Prognose 2033: So überlebt der Mittelstand in der Daten-Ökonomie

Der Hype um den vermeintlichen Gamechanger ChatGPT hat vielleicht auch etwas mit der Sehnsucht nach Einfachheit zu tun: Da kommt die eine Wunderanwendung, die alles über den Haufen schmeißt, ein großer Gleichmacher, der allen offensteht und die Paläste der Mächtigen, laut Techanalysten vor allem den von Google  , erschüttern wird. Endlich ist man mal erlöst vom mühevollen Tagesgeschäft mit seinem Kampf gegen die Mächtigen, darf staunen und träumen, was da alles an Disruption kommt. Doch der Rausch um ChatGPT und mögliche Nachfolgeanwendungen wird nur kurze Zerstreuung von einem der mühsamsten Themen des Interaktivgeschäftes bieten, im Gegenteil; es wird mit dem Siegeszug von KI tendenziell nur noch dominierender werden: Daten. In den kommenden zehn Jahren kann es in der Landschaft hier zu deutlichen Verwerfungen kommen, die Player 2033 andere sein als heute.

Daten haben ChatGPT zu dem gemacht, was es ist und ebenso die großen Techkonzerne. Wer einen smarten Chatbot sinnvoll in seinen Shop einbauen will, muss ihn mit individuellen Daten trainieren. All die Machine-Learning-Triumphe sind erst durch technische Fortschritte rund um die Analyse von zuvor unbezwingbaren Datenbergen möglich geworden: "Seit Jahren versucht man im Marketing das 'Segment of One' zu erreichen, die für die Einzelperson passgenaue Kundenansprache", sagt Professor Jürgen Anke, Professor für Softwaretechnologie und Informationssysteme an der Hochschule für Technik und Wirtschaft Dresden  : "Dafür versucht man ebenso lang Daten aufzubereiten - doch was heute anders ist, ist die Menge an Daten, die entsteht und die technischen Möglichkeiten zu ihrer Verarbeitung: Sowohl die Menge an Daten, die verfügbar ist als auch die Menge, die wir auswerten können, ist viel umfangreicher."

Diese Datenökonomie ist in mehr als einer Hinsicht brutal: Sie stellt Dinge mit Geschäften und Geschäftsmodellen an, die kaum absehbar sind, sie macht Mächtige noch mächtiger und ratlose KMUs noch ratloser - und was sie mit dem Bürger und der Bürgerin anstellt, ist nochmal ein ganz anderes Thema. Antworten auf die Fragen, die die Datenökonomie in den kommenden Jahren mit steigendem Nachdruck stellen wird, müssen alle finden: die einzelnen NutzerInnen, die Gesetzgeber (maßgeblicherweise hier die Europäische Union) und vor allem all die Geschäfte, die eben keine Googles, Amazons  , Metas   und Microsofts   sind. Was bleibt ihnen zu tun übrig ? Auf der Suche nach einer Antwort muss man die entstehende neue Datenwelt und die möglichen Plätze, die sie ihren BewohnerInnen offeriert, erkunden.

Wo wir stehen und wo die Reise hingeht

NutzerInnen und Marken befinden sich aktuell beide in einem komplizierten Zustand der Datenökonomie - man bezeichnet ihn in der Forschung auch als das Privacy Paradox. "Der Nutzer sieht alle seine Daten tendenziell als schützenswert an - aber er handelt anders, gibt Persönliches preis, postet sogar Kinderfotos", sagt Jürgen Anke. "Man will ungeachtet des Bedürfnisses nach Privatheit ja interagieren, man will Online-Services nutzen, das schafft Komfort oder im Fall von Social Media auch Zuspruch." Die Marken auf der anderen Seite befinden sich in einem ähnlichen widersprüchlichen Spannungsfeld. Auf der einen Seite möchten sie NutzerInnen nicht wirklich auf die Nase binden, wie weit ihre digitale Vermessung geht, was sie alles an Daten besitzen. Auf der anderen Seite sind sie zunehmend gezwungen, all das Tracking offenzulegen - teils wegen Gesetzesvorlagen, teils wegen der wachsenden Mündigkeit der NutzerInnen. Die Frage lautet also: Hält man still und hofft, die NutzerInnen geben brav die Daten ab - oder informiert man und riskiert im Akt des Informierens, die NutzerInnen zu vergrätzen? Ist uninformiert besser? Findet man erst heraus, nachdem man informiert hat...
Schrödingers Katze ist ein Dreck dagegen.

Doch auch wenn die Digitale Kompetenz steigt - Jürgen Anke sieht noch immer ein gewaltiges Machtgefälle bestehen. Zum einen haben NutzerInnen praktisch immer ein Kompetenzdefizit gegenüber den Techkonzernen, zum anderen existiert kaum eine Chance, sich außerhalb der Datenökonomie aufzustellen: "Die Konzerne wissen, wie sie an Daten bekommen, der Nutzer aber kaum, was genau sie damit tun und wie gut die Daten geschützt sind. Das betrifft nicht nur ein Google, sondern ebenso Onlineshops sowie Telekommunikations- und Mobilitätsanbieter. Als Nutzer ist man dem ausgeliefert und hat maximal die Wahl, sich dem Dienst zu verweigern und ihn nicht zu verwenden."

Noch gibt es keine Antwort auf die Gretchenfrage der Daten-Wirtschaft

Es existieren einige zaghafte Schritte in die Richtung der ermächtigten Nutzerschaft: So hat sich etwa gezeigt, dass NutzerInnen lieber bei Shops bestellen, in denen sie schon ein Nutzerkonto haben, statt in einem anderen ein neues Konto anzulegen. Deswegen bieten Shops oftmals auch einen Einkauf als Gast an. Oder aber man hat die Option zu zahlen, statt getrackt zu werden - etwa wenn Zeitungen die Auswahl zwischen "Werbung" (=Tracking) und "Lesen mit Abo ohne Ads" offerieren.

Dies alles sind erste zaghafte Versuche, die Gretchenfrage der modernen Datenökonomie zu beantworten (oder um sich um eine Antwort herumzudrucksen): Soll man tracken oder informieren, die Datengeschäftsmodelle transparent gestalten oder verschleiern? Das ist leider ein Problem der Kleinen. Die Mächtigen ohne Wettbewerb plagen diese Probleme nicht, weil sie de facto keine Konkurrenz besitzen. Was juckt es ein Google, wenn sich ein paar KundInnen am Tracking stören - was interessiert das ein Amazon? Es sind die KMUs, die die komplizierte Frage beantworten müssen, wie sie an ihre Daten kommen. Das ist dummerweise ein eingebautes Feature der Datenökonomie, so wie sie heute besteht.

Denn unsere globale Datenökonomie ist aus der Plattformökonomie hervorgegangen, was bedeutet, "die Datenökonomie wird zwangsläufig Ungleichgewichte erzeugen, denn Plattform-Business tendiert grundsätzlich zum Oligopol oder sogar zum Monopol, besonders in Staaten wie den USA oder China", erklärt Professor Andreas Moring, der International Management, E-Commerce und Kommunikationswissenschaft an der International School of Management (ISM) in Hamburg   lehrt. "Diese Staaten haben sich auf dem Feld der Daten einen enormen Vorsprung gesichert. Zum einen weil Datenschutz dort keinen interessiert und daher auch keine Regulierung existiert. Zum anderen leben dort viel mehr Menschen, die Daten produzieren, so einfach ist das: Wir sind 80 Millionen gegen mehr als Milliarde in China, hier gibt die schiere Masse der Menschen den Ausschlag."

Für den Standort Deutschland ergibt sich daraus eine Reihe von Nachteilen - er ist schwächer an NutzerInnen und stärker an Regulierung. Doch leider ist das kein Freibrief für deutsche KMUs, die Schuld nach Brüssel zu delegieren und ein zorniges Fäustchen hinterherzuschütteln. Tatsächlich geht die Problematik des Standortes Deutschland viel weiter, sagt Andreas Moring: "Wir sind zwar gut in Forschung und Entwicklung, aber in Deutschland wie auch in der EU eher schlecht darin, aus unseren Entwicklungen marktfähige Produkte zu machen." Dauerhaft werde dies auf einen Standortnachteil hinauslaufen, der die hiesige Wirtschaft den Anschluss verlieren lässt: "Unsere Förderung, die Vernetzung von Forschung und Unternehmen ist mangelhaft. Und das ist liegt nicht allein bei der Politik, sondern auch auf der Seite der Unternehmen", sagt Moring: "Die reißen sich nicht darum, datengetriebene Modelle aufzubauen. Das ist ein politisches und ein Mentalitätsproblem, da da hängen wir hinterher."

Den Platz in der Datenökonomie behaupten - Handlungsspielräume für KMUs

Außerdem haben KMUs, etwa kleinere und mittelgroße Shops, grundsätzliche Nachteile in der Datenökonomie.
Sie sind weniger stark skaliert, die Zahl der NutzerInnen erzeugt oftmals nicht genug Traffic, um Tools aussichtsreich einzusetzen, die auf Mustererkennung setzen. Und selbst wenn der Traffic in Sphären gelangt, wo dies eine Option wäre, fehlt es an der benötigten Kompetenz und Personalpower, um Machine-Learning-Werkzeuge einzusetzen. Das beginnt vorne im Funnel mit der Werbung und geht bei der automatisierten Kaufberatung weiter. Es gibt weder die Entwicklerteams, die Services aufbauen noch die IT-Personaldecke, um sie zu unterhalten. Der Handlungsspielraum ist also eingeschränkt, aber ein paar Optionen gibt es, um sich in datengetriebenen Umfeldern aufzustellen.

Fokussierung auf BestandskundInnen
Differenzierung und Fokussierung sind für Stefan Detscher wichtige Strategien kleinerer Marktteilnehmer. Der Professor an der Hochschule für Wirtschaft und Umwelt Nürtingen-Geislingen (HfWU)   ist auf digitales Marketing spezialisiert und rät zum "Aufbau und Halten einer Bestandskundschaft und das in einem differenzierten Umfeld, einer Nische, die man digital erschließt." Auch Innovation ist ein taugliches Rezept für kleine Shops. Wenn man origineller sein möchte als der Wettbewerb, kann man sogar bestehende KI-Tools nutzen: "Zum Beispiel ChatGPT, das ja günstig verfügbar ist." Wie man mit KI originelle Marketing-Ideen umsetzt, hat beispielsweise SEO Severin Lucks gegenüber iBusiness illustriert, der seiner kleinen Agentur via Bild-Generator ein großes virtuelles Team verpasste (die Geschichte und wie kleine SEO-Agenturen KIs beispielsweise nutzen können, steht hier zum genauen Nachlesen). Wer der Sache dann nachging, wurde darüber informiert, dass diese große Mannschaft virtuell sei - das bestehende kleine Team aber so viel Leistung erbringe, wie sonst nur eine große Agentur.

Growth Hacking
Growth Hacking ist eine denkbare Strategie an dieser Stelle: Kleine Budgets werden so eingesetzt, dass eine Marke schnell digital wächst - mit Strategien, die in großen und weniger wendigen Konzernen nicht machbar sind.

Federated Learning
Darüber hinaus gibt es neue Tools, die sogar ganz ohne überquellende Datentöpfe auskommen: "Wir sind hier gerade in einer Umbruchphase. Die bisherige Strategie ist gewesen, Daten zu sammeln, riesige Bestände aufzubauen für Analytic und Predictions; das könnte sich ändern", sagt Andreas Moring. "Es kommen zunehmend Analyticsprogramme auf, die ohne großen und einheitlichen Datenbestand auskommen: Ich hole die Daten zum Training eines Modells nicht mehr heran, sondern ich lasse sie in den verschiedenen Töpfen. Stattdessen navigiere ich den Algorithmus hinein, trainiere ihn und reiche ihn weiter an andere Firmen, die ihn ebenfalls trainieren." So können Unternehmen kooperieren, ohne ihre Daten zu teilen. Mehrere Shops mit wenig lückenhaften Daten haben dann gemeinsam genug Infos zum Training eines Algorithmus, der geteilt wird, ohne dass die Daten geteilt werden müssen. Das Prinzip nennt sich Federated Learning. Das, so Moring, ist ein Ausweg aus dem Grundproblem, dem sich kleinere Player in der Datenökonomie gegenübersehen: "Nicht hinterher rennen, sondern auf einer neuen Spur unterwegs sein!"

Zukunftsszenarien für die Datenökonomie

Eine denkbare weitere Option, die Datenökonomie in ihrer bestehenden Form aufzubrechen, wäre eine Umverteilung der Datenhoheit: Schließlich steht nirgendwo in Stein gemeißelt, dass die Daten bei den Konzernen liegen müssen, weder technisch noch logistisch ist das für die maßgeschneiderten Services notwendig, die NutzerInnen als Vorteile angeboten werden: "Warum sollten KundInnen nicht ermächtigt werden, ihre Nutzungsdaten in ihrer Wallet abzuspeichern und dem Shop lediglich erlauben, für einen konkreten Anlass selektiv darauf zuzugreifen", schlägt Jürgen Anke vor. Man speichert die Daten in der Cloud oder auf einem lokalen Laufwerk - und die Shops dürfen ran. "Wenn es hier gelingt, einen Datenstandard zu etablieren, könnten Shops kooperieren. Auf einmal kann ein Onlinehändler einem Neukunden, der noch nie auf der Seite war, eine Personalisierung wie bei anderen Shops anbieten, wo er bereits lange Kunde ist." Der Effekt wäre dem oben geschilderten Federated Learning vergleichbar: Shops profitieren von den Daten der Wettbewerber und umgekehrt, ohne dass die Daten jemals wirklich geteilt würden.

Machine Learning/KI stoßen hier gerade eine Reihe von Trends an, die die Datenökonomie aktuell verändern. Es ist sogar denkbar, dass sich dabei die Machtverteilung grundsätzlich ändert, weg vom Oligopol. Das indes wäre freilich ein optimistisches Best-Case-Szenario.

Trend: Die Welle der neuen Jobs bleibt aus

Dr. Maximilian Heimstädt, der sich am Weizenbaum Institut   als Organisationsforscher mit algorithmischen Entscheidungssystemen befasst, geht nicht davon aus, dass die Datenökonomie zahlreiche neue Jobs entstehen lassen wird, wie oftmals prognostiziert: "Meine bisherige Erfahrung zeigt, dass technische Innovationen die Bedürfnisse an Personal kaum ändern. Der Grund dafür ist, dass neue Tools von den Drittanbietern meist so gestaltet werden, dass sie problemlos anschlussfähig im laufenden Betrieb sind." Bei großen Konzernen indes werde das anders aussehen: Eine Bahn   oder Telekom    etwa werde entsprechende Kompetenzen sicher inhouse ansiedeln.

Trend: Verpflichtende Datenerfassungsanzeigen

Bei Autos mit einer Anzeige des aktuellen Benzinverbrauchs ändert sich bei der Mehrheit der FahrerInnen die gewählte Geschwindigkeit und das Fahrverhalten: "Da greifen dann Gamification-Mechanismen: 'Mal sehen wie niedrig ich den Spritverbrauch drücken kann!' - so etwas wäre auch für Browser und Webseiten denkbar: Wenn etwa die EU verpflichtend Label oder Anzeigen zum Status des Trackings und der gesammelten Daten einführt, einheitliche Icons etwa."

Trend: Data Science als Marketing-Buzzword

In den kommenden Jahren wird die ohnehin schon existierende Anzahl an Data-Science-Labs stark anwachsen. Denn: Es ist sexy, eines zu haben, "Data Science hat eine Aura der Fortschrittlichkeit, doch meine anekdotische Evidenz spricht eher dafür, dass hier die prägende Erfahrung der Mitarbeiter die Frustration ist", sagt Maximilian Heimstädt. " Oft scheint es so auszusehen, dass diese Abteilungen zwar aufregende Prototypen entwickeln, die dann aber irgendwo versanden. Firmen mögen diese Abteilungen, um sie vorzuzeigen, doch dann entsteht wenig daraus."

Trend: Regulierung

DSGVO und Cookiebanner sind nur ein Vorgeschmack. Die Regulierung von Seiten der EU etwa wird massiv zunehmen, die heutige, ungehemmte Datensammelwut der Dienste eine von späteren Generationen ungläubig wahrgenommene Episode in der Webgeschichte werden - der Wilde Westen der Interaktiv-Ökonomie quasi.

Trend: Inhärente Probleme

Einige Probleme der Datenanalyse lassen sich auch mittels Fortschritt kaum abschaffen. Sie sind inhärente Bestandteile der Datenökonomie. Dazu zählt der enorme Aufwand, der nur in freudlosen Menschen-Arbeitsstunden erledigt werden kann, bis man einmal eine neuartige Anwendung zum Laufen bekommt: "Palantir (siehe iBusiness-Analyse) ist ein sinnbildliches Beispiel für alle datenbasierte Geschäftsmodelle, die magische Versprechen zu heterogenen Daten und deren Zusammenführung abgeben", sagt Maximilian Heimstädt. "Sieht man sich die Geschäftszahlen an, so hat das schon immer gehapert. In der Praxis liegt das daran, dass die Datenzusammenführung nie so einfach funktioniert wie in der Außendarstellung porträtiert. Es bedarf wahnsinnig vieler, sehr langweiliger, menschlicher Arbeit die Datenquellen zu verknüpfen."

Trend: Die Totalität der Daten-Ökonomie

Gibt es im Moment noch Ausnahmen, Inseln in der Datenwirtschaft, so werden diese zunehmend dahinschmelzen, untergehen: Das Internet of Things, Smart-Home-Technologie und Industrie-4.0-Anwendungen werden auch die weißen Flecken der Datenlandkarte entfernen: Staubsaugerroboter kartografieren Wohnungen, sollen sie es nicht tun, muss man wohl zum deutschen Modell greifen, während der chinesische Klon es munter macht. Datenschutz wird Geschäftsmodell und Selling-Point für Dienstleister und Hersteller.