Datenökonomie Chancen und Rahmenbedingungen in Berlin - Anett Kuntosch - Berlin Business Location Center
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Datenökonomie Chancen und Rahmenbedingungen in Berlin Anett Kuntosch
Impressum
Technologiestiftung Berlin 2020
Grunewaldstraße 61 – 62 · 10825 Berlin
Telefon +49 30 209 69 99 0
info@technologiestiftung-berlin.de
technologiestiftung-berlin.de
Autorin
Anett Kuntosch
Gestaltung
Studio Strahl, Berlin
Titelbild
tj-rabbit/Shutterstock.com
Dieses Projekt wurde von der Senatsverwaltung für Wirtschaft, Energie und Betriebe
und der Investitionsbank Berlin aus Mitteln des Landes Berlin gefördert.
Textinhalte und Tabellen dieses Werkes können genutzt Die Autorin weiß um die Bedeutung einer geschlechter-
und geteilt werden unter einer Creative Commons – gerechten Sprache und befürwortet grundsätzlich den
Lizenz Namensnennung – Weitergabe unter gleichen Be- Gebrauch von Parallelformulierungen.
dingungen 3.0 Deutschland (Details siehe: http://creative-
commons.org/licenses/by-sa/3.0/de/). Von einer durchgehenden Benennung beider Geschlechter
bzw. der konsequenten Verwendung geschlechterneutraler
Die Rechte an zitierten Abbildungen liegen bei den jeweil- Bezeichnungen wurde im vorliegenden Text dennoch ab-
gen Urhebern, die jeweils genannt sind. gesehen, weil die Lesbarkeit deutlich erschwert würde.Inhalt Vorwort 5 Zusammenfassung 6 Summary 7 1. Einleitung 8 2. Theoretischer Hintergrund 11 2.1 Daten 11 2.2 Datenökonomie 13 2.3 Innovationsverständnis 15 2.4 Innovationsprozess 16 2.5 Digitale Ökosysteme 17 3. Methodische Herangehensweise 18 4. Rahmenbedingungen für die Datenökonomie 19 4.1 Regulierungsansätze 19 4.2 Data Governance 20 4.3 Datenstrategien 21 4.4 Aspekte digitaler Souveränität 23 4.5 Bildung und Forschung 25 5. Datengetriebene Geschäftsmodelle und Ansätze zur Nutzung öffentlicher Daten 28 5.1 Stand der Datenökonomie in Deutschland und Europa 28 5.2 Datengetriebene Geschäftsmodelle 30 IM FOKUS: Datengetriebene Geschäftsmodelle im Bereich digital Health 32 5.3 Wert von Daten 34 5.4 Weitere Strukturen zur Förderung von Innovationen in der Datenökonomie 35 5.5 Plattformen 35 5.6 Möglichkeiten zur Nutzung offener Daten und Open Government Data 39 6. Data Sharing und Datenpools 42 EXKURS: GAIA-X als europäische Initiative für den vertrauensvollen Austausch von Daten zwischen Unternehmen 43 7. SWOT Auswertung 44 8. Empfehlungen 47 9. Anhang 51
4
Vorwort
Datengetriebene Geschäftsmodelle
werden immer wichtiger
Die weltweit produzierten Datenmengen explodieren. wo die technischen und rechtlichen Grenzen liegen.
Expert*innen schätzen, dass bis 2025 175 Zettabyte Fachkräfte, die mit diesen Fragen vertraut sind, sind
erreicht sein werden. Der Mobilitätssektor zeigt zur- nur schwer zu bekommen.
zeit, wie die intelligente Vernetzung und Auswertung
von Daten ganze Branchen disruptiert und völlig neue Angesichts der Chancen, innovative Wege zu gehen und
Geschäftsmodelle hervorbringt. effizienter zu wirtschaften, lohnt es sich unbedingt, die
Schwierigkeiten zu überwinden und Datenstrategien zu
Trotz solcher beeindruckenden Beispiele gehen die Un- entwickeln. Was muss getan werden, damit die Unterneh-
ternehmen in Deutschland die neuen Möglichkeiten nur men sich das notwendige Know-how erarbeiten können
zögernd an. Noch immer werden in den Unternehmen und neue datengetriebene Geschäftsmodelle entwickeln?
Daten gesammelt und weggeschlossen, ohne auf ihren
Wert geprüft zu sein. EU-Kommission und Bundesre- Die vorliegende Studie zeigt den Stand der datengetrie-
gierung haben begonnen, die Rahmenbedingungen für benen Ökonomie in Berlin und Deutschland einschließ-
datengetriebene Geschäftsmodelle zu verbessern. Sie lich einer SWOT-Analyse und zeigt konkrete Handlungs-
fördern sowohl Datenaustausch-Plattformen als auch optionen für Wirtschaft, Politik und Verwaltung auf.
Werkzeuge zur Datenanalyse, z.B. mit Gaia-X oder der
KI-Strategie.
Doch viele zögern. Die Gründe dafür sind vielfältig. Die
Analyse der eigenen Datenbestände ist mit einigem
Aufwand verbunden. Die Entwicklung von Geschäfts-
modellen erfordert zudem Wissen darüber, was mit
modernen Analysemethoden machbar ist, welche in- Nicolas Zimmer
teressanten Datenquellen extern verfügbar sind und Vorstandsvorsitzender Technologiestiftung Berlin
5Zusammenfassung
In den globalen Unternehmens TOP 10 finden sich werden kann und welche Kompetenzen dafür aufbaut
aktuell vor allem solche, deren Geschäftsmodelle auf werden müssen. Auf europäischer Ebene werden daher
der Nutzung von Daten basieren. Gleichzeitig wird das Prinzipien und Rahmenbedingungen ausgearbeitet, wie
Innovationspotential, das in der Kombination und dem der Umgang mit Daten geregelt werden muss, um ein
Teilen von Daten steckt, aufgrund von Unsicherheit und Gegengewicht zum Powerplay der großen Tech-Un-
Nicht-Wissen – vor allem in den traditionellen Indus- ternehmen zu schaffen und gleichzeitig europäische
triebranchen, in KMU und Verwaltungen – lange nicht Daten vor Zugriff zu schützen. Zu den wesentlichen
ausgeschöpft. Es wird vermutet, dass 80 % der erho- Prinzipien beim Aufbau einer europäischen Strategie
benen Daten nur ‚abgelegt‘ werden, ohne diese jemals gehören: freier Datenverkehr, verbesserter Datenzu-
weiter zu nutzen. Eine Herausforderung ist es daher, gang und Haftung, Interoperabilität und Normen, sowie
Unternehmen und Organisationen dazu zu befähigen, die Erprobung innovativer Methoden3. Diese Prinzipien
die Daten, die von ihnen erhobenen und gesammelt wirken in die Mitgliedsstaaten hinein und sollen vor
werden, so zu managen und zu nutzen, dass sie einen Ort in Gemeinden, Städten und Unternehmen umge-
Mehrwert schaffen können. Dabei gilt es, zwischen setzt werden.
funktioneller Nutzung von Daten für inkrementelle Ver-
besserungen in Prozessen in den klassischen Industrien Welche Herausforderungen damit für den Berliner Mit-
und den Ansätzen disruptiver Tech-Unternehmen – für telstand, für sich neu gründende Unternehmen oder
die Daten das eigentliche Geschäftsmodell darstel- für die Verwaltung verbunden sind, wird hier in An-
len – zu unterscheiden. Obwohl viele Versprechungen sätzen beleuchtet. Eine SWOT Betrachtung zeigt auf,
mit der Datenökonomie verbunden sind, wird nicht wie Deutschland national und international positioniert
jedes Unternehmen von den Entwicklungen in diesem ist und bildet den Ausgangspunkt für die Formulierung
Bereich profitieren. von fünf Handlungsfeldern zur besseren Teilhabe Ber-
lins an der Datenökonomie. Die Notwendigkeit, sich
Da die Datenökonomie ein sektorübergreifendes Phä- mit dem Thema dauerhaft und vertieft auseinander-
nomen ist, werden die volkswirtschaftlichen Effekte zusetzen, ergibt sich also sowohl aus dem steigenden
bisher lediglich geschätzt. Diese belaufen sich bezogen Volumen verfügbarer Daten, vorangetrieben durch die
auf die EU und das Jahr 2018 auf ca. 3 % der Brutto- Digitalisierung, wie auch aus der Notwendigkeit, unter
wertschöpfung (BWS)1. Vergleichbare Größenordnungen Anwendung europäischen Datenschutz- und Wettbe-
werden auch für Deutschland angenommen2, allerdings werbsrechts erfolgreiche, innovative und technologie-
wird das Potential durch den enormen Anstieg an ver- getriebene Geschäftsmodelle zu entwickeln.
fügbaren Daten immer größer.
Begünstigt durch das Wachstum großer datenbasierter
Plattformen aus den USA und Asien sowie die Auswei-
tung ihrer Aktivitäten auf immer mehr Geschäftsfelder,
verstärken sich Informationsasymmetrien. Das hat in
Europa die Frage aufgeworfen, wie die Wettbewerbs-
fähigkeit hiesiger Unternehmen weiter gewährleistet
1 European Union 2020
2 Digital Reality 2018
3 BMWI 2018a
6Summary
Currently, the majority of companies on the global TOP fields of business. In Europe, this has given rise to the
10 list are those whose business model is based on issue of how the competitive ability of local companies
using data. At the same time, the innovation potential can continue to be ensured and which competencies
that lies in the combination and sharing of data is must be developed to do so. In response, principles
nowhere near to being fully tapped – above all in the and framework conditions as to how the handling of
traditional industrial sectors, small and medium-sized data must be regulated are being worked out on the
enterprises, or administrations. This is due to uncer- European level. The aims are to create a counterweight
tainty and lack of knowledge: it is estimated that 80 to the power play of the large tech companies and at
per cent of acquired data are only ‘filed’ without ever the same time, protect European data against unautho-
being used. For that reason, the challenge is to enable rised access. The key principles upon which a European
companies and organisations to manage and use the strategy is based include free data traffic, improved
data they acquire and collect in order to create added data access and liability, interoperability and standards,
value. In this context, it is necessary to differentiate and experimentation with innovative methods.6 These
between the functional use of data for incremental principles will have an impact on the Member States
process improvements in the classical industries and and are intended for implementation on a local level
the approaches of disruptive technology companies, for in municipalities, cities, and companies.
whom data are actually the business model. Although
the data economy is said to hold great promise, not all The challenges this will present to Berlin’s medium-si-
companies will benefit from its developments. zed companies, start-ups, and administrations are given
consideration in the present study. A SWOT analysis
As the data economy is a cross-sectoral phenomenon, indicates how Germany is positioned nationally and
thus far its economic effects can only be estimated. internationally and is the point of departure for the
Based on the EU and the year 2018, they are equal to formulation of five fields of action to boost Berlin’s
approx. 3 per cent of gross value added (GVA).4 Com- participation in the data economy. The topic must be
parable magnitudes are also assumed for Germany5, examined in depth and on an ongoing basis. This is
although the data economy’s potential is growing hand obvious given both the increasing volume of availa-
in hand with the enormous increase in available data. ble data resulting from the drive to digitalise and the
Information asymmetries are becoming more pro- necessity of developing successful, innovative, and
nounced in the favourable environment created by technology-driven business models under compliance
the growth of large data-based platforms from the with the European regulations on data privacy and
U.S.A. and Asia, which are expanding into ever more competition.
4 European Union 2020
5 Digital Reality 2018
6 Federal Ministry of Economics and Technology (BMWi) 2018
71. Einleitung
Technologische Entwicklung und die damit verbunde- erbracht, andererseits Lösungsansätze für komplexe
ne verstärkte Nutzung von Sensoren sowie anderer und drängende Probleme in strategischen Bereichen
mobiler oder stationärer daten-generierender Geräte, wie Gesundheit oder Mobilität erarbeitet werden.
verändern unser gesellschaftliches und wirtschaftliches
Leben grundlegend und dauerhaft. Die Bedeutung der Die Abbildung 1 zeigt, dass sich die Bedeutung ein-
dabei entstehenden Daten hat sich in den letzten Deka- zelner Branchen in den Top 10 der erfolgreichsten
den stark gewandelt: vom ‚Nebenprodukt‘7 sind Daten Unternehmen in den letzten zehn Jahren gewandelt
zum eigentlichen Produkt und somit zur Grundlage hat. Besonders datenbasierte Technologieunternehmen
vielfältiger Geschäftsmodelle in allen wirtschaftlichen haben seit 2010 stark aufgeholt und waren 2018 zu
Bereichen – von der Landwirtschaft bis zur Finanzwirt- 67 % vertreten8.
schaft – geworden. Durch Neukombination von Daten
und Anwendung von Analysemethoden wie KI, kön-
nen einerseits zusätzliche Services und Leistungen
Zu welchen Branchen gehörten die 10 größten Unternehmen weltweit 2007 und 2018 ? (Angaben in %)
21
10 9 2018
2007
12
67
81
Finanzen Energie, Konsum, Industrie Technologie
Abbildung 1: Quelle: eigene Darstellung nach Lünendonk 2019
7 Otto et al. 2019
8 Die Grafik berücksichtigt die Marktkapitalisierung der Unternehmen (ausgegebene Aktien * Wert der Aktien)
8Aktuelle Zahlen bestätigen diesen Trend: derzeit ge- deutschen Wirtschaft (IW) zeigt auf, dass in 72 % der
hören digitale Champions aus den USA und Asien wie deutschen Unternehmen Daten (bisher) noch keine
Microsoft 1,4 Bio. $, Apple 1,3 Bio. $, Amazon 1,2 Bio. Rolle für die Entwicklung von Produkten oder Services
$, Alphabet 920 Mrd. $, Facebook 584 Mrd. $, Alibaba spielen12. So werden Medien zufolge weniger als 1 %
545 Mrd. $ und Tencent mit 510 Mrd. $ Marktkapitali- der Daten, die in der deutschen Produktion anfallen,
sierung zu den erfolgreichsten Unternehmen weltweit9. effizient genutzt13. Auch wenn Unternehmen also das
Ein europäisches Unternehmen ist nicht dabei. Durch Potential, das in der Nutzung von Daten steckt, erken-
das enorme Wachstum und Eindringen von Plattfor- nen - oder es zumindest erahnen -, scheint es noch eine
men in immer mehr Wirtschaftsbereiche, verstärken Reihe von strukturellen, technischen oder kulturellen
sich Informationsasymmetrien zunehmend zugunsten Herausforderungen zu geben, dieses auch umzusetzen.
dieser plattformbasierten Geschäftsmodelle. Diese Ent- Eine Studie zeigt in diesem Zusammenhang, dass bisher
wicklung hat in Europa die Frage aufgeworfen, wie die 80 % der Daten massenhaft unstrukturiert gesammelt
Wettbewerbsfähigkeit hiesiger Unternehmen weiter und ohne weitere Nutzung ‚abgelegt‘ werden14. Von
gewährleistet werden kann – und welche Kompetenzen wirklichem Wert sind aber hauptsächlich strukturierte
dafür aufgebaut werden müssen. Auf europäischer Ebe- Daten15, die in ausreichender Granularität und mög-
ne werden daher Prinzipien und Rahmenbedingungen lichst in Echt-Zeit vorliegen – eine Herausforderung für
ausgearbeitet, um den Umgang mit Daten und Daten- viele Unternehmen. Die Ergebnisse der empirischen
transfer zu regeln, ein Gegengewicht zum Powerplay Untersuchung zu dieser Studie zeigen unter anderem,
der Tech-Unternehmen zu schaffen und gleichzeitig dass das notwendige Know-How in den Bereichen Da-
europäische Daten vor Zugriff zu schützen. Zusätz- ten-, Qualitäts-, oder dem digitalen Wissensmanage-
lich werden auch Fragen nach der Entwicklung der ment in vielen Unternehmen aus unterschiedlichen
dafür notwendigen Technologien – und wie man diese Gründen noch nicht ausreichend vorhanden ist, um
in Europa vorhalten kann – gestellt. Chancen wahrzunehmen: den Unternehmen fehlt eine
Strategie für den Umgang mit ihren Daten.
Während in- und ausländische kapital- oder techno-
logiegetriebene Startups Daten seit einiger Zeit als Für Deutschland und Berlin wird großes Potential vor
Grundlage ihrer Geschäftsmodelle erkannt haben, ha- allem darin gesehen, KMU zur besseren Nutzung ih-
ben KMU in traditionellen Branchen häufiger Schwierig- rer Daten zu befähigen, denn in KMU findet mehr als
keiten mit dem Einstieg in die Datenökonomie. Dem- 50 % der Bruttowertschöpfung statt. Im internationalen
nach gelten 84 % der deutschen Unternehmen derzeit Vergleich stellen vor allem die plattformbasierten Ge-
noch als ‚digitale Einsteiger‘, während lediglich 2 % der schäftsmodelle der Tech-Konzerne aus den USA und
Unternehmen ‚digitale Pioniere‘ sind10. Die Unterschie- Asien eine Herausforderung für die Europäische Wirt-
de in der digitalen Reife11 von Unternehmen sind also schaft dar: die Technologieriesen aus den USA haben
immer noch erheblich. Eine Studie des Instituts der beispielsweise im 3. Quartal 2020 ihre Gewinne im
9 Datengrundlage: Stichtag 6. Sept. 2020, Quelle: Google.
10 Spiekermann 2019
11 ebd.: 7
12 Fritsch und Krotova 2020
13 https://www.industry-of-things.de/big-data-in-der-produktion-grosse-daten-grosses-potential-a-776716/
14 Fritsch und Krotova 2020
15 Strukturierte Daten haben eine normalisierte Form und lassen sich in zeilen- und spaltenorientierten Datenbanken ablegen.
9Verglich zum Vorjahresquartal stark erhöhen kön- Zielsetzung der Studie
nen. Allein Amazon verdreifachte seinen Gewinn auf
6,3 Mrd. Euro16. In der Krise profitieren also vor allem Aufgrund der fortschreitenden Digitalisierung betref-
Unternehmen wie Facebook oder Instagram, denn nun fen Daten – und wie wir mit ihnen umgehen - alle Be-
verlagern auch KMU ihre Marketingaktivitäten zu- reiche des öffentlichen und wirtschaftlichen Lebens.
nehmend ins Netz. Die Vielfalt der angesprochenen Aspekte in diesem
Report zeigt die Komplexität des Themas und ver-
Dennoch: Berlin ist im nationalen Vergleich die Num- deutlicht, welche Herausforderungen für Unternehmen
mer 1 bei getätigten Investitionen in datenbasierte und öffentliche Akteure bestehen, sich dem Thema zu
Startups (gefolgt von Bayern und Hamburg). Im euro- nähern. Die Studie kann daher anhand einiger ausge-
päischen Vergleich kann nur London mit noch mehr wählter Aspekte nur einen ersten Überblick darüber
Investitionen in Startups, welche dem Bereich der Da- geben, welche Herausforderungen bestehen, aber auch,
tenökonomie zugeordnet werden können, aufwarten. welche Möglichkeiten sich für Berlin und Deutschland
Datenbasierte Startups konnten in einer Studie vor bieten und wo bereits erfolgreich innovative, daten-
allem den Bereichen Fintech, Software-as-a-Service getriebene Geschäftsmodelle umgesetzt wurden. Einige
(SaaS) und Bildung zugeordnet werden17. Beispiele veranschaulichen aber auch, wo noch Innova-
tionshemmnisse bestehen und wie diese angegangen
werden können.
Um den Stand des Wissens so darzustellen, wur-
den Interviews mit Experten aus unterschiedlichen
Bereichen wie Datengovernance, Datenstrategien,
allg. Datenökonomie, Berliner Unternehmen oder
Forschungseinrichtungen durchgeführt. Zusätzlich
wurden die Ergebnisse im Lichte ausgewählter wis-
senschaftlicher Publikationen und Daten reflektiert.
Es werden überblicksartig Stärken und Schwächen
Berlins und Deutschlands, aber auch Chancen und
Risiken im Vergleich zu anderen Regionen dargestellt,
die im letzten Kapitel der Studie durch das Aufzeigen
von fünf Handlungsfeldern ergänzt werden.
16
https://www.spiegel.de/wirtschaft/unternehmen/amazon-verdreifacht-gewinn-google-und-facebook-mit-plus-a-24605e3a-101f-4af0-905c-
9539409e7334, Zugriff 15.12. 2020
17 Hilbig et al. 2018: 8
102. Theoretischer Hintergrund
2.1 Daten
Ein Treiber für die Datenökonomie ist selbstverständ- Der Begriff ‚Daten‘ ist ohne einheitliche Definition20,
lich der Anstieg des globalen Datenvolumens aufgrund denn diese können unterschiedliche Ursprünge oder
der fortschreitenden Digitalisierung und der verstärk- Formen haben: beispielsweise lassen sie sich nach Er-
ten Nutzung von Sensoren und damit verbundenen hebungsprozess (Umfrage, Sensor usw.), nach Bereich
Anwendungen wie dem Internet der Dinge (IoT), sowie oder Branche (Finanzsektor, Gesundheitsbranche) oder
der Möglichkeiten zu Cloud-Computing, KI und Big- nach Datenart (bspw. Geodaten) unterscheiden21 und
Data. Es wird geschätzt, dass das Datenaufkommen werden durch Kontext zu Information.
bis 2025 auf 175 Zettabytes18/Jahr ansteigen wird19.
Ein weiteres, sehr wichtiges Unterscheidungsmerkmal
bezieht sich auf die Einordnung von Daten in perso-
nenbezogene22 oder nicht-personenbezogene Daten.
Schätzungen des weltweiten Datenvolumens 2018 und 2025
Damit verbundenen sind die Anforderungen an den
Angaben in Zettabyte Datenschutz. Für personenbezogene Daten schreibt
200 die Datenschutzgrundverordnung (DSGVO) beispiels-
175 weise vor, welche Maßnahmen Unternehmen bei der
Erhebung und Verarbeitung solcher Daten beachten
Datenvolumen in Zettabyte
150 müssen: dazu zählen u.a. Anforderungen an Transpa-
renz, Dokumentation, Verarbeitungsverfahren oder
Nutzerzustimmung auf Internetseiten. Dies kennt jeder
100
Anwender vom Surfen im Internet: zunächst müssen
die Cookie-Einstellungen festgelegt werden. Damit ent-
50 scheidet sich, welche Daten man freigeben möchte
33
und wie diese dann weiter kommerziell ausgewertet
werden können. Abb. 3 zeigt einen Ausschnitt des Bay-
0
erischen Rundfunks nach meinem Seitenaufruf.
2018 2025
Abbildung 2: Quelle:IDC@Statista 2020
18 Ein Zettabyte (ZB) sind1 Billion Gigabyte (GB), zetta = 1021
19 Europäische Kommission 2020
20 Otto et al. 2019
21 Ethikrat 2019
22 Personenbezogene Daten sind: alle Informationen (bspw. Online Identifizierungsmerkmale, wie IP-Adressen), die sich auf eine identifizierte
oder identifizierbare natürliche Person (betroffene Person) beziehen. (Definition laut DSGVO)
11Daten werden inzwischen auch häufig als Produktions- Daten kann durch Anwendung des Vokabulars, welches
faktor beschrieben, allerdings unterscheiden sie sich in durch Yandex, Google, Bing und Microsoft im Projekt
wichtigen Aspekten von anderen Produktionsfaktoren, Schema.org23 bereitgestellt wurde und dort weiterbe-
weil sie arbeitet werden kann, erreicht werden. Die meisten Daten
werden jedoch gesammelt und liegen dann unstrukturiert
– nicht-rivale Güter sind (durch die Nutzung dieser vor. Das bedeutet, dass sie eine nicht-normalisierte und
Güter durch eine Person entsteht keiner anderen nicht identifizierbare Struktur haben und nur das Daten-
ein Nachteil) format erkannt wird (bspw. Textdatei oder Videodatei).
– sich nicht abnutzen, unendlich geteilt, genutzt und Diese Daten können nicht ohne weiteres in Datenbanken
neu kombiniert werden können und abgelegt werden. Die Funktionen von Big-Data und KI
können allerdings dabei helfen, Informationen aus diesen
– in ihrer Menge ständig ansteigen (vgl. Abbildung 2).
Daten zu gewinnen und deren weitere Verarbeitung und
Speicherung ermöglichen. Natürlich hängt der Wert der
Daten ohne Kontext und Struktur sind zunächst nicht Daten auch von deren Kontext (Finanzdaten, Wetterdaten
wertvoll, ob sie potentiell verwertbar sind, ist dabei usw.), sowie dem beabsichtigten Nutzungszweck ab.
an einige Voraussetzungen geknüpft: erstens müssen
sie in maschinenlesbarer Form vorliegen. Zweitens Zusammengenommen bedeutet dies, dass Daten in kos-
sind Echtzeit-Daten für viele Anwendungen unab- tenintensiven Prozessen regelmäßig erhoben, bereinigt
dingbar (bspw. im Bereich Mobilität). Sind Daten zu- oder gespeichert, also aufbereitet, werden müssen,
dem strukturiert, können Suchmaschinen effizienter bevor sie in späteren Wertschöpfungsstufen der Data-
mit ihnen arbeiten, sie besser auslesen und zuordnen Value-Chain auf ein bestimmtes Ziel hin analysiert
(bspw. können Art, Alter, Kontext erkannt werden). werden – und so einen Mehrwert schaffen können.
Ein einheitlicher Standard bei der Strukturierung von
Screenshot: Cookie Einstellungen des Bayerischen Rundfunks bei Seitenaufruf
Abbildung 3: Quelle Bayerischer Rundfunk
23 https://schema.org/
122.2 Datenökonomie
Daten: vom Nebenprodukt zum Kerngeschäft
VOR 1996: AB 2000: JETZT:
Begriffsbeschreibung Daten als Geschäftsmodell Daten als Geschäftsmodell,
•D
aten werden als Nebenprodukt •B
eginnende Entwicklung von Daten Cloud Computing und KI
verstanden als Geschäftsmodell • Daten sind das Geschäftsmodell
•E
rste Beschreibungen •N
utzung von mobile Devices •N
eukombinationen und Analyse von Daten
der Rolle von Daten in Prozessen ab 2000 als Enabler ergeben immer neue Anwendungsfelder
•T
echnologische Innovation ermöglicht •A
nwendung von KI und anderen Methoden
die Speicherung und Verarbeitung ermöglicht Lösungsansätze für komplexe
immer größerer Datenmengen Probleme
• Datenökonomie ist sektorübergreifend
Abbildung 4: eigene Darstellung
Die Funktion und Bedeutung von Daten hat sich in den Daher handelt es sich bei der Datenökonomie per Defi-
letzten Jahrzehnten stark verändert. Vom ‚Nebenpro- nition um ein Querschnittsthema; denn wirtschaftliche
dukt‘ sind sie für einige Unternehmen zum Kern ihrer Aktivitäten im Zusammenhang mit Daten lassen sich
wirtschaftlichen Aktivitäten geworden, während andere selten auf einzelne Sektoren wirtschaftlichen Handelns
Unternehmen Daten bisher nur nutzen, um bspw. Pro- beschränken. Dies führt dazu, dass die ökonomische
zesse inkrementell zu verbessern und so beispielweise Bedeutung der Datenökonomie bisher nur geschätzt
Kosten in der Wertschöpfungskette zu senken. werden kann, da durch die Nichtzuordenbarkeit der
Datenökonomie zu einzelnen Wirtschaftszweigen diese
Der Begriff ‚Datenökonomie‘ hat in der Literatur keine wirtschaftlichen Aktivitäten statistisch nicht erfasst
feste Definition, hier sollen darunter alle Aktivitäten werden. Als konzeptioneller Rahmen wird auch in der
von der Generierung bis zur Auswertung und (wirt- Datenökonomie eine Wertschöpfungskette zugrunde
schaftlichen) Nutzung von personenbezogenen und gelegt. Die sogenannte Data-Value-Chain besteht aus
nicht-personenbezogenen Daten24 verstanden werden. den Schritten: Generierung, Verarbeitung, Analyse und
Innovationen die ermöglicht werden, weil neue Zu- Nutzung und Distribution von Daten25.
sammenhänge durch Kombination und Anwendung
von Analysemethoden (bspw. KI) auf Daten erkannt
werden, gilt dabei besondere Aufmerksamkeit.
24 Spiekermann 2019
25 Bründl et al. 2015
13Die Data - Value - Chain
GENERIERUNG VERARBEITUNG ANALYSE NUTZUNG DISTRIBUTION
Abbildung 5: eigene Darstellung
Innerhalb dieser Wertschöpfungskette sind die Akteure Diese Einschätzung wurde von den interviewten Ex-
aber nicht immer sauber spezifischen Funktionen zu- perten geteilt. Ein Hinweis in diesem Zusammenhang
zuordnen (bspw. bei Plattformen) und nicht auf jeder war, dass große Unternehmen oder Startups, die bereits
Stufe der Kette wird immer tatsächlich Wert geschöpft. datengetriebene Geschäftsmodelle implementiert ha-
Die Data-Value-Chain kann aber als grundlegender ben, eine Vorreiterrolle einnehmen müssen, während
analytischer Rahmen genutzt werden, um Aktivitäten Einsteiger sich zunächst mit den grundlegenden Rah-
zuzuordnen und zu strukturieren und aufzuzeigen, wie menbedingungen beschäftigen. Oftmals sei ein ers-
im Idealfall ein digitales Geschäftsmodell entwickelt ter Schritt die Einführung eines Datenmanagements.
werden kann. ‚digital fortgeschritten‘ sind etwa 14 % der Unterneh-
men. Diese haben sich bereits intern mit digitalen
Um einzuschätzen, a) welche Grundlagen Unternehmen Prozessen auseinandergesetzt. Letztlich trifft die Be-
bereits für eine Teilhabe an der Datenökonomie mit- schreibung ‚digitale Pioniere‘ auf ca. 2 % der Unter-
bringen, b) wie sie mit internen Daten umgehen, und ob nehmen zu27.
sie c) Daten bereits in Produkten oder Services nutzen,
werden sie nach unterschiedlichen digitalen Reife-
graden in: digitale Einsteiger, digital Fortgeschrittene
und digitale Pioniere unterschieden26. In einer Unter-
suchung zeigte sich, dass die digitale Reife deutscher
Unternehmen je nach Größe und Branche noch sehr
unterschiedlich ist. Gerade bei dem für Deutschland
bedeutsamen Segment der KMU wird festgestellt, dass
diese noch zu großen Teilen der Gruppe der ‚digita-
len Einsteiger‘ zugeordnet werden müssen. Zu dieser
Gruppe gehören immerhin noch 84 % der Unternehmen.
26 Spiekermann 2019
27 Ebd. Spiekermann 2019
142.3 Innovationsverständnis
Bei Innovationen handelt es sich in den meisten Fäl- Das deutet darauf hin, dass Finanzierungsmodelle und
len um schrittweise (inkrementelle) Verbesserungen Wagniskapitalgeber für Startups gegebenenfalls lange
in Prozessen, Services oder Produkten. Man spricht Phasen der Anbahnung und Vertrauensbildung über-
zudem nur dann von ‚Innovation‘, wenn ein Produkt stehen müssen, bevor sie mit einem Return on Invest
bzw. Service in Nutzung kommt und nicht im Stadium rechnen können. Hier wurde von den interviewten Ex-
der Idee verbleibt (Invention). Im Zusammenhang mit perten eine Schwäche im deutschen Innovationssystem
der Datenökonomie wird auch oft von Disruption28 beschrieben: es sei zum einen nicht genug Wagniskapi-
gesprochen. Disruption beinhaltet die grundlegende tal vorhanden und zum anderen würde zu schnell ein
Veränderung, Verdrängung, Ablösung von Produkten Return on Invest erwartet. Diese Erwartungshaltung
(bspw. vom Telefon zum Smartphone; von der analogen würde kapitalgetriebene, schnell skalierende Modelle
zur digitalen Fotographie). Dies kann innerhalb einer gegenüber langwierigen, technologiegetriebenen ten-
Branche, aber auch innerhalb eines Unternehmens ge- denziell eher begünstigen. In diesem Zusammenhang
schehen. Dabei können Unternehmen erfolgreich sein wurde betont, dass die Entwicklung und Umsetzung
wie Apple, als es mit der Kombination aus iPod und iTu- datengetriebener Geschäftsmodelle eher ein langfris-
nes sich selbst und den gesamten Unterhaltungsmarkt tiger Prozess, als ein kurzfristiges Investment sei.
revolutionierte. Andere Unternehmen wie Kodak oder
Nokia, die die Veränderungen des Marktes zur digitalen Die Notwendigkeit, in innovative Ideen zu investieren,
Photographie (Kodak) oder zum Smartphone (Nokia) verstärkt sich unterdessen; denn mit zunehmender
zwar kommen sahen, aber lange ihre eigentlichen, sehr Macht- und Informationskonzentration bei den Power-
erfolgreichen Geschäftsmodelle nicht kannibalisieren Playern aus USA und Asien, verändert sich auch der
wollten, sind dem innovator`s dilemma29 erlegen. Möglichkeitsrahmen für hiesige Unternehmen, ihre
innovativen Ideen in bestimmten Bereichen weiter-
Die Ergebnisse der Studie zeigen – nicht überraschend hin erfolgreich umzusetzen. Hierzu gibt es mehrere
– dass, im Falle traditioneller mittelstandsgeprägter parallel verlaufende Diskurse30; prinzipiell wird aber
Volkswirtschaften, wie Deutschland und Berlin, der davon ausgegangen, dass die starke Konzentration
Widerstand bei den etablierten Akteuren groß ist, von Information bei großen Plattformen Innovations-
eigene Geschäftsmodelle disruptiv zu verändern und aktivitäten bei Wettbewerbern unterdrücken kann.
dabei oft jahrelang erfolgreiche Innovationspfade zu Dies gilt im Übrigen auch für die Innovationskraft der
verlassen. Wirklich disruptive Innovationen kommen Plattformen selbst, die mit zunehmender Macht träge
daher sehr selten vor und werden von eher jungen werden könn(t)en. Dennoch gibt es für Deutschland
Unternehmen eingeführt. Des Weiteren zeigen Bei- und Europa wichtige Anknüpfungspunkte und gute
spiele von plattformbasierten Geschäftsmodellen, wie Chancen (siehe SWOT), an der Datenökonomie teilzu-
Amazon oder Google, dass diese in der Regel nicht nehmen und dabei europäische, deutsche und Berliner
nachfrage- sondern angebotsgetrieben waren und sich Kompetenzen einzubringen und auszubauen.
erst nach vielen Jahren als erfolgreich erwiesen haben.
28 Clayton M. Christensen 1995
29 Ebd.
30 Ramge und Mayer-Schönberger 2020
152.4 Innovationsprozess
Die Ergebnisse der Interviews weisen darauf hin, dass Dieses agile Vorgehen funktioniert allerdings nicht in
Innovationsprozesse (IP) sich im Zuge der Digitalisie- allen Branchen: bspw. sind bei Innovationen in Digital
rung stark verändern. Während die Abfolge der Phasen Health teilweise langwierige Zertifizierungsprozesse
im IP annährend gleich bleibt, wird der Produktlebens- notwendig, die es Unternehmen nicht erlauben, den
zyklus nicht nur verkürzt, sondern teilweise gar nicht Zwang zur Schnelllebigkeit mitzugehen.
mehr zu Ende geführt.
Aufgrund der vorab beschriebenen Eigenschaften von
Dabei fällt auf, dass einerseits sehr viele Iterations- Daten – und insbesondere der Besonderheit, dass sich
schleifen innerhalb einzelner Innovationsphasen not- der Mehrwert vor allem durch das Teilen, Kombinieren
wendig sind, um neue Trends und Änderungen in einem und Auswerten der Daten ergibt, muss sich auch die
dynamischen Umfeld aufzunehmen und zu integrieren; Art und die Intensität der Zusammenarbeit zwischen
andererseits werden die Produkte teilweise schon nach den Akteuren im Innovationssystem ändern. Zwei er-
der Phase der Prototypenerstellung in den Markt ge- wähnenswerte Ansätze in diesem Zusammenhang sind
geben. Dort werden sie, falls notwendig, in Co-Inno- Open-Innovation und Co-Innovation. Gerade auch große
vation und Co-Creation Prozessen basierend auf Kun- Unternehmen öffnen sich zunehmend den Ideen von
denfeedback oder mit Entwicklern weiterentwickelt. Startups, reduzieren aber unter Umständen ihre eige-
Gerade für Startups ist dieses dynamische Vorgehen nen F&E-Aktivitäten in bestimmten Bereichen dement-
von großer Wichtigkeit, da sie darauf angewiesen sind, sprechend. Diesen Trend kann man in unterschiedlichen
ressourcenschonend zu arbeiten, aber auch von sich Sektoren beobachten: bspw. in Bildung und Medien
aus gerne mit den Kunden in den Austausch gehen. oder auch im Gesundheitssektor.
Phasen im typischen Innovationsprozess
Ideen Inventionen Innovation Diffusion
Abbildung 6: Quelle: Innovationsmanagement. Strategien, Methoden und Werkzeuge für systematische Innovationsprozesse, 2011, S.31
162.5 Digitale Ökosysteme
Eine der Grundlagen einer funktionierenden Datenöko- Ein bekanntes Beispiel hierfür ist Amazon, das angefan-
nomie bildet dabei der Aufbau und die Nutzung so ge- gen mit dem online Verkauf von Büchern seine Aktivi-
nannter Datenökosysteme oder digitaler Ökosysteme31. täten immer weiter in andere Branchen ausdehnt. Die
In diesen arbeiten viele Akteure zusammen mit dem technische Umsetzung dieser Ökosystem-Services wird
Ziel, ökonomische Effekte zu erzielen. Dabei ist ein also auf digitalen Plattformen erbracht. Die Akteure
Ökosystem mehr als ein loses Netzwerk von Akteuren, im Ökosystem verbinden demnach ihr wirtschaftliches
nämlich ein sozio-technisches System, dessen Aktivität Interesse und Akteure interagieren in der Regel zum
sich zunächst häufig um nur eine Kerntätigkeit oder ein gegenseitigen Nutzen (siehe auch Kapitel Plattformen).
Sektor gruppiert (bspw. vermitteln von Unterkünften, Die Abbildung 7 veranschaulicht dabei das Prinzip
anbieten von Unterhaltung bspw. im Ökosystem von eines einfachen Ökosystems am Beispiel von AirBnB
Apple), später aber die Aktivitäten auf andere Services Lodging.
und Geschäftsbereiche ausbreiten kann32.
Vereinfachte Darstellung des Ökosystemansatzes am Beispiel von AirBnB Lodging
AirBnB
Private Gastgeber Reisende
Lodging
Vermittlung
Abbildung 7: Quelle: Trapp et al. 2020
31 Vgl. Otto et al 2019, Trapp et al. 2020
32 Trapp et al. 2020: 6
173. Methodische Herangehensweise
Die Datenökonomie wirkt bereits heute in viele Berei- wurde) und dauerten in der Regel zwischen einer hal-
che des wirtschaftlichen und gesellschaftlichen Lebens ben und anderthalb Stunden. Die Interviews mussten
hinein – und wird sie auch zukünftig nachhaltig verän- aufgrund der Corona-Pandemie größtenteils per Telefon
dern. Für viele Bereiche der Wirtschaft oder Verwal- bzw. Videokonferenz durchgeführt werden. Im Rah-
tung sind die Handlungsprinzipien und Grundlagen, wie men der Interviews wurde zudem eine SWOT Abfrage
die einzelnen Akteure in der Datenökonomie zusam- durchgeführt, die sukzessive zu einem Gesamtbild auf-
menarbeiten können, noch nicht ausgehandelt. Somit gebaut wurde. In der Auswertung konnten die Inhalte
besteht neben der Regulierung, die aus gutem Grund in unterschiedliche Kategorien und Subkategorien35
hauptsächlich auf EU-Ebene stattfindet noch ein ge- unterteilt werden, aus denen sich im Folgenden die
wisser Auslegungsspielraum für teilnehmende Akteure. Struktur der Studie ergab.
Die Studie beschreibt wichtige Inhalte übergeordneter
Themengebiete mit Relevanz zur Datenökonomie, bietet Parallel zu den Interviews wurden auch wissenschaft-
Definitionen und stellt einzelne wichtige ökonomi- liche Publikationen ausgewertet. Per Schlagwortrecher-
sche und gesellschaftliche Aktivitäten aus Berlin vor, che im Internet konnten etwa 60 Artikel identifiziert
in denen die Nutzung von Daten zu unterschiedlichen werden, die weitere Informationen zu den untersuchten
Zwecken bereits umgesetzt wird. Um dieses dynami- Inhalten lieferten. Unter den Veröffentlichungen waren
sche Innovationsumfeld und wichtige Akteure darin sowohl Peer Reviewed Articles, wie auch graue Lite-
grob zu umreißen, wurden zunächst digitale Inhalte ratur in Form von Berichten, Reports oder Projektbe-
wie Internetseiten (der Bundesregierung, einschlägi- schreibungen. Zur Einschätzung der volkswirtschaft-
gen Verbänden oder Forschungsinstituten) und Pod- lichen Bedeutung der Datenökonomie in Deutschland,
casts (privater Anbieter wie Handelsblatt Disrupt, aber Europa und global konnten unterschiedliche Quellen
auch der Podcast des Weizenbauminstituts) für die herangezogen werden: bspw. wurden die Angebote
Eingrenzung wichtiger Aspekte herangezogen. Zu den von Statista.de oder den Websites der EU genutzt. Des
identifizierten Schwerpunkten wurden insgesamt 35 Weiteren konnte auf Umfragen und Schätzungen unter-
Personen33 per Email für ein Interview angefragt, von schiedlicher Verbände wie der Bitkom zurückgegriffen
denen letztendlich 23 für ein Interview zur Verfügung werden.
standen34. Darunter waren Experten, die zu einzelnen
übergeordneten Aspekten wie Data-Governance, Daten- Aus der Integration der Ergebnisse der Interviews,
strategien oder datengetriebenen Geschäftsmodellen der SWOT Befragung und der Literatur konnten ins-
aussagefähig waren. Um das Geschehen und die vor- gesamt fünf Handlungsfelder abgeleitet werden. Der
handenen Kompetenzen in Berlin besser abbilden zu Erstellungszeitraum der Studie war zwischen März und
können, wurde mit lokalen Kammern, Intermediären November 2020.
und Unternehmen gesprochen. Die Interviews wurden
aufgezeichnet (insofern hierzu die Zustimmung erteilt
33 Die Experten ergaben sich aus Internetrecherche, aufgrund von Hinweisen aus der Technologiestiftung oder der SenWEB/ Berlin-Partner.
Weitere sind Autoren von Publikationen, die im Rahmen der Literaturrecherche identifiziert wurden.
34 Eine Liste der interviewten Experten findet sich im Anhang.
35 Dresing und Pehl, 2015: 36
184. Rahmenbedingungen für die Datenökonomie
Kapitel 4 beschäftigt sich mit einigen ausgewählten spielen können. Daher werden, wann immer die Ergeb-
Aspekten der Rahmenbedingungen, die auch für die nisse der Untersuchung es zulassen und soweit sinn-
Umsetzung von datengetriebenen Geschäftsmodellen voll, die Ergebnisse auf drei Systemebenen dargestellt:
auf regionaler- oder unternehmensebene eine Rolle EU-Ebene, Regionale Ebene und Unternehmensebene.
4.1 Regulierungsansätze
EU-Ebene und Nationale Ebene gle eigene Dienste in den Suchergebnissen begünstigt.37
Dadurch würden Verbrauchern nicht alle Möglichkeiten
Regulierung wird vor allem dann ein wichtiges Thema, angezeigt und europäische Unternehmen benachteiligt.
wenn es um den Datenverkehr mit anderen Ländern Auch die Monopolkommission beschäftigt sich in ihrem
geht. Beispielsweise wurde in den vergangenen Monaten Hauptgutachten 2020 mit dem marktmachtbezogenen
auf europäischer Ebene daran gearbeitet, Regeln für den Wettbewerb in der Plattformökonomie und untersucht,
transatlantischen Datenverkehr weiter zu spezifizieren welche Möglichkeiten der Regulierung im Fall einer ‚Öko-
und das Problem der Informationsasymmetrien anzu- systembildung bei der sich die Marktmacht dauerhaft
gehen. Dabei stehen vor allem die großen Plattformen im zugunsten von Plattformen verfestigt‘38 ergriffen werden
Mittelpunkt der Betrachtung, die ihre Stellungen in der können. Mit dem Digital Service Act, dessen erster Ent-
Corona-Zeit weiter konsolidieren konnten. Die Millionen wurf Ende des Jahres erwartet wird, sollen mit fairem
von Klicks und Transaktionen, die täglich auf ihnen aus- Wettbewerb, Plattformregulierung und Stärkung des
geführt werden, befähigen die Betreiber, immer mehr EU-Binnenmarktes drei Hauptziele vereint werden39.
Informationen zu aggregieren und sich ein umfassendes
Bild über Märkte zu verschaffen. So können sie relevante Trotzdem ist die Unsicherheit bei europäischen Unterneh-
Angebote möglichst vorteilhaft platzieren und anbieten, men weiterhin groß, welche Regeln sie selbst beim Daten-
während kleinere Anbieter Schwierigkeiten haben, ihre verkehr zwischen der EU den USA beachten müssen,
Angebote zu platzieren36. Die Bemühung, diesen Entwick- nachdem der Privacy Shield gekippt wurde. Allerdings
lungen entgegenzuwirken ist wohl eine der auffälligsten zeigen amerikanische und asiatische Player zunehmend
Aktivitäten der EU-Wettbewerbskommissarin. Unlängst Interesse an europäischen Datenschutzvorgaben. Aktuell
haben sich 135 Unternehmen und 30 Unternehmerver- orientiert sich Kalifornien mit dem California Consumer
bände in einem Brief an die EU gewandt, in dem sie diese Privacy Act an europäischen Datenschutzregeln (näm-
auffordern, härter bei Google durchzugreifen: dabei geht lich der EU-DSGVO). Der Act erleichtert es Konsumenten
es darum, dass europäische Unternehmen ihre Wettbe- der Weitergabe ihrer Daten zu widersprechen, wie es in
werbsfähigkeit zunehmend gefährdet sehen, wenn Goo- Europa der Fall ist. Hier sind aber, anders als in Europa,
36 Vgl. Ramge und Mayer-Schönberger 2020
37 https://www.handelsblatt.com/technik/it-internet/brief-an-eu-kommission-135-unternehmer-fordern-vestager-soll-googles-praktiken-ein-en-
de-setzen/26615754.html?ticket=ST-1902997-REjBBtb7qcwF1uCXsCRh-ap4, Zugriff: 10.11.2020
38 Monopolkommission 2020: 23
39 https://netzpolitik.org/2020/eu-plattformgrundgesetz-digital-services-act/, Zugriff: 9.10.2020
19keine Bußgelder vorgesehen. Ein weiteres Beispiel ist, größten Probleme sind: Rechtsunsicherheit, schwer
dass Microsoft im Zusammenhang mit dem europäischen abzuschätzender Arbeitsaufwand (bspw. zur Umset-
Cloud-Vorhaben GAIA-X angekündigt hat, eine ‚defen- zung von Dokumentations- und Informationspflichten)
ding-your-data-policy‘ zu verfolgen, um den Zugriff von und Mangel an praktischen Umsetzungshilfen. 14 %
US-Behörden auf europäische Daten zu verhindern. der Unternehmen gaben an, dass Innovationsprojekte
entweder aufgrund von Unklarheiten im Umgang mit
Ebene der Unternehmen der DSGVO oder in direkter Folge der DSGVO (5 %)
gescheitert sind41. Andererseits glauben Unternehmen
Die europaweite Datenschutzgrundverordnung (EU- aber auch, dass die Maßstäbe im Datenschutz weltweit
DSGVO) spielt im Rahmen der Datenökonomie und hier durch die Anwendung der DSGVO höher werden und
konkret im Zusammenhang mit der Nutzung personen- europäische Unternehmen einen Wettbewerbsvorteil
bezogener Daten eine wichtige Rolle. Unternehmen erfahren. In diesem Zusammenhang muss auch die
sehen in der DSGVO jedoch teilweise ein Hemmnis, da ePrivacy-Verordnung benannt werden. Diese regelt
bei der Umsetzung erheblicher administrativer Auf- zukünftig die elektronische Kommunikation bspw.
wand nötig wird und nicht immer klar ist, wie die Vor- über Websites und E-Mails und löst somit nationale
gaben rechtskonform umgesetzt werden können. In Gesetzgebungen wie das Telemediengesetz oder das
einer Bitkom-Umfrage zum Thema wird dargestellt, Telekommunikationsgesetz ab. Hier wird erwartet,
dass 25 % der Unternehmen die Anforderungen immer dass auch diese Verordnung einen hohen Aufwand
noch nicht umgesetzt haben. Schwierigkeiten treten zur Umsetzung der Vorgaben bei den Unternehmen
demnach vor allem bei kleinen Unternehmen auf40. Die verursachen wird.
4.2 Data Governance
Nationale Ebene atlantische Datenstrom über Datentreuhänder (mit Sitz
in der EU) läuft. Mit dieser Maßnahme soll der Einfluss
Unter Data Governance lassen sich die Rahmenbedin- der großen plattformbasierten Unternehmen weiter
gungen zusammenfassen, die die Handhabung und das begrenzt und Vertrauen in europäische Institutionen,
Management von Daten zwischen unterschiedlichen sowie mehr Offenheit zum Teilen von Daten geschaf-
Akteuren (Unternehmen, aber auch Staaten oder an- fen werden. Des Weiteren soll das Teilen von Daten
deren Organisationen) regeln. Auf EU-Ebene wurde einerseits für gemeinnützige Zwecke weiter erleichtert
in diesen Tagen der Data Governance Act vorgestellt, werden, aber auch in wirtschaftlichen Bereichen wie
der die Datenkontrolle neu regeln soll. Eine neu zu Gesundheit, Mobilität (bspw. ÖPNV) oder Verwaltung42.
schaffende Struktur soll dafür sorgen, dass der trans-
40 https://www.bitkom.org/Presse/Presseinformation/Zwei-Drittel-der-Unternehmen-haben-DS-GVO-groesstenteils-umgesetzt, Zugriff: 15.11.2020
41 https://www.bitkom.org/Presse/Presseinformation/Zwei-Drittel-der-Unternehmen-haben-DS-GVO-groesstenteils-umgesetzt
42 https://ec.europa.eu/digital-single-market/en/news/data-governance-act, Zugriff 15.12.2020
20Laut Fachliteratur bestehen Governance-Systeme auf werden?), Prozesse (welche Prozesse für das Daten-
drei Ebenen: der strategischen Ebene, der Systemebene management sind sinnvoll?) und Architektur (Welche
und der Prozess- bzw. operativen Ebene. Dabei werden: Standards werden eingesetzt und welche Tools können
genutzt werden?).
• auf der strategischen Ebene die Vision, Mission und
Strategie festgelegt, die zur Erreichung der (wirt- Sektorale Ebene
schaftlichen) Ziele erforderlich sind,
• auf einer Systemebene notwendige technische Vo- Es ist denkbar, dass Regeln zur Datengovernance und
raussetzungen beschrieben, hier besonders die Regeln zum Datenzugang für einzel-
ne Sektoren genauer ausdifferenziert werden müssen,
• auf der Prozessebene Datenmanagementsysteme
um sektorspezifische Besonderheiten und Regelungen
eingesetzt, um die operative Umsetzung zu ermög-
stärker Rechnung zu tragen44. Beispielsweise haben
lichen43.
Fintech und Digital Health andere sektorspezifische An-
forderungen als E-Commerce. Die Interviews ergaben,
Dabei müssen unterschiedliche, ineinander überge- dass sektorspezifischen Regelungen ggf. besser geeig-
hende Aspekte bei der Erstellung von Governance- net sind, um sektorüblichen Standards und Schnittstel-
Systemen berücksichtigt werden: Bestandsaufnahme len, Datentypen oder Zertifizierungsprozessen (bspw.
(welchen Wert haben die Daten?), Verantwortlichkei- Apps in Digital Health, aber auch die Rolle von OEMs
ten (Wer übernimmt welche Funktion?), Compliance bei Datenübertragung in der Automobilbranche) zu
(Wird datenschutzkonform vorgegangen?), Sicherheit entsprechen.
(Wie können Daten vor dem Zugriff anderer geschützt
4.3 Datenstrategien
EU und nationale Ebene die EU-Datenstrategie, die im Februar 202045 veröf-
fentlicht wurde, weiter befördert werden. Die Nationale
Auch Datenstrategien werden auf allen Ebenen disku- Datenstrategie der Bundesregierung stellt hingegen die
tiert. Derzeit finden auf europäischer oder nationaler Nutzung von Innovationspotentialen in Deutschland
Ebene intensive Debatten darüber statt, wie Institutio- in den Vordergrund46. Die nachfolgende Tabelle zeigt
nen, Organisationen oder Regierungen das ,Potential Eckpunkte und Vision von EU- und nationaler Daten-
von Daten‘ besser nutzen können. Auf der EU-Ebene strategie im Vergleich:
soll die Ausbildung des Binnenmarktes für Daten durch
43 Engels 2020
44 BMI 2019
45 Efroni et al. 2020
46 Weizenbaum 2020
21Datenstrategien Eckpunkte EU-Datenstrategie Eckpunkte Nationale Datenstrategie des Bundes
Strategische Ziele/ Schaffen besserer Rahmenbedingungen • Steigerung einer verantwortungsvollen
Vision für den Umgang mit Daten, um: Bereitstellung und Nutzung von Daten
a) P roduktivität und Wettbewerb zu
für Wirtschaft, Wissenschaft, Gesell-
erhalten und
schaft
b) Nutzen für die Allgemeinheit in
Bereichen wie Gesundheit, Umwelt, • Entstehung neuer Datenmonopole soll
Verwaltungen zu schaffen und entegengewirkt werden
c) die Position Europas als Global Player • Verhindern von Datenmissbrauch
zu festigen
Gemeinsamkeiten •A
llgemeine Verbesserung des • Datenzugang und -bereitstellung
Datenzugangs verbessern
•A
dressieren von Datenkompetenz • Verantwortungsvolle Datennutzung
•W
eiterentwicklung technologischer
• Datenkompetenz erhöhen
und physikalischer Infrastruktur
• Innovationspotentiale heben
•A
ufbau und Implementierung von
Data- Governance Systemen
• Standardisierung
•E
tablieren von Intermediären um Daten
Sharing und Nutzung zwischen
Entitäten zu befördern
Besondere Befähigen von Individuen in ihrer Rolle • Bund soll Vorreiter bei Datenbereitstel-
Schwerpunkte als Bürger und Konsumenten, ihre Daten lung und Datennutzung sein
zu schützen und zu nutzen durch Gesetze,
• Schaffen einer offenen Innovations-
Datenkompetenz und technologische
kultur
Weiterentwicklung.
• Reduzierung von Datensilos bei
Speicherung und Nutzung
Tabelle 1: Vergleich Eckpunkte EU und nationale Datenstrategie
Ebene Regional / Land zu werden. Neben der Bereitstellung von Infrastruktur
sind auch Herausforderungen mit der Umsetzung des
Auf Landesebene sind Verwaltung und Politik mo- Onlinezugangsgesetzes (OZG) verbunden, in dem ge-
mentan – wie in vielen anderen Bundesländern – damit regelt ist, dass Verwaltungen bis 2022 ihre Leistungen
beschäftigt, für die Datenökonomie unterstützende über digitale Portale anbieten können müssen. Letzt-
Rahmenbedingungen zu schaffen, bspw. bei der Er- endlich sollen die einzelnen Portale dann zu einem
arbeitung der Digitalstrategie oder der Implementie- großen Netz zusammengeschlossen werden, um Ver-
rung der Open Data Verordnung, um den Erwartungen, waltung einfacher zu gestalten, Prozesse effektiver zu
die mit der Datenökonomie verbunden sind, gerecht machen und Ressourcen zu sparen.
22Ebene Unternehmen Geschäftsmodelle) oder zum Zweck der Effizienzstei-
gerung. Hier wird auch entschieden, welche Daten aus
Unternehmen haben immer noch Schwierigkeiten da- welchen Prozessen gesammelt und gespeichert werden
bei, Datenstrategien zu entwickeln, die an den strate- sollen, um geplante Ziele zu erreichen. Zum Ausarbei-
gischen Zielen ihres Unternehmens ausgerichtet sind. ten von Datenstrategien gehört aber immer beides:
Laut des 33. IW Zukunftspanels hat fast die Hälfte, einerseits das Domänenwissen einzelner Sektoren oder
nämlich 48 %, der befragten deutschen Unternehmen Geschäftsbereiche und andererseits technisches Wissen
hier konkreten Unterstützungsbedarf47. Denn die As- (bspw. über welche Schnittstellen können Daten mit
pekte für die Beschäftigung mit dem Thema sind viel- Kunden und Kooperationspartnern getauscht werden?),
fältig48: Der Ausgangspunkt für die Formulierung einer so dass spezifische Qualifikationen an die Mitarbeiter,
Datenstrategie in Unternehmen beginnt häufig mit dem die diese Aufgabe übernehmen, gestellt werden.
Datenmanagement (zur Anbahnung datengetriebener
4.4 Aspekte digitaler Souveränität
Die Debatte um eine digitale Souveränität umfasst interviewten Experten teilweise eine technologische
mehr Aspekte, als die oft diskutierte Datensouveräni- Abhängigkeit von Anbietern außerhalb Deutschlands
tät, die nur einen Schwerpunkt bildet. Weitere Dimen- und der EU besteht. Passende Beispiele sind Schlüssel-
sionen sind Software- und Techniksouveränität, aber technologien wie 5G, KI oder Mikroelektronik. Um hier
auch funktionierende Governance-Systeme sowie die wieder Expertise aufzubauen und weiterzuentwickeln,
Stärkung digitaler Kompetenzen49. Einige dieser As- sind auch technologische Grundlagenforschungszent-
pekte werden hier grob skizziert. ren ein wichtiger Baustein, wie sie mit dem BIFOLD
in Berlin entstanden sind. Neben der technologischen
Technische Souveränität Grundlagenforschung ist der Transfer der dort gewon-
nenen Erkenntnisse in die Praxis über Ausgründungen,
Viele Ziele, wie der Ausbau der Digitalisierung, er- Forschungszusammenarbeit mit der Industrie usw. ein
fordern es, dass in unterschiedlichen Technologiefel- erfolgskritischer Aspekt. Denn die Technologien müs-
dern und den dazugehörigen Schlüsseltechnologien sen auch in der Breite Anwendung finden. Dazu kann
(wie KI) Kompetenzen entlang exemplarischer ,Wert- weiter in die Entwicklung von diskriminierungsfreien
schöpfungsketten‘ aufgebaut oder erhalten werden50. nicht-monopolistischen Ökosystemen investiert wer-
Zur technischen Souveränität gehört die Souveränität den. Initiativen, die von Universitäten, aber auch von
über kritische Infrastrukturen, da derzeit infolge der Unternehmen ausgehen – wie der KI-Campus –, bilden
47 Fritsch und Krotova 2020
48 Etsiwah und Hilbig 2019
49 GI 2020
50 FZI 2017
23hier gute Anknüpfungspunkte, technologiegetriebene Andererseits wird an das Thema Datenschutz häufig
Innovation weiterzubringen. noch irrational herangegangen und aufgrund von ‚vor-
geschobenen‘ Datenschutzbedenken werden innovative
Auch die Entwicklung von Standards und Normen, die Vorhaben nicht umgesetzt, das zeigten auch die Inter-
die Kooperation zwischen Akteuren beim Datenaus- views zu dieser Studie.
tausch sehr viel konstruktiver gestalten könnte – ein
Aspekt, der oft nur sehr wenig Aufmerksamkeit erfährt – Datenkompetenz
soll hier erwähnt werden. Hier entwickelte die DIN
beispielsweise zusammen mit dem BMWi eine Road- Datenkompetenz beinhaltet Maßnahmen, die zu einem
map zu Standards im Bereich der KI51. besseren Verständnis dazu beitragen, wie Datenver-
arbeitungsprozesse aussehen oder was mit Daten
Datensouveränität und Datenschutz passiert, nachdem man sie freigegeben hat. Wichtig
ist dabei ein gutes Verständnis für Prozesse und Me-
Dies ist eines der Kernthemen in der Souveränitäts- chanismen in der Datenökonomie, nicht zwingend aber
debatte und wurde bereits im Zusammenhang mit Da- für die technischen Details. Eine Verbesserung der
ta-Governance oder Datenstrategien angesprochen. Datenkompetenz wird in der Literatur und durchgehend
Mit dem Thema des Datenschutzes beschäftigen sich auch in den Interviews vorgeschlagen. Es ist wichtig für
auch mehrere Berliner Institute, wie das Weizenbaum Konsumenten, Unternehmer, Verwaltungsmitarbeiter,
Institut, Universitäten und Fachhochschulen, aber auch Zivilpersonen usw., Datenquellen hinsichtlich Glaub-
Fraunhofer Institute, die Gesellschaft für Informatik würdigkeit, Richtigkeit und Qualität einschätzen zu
(GI), das Forschungszentrum Informatik (FZI) uvm. Auf können. Es herrsche beispielsweise eher ein diffuses
technologischer Ebene ist u.a. das BIFOLD, wo der Frage Verständnis vor, wenn es darum gehe zu entscheiden,
nachgegangen wird, wie in Small- und Big Data der welche Datenquellen glaubwürdig sind, oder worin
Schutz von Einzeldaten gewährt werden kann und wie sich fragwürdige von seriösen Inhalten unterscheiden,
vertrauenswürdige und transparente Algorithmen aus- welche Merkmale qualitativ hochwertige Daten aus-
sehen müssen, ein wichtiger Baustein Berliner Kom- zeichnen und wie man deren Richtigkeit prüft.
petenz in der Softwaretechnologie. Datensouveränität
wird oft im Kontext mit Plattformen, deren Marktmacht Ein besseres Verständnis hilft letztendlich auch Un-
und deren Drang nach Daten, diskutiert. Es ist daher ternehmern dabei, Datenstrategien zu formulieren
von großer Wichtigkeit, dass Gesetze wie ePrivacy, oder Ideen zu entwickeln, wie sie datengetriebene
DSGVO, Plattformgesetz und viele mehr auf EU-Ebene Geschäftsmodelle implementieren können. Es unter-
entwickelt und umgesetzt werden, um den Datentrans- stützt Verwaltungsmitarbeiter, datenschutzkonform
fer mit anderen Ländern sinnvoll zu steuern. In eini- mit Daten umzugehen und sich so ohne Vorbehalte im
gen Bereichen, wie dem Gesundheitsbereich, werden Thema Open Data o.ä. zu engagieren. Privatpersonen
Datenschutzvorgaben bis auf Bundeslandebene sehr befähigt es zu einem möglichst verantwortungsvollen
kleinteilig ausgearbeitet und bilden einen verbind- Umgang mit den eigenen Daten.
lichen Rechtsrahmen für Innovationsaktivitäten oder
den Datenaustausch zwischen Organisationen. Es wird stark dafür geworben, solche Fähigkeiten be-
reits in der Kindheit anzulegen. Hier werden aus dem
Bildungsbereich Beispiele genannt, wie man Schülern
51 https://www.din.de/de/forschung-und-innovation/themen/kuenstliche-intelligenz/normungsroadmap-ki
24Sie können auch lesen
