Sowohl in den Fachmedien unterschiedlichster Branchen als auch in der tagtäglichen Wirtschaftspresse gibt es vor einem Begriff quasi kein Entrinnen: datengetriebene Geschäftsmodelle. Wie es aber so oft ist mit Trendbegriffen, über die „jeder“ spricht, stellt sich hier zunächst die Frage: Wovon reden wir überhaupt?
Das Fraunhofer IIS bietet diese Definition an: „Unternehmen mit datengetriebenen Geschäftsmodellen basieren ihr Kerngeschäft auf Daten. Die Orientierung an bzw. die Abhängigkeit von Daten kann dabei alle Dimensionen eines Geschäftsmodells betreffen; das Werteversprechen ebenso wie die Wertschöpfung oder das Erlösmodell. Mehrwert wird aus Daten geschaffen, indem Daten zur Schlüsselressource des Unternehmens werden. Dabei zählen Datenakquise, Datenauswertung oder Datennutzung zu den Kernaktivitäten.“
Geht man dem Thema auf den Grund, so ergibt sich in Deutschland ein spannendes Bild. Laut einer aktuellen BITKOM-Studie haben aktuell knapp 25 Prozent der deutschen Unternehmen kein Geschäftsmodell, in dem Daten eine zentrale Rolle spielen. Für weitere 50 Prozent tragen aktuell datengetriebene Geschäftsmodelle minimal oder gering zum Unternehmenserfolg bei. Spannend wird es jedoch, wenn man auf die Erwartungshaltung der befragten Betriebe blickt: Über 50 Prozent gehen davon aus, dass bereits in zwei Jahren datengetriebene Geschäftsmodelle stark oder sehr stark für den Geschäftserfolg verantwortlich sein werden. Dabei differenziert die Studie nicht zwischen den unterschiedlichen Branchen.
Datengetriebene Geschäftsmodelle in der Praxis
Der aktuelle Artikel "Insights to impact: Creating and sustaining data-driven commercial growth“ von McKinsey zeigt, dass Unternehmen, die datengetriebene B2B-Vertriebsstrategien anwenden, über dem Marktdurchschnitt liegende Wachstumsraten und EBITDA-Steigerungen im Bereich von 15 bis 25 Prozent verzeichnen.
Ein Beispiel dafür ist das Technologieunternehmen Google, welches sein Geschäftsmodell auf der Datenerfassung und -analyse aufgebaut hat. Durch die Nutzung von Daten aus Suchanfragen, Nutzerverhalten und anderen Quellen konnte Google innovative Produkte wie Google Maps oder Google Translate entwickeln und somit seinen Marktanteil signifikant steigern.
Aber auch in traditionelleren Branchen entwickeln sich datengetriebene Geschäftsmodelle immer mehr zum Wettbewerbsvorteil. So nutzen z. B. Versicherungsunternehmen Datenanalysen zur Identifizierung potenzieller Kunden und zur individuellen Angebotsgestaltung.
Erfolgsfaktoren für datengetriebene Geschäftsmodelle
Um datengetriebene Geschäftsmodelle erfolgreich umzusetzen, müssen Unternehmen verschiedene Erfolgsfaktoren berücksichtigen:
- Qualitativ hochwertige Daten: Der Zugang zu relevanten und genauen Daten ist entscheidend. Eine Synchronisation der Datenquellen ist zwingend erforderlich.
- Analytische Fähigkeiten: Unternehmen benötigen talentierte Fachkräfte und eine geeignete technologische Infrastruktur. Eine Data Lake oder Lakehouse Architektur ist in der Regel hilfreich.
- Kultureller Wandel: Eine datenbasierte Entscheidungsfindung muss in der Unternehmenskultur verankert werden. Ein intensives internes Training sensibilisiert die Mitarbeiterinnen und Mitarbeiter auf die notwendige Kultur im Unternehmen.
Die Herausforderungen datengetriebener Geschäftsmodelle
Trotz der offensichtlichen Chancen, die datengetriebene Geschäftsmodelle bieten, sind Unternehmen mit erheblichen Herausforderungen konfrontiert.
Zugang zu qualitativ hochwertigen Daten
Viele Unternehmen stehen vor der Schwierigkeit, die richtigen Datenquellen zu identifizieren und diese effektiv zu aggregieren. In vielen Fällen ist das Problem nicht das Fehlen von Daten, sondern dass die Daten oft verteilt und unstrukturiert sind.
Datenschutz und DSGVO
Im Kontext von Big Data und Künstlicher Intelligenz ist Datenschutz ein zentrales Anliegen, das Unternehmen bei der Implementierung datengetriebener Geschäftsmodelle berücksichtigen müssen. Die Datenschutz-Grundverordnung (DSGVO) der Europäischen Union bietet einen umfassenden Rahmen, der sicherstellt, dass personenbezogene Daten von Bürgerinnen und Bürgern der EU geschützt werden. Unternehmen, die Daten erheben und analysieren, sind verpflichtet, Transparenz über die Art der Verarbeitung, die Zwecke und die Dauer der Speicherung zu gewährleisten. Zudem müssen sie sicherstellen, dass die Daten sicher gespeichert und vor unbefugtem Zugriff geschützt sind, was eine robuste IT-Infrastruktur und Sicherheitsprotokolle erfordert.
Die KI-Verordnung der EU ( EU KI VO / EU AI Act) übernimmt eine Führungsrolle bei der Regulierung der Künstlichen Intelligenz. Die KI-Verordnung umfasst Regelungen, die für alle Arten von Künstlicher Intelligenz gelten, beispielsweise die Notwendigkeit einer KI-Kompetenz für Mitarbeitende in Unternehmen. Zudem enthält sie strenge Vorschriften für Hochrisiko-KI-Systeme, insbesondere im Beschäftigungskontext, sowie Verbote bestimmter KI-Praktiken wie Social Scoring. Angesichts des hohen Potenzials, aber auch der erheblichen Risiken, die mit KI verbunden sind, werden Verstöße gegen diese Regelungen mit erheblichen Geldbußen bestraft.
Unternehmen müssen somit nicht nur die technologische Entwicklung, sondern auch die rechtlichen Rahmenbedingungen im Auge behalten und ihre Prozesse entsprechend anpassen, um rechtlichen Konsequenzen und Reputationsschäden vorzubeugen. Ein integrativer Ansatz, der sowohl Datenschutz als auch Datensicherheit umfasst, ist entscheidend, um das Vertrauen der Benutzer zu gewinnen und zu erhalten.
Mangel an Fachkräften
Die Fähigkeit, Daten sinnvoll zu interpretieren und daraus strategische Entscheidungen abzuleiten, ist unerlässlich. Hierzu benötigen Unternehmen nicht nur technologische Infrastruktur, sondern auch talentierte Fachkräfte, die mit den erforderlichen Tools und Methoden vertraut sind. Angesichts des anhaltenden Fachkräftemangels wird dies zunehmend zu einer bedeutenden Herausforderung.
Kulturelle Barrieren
Unternehmen müssen kulturelle Barrieren überwinden, die oft im Kontext der Implementierung datengetriebener Geschäftsmodelle entstehen. Es erfordert einen Paradigmenwechsel, bei dem datenbasierte Entscheidungen über traditionelle Entscheidungsprozesse gestellt werden.
Zukunftsaussichten und Fazit
Mit der rasanten Entwicklung im Bereich Big Data und Künstlicher Intelligenz wird es für Unternehmen immer wichtiger, sich intensiv mit diesem Thema auseinanderzusetzen und ihre Datenstrategie anzupassen.
Künstliche Intelligenz (KI) als Schlüsseltechnologie
Insbesondere Künstliche Intelligenz mit ihren Bereichen Machine Learning (ML) und Deep Learning ist ein Beschleuniger und der Schlüssel, um effektiv mit Daten arbeiten zu können. Unternehmen sollten daher nicht nur auf aktuelle Trends und Entwicklungen im Bereich Big Data achten, sondern auch zukünftige Innovationen im Auge behalten. Eine offene und flexible Datenstrategie kann hierbei von Vorteil sein, um sich schnell an neue Technologien anzupassen.
Fazit
Datengetriebene Geschäftsmodelle bieten große Chancen für den Unternehmenserfolg. Unternehmen müssen jedoch auch die Herausforderungen meistern, die mit der Implementierung dieser Modelle einhergehen. Mit der richtigen Strategie und dem nötigen Fachwissen können datengetriebene Geschäftsmodelle nicht nur heiß diskutiert, sondern auch erfolgreich umgesetzt werden.
Mit jahrelanger Erfahrung im Bereich Data Intelligence und zahlreichen Projekten kann das Daten- und KI-Team von COMECO Unternehmen bei der Bestandsaufnahme und Nutzbarmachung unterstützen. Gemeinsam entwickeln wir Ihre Datenstrategie und Strukturen, um die erforderlichen Datenbestände aufzubauen, zu pflegen und zu nutzen.
Kontaktieren Sie unsere Experten und vereinbaren Sie noch heute einen Beratungstermin.
