Beratungen im Analytics-Umfeld empfehlen üblicherweise, bei der Entwicklung einer Analytics-Lösung eine systematische, kriteriengeleitete IT-Tool-Auswahl vorzunehmen, die von einer breiten Longlist aus Produkten über eine Shortlist bis zu einem Proof-of-Concept führt. Das IT-Tool steht dabei am Anfang und im Mittelpunkt des Prozesses. Diese Empfehlungen richten sich allerdings an Unternehmen von zumindest mittlerer Größe, die eine eigene IT-Abteilung und idealerweise sogar ein Analytics-Team mitbringen. Unsere Erfahrungen im Projekt legen es nahe, dass diese Voraussetzung gerade in dem betrachteten Umfeld – kleinere Mittelständler mit Potentialen bei der Analyse digitaler Abbilder physischer Objekte – üblicherweise nicht gegeben ist. Trotz oftmals hohem High-Tech-Anteil der produzierten oder verarbeiteten Güter sind umfangreiche IT-Ressourcen und weitergehende IT-Kompetenzen eher die Ausnahme.
Für eine Datengenossenschaft rückt damit die Auswahl eines geeigneten IT-Anbieters in den Vordergrund. Dieser muss als kompetenter Partner die Anforderungen der Genossen aufgreifen und mit geeigneten Tools umsetzen können – er übernimmt in der Genossenschaft letztlich die Rolle einer IT-Abteilung. Die Toolauswahl ist damit verzahnt, da der Anbieter schließlich eine anforderungskonforme, skalierbare und performante Lösung bereitstellen muss. Idealweise befindet der IT-Anbieter auf Augenhöhe, d.h. ist selbst mittelständisch und mit der Kultur und der Branche der Genossenschaft vertraut.
Zusätzlich zu Anbieter und Tool ist zu berücksichtigen, dass ein Anbieter alternative Angebote mit unterschiedlichem Leistungsumfang anbieten kann. In der Auswahl hierfür ist neben einem kurzfristigen auch ein langfristiger Zeithorizont zu berücksichtigen. Gerade bei Genossenschaften ohne Analytics-Vorerfahrung stehen zunächst der Aufbau einer belastbaren Datenbasis, deren Management sowie einfache, deskriptive Analysen mit Reports und Dashboards im Mittelpunkt. Mit wachsender Erfahrung und einem schrittweisen Ausbau der Datenbasis werden den Anwendern üblicherweise die Potentiale explorativer und im nächsten Schritt auch anspruchsvollerer KI/Machine Learning-Analysen stärker bewusst. Diese Perspektive sollte in die Anbieter- und Angebotsauswahl einfließen.

Die Rolle des IT-Partners

Unsere Studien legen nahe, den IT-Anbieter nicht selbst zum Genossen einer Datengenossenschaft zu machen. Gerade bei einem wenig IT-affinen Konsortium bündelt der IT-Anbieter Macht, was zu einer Unwucht in der Genossenschaft führen kann: Zum einen konzentriert der IT-Partner als zentraler Lösungsentwickler und ­­-betreiber Kompetenzen, Daten und Wissen und kann so in eine dominante Position gelangen. Zum anderen ist seine Rolle grundlegend verschieden von der aller anderen Partner – und damit unterscheiden sich auch seine Ziele. Unter diesen Voraussetzungen entsteht ein hohes Risiko von Zielkonflikten (beispielsweise durch Nutzung des erworbenen Know Hows bei der Akquise und Betreuung konkurrierender Unternehmen). Mit einem von der Genossenschaft vertraglich beauftragtem IT-Dienstleister lässt sich diese Position einfacher beherrschen.

Typen von IT-Partnern und IT-Tools

Im Rahmen unserer Gespräche mit IT-Dienstleistern sowie bei der Suche nach konkreten Partnern für unsere Datengenossenschaften haben wir unterschiedliche Typen von IT-Partnern und IT-Tools identifiziert, die potenziell für eine Datengenossenschaft in Frage kommen. Der Unterschied besteht dabei primär in der fachlichen Herkunft und infolge der inhaltlichen Schwerpunktsetzung, der Kompetenzen und dem Funktionsumfang der vom Partner mitgebrachten Tools. Es ist zu beachten, dass jeder Fall eine individuelle Ausrichtung erfordert und mehrere Anbieter auch durchaus gemeinsam agieren können. Des Weiteren sehen wir die großen IT-Cloudanbieter/Hyperscaler typischerweise eher als mittelbar über einen kleineren IT-Anbieter angebunden, d.h. der IT-Anbieter nutzt die Dienste des Cloudanbieters für den Aufbau der DG-spezifischen Umgebung.

1. IT-Anbieter mit Schwerpunkt Automatisierungstechnik, Produktion und Logistik

IT-Unternehmen mit einer Spezialisierung auf industrielle Anwendungen und Automatisierung bringen wichtige Kompetenzen bei der Anbindung von Maschinen, zu den relevanten Standards und Normen sowie oftmals umfangreiche Kenntnisse der technischen, organisatorischen, kulturellen und rechtlichen Rahmenbedingungen des industriellen Mittelstands mit. Die hierbei inhärente ingenieursorientierte Ausrichtung spiegelt sich oftmals auch im beruflichen Hintergrund der Mitarbeiter sowie den von ihnen umgesetzten Konzepten und Herangehensweisen wider – was ein Vorteil für die Zusammenarbeit ist, wenn die Genossen der DG einen ähnlichen Hintergrund haben. Teilweise verfügen derartige Unternehmen über individuelle, spezialisierte Toolsets für die Digitalisierung und die Prozessunterstützung mit eigenen Datenmodellen und Datenhaltungsansätzen. Diese unbestreitbaren Stärken können in einer analyseorientierten Datengenossenschaft schnell zu Herausforderungen werden, wenn die Architekturen und Modelle nicht mit aktuellen, insbes. cloudbasierten Datenhaltungs- und -analysearchitekturen kompatibel sind. V.a. die Überführung in typische analytische Datenmodelle ist dann schnell mit erheblichem Aufwand verbunden, da Themen wie Historisierung (inkl. Slowly Changing Dimensions), die Schaffung eines Single Point of Truth sowie eine Ausrichtung auf integrierte, zeit- und organisationsübergreifende Analysezusammenhänge nicht vorgesehen sind. Diese Art Anbieter bietet sich dann an, wenn parallel zum Aufbau eines Datenraums auch eine Digitalisierungsinitiative mit tiefer fachlicher Einbindung in die Prozesse der Genossen erforderlich wird.

2. IT-Anbieter mit einem Schwerpunkt auf dem Internet der Dinge/dem Internet of Things (IoT)

Breiter und generischer ausgerichtet als die erste Gruppe sind IoT-orientierte Anbieter und deren Lösungen. Hier stehen die Anbindung typischer IoT-Datenquellen (Smarte Sensoren und Aktoren/Smarte Maschinen/RFID etc.) mit anspruchsvollen Anforderungen an die vorzuhaltenden Datenvolumina, die Geschwindigkeit des Datenanfalls sowie den Umgang mit komplex strukturierten Daten im Mittelpunkt. Gerade für cloudbasierte Dashboards mit Real Time-Integration komplexer, verteilter Sensorik sind derartige Anbieter prädestiniert, selbst wenn diese nicht immer den tiefen fachlichen Hintergrund der ersten Gruppe mitbringen. An Grenzen stoßen solche Anbieter unserer Erfahrung nach, sobald auch hier weitergehende Anforderungen an eine analyseorientierte Datenhaltung sowie tiefergehende Analysen gestellt werden.

3. IT-Anbieter mit Schwerpunkt Business Intelligence und Analytics (BIA)

„Klassische“ BIA-Anbieter haben ihre Wurzeln in einem unternehmensweiten Reporting sowie im Aufbau einer integrierten analyseorientierten Datenhaltung (Data Warehouse/Data Lake). Derartige Anbieter sind v.a. für den initialen Aufbau einer Datenplattform interessant. Andererseits sind bei den entsprechenden, hier favorisierten Lösungen anspruchsvollere AI- und Machine Learning-Lösungen oftmals eher ergänzt als integrativ vorgesehen. Schwerer wiegen eine möglicherweise fehlende Erfahrung mit der Anbindung technischer Systeme sowie einem mangelnden tieferen Verständnis für die Zielgruppe, speziell im Umfeld kleinerer Mittelständler.

4. IT-Anbieter mit Schwerpunkt Artificial Intelligence und Machine Learning

Der Vorteil spezialisierter AI/ML-Anbieter ist, dass diese Kompetenzen mitbringen, die insbes. für weitergehende Ausbaustufen einer Datengenossenschaft relevant sind – methodisch, mathematisch-statistisch, werkzeug-, entwicklungs- und betriebsbezogen. Oftmals sind diese Anbieter gleichzeitig mit den Grundlagen allgemeiner BIA-Lösungen vertraut. Selbst wenn dies nicht die Kernkompetenz ist, sollten entsprechende Anbieter bei einer perspektivisch stärkeren Ausrichtung auf KI/ML-Lösungen berücksichtigt werden.

5. Allgemeine IT-Anbieter mit Mittelstandsbezug ohne spezifische Schwerpunktsetzung

Auch nicht primär auf Automatisierungstechnik, IoT, BIA und/oder AI/ML spezialisierte Partner können in interessante IT-Partner werden, speziell wenn sie mit den Grundlagen cloud- und datenorientierter Lösungen vertraut sind, ein insgesamt breites und aktuelles IT-Know How vorweisen können und sich durch eine starke Mittelstandsorientierung auszeichnen. Hier können geringe Reibungsverluste bei der Kooperation mit der Genossenschaft etwaige Spezialisierungsdefizite potenziell ausgleichen. Dennoch sollte geprüft werden, inwiefern diese Anbieter der vorliegenden Aufgabe gewachsen sind. Insbes. sollte deshalb auf Erfahrungen beim Aufbau von Cloudlösungen mit starkem Datenanteil sowie Vertrautheit mit typischen Datenhaltungs- und ‑analysesystemen geachtet werden.

Kriterien für die integrierte Auswahl von IT-Partnern, -Tools und -Angeboten

Basierend auf diesen Vorüberlegungen wurde im Laufe des Projektes ein Katalog von Kriterien für die integrierte Auswahl von IT-Partnern, ‑Tools und Angeboten entwickelt. Dieser Katalog ist bereits sehr umfangreich, kann aber durchaus auch erweitert werden.

So wird bei den toolbezogenen Kriterien neben übergreifenden Kriterien das potenziell relevante Funktionsangebot sowohl auf der Datenhaltungs- und der Analyseseite berücksichtigt. Bei den anbieterbezogenen Kriterien stehen v.a. die Kompatibilität mit dem Konsortium sowie Angebote zu Schulung, Betreuung und Beratung im Mittelpunkt – Fragen, die v.a. bei Mittelstandskonsortien ohne eigene IT-Abteilung kritisch werden. Die angebotsorientierten Kriterien berücksichtigen neben allgemeinen Informationen zum Preis- und Servicemodell sowohl Fragen der Entwicklung und Bereitstellung der Lösung wie auch solche zu deren Betrieb. Hierbei wird jeweils differenziert nach Datenanbindung und -bereitstellung, Datenanalyse und Frontend/Dashboard.

Vor der eigentlichen Anbietersichtung sollte dieser umfangreiche Katalog auf die für die vorgesehenen Wertschöpfungsszenarien relevanten Kriterien reduziert werden. Hierbei kann ggf. auch nach einer kurzfristigen und einer langfristigen Perspektive differenziert werden, beispielsweise wenn weitergehende KI/ML-Funktionalität erst für eine spätere Ausbaustufe der Datengenossenschaft vorgesehen ist.

Die selektierten Kriterien können im nächsten Schritt zum Screening einer größeren Longlist an Anbietern genutzt werden, beispielsweise durch ein punktebasiertes erstes Scoring, wobei die Kriterien gewichtet werden sollten (etwaige KO-Kriterien sollten separat und vorweg geprüft werden). Die resultierenden Punktwerte erleichtern eine erste Vorselektion, die Ergebnisse sollten aber auch qualitativ plausibilisiert werden. Gerade in Grenzfällen empfiehlt sich eine kritische Analyse der Resultate.

Auf dieser Basis kann dann auch ein erstes Lastenheft vorbereitet werden, das im Rahmen von Vorgesprächen genutzt wird. Spätere Schritte würden gemeinsame Workshops, Demonstrationen der Werkzeuge, Prototypen und Proof of Concepts vorsehen, um schrittweise einen oder mehrere geeignete Partner zu identifizieren.

Werkzeug

Für die entsprechenden Selektionsprozesse wurde im Projekt ein Spreadsheet-basiertes Werkzeug entwickelt, mit dem zum einen die Kriterienselektion vorgenommen werden kann und zum anderen das Scoring/Screening. Hierfür bietet das Werkzeug zwei Vorlagen, die jeweils individuell angepasst werden können. Das Werkzeug findet sich in GitHub unter der Adresse

https://github.com/Projekt-Datengenossenschaften/Werkzeugkasten/blob/main/05_AuswahlVonAnbieternToolsUndAngeboten_VorgehenUndTool/02_DG_Werkzeugkasten_TOOL_Angebotsauswahl_KriterienselektionUndAngebotsbewertung.xlsx

Im Rahmen des Projekts wurde ein Verrechnungskonzept für Datengenossenschaften (Daten eG) entwickelt. Zielsetzung des Konzepts ist die transparente Bewertung und Verrechnung von Leistungsverflechtungen einer Daten eG. Das Konzept geht über die Bestimmung einzelner Verrechnungspreise für Daten und datenbasierte Services hinaus. Es enthält Regeln und Methoden für die monetäre Bewertung, Verrechnung und Dokumentation von datenbasierten Leistungen, die innerhalb der Genossenschaft sowie durch den Einbezug externer Partner (nicht Mitglieder der Genossenschaft) eingebracht und in Anspruch genommen werden.
Das hier abrufbare Dokument gibt einen Überblick über das entwickelte Verrechnungskonzept für Datengenossenschaften. In dem Dokument werden die vier zentralen Bausteine, die für die individuelle Ausgestaltung eines Verrechnungskonzepts für eine Datengenossenschaft relevant sind, erläutert: 1) Leistungsstruktur, 2) verwendete Bewertungsmethode für ausgetauschte Daten oder andere Leistungen, 3) Preismodell für datenbasierte Services sowie 4) Dokumentation und Reporting.

Ein zentraler Baustein einer funktionsfähigen Datengenossenschaft ist die Etablierung eines Verrechnungskonzepts mithilfe dessen die für die Genossenschaft entstehenden Kosten auf die Mitglieder verteilt werden.

Dabei ist es wichtig, eine Verrechnungsgrundlage zu finden, die für alle Mitglieder fair ist, d.h. diejenigen Mitglieder, die einen größeren Teil der Services der Datengenossenschaft nutzen, sollten auch einen größeren Teil der Kosten tragen.

Darüber hinaus ist es wichtig, die Leistungen zu berücksichtigen, die auf der Ebene der Mitglieder erbracht werden, und sie den jeweiligen Mitgliedern gutzuschreiben.

Die hier abrufbare Excel-Datei zeigt am Beispiel der Datengenossenschaft für das Kühl- und Schmierstoffmanagement drei verschiedene Möglichkeiten der Verrechnung der anfallenden Kosten auf.

Sie zeigt, welche Informationen für ein Abrechnungskonzept benötigt werden, wie die Abrechnung innerhalb der Datengenossenschaft gestaltet werden kann und wie die Kosten auf die einzelnen Mitglieder des Fallbeispiels verteilt werden.

In dem Beitrag „Anwendung Bewertungsmethoden Verrechnung am Beispiel KSS“ wurde bereits veranschaulicht, wie die Kosten, die innerhalb einer Datengenossenschaft entstehen, auf die einzelnen Mitglieder verteilt werden können, um eine Deckung aller Kosten sicherzustellen und eine angemessene Verteilung zu gewährleisten. Diese Excel-Datei kann nun dazu verwendet werden, die in Ihrem konkreten Anwendungsfall entstehenden Kosten weiter zu verrechnen und Ihre Services zu bewerten. Diese Datei stellt also ein Tool dar, dass Sie direkt bei der Umsetzung Ihrer Datengenossenschaft und bei der Realisierung eines eigenen digitalen Ökosystems unterstützt.

Handwerksbetriebe im Baugewerbe müssen für die Umsetzung eines Bauwerks zusammenarbeiten, da jeder Betrieb zumeist nur eins oder wenige Gewerke und damit notwendige Bestandteile eines Bauvorhabens abdecken. Während der Bauphase benötigen alle beteiligten Handwerksbetriebe Zugriff auf den Bauplan und die Möglichkeit Informationen zum Baufortschritt mit vor- und nachgelagerten Gewerken auszutauschen. Dies geschieht heute selten durch eine gemeinsame Datenhaltung, sondern häufig durch viele einzelne zeitintensive Absprachen zwischen den beteiligten Handwerksbetrieben.

Zudem haben Handwerksbetriebe während eines Bauvorhabens Zugang zu vielen nicht-personenbezogenen Daten, wie beispielsweise dem aktuellen Baufortschritt oder Umgebungsbedingungen am Bau, wie die Temperatur oder Luftfeuchtigkeit. Diese Daten können nicht nur für Unternehmen anderer Branchen, sondern auch für Endnutzer oder Betreiber eines Gebäudes wertvoll sein.

Der Aufbau einer technischen Infrastruktur zur Erfassung und Verwertung dieser Daten sowie der zentralen Speicherung von Bauplänen und des Baufortschritt wird aufgrund des schwer abschätzbaren Aufwands jedoch von den wenigsten Handwerksbetrieben überhaupt in Erwägung gezogen. Genau bei solchen Vorbehalten kann eine Genossenschaft entgegenwirken: Denn in einer genossenschaftlich organisierten Gemeinschaft kann der Aufwand technische Infrastruktur anzuschaffen und diese zur Nutzung der Daten einzusetzen, aufgeteilt werden.

Handwerksbetriebe als Genossen könnten gemeinsam mit externen Experten eine technische Infrastruktur aufbauen, um Pläne und Kommunikation zentral zu speichern. Zudem könnten Handwerksbetriebe u. a. Bilddaten, Temperatur- und Luftfeuchtigkeitswerte zur Beschreibung der Umgebungsbedingungen verschiedener Punkte einer Baustelle liefern. Weitere externe Partner könnten hinzugezogen werden, um weitere Services anzubieten und die Daten nutzbar zu machen. Zum Beispiel kann ein Wetterdienst den Datenpool der Genossenschaft sinnvoll erweitern, um eine die Koordination der verschiedenen Gewerke direkt auf die jeweils notwendigen Wetterbedingungen abzustimmen. Partner mit Expertise im Bereich der Datenverarbeitung könnten Daten kombinieren und Prognosen zu Trocknungszeiten und Baufortschritt zur Verfügung stellen. Auf dieser Basis kann die Genossenschaft einen zeitaktuellen Baustellenplan erstellen und die Koordination aller beteiligten Unternehmen übernehmen. Handwerksbetriebe geraten als Genossen weniger stark in die Abhängigkeit externer Bauträger, bündeln ihren Koordinationsaufwand und haben die Chance zusätzliche Gewinne zu erzielen.

Genossenschaften sind im Handwerk nicht neu

Die gleichberechtigte Zusammenarbeit von selbstständigen Betrieben in Genossenschaften ist im Handwerk verbreitet. Einkaufs- und Absatzgenossenschaften setzen bessere Konditionen beim Ein- oder Verkauf für Ihre Mitglieder um. Produktivgenossenschaften bieten die Möglichkeit für mehrere Handwerker Kapital zu bündeln und gemeinsam einen Betrieb zu führen. Lösungen „aus einer Hand“ über mehrere Gewerke hinweg werden von gewerkübergreifenden Genossenschaften angeboten. Ausbildungsgenossenschaften übernehmen die Organisation der Ausbildung, sodass sich der einzelne Betrieb voll und ganz auf die praktischen Inhalte konzentrieren kann.
Wie das Beispiel im Baugewerbe zeigt, hat das Prinzip „Genossenschaft“ auch Potenzial das Handwerk bei der digitalen Transformation zu unterstützen.

Besuchen Sie unsere Website des Forschungsprojekts TREND für mehr Informationen zu unserer Zusammenarbeit mit dem Handwerk.

Große und internationale Konzerne treiben die Themen Analytics und Künstliche Intelligenz (KI) mit großen Investitionen voran – es verbleibt hier kaum noch ein Geschäftsprozess oder ein Geschäftsmodell, das von anspruchsvollen Datenanalysen unberührt bleibt. Für kleine und mittelständische Unternehmen (KMUs) wird es immer schwerer, hier Schritt zu halten. Ein maßgeblicher Grund hierfür ist, dass KMUs nicht die Datenbestände aufbauen können, die für die Entwicklung und den Einsatz von Analytics- und KI-Methoden erforderlich sind. Das betrifft den Umfang der Datenbestände wie auch deren Reichhaltigkeit: Aktuelle KI-Ansätze zeichnen sich besonders dadurch aus, dass sie eine Vielzahl von Parametern und Perspektiven in eine Analyse einbeziehen können und so ganzheitliche Lösungen für einen gegebenen Problemkontext erlauben. Ein einzelnes, spezialisiertes KMU hingegen kann oftmals nur einen Ausschnitt der erforderlichen Daten liefern. Hinzu kommen Fragen der bereitzustellenden Ressourcen. So ist die Beschäftigung von Data Scientists für viele KMUs nur schwer wirtschaftlich zu rechtfertigen.

Es liegt nahe, hier auf das Teilen von Daten mit anderen Unternehmen zu setzen und die entsprechenden Analyseaufgaben zu zentralisieren. Leider erweisen sich entsprechende Vorhaben oft als schwierig und sind selten von Erfolg gekrönt, da zu viele Fragen insbes. hinsichtlich Rollen und Verantwortlichkeiten, Verrechnung und Verwertung, aber auch Vertrauen und Akzeptanz ungeklärt bleiben.

Im Rahmen eines vom Ministerium für Wirtschaft, Arbeit und Tourismus Baden-Württemberg geförderten interdisziplinären und anwendungsorientierten Forschungsprojektes erforschen, entwickeln und erproben das Ferdinand-Steinbeis-Institut, die Lehrstühle für Controlling sowie für Wirtschaftsinformatik 1 der Universität Stuttgart und der Baden-Württembergische Genossenschaftsverband einen neuen Ansatz für das Teilen und analysieren von Daten über Unternehmensgrenzen, die sog. Datengenossenschaften.

Die Grundidee ist die Gründung einer Genossenschaft, deren Zweck die Schaffung eines gemeinsamen Datenraums ist. Mit einer Genossenschaft wird bewusst eine Rechtsform gewählt, deren expliziter und gesetzlich verbindlich vorgegebener Zweck die Kooperation zum Wohle der Mitglieder ist (GenG §1). Genossenschaften haben zum einen eine lange Tradition, die in Deutschland auf das Genossenschaftsgesetz von 1867 zurückgeht. Etabliert sind insbes. Genossenschaften für die gemeinsame Beschaffung von Gütern (etwa für Landwirte oder Bäcker), für die gemeinsame Produktion und den gemeinsamen Vertrieb (etwa bei Winzern und Weinbauern oder im Holzgroßhandel) oder im Bankwesen (z. B die Volks- und Raiffeisenbanken).

Das Genossenschaftsmodell ist nicht nur im KMU-Umfeld bewährt und beliebt, es bietet als institutioneller Rahmen für das betriebsübergreifende Teilen und Veredeln von Daten auch viele weitere Vorteile: von der Schaffung einer definierten und rechtlich abgesicherten Kooperationsstruktur über die Skalierbarkeit und Offenheit der Mitgliederstruktur, der Etablierung einer neutralen Organisation, die die gemeinsame Datenhaltung und -verwertung verantwortet, bis hin zu dem inhärent mit dem Genossenschaftsmodell verankerten Anspruchs der Zusammenarbeit.

Im Projekt betrachten wir vor allem Datengenossenschaften zum Teilen von (Zustands-) Daten. Diese (Zustands- & Kontext-) Daten werden in den digitalen Abbildern von realen Objekten bereitgestellt.