=Paper=
{{Paper
|id=Vol-3630/paper05
|storemode=property
|title=Datengenossenschaften als Datentreuhänder – Eine qualitative Analyse von Pilotprojekten
|pdfUrl=https://ceur-ws.org/Vol-3630/LWDA2023-paper5.pdf
|volume=Vol-3630
|authors=Maximilian Werling,Patrick Weber,Heiner Lasi
|dblpUrl=https://dblp.org/rec/conf/lwa/WerlingWL23
}}
==Datengenossenschaften als Datentreuhänder – Eine qualitative Analyse von Pilotprojekten==
https://ceur-ws.org/Vol-3630/LWDA2023-paper5.pdf
Datengenossenschaften als Datentreuhänder – Eine
qualitative Analyse von Pilotprojekten
Maximilian Werling1, Patrick Weber1 und Heiner Lasi1
1 Ferdinand-Steinbeis-Institut Heilbronn, Bildungscampus 9, 74076, Heilbronn, Germany
Abstract
Data Sharing – also der Austausch von Daten über Unternehmensgrenzen hinweg – erlaubt
Unternehmen die Auswertung und Analyse organisationsübergreifender Fragestellungen. Mit Data
Sharing gehen jedoch erhebliche technische und insbesondere organisatorische Herausforderungen
einher. In der aktuellen Literatur werden Datentreuhänder als ein Ansatz diskutiert, der Organisationen
zu einem verstärkten Austausch von Daten befähigen soll. In diesem Beitrag werden
Datengenossenschaften als eine Betriebsform solcher Datentreuhänder charakterisiert.
Datengenossenschaften bringen den genossenschaftlichen Gedanken mit den Problemstellungen des
Data Sharing zusammen. Basierend auf der qualitativen Analyse von drei Pilotprojekten als Fallstudien
wird der Zusammenhang genossenschaftlicher Prinzipen und den Funktionen von Datentreuhändern
genauer untersucht. Abschließend werden die ausgeführten Ergebnisse diskutiert und eingeordnet.
Keywords
Datengenossenschaft, Datentreuhänder, Data Sharing, Data Ecosystem1
1. Einleitung
Durch den Einzug smarter Objekte in die operative Wertschöpfung und der vermehrten
Verfügbarkeit von digitalen Zustandsdaten ergeben sich neue, vielfältige Analysen und
Optimierungspotenziale [1]. Doch diese Potenziale machen nicht an der Unternehmensgrenze
halt, sondern können auch darüber hinaus einen Nutzen stiften, sofern sie verfügbar gemacht
werden. Die unternehmensübergreifende Bereitstellung und zielführende Analyse von Daten aus
verschiedenen Datenquellen wird derzeit verstärkt unter dem Begriff Data Sharing in der
wissenschaftlichen Literatur diskutiert [2]. Zwar wird Data Sharing auch in der Praxis betrieben,
die Analyse der betrieblichen Praxis zeigt jedoch, dass bei Unternehmen noch viele Unklarheiten
und Vorbehalte präsent sind, die eine breite Etablierung von Data Sharing verzögern [3]. Diese
Unsicherheiten und Vorbehalte manifestieren sich in technischen, organisationalen,
strategischen aber auch kulturellen Herausforderungen, die Data Sharing in der Praxis
erschweren [4].
Als Ansatz, diese Herausforderungen zu adressieren und Data Sharing zugänglicher zu
machen, werden zunehmend Datentreuhandmodelle diskutiert und verprobt [5]; beispielsweise
im Bereich der Mobilität [6], der Forschung [7] oder der Automobilindustrie [8]. In einem
erweiterten Verständnis bildet ein Datentreuhänder die Vertrauensinstanz zwischen
Datengebern und Datennehmern. Als Intermediär zwischen verschiedenen Akteuren ist er
verantwortlich für die Etablierung klarer Regeln bezüglich des Data Sharings, der Sicherstellung
ihrer Einhaltung wie auch der Gestaltung von fairen Anreizmechanismen, die einen
Interessensausgleich angeschlossener Akteure ermöglichen [9]. Datentreuhänder kommen mit
verschiedenen Geschäfts- und Betriebsmodellen daher, in privater oder staatlicher Trägerschaft.
Daneben können Datengenossenschaften als Betriebsmodell ausgerichtet auf die Besonderheiten
der mittelständischen Wirtschaft verstanden werden. Der Erläuterung dieses Verständnisses ist
Proceedings of the LWDA 2023 Workshops: BIA, DB, IR, KDML and WM. Marburg, Germany, 09.-11. October 2023,
published at http://ceur‐ws.org
maximilian.werling@ferdinand-steinbeis-institut.de (M. Werling); patrick-weber@ferdinand-steinbeis-institut.de
(P. Weber); heiner.lasi@ferdinand-steinbeis-institut.de (H. Lasi)
© 2023 Copyright for this paper by its authors.
Use permitted under Creative Commons License Attribution 4.0 International (CC BY 4.0).
CEUR Workshop Proceedings (CEUR-WS.org)
CEUR
ceur-ws.org
Workshop ISSN 1613-0073
Proceedings
der vorliegende Beitrag gewidmet. Anhand von Erfahrungen im Aufbau von drei
Datengenossenschaften im Rahmen eines Pilotprojekts soll folgende Forschungsfrage näher
beleuchtet werden:
Wie tragen die genossenschaftlichen Prinzipien zur Erfüllung wichtiger Funktionen von
Datentreuhändern bei?
Dazu wird zunächst zu Datengenossenschaften, genossenschaftlichen Prinzipien und sowie
Datentreuhändern ausgeführt. Anschließend beschreiben wir die zugrundeliegenden Fallstudien
und unser Vorgehen bei deren Auswertung. Im darauffolgenden Abschnitt erläutern wir unsere
Erkenntnisse und beantworten die leitende Forschungsfrage. Wir schließen mit einer Diskussion
und der Erläuterungen von Limitationen.
2. Hintergründe
2.1. Datentreuhänder
Während die Idee, treuhänderische Prinzipien auf das Management von Daten zu übertragen
keinesfalls neu ist, erfahren Datentreuhänder in den aktuellen Diskussionen zum Data Sharing
große Aufmerksamkeit [9, 10]. In Datentreuhändern wird ein vielversprechender Lösungsansatz
für die Herausforderungen des Data Sharings gesehen [11], insbesondere in Bezug auf die
kulturellen (z.B. fehlendes Vertrauen in Data Sharing Partner, Angst vor Preisgabe von Know-
How) und regulatorischen Barrieren (z.B. Fehlen verbindlicher Rahmen und Standards,
Unklarheiten in Bezug auf Dateneigentümerschaft) [4]. Während eine allgemein anerkannte
Definition des Begriffs noch aussteht, werden Datentreuhänder im Allgemeinen als Intermediäre
zwischen Datengebern und Datennehmern und damit zentrale Drehscheiben bei der Bildung von
Daten-Ökosystemen verstanden (engl. Data Ecosystem) [9, 12]. Welche Funktionen der
Datentreuhänder dabei konkret übernimmt, ist abhängig davon, ob er seine Rolle im Sinne eines
engen oder weiten Verständnisses erfüllt:
Im engen Verständnis verwaltet der Datentreuhänder die Verwahrung und Weitergabe von
Daten in einem treuhändischen Verhältnis. Das bedeutet, dass sie im Sinne einer unabhängigen,
dritten Partei Datenbestände sichern, validieren, und Zugriffs- und Nutzungsberechtigungen
durchsetzen. Datentreuhänder im engen Verständnis stellen eigenständige, rechtliche Entitäten
dar, die über eigene Infrastrukturen zur treuhändischen Verwaltung der Daten verfügen. Um die
Datentreuhänder in ihrer Funktion zu befähigen, müssen Datengeber ihre Verfügungsmacht über
Datenweitergabe an die Datentreuhänder abtreten. Entsprechend besteht der Bedarf den „[…]
treuhänderischen Pflichten zu Transparenz, Umsicht und Loyalität des Datentreuhänders
gegenüber den Datengebenden […]“ [9] nachzukommen.
Im weiten Verständnis rückt der Datentreuhänder von der Verwahrung der Daten ab und
nimmt noch stärker die Position der vertrauensgebenden Instanz im Daten-Ökosystem ein. Als
eigenständige Organisation bietet er Services zur Vernetzung und dem vertrauenswürdigen
Austausch von Daten (im Gegensatz zur treuhändischen Verwahrung) an; die finale Entscheidung
über die Weitergabe der Daten verbleibt damit bei den Datengebern. Um sich als
vertrauenswürdige Instanz zu behaupten, formuliert der Datentreuhänder im weiten
Verständnis klare Regeln für den Datenaustausch, kontrolliert ihre Durchsetzung und stellt
Mechanismen zum Ausgleich der Interessen der beteiligten Akteure bereit. Seine Aufgaben gehen
damit über eine reine Bereitstellung vertrauenswürdiger Infrastrukturen hinaus und schließen
das Schaffen von Vertrauen und aktive Vermittlung zwischen Akteuren mit ein.
Unabhängig von dem engen oder weiten Verständnis kommen Datentreuhändern somit
unterschiedliche Funktionen zu:
1. Sie stellen vertrauenswürdige Transaktionsinfrastrukturen zur Verfügung. Während
diese im engen Verständnis den Charakter einer Datensenke haben, über die der
Datentreuhänder verfügt, hat sie im weiten Verständnis den Charakter eines Konnektors zu
Herstellung standardisierter Schnittstellen zwischen Akteuren. Die
Transaktionsinfrastrukturen können dabei über weitere Funktionalitäten wie Mechanismen
zur Sicherstellung der Zugangskontrolle oder Instrumente zur Pseudonymisierung und
Anonymisierung von Datenbeständen aufweisen, abhängig von den gestellten Anforderungen.
2. Datentreuhänder leisten durch die Bereitstellung vertrauenswürdiger Infrastrukturen
einen Beitrag zur Wahrnehmung als neutraler Vertrauensanker im Daten-Ökosystem. Um
dieser Funktion nachzukommen, schafft der Datentreuhänder verbindliche Regeln für
Datenaustausch- und Nutzung – in der Literatur wird dieser Aspekt oftmals unter Data
Governance diskutiert [13, 14]. Zuletzt ist auch der Neutralität im Sinne der Nutzung der Daten
durch den Datentreuhänder nachzukommen. Diese drückt sich insbesondere dadurch aus,
dass den Datentreuhänder kein eigenes (finanzielles) Interesse an den Daten antreibt.
3. Zuletzt fördern Datentreuhänder aktiv den Austausch und die datenbasierte
Kollaboration im Daten-Ökosystem. Dies kann mit einem breiten Spektrum an Maßnahmen
erfolgen, von der Bereinigung und Validierung der Daten, Schaffung interoperabler
Datenstandards oder Unterstützung und Anregung der Akteure bei der Datennutzung.
Abbildung 1 fasst die Funktionen noch einmal in einer Abbildung zusammen und verortet das
enge und weite Verständnis abhängig vom Schwerpunkt der Funktionsausübung. Die Art der
Transaktionsinfrastruktur kann sich in den beiden Verständnissen unterscheiden. Während der
Datentreuhänder im engen Sinne Daten speichert und treuhänderisch verwaltet, bietet der
Datentreuhänder im weiteren Sinne jeweils nur Dienstleistungen und Technologien zum
Datenaustausch zwischen mehreren Parteien an.
Abbildung 1: Funktionen und Verständnisse von Datentreuhändern
Um die Funktionen wahrnehmen zu können, müssen Datentreuhänder als eigenstände
Organisationen betrieben werden. Dazu haben sich in der Praxis verschiedene Modelle etabliert,
die sich auf einem Spektrum mit privater bzw. staatlicher Trägerschaft verorten lassen [15]:
• Privatwirtschaftliche Datentreuhänder sind dem Wettbewerb und damit dem Zwang zur
Wirtschaftlichkeit unterworfen. Da die eigenständige Analyse und Nutzung der Daten zur
Finanzierung der Tätigkeit dem Neutralitätsgebot entgegenlaufen, zeichnen sich
privatwirtschaftlich getragene Datentreuhänder tendenziell eher durch eine starke Service-
und Bedarfsorientierung aus, die Ansätze für eine Monetarisierung bieten, die mit dem
Neutralitätsgebot vereinbar sind.
• Staatlich getragene Datentreuhänder können gerade in der Aufbauphase von der
finanziellen Beteiligung der öffentlichen Hand profitieren. Darüber hinaus kann die staatliche
Trägerschaft positiv auf die Vertrauenswürdigkeit und damit die Akzeptanz des
Datentreuhänders einzahlen.
Dazwischen finden sich unterschiedliche Mischformen, beispielsweise durch öffentlich
finanzierte Forschungseinrichtung getragene Datentreuhänder, oder auch Datentreuhänder, die
im Verlauf ihres Bestehens das Trägermodell wechseln (z.B. der Mobility Data Space [16]).
Auffällig ist ebenso die Nutzung von Data Spaces vorwiegend von größeren Organisationen und
Unternehmen. In diesem Beitrag soll daher mit Datengenossenschaften, also genossenschaftlich
organisierte Datentreuhändern, ein weiteres Betriebsmodell untersucht werden. Insbesondere
im deutschsprachigen Raum blicken Genossenschaften auf eine lange Tradition und
Verwurzelung in der mittelständischen Wirtschaft zurück [17]. Der folgende Abschnitt widmet
sich der genossenschaftlichen Idee und Prinzipien.
2.2. Genossenschaftliche Grundlagen
Die Genossenschaft steht wie kaum eine andere Rechtsform für Kollaboration. Zurückblickend
auf eine lange Tradition, fußt die Zusammenarbeit in Genossenschaften auf genossenschaftlichen
Prinzipien [18]. In Datengenossenschaften werden Datentreuhänder als Genossenschaft
abgebildet. Die Genossenschaft selbst nimmt dabei die Funktionen und Aufgaben des
Datentreuhänders wahr, ihre angeschlossenen Mitglieder agieren als Datengeber und
Datennehmer des Daten-Ökosystems [13]. Genossenschaftliche Prinzipien sind nicht einheitlich
definiert, vielmehr existieren mehrere Sets genossenschaftlicher Prinzipien, zum Teil mit Bezug
zu speziellen genossenschaftlichen Formen (z.B. die Raiffeisen-Prinzipien für ländliche
Genossenschaften), zum Teil ohne (z.B. die Prinzipien des Internationalen
Genossenschaftsbundes [IGB]). Ringle (2007) präsentiert in seiner Abhandlung eine Übersicht
verschiedener Sätze [18]. Für diesen Beitrag werden die Genossenschaftlichen Wesens- und
Verfahrensprinzipien herangezogen, da diese keinen Bezug zu einer speziellen Form aufweisen
und damit auch als Grundlage für Datengenossenschaften dienen können. Hierbei steht als
„absolutes Wesensprinzip“ die Förderung der Mitglieder im Mittelpunkt. Die Prinzipien der
Selbsthilfe, Selbstverwaltung und Selbstverantwortung sowie das Identitätsprinzip dienen als
„begrenzt variable Wesensprinzipien“. Wesensprinzipien drücken für die Werte
genossenschaftliche Kooperation besonders geeignete Prinzipien aus. Zuletzt gibt es
Verfahrensprinzipien im Sinne von Praktiken, Prozessen oder Mechanismen, die
Gestaltungsräume für die operative Tätigkeit der Genossenschaft bilden. Verfahrensprinzipien
sind hochgradig variabel und abhängig von konkreten Betätigungsfeld der Genossenschaft [18].
Für Verfahrensprinzipien sollen an dieser Stelle keine konkreten Vorschläge gemacht werden, da
diese abhängig von dem konkreten Betätigungsfeld der Datengenossenschaft sind. Daher wird in
diesem Beitrag auf die Gestaltung von Verfahrensprinzipien nicht näher eingegangen; an dieser
Stelle wird auf die Diskussionen in der Literatur zur interorganisationalen Data Governance
verwiesen, die an die Stelle der Verfahrensprinzipien treten können, wie beispielsweise [13, 14,
19, 20]. Die Genossenschaftlichen Wesens- und Verfahrensprinzipien lauten zusammengefasst:
1. „Absolutes Wesensprinzip: Förderung der Mitglieder
2. Begrenzt variable Wesensprinzipien: S-Prinzipien (Selbsthilfe, Selbstverwaltung,
Selbstverantwortung) und Identitätsprinzip
3. Variable Verfahrens-, Prozess- oder Funktionsprinzipien“ [18]
3. Methodisches Vorgehen
Die Grundlage für die Ergebnisse des Beitrags bildet ein zwischen Juni 2020 und Dezember 2022
durchgeführtes Forschungsprojekt. Ziel dieses Forschungsprojekts war die Etablierung von
Datengenossenschaften im Rahmen von Pilotvorhaben in unterschiedlichen
Anwendungskontexten. Insgesamt wurden 15 Pilotvorhaben initiiert. Die drei
vielversprechendsten dieser Initiativen werden hier als Fallstudien im Sinne Yins untersucht
[21]. Sie bilden die Grundlage für die Beantwortung der Frage, wie die genossenschaftlichen
Prinzipen die Basis für die Realisierung wichtiger Funktionen von Datentreuhändern erfüllen.
3.1. Kurzvorstellung der Fallstudien
Fallstudie 1: Die erste betrachtete Fallstudie war im produzierenden Kontext verortet.
Insgesamt drei Unternehmen, ein Maschinenbauer, ein Großhändler und Servicedienstleister
sowie ein metallverarbeitendes Unternehmen verfolgten gemeinsam das Ziel, objektbezogene
Zustandsdaten zu teilen und gemeinschaftlich zu nutzen. Ziel war die datengetriebene
Optimierung des unternehmensübergreifenden Managements der Kühl-
/Schmiermittelversorgung. Die Begleitung der Unternehmen durch die Wissenschaftler erfolgt
zwischen August 2020 und August 2022. Tabelle 1 fasst Informationen und Aktivitäten zu
Fallstudie 1 zusammen:
Tabelle 1
Übersicht Unternehmen
Unternehmen # Mitarbeiter Teilnehmende Person
Metallverarbeitendes ~ 60 Geschäftsführer
Unternehmen
Industrieller ~ 75 Vertreter der Geschäftsführung, Vertreter des
Servicedienstleister operationalen Geschäfts
Maschinenbauer ~ 10 Geschäftsführer
Übersicht Aktivitäten
Datum Dauer Inhaltlicher Fokus
28.07.2020 ~ 3 Stunden Brainstorming Anwendungen Data Sharing.
Konzeption des gemeinschaftlichen
Wertversprechens.
08.12.2020 ~ 3 Stunden Spezifikation relevanter Daten und Informationen
zur Realisierung des gemeinschaftlichen
Wertversprechens.
11.03.2021 ~ 3 Stunden Inbetriebnahme Sensorik + Erhebung
Anforderungen an prototypische Realisierung
technischer Strukturen
29.04.2021 ~ 3 Stunden Erste Evaluation des Prototyps
15.07.2021 Jeweils ~ 3 Spezifikation eines Rollenkonzepts
09.09.2021 Stunden
17.01.2022 ~ 1 Stunde Durchführung der Gründungsversammlung der
Datengenossenschaft
10.05.2022 Zwischen ~ 1 Verstetigung der Aktivitäten und
08.07.2022 und 3 Stunden Professionalisierung der IT-Strukturen
09.12.2022
Begleitende Einzelgespräche und Vor-Ort-Besuche mit und bei den Unternehmen zur inhaltlichen
Vertiefung.
Fallstudie 2: Die zweite Fallstudie ist der Holzindustrie zuzuordnen. Hier kamen ein Sägewerk,
ein Risikomakler und eine Industrievertretung zusammen, um gemeinschaftlich objektbezogene
Zustandsdaten zur Risikominimierung, insbesondere in Bezug auf die Brandentwicklung im
Sägewerk zu nutzen. Die Unternehmen wurden von März 2022 bis Dezember 2022 durch die
Wissenschaftler begleitet. Tabelle 2 fasst die Informationen und Aktivitäten zu Fallstudie 2
zusammen.
Tabelle 2
Übersicht Unternehmen
Unternehmen # Mitarbeiter Teilnehmende Personen
Sägewerk ~ 30 Geschäftsführer
Risikomakler ~ 30 Geschäftsführer
Industrievertretung ~ 30 Geschäftsführer
Übersicht Aktivitäten
Datum Dauer Inhaltlicher Fokus
29.03.2022 ~ 2 Stunden Brainstorming Anwendungen Data Sharing. Konzeption
des gemeinschaftlichen Wertversprechens.
26.04.2022 ~ 2 Stunden Durchführung der Gründungsversammlung der
Datengenossenschaft
09.05.2022 Jeweils ~ 3 Inbetriebnahme Sensorik + Erhebung Anforderungen an
10.05.2022 Stunden prototypische Realisierung technischer Strukturen
17.05.2022
15.08.2022 ~ 3 Stunden Evaluation des Prototyps
Begleitende Einzelgespräche und Vor-Ort-Besuche mit und bei den Unternehmen zur inhaltlichen
Vertiefung.
Fallstudie 3: Fallstudie 3 war im industriellen Wäschereiumfeld angesiedelt. Ein
Maschinenbauer, eine industrielle Wäscherei und ein Hersteller von Gasbrennern entschlossen
sich, objektbezogene Zustandsdaten ausgewählter Assets auszutauschen und zur Identifikation
von Energiesparpotenzialen zu nutzen. Das Konsortium wurde von Januar 2022 bis September
2022 von den Wissenschaftlern begleitet. Tabelle 3 fasst die Informationen und Aktivitäten zu
Fallstudie 3 zusammen:
Tabelle 3
Übersicht Unternehmen
Unternehmen # Teilnehmende Personen
Mitarbeiter
Industrielle ~ 100 Geschäftsführer, Verantwortlicher für Maschinensteuerung
Wäscherei
Textil- ~ 25 Geschäftsführer, Verantwortlicher für Konstruktion,
Maschinenbauer Verantwortlicher für Maschinensteuerung
Hersteller von ~ 10 Geschäftsführer
Gasbrennern
Übersicht Aktivitäten
Datum Dauer Inhaltlicher Fokus
18.04.2022 ~ 3 Stunden Brainstorming Anwendungen Data Sharing. Konzeption des
gemeinschaftlichen Wertversprechens.
14.06.2022 ~ 3 Stunden Spezifikation relevanter Daten und Informationen zur
Realisierung des gemeinschaftlichen Wertversprechens.
Begleitende Einzelgespräche und Vor-Ort-Besuche mit und bei den Unternehmen zur inhaltlichen
Vertiefung.
3.2. Erhebung und Auswertung empirischer Daten
Die Begleitung der drei Fallstudien war stets ähnlich und orientierten sich an dem von Weber et
al. beschriebenen Verfahren zur Gründung von Unternehmenskonsortien [22]. Neben der
Erreichung der anwendungsspezifischen Ziele, wurde parallel die Etablierung
genossenschaftlicher Strukturen vorangetrieben. Aufgrund der im Beobachtungszeitraum
jeweils wenigen Partnern, organisierten sich die Unternehmen in sogenannten
Kleinstgenossenschaften, eine genossenschaftliche Sonderform, die eine Organisation von
mindestens drei Mitgliedern als Genossenschaft ermöglicht.
Die Unternehmen führten jeweils moderierte Workshops mit unterschiedlichen inhaltlichen
Schwerpunkten durch, an denen jeweils mindestens zwei Wissenschaftler beteiligt waren. Die
Workshops wurden durch die Wissenschaftler inhaltlich vorbereitet und moderiert, im Rahmen
von Beobachtungs- und Fotoprotokollen dokumentiert sowie im Anschluss nachbereitet [23].
Neben den Workshops wurden zahlreiche bilaterale Abstimmungen zwischen den
Wissenschaftlern und Teilnehmern der Fallstudien durchgeführt. Zu diesen Absprachen waren
immer mindestens ein Vertreter der wissenschaftlichen Begleitung anwesend. Die Gespräche
wurden im Rahmen von Gedächtnisprotokollen dokumentiert. Die so entstandenen Dokumente
bildenten die Basis für eine qualitative Analyse bezogen auf die leitende Forschungsfrage [24].
Die Ergebnisse dieser Analyse werden im nächsten Abschnitt dargelegt.
4. Ergebnisse
Unsere Ergebnisse legen wir anhand der genossenschaftlichen Prinzipien dar. Es wird anhand
unterschiedlicher Erfahrungen aus den Fallstudien aufgezeigt, wie ein genossenschaftliches
Prinzip die Basis für Mechanismen bildet, die zur Erfüllung der zentralen Funktionen von
Datentreuhändern beitragen.
Förderprinzip: Als absolutes Wesensprinzip steht das Förderprinzip im Fokus der
genossenschaftlichen Tätigkeit und damit auch der Tätigkeit von Datengenossenschaften. Idee
und Ziel des Förderprinzips ist die Förderung der Mitglieder in ihren mit dem Zweck der
Genossenschaft in Einklang stehenden Aktivitäten. Damit ergeben sich gleich mehrere
Anknüpfpunkte in Bezug auf die Funktionen der Datentreuhänder. In allen betrachteten
Fallstudien handelte es sich bei den teilnehmenden Unternehmen vorwiegend um kleine und
mittlere Unternehmen (KMU), die selbst nur kleine Datenbestände oder geringe Fähigkeiten in
der Datenanalyse hatten. Die Datengenossenschaft bietet ihren Mitgliedern die Plattform,
Herausforderungen bei der Datenerhebung, -verarbeitung und -analyse gemeinschaftlich zu
bewerkstelligen. In Fallstudie 1 suchte die Datengenossenschaft gegen Projektende die
Zusammenarbeit mit einem Analytics-Dienstleister, der angepasste technische Infrastrukturen
und digitale Services, abgestimmt auf den Bedarf der Mitglieder für die Datengenossenschaft
betreibt. Die entstehenden Aufwände wurden durch die Mitglieder gemeinschaftlich gestemmt.
Die Datengenossenschaft stellt damit digitale Infrastrukturen zum Austausch und der
gemeinschaftlichen Nutzung von Daten der Mitglieder bereit und erfüllt eine zentrale Funktion
von Datentreuhändern. Auch in Bezug auf die Funktion des aktiven Ökosystemförderers konnten
in den Fallstudien Erkenntnisse generiert werden. Durch den Austausch der Datenbestände und
damit verbunden fachlichen Diskussionen konnten mehrere Ansatzpunkte für die Optimierung
der Kühlschmierstoffversorgung identifiziert werden. Zusammenfassend lässt sich festhalten,
dass das Förderprinzip eng mit den zentralen Funktionen der Datentreuhändern in Verbindung
steht. In den begleiteten Fällen unterstützen die Datengenossenschaften ihre angeschlossenen
Mitglieder beim Heben der Potenziale der (gemeinsamen) Datennutzung. Das kann sie leisten,
weil Mitglieder Ressourcen bündeln um Infrastrukturen bereitzustelle, die sie alleine nicht
stemmen können (oder möchten). Die Datengenossenschaft bietet zudem eine Plattform für den
fachlichen Austausch zwischen Mitgliedern, was sie zu einem Förderer im Daten-Ökosystem
werden lässt.
Selbsthilfe: Eng mit dem Förderprinzip verbunden ist das Prinzip der Selbsthilfe. Darunter wird
unter anderem der Anreiz, kooperativ zu agieren, verstanden, also das konkrete Ziel der
Datengenossenschaft. Neben dem oben erläuterten, allgemeinen Förderzweck, haben
Datengenossenschaften konkrete Ziele, wie beispielsweise die organisationsübergreifende
Optimierung des Prozesses der Kühlschmierstoffversorgung (Fallstudie 1) oder das Aufdecken
von Energiesparpotenzialen in der Wäschetrocknung (Fallstudie 3). Das Ziel der Kooperation war
in allen begleiteten Fallstudien ein aktiver Prozess und Ergebnis intensiver Diskussion zwischen
den beteiligten Unternehmen. Ein gut formuliertes Ziel ermöglicht es den Mitgliedern,
Fragestellungen zu adressieren, die sie nur mit eigenen Datenbeständen und Fähigkeiten nicht in
der Lage sind zu beantworten. Damit leistet das Ziel der Kooperationen einen Beitrag zur
Legitimität und damit Vertrauensposition der Datengenossenschaft im Daten-Ökosystem. Zur
Erreichung des Ziels, kombinieren Mitglieder Datenbestände und Fähigkeiten in der Analyse und
Interpretation des gemeinsam genutzten Datenbestands. Datengenossenschaften sind jedoch
keine abgeschlossenen Systeme: Die Aufnahme, Mitgliedschaft sowie der Austritt in bzw. aus in
einer Datengenossenschaft erfolgt auf einer freiwilligen Basis. Mitgliedschaft und Austritt
unterliegen der Entscheidung der einzelnen Unternehmen. Während Datengenossenschaften in
der Regel offen sind, bestimmen bestehende Mitglieder über die Aufnahme neuer Unternehmen
in die Datengenossenschaft. In Fallstudie 1 wurde die Diskussion über Freiwilligkeit intensiver
geführt und Maßnahmen für den Umgang mit Daten beim Beitritt und dem Verlassen eines
Mitglieds der Datengenossenschaft formuliert. Das Leben des Prinzips der offenen
Mitgliedschaften und kooperativen Zielerreichung leistet so einen Beitrag zur Etablierung der
Datengenossenschaft als Vertrauensanker zwischen den Mitgliedern.
Selbstverwaltung: Das Prinzip der Selbstverwaltung besagt, dass die Genossenschaft vollständig
im Besitz ihrer Mitglieder liegt. Für eine Datengenossenschaft bedeutet das, dass die Mitglieder
über den strategischen Kurs und den Modus des Datenaustauschs bestimmen können. Agiert die
Datengenossenschaft als Datentreuhänder im engen oder weiten Verständnis? Welche Art und
wie wird digitale Infrastruktur bereitgestellt? Agiert die Datengenossenschaft als
Ökosystemförderer? Diese und mehr Fragen können und müssen Mitglieder miteinander
entscheiden. Das Genossenschaftsrecht sieht dafür konkrete Positionen und Prozeduren vor, um
die Entscheidungsfindung in Genossenschaften zu legitimieren. Eng mit dem Prinzip der
Selbstverwaltung verbunden ist das Demokratieprinzip, nach dem ein Mitglied einer
Genossenschaft genau eine Stimme zur Partizipation an Entscheidungsprozessen zufällt. In den
Fallstudien wurde dies als wichtiges Prinzip wahrgenommen, da es dabei hilft, Machtgefällen
entgegenzuwirken, die beim Datenaustausch beobachtet werden können.
Selbstverantwortung: Im Sinne des Prinzips der Selbstverantwortung haftet der
Genossenschaftsbetrieb gegenüber Ansprüchen von Gläubigern mit Einlagen seiner Mitglieder.
Im Rahmen der begleiteten Fallstudien konnten keine weiterführenden Erkenntnisse zu Fragen
der Haftung generiert werden. Als begrenzt variables Wesensprinzip gibt die Satzung einer
Genossenschaft jedoch die Möglichkeit die konkrete Handhabung zu gestalten. Durch die
Transparenz und Partizipation stärkt die Datengenossenschaft ihre Position als Vertrauensanker.
Identitätsprinzip: Das Identitätsprinzip besagt, dass Rollen und Funktionen, die sich im freien
Markt sonst gegenüberstehen, in einer Genossenschaft zusammenkommen und in einem Mitglied
vereint werden, beispielsweise ist ein Mitglied einer Wohnungsgenossenschaft sowohl Mieter als
auch Vermieter und vereint damit beide Rollen. Auch in den begleitenden Fallstudien kann dieses
Prinzip beobachtet werden. Insbesondere in Fallstudie 1 und Fallstudie 3 traten die
teilnehmenden Mitglieder sowohl als Datengeber, als auch als Datennehmer auf. In Fallstudie 1
teilten alle Unternehmen Zustandsdaten smarter Objekte mit der Datengenossenschaft und
konnten den gemeinschaftlich genutzten Datenbestand für eigene Analysen heranziehen (z.B.
einem kontinuierlichen Monitoring der Qualitätsentwicklung des Kühlschmierstoffs).
Datengenossenschaften heben sich damit bewusst von klassischen, digitalen Serviceplattform-
Modellen ab, die in der Regel als Einbahnstraße in Bezug auf den Datenaustausch konzipiert sind
(d.h. die Daten fließen vom Datengeber zum Betreiber der Serviceplattform). Dieser Umstand
wurde von den Unternehmen als vertrauensstiftende Maßnahme erlebt. In Fallstudie 1 sah das
metallverarbeitende Unternehmen diesen Umstand als vertrauensbildende Maßnahme, um
möglichen Lock-In-Effekten, wie sie mit plattformbasierten Modellen in Verbindung gebracht
werden, zu entgehen.
5. Diskussion
Die oben Ausführungen legen dar, wie die genossenschaftlichen Prinzipien die Basis für die
Erfüllung der Funktionen von Datentreuhändern erfüllen. Wir halten Genossenschaften daher für
eine geeignete Rechtsform, Datentreuhänder in der Praxis zu implementieren – sogenannte
Datengenossenschaften. Insbesondere das Prinzip der Selbstverwaltung und Demokratieprinzip
bilden die Basis für eine demokratische Legitimation der Entscheidungen in der Genossenschaft.
Dadurch lassen sich Asymmetrien im Einfluss und der Gestaltung der strategischen Ausrichtung
einer genossenschaftlichen Plattform ausgleichen, was insbesondere für KMU eine Chance
darstellen kann. Durch die Partizipation der Mitglieder am Gesamterfolg der Genossenschaft
können Mechanismen gestaltet werden, die Anreize für Mitglieder setzen, Daten möglichst
effektiv und effizient zu nutzen [25]. An dieser Stelle muss jedoch noch einmal hervorgehoben
werden, dass die Existenz genossenschaftlicher Prinzipen alleine nicht ausreicht, um die
Datengenossenschaften zu realisieren; sie müssen gelebt werden und die Basis für weitere
Mechanismen und Regeln sein, die den konkreten Austausch von Daten regulieren [13, 20]. Ein
wichtiger Punkt stellen auch die zusätzlichen Aufwände für die Gründung und den Betrieb der
Datengenossenschaft dar. Hier ist eine Abwägung zu treffen, ob der erwartete Nutzen die
entstehenden Aufwände rechtfertigt. Diese Frage war in den beobachteten Fallstudien besonders
relevant, da es sich um sehr kleine Konsortien handelte. Wir vermuten, dass diese Frage
zunehmend in den Hintergrund tritt, mit dem Größerwerden einer Datengenossenschaft; eine
detaillierte Betrachtung dieser Fragestellung ist Gegenstand weiterer Forschung. Eng verbunden
mit dieser Fragestellung ist das Potenzial der Datengenossenschaften in der Skalierung – also
dem Ausbau der Mitglieder und damit der verwalteten Datenmenge. Zwar konnten in Bezug auf
die Skalierung in den Fallstudien keine tiefgreifenden Erkenntnisse generiert werden, ein
Vergleich mit herkömmlichen Genossenschaften ist jedoch aus unserer Sicht zulässig. Wie genau
Datengenossenschaften skalieren können ist nichtsdestoweniger Gegenstand weiterer
Forschung. Ebenso wird auf den Umstand hingewiesen, dass neben der Rechtsform der
Genossenschaft auch andere Rechtsformen (e.V., GmbH, AG etc.) beobachtet werden können, um
Datenräume zu organisieren [15]. Die detaillierte Untersuchung dieser Rechtsformen zur
Organisation von Datenräumen ist Gegenstand weiterer Forschung.
Zuletzt wird kurz auf die Limitation der Studie eingegangen, allen voran der genannte
Umstand, dass im Rahmen der Fallstudien jeweils nur kleine Datengenossenschaften im
deutschsprachigen Raum beobachtet werden konnten. Zudem waren alle teilnehmenden
Unternehmen KMU. Durch das qualitative, explorative Forschungsdesign kann keine
Vollständigkeit des betrachteten Phänomens garantiert werden, was beispielsweise im Umgang
mit Haftungsfragen deutlich wird. Trotz dieser Limitation sind wir zuversichtlich, einen Beitrag
zur Charakterisierung von Datengenossenschaften als Datentreuhänder geleistet zu haben und
sind bestrebt, die Forschung in weiteren Arbeiten zu vertiefen.
Acknowledgements
Die in dem Beitrag beschriebenen Fallstudien fanden in dem durch das Ministerium für
Wirtschaft, Arbeit und Tourismus Baden-Württemberg geförderten Projekt „Digitale
Datenräume zur Kooperation von KMUs unter Einsatz von KI zur Schaffung von
Wettbewerbsvorteilen gegenüber ausländischem Wettbewerb, der auf Datenplattformen setzt”
statt.
References
[1] Porter, M.E. and J.E. Heppelmann, "How Smart, Connected Products Are Transforming
Competition", Harvard Business Review, 92(11), 2014, pp. 64–88.
[2] Azkan, C., I. Gür, M. Hupperz, J. Gelhaar, A. Gieß, T. Groß, S. Frings, H. Kett, D. Kutzias, O.
Strauß, J. Büschel, V. Demary, B. Engels, H. Goecke, A. Mertens, K.-D. Röhl, C. Rusche, M.
Scheufen, B. Schröder, V. Dahms, I. Jussen, F. Möller, J. Schweihoff, R. Andres, D. Erdsiek, T.
Niebel, D. Rehse, V. Rost, J. Walter, and S. Valet, Anreizsysteme und Ökonomie des Data
Sharings: Handlungsfelder des unternehmensübergreifenden Datenaustausches und Status
quo der deutschen Wirtschaft, 2022.
[3] Busch, C., Der Mittelstand in der Plattformökonomie: Mehr Fairness für KMU auf digitalen
Märkten, WISO Diskurs, Friedrich-Ebert-Stiftung, 2019.
[4] Fassnacht, M., C. Benz, D. Heinz, J. Leimstoll, and G. Satzger, "Barriers to Data Sharing among
Private Sector Organizations", in Proceedings of the 56th Hawaii International Conference
on System Sciences, T. Bui, Editor, HICSS 2023, Maui, Hawaii, January 03-06. 2023.
[5] Reiberg, A., D. Appelt, A. Smoleń, and P. Kraemer, Datentreuhänder,
Datenvermittlungsdienste und Gaia-X, 2023.
[6] Pretzsch, S., H. Drees, L. Rittershaus, C. Schleuter Langdon, C. Lange, and C. Weiers, Mobility
Data Space: Ein sicherer Datenraum für die souveräne und plattformübergreifemde
Bewirtschaftung von Mobilitätsdaten, 2021.
[7] FAIR Data Spaces (2023), https://www.isst.fraunhofer.de/en/business-units/data-
business/projects/FAIRDataSpaces.html, accessed 14.09.2023.
[8] Caruso Dataplace (2023), https://www.caruso-dataplace.com/, accessed 14.09.2023.
[9] Lindner, M. and S. Straub, Datentreuhänderschaft: Status Quo und
Entwicklungsperspektiven, Smarte Datenwirtschaft, Institut für Innovation und Technik,
2023.
[10] Buchner, B., A.C. Haber, H.K. Hahn, F. Prasser, H. Kusch, U. Sax, and C.O. Schmidt, "Das Modell
der Datentreuhand in der medizinischen Forschung", Datenschutz und Datensicherheit, 45,
2021, pp. 806–810.
[11] Gutachten der Datenethikkommission, Bundesministerium des Innern, für Bau und Heimat;
Bundesministerium der Justiz und für Verbraucherschutz, 2019.
[12] Oliveira, M.I.S. and B.F. Lóscio, "What is a data ecosystem?", in Proceedings of the 19th Annual
International Conference on Digital Government Research: Governance in the Data Age,
Association for Computing Machinery (ACM), Editor, dg.o '18, Delft, Netherlands, May 30 -
June 01. 2018.
[13] Weber, P., M. Werling, A. Tank, and H. Baars, "Institutionalisierung digitaler Ökosysteme in
der Rechtsform einer Genossenschaft: Case Study im produzierenden Kontext", HMD Praxis
der Wirtschaftsinformatik, 59(5), 2022, pp. 1353–1365.
[14] Lis, D. and B. Otto, "Data Governance in Data Ecosystems: Insights from Organizations", in
Proceedings of the 26th Americas Conference on Information Systems (AMCIS), Association
for Information Systems (AIS), Editor, AMCIS 2020, Virtual Conference, August 10-14. 2020.
[15] The Data Spaces Radar: 2023 #2, 2023.
[16] Mobility Data Space (2023), https://mobility-dataspace.eu/, accessed 14.09.2023.
[17] Zerche, J., I. Schmale, and J. Blome-Drees, Einführung in die Genossenschaftslehre:
Genossenschaftstheorie und Genossenschaftsmanagement, Walter de Gruyter GmbH & Co
KG, Oldenbourg, 2016.
[18] Ringle, G., Genossenschaftliche Prinzipien im Spannungsfeld zwischen Tradition und
Modernität, Wismarer Diskussionspapiere (Heft 01 / 2007), 2007.
[19] Lis, D. and B. Otto, "Towards a taxonomy of ecosystem data governance", in Proceedings of
the 54th Hawaii International Conference on System Sciences, Association for Information
Systems (AIS), Editor, HICSS 2021, Virtual Conference, January 05-08. 2021.
[20] Baars, H., P. Weber, and A. Tank, "Institutionalizing Analytic Data Sharing in SME Ecosystems:
A Role-Based Perspective", in Proceedings of the 55th Hawaii International Conference on
System Sciences, T. Bui, Editor, HICSS 2022, Maui, Hawaii, January 04-07. 2022.
[21] Yin, R.K., Case study research and applications: Design and methods, 6th edn., SAGE
Publishing, Los Angeles, London, New Dehli, Singapore, Washington DC, Melbourne, 2018.
[22] Weber, P., D. Morar, and H. Lasi, "Transforming Value Chains into Internet-based Ecosystems:
A Testbed Approach", in Proceedings of the PICMET'18 Conference, D.F. Kocaoglu, Editor,
PICMET'18, Honolulu, Hawaii, USA, August 19-23. 2018.
[23] Atteslander, P., Methoden der empirischen Sozialforschung, 13th edn., Erich Schmidt Verlag,
Berlin, 2010.
[24] Mayring, P., Qualitative Content Analysis: Theoretical Foundation, Basic Procedures and
Software Solution, 2014.
[25] Werling, M., P. Weber, and A. Tank, "Value Modeling in IoT Ecosystems with a Central Trusted
Entity: Qualitative Interviews and Explorative Case Study", in Proceedings of the 28th
Americas Conference on Information Systems (AMCIS), Association for Information Systems
(AIS), Editor, AMCIS 2022, Minneapolis, Minnesota, August 10-14. 2022.