Die meisten Kategorien von Finanzmärkten brauchen Jahrzehnte, um ihren Platz im globalen Kapitalstapel zu finden. Aktien benötigten 200 Jahre von der Niederländischen Ostindien-Kompanie bis zur modernen gelisteten Börse. Futures brauchten rund 150 Jahre von den Chicagoer Getreidegruben bis zu globalen Zins- und Energiekurven. Krypto schaffte es in 15 Jahren vom Bitcoin- Whitepaper zu einer Anlageklasse im Billionenbereich. Vorhersagemärkte stehen jetzt in der frühen S-Kurven-Phase, die diese früheren Kategorien durchlaufen haben, und die strukturellen Gründe, warum sie dort hingehören, sind stärker als die Gründe, die viele dieser früheren Kategorien zum gleichen Zeitpunkt ihrer Entwicklung hatten.
Dieser Beitrag ist die ausführliche These dazu, warum Vorhersagemärkte im kommenden Jahrzehnt zu einer zentralen Finanz-Primitive werden — nicht nur ein Nischenprodukt für Verbraucher, sondern eine Kategorie, die sich neben Aktien, futures und Kreditmärkten einen Platz darin verdient, wie ernsthafte Institutionen Kapital allokieren und wie ernsthafte Betreiber Zielgruppen monetarisieren.
Wenn Sie sich noch früher in Ihrer Bewertung befinden, deckt der Vorhersagemarkt-Primer die Grundlagen ab, und der strukturelle Vergleich zeigt, wie sie sich mechanisch von Aktien und futures unterscheiden. Dieser Beitrag geht den nächsten Schritt: warum sich die strukturellen Vorteile zur dominanten Informationsaggregations- Infrastruktur der 2030er Jahre kumulieren.
Das Problem der Informationsaggregation, das niemand sonst sauber löst
Die meisten folgenreichen Entscheidungen der Welt hängen davon ab, dass irgendjemand, irgendwo, ein zukünftiges Ereignis prognostiziert. Eine Zentralbank, die eine Zinssenkung beschließt, braucht eine Prognose der Inflation. Ein Einzelhändler, der über Lagerbestände entscheidet, braucht eine Prognose der Nachfrage. Ein Versicherer, der eine Police bepreist, braucht eine Prognose der Schadensfälle. Eine Regierung, die einen Einsatz plant, braucht eine Prognose eines geopolitischen Szenarios. Ein Startup, das sich zu einer Einstellung verpflichtet, braucht eine Prognose der Finanzierungsbedingungen.
Für jede dieser Entscheidungen war historisch die Standardlösung die Expertenprognose — Analysten, Umfragen, Kommentatoren, Fachpublikationen, interne Modellierung. Die Prognosequalität dieser Quellen ist im Durchschnitt mittelmäßig. Tetlocks zwei Jahrzehnte Prognoseforschung haben dies definitiv belegt: Experten in politischen und policy-bezogenen Bereichen prognostizieren über mehrjährige Horizonte hinweg ungefähr auf Zufallsniveau. Dasselbe Muster zeigt sich in Prognosen von Finanzanalysten (die gegen Kursbewegungen kalibriert werden, nicht umgekehrt), in makroökonomischen Prognosen (wo die mittlere Wall-Street-Prognose für das BIP-Wachstum des Folgejahres selten innerhalb von 1,5 Prozentpunkten des tatsächlichen Werts liegt) und in Sportprognosen (wo der mittlere Expertentipp kaum besser ist als der Konsens der Öffentlichkeit).
Vorhersagemärkte lösen dieses Problem auf strukturell andere Weise. Sie setzen echtes Geld aufs Spiel, aggregieren die Sichtweisen von Tausenden von Teilnehmern, die individuell kleine Informationsvorteile haben, und erzeugen einen einzigen Preis, der die gewichtete kollektive Sicht widerspiegelt. Der Mechanismus ist „die Weisheit der Vielen, mit eigenem Risiko." Er funktioniert aus demselben Grund, aus dem Aktienmärkte genauere Unternehmensbewertungen erzeugen als Notizen von Aktienanalysten: Wenn Teilnehmer dafür bezahlt werden, recht zu haben, ist das aggregierte Signal schärfer als jedes individuelle Signal es sein könnte.
Die Iowa Electronic Markets demonstrierten dies in den 1990er Jahren für US-Wahlen und übertrafen konsequent die Umfragen. Vorhersagemärkte haben es in den 2020er Jahren in großem Maßstab für Politik-, Makro-, Sport- und Ereigniskategorien demonstriert. Die empirische Beweislage ist nun stark genug, dass „die durch den Vorhersagemarkt implizierte Wahrscheinlichkeit" ein zentraler Input in seriöser institutioneller Forschung ist, selbst wenn die Institution nicht direkt auf den Märkten handelt.
Warum die Vielen Experten schlagen (unter Bedingungen)
Das Argument der „Weisheit der Vielen" wird manchmal überstrapaziert, daher lohnt es sich, präzise zu sein, wann es funktioniert und wann nicht.
Crowd-Aggregation funktioniert, wenn:
- Die Menge über vielfältige Informationen verfügt. Verschiedene Teilnehmer haben unterschiedliche Teile des Puzzles, und der Markt aggregiert diese Teile zu einer schärferen Schätzung, als jeder Einzelne erzeugen könnte.
- Teilnehmer bereit sind, Geld auf abweichende Meinungen zu setzen. Der Preisdruck, der den Markt bewegt, kommt von Händlern, die glauben, der Konsens liege falsch, und bereit sind, diese Überzeugung mit Kapital zu untermauern.
- Die Handelskosten niedrig genug sind, um kleine Informationsvorteile profitabel zu machen. Ein Händler mit einem Vorteil von 3% kann sich nicht leisten, bei einem Spread von 5% zu handeln. Mit der Verbesserung der Marktinfrastruktur und sinkenden Transaktionskosten werden mehr Informationsvorteile handelbar.
Crowd-Aggregation funktioniert NICHT, wenn:
- Die Menge über korrelierte Informationen verfügt. Wenn alle dieselbe Quelle lesen, ist die „Menge" nur ein Experte mit tausend Stimmen, und die Aggregation bietet keinen Vorteil.
- Teilnehmer nicht dafür bezahlt werden, recht zu haben. Umfragen, Kommentare und unstrukturierte Vorhersagen (ohne eigenes Risiko) verfallen in das, was die dominierende Erzählung gerade ist.
- Der Markt zu dünn ist. Ein Markt mit nur zehn Teilnehmern aggregiert keine Informationen; er mittelt nur zehn Vermutungen.
Vorhersagemärkte erfüllen in ihrem aktuellen Maßstab die Bedingungen konsequent. Die Vielfalt der Teilnehmer ist groß, die finanziellen Anreize sind real, und die Infrastruktur ist modern genug, dass kleine Vorteile handelbar sind. Die empirische Outperformance gegenüber Experten ist das Ergebnis.
Warum KI das nicht ersetzt — sie verstärkt es
Das häufigste Gegenargument, das wir hören, lautet: „KI-Prognosen werden so gut sein, dass Vorhersagemärkte überflüssig werden." Das Argument ist genau verkehrt herum. KI macht Vorhersagemärkte wichtiger, nicht weniger wichtig.
Es gibt drei Gründe.
KI-Teilnehmer erhöhen die Liquidität, sie ersetzen sie nicht. Moderne Vorhersagemärkte haben bereits algorithmische Teilnehmer — Desks, die Pricing-Modelle betreiben, Market-Maker mit Spread-Engines und forschungsgetriebene systematische Händler. KI schärft diese Teilnehmer einfach. Das Ergebnis sind engere Spreads und tiefere Orderbücher, was Vorhersagemärkte für menschliche Händler nützlicher macht, nicht weniger.
KI-Prognosen werden am besten gegen Marktpreise validiert. Der Test „Ist diese KI-Prognose gut?" ist, ob sie besser ist als der Vorhersagemarkt-Preis. Wenn ja, kann die KI auf die Lücke handeln und Rendite erzielen; wenn nicht, ist die KI nur teurer Expertenkommentar. Vorhersagemärkte sind der Kalibrierungsmechanismus für KI-Prognosen, nicht ihre Konkurrenz.
KI generiert mehr Entscheidungen, die Prognosen erfordern. Jeder AI-Agent, der Entscheidungen für eine Institution trifft, generiert mehr prognostizierbare Ereignisse: „Wird der Einsatz meiner AI das Budget einhalten?" „Wird dieser Vertrag in einen Rechtsstreit münden?" „Wird der Lieferant pünktlich liefern?" Das waren früher private interne Prognosen; mit der Verbreitung von AI werden sie zu expliziten Entscheidungen, die einen Preis verdienen. Die Nachfrage nach prognostizierbaren Verträgen wächst mit der AI-Adoption.
Das Muster ist dasselbe, das wir bei der Beziehung zwischen Suchmaschinen und Wikipedia oder zwischen LLMs und Stack Overflow gesehen haben. Die neue Technologie erhöht den Wert des von Menschen kuratierten Kalibrierungssubstrats. Vorhersagemärkte sind dieses Substrat für Prognosen.
Kapitaleffizienz im großen Maßstab
Wir haben die Kapitaleffizienz-Geschichte im Beitrag zum strukturellen Vergleich behandelt, aber sie verdient eine Wiederholung, weil sie die Eigenschaft ist, die Vorhersagemärkte als Absicherungsinstrument in institutionellem Maßstab nützlich macht.
Ein binärer Vorhersagekontrakt ist die günstigste mögliche Ausdrucksform einer diskreten Ereignissicht. Der Händler zahlt die implizierte Wahrscheinlichkeit, der maximale Verlust ist begrenzt, der maximale Gewinn ist begrenzt, und die Position wird zu einem bekannten Datum abgewickelt. Es gibt keine Margin Calls, keine Funding Rates, keine Rollover.
Für ein institutionelles Desk, das eine 50-Mio.-USD-Treasury-Position gegen ein Fed-Senkungsszenario absichert, kostet die Absicherung durch binäre VPI- oder Zinsentscheidungs-Kontrakte einen kleinen Bruchteil dessen, was dieselbe Absicherung durch Treasury-options oder Zins-futures kosten würde. Der Trade-off ist, dass die Auszahlung binär statt linear ist — aber für die Absicherung eines diskreten Szenarios ist binär genau die richtige Form.
Die institutionelle Aufnahme von Vorhersagemärkten im Jahr 2025 wurde genau durch diese Erkenntnis getrieben. Fonds, die zuvor ereignisgesteuerte Sichtweisen durch komplizierte Derivatestrukturen ausgedrückt hatten, entdeckten, dass binäre Kontrakte auf dieselben Ereignisse günstiger und sauberer waren und keine Margin-Linien erforderten. Während mehr Fonds diesen Übergang vollziehen, wächst der institutionelle Volumenanteil, was mehr Market-Maker anzieht, was Spreads verengt, was die Kontrakte für eine noch breitere Palette von Strategien nützlich macht. Das ist ein Schwungrad, und es dreht sich bereits.
Programmierbarkeit: die Eigenschaft, die weder Aktien noch futures haben
Die Eigenschaft, die Vorhersagemärkte am schärfsten von Aktien und futures unterscheidet, ist die Programmierbarkeit. Ein Vorhersagekontrakt ist eine programmierbare Einheit. Er kann in andere Verträge eingebettet, als Settlement-Input verwendet, mit anderen Vorhersagekontrakten komponiert und über Betreiberoberflächen hinweg mit gemeinsamer Liquidität gehandelt werden.
Was dies konkret ermöglicht:
- Bedingte Verträge. „Zahle 1 USD, wenn Ereignis A eintritt UND Ereignis B eintritt." Die Komposition zweier Vorhersagekontrakte zu einem gemeinsamen Vertrag sind ein paar Codezeilen. Dieselbe Operation in Aktien oder futures erfordert eine kundenspezifische Derivatestruktur, deren Design und Audit Millionen kostet.
- Ereignisgebundene smart contract-Auszahlungen. Eine DAO kann Treasury-Mittel basierend auf der Auflösung eines Vorhersagekontrakts weiterleiten. Ein Versicherungsprotokoll kann parametrische Versicherung-Ansprüche basierend auf der Auflösung eines Vorhersagemarkts abwickeln. Ein Förderprogramm kann Mittel freigeben, abhängig davon, ob ein Meilenstein-Vertrag mit YES aufgelöst wird. Das sind heute reale Anwendungsfälle, und sie sind in traditioneller Marktinfrastruktur unmöglich.
- Cross-Operator-Komponierbarkeit. Ein Händler kann eine Position auf dem Deploy eines Betreibers halten und sie auf dem Deploy eines anderen Betreibers über die gemeinsame Liquiditätsschicht ausgleichen, wobei die Abwicklung durch das Protokoll fließt. Die Fragmentierung, die traditionellen Handelsplätzen schadet, wird für den Händler unsichtbar.
Programmierbarkeit ist dieselbe Eigenschaft, die stablecoin in DeFi wertvoll machte — sie sind nicht nur digitales Bargeld, sie sind programmierbares Bargeld. Vorhersagemarkt-Kontrakte sind nicht nur probabilistische Ansprüche, sie sind programmierbare probabilistische Ansprüche. Die Anwendungsfälle, die aus der Programmierbarkeit hervorgehen, werden noch entdeckt.
Anwendungsfälle jenseits des Glücksspiels
Das größte Wahrnehmungsproblem der Kategorie ist die Verwechslung mit Glücksspiel. Der mechanische Vergleich ist gezwungen — Glücksspiel ist Nullsummen-Unterhaltung mit negativem Erwartungswert; Vorhersagemärkte sind Positivsummen- Informationsaggregation mit begrenzter Varianz — aber die kulturelle Überlappung ist real. Die Kategorie wird die Glücksspiel-Assoziation abschütteln, sobald die Anwendungsfälle jenseits des Verbraucherhandels sichtbar werden.
Drei nicht-Glücksspiel-Anwendungsfälle sind bereits in großem Maßstab operativ:
Makro-Risikoabsicherung. Fonds, Banken und Unternehmensschatzämter sichern bestimmte Ereignisszenarien durch Vorhersagekontrakte ab. Das Volumen ist institutionell, die Kontrakte sind makroökonomisch, und der Anwendungsfall ist Risikomanagement.
Versicherung und parametrische Ansprüche. Einige Produkte parametrischer Versicherung werden jetzt basierend auf Vorhersagemarkt-Auflösungen zu Wetter, Flugverspätungen oder Naturkatastrophen abgewickelt. Der Marktpreis ist der parametrische Auslöser; die Abwicklung ist automatisiert.
Unternehmens-Entscheidungsmärkte. Innerhalb großer Organisationen werden Vorhersagemärkte verwendet, um Projektabschlussdaten, Einstellungsergebnisse, M&A- Abschlusswahrscheinlichkeiten und Produkteinführungstermine zu prognostizieren. Die Signalqualität eines internen Markts schlägt die Signalqualität interner Expertenschätzungen mit weitem Abstand.
Drei weitere kommen auf:
Staatliche Prognosen. Einige Regierungen und Zentralbanken haben begonnen, mit Vorhersagemarkt-Signalen für policy-Inputs zu experimentieren — insbesondere Inflation, Wachstum und wahlbezogene Prognosen. Die politische Sensibilität ist hoch, aber das Signalqualitätsargument ist stark genug, dass die Experimentierung stattfindet.
Wissenschaftliche Prognosen. Replikationsraten- Vorhersagemärkte, Kontrakte zu Ergebnissen klinischer Studien und Märkte zur Performance wissenschaftlicher Förderungen laufen alle in Pilotprojekten. Das Problem der Informationsaggregation ist dasselbe, das Vorhersagemärkte in Politik und Makro lösten; die Anwendung ist nur früher.
Verteilte Governance. DAOs und dezentralisierte Organisationen nutzen Vorhersagemarkt-Signale als Inputs für Governance- Entscheidungen. „Wie hoch ist die Wahrscheinlichkeit der Community, dass dieser Vorschlag seine 6-Monats-KPIs erfüllt?", in echten Märkten bepreist, ist ein schärferes Signal als Komiteediskussionen.
Die Summe dieser Anwendungsfälle ist viel größer als die Verbraucher-Glücksspielkategorie. Wir erwarten, dass das Nicht-Glücksspiel-Volumen das Verbraucherhandelsvolumen innerhalb von fünf Jahren überholt.
Das Argument der Gebührenkompression
Jede Finanzmarktkategorie durchläuft mit zunehmender Reife eine Gebührenkompression. Aktienprovisionen sanken von 50 USD pro Trade im Jahr 1980 auf null heute. Futures-Clearing ging von Dollar pro Seite auf wenige Cents. Krypto-Börsengebühren sanken in fünf Jahren von 0,5% pro Seite auf 0,05%.
Vorhersagemärkte stehen früh in dieser Kurve. Die Schlagzeilen- Händlergebühren auf den meistfrequentierten Plattformen liegen heute bei rund 1% pro Seite. Wir erwarten eine ähnliche Kompression — die All-in-Kosten für den Handel eines Vorhersagekontrakts sollten sich innerhalb eines Jahrzehnts auf wenige Basispunkte komprimieren, da die Infrastruktur reift, das Market-Making wettbewerbsfähiger wird und Effizienzen auf Protokollebene sich kumulieren.
Gebührenkompression ist gut für die Kategorie insgesamt, schafft aber eine interessante strategische Situation für Betreiber. Die Betreiber, die in einer gebührenkomprimierten Welt gut abschneiden, sind diejenigen, deren Geschäft Zielgruppe und Distribution ist, nicht Infrastruktur. Wenn die All-in-Kosten für Händler über ein Jahrzehnt um das 10-fache komprimiert werden, erfasst die Infrastrukturschicht weniger Marge pro Trade, und der Betreiber, der die Distribution erfasst, erfasst mehr von der Wertschöpfungskette.
Das ist der strukturelle Grund, warum wir Kuest als betreiberorientierte Protokollschicht und nicht als Handelsplatz gebaut haben. Die Zukunft der Kategorie sind Hunderte von Betreibermarken, die unterschiedliche Zielgruppen bedienen, mit gemeinsamer Infrastruktur darunter. Das Muster entspricht genau dem, wie Zahlungen aussahen, als sie zur Massenware wurden: viele Händler, gemeinsame Infrastruktur, verteilte Marge.
Kritiken und Erwiderungen
Es lohnt sich, die stärksten Kritiken ernst zu nehmen, denn sie sind die Rahmen, auf die die Kategorie in den nächsten Jahren antworten muss.
„Es ist nur Glücksspiel mit zusätzlichen Schritten." Der mechanische Vergleich scheitert — Vorhersagemarkt-Kontrakte sind keine Nullsumme gegen das Haus; die Teilnehmer handeln netto gegeneinander, wobei die Plattform eine kleine Gebühr verdient. Aber die kulturelle Rahmung ist real. Die Antwort ist die Verbreitung von Nicht-Glücksspiel-Anwendungsfällen (institutionelle Absicherung, parametrische Versicherung, Unternehmens-Entscheidungsmärkte), die die Glücksspiel- Assoziation zunehmend veraltet erscheinen lassen. Wenn diese Anwendungsfälle skalieren, verschiebt sich die Rahmung.
„Die Liquidität ist zu dünn, um für institutionelle Flüsse nützlich zu sein." Das war 2022 wahr. 2026 ist es nicht mehr wahr. Das kombinierte Volumen auf Polymarket und Kalshi reicht heute aus, um bedeutsame institutionelle Positionen aufzunehmen, und das Modell der gemeinsamen Liquidität auf Protokollebene bei Kuest erweitert diese Tiefe über Betreibermarken hinweg. Die Kritik bleibt für sehr tiefe Tail-Märkte gültig, ist aber für die Kernkategorien, in denen institutionelles Volumen sitzt, nicht mehr gültig.
„Das Auflösungsrisiko ist zu hoch." Das ist teilweise wahr und ist das richtige Risiko, auf das hingewiesen werden sollte. Auflösungsstreitigkeiten sind ein realer Fehlermodus, und das Design optimistischer Oracle-Systeme ist das, was vor ihnen schützt. Wir haben die Mechanik im Beitrag zur Auflösung behandelt. Das Muster, das sich abzeichnet, ist, dass reife Plattformen eine Streitquote der Auflösung deutlich unter 0,5% haben, was akzeptabel ist, damit die Kategorie im großen Maßstab nützlich ist. Neuere oder schlampig gestaltete Plattformen werden in dieser Dimension weiterhin scheitern; das ist ein Selektionsdruck, der Betreiber im Laufe der Zeit filtert.
„Die Regulierung wird sie töten." Die regulatorische Bahn hat sich von einer existenziellen Bedrohung (2018–2020) zu konstruktiver (2024–2026) bewegt. Die No-Action-Haltung der CFTC, die Diskussionspapiere der EU und die Konsultationen des brasilianischen Finanzministeriums weisen alle auf einen kategorialen Pfad in Richtung Anerkennung statt Verbot hin. Rückschläge sind möglich — wir erwarten mindestens einen Verschärfungszyklus 2027 — aber die langfristige Richtung ist klar.
Die langfristige Bahn
Die Bahn einer Finanzmarktkategorie über ein Jahrzehnt vorherzusagen, ist genau die Art Problem, bei der Vorhersagemärkte besser sind als Experten, daher ist dieser Abschnitt ehrlicher, wenn er als Wahrscheinlichkeitsverteilung statt als selbstbewusste Prognose ausgedrückt wird.
Das Basisszenario (wir würden 65% Wahrscheinlichkeit darauf setzen): Vorhersagemärkte werden eine anerkannte Anlageklasse mit weltweit einigen großen regulierten Handelsplätzen, Hunderten von Betreibermarken, die lokale und vertikalspezifische Zielgruppen auf gemeinsamer Infrastruktur bedienen, und einem kombinierten jährlichen Nominalvolumen von 1–5 Billionen USD innerhalb eines Jahrzehnts. Der institutionelle Anteil überschreitet 50%; Nicht-Glücksspiel-Anwendungsfälle überholen das Glücksspiel; Programmierbarkeit wird zu einer primären Eigenschaft, die in DeFi, parametrischer Versicherung und unternehmerischer Entscheidungsfindung genutzt wird.
Das Bärenszenario (15%): Regulatorische Verschärfung in einem oder mehreren wichtigen Rechtsräumen verlangsamt das Wachstum materiell. Das Volumen wächst weiter, aber mit einstelligen jährlichen Raten, die Kategorie bleibt ein Spezialprodukt, und das langfristige Gleichgewicht sind einige Billionen Dollar im jährlichen Nominal statt Dutzende von Billionen. Vorhersagemärkte sind real, aber klein.
Das Bullenszenario (20%): Die Konvergenz mit AI-Agenten, parametrischer Versicherung und DeFi kumuliert schneller als die Schätzungen des Basisszenarios, und Vorhersagemarkt-Kontrakte werden zu einer Standardkomponente jedes Fintech-, Brokerage- und Unternehmens-Risikomanagementprodukts. Das kombinierte jährliche Nominal überschreitet innerhalb eines Jahrzehnts 20 Billionen USD, vergleichbar mit dem heutigen Markt für Zinsswaps.
Die Asymmetrie ist das, was strategisch zählt. Der Abwärtsfall ist eine reale, aber begrenzte Kategorie. Das Basisszenario ist ein 1–5-Billionen-Markt, der umgestaltet, wie Institutionen Ereignisse bepreisen. Das Aufwärtsszenario ist eine grundlegende Finanz- Primitive, vergleichbar mit swaps. Das erwartete Ergebnis liegt irgendwo zwischen Basis- und Bullenszenario, und die Betreiber, die sich auf das Basisszenario positionieren, werden auch dann gut positioniert sein, wenn die Bahn bullisch ausfällt.
Die Anlagethese hinter Kuest ist genau diese erwartete Verteilung. Wir wetten nicht darauf, dass das Bullenszenario sicher ist. Wir wetten darauf, dass das Basisszenario bei weitem am wahrscheinlichsten ist, dass die Betreiber, die das Publikum besitzen und auf gemeinsamer Infrastruktur laufen, den größten Teil des Werts im Basisszenario erfassen werden, und dass das Bullenszenario dieselbe Positionierung in etwas erheblich Größeres verwandelt.
Die Zukunft der Finanzwelt wird gerade jetzt um eine Erweiterung dessen herum strukturiert, was Finanzmärkte bepreisen dürfen. Zweihundert Jahre lang bepreisten Märkte das Eigentum an Unternehmen und die Forwards von Rohstoffen. Im nächsten Jahrhundert werden Märkte die Wahrheit jedes hinreichend gut spezifizierten zukünftigen Ereignisses bepreisen. Diese Erweiterung ist die Zukunft der Finanzwelt, und Vorhersagemärkte sind, wie sie denominiert wird.
Die Betreiber, Allokatoren und Institutionen, die sich jetzt in der Kategorie positionieren, werden diejenigen sein, deren Namen in den Geschichten der Marktstruktur des nächsten Jahrzehnts auftauchen. Die Kosten, früh dabei zu sein, sind niedrig; die Kosten, spät dabei zu sein, werden die Lücke zwischen dem Beobachten der Kategorienbildung und ihrer Gestaltung sein.