18. Januar 2019 | pArtikel drucken | k1 Kommentar

Datenmonetarisierung: Mit Daten Geld verdienen

Daten zu Geld machen – das bedeutet die Datenmonetarisierung. Angesichts der weltweit steigenden Datenmenge wird dies für Unternehmen immer wichtiger. Dabei haben Firmen verschiedene Möglichkeiten, um ihre Daten zu monetarisieren.

In Zeiten der Digitalisierung explodiert die Datenmenge geradezu. Laut einem aktuellen IDC-Report wird die globale Datenmenge von ca. 33 Zettabyte in 2018 auf 175 Zettabyte – umgerechnet 175 Milliarden Terrabyte – in 2025 anwachsen. Großen Anteil daran hat das Internet of Things (IoT): Die Marktforscher von IDC gehen davon aus, dass IoT-Geräte im Jahr 2025 über die Hälfte aller globalen Daten produzieren werden (90 Zettabyte).

Angesichts dieser Situation sind Unternehmen in Zukunft quasi gezwungen, mit Daten Geld zu verdienen. Sonst laufen sie Gefahr, dem Wettbewerb massiv hinterherzuhinken. Das geht aus einem Beitrag des Fachportals „CIO.de“ hervor. Letztendlich sei die Datenmonetarisierung nichts anderes als eine logische Konsequenz. So heißt es im Beitrag: „Möglicherweise ist der einzige Grund, sich für die Monetarisierung von Daten zu entscheiden, der, weil es sie einfach gibt. Mit zunehmender Intelligenz der Produkte und Geräte, die sowohl Daten produzieren als auch verarbeiten können, steigen sowohl das Volumen als auch der Wert der verfügbaren Daten. Warum also nichts draus machen?“.

Daten zu Geld machen – aber wie?

Die genaue Umsetzung der Datenmonetarisierung erlaubt verschiedene Herangehensweisen. In einem Artikel beschreibt der IT-Journalist Dr. Klaus Manhart fünf verschiedene Modelle, um mit Daten Geld zu verdienen. Er bezieht sich dabei auf Ralph Hofmann und Arent van’t Spijker, die diese Modelle bereits 2013 in ihrem „Patterns in Data Driven Strategy“ beschrieben haben. Die Bandbreite reicht vom direkten Verkauf von Rohdaten bis zum Datenaustausch zweier oder mehrerer Unternehmen, um etwa Betriebskosten zu senken.

Allerdings betont Manhart: Der „eine“ Weg existiert nicht. Vielmehr müsse jedes Unternehmen seine individuelle Methode herausfinden, um seine Daten nachhaltig zu monetarisieren. CANCOM.info präsentiert die fünf Modelle in der Übersicht.

  • Direkte Monetarisierung von Daten: Hier verkauft ein Unternehmen seine unverarbeiteten Rohdaten direkt an Interessenten. Aus rechtlichen Gründen ist es zentral, diese Daten zu anonymisieren – um Rückschlüsse auf konkrete Personen zu verhindern.
  • Verbesserung von Produkt und Service: Hier werden Daten verwendet, um bereits bestehende Produkte oder Services zu verbessern – oder auch zu erneuern. Bei den Daten handelt es sich um Informationen über den Verkauf oder die Nutzung dieser Produkte oder Services.
  • Commodity Swap: In diesem Modell nutzen Unternehmen ein beliebtes oder häufig verkauftes Produkt bzw. Service, um Daten zu produzieren. Anhand dieser Datenbasis wird anschließend ein neues Produkt oder ein neuer Service erstellt, der mit dem Warenangebot unmittelbar verbunden ist.
  • Value Chain Integration: Zwei oder mehr Unternehmen tauschen Daten untereinander aus, um Prozesse zu optimieren oder Kosten zu senken. Zum Beispiel können ein Supermarkt und ein Getränkelieferhandel mittels Echtzeit-Daten ihren Bedarf genau berechnen und die Lieferung automatisch aufeinander abstimmen.
  • Value Net Creation: Hier arbeiten Unternehmen zusammen, die das gleiche Kundensegment bedienen. Ähnlich wie beim „Value Chain Integration“-Modell tauschen diese Unternehmen untereinander Daten aus, um so etwa ihre Prozesse zu optimieren oder Kundenangebote zu verbessern. Aus dieser Zusammenarbeit ergibt sich eine große Wertschöpfungskette – die Geschäftsmodelle der jeweiligen Firmen werden miteinander kombiniert.

Use Case zur Datenmonetarisierung auf der HPE Discover

Bernd Kammholz, Automotive Chief Technologist von HPE, auf der HPE Discover.
(Bild: © CANCOM)

Eine Möglichkeit, die Datenmonetarisierung umzusetzen, präsentierte HPE auf der vergangenen HPE Discover. So stellte der IT-Konzern den im Bild zu sehenden Audi als „Messstation“ dar, der mithilfe von Sensoren kontinuierlich Daten sammelt, wie etwa über die Straßenqualität oder das Wetter. Anschließend werden diese Daten entsprechenden Unternehmen zum Kauf angeboten. Ein Beispiel sind Wetterservices:

„Typischerweise basiert ein Wetterservice auf einer Vielzahl an Messdaten. Je mehr Messdaten ein Wetterservice hat, desto präziser können Wettervorhersagen geschehen. In bestimmten Regionen gibt es nur wenige Messstationen – dafür aber relativ viele Autos“, so Experte Bernd Kammholz (Automotive Chief Technologist, HPE), den die Redaktion von CANCOM.info vor Ort getroffen hat. „Die Idee ist nun, das Auto als „Messstation“ einzusetzen, um so zur Wettervorhersage beizutragen und diese zu verbessern. Denn auch ein Auto verfügt über einen Regen- und Temperatursensor.“

Laut Kammholz entsteht auf diese Weise eine Win-win-Situation: Der Besitzer des Audis nutzt sein Auto als Messstation, gibt Messdaten preis und wird dafür bezahlt. Er macht die vom Auto produzierten Daten direkt zu Geld. Der Wetterservice hat mit dem Kauf der Daten wiederum die Möglichkeit, seine Wettervorhersage zu präzisieren und damit die Zufriedenheit der eigenen Kunden zu steigern.

Kammholz betont dabei: Man hat jederzeit die Wahl, ob man die Daten preisgeben möchte oder nicht. Dies sei nur logisch. Schließlich habe man die Daten selbst produziert.

Quelle Titelbild: © geralt/pixabay.com 

Hier schreibt Christian Schinko für Sie

Mehr Artikel vom Autor

Lesen Sie weiter auf CANCOM.info

Cookies auf dieser Website

Cookies sind für die korrekte Funktionsweise einer Website wichtig. Damit wir verstehen, wie unsere Seite im Allgemeinen genutzt wird und wir Ihren Besuch noch interessanter und personalisierter gestalten können, setzen wir Cookies und andere Technologien ein. Bitte treffen Sie Ihre bevorzugte Cookie-Auswahl, um fortfahren zu können. Hilfe.

Wählen Sie eine Option, um fortzufahren

Ihre Auswahl wurde gespeichert!

Sie können Ihre Cookie-Einstellung jederzeit ändern. Eine Erläuterung der einzelnen Einstellungen finden Sie in der Hilfe.

COOKIE EINSTELLUNGEN

Wir respektieren Ihre Privatsphäre und den Datenschutz. Damit wir verstehen, wie unsere Seite im Allgemeinen genutzt wird und wir Ihren Besuch noch interessanter und personalisierter gestalten können, sammeln wir Daten über die Nutzung dieser Seite. Hierzu verwenden wir Cookies. Wir teilen außerdem Informationen über Ihre Nutzung unserer Website mit unseren Social-Media-, Werbe- und Analytikpartnern gemäß unserer Datenschutzerklärung. Sie können Ihre Präferenzen in den Cookie-Einstellungen verwalten und jederzeit ändern.

Achtung: Wenn Sie noch keine 16 Jahre alt sind deaktivieren Sie bitte unbedingt alle Cookies die nicht notwendig sind, da für das Tracken durch Cookies von Kindern unter 16 Jahren die Zustimmung eines Erziehungsberechtigten vorliegen werden muss.

  • Alle Cookies akzeptieren:
    Diese Funktion erlaubt alle Cookies für Tracking- und Seiten-Analyse, Cookies zur Personalisierung der Website oder Social Media Dienste. Dazu zählen auch Cookies von externen Anbietern, wie zum Beispiel Youtube oder Vimeo, um das Abspielen von Videos zu ermöglichen sowie Cookies, die nicht ausschließlich für den Betrieb der Webseite notwendig sind. Das sind Cookies für Marketing, Statistik und andere.
  • Nur Cookies erlauben, die von dieser Webseite gesetzt werden:
    Hierbei werden zusätzlich zu den notwendigen Cookies weitere Cookies geladen, die vom Websitebetreiber für diese Webseite genutzt werden. Das sind zum Beispiel Cookies, die die Art beeinflussen, wie sich eine Webseite verhält oder aussieht (z. B. Ihre bevorzugte Sprache oder die Region in der Sie sich befinden).
  • Nur Cookies akzeptieren, die für die Funktion der Seite notwendig sind:
    Notwendige Cookies helfen dabei, eine Webseite nutzbar zu machen, indem sie Grundfunktionen wie Seitennavigation und Zugriff auf sichere Bereiche der Webseite ermöglichen. Die Webseite kann ohne diese Cookies nicht richtig funktionieren. Es werden bei dieser Option keine Cookies gesetzt, außer die aus technischen Gründen notwendig sind.

Zurück