X's Attention Economy: Ungleicher als das Vermögen jedes Landes — Gini-Koeffizient 0,94

Wir halten 820.548 öffentliche X-Profile in einem Suchindex, und zusammen beanspruchen sie 47,5 Milliarden Follower — mehr als das Fünffache der Weltbevölkerung, weil die meisten dieser Follower dieselbe relativ kleine Gruppe von Accounts sind, die immer wieder von jedem gezählt werden, der ihnen folgt. Sortiert man diesen Follower-Haufen danach, wer ihn hält, ist das Bild nicht gleichmäßig verteilt. Es ist kaum überhaupt verteilt.

Ein Gini-Koeffizient höher als das Vermögensgefälle jedes Landes

Der Gini-Koeffizient ist der Standardweg, mit dem Ökonomen messen, wie konzentriert etwas ist, von 0 (perfekt gleich) bis 1 (eine Einheit hält alles). Auf Follower über unseren gesamten Korpus angewendet, ergibt sich 0,94.

Zum Vergleich: UBS' Global Wealth Report 2025 beziffert nationale Vermögens-Gini-Koeffizienten — bereits ein weit konzentrierteres Maß als Einkommen — auf 0,82 für Brasilien und Russland, die ungleichsten großen Volkswirtschaften, die er trackt, 0,74 für die USA und 0,38 für die Slowakei, das egalitärste Land in seiner Stichprobe. Die Follower-Verteilung auf X unter den von uns indexierten Accounts ist konzentrierter als jedes dieser nationalen Vermögensgefälle. Aufmerksamkeit auf X ist nicht nur ungleich verteilt wie Geld — sie ist um mehr ungleich verteilt.

Die Spitze der Pyramide

Hier sind die fünfzehn Accounts mit den meisten Followern im Korpus:

@elonmusk allein hält 240,9 Millionen Follower — mehr, als die unteren 293.000 Accounts im gesamten Korpus zusammen halten. Jeder Account auf dieser Liste ist verifiziert, und jeder hat 100 Millionen Follower überschritten oder nähert sich dem an, in einem Korpus, in dem der mittlere Account 1.414 hat.

Zwei ungleiche Datensätze zusammenzuführen ergab einen ungleicheren

Wir haben kürzlich einen neuen Discovery-Kanal, Common Crawl, hinzugefügt, der X-Accounts findet, indem er liest, worauf das offene Web bereits verlinkt, statt von einer Bekanntheitsliste auszugehen. Er fügte 324.525 weitere Accounts hinzu — meist gewöhnliche: viermal seltener mit X's blauem Haken, fast halb so oft mit einer Bio, sechsmal seltener über 100.000 Follower. So viele „normalere" Accounts zum Index hinzuzufügen sollte intuitiv die Ungleichheit des Ganzen verdünnen. Es tat das Gegenteil.

Kuratiertes Tier allein (n=496.023)0,93

Common-Crawl-Tier allein (n=324.525)0,93

Kombinierter Korpus (n=820.548)0,94

Jedes Tier ist weniger ungleich, wenn man es für sich misst, als das zusammengeführte Ganze. Das kuratierte Tier — der ursprüngliche Wikidata/GitHub/Gründer/Journalisten-Seed, seither organisch gewachsen — hat einen Gini von 0,93. Das Common-Crawl-Tier kommt für sich genommen ebenfalls auf 0,93, obwohl es eine völlig andere Population ist (sein eigener größter Account, @NetflixBrasil, erreicht maximal 37,5 Millionen Follower, ein Sechstel von @elonmusks Gesamtzahl). Kombiniert man sie, steigt der Gini auf 0,94.

Das ist kein Rundungsartefakt — es ist ein lehrbuchmäßiger Between-Group-Ungleichheitseffekt. Die beiden Tiers haben wild unterschiedliche durchschnittliche Follower-Zahlen (das kuratierte Tier allein hält 44,2 Mrd. der 47,5 Mrd. Follower des Korpus, auf weniger als zwei Dritteln der Accounts), sodass ihre Zusammenführung eine große Lücke zwischen den Populationen zusätzlich zur Konzentration innerhalb jeder einzelnen hinzufügt. Zwei moderat ungleiche Gruppen, übereinandergestapelt bei sehr unterschiedlichen Größenordnungen, erzeugen eine ungleichere kombinierte Gruppe als jede für sich allein — derselbe Grund, warum globale Vermögensungleichheit die Vermögensungleichheit jedes einzelnen mittelgroßen Landes übersteigt, hier nur in Echtzeit an unserem eigenen Datensatz illustriert.

Wie konzentriert, genau

Die Hälfte des Korpus hat weniger als 1.414 Follower. Um es in die Top 1 % zu schaffen, braucht ein Account gerade mal über 1,4 Millionen — eine Zahl, die enorm klingt, bis man sich erinnert, dass der Top-Account des Korpus selbst 170-mal so viel hat. Die Distanz vom Median zu @elonmusk ist nicht linear, oder auch nur annähernd: Sie ist eine gerade Linie auf einer logarithmischen Skala, die klassische Signatur einer Potenzgesetz-Verteilung — genau das, was man von einem Netzwerk erwarten würde, in dem Folgen kostenlos und Aufmerksamkeit die knappe Ressource ist.

Was das zeigt, und was nicht

Was hält: Die Follower-Verteilung des Korpus ist konzentrierter als die Vermögensverteilung jedes Landes, das der UBS-Report 2025 trackt. Die Konzentration ist an jedem Schnittpunkt extrem — Top 1 %, Top 10 %, untere 50 % — und sie wird von einer echten mathematischen Eigenschaft der Kombination unterschiedlich skalierter Populationen angetrieben, nicht von einem Datenartefakt.

Was das begrenzt:

• Dies ist ein geseedeter, nach Bekanntheit verzerrter Korpus, keine Zufallsstichprobe von X's 600+ Mio. Gesamtnutzerbasis. Er wurde aus unabhängigen Quellen aufgebaut — Menschen, die bekannt genug für einen Wikidata-Eintrag sind, öffentliche GitHub-Entwickler, Startup-Gründer und Journalisten — plus, neuerdings, was auch immer das offene Web verlinkt. Beide Discovery-Methoden überrepräsentieren Accounts, die bereits eine gewisse öffentliche Sichtbarkeit haben. Eine wirklich zufällige Stichprobe jedes X-Accounts, von denen die meisten eine Handvoll Follower haben und nie in einem Suchindex oder den ausgehenden Links einer Webseite auftauchen, würde am unteren Ende wahrscheinlich einen noch extremeren Gini zeigen (mehr Accounts nahe null), aber am oberen Ende einen weniger extremen (proportional weniger Mega-Accounts) — die Nettorichtung ist nicht offensichtlich, ohne eine zu ziehen, was wir nicht getan haben.
• Die Gini-Zahlen hier sind aus gruppierten Daten geschätzt, nicht für jeden Einzeldatensatz berechnet. Unsere öffentliche Dataset-API begrenzt die Paginierung auf 10.000 Datensätze pro Abfrage, liefert aber exakte Gesamtzahlen für jeden Filter, also rekonstruierten wir die vollständige Verteilung aus 33 Follower-Zahl-Buckets (jeder mit exakter Account-Zahl) plus exakten Werten für die Top 2.000 Accounts nach Followern, die die Gesamt-Follower-Summe dominieren. Wir validierten die Methode, indem wir unseren eigenen früheren Befund reproduzierten: Dieselbe Technik, nur auf das kuratierte Tier angewendet, liefert einen Gini von 0,932, was mit den 0,930 übereinstimmt, die wir aus einer vollständigen Zensuserhebung des früheren, kleineren Zustands derselben Population veröffentlicht haben.
• Follower-Zahlen sind eine Einzelschnappschuss-Messung, und der Korpus wächst weiter. Zwischen unseren letzten beiden Studien wuchs der Index innerhalb weniger Tage um Hunderttausende Profile. Die Zahlen hier sind zum Zeitpunkt dieses Crawls korrekt; sie werden bereits etwas veraltet sein, wenn du das liest, obwohl die Form des Befunds über jede erneute Messung, die wir durchgeführt haben, stabil ist.

Nichts davon ändert die Kernaussage: Auf diesem Datensatz, in diesem Moment, ist Aufmerksamkeit auf X über den Punkt hinaus konzentriert, an dem irgendein bekanntes nationales Vermögensgefälle mithalten kann — und das Zusammenführen zweier unterschiedlich geformter Populationen machte diese Konzentration schlimmer, nicht besser.

Quellen

Methodik

Wir haben das X-Users-Dataset live zum Zeitpunkt dieses Crawls abgefragt. Die öffentliche Such-API begrenzt die Paginierung auf 10.000 Datensätze pro Abfrage, liefert aber einen exakten total-Zähler für jede Kombination von min_followers/max_followers-Filtern, unbegrenzt. Wir nutzten das, um ein 33-Bucket-, logarithmisch gestaffeltes Histogramm der vollständigen Follower-Zahl-Verteilung zu erstellen (Bucket-Grenzen verdoppeln sich grob von 0 bis 250 Millionen), wobei wir bei jedem Durchlauf bestätigten, dass die Buckets exakt zur Live-Korpus-Gesamtzahl mit null Abweichung summierten. Anschließend zogen wir die Top 2.000 Accounts nach exakter Follower-Zahl via sort=followers_desc — diese dominieren die Gesamt-Follower-Summe und die Top-Perzentil-Berechnungen, also nutzten wir ihre realen Werte statt einer Bucket-Näherung; jeder Account unterhalb dieser Schwelle wird auf das geometrische Mittel seines Buckets geschätzt, der Standardansatz zur Berechnung von Ungleichheitsmaßen aus gruppierten/gebinnten Daten. Der Gini-Koeffizient ist die diskrete Trapezregel-Schätzung über die resultierende Lorenzkurve.

Wir validierten die Methode, indem wir sie erneut, beschränkt auf source_tier != common-crawl (per Subtraktion, dieselbe Technik, die die Common-Crawl-Studie verwendete), laufen ließen und das Ergebnis — 0,932 — mit unserer früheren Vollzensus-Zahl von 0,930 für dieselbe, damals kleinere Population verglichen. Die Lücke von 0,4 % ist konsistent mit dem organischen Wachstum des kuratierten Tiers zwischen den beiden Messungen, kein Methodenfehler.

Willst du deinen eigenen Schnitt fahren? Das X-Users-Dataset ist direkt abfragbar, der Leitfaden wie man Twitter/X scrapet deckt die Aufrufe ab, und die Preise haben die kostenlose Stufe. Sieh dir auch den Rest dieser Serie an: der produktivste Poster auf X ist eine Maschine, Xs echtes Follow-Limit liegt bei 7.500, ein zufälliger Entwickler hat 5-mal häufiger einen blauen Haken als eine bekannte Person, was X-Bios verraten, wie das Common-Crawl-Tier unseren X-Korpus veränderte, und wo X-Accounts angeben zu wohnen.