Mit Google fortfahren
Datenökonomie einfach erklärt
In der Datenökonomie nutzen Unternehmen, öffentliche Stellen und andere Organisationen digitale Daten, um Entscheidungen zu verbessern, Abläufe zu optimieren oder neue Angebote zu entwickeln. Daten allein erzeugen jedoch noch keinen Nutzen: Sie müssen zugänglich, geeignet und rechtmäßig verarbeitet werden.
Hake ab, was du schon kannst — und komm am Ende hierher zurück!
Wie entsteht aus Daten wirtschaftlicher Nutzen?
Daten können Messwerte einer Maschine, Angaben zu Käufen oder Informationen über Verkehrsströme sein. Wirtschaftlich wertvoll werden sie erst, wenn sie für einen bestimmten Zweck ausgewählt, geprüft, ausgewertet und eingesetzt werden.
Datenökonomie
Die Datenökonomie umfasst wirtschaftliche Aktivitäten rund um das Erzeugen, Sammeln, Speichern, Verarbeiten, Verteilen, Analysieren und Nutzen digitaler Daten. Dazu gehören auch die wirtschaftlichen Folgen dieser Aktivitäten.
Der Weg von Rohdaten zum Nutzen lässt sich so beschreiben:
- Daten entstehen oder werden gesammelt.
- Ihre Qualität und rechtmäßige Nutzbarkeit werden geprüft.
- Die Daten werden geordnet, verbunden und analysiert.
- Aus der Analyse entstehen verwertbare Informationen.
- Diese Informationen unterstützen eine Entscheidung, einen verbesserten Ablauf oder ein neues Angebot.
Sensoren erfassen Temperatur und Schwingungen einer Maschine. Ein Analysemodell erkennt ein Muster, das häufig vor einem Ausfall auftritt. Das Unternehmen wartet die Maschine gezielt, bevor sie unerwartet stillsteht. Der Nutzen entsteht nicht durch die Messwerte allein, sondern durch ihre Auswertung und die daraus folgende Wartungsentscheidung.
Daten sind eine Ressource. Wirtschaftlicher Wert entsteht durch ihre zweckmäßige, qualifizierte und rechtmäßige Nutzung.
Was ist ein datengetriebenes Geschäftsmodell?
Ein Geschäftsmodell beschreibt vereinfacht, welches Angebot ein Unternehmen macht, für wen es Wert schafft und wie es damit Einnahmen erzielt. Bei einem datengetriebenen Geschäftsmodell übernehmen Daten eine Schlüsselfunktion in dieser Wertschöpfung.
Daten können dabei:
- ein neues Produkt oder eine neue Dienstleistung ermöglichen,
- einen bestehenden Ablauf verbessern,
- ein vorhandenes Angebot erweitern.
Die Datenökonomie ist weiter gefasst als ein einzelnes datengetriebenes Geschäftsmodell. Das Geschäftsmodell betrachtet vor allem ein Unternehmen. Die Datenökonomie umfasst zusätzlich Datenmärkte, Beschäftigung, Infrastruktur, Regeln und gesamtwirtschaftliche Wirkungen.
Bei Data as a Service werden Daten zu einem nutzbaren Produktpaket gebündelt und gegen einen festgelegten Preis angeboten. Dagegen verbessert ein Händler mit ausgewerteten Verkaufsdaten vielleicht nur seine Lagerplanung. In beiden Fällen spielen Daten eine wichtige Rolle, aber nur im ersten Fall sind die Daten selbst das angebotene Produkt.
Wo wird Datenökonomie praktisch sichtbar?
Datenbasierte Anwendungen folgen häufig demselben Muster: Daten werden analysiert, damit eine Wahrscheinlichkeit, ein Bedarf oder eine passende Handlung abgeschätzt werden kann.
- Vorausschauende Wartung: Maschinendaten helfen, mögliche Ausfälle früh zu erkennen.
- Marketing: Kauf- oder Nutzungsdaten können Hinweise auf passende Angebote geben.
- Kreditprüfung: Transaktionen oder Bilanzen fließen in die Schätzung eines Kreditausfallrisikos ein.
- Internet der Dinge: Vernetzte Sensoren liefern Daten für neue oder verbesserte Dienstleistungen.
- Verkehrsplanung: Aufbereitete Fahrtdaten können Muster bei Fahrtdauer, Geschwindigkeit und Verkehrsdichte sichtbar machen.
Solche Analysen liefern keine absolute Gewissheit. Eine geschätzte Ausfallwahrscheinlichkeit oder Kaufneigung bleibt eine modellgestützte Einschätzung. Die Qualität der Entscheidung hängt unter anderem von den verwendeten Daten und dem Analyseverfahren ab.
Eine datenbasierte Entscheidung kann Menschen unterschiedlich betreffen. Besonders bei Krediten, Preisen oder personalisierten Angeboten muss deshalb geprüft werden, welche Daten einfließen und ob das Ergebnis fair, nachvollziehbar und rechtmäßig ist.
Warum sind Datenzugang und Datenaustausch schwierig?
Data Sharing bedeutet, dass Daten zwischen verschiedenen Beteiligten bereitgestellt und genutzt werden. Es kann Innovation fördern, weil mehr geeignete Daten für Analysen zur Verfügung stehen. Gleichzeitig entstehen Fragen zu Datenschutz, Kontrolle, Kosten und Verantwortung.
Eine Unternehmensbefragung aus dem Jahr 2024 zeigt dieses Spannungsfeld. Befragt wurden 603 Unternehmen mit mehr als 20 Beschäftigten in Deutschland. Nach eigener Einschätzung nutzten nur 6 Prozent das Potenzial ihrer vorhandenen Daten vollständig. 55 Prozent waren weder Anbieter noch Empfänger beim unternehmensübergreifenden Datenaustausch. Die Werte sind Selbstauskünfte und gelten nicht automatisch für Kleinstunternehmen.
Häufige Hemmnisse sind:
- fehlendes Fachwissen,
- unzureichende Datenqualität,
- fehlendes Budget,
- hoher Abstimmungsaufwand,
- ungeeignete technische Infrastruktur,
- rechtliche Unsicherheit und Datenschutzanforderungen,
- fehlende wirtschaftliche Anreize zum Teilen.
Open Data
Open Data sind Daten, die vollständig und in einem zweckmäßigen, bearbeitbaren Format zugänglich sind. Ihre Wiederverwendung und Weitergabe müssen erlaubt sein. Personen, Gruppen und Verwendungszwecke dürfen nicht benachteiligt werden; auch eine kommerzielle Nutzung darf nicht pauschal ausgeschlossen sein.
Open Data und kostenpflichtige Datenangebote sind verschiedene Bereitstellungsmodelle. Offen bereitgestellte Daten sollen breit nachnutzbar sein. Bei Data as a Service werden aufbereitete Datenpakete verkauft.
Wie beurteilst du eine Regel für den Datenzugang?
Eine gute Beurteilung nennt zuerst das Ziel der Regel und prüft danach mehrere Kriterien. Ein bloßes „mehr Daten sind besser“ reicht nicht aus.
Nutze diese vier Fragen:
- Innovation: Ermöglicht die Regel sinnvolle neue Anwendungen oder bessere Entscheidungen?
- Fairness: Haben Betroffene und kleinere Marktteilnehmer angemessene Chancen und Schutzmöglichkeiten?
- Kontrolle und Datenschutz: Bleibt nachvollziehbar, wer Daten wofür nutzt?
- Durchsetzbarkeit: Sind Zuständigkeiten, technische Anforderungen und Verstöße praktisch überprüfbar?
Vorschlag: Große Energieunternehmen sollen bestimmte, nicht personenbezogene Netzdaten in einem einheitlichen Format bereitstellen.
Möglicher Nutzen: Andere Marktteilnehmer könnten leichter datenbasierte Lösungen für die Energiewende entwickeln.
Mögliche Probleme: Die Aufbereitung verursacht Kosten. Außerdem muss klar abgegrenzt werden, welche Daten geteilt werden dürfen und wie sensible Informationen geschützt werden.
Begründetes Urteil: Die Regel kann Innovation fördern, wenn Datenumfang, Format, Finanzierung, Schutz und Kontrolle eindeutig festgelegt sind. Eine Pflicht ohne solche Bedingungen wäre schwer durchsetzbar und könnte neue Risiken schaffen.
Deine Fallanalyse
Ein kleines Unternehmen soll Maschinendaten mit anderen Betrieben teilen. Als Gegenleistung erhält es Zugriff auf einen größeren gemeinsamen Datenbestand. Beurteile die Vereinbarung nach den vier Kriterien.
Eine tragfähige Lösung könnte bessere Vorhersagen und neue Dienstleistungen ermöglichen. Vor einer Zustimmung müssten jedoch Datenqualität, Nutzungsrechte, technische Kosten, Schutz sensibler Betriebsdaten und Kontrollmöglichkeiten geklärt werden. Ein gutes Urteil wägt diese Punkte gegeneinander ab und nennt Bedingungen für die Zustimmung.
Karteikasten
Überlege zuerst selbst und drehe die Karte anschließend zum Prüfen um.
Alles auf einen Blick
- Datenökonomie
- Wertschöpfung
- Daten sammeln und prüfen
- Informationen gewinnen
- Entscheidungen und Angebote verbessern
- Anwendungen
- Wartung
- Marketing
- Kreditprüfung
- Voraussetzungen
- Datenqualität
- Fachwissen und Technik
- klare Nutzungsrechte
- Spannungsfelder
- Zugang und Kontrolle
- Innovation und Fairness
- Nutzen und Datenschutz
- Wertschöpfung