines von zwei Unternehmen. Unternehmen $i$ hat einen privaten Wert $\theta_i \in \{L, H\} = \{10, 50\}$, jeweils gleich wahrscheinlich.
Zuteilung an das Unternehmen, das den höheren Wert meldet; bei Gleichstand Zuteilung an Unternehmen 1. Der Gewinner zahlt 30.
IC-Prüfung für ein Unternehmen mit hohem Wert ($\theta = 50$):
Wahrheitsgemäße Berichterstattung ist besser. IC gilt für Typ $H$.
IC-Prüfung für ein Unternehmen mit niedrigem Wert ($\theta = 10$):
Wahrheitsgemäße Berichterstattung ist besser. IC gilt für Typ $L$. Der Mechanismus ist anreizkompatibel.
Zwei Bieter mit Werten, die unabhängig aus $U[0, 100]$ gezogen werden.
Zweitpreisauktion: Erwarteter Erlös = $E[\text{zweithöchster Wert}] = 100/3 \approx 33.33$.
Erstpreisauktion: Optimales Gebot bei 2 Bietern: $b(\theta) = \theta/2$. Erwarteter Erlös = $E[\max(b_1, b_2)] = E[\max(\theta_1/2, \theta_2/2)] = E[\max(\theta_1, \theta_2)]/2 = (200/3)/2 = 100/3 \approx 33.33$.
Beide Formate liefern einen erwarteten Erlös von \\$100/3\$, was die Erlösäquivalenz bestätigt. Die Erstpreisauktion erzeugt weniger variable Erlöse (jeder Gewinner zahlt genau die Hälfte seines Wertes), während die Zweitpreisauktion eine höhere Varianz aufweist (die Zahlung hängt vom zweithöchsten Wert ab, der stark variieren kann).
Der Verkäufer möchte seine Kosten übertreiben (um einen höheren Preis zu erzielen). Der Käufer möchte seinen Wert untertreiben (um weniger zu zahlen). Anreizkompatibilität erfordert, beiden Parteien „Informationsrenten“ zu überlassen. Diese Renten sind kostspielig, und bei Budgetausgleich reicht der Überschuss nicht aus, um beide Renten zu zahlen und sicherzustellen, dass alle effizienten Tausche stattfinden.
Reale Verhandlungen unter privater Information beinhalten stets Ineffizienz: Gehaltsverhandlungen, Gebrauchtwagenkauf, Unternehmensübernahmen. Institutionen wie Festpreise, Reputationssysteme und standardisierte Verträge mildern das Problem, können es aber nicht vollständig beseitigen.
Manche Güter können nicht durch Preise zugeteilt werden: wir verkaufen nicht (oder sollten nicht verkaufen) Schulzulassungen, Organtransplantationen oder Facharztpositionen. Matching-Märkte verwenden stattdessen Algorithmen.
Theorem (Gale & Shapley, 1962). Der Algorithmus terminiert in höchstens $n^2$ Runden und erzeugt eine stabile Zuordnung: kein nicht zugeordnetes Paar zieht sich gegenseitig dem aktuellen Partner vor.
Der Algorithmus der aufgeschobenen Akzeptanz hat vier bemerkenswerte Eigenschaften:
Geben Sie Präferenzlisten für Studierende und Schulen ein. Der Algorithmus animiert jede Runde: Vorschläge, vorläufige Zusagen und Ablehnungen. Geben Sie Präferenzen als kommagetrennte Namen ein (z.B. „W,X,Y,Z“).
Vier Studierende (A, B, C, D) und vier Schulen (W, X, Y, Z). Studierende machen Vorschläge.
| Studierende/r | Präferenzen | Schule | Präferenzen |
|---|---|---|---|
| A | W > X > Y > Z | W | B > A > D > C |
| B | X > W > Y > Z | X | A > B > C > D |
| C | W > Y > X > Z | Y | C > D > A > B |
| D | Y > W > X > Z | Z | D > C > B > A |
Die endgültige Zuordnung ist A-W, B-X, C-Y, D-Z, die stabil ist: Kein Paar möchte abweichen. Nutzen Sie die obige Interaktion zur schrittweisen Überprüfung.
Führen Sie Gale-Shapley mit Studierenden als Vorschlagende vs. Schulen als Vorschlagende aus. Vergleichen Sie die beiden stabilen Zuordnungen. Die vorschlagende Seite erhält stets ihre beste stabile Zuordnung; die antwortende Seite ihre schlechteste.
Alvin Roth (Nobelpreis 2012, geteilt mit Lloyd Shapley) beschreibt dies als den Ansatz des „Ökonomen als Ingenieur“: die Nutzung ökonomischer Theorie nicht nur zur Erklärung der Welt, sondern zur Gestaltung realer Institutionen, die das Leben der Menschen verbessern.
Märkte sind keine natürlichen Objekte, die spontan entstehen. Sie sind gestaltete Institutionen: Regeln, Algorithmen und Durchsetzungsmechanismen, die bestimmen, wer was bekommt, zu welchem Preis und durch welchen Prozess. Die Designentscheidungen bestimmen die Ergebnisse.
Die Stadt beschließt, das exklusive Recht zum Betrieb eines Limonadenstands an der besten Innenstadtecke zu versteigern. Drei potenzielle Anbieter: Maya ($v_M = 50$/Tag), Nate ($v_N = 35$/Tag), Olivia ($v_O = 20$/Tag). Werte gezogen aus $U[0, 60]$.
Zweitpreisauktion (Vickrey): Die dominante Strategie ist wahrheitsgemäßes Bieten. Maya bietet 50, Nate bietet 35, Olivia bietet 20. Maya gewinnt und zahlt 35.
Optimale Auktion (Myerson): Virtuelle Werte mit $F(\theta) = \theta/60$, $f(\theta) = 1/60$:
$\psi(\theta) = \theta - (60 - \theta) = 2\theta - 60$
Reservepreis: $\psi(\theta) = 0 \implies \theta = 30$.
Mayas virtueller Wert: \\$1(50) - 60 = 40\$. Nates: \\$10\$. Olivias: \$-20\$ (von der optimalen Auktion ausgeschlossen).
In einer Zweitpreisauktion mit Reserve 30: Maya gewinnt und zahlt $\max(35, 30) = 35$.
Roth als „Ökonom als Ingenieur“. Alvin Roth (Nobelpreis 2012) verwandelte das Mechanismusdesign von reiner Theorie in eine praktische Disziplin, die reale Märkte umgestaltet. Seine Arbeit zeigt, dass Märkte gestaltete Institutionen sind, keine Naturphänomene.
Das National Residency Matching Program (NRMP): Roth diagnostizierte, warum das ursprüngliche Facharzt-Matching versagte (Instabilität, strategische Manipulation) und gestaltete es mit aufgeschobener Akzeptanz neu. Das neue System ordnet jährlich ca. 40.000 Facharztpositionen zu.
Nierentausch: Roth, Sönmez und Ünver entwickelten Tauschprotokolle, die es inkompatiblen Spender-Patienten-Paaren ermöglichen, Spender über Transplantationsketten zu tauschen und so Tausende von Leben zu retten. Dies war reines Marktdesign: die Schaffung eines Marktes, wo keiner existierte, ohne Preise zu verwenden.
Schulwahl: Roth und Kollegen ersetzten Bostons manipulierbaren Schulzuweisungsmechanismus durch ein strategiesicheres System. Im alten System wurden Eltern bestraft, die ihre wahren Präferenzen angaben; im neuen System ist Ehrlichkeit stets optimal.
Frequenzauktionen: Milgrom und Wilson (Nobelpreis 2020) entwarfen kombinatorische Auktionen für die FCC, die Milliarden von Dollar einbrachten und gleichzeitig Frequenzlizenzen effizient zuteilten. Die Anreizauktion von 2017 allein brachte \\$19,8 Milliarden ein.
Der gemeinsame Faden: Die ökonomische Theorie liefert den Bauplan, aber die Umsetzung erfordert das Verständnis des spezifischen institutionellen Kontexts, der „Details“, von denen die reine Theorie abstrahiert.
Sie haben nun den vollständigen Werkzeugkasten: Die Wohlfahrtstheoreme sagten Ihnen, wann Märkte funktionieren (Kapitel 11); Mechanismusdesign und Marktdesign zeigen Ihnen, was zu tun ist, wenn sie es nicht tun. Das ist die letzte Station.
Wenn traditionelle Märkte versagen, wenn die Bedingungen der Wohlfahrtstheoreme nicht gelten, können Sie bessere Institutionen konstruieren. Das Offenbarungsprinzip sagt, dass der Designraum handhabbar ist: Konzentrieren Sie sich auf direkte wahrheitsgetreue Mechanismen. VCG implementiert effiziente Ergebnisse mit Dominanzstrategie-Anreizen, wenn Präferenzen quasi-linear sind. Wo Preise überhaupt nicht funktionieren können (Nieren können nicht gekauft, Schulplätze nicht versteigert werden), produziert Gale-Shapleys Algorithmus der aufgeschobenen Akzeptanz stabile Zuordnungen ohne jeden Geldtransfer. Nierenaustausch hat Tausende Leben gerettet, indem ein Markt geschaffen wurde, wo keiner existieren konnte. Schulwahl-Neugestaltungen ersetzten manipulierbare Systeme durch strategiesichere, sodass Ehrlichkeit die optimale Strategie für jeden Elternteil wurde. Frequenzauktionen (Milgrom und Wilson, Nobelpreis 2020) erzielten Milliarden und teilten Lizenzen effizient zu. Roths Programm des „Ökonomen als Ingenieur“ demonstriert, dass ökonomische Theorie reale Institutionen entwerfen kann, die sowohl unregulierte Märkte als auch stumpfe staatliche Intervention übertreffen.
Die Myerson-Satterthwaite-Unmöglichkeit dämpft den Mechanismusdesign-Optimismus: Beim bilateralen Handel mit privater Information kann kein Mechanismus gleichzeitig Effizienz, Anreizkompatibilität, individuelle Rationalität und Budgetausgleich erreichen. Das ist eine fundamentale Unmöglichkeit, keine technische Begrenzung. Die Erfolgsgeschichten des Marktdesigns (Matching, Auktionen, Nierenaustausch) teilen ein entscheidendes Merkmal: Sie operieren in strukturierten, wohldefinierten Umgebungen, in denen die „Spielregeln“ klar sind und der Designer substanzielle Kontrolle hat. In unordentlicheren Umgebungen — Gesundheitssysteme, Finanzmärkte, Arbeitsmärkte, makroökonomische Politik — ist das institutionelle Designproblem Größenordnungen schwieriger. Der Mechanismus-Designer muss die Typverteilung, die Menge machbarer Allokationen und die Nutzenfunktionen der Akteure kennen. In komplexen realen Kontexten ist genau dieses Wissen das, was dem Designer fehlt. Die Mechanismusdesign-Revolution mag in den leichten Fällen erfolgreich gewesen sein, während sie die schwierigen unberührt ließ.
Marktdesign reifte zu einer pragmatischen Disziplin, die die Grenzen ernst nimmt. Roths Methodologie lautet explizit „entwerfen, umsetzen, beobachten, neu entwerfen“ — nicht „Optimalität beweisen und bereitstellen“. Der NRMP-Matching-Algorithmus wurde mehrfach überarbeitet, als neue Probleme auftauchten (Paar-Matching, Mangel an ländlichen Krankenhäusern). Frequenzauktionsformate entwickelten sich von einfachen simultanen aufsteigenden Auktionen zu komplexen kombinatorischen Designs, als die FCC aus früheren Runden lernte. Die Profession wechselte von der Beweisführung von Unmöglichkeitsergebnissen zur Frage: Was ist angesichts der Unmöglichkeiten der bestmögliche erreichbare Mechanismus? Computergestütztes Mechanismusdesign — die Integration algorithmischer mit Anreizbeschränkungen — ist die aktive Grenze, besonders relevant, da digitale Plattformen zu den dominanten Marktinstitutionen werden.
Märkte verteilen Ressourcen effizient, wenn die Bedingungen der Wohlfahrtstheoreme gelten, und sie gelten näherungsweise genug, um Märkte zur Standardeinstellung für die meisten Güter zu machen. Wenn sie versagen, bietet Mechanismusdesign eine echte Alternative: eine Institution entwerfen, deren Anreize das gewünschte Ergebnis produzieren, statt den Staat direkt entscheiden zu lassen. Die Erfolgsgeschichten sind real und wichtig. Aber Mechanismusdesign ist kein universelles Lösungsmittel. Es funktioniert am besten in strukturierten, wohldefinierten Kontexten. Die Grenze wirft Fragen auf, die die bestehende Theorie nicht vollständig adressiert: digitale Märkte, algorithmische Preisbildung, KI-vermittelte Transaktionen, Plattform-Monopole. Die Antwort auf „Verteilen Märkte Ressourcen effizient?“ lautet: ja, wenn die Bedingungen gelten; und wenn nicht, können wir manchmal etwas Besseres konstruieren. Dieses „manchmal“ ist enger, als die Erfolgsgeschichten suggerieren, und das Ingenieurwesen ist schwieriger, als die Theorie impliziert.
Das ist die letzte Station der GF Nr. 7. Der Bogen verlief von Rente als Maßstab (Kap. 3) über Marktversagen (Kap. 4), die formalen Wohlfahrtstheoreme (Kap. 11) und nun Mechanismusdesign. Die Frage „Verteilen Märkte Ressourcen effizient?“ erweist sich als die falsche Frage; die richtige lautet „Unter welchen Bedingungen, und was können wir bauen, wenn die Bedingungen versagen?“ Die Antwort beinhaltet Wohlfahrtstheoreme und Mechanismusdesign und die praktische Weisheit, dass Design durch Politik, Information und Berechnung beschränkt ist. Die nächste Grenze ist dort, wo Mechanismusdesign auf Verhaltensökonomik trifft (Kapitel 19): Akteure, die nicht vollständig rational sind, reagieren möglicherweise nicht so auf anreizkompatible Mechanismen, wie die Theorie vorhersagt. Begrenzte Rationalität mag die bindende Beschränkung sein, die Mechanismusdesign noch nicht gelöst hat.
Bernie Sanders' Schlachtruf trifft auf Mechanismusdesign: Gesundheitsversorgung versagt an jeder Bedingung der Wohlfahrtstheoreme. Kann Mechanismusdesign es besser machen? Nierenaustausch sagt ja für Organe. Für den Rest der Gesundheitsversorgung bleibt das Designproblem ungelöst.
MittelstufeKhans Antitrust-Paradoxon: Plattformmärkte sind entworfene Institutionen, aber entworfen von den Plattformen, für die Plattformen. Der Verbraucherwohlfahrt-Standard ist blind dafür.
Fortgeschritten| Bezeichnung | Gleichung | Beschreibung |
|---|---|---|
| Gl. 12.1 | $U_i(\theta_i, \theta_i) \geq U_i(\hat{\theta}_i, \theta_i)$ für alle $\hat{\theta}_i, \theta_{-i}$ | DSIC |
| Gl. 12.2 | $E[U_i(\theta_i, \theta_i)] \geq E[U_i(\hat{\theta}_i, \theta_i)]$ | BIC |
| Gl. 12.3 | $t_i = \sum_{j \neq i} v_j(a^*(\theta_{-i})) - \sum_{j \neq i} v_j(a^*(\theta))$ | VCG-Zahlung |
| Gl. 12.4 | $\psi(\theta) = \theta - (1-F(\theta))/f(\theta)$ | Myersons virtueller Wert |
In Teil V: graduierte Makroökonomie. Die Modelle werden ernst, und die politischen Debatten ebenso.