Empirische Netzwerkanalyse von Blockchain-Ledger-Ökosystemen

• Antragsteller: Professor Dr. Oliver Hinz
• Fachliche Zuordnung: Operations Management und BWL-spezifische Wirtschaftsinformatik ; Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 566259616

Blockchain-Ledger-Ökosysteme bieten einzigartige Herausforderungen und Möglichkeiten zur empirischen Wirtschaftsforschung. Während herkömmliche finanzielle und soziale Netzwerke oft unter begrenzter Datenverfügbarkeit leiden, generieren Blockchain-Netzwerke riesige Mengen an öffentlich zugänglichen Transaktionsdaten. Diese Netzwerke erfassen komplexe wirtschaftliche Beziehungen mit einer beispiellosen Detailgenauigkeit und Transparenz. Bestehende Forschungsansätze nutzen dieses Potenzial nicht voll aus, insbesondere da traditionelle ökonometrische Methoden Netzwerkdaten häufig auf vereinfachte Metriken reduzieren und dabei strukturelle und zeitliche Muster mit dynamischen Beziehungen ausblenden. Jedoch ist die Analyse von Blockchain-Daten als Netzwerk herausfordernd. Blockchain-Transaktionen erzeugen komplexe Netzwerke, deren zeitliche Dynamik für das Verständnis von Märkten wichtig ist. Der große Datenumfang stellt hohe Rechenanforderungen und die Pseudonymität von Transaktionen erschwert die Analyse wirtschaftlicher Zusammenhänge. Dieser Forschungsantrag adressiert diese Herausforderungen in zwei miteinander verbundenen Zielen: 1) Entwicklung einer umfassenden graphbasierten Methodik für die empirische Blockchain-Wirtschaftsforschung und 2) die praktische Anwendung der Methodik in drei empirischen Untersuchungen. Diese Ziele werden im Rahmen von vier Arbeitspaketen (AP) im Laufe von 36 Monaten bearbeitet. AP1 entwickelt ein Python-basiertes Analyse-Framework zur Untersuchung von Blockchain-Netzwerken, das Neuronale Graphen-Netzwerke für die Analyse zeitlicher Entwicklungen und kausaler Zusammenhänge nutzt. Die weiteren Arbeitspakete nutzen diese Methoden für empirische Analysen. AP2 erforscht die Anwendbarkeit von Reputationssystemen in dezentralen Kreditmärkten, entwickelt Prognosemodelle für Kreditausfälle und optimiert Sicherheitenanforderungen für höhere Kapitaleffizienz. AP3 analysiert Sozialkapital in dezentralen sozialen Netzwerken und untersucht dabei systematisch die Transformation von Sozialkapital in tokenisierte Werte durch netzwerkbasierte Bewertungsmodelle. AP4 evaluiert Marketing-Effektivität, indem es den Einfluss von Netzwerkstrukturen auf Nutzerverhalten und die Wirkung Token-basierten Marketing-Strategien untersucht. Die Ergebnisse erweitern das methodische Instrumentarium der Blockchain-Ökonomie und liefern grundlegende empirische Erkenntnisse für die weitere Forschung. Die praktischen Anwendungen umfassen die Optimierung dezentraler Kreditmärkte, die Bewertung von Sozialkapital in sozialen Netzwerken und die Entwicklung effektiver Token-basierter Marketing-Strategien. Die teilnehmenden Partner ergänzen sich durch ihre Expertise im Rahmen der langfristigen Taiwan-Deutschen Forschungskooperation: Der deutsche Partner trägt Erfahrung in empirischer Ökonomie und Blockchain-Analyse bei, der taiwanesische Partner Kompetenzen in Netzwerkanalyse, Knowledge Graphs und maschinellem Lernen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Taiwan
• Partnerorganisation: National Science and Technology Council (NSTC)
• Kooperationspartner: Professor Chih-Ping Wei, Ph.D.