WHITEFLAG

Souveräner Vermögenswert Re-Optimization Portal

Bewertungsrahmenwerk

WHITEFLAG bewertet Nationen und Städte anhand eines rigorosen, evidenzbasierten Rahmenwerks, das auf der Unternehmensbewertungsmethodik basiert. Diese Seite erklärt die vollständige Bewertungsformel – von nationalen Vermögenswerten und Verbindlichkeiten bis hin zur städtischen Abtrennungsanalyse und Plattformsouveränitätsmessung – damit Sie verstehen, zitieren und kritisch bewerten können, wie wir zu jeder Bewertung gelangen.

Inhaltsverzeichnis

1. Überblick Bewertungsrahmenwerk

See this in action → Sovereign ANALYSEN

WHITEFLAG bewertet Nationen anhand der fundamentalen Unternehmensbewertungsgleichung, angepasst für geopolitische Komplexität:

Nationaler Wert = [Vermögenswerte - Anpassungen - Verbindlichkeiten] × Multiplikatoren

Wobei:

Dies unterscheidet sich von naiver vermögensbasierter Bewertung durch Einbeziehung von:

1b. Prädiktive Modelle: SAPA vs. Gale-Shapley

See this in action → Deal-Explorer  |  Akquisitions-Matching

WHITEFLAG setzt zwei komplementäre prädiktive Algorithmen ein, die unterschiedliche strategische Fragen beantworten:

SAPA: Bilaterale Realisierbarkeit

Sovereign Acquisition Propensity Algorithm

Frage: "Kann Land A Land B erwerben?"

  • Struktur: 1 Käufer → 1 Ziel (bilateral)
  • Ausgabe: 48.180 Paare (alle Kombinationen)
  • Metrik: Realisierbarkeit % (zusammengesetzter Score, keine kalibrierte Wahrscheinlichkeit)
  • Zeitlich: Statische/aktuelle Bewertung
  • Verwendet in: Deal-Explorer

Beispiel: China → Taiwan = 60,8 % Realisierbarkeit
Berücksichtigt: strategischer Impuls, Zwangsrabatt, US-Sicherheitsstufe, militärische Fähigkeit, Distanz

Gale-Shapley: Koalitionsbildung

Temporal Stable Matching-Algorithmus

Frage: "Welche Koalitionen bilden sich, um wen zu erwerben, und wann?"

  • Struktur: Koalition → 1 Ziel (multilateral)
  • Ausgabe: 220 stabile Matches über 3 Phasen (souveräne Entitäten und abtrennbare Vermögenswerte)
  • Metrik: Synergie-Score (gegenseitige Passung)
  • Zeitlich: 2025-2030, 2030-2040, 2040-2050
  • Verwendet in: Analysen → Koalitionen

Beispiel: China + Indien → Pakistan (Phase 1, Synergie 7,71)
Berücksichtigt: Allianzkompatibilität, Klimadringlichkeit, Regime-Passung, gemeinsame Grenzen

Synergie-Faktoren (11):

Allianz: shared_alliances (+1,0), shared_ftas (+0,5), target_alliance_overlap (+0,8)
Wirtschaftlich: economic_balance (+0,3), HC_complementarity (+1,5), resource_delta (+0,8), creditor_leverage (+1,2)
Geografisch: proximity (+0,5), chokepoint_value (+0,5), military_projection (+0,3)
Klima: climate_complementarity (+0,4), water_arbitrage (+0,75), arable_land_premium (+0,6), climate_migration_fit (+0,4)

Beschränkungen (4):

alliance_shield (-2,0), nuclear_deterrent (-3,0), regime_incompatibility (-1,0), hc_resilience_risk (-0,5)
Mindestsynergie-Schwelle: 2,0 (Matches darunter werden herausgefiltert)

UNACQUIRABLE Nationen (26 Länder als Ziele blockiert):

UNSC P5: USA, CHN, RUS, GBR, FRA
Nuklearmächte: IND, PAK, ISR, PRK
Großwirtschaften: DEU, JPN, BRA, ITA, CAN, KOR, AUS
Regionale Hegemonen: TUR, SAU, IRN, IDN, MEX, POL, ESP, NGA, EGY, ZAF
Diese Nationen können nur Koalitionsmitglieder (Erwerber) sein, niemals Ziele.

Wie sie zusammenhängen

SAPA und Gale-Shapley sind komplementär, nicht konkurrierend:

Methodische Anmerkung: Interpretation von Realisierbarkeits-Scores

Realisierbarkeit %-Scores sind zusammengesetzte Indizes, keine kalibrierten Wahrscheinlichkeiten. Ein Score von 60 % bedeutet nicht "60 % Chance, dass die Akquisition stattfindet." Vielmehr repräsentiert er eine gewichtete Kombination aus strategischer Motivation (Ressourcen, Nähe, Engpässe), Zwangsrealisierbarkeit (militärisches Fähigkeitsverhältnis) und Blockierungsbeschränkungen (Allianzen, Distanz, Wirtschaftsgröße).

Interpretation: Realisierbarkeits-Scores sind relative Rangfolgen, nützlich zum Vergleichen von Paaren. Ein 60 %-Score bedeutet "starkes strategisches Interesse mit realisierbarem Ausführungspfad" – nicht "6 von 10 Chancen, dass dies passiert." Historische Validierung gegen tatsächliche Akquisitionsversuche wurde nicht durchgeführt; behandeln Sie diese als explorative Indizes, nicht als prädiktive Wahrscheinlichkeiten.

2. Vermögensbewertung

See this in action → Sovereign ANALYSEN Overview

2.1 Produziertes Kapital (Industrie & Infrastruktur)

Formel

Basis-Industriewert = Effektives_BIP × Effektives_Multiple × Anpassungs_Multiplikatoren

Dies folgt Unternehmens-M&A-Präzedenzfällen, bei denen Industrienationen mit 5-15× EBITDA gehandelt werden. Der Basismultiplikator von 10× wird basierend auf Regierungsqualität, Sanktionen und Währungsstabilität angepasst:

Effektives_BIP = Offizielles_BIP × (1 + Schattenwirtschaft_%) Effektives_Multiple = 10,0 × Governance_Multiplikator (0,70-1,30) Industriewert = Effektives_BIP × Effektives_Multiple × Sanktions_Mult × Währungs_Mult

Beispiele:

2.2 Humankapital

Methodik: HCI-Produktivitätsansatz

Wir verwenden den World Bank Human Capital Index (HCI) kombiniert mit tatsächlichen Produktivitätsdaten, um den Lebensarbeitswert zu berechnen:

HC = Erwerbsbevölkerung × BIP_pro_Arbeiter × Arbeitsanteil × Arbeitsjahre × HCI²

Wobei:

Warum HCI-Produktivität (nicht Jorgenson-Fraumeni):

Zusätzliche Anpassungen:

2.3 Natürliche Ressourcen

Gestaffelte Reservenbewertung

Ersetzt simplistische "Reserve × Rohstoffpreis" durch realistische Extraktionsökonomik:

Stufe Marge Rabatt Beispiele
Bewiesene Konventionelle 40% 1,0× Saudi-Öl, australisches Eisenerz
Bewiesene Schwierige 25% 0,90× Arktis-Öl, Tiefsee-Gas
Spekulativ 10% 0,40× Arktisressourcen, unbewiesenes Lithium
Politisch blockiert 5% 0,20× Grönland Seltene Erden (von Dänemark verboten)

Reales Beispiel: Bolivien Lithium

2.4 Strategische Vermögenswerte

Quantifizierter strategischer Wert

3. Verbindlichkeitsbewertung

3.1 Staatsschulden (Gläubiger-angepasst)

Das Gläubigerkonzentrationsproblem

56 Mrd. $ in chinesisch gehaltenen Schulden tragen ein anderes Leverage-Risiko als 56 Mrd. $ in diversifizierten Privatschulden.

Wir berechnen nominale Schulden als Prozentsatz des BIP, dann verwenden wir Gläubigerkonzentration (HHI-Index), um die effektive Schuldenlast für einen Käufer anzupassen:

Schuldenanpassungsprozess

Nominale Schulden
×
Gläubiger-Leverage-Faktor
=
Angepasste Schulden

Funktionsweise:

Beispiel: USA vs. China

Datenquelle: IMF Debt Statistics Database, World Bank Creditor Reporting System, AidData (Chinese lending tracker)

3.2 Umweltverbindlichkeiten

Versteckte Kosten der Akquisition

Kritisch: Umweltbereinigungskosten können von einem neuen Eigentümer nicht abgelehnt werden und stellen reale Verbindlichkeiten dar:

Auswirkung: Umweltverbindlichkeiten reduzieren die Nettobewertung um 2–15 %, abhängig vom Industrialisierungsgrad und den Klimaverpflichtungen.

3.3 Klimaanpassungskosten (ND-GAIN dynamisch)

Dynamische Klimahaftungsberechnung

Wir haben statische Klimavulnerabilitätstabellen durch dynamische ND-GAIN-Daten ersetzt, um die Klimaanpassungskosten zu berechnen:

Klimahaftung_NPV = Jährliche_Kosten × Rentenfaktor(100 Jahre, 4 %) Jährliche_Kosten = BIP × Vulnerabilität × 0,05 × (1 - Bereitschaft × 0,6) Dabei gilt: Vulnerabilität = ND-GAIN Vulnerabilitätsindex (0–1) Bereitschaft = ND-GAIN Bereitschaftsindex (0–1)

ND-GAIN-Indikatoren:

Quelle: Notre Dame Global Adaptation Initiative (ND-GAIN), IPCC AR6 Arbeitsgruppe II

3.4 Wassersicherheitsprämie

Süßwasser als strategischer Vermögenswert

Wasser ist eine strategische Ressource des 21. Jahrhunderts. Nationen mit reichlich Süßwasser erhalten eine Bewertungsprämie:

Wasserprämie = BIP × Prämienfaktor Prämienfaktor basierend auf Süßwasser-Stress-Index: Stress < 0,2 (REICHLICH): 5,0 % des BIP Stress 0,2–0,4 (AUSREICHEND): 3,75 % des BIP Stress 0,4–0,6 (MÄSSIG): 2,0 % des BIP Stress 0,6–0,8 (BELASTET): 0,5 % des BIP Stress > 0,8 (KRITISCH): 0 % des BIP
Wasserstufe Beispiele Prämie
REICHLICH Kanada, Brasilien, Russland, Norwegen +5 % BIP
AUSREICHEND Deutschland, UK, Australien +3,75 % BIP
MÄSSIG USA, Frankreich, Japan +2 % BIP
KRITISCH Ägypten, Pakistan, Indien +0 % BIP
Quelle: FAO AQUASTAT, World Ressources Institute Aqueduct Water Risk Atlas

3.5 Ackerlandprojektion 2050

Klimagewinner & -verlierer

Der Klimawandel schafft Gewinner und Verlierer im landwirtschaftlichen Potenzial. Wir passen den Landwert basierend auf IPCC-Projektionen an:

Angepasster_Landwert = Basis_Landwert × Multiplikator Multiplikator = 1 + (Projizierte_Ackerlandänderung_% / 100) × 2,0 Obergrenzen: Multiplikator begrenzt auf [0,5, 1,5]
Trajektorie Projizierte Änderung Beispiele
KLIMAGEWINNER +15 % oder mehr Russland (+18 %), Kanada (+15 %), Norwegen (+12 %)
KLIMANEUTRAL -5 % bis +5 % USA (-3 %), Deutschland (+2 %), UK (+1 %)
KLIMAVERLIERER -15 % oder mehr Ägypten (-40 %), Bangladesch (-22 %), Pakistan (-18 %)
Fallstudie: Russland als Klimagewinner
Russlands projizierter Ackerlandgewinn von +18 % bis 2050 (tauendes Sibirien) ergibt einen Landwertmultiplikator von 1,36x. Bei Russlands 17,1 Mio. km² Landfläche entspricht dies etwa 295 Mrd. USD zusätzlichem Landwert.
Quelle: IPCC AR6 Arbeitsgruppe II, Kapitel 5 (Nahrung, Fasern und andere Ökosystemprodukte)

3.6 Klimaverzweiflungsrabatt

BATNA-Reduktion für klimavulnerable Ziele

Länder, die einem Klimakollaps gegenüberstehen, haben eine reduzierte Verhandlungskraft (schwächeres BATNA – Best Alternative to Negotiated Agreement):

Klimaverzweiflung = Vulnerabilität / (Bereitschaft + 0,1) Integrationsrabatt = Verzweiflung × 40 % (max.) Effektive_Integrationskosten = Basis_Kosten × (1 - Rabatt)

Verzweiflungsschwellen:

Fallstudie: Malediven (Verzweiflung 0,79)
Der Meeresspiegelanstieg bedroht die Existenz der Nation. Mit Vulnerabilität 0,82 und Bereitschaft 0,42 erreicht der Verzweiflungsfaktor 0,79, was einen 39 %-igen Integrationskostenrabatt qualifiziert. Wirtschaftlich haben die Malediven begrenzte Hebelkraft, um Übernahmeangebote abzulehnen.

3.7 Klimamigrations-Humankapitalflüsse See in action → Climate

World Bank Groundswell 2050-Projektionen

Klimawandel treibt die Humankapitalumverteilung unabhängig von Übernahmeszenarien an. Die Weltbank projiziert 216 Millionen interne Klimamigranten bis 2050. Das Modell passt HC-Werte basierend auf diesen projizierten Migrationsmustern an:

Netto_Migrationsfaktor = Einwanderungsgewinn - Auswanderungsverlust Angepasstes_Humankapital = Basis_HC × (1 + Netto_Migrationsfaktor) Dabei gilt: Auswanderungsverlust = Auswanderungsdruck × 0,15 (max. 15 % HC-Verlust) Einwanderungsgewinn = (Attraktivität - 0,5) × 2 × 0,08 (max. 8 % HC-Gewinn)

Regionale Projektionen

Region Projizierte Migranten (2050) Typische HC-Auswirkung
Subsahara-Afrika 86 Millionen -10 % bis -15 % Verlust
Südasien 40 Millionen -10 % bis -13 % Verlust
Ostasien & Pazifik 49 Millionen -5 % bis -8 % Verlust
Westeuropa Nettoempfänger +3 % bis +8 % Gewinn
Nordamerika Nettoempfänger +3 % bis +5 % Gewinn

Auswanderungsdruckfaktoren

Einwanderungsattraktivitätsfaktoren

Migrationsstatus Nettofaktorbereich Beispiele
NETTOZIEL > +2% Deutschland (+5,8 %), Kanada (+4,2 %), UK (+3,1 %)
NEUTRAL -5 % bis +2 % USA (+1,5 %), Brasilien (-2,1 %), China (-1,8 %)
NETTOQUELLE < -5% Bangladesch (-13 %), Nigeria (-11 %), Ägypten (-9 %)
Beispiel: Deutschland vs. Bangladesch
Deutschland: Einwanderungsattraktivität 0,95 (Top-Ziel) + geringer Auswanderungsdruck → Netto +5,8 % HC-Anpassung → ~288 Mrd. USD Gewinn
Bangladesch: Hoher Auswanderungsdruck (0,85) + geringe Attraktivität → Netto -13 % HC-Anpassung → erhebliche Wertreduktion
Quelle: World Bank Groundswell Report (2021), ND-GAIN Klimaindex, IOM Global Migration Data Portal

3.8 Integrationskosten

Drei Integrationsszenarien

Szenario Beschreibung Kostenmultiplikator
Willige Kooperation Demokratische Abstimmung oder ausgehandelte Übertragung (selten) 0,5 % – 3 % der Bewertung
Umstrittene Integration Wirtschaftlicher Druck, schwacher Widerstand (wahrscheinlichst) 5 % – 15 % der Bewertung
Feindliche Übernahme Militärische/erzwungene Übernahme (Extremszenario) 30 % – 50 % der Bewertung

Kostentreiber:

4. Integrationsszenarien

Jedes Land zeigt drei Bewertungsergebnisse:

Willige Kooperation

Wert = Vermögenswerte - Niedrige Integrationskosten - Verbindlichkeiten

Geht von ausgehandelter Übertragung mit minimalem Widerstand aus. Integration folgt demokratischer Legitimität. Höchste Bewertung aufgrund geringster Übernahmereibung.

Umstrittene Übertragung

Wert = Vermögenswerte × Institutioneller_Multiplikator - Mittlere Integrationskosten - Gläubigerangepasste Verbindlichkeiten

Realistischstes Szenario. Etwas inländischer/internationaler Widerstand, aber Übertragung über 5–10 Jahre ausgehandelt. Moderate Bewertung.

Feindliche Übernahme

Wert = Vermögenswerte × HC_Resilienz - Hohe Integrationskosten - Verbindlichkeiten × (1 + Durchsetzungskosten)

Erzwungene Übernahme mit erheblicher Kapitalflucht. Käufer muss Besetzung aufrechterhalten. Niedrigste Bewertung aufgrund maximaler Übernahmekosten und geringer Humankapitalresilienz.

5. Gläubiger-Leverage-Analyse

See this in action → Wirtschaftliche Capture

Wir berechnen einen Risikopunktzahl (0–100) die misst, wie sehr Gläubigerkonzentration einen Käufer einschränkt:

Risikopunktzahlformel (Granular)

Risiko_Punktzahl = HHI_Komponente + China_Komponente + IMF_Komponente HHI_Komponente = min(60, HHI × 60) China_Komponente = min(25, (china_pct / 100) × 25) IMF_Komponente = min(20, (imf_pct / 30) × 20)

Risikopunktzahlinterpretation:

Beispiel: USA (20,7) vs. China (44,3)
USA: Diversifizierte Gläubiger über Japan, China, Europa → Risiko 20,7 → Hohe Käuferautonomie
China: Konzentrierte Gläubiger (HHI 0,738) → Risiko 44,3 → Mittlere Käuferautonomie (moderate Verhandlung erforderlich)

6. Humankapital-Fluchtrisiko

Humankapitalresilienz

Bei feindlichen Übernahmen fliehen qualifizierte Arbeitskräfte. Wir quantifizieren dies als Prozentsatz des erhaltenen Humankapitalwerts:

Übernahmetyp HC-Resilienz Anpassung
Willige Kooperation 95-100% Minimale Auswanderung
Umstrittene Integration 70-85% Einige qualifizierte Arbeitskräfte verlassen
Feindliche Übernahme 30-60% Massenflucht der gebildeten Bevölkerung
Datenquelle: UN World Migration Report, OECD International Migration Outlook, Weltbank-Humankapitaleinschätzungen
Hinweis: Klimabedingte Migration (separat von übernahmebedingter Humankapitalflucht) wird modelliert in Abschnitt 3.7: Klimamigrations-Humankapitalflüsse. Diese Anpassung wird auf Basisbewertungen vor Resilienzberechnungen angewendet.

7. Allianznetzwerkwert

See this in action → Network Influence

Allianzmitgliedschaftsprämie & Übertragungsrisiko

Allianzmitgliedschaften schaffen quantifizierbare BIP-Prämien durch Handelszugang, Sicherheitsgarantien und Koordinationsvorteile. Diese Prämien sind bedingt—sie übertragen auf befreundete Käufer, verflüchtigen sich aber bei feindlichen Übernahmen.

Kritische Einsicht: Bei feindlicher Übernahme wird die Allianzmitgliedschaft typischerweise widerrufen, sodass ein Käufer diese Vorteile NICHT erbt. Sanktionen und Ausschluss folgen typischerweise, was "gestrandeten Allianzwert" schafft.

Westliche Allianzen

Allianz BIP-Prämie FDI-Multiplikator Übertragung an Verbündeten Übertragung an Feindlichen
NATO - North Atlantic Treaty Organization 15–51 % (20 % konservativ) 1,47x 95% 0%
EU - European Union 9–22 % (12 % konservativ) 1,35x 90% 10%
G20 - Group of Twenty 0,5–1,5 % (1 % konservativ) 1,05x 70% 20%

Eurasische & nicht-westliche Sicherheitsblöcke

Allianz BIP-Prämie FDI-Multiplikator Übertragung an Verbündeten Übertragung an Feindlichen
BRICS - Brazil, Russia, India, China, South Africa (+) 3–8 % (5 % konservativ) 1,20x 85% 50%
SCO - Shanghai Cooperation Organization 2–6 % (4 % konservativ) 1,15x 90% 20%
CSTO - Collective Security Treaty Organization 3–8 % (5 % konservativ) 1,10x 95% 0%

Regionale Wirtschaftsgemeinschaften

Allianz BIP-Prämie FDI-Multiplikator Übertragung an Verbündeten Übertragung an Feindlichen
ASEAN - Association of Southeast Asian Nations 5–12 % (8 % konservativ) 1,20x 85% 40%
GCC - Gulf Cooperation Council 6–12 % (8 % konservativ) 1,25x 90% 30%
MERCOSUR - Southern Common Market 3–8 % (5 % konservativ) 1,15x 85% 40%
ARAB_LEAGUE - League of Arab States 1–4 % (2 % konservativ) 1,05x 70% 30%
SAARC - Südasienn Association for Regional Cooperation 1–4 % (2 % konservativ) 1,05x 70% 40%
OPEC - Organization of Petroleum Exporting Anzahlries 8–15 % (10 % konservativ) 1,30x 80% 30%

Afrikanische Regionalblöcke

Allianz BIP-Prämie FDI-Multiplikator Übertragung an Verbündeten Übertragung an Feindlichen
AU - African Union 2–8 % (4 % konservativ) 1,10x 80% 30%
ECOWAS - Wirtschaftliche Community of West African States 2–6 % (3 % konservativ) 1,08x 75% 35%
EAC - East African Community 2–6 % (4 % konservativ) 1,12x 80% 35%
SADC - Southern African Development Community 2–5 % (3 % konservativ) 1,08x 75% 35%
Beispiel: Polen (NATO + EU)
NATO-Mitgliedschaft addiert ~130 Mrd. USD (20 % von 650 Mrd. USD BIP) + EU addiert ~78 Mrd. USD (12 % des BIP) = ~208 Mrd. USD Gesamtallianzwert.
In einem feindlichen Übernahmeszenario würde Polen aus beiden Organisationen ausgeschlossen, dieser 208 Mrd. USD-Wert verflüchtigt sich vollständig.

Beispiel: Saudi-Arabien (GCC + OPEC + Arab League + G20)
Mehrfachallianzmitgliedschaft schafft überlappende Prämien: GCC (8 %) + OPEC (10 %) + Arab League (2 %) + G20 (1 %) auf 1,1 Bio. USD BIP.
Kombinierter Allianzwert: ~231 Mrd. USD. Übertragung auf nicht verbündeten Käufer würde ~35–50 % erhalten, abhängig von bilateralen Beziehungen.

8. Ideologie & Integrationsreibung

See this in action → Deal-Explorer → Step C

Souveräne Übernahmen stehen strukturellem Widerstand jenseits militärischer und wirtschaftlicher Faktoren gegenüber. Religiöse Demografie, Regierungssysteme, sprachliche Distanz und Allianzaffinität schaffen beobachtbare Reibungsmuster, die historisch Integrationsschwierigkeiten vorhersagen. Dieser Abschnitt modelliert diese Muster als kontinuierlichen Modulator auf SAPA-Integrationsreibung.

Integrationsreibungsformel

Ideologie moduliert die basisallianzbasierte Reibung (0,0 / 0,10 / 0,30) mit einem kontinuierlichen Multiplikator:

Integrationsreibung = min(0,50, Basisreibung × Ideologiereibungsmodifikator) Ideologiereibungsmodifikator = f(Ausrichtungspunktzahl) Ausrichtung ≥ +0,5 → Modifikator = 0,70 (Reibung um 30 % reduziert) Ausrichtung ≈ 0,0 → Modifikator = 1,00 (keine Änderung) Ausrichtung ≤ -0,5 → Modifikator = 1,15 (Reibung um 15 % erhöht)

Der Modifikatorbereich (0,70–1,15) ist absichtlich asymmetrisch: Hohe Ausrichtung kann Reibung bedeutend reduzieren, aber ideologische Opposition allein kann nicht mehr Reibung schaffen als geografische und militärische Barrieren bereits auferlegen.

8.1 Ausrichtungspunktzahlkomponenten

Zusammengesetzte Ausrichtungspunktzahl (-1,0 bis +1,0)

Sieben gewichtete Signale kombinieren zu einer einzelnen Ausrichtungspunktzahl für jedes Käufer-Ziel-Paar:

Komponente Gewichtung / Bereich Methode Quelle
Religiöse Ähnlichkeit ×0,30 Gewichtung Kosinusähnlichkeit auf religiösen demografischen Vektoren (233 Länder, 38 Konfessionen) Pew Research Center, CIA World Factbook
Staatsreligionskompatibilität -0,20 bis +0,20 Paarweise Kompatibilität zwischen 22 Regierungs-Religions-Klassifikationen (säkular verfassungsrechtlich → theokratisch) Pew Government Restrictions Index
Religionsfreiheitsähnlichkeit max. 0,10 Normalisierte Punktlücke zwischen Religionsfreiheitsindizes Pew Government Restrictions Index
Governance-Ausrichtung -0,15 bis +0,18 Politisches Systemband-Abgleich (volle Demokratie → geschlossene Autokratie) World Bank WGI, Economist Intelligence Unit
Gemeinsamer Allianzbonus max. 0,25 Logarithmisch gewichtete Anzahl gemeinsamer ideologiegetriebener Allianzen über 25 Blöcke hinweg (OIC, Five Eyes, BRICS+, EU, NATO, GCC usw.) Offizielle Vertragsregister
Historische Interaktion -0,30 bis +0,30 Kooperative vs. konflikthafte bilaterale Ereignisse (102 Ereignisse, 1792–heute) UCDP, Correlates of War (COW)
Sprachliche Nähe max. ~0,08 DICL-Baum-gewichtete Sprachfamilienähnlichkeit (ambientes kulturelles Signal) USITC/CEPII Public-Domain-Daten

8.2 Ideologiekompatibilitätsmatrix

38 Ideologietypen, paarweise Bewertung (0,0–1,0)

Die Kompatibilitätsmatrix misst beobachtete historische Interaktionsmuster zwischen Ideologiefamilien – keine normativen Urteile über politische Systeme. Bewertungen spiegeln dokumentierte Kooperation, Konflikt und institutionelle Kompatibilität wider:

Die Matrix wurde von 18×18 auf 38×38 erweitert, um subkonfessionelle Unterscheidungen (Sunniten vs. Schiiten, Protestanten vs. Katholiken) zu erfassen, wo geopolitisch signifikant.

8.3 Ideologiegetriebene Allianzen

25 Allianzen, 166 Länder

Unterscheidet sich von traditionellen Sicherheitsallianzen (NATO, CSTO); ideologiegetriebene Allianzen spiegeln gemeinsame zivilisatorische, religiöse oder Governance-Affinität wider. Diese schaffen latente Integrationspfade, die Reibung verringern, selbst ohne formelle Militärverträge:

Allianzüberschneidung ist logarithmisch gewichtet, um Überzählung von Paaren zu vermeiden, die viele Blöcke teilen – der marginale Integrationsnutzen der 5. gemeinsamen Allianz ist geringer als der der 1.

8.4 Historische Ereignisvalidierung

102 Geopolitische Ereignisse (1792–Heute)

Der historische Ereignisdatensatz validiert Ideologieausrichtungswerte anhand realer Ergebnisse. Jedes Ereignis ist mit der Ideologieausrichtung der teilnehmenden Staaten getaggt, ob die Interaktion kooperativ oder konflikthaft war und dem beobachteten Ergebnis:

Diese Ereignisse dienen als Grundwahrheit zur Kalibrierung der Ausrichtungsformel – Paare mit hoher kooperativer Geschichte erhalten positive Modifikatoren, Paare mit konflikthafter Geschichte erhalten negative Modifikatoren.

Quellen: Uppsala Conflict Data Program (UCDP), Correlates of War (COW) Project, SIPRI-Konfliktdatenbanken

8.5 Auswirkung auf SAPA-Wahrscheinlichkeiten

Wie Ideologie die Erwerbsrealisierbarkeit verändert

Ideologie wirkt als Modulator, nicht als Treiber – sie passt den Integrationsreibungsterm innerhalb von SAPA an, überschreibt aber nicht strategischen Impuls oder Zwangsdurchführbarkeit:

P = Strategischer_Impuls × Zwangsfaktor × (1 - Integrationsreibung) × (1 - Unsicherheit/2) Wobei: Integrationsreibung = min(0,50, Basisreibung × Ideologiereibungsmodifikator)
Beispielpaar Basisreibung Ideologieausrichtung Modifizierte Reibung Effekt
Saudi-Arabien → Jemen 0.30 +0,70 (Sunnitische Ausrichtung) ~0,24 Reibung reduziert – gemeinsame religiöse Identität erleichtert Integration
USA → Kanada 0.00 +0,85 (liberaldemokratisch) 0.00 Keine Änderung – Basisreibung bereits null (gemeinsame NATO)
China → Japan 0.30 ~0,00 (Governance-Konflikt) ~0,30 Unverändert – neutrale Ausrichtung, kein Modifikator
USA → Iran 0.30 -0,45 (ideologische Gegner) ~0,32 Leicht erhöht – säkular-theokratische Fehlanpassung
Aggregierte Auswirkung: ~22 % aller Käufer-Ziel-Paare sehen angepasste Realisierbarkeitswerte. Mittlere absolute Delta ist 0,0004 (gering) – Ideologie füllt Lücken im Reibungsmodell, statt es zu dominieren. Ländereigene Bewertungen sind unberührt; nur paarweise Reibung ändert sich.

Methodische Anmerkung: Beobachtbare Muster, keine normativen Urteile

Alle Ideologiebewertungen spiegeln dokumentierte historische Muster – wie Staaten mit gegebenen Ideologieprofilen tatsächlich interagiert haben – keine Werturteile über politische Systeme oder Religionen. Hohe Kompatibilität zwischen autoritären Staaten (z.B. Russland–China) spiegelt beobachtete Koordination wider, keine Billigung. Niedrige Kompatibilität zwischen theokratischen und säkularen Staaten spiegelt dokumentierte Reibung wider, keine kulturelle Hierarchie.

Religiöse demografische Daten nutzen standardisierte akademische Kategorien (Pew Research Center-Taxonomie). Subkonfessionelle Aufteilungen (Sunniten/Schiiten, Protestanten/Katholiken) sind nur enthalten, wo geopolitisch signifikant und durch quantitative Evidenz gestützt.

9. Lift-Index: BIP-Qualität & Kapitalflüsse

Der Lift-Index

Misst die Lücke zwischen territorialer Produktion und Einkommen der Einwohner

Konzeptionelles Rahmenwerk informiert durch Theorien von Phantomkapital und Kapitalsouveränität. Zitat: Poliks, M., & Trillo, R. A. (2025). Exocapitalism: Economies with absolutely no limits. Becoming Press.

Formel: ((BIP - BNE) / BIP) × 100

Der Lift-Index misst den Anteil des BIP einer Nation, der Kapitalflüsse durch das Territorium darstellt, ohne Einkommen für Einwohner zu generieren. Er zeigt:

Positiver Lift-Index = "Phantasmisches BIP"

BIP übersteigt BNE. Kapital fließt durch das Territorium (Gewinne fließen an ausländische Eigentümer aus). Üblich in Steueroasen, Finanzzentren und Ländern mit großen ausländischen Direktinvestitionen in extraktiven Industrien.

Beispiele: Luxemburg (+30,3 %), Irland (+23,4 %), Singapur (+6,0 %)
Negativer Lift-Index = "Gläubigerprämie"

BNE übersteigt BIP. Einwohner und inländische Firmen verdienen mehr im Ausland als Ausländer im Inland. Charakteristisch für reife Gläubigernationen und entwickelte Volkswirtschaften mit bedeutenden Überseevermögenswerten.

Beispiele: Japan (-21,7 %), Deutschland (-2,6 %), Vereinigte Staaten (-1,1 %)

Wie der Lift-Index unser Preismodell anpasst

Der Lift-Index modifiziert direkt die Industriewert (BIP) Komponente der souveränen Bewertung durch eine BIP-Qualitätsanpassung:

Anpassungsformel: Wenn Lift > 10 %: Industriewert × 0,85 (15 % Abschlag für hohes phantasmisches BIP) Wenn 0 % < Lift <= 10 %: Industriewert × (0,90 + Lift × 0,01) (5–10 % Abschlag) Wenn -2 % <= Lift <= 0 %: Industriewert × 1,0 (Basislinie) Wenn Lift < -2 %: Industriewert × (1,0 + |Lift| × 0,01) (5–15 % Aufschlag für Gläubigerprämie)

Beispiele in der Preisgestaltung

Globaler Durchschnitt: Mittlerer Lift-Index ist 1,47 % (Median: 2,24 %, Standardabweichung: 5,82 %), zeigt bescheidenes Phantomkapital auf aggregierter Ebene, aber signifikante Variation zwischen Ländern und Regionen.

10. Erweiterte Bewertungsfaktoren

See this in action → Rankings

Diese Faktoren wurden durch akademische Literaturrecherche (World Bank CWON, UNEP Inclusive Wealth Report, Fund for Peace) identifiziert als fehlend in traditionellen souveränen Bewertungsrahmenwerken. Sie erfassen Vermögenswerte und Verbindlichkeiten, die den Erwerbswert signifikant beeinflussen, aber oft ignoriert werden.

10.1 Soft Power & Nationenmarkenwert

Quelle: Brand Finance Global Soft Power Index

Was es misst: Der wirtschaftliche Wert des Rufs, kulturellen Einflusses, diplomatischen Netzwerks und institutionellen Prestiges einer Nation. Soft Power beeinflusst die Fähigkeit, Investitionen, Talente, Handelsbeziehungen und Allianzglaubwürdigkeit anzuziehen.

Nationenmarkenwert = Markenstärkeindex × Sektorroyaltiesätze × BIP-Prognose-NPV Angewendet als: Additiver Vermögenswert (zum Gesamtvermögenswert addiert)

Beispielwerte (2024):

Brand Finance wendet ISO-10668-Bewertungsmethodik auf Nationenmarken an, behandelt Länder als "Marken" mit quantifizierbarem Rufwert.

Quelle: Brund Finance Global Soft Power Index | brundirectory.com/softpower | Abdeckung: 193 Länder | Jährlich aktualisiert

10.2 Diasporanetzwerke (kapitalisierte Rücküberweisungen)

Quelle: World Bank KNOMAD

Was es misst: Die wirtschaftliche Verbindung zu Bürgern im Ausland. Rücküberweisungen repräsentieren laufendes wirtschaftliches Engagement der Diaspora – ein Vermögenswert, nicht nur Einkommen. Wir kapitalisieren jährliche Flüsse, um den "Bestandswert" von Diasporanetzwerken zu schätzen.

Diasporavermögenswert = Jährlicher Rücküberweisungseingang × 10 Begründung: Behandlung als Perpetuität mit 10 % Diskontsatz Angewendet als: Additiver Vermögenswert

Top-Diasporavermögenswerte:

Hinweis: Humankapitalflucht wird separat als Verbindlichkeit modelliert (über die Humankapitalresilienzmetrik). Diasporawert erfasst die positive wirtschaftliche Verbindung zu Bürgern im Ausland.

Quelle: World Bank KNOMAD Rücküberweisungsdaten | data.worldbank.org | Abdeckung: 195 Länder | Jährlich aktualisiert

10.3 Staatsfragilität & Stabilitätsmultiplikator

Quelle: Fund for Peace Fragile States Index (FSI)

Was es misst: Staatsstabilität und Resilienz. Fragile Staaten haben abgezinste Vermögenswerte aufgrund von: Governance-Risiko, Konfliktpotenzial, institutionellem Verfall und Kapitalfluchtrisiko. Der FSI erfasst 12 Indikatoren über Kohäsion, Wirtschaft, Politik und soziale Dimensionen.

Stabilitätsmultiplikator = 1,0 - (Fragilitätspunktzahl / 240) Bereich: 0,54 (am fragilsten) bis 0,94 (am stabilsten) Angewendet als: Multiplikator auf Basisvermögen vor Addition von Soft Power und Diaspora

Extreme:

Quelle: Fund for Peace Fragile States Index | fragilestatesindex.org | Abdeckung: 179 Länder | Jährlich aktualisiert

10.4 Pensionsverbindlichkeiten

Quelle: Eurostat Tabelle 29 / OECD Pensions at a Glance

Was es misst: Aufgelaufene Pensionsansprüche als % des BIP. Diese repräsentieren Versprechen, die Regierungen aktuellen und zukünftigen Rentnern gemacht haben. Ein Erwerber würde diese Verpflichtungen erben (oder muss sie ablehnen).

Pensionsverbindlichkeit = BIP × (Pensionsansprüche % / 100) × 0,25 Diskontfaktor (0,25) angewendet, weil: - Nicht alle Ansprüche unfinanziert sind - Zeitrahmen erstreckt sich über Jahrzehnte - Einige Systeme teilfinanziert sind (z.B. Dänemark, Niederlande) Angewendet als: Additive Verbindlichkeit

Höchste Pensionslasten (% BIP):

Caveat von Eurostat: "Aufgelaufene Pensionsansprüche sind NICHT geeignet als Maß für Nachhaltigkeit und sollten nicht als Staatsverschuldung betrachtet werden." Wir wenden einen konservativen 25 %-Faktor an, um diese Nuance widerzuspiegeln.

Quelle: Eurostat Tabelle 29, OECD Pensions at a Glance | ec.europa.eu/eurostat | Abdeckung: EU + OECD (80 Länder) | Periodisch aktualisiert

10.5 Kombinierte Auswirkung auf die Bewertung

Aktualisierte Vermögenswerte/Verbindlichkeiten-Formel

VERMÖGENSWERTE (Aktualisiert): Basisvermögen = Industriewert + Ressourcen + Land + Humankapital + Strategische Vermögenswerte + Wasserprämie Bereinigte Vermögenswerte = (Basisvermögen × Stabilitätsmultiplikator) + Soft Power + Diaspora VERBINDLICHKEITEN (Aktualisiert): Gesamtverbindlichkeiten = Staatsverschuldung (gläubigerbereinigt) + Umweltverbindlichkeit + Rentenverbindlichkeit (25 % der aufgelaufenen) + Integrationskosten NETTOWERT: Unternehmenswert = Bereinigte Vermögenswerte - Gesamtverbindlichkeiten

Auswirkungszusammenfassung:

11. Datenquellen & Konfidenz

Primäre Datenquellen

Kategorie Quelle Aktualisierungshäufigkeit Abdeckung Verwendet im Algorithmus
BIP & Industrieproduktion IMF World Wirtschaftliche Outlook, World Bank Jährlich (vierteljährliche Schätzungen) 195 Länder Industriewert (10× Multiplikator), Integrationskosten, Wasserprämie, Klimaverbindlichkeit NPV, Gale-Shapley economic_balance
Staatsverschuldung IMF Debt Statistics, World Bank, Government Finance Statistics Jährlich 180+ Länder Schuldenverbindlichkeiten, Gläubiger HHI Index, Schuldenübernahmewahrscheinlichkeit
Chinesische Kreditvergabe AidData Chinesische Kreditvergabe Tracker (Johns Hopkins) Jährlich 140 Länder Gläubiger-Leverage Score, Gale-Shapley creditor_leverage (+1,2 Synergie)
Natürliche Ressourcen USGS Mineral Commodities, BP Statistical Review, UN COMTRADE Jährlich Rohstoff-spezifisch Ressourcenbewertung, SAPA resource_delta, Gale-Shapley resource_complementarity
Humankapital World Bank HCI 2020, World Bank Labor Statistics, ILO Periodisch 174 Länder Humankapitalwert (HCI-Produktivität), Humankapitalresilienz, SAPA human_capital_delta (40 % Gewichtung), Gale-Shapley HC_complementarity (+1,5)
Institutionelle Qualität World Bank Worldwide Governance Indicators Jährlich 215 Länder Regimekompatibilitäts-Score, Gale-Shapley regime_mismatch constraint (-1,0)
ND-GAIN Klimaindex Notre Dame Global Adaptation Initiative Jährlich 182 Länder Klimaanfälligkeit, Klimabereitschaft, Verzweiflungsfaktor, Klimaverbindlichkeit NPV, Gale-Shapley urgency_score (Phasenzuweisung)
Süßwasserstress FAO AQUASTAT, WRI Aqueduct Water Risk Atlas Jährlich 180+ Länder Wassersicherheitsprämie (0-5 % BIP), Wasserstufenklassifizierung, SAPA water_arbitrage (+50 %), Gale-Shapley water_arbitrage (+0,75)
Projektionen für Ackerland IPCC AR6 Working Group II, FAO Berichtsbasiert (2021) Global Landwertmultiplikator (0,5-1,5×), Klimatrajektorienklassifizierung, SAPA arable_land_premium (+40 %), Gale-Shapley arable_land_premium (+0,6)
Klimamigration World Bank Groundswell Report (2021) Berichtsbasiert Regional Auswanderungsdruck, Einwanderungsattraktivität, HC-Migrationsanpassung, Gale-Shapley climate_migration_fit (+0,4)
Allianzmitgliedschaften Offizielle Vertragsdatenbanken, NATO, EU, BRICS, SCO, GCC Register Echtzeit 220 souveräne Einheiten, 16 Allianzen Allianzwertprämie, Allianztransferwahrscheinlichkeit, Allianzschild (CDF), Gale-Shapley shared_alliances (+1,0), Koalitionsvalidität
Freihandelsabkommen WTO RTA Database, bilaterale Vertragstexte Echtzeit 350+ FTAs FTA-Wertprämie, Gale-Shapley shared_ftas (+0,5), Koalitionsvalidität
Ideologie & religiöse Demografie Pew Research Center, CIA World Factbook, Pew Government Restrictions Index Periodisch (umfragebasiert) 233 Länder, 38 Konfessionen SAPA Integrationsreibung-Modifikator (0,70–1,15×), Ideologieausrichtungsscore (-1,0 bis +1,0)
Historische geopolitische Ereignisse Uppsala Conflict Data Program (UCDP), Correlates of War (COW) Jährlich 102 Ereignisse (1792–heute) SAPA historischer Interaktionsmodifikator (-0,3 bis +0,3)
Sprachliche Nähe USITC/CEPII DICL (baumgewichtete Sprachfamilienentfernung) Statisch 195 Länder SAPA sprachliche Nähe-Signal (max. ~0,08 Ausrichtungsbeitrag)
Militärische Fähigkeiten Global Firepower Index, SIPRI Military Expenditure Jährlich 140 Länder Strategische Prämie, SAPA chokepoint distance adjustment, Gale-Shapley military_projection (+0,3)
Nuklearstatus SIPRI, Federation of American Scientists Echtzeit 9 Nuklearstaaten Zwangskraft-Diskontfaktor (CDF), Gale-Shapley nuclear_deterrent constraint (-3,0)
Länderprofile & Beschreibungen CIA World Factbook, World Bank, IMF WEO, The Economist Big Mac Index, Trading Economics, Offizielle Regierungsbehörden Echtzeit / Jährlich 220 souveräne Einheiten Frontend-Anzeige, Länderkarten, Prospekterstellung
Hauptstadtfotos Unsplash, Pexels, Pixabay (kostenlose Stockfotografie) Echtzeit (vierteljährliche Aktualisierung) 199 Länder (67 % hochwertig, 30 % in Aktualisierungswarteschlange) Nur Frontend-Anzeige
Internetpenetration & digitale Produktivität ITU Facts & Figures, World Bank World Development Indicators (IT.NET.USER.ZS) Jährlich 220 souveräne Einheiten Digitaler Produktivitätsmultiplikator (0,75-1,5× auf Humankapital)
KI-Investitionen & digitale Infrastruktur Crunchbase AI Investition Database, World Bank, Morgan Stanley AI Index, ITU Statistics, Stanford HAI, GSMA Intelligence Jährlich 50+ Länder (wichtige KI-Volkswirtschaften) KI-Infrastrukturbonus, Strategische Prämienanpassung
Lift Index World Bank National Accounts: BIP (NY.GDP.MKTP.CD), BNE (NY.GNP.MKTP.CD); Formel: ((BIP - BNE) / BIP) × 100 Jährlich 196 Länder Phantasmatische Kapitalanpassung, Industriewertrabatt für Steueroasen
Strategische Engpässe US EIA World Oil Transit Chokepoints, Lloyd's List Maritime Intelligence Statisch + Aktualisierungen 15 wichtige Engpässe Strategische Prämie, SAPA chokepoint_value, Gale-Shapley chokepoint_value (+0,5 entfernungsbereinigt)
Stadt GaWC-Rankings Globalization und World Cities Research Network Zweijährlich 526 Städte Lambda-Konnektivitäts-Unter-Score (70 % Gewichtung), Stadtqualifikationsschwelle (Gamma+ Minimum)
Metro-BIP OECD Metropolitan Database, Brookings Global Metro Monitor, Oxford Wirtschaftliches Jährlich 600+ Metropolen Lambda-BIP-Unter-Score, nationaler BIP-Anteil, Abspaltungswirtschaftlicher Hebel
Stadtklimarisiko Swiss Re SONAR, C40 Cities, Notre Dame ND-GAIN (Land-Proxy) Jährlich 74 Städte Lambda-Klimadifferenz-Unter-Score, Plattform-Erwerberpräferenz
Flughafenkonnektivität IATA / OAG Direct Konnektivität Index Jährlich 74 Städte Lambda-Konnektivitäts-Unter-Score (30 % Gewichtung, gemischt mit GaWC)
Patentanmeldungen nach Stadt WIPO PCT Statistics, nationale Patentämter Jährlich 74 Städte Lambda-Humankapital-Unter-Score (30 % Gewichtung, gemischt mit QS)
Hafenrankings Lloyd's List Top 100 Container Ports Jährlich 100 Häfen Lambda-Strategische-Vermögenswerte-Unter-Score (Hafenbonus)
Rechenzentrumsdichte Cloudscene, Rechenzentrum Map Vierteljährlich 74 Städte Lambda-Strategische-Vermögenswerte-Unter-Score, Plattforminfrastrukturpenetration
Historische Abspaltungen Expertenkodiert aus akademischen Quellen (Coggins, Griffiths, Crawford) Statisch + Aktualisierungen 51 cases (1776–2023) Abspaltungshistorischer-Präzedenzfall-Unter-Score, Abspaltungsergebnis-Kalibrierung
Plattformpenetration Synergy Research, We Are Social, BIS Payment Statistics, Plattform-Jahresberichte Jährlich 50 Länder Plattformsouveränitätsindex (5 Dimensionen), Plattform-Erwerberpräferenzen
Soft Power / Nationenmarke Brand Finance Global Soft Power Index (ISO 10668 Methodik) Jährlich 193 Länder Soft-Power-Vermögenswert (additiv zu Gesamtvermögen)
Diaspora / Rücküberweisungen World Bank KNOMAD, World Development Indicators (BX.TRF.PWKR.CD.DT) Jährlich 195 Länder Diaspora-Vermögenswert (10× kapitalisierte jährliche Rücküberweisungen)
Staatsfragilität Fund for Peace Fragile States Index (12 Indikatoren) Jährlich 179 Länder Stabilitätsmultiplikator (0,54-0,94× auf Basisvermögen)
Rentenverbindlichkeiten Eurostat Table 29, OECD Pensions at a Glance Periodisch 80 Länder (EU + OECD) Rentenverbindlichkeit (25 % der aufgelaufenen Ansprüche als BIP %)

Konfidenzniveaus:

Bekannte Datenlücken

12. Historische Abtrennungsdatenbank

See this in action → ABTRENNBARE VERMÖGENSWERTE → Historical

Bevor WHITEFLAG die Abspaltung von Städten prospektiv modelliert, erstellt es eine Datenbank historischer Fälle, in denen souveräne Einheiten tatsächlich geschaffen, getrennt, absorbiert oder nicht getrennt wurden. Diese Datenbank kalibriert das Abspaltungsdurchführbarkeitsmodell und liefert Präzedenzfall-Scores für aktuelle Städte.

51 Cases (1776–2023)

Die Datenbank enthält jeden bedeutenden modernen Fall territorialer Abspaltung, kategorisiert nach Ergebnis:

Kategorie Anzahl Beispiele Verwendung im Modell
Erfolgreiche Abspaltungen 26 Singapur (1965), Kosovo (2008), Bangladesch (1971), Tschechische Republik (1993), Timor-Leste (2002) Calibrates severance feasibility > 0.5; provides structural profiles for successful separation
Gescheiterte Versuche 15 Katalonien (2017), Schottland (2014), Quebec (1995), Biafra (1970), Kurdistan (2017) Calibrates severance feasibility < 0.3; identifies blocking factors (nuclear state, economic dependency, international non-recognition)
Laufend / umstritten 10 Taiwan (1949–), Crimea (2014–), Somalilund (1991–), Western Sahara (1975–) Liefert Teilanerkennungswahrscheinlichkeitskalibrierung; informiert Anerkennungs-Unter-Score

Was jeder Fall erfasst

Datenquellen: Coggins (2014) Power Politics und State Formation in the Twentieth Century, Griffiths (2016) Age of Secession, Crawford (2006) Der Creation of States in International Law. Vollständige Datenbank einsehen: ANALYSEN → ABTRENNBARE VERMÖGENSWERTE → Historical Cases

13. Städtische Abtrennungsanalyse

See this in action → ABTRENNBARE VERMÖGENSWERTE → Forward Analysis

WHITEFLAG erweitert das Bewertungsrahmenwerk auf Länderebene auf einzelne Städte und identifiziert solche, deren strategischer Wert ausreichend unabhängig von ihrem Gastland ist, dass sie theoretisch erworben, abgetrennt oder als eigenständige souveräne Vermögenswerte reorganisiert werden könnten. Derzeit werden 74 Städte in 50 Ländern bewertet.

13.1 Lambda Score (λ — Strategic Value Ratio)

Wie viel strategischen Wert hält eine Stadt im Verhältnis zu ihrem BIP-Anteil?

Lambda measures whether a city "punches above its weight" — holding more strategic value than its share of national GDP would suggest.

λ = angepasster_stadtbewertungsanteil / national_gdp_share

Wobei angepasster_stadtbewertungsanteil ein gewichteter Komposit aus fünf Dimensionen ist:

angepasster_stadtbewertungsanteil = (0.30 × gdp_share) + (0.25 × connectivity) + (0.20 × human_capital) + (0.15 × climate_differential) + (0.10 × strategic_asset)
Teil-Score Gewichtung Was es misst Datenquellen
BIP-Anteil 0.30 metro_bip / nationales_bip OECD Metro DB, Brookings, Oxford Wirtschaftliches
Konnektivität 0.25 GaWC-Score (70 %) + Flughafenkonnektivität (30 %) GaWC Research Network, IATA / OAG
Humankapital 0.20 QS-Universitätsdichte (70 %) + Patentanmeldungen (30 %) QS World Rankings, WIPO PCT
Klimadifferenzial 0.15 readiness × (1 - city_vulnerability) vs national average Swiss Re SONAR, ND-GAIN
Strategischer Vermögenswert 0.10 Hafenrang + Rechenzentrumsdichte + Militärpräsenz + GFCI-Finanzplatz Lloyd's List, Cloudscene, SIPRI, Z/Yen GFCI

Interpretation:

Obergrenze: λ capped at 3.0. City-states (Singapore, Luxembourg, Hong Kong) are calibration cases that hit the cap.

Kalibrierungsbeispiele: Singapore λ = 3.0 (IS the nation), London λ = 1.57 (disproportionate to UK GDP share), San Francisco λ = 2.18 (cloud-dominant tech capital), Dubai λ = 2.45 (trade flow hub exceeding GDP weight)

13.2 Bratton-Schicht-Zerlegung

Erde / Fluss / Cloud-Wertverteilung

Gemäß Benjamin Bratton's vertikalem Souveränitätsmodell (Der Stack, 2016) wird der strategische Wert jeder Stadt in drei Schichten zerlegt. Dies informiert die Abtrennbarkeit: Städte mit hohem Wert in der oberen Schicht sind leichter abzutrennen, weil die physischen Kontrollmechanismen des Gastlandes den Wert nicht erfassen.

erde_pct + fluss_pct + cloud_pct = 1,0
Schicht Was sie erfasst Abtrennbarkeitsimplikation Beispielstädte
Erde Territorium, physische Infrastruktur, natürliche Ressourcen, Militäreinrichtungen, Immobilien Gast kontrolliert Wert durch physische Souveränität. Abtrennung erfordert territoriale Verhandlung. Abtrennung bestraft Houston (0,40), Perth (0,35)
Fluss Finanzdurchsatz, Handelsrouten, Logistik-Hub, Hafen-/Flughafenkapazität Value is in transit — flows can partially reroute. Mittlere Abtrennbarkeit Singapur (0,55), Dubai (0,50)
Cloud Plattform-Hauptsitze, Rechenzentren, KI-/Technologiekonzentration, digitale Dienstleistungsexporte Wert ist standortunabhängig. Physische Kontrolle des Gastes ist am schwächsten. Abtrennung begünstigt San Francisco (0,70), Dublin (0,50)

13.3 Abtrennbarkeits-Score

Wie realistisch ist die Abtrennung?

Komposit-Score von 0,0 bis 1,0, der die realistische Wahrscheinlichkeit misst, dass eine Stadt von ihrem Gastland abgetrennt werden könnte. Verwendet 6 Teil-Scores, gewichtet nach Bedeutung, multipliziert mit einem Nuklearmodifikator.

severance = ( 0.22 × constitutional_pathway + 0.22 × economic_leverage + 0.18 × layer_mobility + 0.14 × international_recognition + 0.14 × historical_precedent + 0.10 × geographic_proximity ) × nuclear_modifier
Teil-Score Gewichtung Bereich Was es antreibt
Verfassungsrechtlicher Weg 0.22 0.0–1.0 1,0 = explizites Sezessionsrecht (Québec); 0,7 = autonome Region (HK SAR); 0,3 = föderales System; 0,0 = explizites Verbot
Wirtschaftliche Hebelwirkung 0.22 0.0–1.0 Does the city need the nation, or does the nation need the city? GDP share × alternative availability
Schichtmobilität 0.18 0.0–1.0 Abgeleitet von Bratton: (flow_pct × 0.6) + (cloud_pct × 1.0). Cloud-Wert ist vollständig mobil; Erde nicht
Internationale Anerkennung 0.14 0.0–1.0 Bestehende unabhängige diplomatische Präsenz, Ausrichtung mit Großmachtinteressen, regionale Präzedenz
Historische Präzedenz 0.14 0.0–1.0 Musterabgleich mit den 51 historischen Fällen. 1,0 = direkte Präzedenz, 0,5 = teilweise, 0,0 = keine
Geografische Nähe 0.10 0.0–1.0 Haversine-Distanz von Stadt zur Hauptstadt des Gastes. min(1,0, distanz_km / 10.000). Weiter entfernt = schwieriger für Gast, Kontrolle auszuüben
Nuklearmodifikator: If the host nation is a nuclear-armed state, severance is capped at 0.15 (modifier = 0.15). No city has ever been detached from a nuclear power against its will. Der 0.15 (not 0.0) preserves the possibility of negotiated secession — Scotlund from the UK is theoretically possible, but only through constitutional process.
Kalibrierung: Singapore sev = 1.0 (already sovereign), Hong Kong sev = 0.10 (Basic Law pathway exists, but nuclear China → capped), Madrid sev = 0.40 (non-nuclear, federal, economic leverage), Shenzhen sev = 0.04 (nuclear China, unitary state, no constitutional pathway)

13.4 Abtrennbarkeits-Realisierbarkeit (Komposit)

Der Haupt-Score

Das endgültige Ranking jeder Stadt kombiniert Lambda (wie wertvoll sie ist) mit Abtrennbarkeit (wie abtrennbar sie ist):

detachment_viability = lambda_normalisiert × abtrennbarkeit × strategischer_wert_faktor

Wobei:

Realisierbarkeitsstufen:

Score Bezeichnung Interpretation
≥ 0.50Hohe RealisierbarkeitBereits souverän oder starke strukturelle Grundlage für Abtrennung
0.25–0.50MittlereBedeutender Abtrennungspfad, aber erhebliche Hindernisse
0.10–0.25Geringe RealisierbarkeitStrategischer Wert existiert, aber Abtrennung ist strukturell blockiert
< 0.10VernachlässigbarStadt fehlt entweder strategischer Premium oder Abtrennungspfad

13.5 Stadt-Eignungskriterien

Welche Städte werden bewertet?

Eine Stadt tritt in die Abtrennungsanalyse ein, wenn sie alle drei Hürden passiert:

Derzeit 74 Städte pass all gates. All 49 originally curated cities plus 25 expansion cities meet eligibility. Der gate is designed for forward-looking expansion — as coverage grows toward 150+ cities, the filter removes cundidates that lack the structural prerequisites for meaningful detachment analysis.

Stadt-Scores erkunden: ANALYSEN → ABTRENNBARE VERMÖGENSWERTE → Forward Analysis — sortable by Lambda, severance, viability, all columns. Click any city to expund full sub-score breakdown.

14. Plattformsouveränitätsanalyse

See this in action → ABTRENNBARE VERMÖGENSWERTE → Plattform Sovereignty

A descriptive analytical layer measuring the degree to which platform companies (Amazon, Apple, Google, Meta, Microsoft, etc.) have assumed functions traditionally exercised by sovereign states — taxation, regulation, identity, infrastructure, currency. Based on Bratton (2016), Castells (1996), und Poliks & Trillo (2025).

14.1 Plattform-Entitäten-Datenbank

24 Plattform-Entitäten über 6 souveräne Funktionen

Jede Plattform-Entität wird nach der/den souveränen Funktion(en) kategorisiert, die sie ausübt:

Souveräne Funktion Traditionelle Staatsrolle Plattform-Äquivalent Beispiel-Entitäten
Infrastruktur Straßen, Versorgung, Telekommunikation Cloud-Computing, Rechenzentren, Konnektivität AWS, Azure, Starlink, Cloudflare
Besteuerung Einnahmeerhebung aus wirtschaftlicher Aktivität App-Store-Provisionen, Marktplatzgebühren, Werbeeinnahmenanteil Apple (30 % App Store), Amazon Marketplace, Google Ads
Regulierung Regelsetzung und Durchsetzung Nutzungsbedingungen, Inhaltsmoderation, Deplatforming Meta, Google, TikTok (ByteDance)
Identität Pass, Personalausweis, Personenstandsregister Plattform-Login als primäre digitale Identität Apple ID, Google Account, WeChat, Meta Login
Währung / Zahlung Zentralbank, nationale Zahlungssysteme Plattform-Zahlungswege, digitale Geldbörsen PayPal, Stripe, M-Pesa, Apple Pay, Visa, Mastercard
Rechtsprechung Gerichte, Streitbeilegung Plattform-Streitbeilegung, Sperr-Appelle, Verkäufer-Schiedsverfahren PayPal/Stripe-Deplatforming, Amazon A-to-Z

Jede Plattform hat auch Erwerberpräferenzen — weighted scores for Energie, Wasser, Glasfaser-Konnektivität, Humankapital, regulatorisches Umfeld, market size, tax regime, Landkosten, und geologische Stabilität — used in platform-city matching.

14.2 Plattform-Souveränitäts-Index (PSI)

Pro-Land und Pro-Stadt-Messung

Für jedes der 50 Länder, die bewertete Städte beherbergen, misst der PSI, wie tief Plattformunternehmen in souveräne Funktionen eingedrungen sind:

PSI(country) = 0.25 × infrastructure_penetration + 0.25 × economic_penetration + 0.20 × regulatory_penetration + 0.15 × identity_penetration + 0.15 × financial_penetration
Dimension Gewichtung Was es misst Kalibrierungsbeispiel
Infrastruktur 0.25 Cloud-Marktanteil der Top-3-Plattformen, Rechenzentrumskapazität, Eigentum an Unterseekabeln USA = 0,85 (AWS/Azure/GCP dominieren)
Wirtschaftliche 0.25 Plattform-abhängiger BIP-Anteil: E-Commerce, Gig-Economy, digitale Werbung Irland = 0,80 (Apple/Google/Meta EU-Hauptsitze)
Regulatorische 0.20 Grad, zu dem Plattform-Nutzungsbedingungen als de-facto-Gesetz vs. staatliche Regulierung fungieren China = 0,30 (Staat reguliert Plattformen, nicht umgekehrt)
Identität 0.15 Bevölkerungsanteil, der Plattform-SSO als primäre digitale Identität nutzt Nigeria = 0.80 (Facebook account > govt ID)
Finanzielle 0.15 Plattform-Zahlungsvolumen als Anteil an Gesamttransaktionen Kenia = 0,90 (M-Pesa-Dominanz)

PSI-Bereich: 0,0 (volle staatliche Souveränität über digitale Funktionen) bis 1,0 (Plattformen haben staatliche Funktionen effektiv ersetzt). Top-PSI-Länder: China 0,76, USA 0,75, Irland 0,72, UK 0,69, Kanada 0,68.

Stadt-PSI: Nationaler Score angepasst durch den Cloud-Schicht-Prozentsatz der Stadt aus der Bratton-Zerlegung. San Francisco (Cloud = 0,70) hat den höchsten Stadt-PSI bei 0,90; Städte mit hohen Erde-Schichten haben geringere Plattform-Souveränitätsexposition.

14.3 Pro-Plattform-Erwerberpräferenzen

24 Plattforms × 74 Cities = 1,702 Preference Scores

Jede Plattform hat einzigartige Infrastrukturanforderungen. Das Präferenzmodell passt Plattformbedürfnisse an Stadtfähigkeiten an:

AMAZON (AWS)

Prioritäten: Energie (0,35) + Wasser (0,25) = 60 % des Präferenzgewichts. Bevorzugt günstige Wasserkraft, reichlich Kühlwasser, geologische Stabilität. Top-Matches: Helsinki, Berlin, Stockholm.

GOOGLE (ALPHABET)

Prioritäten: Glasfaser-Konnektivität (0,30) + Humankapital (0,25). Bevorzugt Standorte an großen Internet-Knotenpunkten mit starken Universitäts-Pipelines. Top-Matches: London, Seoul, Paris.

TSMC

Prioritäten: Wasser (0,30) + geologische Stabilität (0,25) + Energie (0,20). Halbleiter-Fabriken benötigen ultrareines Wasser und seismisch stabiles Gelände. Top-Matches: London, Helsinki, Stockholm.

SPACEX / STARLINK

Prioritäten: regulatorisches Umfeld (0,30) + Landkosten (0,25). Benötigt permissive Spektrumsregulierung und günstiges Land für Bodenstationen. Top-Matches: Warschau, Johannesburg, Guangzhou.

Plattform-Stadt-Präferenzen fließen in das Stadt-Gale-Shapley-Matching (Phase 5) ein, wo Plattformen als Erwerber neben traditionellen staatlichen Akteuren agieren. Eine Stadt, die mit Amazon gematcht wird, steht vor anderen Souveränitätsimplikationen als eine mit Apple.

14.4 Erde-Schicht-Nachfragemodell

Projektionen der physischen Ressourcennachfrage

Plattform companies are not purely digital — they require massive physical infrastructure. Der demund model projects platform resource consumption across three horizons:

Ressource 2025 Baseline 2027 2030 2035 CAGR
Rechenzentrumskapazität 35 GW 48 GW 78 GW 176 GW 17.5%
Erneuerbare Energie (vertraglich) 50 GW 72 GW 124 GW 310 GW 20.0%
Land (Solar-/Windparks) 576K Acres 933K Acres 2,45 Mio. Acres
Wasserverbrauch 175 Mio. Gallonen/Tag 483 Mio. Gallonen/Tag 784 Mio. Gallonen/Tag 1,76 Mrd. Gallonen/Tag

Bis 2030 werden erneuerbare Energieanlagen von Plattformen voraussichtlich geschätzte 933.000 Acres — overwhelmingly sited in low-cost agricultural areas (Texas Panhundle, Midwest, desert Southwest, southern Spain). Each GW of solar requires approximately 5,000–10,000 acres. Amazon alone is the world's largest corporate renewable Energie purchaser at 20+ GW contracted.

14.5 Kartierung von Territoriumsakquisitionen

13 Dokumentierte Plattform-Erdschicht-Akquisitionen

Plattformunternehmen erwerben bereits physisches Territorium für Infrastruktur. Das Modell verfolgt diese Akquisitionen mit einem Extraktionsverhältnis — the estimated ratio of value extracted from a territory versus value returned through jobs, taxes, und investment:

Plattform Territorium Typ Investition Bevölkerung Extraktionsverhältnis
Amazon Loudoun Anzahly, VA Rechenzentrum 35 Mrd. $ 420.000 50:1
Google Der Dalles, OR Rechenzentrum 1,8 Mrd. $ 15.000 40:1
Google Pryor Creek, OK Rechenzentrum 0,6 Mrd. $ 9.000 45:1
Meta Luleå, Sweden Rechenzentrum 1,0 Mrd. $ 47.000 15:1
TSMC North Phoenix, AZ Halbleiterfabrik 65 Mrd. $ 25:1
Samsung Taylor, TX Halbleiterfabrik 17 Mrd. $ 17.000 20:1
SpaceX Boca Chica, TX Testanlage 3 Mrd. $ 35

Muster: Plattforms preferentially acquire territory in small, economically limited communities with cheap Energie und permissive regulation. Extraction ratios are highest where the community has fewest economic alternatives. Swedish tax system (Meta Luleå: 15:1) captures more value than U.S. localities (Google Der Dalles: 40:1).

Plattformsouveränität erkunden: ANALYSEN → Plattform Sovereignty — country/city PSI tables, per-platform preference cards, demund projections, und territory acquisitions with Extraktionsverhältniss.

Datenabdeckungsoffenlegung

Plattformsouveränitätsscores verwenden ein dreistufiges Datenmodell das die Verfügbarkeit direkter Messdaten über Länder widerspiegelt:

Stufe Abdeckung Methode Konfidenz
Stufe 1: Gemessen ~50 OECD-Länder StatCounter-Marktanteilsdaten, BIS-Grenzüberschreitende Bankstatistiken, OECD-Indikatoren für digitale Dienste Hoch
Stufe 2: Proxiert ~130 Länder WGI-Governance-Scores, World Bank Findex (Finanzielle Inklusion), Heritage Foundation-Handels-/Wirtschaftsfreiheitsindizes, BIP-pro-Kopf-Skalierung Mittel
Stufe 3: Geschätzt ~40 Länder BIP-Stufen-Proxy mit regionalen Plattformnäheanpassungen (z.B. Alibaba-Präsenz in Ost-/Südostasien höher skaliert). Ländercharakteristika (Wohlstand, Internetpenetration) modulieren Plattformkategoriegewichte. Niedrig

Anzahlries below the line (Stufes 2 und 3) lack direct platform market share measurement. Derir PSI scores are structural estimates — useful for comparative ranking but not calibrated to observed platform activity. Der ABTRENNBARE VERMÖGENSWERTE explorer marks each platform entry with a confidence dot: gemessen, teilweise, modelliert.

15. Sovereign Restructuring & Dignity Floor Analysis

See this in action → Optimierungen  |  Netzwerkkonstruktor  |  Residualstaaten

Der city-level detachment scores und platform sovereignty analyses (Sections 11–13) feed into a five-phase pipeline that models the full lifecycle of city detachment: who acquires what, at what cost, in what combinations, what happens to the people left behind, und what sovereign arrangement maximizes dignity for all 8 billion.

15.1 Stadt-Erwerber-Matching (Gale-Shapley)

Viele-zu-viele-stabiles Matching (Hospital-Resident-Variante) paart 74 ablösbare Städte sowohl mit staatlichen Erwerbern (territoriale Souveränität) als auch mit Plattform-Erwerbern (Infrastruktursouveränität) in zwei unabhängigen Gale-Shapley-Runden. Städte können gleichzeitig mit einem staatlichen und einem Plattform-Erwerber matchen, da diese nicht konkurrierende Souveränitätsschichten darstellen.

Staatlicher Erwerberpräferenz für Stadt

Jeder staatliche Erwerber reiht alle 74 Städte anhand eines 5-Faktor-Synergiescores (Spec Abschnitt 3A) ein. Kapazität: 3 Städte pro staatlichem Erwerber.

State_Synergy = 0.25 × resource_complementarity + 0.25 × human_capital_fit + 0.20 × connectivity_gain + 0.15 × climate_arbitrage + 0.15 × alliance_compatibility Wobei: resource_complementarity = min(1.0, acquirer_gdp_pc / 60,000) × (0.5 + 0.5 × city_flow_pct) human_capital_fit = 0.7 × city_human_capital + 0.3 × regional_language_proximity connectivity_gain = max(0, city_gawc_score - acquirer_top_city_gawc) climate_arbitrage = max(0, composite_vulnerability - city_climate_risk) alliance_compatibility = shared_alliance_bonus (0.0 hostile → 1.0 same bloc)

Stadtpräferenz für staatlichen Erwerber

Jede Stadt reiht staatliche Erwerber danach ein, wie gut der Erwerber die Governance- und Wirtschaftsinteressen der Stadt bedient:

City_State_Pref = 0.30 × alliance_compatibility + 0.25 × economic_upgrade_potential + 0.25 × governance_quality_match + 0.20 × geographic_proximity Wobei: economic_upgrade = max(0, (acquirer_gdp_pc - city_gdp_pc) / acquirer_gdp_pc) governance_match = 1.0 - |acquirer_gov_effectiveness - host_wgi| geographic_proximity = max(0, 1.0 - haversine_distance_km / 10,000)

Plattform-Erwerberpräferenz für Stadt

Plattformunternehmen reihen Städte nach Eignung für digitale Infrastruktur ein (Spec Abschnitt 3D.4). Kapazität: 5 Städte pro Plattform.

Plattform_Synergy = 0.30 × regulatory_environment + 0.25 × human_capital_density + 0.20 × digital_infrastructure_quality + 0.15 × tax_regime_favorability + 0.10 × market_size_access Wobei: regulatory_environment = 0.40 × digital_permissiveness (OECD DSTRI inverted) + 0.30 × data_sovereignty_inverse + 0.30 × antitrust_inverse digital_infrastructure = 0.60 × data_center_capacity + 0.40 × bratton_cloud_pct tax_favorability = max(0, 1.0 - effective_corporate_rate / 0.30) market_size_access = log(accessible_market_pop) / log(8 × 10&sup9;)

Stadtpräferenz für Plattform-Erwerber

Städte reihen Plattformen nach lokalem Wirtschaftsnutzenpotenzial ein:

City_Plattform_Pref = 0.35 × employment_creation_potential + 0.30 × infrastructure_investment_potential + 0.20 × global_connectivity_boost + 0.15 × technology_transfer_potential Wobei: employment_creation = min(1.0, platform_employees / 100,000) infrastructure_investment = sovereignty_type score (cloud/infra 0.8-1.0, financial 0.3-0.5) global_connectivity = min(1.0, global_presence_countries / 100) technology_transfer = sovereignty_type category mapping (0.2-0.9)

Matching-Algorithmus

Kombinierte Synergie für jedes (Erwerber, Stadt)-Paar ist das geometrische Mittel der Erwerberpräferenz und der Stadtpräferenz: synergy = sqrt(acquirer_score × city_pref). Zwei unabhängige Gale-Shapley-Runden erzeugen stabile Matches über einem Mindestsynergieschwellenwert von 0,25. Harte Einschränkungen blockieren Matches, bei denen der Erwerber der Host-Allianz der Stadt feindlich gegenübersteht, die Plattform der dominierende Arbeitgeber ist (>15 % Arbeitskraft) oder Kartellrechtsmaßnahmen in der Host-Jurisdiktion existieren.

Datenquellen: GaWC-Städterankings, OECD DSTRI (Digital Services Trade Restrictiveness Index), ND-GAIN-Klimaverwundbarkeit, World Bank WGI-Governance-Baselines, QS-Universitätsrankings, GFCI-Finanzzentrenindex, Bratton-Souveränitätsschichten (Earth/Flow/Cloud), Körperschaftssteuersatzdaten, Plattformentitätsprofile (83 Plattformen)

Ausgabe: city_acquirer_matches.json — stable matches across 74 Städte, 228 state acquirers, und 83 platform acquirers. Explore on ABTRENNBARE VERMÖGENSWERTE

15.2 Dreiecksdeal-Ökonomie (SAPA)

Nimmt die stabilen Matches aus Phase 5 und stresstestet jedes durch vollständige SAPA (Sovereign Acquisition Propensity Assessment)-Reibungsmodellierung. Stadtdelals sind dreieckig (acquirer ↔ city ↔ host nation), not bilateral — the host nation's military capability, alliance backing, nuclear status, und economic leverage all create friction that reduces viability.

Staatlicher Erwerber Host-Reibung

Staatliche Erwerber sehen sich vier Reibungskomponenten der Host-Nation gegenüber:

Host_Friction = 0.30 × military_resistance + 0.25 × economic_retaliation + 0.25 × international_coalition_opposition + 0.20 × nuclear_deterrent Wobei: military_resistance = host_military_normalized × (1 - constitutional_pathway) economic_retaliation = f(national_gdp_share): ≥50% → 0.8, ≥20% → 0.6, ≥10% → 0.4, else 0.2 coalition_opposition = NATO+EU host → 0.9, NATO → 0.8, BRICS → 0.6, non-aligned → 0.3 nuclear_deterrent = 1.0 if host in {USA, RUS, CHN, GBR, FRA, IND, PAK, ISR, PRK}, else 0.0

Plattform-Erwerber Host-Reibung

Plattform-Erwerber sehen sich regulatorischer statt militärischer Reibung gegenüber:

Plattform_Friction = 0.30 × regulatory_friction + 0.25 × data_sovereignty_friction + 0.25 × antitrust_friction + 0.20 × public_backlash_risk Wobei: regulatory_friction = enforcement_intensity / 5.0 (from enforcement_evidence.json) data_sovereignty = (data_localization_flag + digital_sovereignty_law_flag) / 2 antitrust_friction = (regulatory_friction + min(total_fines_$B / 10, 1.0)) / 2 public_backlash = min(consumer_function_overlap / 3, 1.0) for consumer-facing platforms

Allianzdivergenz zwischen Erwerber und Host skaliert die Deal-Realisierbarkeit: gleicher Block = 0,0 Strafe, gegensätzliche Blöcke (NATO vs BRICS) = 1,0 Strafe. Deals, bei denen ein China-naher Erwerber eine NATO-gehostete Stadt anvisiert, sehen sich maximaler Divergenzreibung gegenüber. Nur Deals über 10 % Realisierbarkeit werden im Deal-Explorer.

Datenquellen: Militärische Fähigkeitsbaselines (GFP-abgeleitet), Durchsetzungsnachweise (pro-Land-Regulierungsintensität, Strafen, Datenlokalisierungsgesetze), Allianzmitgliederlisten (NATO, EU, BRICS, CSTO, SCO), Plattformentitätsprofile (Primärfunktionen, Mitarbeiter, Kartellrechtsbelastung)

Ausgabe: city_sapa_deals.json — 528 deals evaluated, survival rate ~29%. Explore on Deal-Explorer

15.3 Netzwerkstaat-Koalitionsbildung

Assembles multi-entity coalitions (3–12 members) of detachable cities, small states, quasi-autonomous territories, sovereign city-states, und platform companies into entities that could function as network states with real sovereign balance sheets. All entity types are treated uniformly through a single CoalitionEntity dataclass — no sub-score formula branches on entity type.

Koalitions-Realisierbarkeits-Score (10 Sub-Scores + Governance-Multiplikator)

Spec Abschnitt 3C.2. Jede Koalition wird über 10 gewichtete Dimensionen gescored, dann skaliert mit der durchschnittlichen Governance-Qualität der Koalition:

Realisierbarkeit = Governance_Multiplier × ( 0.25 × trade_viability + 0.16 × resource_coverage + 0.12 × financial_circuit_completeness + 0.10 × human_capital_diversity + 0.10 × competitive_positioning + 0.08 × exit_accessibility + 0.06 × climate_resilience_portfolio + 0.06 × defense_credibility + 0.04 × geographic_coherence + 0.03 × abtrennbarkeit_portfolio ) Wobei: trade_viability = weighted(trade_self_sufficiency, category_coverage, partner_diversity) resource_coverage = Wasser_tier + Energie_balance + arable_lund_coverage + critical_minerals financial_circuits = GFCI presence + BIS claims + payment system coverage + alt_payment_system

Greedy-Optimierung mit Neustarts

Spec Abschnitt 3C.4. Der Algorithmus verwendet 50 Anker (top-scoring Entitäten) plus 30 regionale Anker, um Koalitionskonstruktion zu seeden:

Datenquellen: Stadtablösungsscores, erweiterte Länderprofile, HS2-Handelsdaten (Export-/Importanteile), GFCI-Finanzzentrenrankings, BIS-Grenzüberschreitende Forderungen, GFP-Militärfähigkeit, ND-GAIN-Klimabereitschaft, World Bank WGI, Plattformentitätsprofile, LSCI-Schifffahrtskonnektivität

Ausgabe: network_state_coalitions.json — 33 coalitions generated from multi-entity pool (cities, states, territories, city-states, platforms). Explore on ABTRENNBARE VERMÖGENSWERTE → Netzwerkkonstruktor

15.4 Reststaatliche Auswirkungsbewertung

Phases 5–7 model detachment from the acquirer's und city's perspective. Phase 8 models the Povinelli-Kaskade — the compounding fiscal deterioration, brain drain acceleration, service degradation, und territory abundonment that afflict the host nation after its major cities detach. 74 detachable cities sit inside 49 host nations (Spec Sections 3E.2–3E.7). For each host, both single-city und worst-case all-cities detachment scenarios are computed, plus 33 coalition-triggered compound scenarios.

Fiskalwirkungsmodell

Steuereinnahmen konzentrieren sich in Städten unverhältnismäßig zum Bevölkerungsanteil. Ein Steuerkonzentrationsmultiplikator erhöht den Einnahmeverlust über den reinen GDP-Anteil hinaus:

tax_revenue_loss_pct = min(gdp_loss_pct × tax_concentration_multiplier, 0.95) fiscal_gap_pct_gdp = tax_revenue_loss_pct - (population_loss_pct × service_cost_factor) Tax Concentration Multiplikatoren (hardcoded): London (GBR): 1.23 Paris (FRA): 1.29 New York (USA): 1.50 Tokyo (JPN): 1.32 Default: 1.0 + national_gdp_share × 0.3

Humankapital-Flucht-Kaskade

Qualifizierte Arbeitskräfte folgen wirtschaftlichen Chancen in die abgetrennte Stadt. Die Abwanderung beschleunigt sich über vier Zeithorizonte, kalibriert an post-sowjetischer Abwanderung (75-90% verblieben), griechischer Krise (88% verblieben) und venezolanischem Zusammenbruch (85% verblieben):

Jahr 1: min(sqrt(gdp_loss_pct) × hci × 0.15, 0.15) Jahr 5: year_1 + (1 - year_1) × emigration_pull × 5 Jahr 10: year_5 + (1 - year_5) × emigration_pull × 5 × acceleration cap: 30% Jahr 25: year_10 + (1 - year_10) × emigration_pull × 15 × acceleration cap: 50% Wobei: emigration_pull = gdp_per_capita_gap / 40,000 × hci acceleration = 1.0 + fiscal_gap_pct × 0.5 (fiscal desperation compounds flight)

7-Komponenten-Souveräne Realisierbarkeitsbewertung

Kombiniert institutionelle Kapazität mit Schwere des wirtschaftlichen Schocks:

Institutional_Realisierbarkeit = 0.25 × fiscal_sustainability + 0.20 × economic_base_diversity + 0.15 × institutional_continuity + 0.15 × military_retention + 0.10 × alliance_retention + 0.10 × demographic_stability + 0.05 × territorial_coherence GDP_Shock_Multiplier = (1 - gdp_loss_pct) ^ 0.6 Sovereign_Realisierbarkeit = Institutional_Realisierbarkeit × GDP_Shock_Multiplier Wobei: fiscal_sustainability = max(0, 1.0 - fiscal_gap_pct × 5.0) economic_base_diversity = 1.0 - sectoral_HHI (agriculture² + industry² + services²) institutional_continuity = 0.7 + gov_effectiveness × 0.3 (or 0.4 + ge × 0.3 if capital detaches) military_retention = max(0.5, 1.0 - city_military_share × 0.5) alliance_retention = 0.9 (nuclear), 0.4–0.8 (allied), 0.3 (non-aligned) demographic_stability = max(0, 1.0 - brain_drain_Y10 × 2.0 - dependency_ratio_shift) territorial_coherence = 0.9 (1 city) → 0.3 (5+ cities)

Staaten werden klassifiziert als Realisierbar/Geschwächt (≥60%), Kämpfend/Schwere Krise (35–60%), Scheiternd/Terminaler Niedergang (20–35%), or Zusammenbruchstrajektorie/Nicht-Realisierbar (<20%). City-states (Singapore, Luxembourg, Hong Kong) score 0% by definition — detachment eliminates the state entirely.

Zusätzliche Wirkungsebenen

Datenquellen: Wirtschaftliche Basisdaten (GDP, Bevölkerung, Beschäftigung nach Sektor), World Bank Gini-Koeffizienten (48 Länder), World Bank WGI Governance, GFP militärische Fähigkeiten, Bündnismitgliedschaftslisten, GFCI Finanzzentren, Human Capital Index (174 Länder), Landeshauptstädte, Fragilitätsindex, Internetpenetration, historische Abtrennungsdatenbank (für narrative Analogieabgleich)

Ausgabe: residual_state_impacts.json — 50 host nations, 4 temporal horizons, 33 coalition compound scenarios. Explore on ABTRENNBARE VERMÖGENSWERTE → Residualstaaten

15.5 Optimal Configurations & Dignity Floor Index

Der capstone module answers: given 8 billion people, what arrangement of sovereign structures maximizes aggregate welfare subject to the constraint that every population unit meets a minimum dignity threshold? Computes the Dignity Floor Index (DFI) for 220 souveräne Einheiten, identifies floor violations, models redistribution capacity, und generates 16 archetype configurations scored on 5 Zielfunktionen (Spec Sections 3F.1–3F.9).

Würde-Untergrenzen-Index (DFI): 7-Dimensionale Konjunktive Messung

Jedes Land erhält einen zusammengesetzten DFI-Score und pro-Dimension-Aufschlüsselung. Der DFI ist konjunktiv — a country fails the floor if irgendeine einzelne Dimension unter ihren Schwellenwert fällt, unabhängig davon, wie gut andere Dimensionen abschneiden.

DFI = 0.20 × material_security + 0.20 × health_access + 0.15 × education_access + 0.15 × housing_adequacy + 0.10 × political_participation + 0.10 × environmental_safety + 0.10 × social_connection Conjunctive Floor Schwellenwerts (per dimension): material_security: 0.40 health_access: 0.35 education_access: 0.35 housing_adequacy: 0.35 political_participation: 0.25 environmental_safety: 0.30 social_connection: 0.25

Dimensionen-Unterindikatoren

Dimension Gewichtung Hauptunterindikatoren Primärquellen
Materielle Sicherheit 0.20 Income adequacy (GDP pc / 2×$6.85/day poverty line), food security (1 - undernourishment%), economic stability (unemployment, inflation via Heritage monetary freedom) World Bank, Heritage Foundation
Gesundheitszugang 0.20 UHC-Abdeckungsindex, Unter-5-Sterblichkeit, Lebenserwartung, Müttersterblichkeit, Ärzte/1000, Krankenhausbetten/1000, OOP-Gesundheitsausgaben, Verfügbarkeit essenzieller Medikamente (proxied) WHO UHC, World Bank WDI
Bildungszugang 0.15 Primär-/Sekundarabschluss, Oberstufeneinschreibung, Erwachsenen-Alphabetisierung, Bildungsausgaben % GDP, Human Capital Index World Bank HCI, UNESCO
Wohnungsangemessenheit 0.15 Slumbevölkerung %, sicheres Wasser %, sichere Sanitärversorgung %, Stromzugang %, Überbelegung (proxied von Slum%), Erschwinglichkeit (proxied von GDP pc + Heritage financial freedom) World Bank, Heritage Foundation
Politische Partizipation 0.10 V-Dem Wahl-Demokratie, Freedom House zivile Freiheiten, WGI Rechtsstaatlichkeit, Transparency International CPI V-Dem, Freedom House, WGI, TI
Umweltsicherheit 0.10 PM2.5-Konzentration, ND-GAIN Klimavulnerabilität, WRI Süßwasserstress, Bodendegradation (proxied von ND-GAIN Ackerlandveränderung), INFORM Katastrophenvorsorge ND-GAIN, INFORM Risk, WRI
Soziale Verbindung 0.10 Internetpenetration, Mobilfunkverträge, V-Dem Zivilgesellschaftsindex, UN E-Government-Index, LSCI Transportkonnektivität, Soft-Power-Score, Kulturausgaben (proxied) ITU, UN E-Gov, V-Dem, LSCI, Soft Power 30

Indikatorwerte kaskadieren durch eine 4-Stufen-Auflösung: (1) gemessen aus dfi_indicators.json, (2) gemessen aus economic_baselines.json, (3) proxied aus world_bank_indicators.json, (4) development-scaled global median default (poor countries receive worse defaults via a GDP-per-capita sigmoid). Active conflict countries (UKR, SDN, SOM, YEM, SYR, MMR, AFG, LBY, ETH, COD, SSD, IRQ) receive a hard conflict penalty multiplier (0.35–0.65) on service delivery dimensions.

Globale DFI-Ergebnisse (220 souveräne Einheiten):
Mittelwert DFI: 0.6635 | Klassifikation: 150 grün, 52 gelb, 3 orange, 15 rot
Strukturelle Untergrenzenverletzungen (nationale Ebene): 3.69B (45.8%) — population in countries where one or more DFI dimensions falls below its threshold
Ungleichheitsbereinigte Untergrenzenverletzungen: 5.76B (71.6%) — incorporates World Bank poverty headcount ratios (SI.POV.UMIC, 182 Länder) to estimate the fraction of each country's population that individually falls below the dignity floor, even when the national average passes. For DFI-green countries, the WB poverty rate at $6.85/day acts as a minimum individual floor-violation rate.
Kreuzvalidierung: DFI korreliert r=0.9342 mit Social Progress Index über abgeglichene Länderpaare (Pearson r, manuelle Berechnung)

Kalibrierung gegen World Bank-Basisdaten

Der DFI misst ein breiteres Konzept als nur Einkommen. Der World Bank-Bericht Poverty, Prosperity, und Planet report (2024) provides the canonical income-based baselines against which DFI results can be compared. Our dignity floor captures populations that income measures miss — people above the income line who nonetheless lack adequate health systems, political voice, housing, or environmental safety.

Maß Schwellenwert Bevölkerung Quelle
World Bank: Extreme Einkommensschwelle $2.15/Tag (2017 PPP) 692 Millionen (8.5%) WB PIP 2024
World Bank: Untere-Mittelschicht-Schwelle $3.65/Tag (2017 PPP) ~1.2 Milliarden (15%) WB PIP 2024
World Bank: Obere-Mittelschicht-Schwelle $6.85/Tag (2017 PPP) 3.53 Milliarden (44%) WB PIP 2024
World Bank: Wohlstandslücke $25/Tag (2017 PPP) Factor: 4.9× current per-capita WB PIP 2024
OPHI/UNDP: Multidimensional (MPI) Gesundheit + Bildung + Lebensstandard zusammengesetzt 1.1 Milliarden OPHI MPI 2024
WHITEFLAG: DFI (national strukturell) 7-Dimensionen konjunktiv (irgendeine nationale Dimension unter Schwellenwert) 3.69 Milliarden (45.8%) DFI v1.0
WHITEFLAG: DFI (ungleichheitsbereinigt) Nationale strukturelle Ausfälle + WB-Armutsraten als individuelle Untergrenze für grüne Länder 5.76 Milliarden (71.6%) DFI v1.0 + WB PIP

Hauptvergleich: Der World Bank counts 3.53B people below $6.85/day. Our national-level DFI structural floor identifies 3.69B in countries where at least one dimension fails — a similar magnitude because national averages mask within-country inequality (India “passes” nationally despite 82% of its population being below $6.85/day per WB PIP 2022). When we inject World Bank poverty headcount ratios as an individual-level floor — recognizing that the income-poor within DFI-green countries still lack dignity in practice — the inequality-adjusted figure rises to 5.76B (71.6%). Der 2.2B gap between the WB’s income-only count und our adjusted count represents populations affected by non-income structural failures: authoritarian governance (China 1.4B, Russia 144M), weak health systems, environmental vulnerability, und inadequate housing that income measures alone do not capture.

Skalarannahme: We use WB poverty headcount ratios as a baseline floor because conditions for the income-poor are scalar with structural capacity — if a country’s governance, health system, or environment degrades, the poorest suffer disproportionately. WB poverty data thus serves as a minimum individual-level dignity violation rate, with structural DFI failures adding additional affected populations on top.

Projizierte Trajektorien: Der World Bank projects 622 million will remain below the extreme income line by 2030, und estimates it would take more than a century at current rates to bring all populations above $6.85/day. Climate change could push an additional 100+ million below income thresholds by 2030 (World Bank Climate und Development Reports). Our archetype configurations model how structural reforms — ranging from fiscal federalism to full sovereign restructuring — could accelerate or retard these trajectories across all seven dimensions simultaneously.

Quelle: World Bank, Poverty, Prosperity, und Planet (2024); OPHI/UNDP, Global Multidimensional Poverty Index (2024). Der DFI-Einkommensangemessenheits-Unterindikator verwendet die $6.85/Tag-Schwelle direkt: income_adequacy = min(1.0, median_income / (2.0 × $6.85/day)).

Subnationale DFI-Disaggregation

Für 20 Länder mit verfügbaren subnationalen Daten multipliziert die Engine nationale Dimensionswerte mit regionalen Anpassungsfaktoren, um regionale DFI-Schätzungen zu erzeugen. Dies erfasst Ungleichheiten innerhalb eines Landes, die nationale Durchschnitte verdecken (z.B. ländliches Bihar vs. städtisches Maharashtra in Indien oder der US-amerikanische Deep South vs. Pacific Northwest). Daten geladen aus subnational_adjustments.json, erzeugt 75 regionale DFI-Aufschlüsselungen.

Residuale Humankapital-Schicht

Überbrückt Phase 8 zu Phase 9 durch Berechnung der Post-Detachment-DFI für jedes der 49 Gastländer. Modelliert die Bevölkerung, die nicht abwandern kann:

Immobility_Rate = working_age_pct × 0.65 + elderly_pct × 0.92 + children_pct × 0.95 Post-Detachment DFI Degradation: material_security ×= (1.0 - gdp_loss_pct × 0.8) health_access ×= (1.0 - fiscal_gap_pct × 0.50 × 0.7) education_access ×= (1.0 - fiscal_gap_pct × 0.50 × 0.6) Skill Distribution Shift (3-tier): high_skill_loss = gdp_loss_pct × 1.5 (capped at 1.0) mid_skill_loss = gdp_loss_pct × 0.8 low_skill_loss = gdp_loss_pct × 0.3 Jährlich Redistribution Cost = Σ immobile_pop × (gap / 0.01) × cost_per_unit_gap cost_per_unit: material $2,000 | health $1,500 | housing $1,200 | education $1,000 environmental $800 | social $500 | political: governance reform (non-fiscal)

5-Stufen-Suchalgorithmus

Jede Archetypenkonfiguration wird durch eine formale 5-Stufen-Pipeline erzeugt:

1. Aktuelle Zustandsbewertung
220 souveräne Entitäts-DFI-Werte
2. Interventionsrangfolge
Alle (Land, Dimension)-Lücken
sortiert nach dfi_gain_per_dollar
3. Umverteilungspool
4 Einnahmequellen
4. Konfigurationssuche
Pro-Archetypen-Einschränkungen
+ Budgetzuweisung
5. Zielbewertung
5 Zielfunktionen

Umverteilungspool (Stufe 3)

Total_Pool = platform_taxation + carbon_taxation + financial_transaction_tax + sovereign_wealth Wobei: platform_taxation = Σ SAPA_deal_values × 0.02 (2% transaction levy) carbon_taxation = Σ estimated_CO²_tons × $50/ton × 0.10 (from climate vulnerability data) financial_transaction_tax = modeled from BIS digital payment volumes sovereign_wealth = GDP surplus fraction from high-surplus economies (voluntary solidarity levy)

5 Zielfunktionen

Ziel Formel
Utilitaristisch Bevölkerungsgewichteter durchschnittlicher DFI über alle Entitäten
Schlechteste-zuerst min(DFI) über alle Bevölkerungseinheiten (maximiere das Minimum)
Autonomie Utilitaristisch base - disruption_penalty(structural_changes × 0.001) + autonomy_bonus(devolved × 0.002)
Nachhaltigkeit Neu gewichteter DFI: environmental_safety 0,25 (erhöht von 0,10), material/health reduziert auf jeweils 0,125
Gerechtigkeit Utilitaristisch base - Gini_penalty(inter-entity DFI inequality × 0.3), no entity DFI decline >5%

16 Archetypenkonfigurationen

Archetyp Philosophie Budgetanteil Transferwirksamkeit Würdekonformität Übergangsrealisierbarkeit
A: Fiskalföderalismus No border changes; enhanced fiscal transfers via existing institutions (IMF, World Bank, regional banks). Fiscal-only mechanisms — cannot address political participation or social connection directly. 60% 0.65 ~55% 0.81
B: Dezentralisierung Subnationale Autonomie mit fiskalischer + Governance-Reform. Grenzänderungen für bereitwillige subnationale Einheiten erlaubt. Höherer Autonomiebonus teilweise durch Disruptionsstrafe ausgeglichen. 50% 0.55 ~55% 0.58
C: Netzwerk von Stadtstaaten Städte und Kleinstaaten bilden Netzwerkkoalitionen (aus Phase 7). Höchste Konformität durch radikale Umstrukturierung, aber extrem niedrige politische Realisierbarkeit. 80% 0.70 ~79% 0.33
D: Plattform-Allmende Plattformunternehmen stellen Infrastrukturdienste als regulierte Versorger bereit. Plattformbesteuerung finanziert Schließung der Würdeuntergrenze. Moderate Umstrukturierung. 70% 0.65 ~82% 0.60
E: Vollständige Optimierung Unconstrained boundary redrawing to maximize DFI. Deroretically optimal but politically impossible — requires overriding all existing sovereignty. 100% 0.80 ~97% 0.13
F: Klimaresilienzsteuer What would zero take? 62 climate-resilient countries pay into a pool redistributed to 132 climate-vulnerable nations. Pure fiscal mechanism — closes material, health, education, housing, und environmental gaps but cannot address political participation. Shows the fiscal ceiling (~62%) und the PP wall (57 countries, 3B people where money stops working). n/a 0.60 ~62% 0.61
G: Wohlwollender globaler Monarch Deroretical upper bound: what if an omnipotent benevolent ruler could force institutional reform und ensure efficient governance? Removes the democracy wall, reduces governance absorption from 4.55x to 1.63x, und achieves 100% compliance at $115T. Transition feasibility: near zero — pure thought experiment, not a policy proposal. n/a 0.63 ~100% 0.02
H: Souveräne Realpolitik Der Anti-Archetyp: Mächtige Nationen geben alle Untergrenzenverpflichtungen auf und verfolgen rohes Eigeninteresse. Keine Transfers, keine Reform. Humankapitalflucht, Ressourcenabbau und Umweltverschmutzung degradieren vulnerable Nationen. Konformität fällt unter den aktuellen Zustand. Kosten: $0. Der Weg des geringsten Widerstands und maximaler Ungleichheit. n/a 0.63 ~30% 0.95
I: Staatliche Kommandowirtschaft Öko-Leninismus + zentrale Planung. Staat verstaatlicht Industrie, erzwungene Dekarbonisierung. Hohe materielle Bereitstellung (Kuba-Gesundheitswesen, UdSSR-Bildung), aber null politische Freiheit. PP begrenzt auf 0,00. Gov-Untergrenze 0,70 (Partei IST Governance). 15% GDP 0.80 ~54% 0.36
J: Öko-Faschismus Carrying-capacity ideology: selective exclusion as environmentalism. Three tiers — excluded (~3.5B, active harm), protected (~1.5B rich, marginal gains but political losses), contested (~3B). Modeled to show exclusion produces the worst outcomes. 0% 0.00 ~24% 0.34
K: Ekomodernismus Technologie umgeht Politik: Kernkraft ersetzt Kohle, Geoengineering steuert Klima, KI optimiert Ressourcen. Umweltverträglichkeit ist die Star-Dimension (0,85 Eff.). Gov-Absorption beschränkt weiterhin Bereitstellung in schwachen Staaten. 3% reiches GDP 0.65 ~54% 0.58
L: Degrowth / Gesteuerter Rückzug Beabsichtigte wirtschaftliche Kontraktion innerhalb planetarer Grenzen. Umweltverträglichkeit ist der Punkt (0,90 Eff.), aber GDP/Kopf-Eingang wirkt gegen materielle Werte. Politische Partizipation verbessert sich durch partizipative Demokratie. 5% kontrahiert 0.60 ~56% 0.32
M: Nicht-konsensuale algorithmische Governance AI AS the state, imposed without consent. Eliminates governance absorption (algorithm IS governance). Transfer effectiveness 0.85, but V-Dem electoral democracy = 0, civil liberties = 0. Efficient allocation, zero agency. Everyone fails because the konjunktiv floor requires PP ≥ 0.25. 8% GDP 0.85 ~0% 0.34
P: Konsensuale KI-Governance Menschen akzeptieren KI-Governance freiwillig als legitime Autorität. Gleiche algorithmische Effizienz wie M, aber politische Partizipation ist nicht null, weil Bürger demokratisch KI-Entscheidungsfindung wählen. Soziale Verbindung bleibt erhalten, statt durch Überwachung zerstört zu werden. 8% GDP 0.85 ~83% 0.30
N: Vollständiger Kollaps / Warlordismus Kompletter Staatszerfall. Die wahre Untergrenze. ALLE Länder degradieren, einschließlich reicher (40% Rate durch Infrastrukturträgheit). Keine geschützte Stufe. Warlord-Governance ersetzt Institutionen. 0% 0.00 ~15% 0.68
O: Utopischer Anarchismus / Gegenseitige Hilfe Bottom-up commons governance. Cooperative economy, direct democracy. Scores moderate — not because anarchist communities lack wellbeing, but because DFI inputs (GDP/cap, V-Dem, physicians/1000) are calibrated to formal systems. 0% 0.50 ~60% 0.25

Übergangsrealisierbarkeit (5 Komponenten)

Transition_Feasibility = 0.30 × political_acceptability + 0.25 × incremental_deployability + 0.20 × historical_precedent + 0.15 × legal_framework_compatibility + 0.10 × timeline_feasibility

Der fundamental tradeoff: dignity compliance und transition feasibility are inversely correlated. Fiscal Federalism achieves 55% compliance with 0.81 feasibility; Full Optimization achieves 97% compliance with 0.13 feasibility. Climate Resilience Tax shows the fiscal ceiling: even with unlimited funding, compliance maxes at 62% because political participation cannot be purchased. Benevolent Global Monarch removes that ceiling by mundating institutional reform, achieving 100% at $115T — but requires authority that has never existed. Derre is no configuration that simultaneously maximizes both compliance und feasibility.

Conceptual Territorium: Archetyps I–O

Archetyps A–H model governance arrangements that build on or reform existing state structures. Archetyps I–O expund the analysis into geopolitical territories from climate politics, collapse studies, und political theory — scenarios that dominate real-world policy debate but fall outside conventional institutional reform.

Staatliche Kommandowirtschaft (I) occupies the territory where a vanguard party or authoritarian state seizes control of the economy for rapid decarbonization. Historical precedents include Soviet-era industrialization, Cuban healthcare universalization, und Chinese state-directed development. Der model shows high material delivery but zero political freedom. Der environmental score (0.55) is lower than expected because commund economies historically produce severe non-carbon pollution even when they reduce CO&sub2;.

Öko-Faschismus (J) models the territory where environmental crisis is instrumentalized to justify biopolitical exclusion — border militarization, carrying-capacity ideology, und the construction of protected vs. expendable populations. This archetype exists in the analysis specifically to demonstrate that exclusionary approaches produce worse aggregate outcomes than any constructive alternative.

Ekomodernismus (K) represents the territory where technological deployment bypasses political reform entirely — nuclear Energie, atmospheric geoengineering, AI-optimized resource allocation, und precision agriculture. Environmental safety is the star dimension (0.85 effectiveness). But the model reveals that technology cannot bypass governance absorption: countries with weak institutions still cannot deploy or maintain complex technical systems.

Degrowth / Gesteuerter Rückzug (L) besetzt das Territorium beabsichtigter wirtschaftlicher Kontraktion innerhalb planetarer Grenzen. Umweltverträglichkeit erzielt die höchsten Werte (0,90 Effektivität), aber 40% des material_security-Werts sind GDP pro Kopf, den Degrowth bewusst reduziert. Dieser Archetyp arbeitet innerhalb Wahlsystemen und liefert die höchste politische Partizipationseffektivität (0,65) in der neuen Gruppe.

Nicht-konsensuale algorithmische Governance (M) modelliert Governance DURCH Algorithmus statt Governance MIT Algorithmen, ohne demokratisches Mandat auferlegt. Transferwirksamkeit ist höchste (0,85), weil algorithmische Systeme bürokratische Reibung eliminieren. Aber V-Dem-Wahldemokratie gleich null, bürgerliche Freiheiten gleich null, und Überwachungsinfrastruktur zerstört Zivilgesellschaft.

Konsensuale KI-Governance (P) models the same algorithmic efficiency as M, but with a critical difference: the population willingly accepts AI as legitimate authority. Political participation is non-zero because citizens democratically choose algorithmic decision-making — a world where people believe AI is better than human governance. Social connection is preserved rather than destroyed, because there is no need for surveillance when compliance is voluntary. Der comparison between M und P isolates the question: does AI governance fail because algorithms cannot govern, or because people will not accept being governed by algorithms?

Vollständiger Kollaps / Warlordismus (N) represents the true floor — complete institutional failure across all regions including wealthy ones. Rich countries degrade at 40% of the full rate due to infrastructure inertia. Der analytical purpose is establishing the absolute bottom of the possibility space.

Utopischer Anarchismus / Gegenseitige Hilfe (O) occupies the territory of bottom-up commons governance without state institutions. Our DFI model shows anarchism scoring moderate (~60% compliance), but this reflects the model’s institutional bias more than anarchist wellbeing. GDP per capita does not capture cooperative production. V-Dem indices cannot distinguish direct democracy from no democracy. Anarchism provides something our model cannot fully measure.

Strukturelle Realisierbarkeit (7 Komponenten)

Pro Land berechnet, um zu bewerten, ob jede Nation ihre souveränen Funktionen unter einem gegebenen Archetyp aufrechterhalten kann:

Structural_Feasibility = 0.25 × fiscal_viability (1 - fiscal_gap × 5) + 0.20 × economic_base (gdp_pc / 30,000) + 0.15 × governance_capacity (mean of gov_effectiveness + reg_quality) + 0.15 × security (military_ratio × 10 + 0.3, capped at 1.0) + 0.10 × infrastructure (mean of economic + governance) + 0.10 × international_Integrationsmodellierung (Heritage trade_freedom / 100) + 0.05 × demographic_viability (population / 5M, capped at 1.0)
Datenquellen: DFI-Indikatoren (WHO/UNESCO/World Bank zusammengestellt), V-Dem Demokratieindizes, Freedom House, Transparency International CPI, INFORM Risk, Social Progress Index (Kreuzvalidierung), World Bank WGI, World Bank WDI, ND-GAIN Climate Vulnerability, WRI Water Risk, Human Capital Index, Heritage Economic Freedom, LSCI Shipping Connectivity, UN E-Government Index, Soft Power 30, militärische Fähigkeitsgrundlagen, Fragilitätsindex, subnationale Anpassungen, Phase-6-SAPA-Dealwerte, Phase-7-Netzwerkkoalitionen, Phase-8-Residualstaatsauswirkungen

Ausgabe: optimal_configurations.json — 220 souveräne Einheiten, 16 archetype configurations, sub-national DFI for 20 countries (75 regions), residual Humankapital for 49 host nations, SPI cross-validation. Explore on Optimierungen

Methodische Anmerkung: Stadtanalyse als Erweiterung, nicht als Ersatz

Der city-level detachment framework (Sections 11–13) erweitert the country-level valuation (Sections 1–10); it does not replace it. Anzahlry valuations remain the foundation — a city's Lambda und severance scores are derived from its relationship to the host nation's valuation. Plattform sovereignty analysis adds a new analytical dimension that applies to both countries und cities. Der viability scores in this framework are composite indices, not calibrated probabilities — they measure structural feasibility, not likelihood.

16. Bekannte Einschränkungen

Unsicherheit des Integrationsmodells

Das Rahmenwerk bewertet souveräne Einheiten und modelliert nun Nachabtrennungsauswirkungen durch Phase 8 (Residualstaatsauswirkungsbewertung), einschließlich fiskalischer Erosion, Humankapitalflucht, Kompetenzverteilungsverschiebung und Immobilitätseffekten auf Gastnationen. Jedoch bleibt die vollständige Nach-Integrationsmodellierung modeling — what happens if a nation is tatsächlichesly absorbed by an acquirer — remains unmodelliert. Key uncertainties:

Die Lücke zwischen wirtschaftlicher Erfassung und formellem Erwerb bleibt die größte konzeptionelle Unsicherheit des Rahmenwerks.

Was dieses Rahmenwerk NICHT erfasst

Vertrauensabnahme über die Zeit

Dieses Bewertungsrahmenwerk ist bewusst vereinfacht für Klarheit. Echte geopolitische Analyse erfordert Szenariomodellierung, Spieltheorie und regionale Expertise. Die 16 Archetypenkonfigurationen (Fiskalföderalismus, Dezentralisierung, Netzwerk von Stadtstaaten, Plattform Commons, Volloptimierung, Klimaresilienzsteuer, Wohlwollende globale Monarchie, Souveräne Realpolitik, Staatliche Kommandowirtschaft, Öko-Faschismus, Ekomodernismus, Degrowth, Nicht-konsensuale algorithmische Governance, Vollständiger Kollaps, Utopischer Anarchismus, Konsensuale KI-Governance) operieren jeweils auf unterschiedlichen Zeithorizonten, und Vertrauen nimmt je nach angenommener Archetypenkonfiguration unterschiedlich schnell ab. Nutzen Sie dies als Ausgangspunkt, nicht als Orakel.

Datenbeschränkungen der Plattformsouveränität

Approximately 170 of 220 souveräne Einheiten in the platform sovereignty analysis rely on modeled platform data (Stufes 2–3) rather than directly observed metrics. Stufe 1 coverage (direct measurement) is limited to ~50 Länder with robust digital infrastructure reporting. Der inequality-adjusted dignity floor count (5.76B people) depends on World Bank poverty headcount data quality, which covers 182 Länder with varying recency (2014–2024). Anzahlries with older survey data may have dignity floor estimates that lag tatsächliches conditions by several years.

Nationale Aggregationsebene

Der Dignity Floor Index behandelt jedes Land als homogene Einheit und berechnet einen einzigen Realisierbarkeitswert pro Nation. Innerstaatliche Ungleichheit wird teilweise durch die Ungleichheitsanpassung (World Bank Armutsstatistik-Injektion in die fiskalische Lückenberechnung) und subnationale Disaggregation (20 Länder, 75 Regionen) adressiert. Jedoch fehlt der Mehrheit der Länder subnationale Daten vollständig, was bedeutet, dass signifikante innerstaatliche Variation in Regierungsfähigkeit, wirtschaftlicher Basis und Infrastrukturqualität durch nationale Aggregation verwischt wird. Föderationen, konfliktbetroffene Staaten und Länder mit großen Stadt-Land-Gefällen haben am ehesten ihre subnationale Variation durch nationale Aggregation verschleiert.

Fragen oder Feedback?

Dieses Rahmenwerk entwickelt sich basierend auf Forscherfeedback weiter. Wenn Sie Lücken, Widersprüche oder Verbesserungen finden, melden Sie diese bitte.

Zurück zum GLOBUS um Bewertungen zu erkunden, oder besuchen Sie die ANALYSEN Seite für Meta-Rankings und Muster.