Smart Data Geschäftsmodelle – Mehrwert und Mehrwertgenerierung

Von Smart Data Begleitforschung Vor 2 WochenKeine Kommentare
Home  /  Allgemein  /  Smart Data Geschäftsmodelle – Mehrwert und Mehrwertgenerierung

Aus der Publikation „Smart Data Geschäftsmodelle“ der Fachgruppe „Wirtschaftliche Potenziale & gesellschaftliche Akzeptanz“.

 

Von Dr. Martin Memmel, DFKI/SmartRegio.

Geschäftsmodelle im Kontext Smart Data können ebenso unterschiedlich gestaltet sein wie die Forschungsprojekte des Smart-Data-Programms selbst. In dieser Publikation wird der Begriff „Geschäftsmodell“ nach Stähler1 als Zusammensetzung der drei Komponenten Value Proposition („Welchen Nutzen stiftet das Unternehmen?“), Architektur der Wertschöpfung („Wie wird die Leistung in welcher Konfiguration erstellt?“) und Ertragsmodell („Wodurch wird Geld verdient?“) verstanden.

Abhängig vom Anwendungsszenario und von der angesprochenen Zielgruppe können im Umfeld von Smart Data zahlreiche Mehrwerte erzielt werden. Dabei werden Mehrwerte als Merkmale verstanden, die ein Produkt oder eine Dienstleistung von anderen unterscheiden und so Wert schaffen. Diese Mehrwerte können an verschiedenen Stellen des Datenverarbeitungsprozesses zum Tragen kommen: bei der Speicherung von Daten, bei der Erschließung der Daten an sich, beim Zugriff auf Daten, bei der Qualität der Daten, bei ihrer Analyse und auch bei der Schaffung nachhaltiger Ökosysteme für Daten und Anwendungen.

Im Folgenden soll zunächst grundsätzlich unterschieden werden zwischen Mehrwerten für die Nutzer von Smart-Data-Lösungen und Mehrwerten für deren Anbieter.

 

Mehrwerte für Nutzer von Smart-Data-Lösungen

Datenspeicherung

Im Rahmen vielfältiger Prozesse fallen in Unternehmen heute sehr große Mengen von Daten an, die vielfältig genutzt werden können. Die schiere Menge an Informationen, die etwa mit Hilfe von Sensoren in industriellen Fertigungsprozessen entstehen, übersteigt jedoch häufig die Fähigkeiten der im Einsatz befindlichen Systeme zur Speicherung dieser Daten. Hier können Smart-Data-Infrastrukturen helfen, in denen geeignete Speicherstrukturen sowie Schnittstellen angeboten werden.

Datenzugriff

Unabhängig vom konkreten Anwendungsbereich sind Endnutzer sowie Unternehmen in ihren Entscheidungen davon abhängig, welche Daten und Informationen ihnen zur Verfügung stehen. Hierbei spielen sowohl die Verfügbarkeit der Daten, ein unkomplizierter Datenzugriff und dessen Geschwindigkeit als auch juristische Fragestellungen, etwa in Bezug auf den Datenschutz, eine zentrale Rolle. Abseits der datenschutzrechtlichen Herausforderungen durch Big Data bieten Smart-Data-Technologien aber gerade auch das Potenzial zur Lösung einiger dieser Problemstellungen, da sie etwa die rechtskonforme Nutzung von Daten durch deren Anonymisierung ermöglichen. Im Idealfall bieten Smart-Data-Lösungen Anwendern die Möglichkeit, aus einer potenziell sehr großen, verteilten und heterogenen Masse von Daten auf einfache Weise genau die Daten zu selektieren, die für den jeweils aktuellen Kontext relevant sind.

Vernetzung von Daten

Sowohl bei offenen als auch bei geschlossenen Szenarien (in denen beispielsweise nur Datenquellen innerhalb eines einzelnen Unternehmens oder miteinander in einem Prozess vernetzter Unternehmen genutzt werden) sind relevante Informationen oft auf eine Vielzahl unterschiedlicher Quellen verteilt. Zum einen sind diese Quellen vielfach nicht bekannt, zum anderen erfordert der Zugriff oft spezifische technische Kenntnisse. Darüber hinaus liegen die Daten in der Regel in heterogenen Formaten vor, sodass vor einer Nutzung erst aufwendige Konvertierungsprozesse durchgeführt werden müssen. Hier können SmartData-Lösungen einen großen Beitrag leisten, indem sie die Vielfalt der Daten besser erschließen, sodass diese in vollem Umfang für Analysen und strategische Entscheidungen genutzt werden können.

Datenqualität

Die reine Existenz und Verfügbarkeit von Daten ist zur Erzielung entsprechender Mehrwerte eine notwendige Voraussetzung. Von entscheidender Bedeutung ist aber auch die Datenqualität. Hier sind neben formalen Aspekten, wie etwa einer adäquaten Repräsentation und Verfügbarkeit, insbesondere inhaltliche Gesichtspunkte relevant. Smart-Data-Technologien können helfen, die Qualität der Daten zu erkennen und zu verbessern, z. B. durch die Kombination und Anreicherung mit Informationen aus vernetzten Quellen (Nachrichten, Social Media etc.).

Datenanalyse

Wenn relevante Datenquellen in geeigneter Form erschlossen sind, können neue Erkenntnisse aus den Daten gewonnen werden. Hier können vielfältige Smart-Data-Services zur Selektion und Analyse sowie zur Visualisierung von Daten zum Einsatz kommen. Erkenntnisse können so in vielen Fällen automatisch gewonnen werden. Den Anwendern steht zudem ein breites Spektrum an Möglichkeiten zur Verfügung, selbst neue Einsichten zu gewinnen. Die Verknüpfung von Daten macht schließlich die Antwort auf bislang nicht gestellte Fragen möglich.

Schaffung nachhaltiger Ökosysteme für Daten und Anwendungen

Um nachhaltig den Anwendungsmarkt Big Data erschließen zu können, sind neben der konkreten Realisierung von Smart-Data-Technologien neue Methoden, Prozesse, Standards und Geschäftsmodelle nötig. Sie helfen Produzenten und Nutzern von Daten, unter Beachtung juristisch, datenschutzrechtlich und gesellschaftlich relevanter Aspekte vorzugehen und selbst entsprechende Prozesse umzusetzen.

 

Mehrwerte für Anbieter von Smart-Data-Lösungen

Anbieter von Smart-Data-Lösungen können auf vielfältige Weise Mehrwerte erzielen. Neben Beratungsleistungen ist eine Wertschöpfung insbesondere möglich durch

  • das Angebot von Daten in geeigneter Form,
  • die Anreicherung und Konvertierung vorhandener Daten (etwa für den Einsatz von Analysewerkzeugen oder die Nutzung in Smart-Data-Infrastrukturen),
  • die Weiterentwicklung existierender Lösungen mit Smart-Data-Technologien,
  • das Angebot bzw. die Anpassung insbesondere branchenspezifischer Smart-Data-Services, sowie
  • das Betreiben von Smart-Data-Infrastrukturen, die von Unternehmen bzw. von weiteren Anbietern zur Anwendung eigener Smart-Data-Services genutzt werden können.

Exemplarische Anwendungsbeispiele

  • Gesundheit: bessere, individualisierte Patientenversorgung2, technische Erweiterung medizinischer Geräte3
  • Energie: Versorgungssicherheit4, Effizienz, Einsparungen, Netzstabilität, Verbesserung des Energiemanagements5
  • Verkehr: effizientere Mobilität6, Logistik, ökologisch nachhaltige Verkehrsplanung, Vermeidung von Verkehrs- und Reiserisiken7
  • Industrieller Kontext: Verbesserung von Prozessen8 (schneller, günstiger, nachhaltiger),optimale Ressourcennutzung, frühzeitige Fehlererkennung9, near-time-Reaktion auf Fehler

 

Formen der Mehrwertgenerierung

Um die angestrebten Mehrwerte zu erreichen, sind im Smart-Data-Kontext vielfältige Vorgehensweisen möglich. Allen zugrunde liegen ein ganzheitlicher Blick auf komplexe und verteilte Szenarien und Prozesse mit einer Vielzahl von Datenquellen sowie eine explizite Adressierung von KMUs. Abhängig vom angestrebten Mehrwert kann unterschieden werden zwischen der Entwicklung von

  1. konkreten und domänenspezifischen Anwendungen und Services, die maßgeschneiderte Lösungen für einen fokussierten Anwendungsbereich liefern (unmittelbare Mehrwertgenerierung),
  2.  Pilotsystemen und Infrastrukturen, die den Stakeholdern eines Anwendungsbereichs selbst ermöglichen, Mehrwerte zu realisieren, sowie
  3.  Methoden und Geschäftsmodellen als fundierte Basis für weitere Entwicklungen.

Konkrete Anwendungen und Services

Im Vordergrund stehen hier Services, die die Integration, Aggregation, Vernetzung und Anreicherung von Daten ermöglichen. Dabei werden insbesondere mit Hilfe von Technologien aus der Informationsverarbeitung und der künstlichen Intelligenz Lösungen für folgende Problemstellungen entwickelt, die charakteristisch für Smart-Data-Einsatzszenarien sind:

  • Heterogenität von Strukturen und Repräsentationsformaten,
  • verteilte Datenquellen mit unterschiedlichen Zugriffsmechanismen,
  • Speicherung und Verarbeitung großer, oft kontinuierlich entstehender Datenmengen,
  • Unterschiede in der Datenqualität,
  • fehlende Klassifikation von Daten sowie
  • Probleme bei der Zugriffsgeschwindigkeit.

Pilotsysteme und Infrastrukturen

Smart-Data-Infrastrukturen haben zum Ziel, neben Basisfunktionalitäten zur Integration und Speicherung von Daten fortgeschrittene Services anzubieten bzw. die Integration von Services anderer Anbieter zuzulassen. Sie erlauben die Adaption durch verschiedene Branchen sowie eine Ausdifferenzierung innerhalb dieser Anwendungsbereiche.

Methoden und Geschäftsmodelle

Methoden und Geschäftsmodelle können zum einen in einem Top-down-Ansatz grundsätzlich neu entwickelt werden, zum anderen entstehen sie bottom-up durch neue Infrastrukturen und Datenmarktplätze, die im Rahmen der Smart-Data-Projekte in den Anwendungsbereichen Industrie, Mobilität, Energie und Gesundheit beispielhaft umgesetzt werden.

 

Dieser Beitrag stammt aus der Publikation „Smart Data Geschäftsmodelle“ der Fachgruppe „Wirtschaftliche Potenziale und gesellschaftliche Akzeptanz“ der Begleitforschung. Das Positionspapier untersucht künftige Smart-Data-Geschäftsmodelle und beschäftigt sich mit der Frage nach geeigneten Anreizstrukturen, mit denen die Bereitschaft zur Preisgabe von Daten erhöht werden soll. Aus der Publikation sind außerdem die Beiträge „Smart-Data-Ertragsmodelle“ und „Hemmnisse und Herausforderungen“ auf dem Smart Data Blog erschienen. Das gesamte Positionspapier steht hier als kostenloser Download zur Verfügung.

Zu den Beiträgen: „Smart-Data-Ertragsmodelle“  und „Hemmnisse und Herausforderungen“

Im Kontext von Big bzw. Smart Data wird eine klare Abgrenzung zwischen Daten mit Personenbezug und reinen Sachdaten zunehmend schwieriger. Die Fachgruppe Sicherheit der Smart-Data-Begleitforschung hat in gebündelter Form die Kernaspekte zum Thema Anonymisierung sowie die relevantesten Techniken zu ihrer Umsetzung in einem Leitfaden zusammengefasst, den Sie hier finden können.

„Um nachhaltig den Anwendungsmarkt Big Data erschließen zu können, sind neben der konkreten Realisierung von Smart-Data-Technologien neue Methoden, Prozesse, Standards und Geschäftsmodelle nötig.“ - Martin Memmel https://bit.ly/2Ax1slR Klick um zu Tweeten
  1.  Stähler, P. (2002): Geschäftsmodelle in der digitalen Ökonomie: Merkmale, Strategien und Auswir-kungen, Electronic Commerce, Bd. 7, S. 41f.
  2. https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-gesundheit_kdi.html sowie https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-gesundheit_sahra.html
  3. https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-gesundheit_innoplan.html
  4. https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-energie_smartenergyhub.html
  5. https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-energie_smartregio.html
  6. https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-mobilitaet_sd4m.html sowie https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-mobilitaet_excell.html
  7. https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-mobilitaet-itesa.html sowie https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-mobilitaet_sd-karma.html
  8. https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-industrie_pro-opt.html sowie https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-industrie_smart-data-web.html
  9. https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-industrie_sake.html sowie https://www.digitale-technologien.de/DT/Redaktion/DE/Standardartikel/SmartDataProjekte/smart_data_projekt-industrie_sidap.html
Kategorien:
  Allgemein, Begleitforschung, Datenanalyse

Artikel teilen

[easy-social-share buttons="twitter,facebook,google,xing,linkedin,flipboard" counters=0 style="icon" url="http://www.smartdata-blog.de/2018/11/28/smart-data-geschaeftsmodelle-mehrwert-und-mehrwertgenerierung/" text="Smart Data Geschäftsmodelle – Mehrwert und Mehrwertgenerierung"]
Über

 Smart Data Begleitforschung

  (43 Artikel)

Hinterlassen Sie einen Kommentar

Die E-Mail Adresse wird nicht veröffentlicht.