Im letzten Post haben wir in aller Kürze erläutert, wie Datenkooperationen und genossenschaftliche Zusammenarbeit Hand in Hand gehen können. In diesem Beitrag möchten wir das von uns gestaltete Vorgehensmodell vorstellen. Das Vorgehen basiert auf einer wissenschaftlichen Expertenbefragung und zwei Pilotprojekten. Dieses Modell unterstützt Unternehmen bei der Gründung neuer Datengenossenschaften. Das Vorgehensmodell kann als Fahrplan für den Aufbau einer Datengenossenschaft verstanden werden, in dessen Verlauf mehrere aufeinander aufbauende Meilensteine erarbeitet werden.

An erster Stelle steht die Initiierung eines geeigneten Partnernetzwerks und die Definition eines gemeinsamen Wertschöpfungsszenarios. In diesem Schritt werden in der Regel in wenigen Workshops unterschiedliche kooperative Wertschöpfungsszenarien diskutiert, Anknüpfungspunkte und Schnittstellen für eine gemeinsame Servicegestaltung identifiziert und so ein konkretes Wertschöpfungsszenarios ausgewählt und ausgestaltet. Mehr Details zu diesem ersten Meilenstein finden Sie auch in diesem Beitrag.

Vertrauen zwischen den unterschiedlichen Partnern und die Schaffung von Commitment stellen in der ersten Phase wichtige Erfolgsfaktoren dar. Daher wird im zweiten Schritt eine formale Gründung vorgenommen und damit die kooperativen Ziele sowie das Wertversprechen in einer gemeinsamen Satzung verankert. Auch andere Regelungen und Absprachen zwischen den Partnern können in der zweiten Phase in geeigneten Dokumenten (z.B. einer Zusatzvereinbarung zur Satzung) unterzeichnet werden. Durch die gemeinsame Verabschiedung erster, niederschwelliger gegenseitiger Verbindlichkeiten zwischen den Partnern kann Commitment signalisiert und eine Vertrauensbasis geschaffen werden.

Im Folgenden werden Schritte zur prototypischen Realisierung des gemeinsamen Wertschöpfungsszenarios durchlaufen und iterativ ausgebaut. Dies beinhaltet die Erhebung von Anforderungen, die detaillierte Ausarbeitung und schrittweisen Implementierung von digitalen Services zur Erfüllung des Wertversprechens sowie der Aufbau von passenden organisationalen Schnittstellen und Prozessen. Eine parallele Entwicklung prototypischer technischer Strukturen hilft dabei, schnell erste Ergebnisse zu erzielen und zu Beginn getroffene Annahmen zu überprüfen.

Parallel zu diesem iterativen Entwicklungsprozess werden Regelungen und Absprachen zwischen den Partnern weiter geschärft und den Bedürfnissen angepasst, beispielsweise durch die Ausgestaltung eines Rollenmodells, das die Aktivitäten und Verflechtungen der Partner untereinander beschreibt. So getroffene Absprachen können in den Rahmen- und Regelwerken abgebildet werden. Die Pilotierungsphase endet erfolgreich mit der Erbringung eines Proof of Concepts – also dem Nachweis, dass das gemeinsame Wertschöpfungsszenario realisiert werden kann, dass das Wertversprechen eingelöst und die an der Erbringung beteiligten Partner einen Nutzen daraus ziehen.

In den weitern Beiträgen werden wir die unterschiedlichen Bausteine genauer unter die Lupe nehmen.

Dass Daten durch die Digitalisierung eine immer weiter zunehmende Bedeutung erlangen, stellt schon lange kein Spezialwissen mehr dar.

Unternehmen sammeln die verschiedensten Daten über Produkte, Prozesse und Menschen, um Entscheidungen und Strategien zielgerichtet umsetzen zu können. Doch diese Daten werden nicht nur innerhalb von einzelnen Unternehmen gesammelt und weiterverarbeitet, sondern auch das Teilen der Daten über Unternehmensgrenzen hinweg wird immer populärer.

Um einen solchen Datenaustausch zu ermöglichen, werden leistungs- und wettbewerbsfähige Infrastrukturen benötigt, die zusätzlich sicher und vertrauenswürdig sein müssen. An der Schaffung dieser so genannten digitalen Ökosysteme wird auf deutscher und europäischer Ebene bereits gearbeitet. Aspekte, die hierbei zu beachten sind, sind neben der technischen Machbarkeit und einer gewissen Agilität auch die Entwicklung eines Governance-Rahmens durch eine passende Institutionalisierung der digitalen Ökosysteme.

Da Institutionalisierungen von Kooperationen oder anderen Zusammenschlüssen immer unterschiedliche Herausforderungen mit sich bringen, gilt es die passende Organisationsform zu finden oder gegebenenfalls neu zu entwickeln. Im Fall von digitalen Ökosystemen wurden in der Literatur besonders die Nutzung digitaler Plattformen großer IT-Anbieter, Datentreuhänder oder genossenschaftlich organisierte Unternehmensverbünde diskutiert.

Gerade letztere haben in Deutschland eine lange Tradition bei der Organisation von Zusammenschlüssen und stellen ein großes Potential in der Institutionalisierung des interorganisationalen Datenaustauschs dar. Verschiedene rechtlich selbständige Unternehmen können sich also in einer Datengenossenschaft zusammenschließen und innerhalb eines definierten Rahmens gemeinsam Daten erheben, nutzen und verwalten.

Erfahren Sie in den nächsten Blogbeiträgen mehr darüber, wie digitale Ökosysteme in der Rechtsform der Genossenschaft institutionalisiert werden können.

Im letzten Blogbeitrag sind wir der Frage nachgegangen, was Datengenossenschaften sind. In diesem Beitrag widmen wir uns den Fragen, was die Ziele und Wertschöpfungsszenarien von Datengenossenschaften sein können. Bei der Festlegung der zentralen Zielsetzung einer Datengenossenschaft liegt der Kerngedanke klassischer Genossenschaften zu Grunde, der in dem Zitat von Wilhelm Raiffeisen seinen Ausdruck findet: „Was dem Einzelnen nicht möglich ist, das vermögen viele…“.

Digitale Transformation gemeinsam gestalten

Die digitale Transformation von Wirtschaft und Gesellschaft stellt insbesondere kleine und mittelständischen Unternehmen (KMU) vor große Herausforderungen. Große, internationale Unternehmen sind in der Lage, großflächig Daten von Objekten oder Nutzern zu sammeln und so neue Dienstleistungen in Form digitaler Services zur Verfügung zu stellen. Es entsteht ein Kreislauf von Datenerhebung und -auswertung, der die Grundlage für neue Geschäftsmodelle darstellt. Mithilfe von Methoden der künstlichen Intelligenz (KI) können Services zielgerichtet auf Nutzer zugeschnitten werden, um einen noch größeren Nutzen zu stiften. Viele KMU möchten die Wertschöpfungspotenziale digitaler (KI-)Services ebenso nutzen, stoßen dabei aber auf unterschiedliche Probleme:

• Oft verfügen KMU nicht über die notwendigen Fähigkeiten, um Konzepte wie z. B. das Internet der Dinge nutzenstiftend einzusetzen und so mithilfe digitaler Abbilder Daten zu erheben und diese zu nutzen.
• Zum anderen ist ein Mangel an Daten, der KMU die Nutzung von KI-Methoden verwehrt, eine Herausforderung.

An diesen Herausforderungen setzen Datengenossenschaften an. Durch die Schaffung von kooperativen Datenräumen, werden KMU in die Lage versetzt, nicht nur auf eigene sondern auch auf Zustandsdaten über die eigenen Unternehmensgrenzen hinweg zugreifen zu können.

Konkretisierung eines Wertschöpfungsszenarios

Durch das bloße Vorhandensein von Daten ist allerdings noch keine Abhilfe geschaffen. Daten müssen zielgerichtet verarbeitet werden, um geschäftsrelevantes Wissen zu extrahieren. Bei der Gestaltung einer Datengenossenschaft wird daher zunächst ein konkretes Wertschöpfungsszenario spezifiziert, siehe Block 1 „Ziele der Genossenschaft“ in Abbildung 1.

Dabei definieren die Partner ein gemeinsames Szenario, das durch die Fähigkeiten der unterschiedlichen Partner und einem gemeinsamen Datenbestand ermöglicht wird. Neue Wertschöpfungsszenarien setzten sich meist aus mehreren Services zusammen. Diese digitalen Services können der Unterstützung oder Optimierung bestehender Prozesse dienen oder ganz neue Möglichkeiten der digitalen Wertschöpfung ermöglichen.

In einem der Pilotprojekte im produzierenden Umfeld wurde als Wertschöpfungsszenario „Kühlschmierstoff-as-a-Serivce“ definiert, also die Digitalisierung und Optimierung des Gesamt-Versorgungsprozesses mit Kühlschmierstoff. Bisher wurde dieser durch viele Teilprozesse von verschiedenen Partnern auf Basis von periodisch und manuell erhobenen Daten realisiert. Das Wertschöpfungsszenario dieser (in Anbahnung befindlichen) Datengenossenschaft wird zum jetzigen Zeitpunkt durch drei Services realisiert und basiert auf der gezielten Auswertung von Zustandsdaten der beteiligten Objekte. Diese drei Services sind:

• Schaffung von Transparenz zum Zustand des Kühlschmierstoffs,
• Automatisierung des Nachbestellprozesses von Kühlschmierstoff,
• Unterstützung der Meldenachweise an Prüforganisationen.

Durch die Hinzunahme weiterer digitaler Abbilder und mehr Zustandsdaten können im weiteren Verlauf weitere Services im Wertschöpfungsszenario „Kühlschmierstoff-as-a-Serivce“ realisiert werden.