Goldstaub

7.6.2019 | Von:
Markus Spiekermann

Chancen und Herausforderungen in der Datenökonomie

Potenziale

Laut dem Bundesverband der Deutschen Industrie (BDI) beträgt das Wertschöpfungspotenzial der Datenökonomie bis 2025 alleine für Deutschland bis zu 425 Milliarden Euro. Betrachtet man ganz Europa, wird dieses Wertschöpfungspotenzial für die nächsten zehn Jahre auf bis zu 1,25 Billionen Euro geschätzt.[2] Hierbei zeigen sich unterschiedliche Potenziale in den verschiedenen Branchen, jeweils bedingt durch Datenverfügbarkeit und unterschiedliche Reifegrade der digitalen Transformation. So wird beispielsweise im deutschen Groß- und Außenhandel bis 2025 ein Wertschöpfungspotenzial von 14,4 Milliarden Euro erwartet, in der Metall- und Elektroindustrie 15,1 Milliarden Euro und in der Branche der Informations- und Kommunikationstechnologie sogar 17,2 Milliarden Euro.[3]

Der Anteil von Digitalinvestitionen an der Gesamtwirtschaftsleistung liegt in Deutschland bei 25 Prozent, hinter den USA (33 Prozent), dem Vereinigten Königreich (31 Prozent) und Frankreich (26 Prozent). Ein ähnliches Bild ergibt sich bei der Ausschöpfung von Digitalisierungspotenzialen. Gemessen an 21 Indikatoren – etwa Unternehmensinvestitionen im Hard- und Softwarebereich, E-Commerce oder Social-Media-Nutzung – liegt der Wert des ausgeschöpften Potenzials in Deutschland bei gerade einmal zehn Prozent. Hierbei ist allerdings anzumerken, dass auch andere Länder das in der Digitalisierung liegende Potenzial bisher bei Weitem nicht ausnutzen (USA: 18 Prozent, Vereinigtes Königreich: 17 Prozent, Niederlande: 15 Prozent, Frankreich: 12 Prozent).[4]

Auch auf politischer Ebene wird der Datenökonomie in der Europäischen Union großes Wachstumspotenzial zugesprochen: Die EU-Kommission gibt an, dass das Volumen des EU-Datenmarktes 2015 über 54 Milliarden Euro betrug, zugleich geht sie von einem jährlichen Zuwachs um sieben Prozent aus, sodass es bis 2020 schon 84 Milliarden betragen dürfte. Den Wert der EU-Datenwirtschaft insgesamt beziffert die Kommission für 2015 sogar auf 272 Milliarden Euro, bis 2020 erwartet sie ein Wachstum um etwa 133 Prozent auf 634 Milliarden Euro, was im selben Zeitraum mit der Entstehung von 1,4 Millionen neuen Arbeitsplätzen einhergehen könnte.[5]

Entscheidend dafür, ob der potenzielle Mehrwert aus den Daten tatsächlich realisiert werden kann, wird ein intelligenter Umgang mit den Daten sein. Ein wichtiger Faktor zur Ausschöpfung der vorhandenen Potenziale ist der unternehmensübergreifende Austausch von Daten zur Bildung von sogenannten Datenökosystemen. Datenökosysteme zeichnen sich dadurch aus, dass mehrere Unternehmen an der digitalen Wertschöpfung beteiligt sind und sich neue Verwertungsmöglichkeiten in Form datengetriebener und kundenzentrierter Geschäftsmodelle ergeben, die ein Unternehmen alleine nicht erbringen könnte. Hierbei ist es wichtig, dass alle beteiligten Unternehmen ihre Daten am Markt verfügbar machen, damit am Ende auch alle profitieren können. Dies wird jedoch nur mit geeigneten kontextbezogenen und regulierenden Einschränkungen, speziell für personenbezogene Daten, sowie geeigneten Ertragsmodellen möglich sein, damit ausreichende Sicherheiten und Anreize für die Unternehmen und Personen bestehen, ihren "Datenschatz" verfügbar zu machen.

Digitale Reife der deutschen Wirtschaft

Das Fraunhofer-Institut für Software- und Systemtechnik ISST Dortmund hat jüngst mit dem Institut der deutschen Wirtschaft Köln (IW) auf Basis des IW-Zukunftspanels 2018 eine empirische Studie erstellt, um den aktuellen Status der deutschen Industrie und industrienahen Unternehmen hinsichtlich ihrer Fähigkeiten zur Teilhabe an der Datenökonomie zu analysieren. Insgesamt wurden 1235 Unternehmen befragt, um ihren digitalen Reifegrad zu ermitteln.[6]

Die Feststellung des Reifegrades basiert dabei auf den drei aufeinander aufbauenden Dimensionen "Data Resource Management", "Data Valuation" und "Data Business". Die erste Dimension beschreibt die Grundvoraussetzung zur Teilhabe an der Datenökonomie und wird erhoben, indem die unternehmensinternen Strukturen und Prozesse zur Ermöglichung von datenbasierter Wertschöpfung und digitaler Transformation betrachtet werden. Die zweite Dimension beschreibt den wirtschaftlichen und effektiven Umgang mit den Unternehmensdaten. Die dritte Dimension beschreibt die aktive Nutzung und den Austausch von Daten und datenbasierten Produkten über die eigenen Unternehmensgrenzen hinweg.

Die Auswertung der Befragungsdaten mündete in die Einteilung der Unternehmen in sechs Reifestufen. Hierbei wurde festgestellt, dass 84 Prozent der deutschen Unternehmen im Hinblick auf ihre Eignung zur Teilhabe an der Datenökonomie noch einen geringen Reifegrad aufweisen, also allenfalls als "digitale Einsteiger" gelten können (Stufen 0 und 1). 13,8 Prozent der Unternehmen (Stufe 2) sind "digital fortgeschritten", das heißt, sie haben die internen Prozesse bereits stärker digitalisiert und die digitale Transformation damit eingeleitet. Nur 2,2 Prozent der Unternehmen sind als "digitale Pioniere" den zwei oberen Reifestufen zuzuordnen (Stufen 3 bis 5). Sie sehen in Daten die Kernressource ihres Geschäftsmodells und lassen deutliche Fortschritte in den Dimensionen Data Resource Management und Data Valuation erkennen, das heißt, es gibt bereits eine gesteigerte Wahrnehmung von Daten als Vermögenswert und ein Bewusstsein für die Notwendigkeit ihrer monetären und nicht monetären Bewertung.[7]

Weiterhin ergab die Studie, dass fast alle deutschen Unternehmen prognostizieren, dass sich ihre Prozesse innerhalb der nächsten fünf Jahre stärker digitalisieren werden. Etwa zwei von drei befragten Unternehmen erwarten, dass dies eine stärkere Integration externer Daten – etwa von Kunden, Lieferanten oder externen Anbietern – mit sich bringen wird. Der dafür notwendige Handel mit Rohdaten spielt dabei in der Erwartungshaltung der meisten Unternehmen noch eine untergeordnete Rolle. Immerhin 12,9 Prozent erwarten einen stärkeren Zukauf von externen Rohdaten, während nur 6,8 Prozent der Unternehmen den Verkauf von Rohdaten als wahrscheinliche Option sehen. Vor allem kleine und mittlere Unternehmen sind hier noch zurückhaltend. Bei großen Unternehmen kann sich immerhin fast jedes vierte Unternehmen einen verstärkten Verkauf von Rohdaten vorstellen.[8]

Wirtschaftliche Herausforderungen

Um die gewaltigen unternehmerischen und wirtschaftlichen Potenziale der Datenökonomie zu realisieren, gilt es, verschiedene Herausforderungen im Zusammenhang mit der Ressource Daten zu meistern. Aus ökonomischer Sicht stellt sich die zentrale Frage, wie Unternehmen Daten intelligent bewirtschaften sollten, um den potenziellen Mehrwert aus ihrer Nutzung tatsächlich abzuschöpfen. In diesem Zusammenhang sind neben einem Bewusstsein über den Bestand an Daten innerhalb eines Unternehmens und den technischen Implikationen für ihre Erstellung, Speicherung, Verarbeitung und Pflege auch organisatorische und betriebswirtschaftliche Herausforderungen zu beachten. Hier geht es um Fragestellungen wie beispielsweise die Zuordnung von notwendigen Rollen und Verantwortlichkeiten für das Management der Daten innerhalb eines Unternehmens, aber auch um die grundsätzliche Fragestellung, wie man Daten eigentlich ökonomisch bewerten kann.

Dass eindeutige Bewertungsverfahren bislang fehlen, liegt vor allem daran, dass Daten sich in ihren Eigenschaften grundsätzlich von materiellen Gütern unterscheiden. Ein wichtiges Charakteristikum materieller Güter ist etwa deren Verschleiß bei der Nutzung. Solche Abnutzungseffekte durch Verwendung in verschiedenen Prozessen und Analysen gibt es bei Daten und Informationen nicht. Zudem werden Güter üblicherweise verbraucht – ein Faktor, der zentral für das Funktionieren unserer Volkswirtschaften ist. Doch auch diese Eigenschaft ist Daten und Informationen nicht zu eigen. Selbst durch Vervielfältigung verlieren Daten nicht an Wert. In diesem Sinne unterscheidet sich auch der Umgang mit diesen digitalen Wirtschafsgütern von dem mit Gütern, die man anfassen kann.

Es gibt durchaus Versuche, Berechnungsverfahren für die Bewertung von Daten zu entwickeln. Bei Online-Plattformen, deren Hauptressource die Daten der Nutzerinnen und Nutzer sind, liegt es nahe, einfach den Unternehmenswert durch die Nutzerzahl zu teilen: Dividiert man zum Beispiel die 26,2 Milliarden US-Dollar, die Microsoft 2016 bereit war, für die Übernahme der Social-Media-Plattform Linkedin zu zahlen, durch die damalige Nutzerzahl von 433 Millionen, ergibt das einen Wert von 60,50 US-Dollar pro Datensatz.[9] Dieser Ansatz hilft jedoch nicht weiter, da er, wenn überhaupt, nur auf Unternehmen anwendbar ist, die ein ähnliches Geschäftsmodell wie Linkedin verfolgen.

Die Bewertung von Daten ist jedoch eine wichtige Voraussetzung für ihre Monetarisierung und damit für Unternehmen in der Datenökonomie nahezu unerlässlich. Zwar gibt es (noch) keine allgemeingültige Formel, aber die folgenden drei Ansatzpunkte könnten als grundlegende Orientierung weiterhelfen:

Wer als Unternehmerin oder Unternehmer gar keine Idee hat, wie viel die eigenen Daten wert sind, kann sich einem initialen Wert nähern, indem sämtliche Kosten betrachtet werden, die für die Beschaffung beziehungsweise eigene Erstellung, Speicherung, Pflege, Aufbereitung, Verfügbarmachung und Löschung oder Archivierung der Daten angefallen sind. Hieraus lässt sich dann ein Wert für die sogenannten Wiederbeschaffungskosten ermitteln.

Ein weiterer Ansatzpunkt ist der sogenannte Nutzwert. Hierbei werden nicht die Kosten für die Daten selbst betrachtet, sondern es wird das Potenzial ermittelt, das sich aus der Nutzung der Daten ergibt. So können Faktoren wie Prozessoptimierung und Kosteneinsparungen als Kennwerte herangezogen werden. Dieses Verfahren wird bereits zur Ermittlung anderer immaterieller Vermögenswerte angewendet, beispielsweise bei Lizenzen, Rechten und Patenten.

Gerade in der wachsenden Datenökonomie ergibt sich noch ein dritter Ansatz, den wir sehr gut von anderen Produkten und Dienstleistungen kennen: der Marktansatz. Hierbei müssen sich die Unternehmen die Frage stellen, ob für die von ihnen angebotenen Daten ein Markt existiert und was potenzielle Kundinnen und Kunden bereit sind, für sie zu zahlen. Durch die steigende Verfügbarkeit von Daten auf allen möglichen Plattformen und Marktplätzen gibt es auch immer mehr Vergleichsangebote, die zur Ermittlung eines Marktwertes beziehungsweise eines Referenzwertes genutzt werden können.

Fußnoten

2.
Vgl. Roland Berger Strategy Consultants/Bundesverband der Deutschen Industrie, Die Digitale Transformation der Industrie. Eine europäische Studie von Roland Berger Strategy Consultants im Auftrag des BDI, München–Berlin 2015.
3.
Vgl. Kai Lange, Was McKinsey am deutschen Mittelstand vermisst, 17.8.2017, http://www.manager-magazin.de/unternehmen/artikel/a-1163125.html«.
4.
Vgl. Bundesministerium für Wirtschaft und Energie (BMWi) (Hrsg.), Weißbuch Digitale Plattformen. Digitale Ordnungspolitik für Wachstum, Innovation, Wettbewerb und Teilhabe, Berlin 2017.
5.
Vgl. Europäische Kommission, Europäische Datenwirtschaft: EU-Kommission stellt Konzept für Daten-Binnenmarkt vor, Pressemitteilung, 10.1.2017.
6.
Vgl. Boris Otto et al., Data Economy. Status Quo der deutschen Wirtschaft & Handlungsfelder in der Data Economy, Dortmund 2019.
7.
Vgl. ebd., S. 12–17.
8.
Vgl. ebd., S. 19.
9.
Vgl. James E. Short/Steve Todd, What’s Your Data Worth?, in: MIT Sloan Management Review 3/2017, S. 17ff.
Creative Commons License

Dieser Text ist unter der Creative Commons Lizenz "CC BY-NC-ND 3.0 DE - Namensnennung - Nicht-kommerziell - Keine Bearbeitung 3.0 Deutschland" veröffentlicht. Autor/-in: Markus Spiekermann für Aus Politik und Zeitgeschichte/bpb.de

Sie dürfen den Text unter Nennung der Lizenz CC BY-NC-ND 3.0 DE und des/der Autors/-in teilen.
Urheberrechtliche Angaben zu Bildern / Grafiken / Videos finden sich direkt bei den Abbildungen.