Mehrwert aus Daten schaffen

Bild: Senseering GmbH

Alles was bisher erforscht, entwickelt oder erarbeitet wurde, musste irgendwie in das Wertesystem besser, schneller, billiger einzahlen. Hierbei handelt es sich um das moderne Spannungsfeld der Produktionstechnik bestehend aus Qualität, Zeit, Kosten. Mit der Digitalisierung sollte das anders werden. Aber in vielen Fällen erhöhte eine Digitalisierung nur die Kosten, ohne glaubhafte oder greifbare Aussichten auf Qualitäts- und Zeitvorteile aufzeigen zu können. Für Unternehmen scheint der Spagat aus digitalen Versprechen und der individuellen Umsetzung der eigenen Prozesse immer noch schwierig. Und so wurde hauptsächlich ‚zum Selbstzweck digitalisiert‘. Daher wurde der Sachverhalt an der RWTH Aachen in ein Exzellenzcluster überführt, dem sogenannten Cluster ‚Internet of Production‘. Industriell hat es aber im Maschinenbau bis heute keine digitale Disruption gegeben. Ein Grund dafür könnte darin liegen, dass das klassische Wertesystem nicht einfach übernommen werden kann. Denn Digitalisierung ist nicht einfach nur eine Investition in besser, schneller, billiger, sondern eine Beschreibung eines neuen, digitalen Wertesystems, für das Unternehmen neue Werteversprechen und ein anderes Führungsverständnis brauchen. Die Firma Senseering hat bereits 2017 ein provokatives Experiment konzipiert, das verschiedene digitale Mehrwerte aufzeigen sollte: Es wurde eine industrielle Großserienmaschine am WZL der RWTH digitalisiert und vernetzt, sodass ein Prototyp für eine sogenannte Maschinenökonomie entstand. Dabei handelt es sich um die Vision, bei der industrielle Maschinen und Geräte ihre Maschinendaten autonom in einem Wertschöpfungsnetzwerk teilen können und im Gegenzug monetär vergütet werden. Dadurch sollen wegen der höheren Datendichte und besseren Informationstransparenz neben technischen Produktionsprozessen auch Geschäftsprozesse bzw. Geschäftsmodelle profitieren bzw. neu entstehen. Der Prototyp wurde folglich mit einem sogenannten Machine Wallet, einer digitalen Geldbörse für Maschinen, versehen und über eine Distributed-Ledger-Technologie, in dem Fall IOTA, mit einem lokalen Edge-AI-Netzwerk von Senseering vernetzt. Ziel des Prototyps war es, die Machbarkeit einer Maschinenökonomie zu beweisen, dabei Sichtbarkeit zu erzeugen, um Kundengruppen zu mobilisieren und in den Dialog zu kommen.

Datenmonetarisierung

Unter Datenmonetarisierung ist im einfachsten Fall die direkte monetäre Vergütung im Tausch für ein definiertes Datum zu verstehen. Daten als Rohstoff in einer monetären Währung. Im erweiterten Sinne sollte darunter aber jeder Vorgang der Erzeugung eines messbaren ökonomischen Vorteils basierend auf der Verwendung von Daten, aggregierten Daten oder Daten Services verstanden werden, z.B. Reduzierung der Herstellungskosten, Steigerung der Produktivität oder des Marktwerts eines Unternehmens. Zur Beschreibung der Mehrwerte der Datenmonetarisierung muss zwischen internen, also auf das eigene Unternehmen bezogenen, und externen, also kundenzentrierten, Strategien unterschieden werden. Unternehmensintern lassen sich am schnellsten Monetarisierungsmehrwerte verwirklichen, da der Anspruch an Datensicherheit und Datenschutz firmenintern niedriger ist. Mit geringem Aufwand lassen daher die folgenden Mehrwerte monetarisieren:

  • Erschließung von neuen Erkenntnissen

über Produktions- oder Geschäftsprozesse

  • Reduktion der Entscheidungslatenz
  • Minimierung von Risiko
  • Optimierung von Produkten
  • Reduktion von Kosten

Tradierte Geschäftsmodelle, die die analoge Marktwirtschaft die letzten Jahrzehnte dominierten, mussten sich letztendlich der Fixkostendegression bzw. dem Prinzip der Grenzkosten geschlagen geben. Wie sehr sich Unternehmen auch anstrengten, die durch die Produkte oder durch Dienstleistungen ermöglichte Wertschöpfung war stets degressiv steigend. In einigen Fällen nahm die Wertschöpfung mit zunehmender Skalierung sogar ab, da die zusätzliche Anstrengung in Folge einer überproportional gestiegenen Verwaltungskomplexität unerwartete Mehrkosten verursachte. Es ist zwar nicht davon auszugehen, dass durch eine interne Datenmonetarisierungsstrategie sofort die Fixkostendegression bestehender Produktions- oder Geschäftsprozesse schlagartig transformiert werden kann. Es darf aber erwartet werden, dass die interne Datenmonetarisierung eine Effizienz- und vielleicht sogar Effektivitätssteigerung mit sich bringt.

Datenmonetarisierung

Kundenzentrierte Mehrwerte sind deutlich schwieriger zu erzielen. Zwar können durch das Verkaufen von Daten (Data as a Service) schnell neue Einkommensströme erschlossen werden, eine nachhaltige Kundenbindung wird jedoch nur mit fertigen Lösungen (Data solutions as a Service) erwirkt. Gelingt es Unternehmen eine externe Datenmonetarisierung umzusetzen, sind Mehrwerte auf unterschiedlichen Seiten. Zudem ergeben sich nichtlineare Skalierungseffekte. Einmal erfasste Daten können näherungsweise grenzkostenfrei repliziert werden, da die Zeit und die Kosten, die zur Replikation verbraucht werden nur wenige Sekunden dauern. Damit stehen diese Daten fast zeitgleich einer theoretisch unendlichen Zielgruppe zur Verfügung. Anhand der digitalen Nachfrage ist es nun Aufgabe des Unternehmens zu verstehen, wie diese Daten von wem eingesetzt werden und zu entscheiden, ob nicht selbst eine Lösung für diesen und vermutlich weitere Kunden entwickelt werden kann. Die externe Datenmonetarisierung hat demnach das Potenzial ein progressiv steigendes Geschäftsmodell zu etablieren, deren Kurve mittels KI zu früheren und steileren Werten verschoben werden kann. Generell wird die Transformation zu progressiven Geschäftsmodellen als disruptive Innovation bezeichnet und kann sogar den nötigen Anstoß für eine nachgelagerte Ökosystementwicklung sein.

Fünf Schritte

Basierend auf der Analyse der Befragung, empfehlen sich fünf Schritte der Datenmonetarisierung. Unternehmen können an beliebigen Schritten entsprechend ihrer Digitalisierungsreife quereinsteigen.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert