Definition: Daten als wertvolle Ressource der Wirtschaft Was ist Datenökonomie?

Anbieter zum Thema

netfiles GmbH

Yorizon GmbH & Co. KG

Daten sind zu einer wichtigen Quelle der wirtschaftlichen Wertschöpfung geworden. Die Sammlung, Speicherung, Analyse und Nutzung von Daten ermöglicht zum Beispiel neue Geschäftsmodelle, ist aber auch mit Herausforderungen verbunden. In diesem Zusammenhang gewinnt der Begriff „Datenökonomie“ zunehmend an Bedeutung. Doch was genau versteht man unter Datenökonomie?

Der Begriff Datenökonomie beschreibt ein Wirtschaftsmodell, das Daten als wertvolle Ressource betrachtet. In diesem Modell umfasst die Datenökonomie alle Aspekte, die mit der Erhebung, Speicherung, Verarbeitung, Analyse und Nutzung von Daten durch Unternehmen, Einzelpersonen, öffentliche Institutionen oder andere Organisationen verbunden sind. Durch die digitale Nutzung der Daten lassen sich beispielsweise Geschäftsmodelle für neue, innovative Produkte oder Dienstleistungen entwickeln, Geschäftsentscheidungen und Prozesse optimieren oder Wettbewerbsvorteile erzielen.

Es entsteht eine Form von Datenwirtschaft, die in den Wirtschaftskreislauf eingebracht wird. Die Datenwirtschaft betrachtet die Daten als Rohstoff und Wirtschaftsgut und umfasst sowohl die direkte als auch die indirekte Nutzung von Daten. Als Daten werden sowohl personenbezogene als auch nicht personenbezogene Daten wie Maschinen-, Produktions- oder Transaktionsdaten verwendet.

Wirtschaftlich gewinnt die Datenökonomie zunehmend an Bedeutung. Datenökonomie ist zu einem zentralen Element der digitalen Transformation geworden. Sie hat das Potenzial, die Wertschöpfung in den kommenden Jahren erheblich weiter zu steigern.

Die digitale Nutzung von Daten ist aber auch mit zahlreichen Herausforderungen verbunden. So beschäftigt sich die Datenökonomie nicht nur mit der wirtschaftlichen Nutzung von Daten als Ressource, sondern auch mit Aspekten wie Datensicherheit, Datenschutz und dem sparsamen und verantwortungsvollen Umgang mit personenbezogenen Daten. Denn zwischen der wirtschaftlichen Nutzung von Daten und der Datensicherheit und der Wahrung von Rechten wie dem Datenschutz bestehen zahlreiche Konflikte.

Neben der wirtschaftlichen Bedeutung der Daten als Rohstoff sind Daten auch ein Gut des Vertrauens, weshalb Datenmissbrauch zu verhindern ist. Deshalb sucht die Datenökonomie nach ausgewogenen Wegen, den Nutzen von Daten für wirtschaftliche Wertschöpfungsprozesse zu erschließen, ohne dass fundamentale Rechte gefährdet werden.

Eng verbunden mit der Datenökonomie sind die Begriffe „Digitale Souveränität“ und „Souveräne Clouds“. Digitale Souveränität und Souveräne Clouds schaffen durch die eigenständige und selbstbestimmte Datenkontrolle und vertrauenswürdige, interoperable Dateninfrastrukturen die geeigneten Rahmenbedingungen für die Datenökonomie. Sogenannte Datenräume, ein zentrales Instrument der Datenökonomie, ermöglichen dank ihrer geschützten Infrastrukturen einen souveränen Austausch von Daten auf Basis gemeinsamer Gesetze, Regeln und Standards.

Chancen und Möglichkeiten der Datenökonomie für die wirtschaftlichen Wertschöpfungsprozesse

Der weitere Ausbau der Digitalisierung und die Betrachtung von Daten als wertvolle, strategische Ressourcen lassen zahlreiche Möglichkeiten und Chancen für die wirtschaftlichen Wertschöpfungsprozesse entstehen. Zu diesen zählen:

• Entwicklung neuer Geschäftsmodelle und innovativer Produkte oder Dienstleistungen,

• Optimierung von Geschäfts- und Produktionsprozessen,

• Optimierung und Vereinfachung von Entscheidungsfindungsprozessen,

• Erschließung neuer Geschäftsfelder,

• Erzielen von Wettbewerbsvorteilen,

• Steigerung der Effizienz von Lieferketten,

• Fortschritte in der Forschung,

• Verbesserung der Nachhaltigkeit,

• Optimiertes Marketing.

Einige Beispiele für datenökonomische Anwendungen

Es gibt zahlreiche Beispiele für datenökonomische Anwendungen. Ein Beispiel aus dem Bereich E-Commerce ist die Analyse des Kaufverhaltens von Kunden und die daraus abgeleitete Erstellung von personalisierten Angeboten. Im industriellen Bereich werden im Rahmen der Datenökonomie Maschinen- und Produktionsdaten ausgewertet, um daraus Maschinenausfälle vorherzusagen und rechtzeitig geeignete Wartungsmaßnahmen einzuleiten (Predictive Maintenance). Im Gesundheitsbereich lassen sich digitale Patientenakten anonymisiert auswerten, um auf Basis der Ergebnisse Behandlungsmethoden zu verbessern oder neue Therapien zu entwickeln.

Ein weiteres Beispiel für eine datenökonomische Anwendung ist der digitale Zwilling (Digital Twin). Es werden digitale Repräsentationen von physischen Objekten, Systemen oder Prozessen erstellt und mit der realen Welt synchronisiert, um ihr Verhalten zu simulieren, es zu beobachten, zu analysieren und zu optimieren. Im Finanzbereich können aus den Bonitätsdaten von Kunden Ausfallwahrscheinlichkeiten für Kredite berechnet und Kreditrisiken näher bestimmt werden. Auch KI-Anwendungen wie große Sprach- und Bildmodelle oder Chatbots lassen sich zu den datenökonomischen Anwendungen zählen. Sie werden mit großen Datenmengen trainiert und generieren auf Basis der im Training erworbenen Fähigkeiten und Kenntnisse neue Inhalte, beantworten Fragen und bearbeiten Aufgabenstellungen.

Herausforderungen der Datenökonomie

Die wirtschaftliche Nutzung von Daten ist mit zahlreichen Herausforderungen verbunden.

Eine der größten Herausforderungen ist der Schutz personenbezogener Daten und die Wahrung der Privatsphäre. Wirtschaftliche Interessen müssen mit datenschutzrechtlichen Anforderungen in Einklang gebracht werden. Die Erhebung und Verarbeitung großer Datenmengen personenbezogener Daten birgt ein erhebliches Risiko für den Datenschutz. Personenbezogene Daten sind sensibel und ihre Erhebung, Speicherung, Verarbeitung und Analyse haben direkten Einfluss auf die Privatsphäre und die informationelle Selbstbestimmung der Menschen. Hier ist vor allem der Gesetzgeber gefordert, entsprechende Rahmenbedingungen für den Datenschutz zu schaffen.

In Europa sieht die Datenschutz-Grundverordnung (DSGVO) entsprechende Vorgaben für die Datenökonomie vor. So sind beispielsweise bei personenbezogenen Daten die Prinzipien der Zweckbindung, Datenminimierung, Speicherbegrenzung und der Transparenz und Kontrolle einzuhalten. Personenbezogene Daten dürfen nur für einen festgelegten, eindeutigen und legitimen Zweck verarbeitet werden. Es dürfen nur so viele Daten verarbeitet werden, wie für den jeweiligen Zweck notwendig sind. Die Speicherdauer ist auf das erforderliche Maß begrenzt. Nutzer müssen transparent informiert werden, wofür ihre Daten verwendet werden, und aktive Kontrolle über ihre Daten ausüben können. Zudem sind Schutzmaßnahmen vorzusehen, die die Integrität und Vertraulichkeit personenbezogener Daten sicherstellen und deren Missbrauch verhindern.

Weitere Herausforderungen der Datenökonomie sind:

• Ethische und gesellschaftliche Risiken: Es müssen Leitlinien vorhanden sein, welche Daten zu welchen Zwecken erhoben und gesammelt werden dürfen, um eine legitime, ethische Nutzung sicherzustellen und unnötige Risiken für die Gesellschaft zu verhindern. Die Monetarisierung von Daten darf nicht zu sozialem Druck oder zu Diskriminierung führen. Im Bereich der Künstlichen Intelligenz ist für faire und transparente Entscheidungen zu sorgen.

• Informationssicherheit und Schutz der Daten vor Cyberangriffen: Es muss sichergestellt sein, dass Daten vor Cyberangriffen und Missbrauch geschützt sind. Für die Informationssicherheit sind entsprechende organisatorische und technische Sicherheitsmaßnahmen vorzusehen.

• Effiziente und intelligente Bewirtschaftung der Daten: Große Datenmengen müssen effizient und intelligent bewirtschaftet werden, um die Komplexität und den Ressourcenbedarf möglichst gering zu halten.

• Sicherstellung der Datenqualität: Daten müssen in entsprechender Qualität und vollständig bereitgestellt werden, um korrekte Analyseergebnisse zu liefern und Fehlentscheidungen zu vermeiden.

• Vermeidung von Datenmonopolen: Es muss vermieden werden, dass wenige große Unternehmen oder Organisationen einen Großteil der Daten kontrollieren und ihre Marktmacht ausnutzen. Für kleinere Unternehmen können Datenmonopole zu Marktverzerrungen und Innovationshemmnissen führen.

Rechtliche und organisatorische Rahmenbedingungen der Politik für die Datenökonomie

Da die Datenökonomie nicht nur Einfluss auf die Wirtschaft, sondern auch weitreichende gesellschaftliche und politische Auswirkungen hat, sind politische Gremien gefordert, für entsprechende rechtliche und organisatorische Rahmenbedingungen, zum Beispiel im Hinblick auf Datenschutz und Datensicherheit, zu sorgen.

Eine Grundlage zur Gestaltung solcher Rahmenbedingungen bilden in Deutschland und in Europa die Datenstrategien des Bundes und der EU. Ziel der Datenstrategien ist es, für eine innovative und verantwortungsvolle Datenbereitstellung und Datennutzung in Wirtschaft, Wissenschaft, Zivilgesellschaft und Verwaltung zu sorgen und datenökonomische Anwendungen zu fördern. Darüber hinaus sollen die Datenstrategien Datenmonopole verhindern und allen Marktakteuren eine gerechte Datenteilhabe an einem europäischen Binnenmarkt für Daten ermöglichen.

Die Datenstrategie der EU sieht hierfür die Schaffung eines sektorübergreifenden Governance-Rahmens für den Zugang zu und die Nutzung von Daten, die Förderung von Investitionen in Daten und Dateninfrastrukturen, die Stärkung der Kontrolle des Einzelnen über seine Daten und die Schaffung von gemeinsamen, sektorspezifischen europäischen Datenräumen in strategischen Bereichen von öffentlichem Interesse (zum Beispiel Industrie, Mobilität oder Gesundheit) vor.

Europäische Umsetzungsakte für die datenökonomischen Datenstrategien sind beispielsweise der Data Governance Act und der Data Act. Auch Gaia-X, ein Projekt für dezentrale und sichere Dateninfrastrukturen in Europa, ist ein wesentlicher Teil der europäischen Datenstrategie.

Public, Private, Hybrid & Co.: Definitionen rund um Cloud Computing

Alle relevanten Schlagworte aus dem Bereich Cloud Computing finden Sie auch gut erklärt in unseren Definitionen. Ganz im Sinne eines kleinen, aber feinen Glossars lesen Sie hier leicht verständliche Erklärungen zu den wichtigsten Begriffen. Als Service für Sie haben wir die hier erklärten Begriffe in unseren Beiträgen auch direkt mit den zugehörigen Lexikoneinträgen verlinkt. So können Sie die wichtigsten Begriffe direkt dort nachschlagen, wo sie im Text auftauchen.  

Zum Special: Definitionen rund um Cloud Computing

(ID:50450650)