Strategisches Datenmanagement als Erfolgsgarant
Schon vor rund 400 Jahren wusste der britische Philosoph Francis Bacon: „Wissen ist Macht.“ Heute stehen Unternehmen dank Big Data so große Informationsmengen zur Verfügung wie nie zuvor. Dank innovativer und teils KI-gesteuerter Software haben Sie die Möglichkeit, ein aktives Datenmanagement zu betreiben. Das hilft Ihnen, Ihre Kunden zu verstehen, die Wirtschaftslage zu prognostizieren, Mitbewerber einzuschätzen und die zukünftigen Trends der Branche auszumachen. Die IHK für München und Oberbayern zeigt, welche Vorteile das Datenmanagement für Unternehmen bietet und wie Sie die nötigen Prozesse im Betrieb etablieren.
Inhaltsnavigation
- Warum sind Daten so wertvoll?
- Datenmanagement ist eine Frage der Datenqualiät
- Wertschöpfung durch Datenmanagement
- Die verschiedenen Datenarten
- Potenziale erkennen und Datenschätze rechtssicher erheben
- Schritt für Schritt zur Datenstrategie
- Die EU-Datenstrategie
- Datenstrategie der Bundesregierung
- Webinarreihe: Daten in der Praxis
Warum sind Daten so wertvoll und Datenmanagement so wichtig?
In jedem Unternehmen schlummern an den verschiedensten Stellen Daten. Welche Datensätze wertvoll sind, hängt von Ihrer Branche und dem Ziel des strategischen Datenmanagements ab. Die Möglichkeiten sind breit gefächert. Sie können unter anderem Folgendes über ein aktives Datenmanagement ermitteln:
- Für bestimmte Zielgruppen interessante Angebote
- Zeitpunkte, zu denen Preisaktionen besonders wirksam sind
- Rahmenbedingungen für günstige Einkaufskonditionen.
- Formulierungen und Kanäle für erfolgreiche Stellenanzeigen.
Außerdem liefert ein gezielt genutztes Datenmanagement die Grundlagen für erfolgskritische Entscheidungen und ermöglicht es Ihnen, verschiedene Prozesse im Unternehmen automatisiert ablaufen zu lassen (z. B. automatische Nachbestellung bei Unterschreitung einer bestimmten Vorratsgrenze). Tatsächlich dienen diese Beispiele lediglich der Verdeutlichung. Datenmanagement und Data Analytics bieten nahezu unendliche viele weitere Einsatzmöglichkeiten in Unternehmen.
Datenmanagement ist eine Frage der Datenqualität
Datenmanagement ist immer mit Aufwand verbunden, doch dieser Einsatz zahlt sich aus. Wichtig ist dabei, immer auf die Qualität der Informationen zu achten. Ähnlich wie ein Schulatlas aus den 1980er-Jahren sind Daten schnell veraltet. Das Akronym VUCA stammt eigentlich aus dem Bereich Change Management. Es beschreibt die größten Herausforderungen, vor denen Führungskräfte stehen, wenn sie Veränderungen vornehmen möchten, um ein Unternehmen wettbewerbsfähig zu halten.
Auch beim strategischen Datenmanagement sind folgende Aspekte zu beachten:
- Volatility (Volatilität): Dieser Begriff beschreibt Abweichungen, die sich nicht aus den zugrunde gelegten Daten ableiten lassen. Trotz bester Analyse können unerwartete Ereignisse eintreten wie z. B. die Corona-Pandemie, das Aufgrundlaufen der EverGiven im Suezkanal oder der Krieg in der Ukraine.
- Uncertainty (Unsicherheit): Dieser Punkt ist geprägt von Unwissen, Risiko und Ungewissheit. In einigen Bereichen lässt sich die Zukunft gar nicht prognostizieren, es herrscht Unwissen. Bei Risiken können Sie absehen, welche Entwicklungswahrscheinlichkeiten bestehen, aber Sie kennen den Zeitpunkt des Eintretens nicht. Bei Ungewissheit dagegen sind die Eintrittsalternativen bekannt, aber die Wahrscheinlichkeiten nicht.
- Complexity (Komplexität): Je nach Ziel des Datenmanagements sind sehr komplexe und vielschichtige Daten zu untersuchen, die Wechselbeziehungen und Rückkopplungen enthalten. Dazu ist die Datenlage auch noch häufig unvollständig. Als Beispiel dient das menschliche Genom, das zwar vollkommen entschlüsselt ist, aber bei dem die Funktion und Vernetzung vieler Gene noch unklar ist. Die moderne Geschäftswelt mit Globalisierung, Diversifikation von Dienstleistungen sowie der Vernetzung verschiedener Unternehmen steigert die Komplexität der Datenflüsse deutlich. Ein weiteres Problem dieser Komplexität ist, dass nicht immer klar zu bewerten ist, ob zwischen zwei Punkten tatsächlich eine Korrelation besteht. Seit die Zahl der Weißstörche im Berliner Umland sinkt, fällt auch die Geburtenrate rapide. Hier handelt es sich um eine Scheinkorrelation, denn den Klapperstorch als Kinderlieferanten gibt es natürlich nicht.
- Ambiguity (Mehrdeutigkeit): Eindeutige Daten liefern in der Regel klare Ergebnisse. Das verändert sich aber sofort, wenn Sie mehrere dieser eindeutigen Daten zusammen betrachten, um eine Entscheidung zu treffen. Dann ist kein eindeutiges Ergebnis mehr zu erwarten, denn nun fließen z. B. Faktoren wie die Vorlieben des Entscheiders ein, da es eben keine sicheren kausalen Zusammenhänge mehr gibt. Die Datenauswertung ist mehrdeutig.
Wertschöpfung durch Datenmanagement
Die Daten in Ihrem Unternehmen sind einer Ihrer wertvollsten Schätze. Das trifft z. B. auf die Kundendaten zu. Aber auch viele weitere Daten liefern Ihnen wertvolle Hinweise, um Prozesse zu optimieren oder ideale Strategien für Einkauf, Marketing oder Vertrieb zu erkennen. So verschaffen Sie sich Wettbewerbsvorteile und sichern Ihre Position am Markt. Data Science bietet unter anderem Vorteile in folgenden Bereichen:
- Neue Erkenntnisse gewinnen
- Verbindung zwischen Unternehmensdaten und Softwarelösungen, um Innovationen zu entwickeln oder den Absatz zu steigern
- Verknüpfungen zwischen Abteilungen erstellen und Prozesse automatisieren
Das zeigt, wie vielfältig das strategische Datenmanagement im Unternehmen eingesetzt werden kann. Es bietet nicht nur Möglichkeiten zur besseren Wertschöpfung. Sie erhalten auch die Option, die knappen Fachkräfte zu entlasten, indem Sie einen Teil der Abläufe z. B. für bestimmte Use Cases automatisch generieren.
Die verschiedenen Datenarten
Für ein erfolgreiches Datenmanagement ist es unerlässlich, die vier großen Datengruppen zu kennen, die für die Arbeit zur Verfügung stehen. Es wird unterschieden zwischen:
- Rohdaten: Diese Daten werden auch Raw Data oder Quelldaten genannt. Sie wurden noch nicht für die Nutzung verarbeitet, Experten bezeichnen sie als noch nicht prozessiert. Beispielsweise zeichnet ein Kassenterminal in einer Tankstelle jeden Tag tausende Daten auf. Diese Datenquellen sind so nicht für eine Auswertung nutzbar. Es erfordert Maßnahmen wie die selektive Extraktion, Formatierung und Verarbeitung, um aus den Daten Informationen zu gewinnen. Erst dann erfahren Sie, wie viel Kunden im Durchschnitt von einer bestimmten Kraftstoffart tanken oder um welche Uhrzeit häufig eine Autowäsche gekauft wird.
- Strukturierte Daten: Hier handelt es sich um Daten, die in einem Verzeichnis oder Datenspeicher (z. B. Datenbank) organisiert gespeichert sind. Diese Datenquellen stehen sofort für eine effektive Analyse oder Verarbeitung zur Verfügung. So lassen sich z. B. mit einer Kundendatenbank mit Geburtsdatum leicht automatisiert Rabattangebote zum Geburtstag versenden oder einzelne Zielgruppen identifizieren.
- Unstrukturierte Daten: Diese Daten werden nicht nach einem bestimmten Schema oder Modell gespeichert. Das trifft auf den Großteil der weltweit verfügbaren Daten zu. Ein Beispiel wäre eine Dokumentensammlung, die Angebote, Rechnungen, E-Mails und Reisekostenabrechnungen enthält.
- Metadaten: Diese Datenart ist immer informativ für den Nutzer, denn Metadaten verweisen auf andere Datensätze. So können Sie mittels Metadatenanalyse z. B. feststellen, wer was wann und wo gekauft hat.
Potenziale erkennen und Datenschätze rechtssicher erheben
Wie wichtig sind Daten für Unternehmen?
Der Begriff Datenökonomie steht für die Idee, dass Daten einen monetären Wert haben und einen erheblichen Mehrwert für die Wirtschaft darstellen. Mit Hilfe von Daten können bestehende Produkte und Prozesse verbessert werden. Gleichzeitig können durch die Sammlung und Nutzung großer Datenmengen neue Produkte und Prozesse entstehen, die erst dadurch möglich werden. Daraus ergeben sich enorme Potenziale für Unternehmen.
Dies bestätigt auch die IHK-Digitalisierungsumfrage 2021: Für 94 Prozent der befragten Unternehmen aus Oberbayern ist die Verarbeitung und Nutzung von Daten für die Unternehmensentwicklung sehr wichtig (68 Prozent) oder zumindest wichtig (26 Prozent). Einig sind sich die Unternehmen auch darin, dass die Datennutzung in Zukunft zunehmen wird, um Kundenbeziehungen zu verbessern, Prozesse zu optimieren, Werbung und Marketing zu verbessern etc.
Aus datenschutzrechtlicher Sicht sind nicht alle Arten von Daten als reines Wirtschaftsgut zu betrachten. Personenbezogene Daten, also Daten, die einer bestimmten Person zugeordnet werden können oder Rückschlüsse auf eine bestimmte Person zulassen, dürfen von Unternehmen nicht ohne weiteres genutzt werden. Hier greift die EU-Datenschutzgrundverordnung (DSGVO), die personenbezogene Daten reguliert. Anders verhält es sich mit nicht-personenbezogenen Daten, die keine Rückschlüsse auf eine Person zulassen. Diese Daten lassen sich häufig in zwei Kategorien einteilen:
- Anonymisierte Daten: Eine Veränderung von personenbezogenen Daten, so dass eine Zuordnung zu einer bestimmten Person nicht (mehr) möglich ist.
- Industrie- und Geschäftsdaten: Daten, die innerhalb der Wirtschaft vor allem durch den Einsatz von IoT-Maschinen erzeugt werden. Dazu gehören beispielsweise Daten, die von Sensoren in Fabriken erfasst und übertragen werden.
Insbesondere Industriedaten haben ein großes Potenzial für Unternehmen. Die EU-Kommission geht davon aus, dass der Wert der Datenwirtschaft bis 2025 auf 829 Milliarden Euro steigen wird.
Was ist ein Datensilo?
Viele Datenquellen sind in Unternehmen bisher nicht für ein umfassendes Datenmanagement zugänglich, weil sie in Datensilos liegen. Grund dafür ist, dass dieDigitalisierung in Unternehmen über Jahre schritweise gewachsen ist. Die Daten liegen häufig dezentral in den verschiedenen Abteilungen gespeichert und dazu in verschiedenen Formaten vor. Das heißt, dass viele Datensätze für andere Abteilungen, die auch von der Auswertung und Analyse profitieren können, nicht zur Verfügung stehen. Diese isolierten Datenmengen, die anderen Nutzern im Unternehmen nicht zugänglich sind, befinden sich somit in einem sogenannten Datensilo. Diese Datensilos behindern die Datenflüsse und machen das Datenmanagement ineffektiv bis unmöglich. Dazu verursachen sie einen hohen Aufwand und hohe Kosten. Typische Beispiele sind unter anderem:
- Word-Dokumente auf den Festplatten der Angebotsabteilung
- Separate Software für das Customer-Relationship-Management
- Unzugängliche Finanzbuchhaltung.
Das sind nur einige Beispiele, die das Problem verdeutlichen, das Datensilos verursachen. Es lohnt sich daher, in eine einheitliche und umfassende Data Architecture für das Unternehmen zu investieren. Am Anfang erfordert die Umsetzung Zeit und verursacht Kosten. Aber die Investition zahlt sich langfristig aus. Denn ungestörte Datenflüsse ermöglichen ein umfassendes Datenmanagement. So lassen sich nahezu alle Prozesse im Unternehmen analysieren und verbessern. Das steigert die Wirtschaftlichkeit und erhöht die Resilienz des Unternehmens gegenüber Belastungen von außen. So sichern Sie langfristig Ihre Wettbewerbsfähigkeit.
Wo liegen die Herausforderungen bei der Etablierung des Datenmanagements?
Bevor das Datenmanagement sinnvoll genutzt werden kann, ist eine gründliche Bestandsaufnahme sinnvoll. Durch die im Alltag geradezu zwangsläufig entstandenen Datensilos ist oft niemandem im Unternehmen bekannt, welche Daten überhaupt für das Datenmanagement zur Verfügung stehen. Daher ist es grundlegend, eine Bestandsaufnahme durchzuführen und alle möglichen Quellsysteme im Unternehmen zu identifizieren.
Ein weiteres Problem besteht in vielen Betrieben in der Zugänglichkeit der Daten. Häufig haben nur bestimmte Mitarbeiter Zugang, anderen wurde der Zugriff eher zufällig gewährt. Aber es besteht keine einheitliche Regelung, die allen Abteilungen die Arbeit mit den wertvollen Informationen ermöglicht. Daher ist es wichtig, die zukünftigen Datenflüsse, aber auch die Datensicherheit im Unternehmen genau zu planen und für eine Klassifizierung zu sorgen. So bekommt jeder Bereich den Zugang, der benötigt wird, und sensible Daten sind vor der Auswertung durch Unberechtigte geschützt. Teilweise ist es auch möglich, die Daten durch Anonymisierung zu verfremden und für die Analyse bereitzustellen.
In den meisten Unternehmen ohne etabliertes Datenmanagement fehlt es an einer Datenbank und den passenden Strukturen, um die Daten zu analysieren und die Ergebnisse auszuwerten. Hier gibt es viele verschiedene Softwarelösungen auf dem Markt, die verschiedenen Unternehmensgrößen und Branchen gerecht werden.
Schritt für Schritt zur Datenstrategie
Stehen die Daten bereit und sind homogen aufbereitet, haben Sie eine solide Basis für das strategische Datenmanagement geschaffen. Nun geht es darum, die Daten zu nutzen, um aus der Analyse wertvolle Informationen zu gewinnen. Dabei ist es unerlässlich, planvoll vorzugehen und einen Arbeitsschritt nach dem anderen durchzuführen.
Vision definieren
Auch gut aufbereitete Daten in strukturierten Datenquellen stellen einen nahezu undurchdringlichen Dschungel dar. Um diese nutzbar zu machen, definieren Sie zuerst das Ziel. Überlegen Sie, welche Frage Sie beantworten oder welches Problem Sie lösen möchten. Legen Sie fest, in welchen Bereichen das Datenmanagement zu Veränderungen oder Verbesserungen führen kann. Dazu sind unter anderem die folgenden Fragen hilfreich:
- In welchen Bereichen besteht Wachstumspotenzial?
- Wo bestehen Einsparpotenziale?
- Welche Prozesse lassen sich optimieren?
- Wie kann die Kundenzufriedenheit erhöht werden?
- An welchen Punkten lassen sich vorhandene Produkte oder Dienstleistungen verbessern?
Achten Sie darauf, dass die geplanten Ziele zu Ihrer Unternehmensstrategie passen. Es ist sehr empfehlenswert, die Zielsetzung nach dem SMART-Schema vorzunehmen. Das heißt:
- S wie spezifisch: Formulieren Sie so konkret wie möglich, was Sie erreichen möchten.
- M wie messbar: Legen Sie qualitative oder quantitative Messgrößen fest, damit Sie Ihren Fortschritt in der Dokumentation genau benennen können.
- A wie attraktiv: Setzen Sie Ziele, die Sie tatsächlich erreichen möchten und die für Sie und/oder Ihre Mitarbeiter attraktiv sind.
- R wie realistisch: In der vorgegebenen Zeit und mit den in Ihrem Unternehmen zur Verfügung stehenden Mitteln sollen die Ziele erreichbar sein.
- T wie terminiert: Legen Sie den Zeitpunkt der Zielerreichung verbindlich fest.
Eine weitere Möglichkeit, bei langfristigen Zielen Zwischenschritte einzubauen, ist das Festlegen von Meilensteinen. Diese unterteilen längere Perioden in überschaubare Zeiträume und erlauben Ihnen, zu festen Zeiten den Erfolg der Strategie „zwischenzuprüfen.“ Das ermöglicht rechtzeitige Kurskorrekturen.
Datenquellen für das Datenmanagement festlegen
Durch die Vorüberlegungen und erste Analysen über die möglichen Zielsetzungen erhalten Sie eine solide Wissensgrundlage, um zu entscheiden, welche Datenquellen Sie für die Zielerreichung zusammenführen und auswerten sollten. Viele Unternehmer betrachten sogar Daten aus einem Bereich getrennt. Ein typisches Beispiel sind Kundendaten. Hier stehen oft verschiedene, voneinander vollkommen unabhängige Datenquellen zur Verfügung wie:
- Stammdaten aus dem CRM-System (CRM = Customer Relationship Management)
- Daten aus Kommunikationskanälen wie Facebook, Instagram, X (vormals Twitter), oder LinkedIn
- Transaktionsdaten aus dem Shopsystem
- Informationen zu Reaktionen auf Aktionen wie Coupons oder Rabatt-Mailings
Nicht immer sind bereits alle erforderlichen Datenquellen in einem Unternehmen vorhanden. Für manche Ziele ist es unerlässlich, weitere Datenquellen zu erschließen oder neue Datensysteme einzuführen. Sind die Datenquellen festgelegt, reicht es nicht aus, die Datenströme einfach zusammenzuführen. Die unterschiedlichen Rohdaten sind noch nicht homogen und lassen sich somit nicht auswerten. Daher erfolgt nach der Einspeisung der Daten in die unternehmenseigene Data Architecture die Aufbereitung. Zuerst werden für das Ziel irrelevante oder fehlerhafte Daten entfernt. Während der anschließenden Transformation werden die Rohdaten in ein einheitliches Format gebracht und in die Zieldatenbank des Unternehmens übertragen. Die auf diese Art homogenisierten Daten, sind dann für eine große Zielgruppe verständlich. Damit lässt sich ein aus den Zielen abgeleitetes Datenmodell entwerfen, das für die Datenanalyse zur Verfügung gestellt wird.
Tipp: Nicht nur für die Analyse ist es sinnvoll, die Daten im Unternehmen zu verknüpfen. Gestörte Datenflüsse und Datensilos kosten auch Ihre Mitarbeiter Zeit und Energie. Zudem können schlecht abgestimmte Daten auch die Kundenzufriedenheit senken. So ist es z. B. möglich, dass Ihre Kunden im Onlineshop erkannt werden, aber bei Kontakt mit dem Kundendienst alle Daten neu eingegeben werden müssen. Zeitgemäßes Datenmanagement vermeidet solche Probleme.
Visualisierung des Datenmanagements
Die Unmengen an Daten, die sich heute erfassen, analysieren und auswerten lassen, sind selbst für Experten aus der Welt der Data Science oft nur schwer zu verstehen und zu interpretieren. Für Laien (z. B. aus dem Vertrieb oder der Produktionssteuerung) stellen unendliche Excel-Tabellen und ähnliche Formate eine unnötige Herausforderung dar. Leistungsfähige Softwarefür das Datenmanagement ermöglicht es, die Ergebnisse Ihrer Analysen zu visualisieren.
Die bildliche Darstellung macht es viel leichter, die Ergebnisse zu erfassen und fachkompetent zu interpretieren. Je nach Zielsetzung zeigen Diagramme Handlungsbedarf, Probleme oder Potenziale auf. Die folgenden Beispiele verdeutlichen die Möglichkeiten des Datenmanagements in Unternehmen:
- Bei viel Traffic im Onlineshop kann ein unverzüglich gesendeter Newsletter die Kaufentscheidung forcieren.
- Ebenso können Sie bei Flauten mit einem Newsletter oder einem Coupon Kunden in den Shop locken.
- Mittels Datenmanagement und leicht lesbaren Diagrammen verstehen Sie das Verhalten Ihrer Kunden besser.
- Sie haben die Möglichkeit, Preise zielgenau an einzelne Nutzergruppen und die aktuelle Nachfrage anzupassen.
- Sie erkennen Verkaufspotenziale leichter.
- Datenanalysen helfen, neue Produkte und Dienstleistungen maßgeschneidert zu den Kundenwünschen zu entwickeln.
Data Governance etablieren
Sobald Sie intensives Datenmanagement in Ihrem Unternehmen betreiben und Datenstrategien nutzen, gehört Data Governance als fester Prozess in den Unternehmensalltag. Damit korrekt und sicher mit den Daten umgegangen wird, muss die Arbeit aller Beteiligten koordiniert und deren Aufgaben und Ergebnisse zusammengeführt werden.
Datenschutz sicherstellen
Ein wichtiger Teil dieses Prozesses ist die Benennung eines Datenschutzbeauftragten, der sicherstellt, dass alle rechtlichen Vorgaben berücksichtigt werden. Entweder Sie stellen einen Fachmann ein oder Sie sorgen dafür, dass ein interessierter Mitarbeiter in diesem Bereich weitergebildet wird.
Ebenso sind geschulte Kräfte für die Pflege und den Unterhalt der unternehmenseigenen Datenbanken sowie den korrekten Umgang mit den verschiedenen Analysetools erforderlich. Stellen Sie sicher, dass Sicherheitslücken frühzeitig erkannt und geschlossen werden. Langfristig zahlt sich dieses Investment aus, denn so senken Sie die Kosten für die Verwaltung und die Speicherung der Daten langfristig.
Tipp: Die IHK für München und Oberbayern empfiehlt einen sparsamen Umgang mit Daten. Daten sollten nie um ihrer selbst willen gespeichert, sondern nur dann erfasst werden, wenn sie benötigt werden. Fragen Sie nur die Kundendaten ab, die Sie wirklich brauchen, um Ihre Ziele zu erreichen. Ein weiterer Pluspunkt der Sparsamkeit: Es fällt leichter, die Datensätze jederzeit aktuell und richtig zu halten.
Transparenz und Zugänglichkeit schaffen
Der im vorangegangenen Schritt geschaffene, gereinigte und gepflegte Datenbestand soll für alle Abteilungen und alle Mitarbeiter zugänglich werden. Zwar arbeitet jeder nur dann mit den Datensätzen und auch nur den Teilen davon, die für seine Aufgabe und seine Zielsetzung interessant ist. Aber allen anderen Abteilungen und der Geschäftsführung ist es jederzeit möglich, ebenfalls auf diesen Datensatz zuzugreifen. So stellen Sie sicher, dass relevante Entscheidungen im Unternehmen anhand der gleichen Daten getroffen werden. Das sorgt für Transparenz und steigert die Analysequalität.
Datenmanagement automatisch einbinden
Wann immer möglich, sollten in Ihrem Unternehmen Entscheidungen aufgrund der zentral in der Datenbank zur Verfügung stehenden Daten getroffen werden. Es ist möglich, die Datenanalyse direkt in die verschiedenen Prozesse zu implementieren. Richtig eingesetzt hilft diese Art des Datenmanagements Fehler zu verhindern und Abläufe direkt zu optimieren. Damit sparen Sie Zeit und Ressourcen ein, die Sie anders investieren können. So können Sie z.B. Data Mining nutzen, um Zusammenhänge bei großen Datenmengen schnell und einfach zu erkennen.
Evaluation und Neuausrichtung
Datenmanagement und eine passende Datenstrategie sind keine Selbstläufer. Daher empfehlen Experten bereits bei der Zielsetzung, die Überprüfung fest mit einzuplanen. Bei der Evaluation erkennen Sie Erfolge und Schwächen. So können Sie Ihre Datenstrategie im Unternehmen immer wieder anpassen und die Zielgenauigkeit immer weiter schärfen.
Das Datenmanagement im Unternehmen installieren
Haben Sie durch den Entwurf einer Datenstrategie festgelegt, was Sie mit dem Datenmanagement im Unternehmen erreichen möchten, gilt es nun zu überprüfen, was Sie für die Umsetzung benötigen. Dabei sind insbesondere die folgenden Punkte wichtig:
- Wie möchten Sie das Datenmanagement organisieren? Zentrales Datenmanagement ermöglicht einen guten Zugriff, aber klassische Datenbanken sind oftmals mit der Vielzahl der verschiedenen Datenquellen überfordert. Fließen bei Ihnen besonders viele Datenströme zusammen, ist evtl. ein dezentrales Angebot die bessere Wahl.
- Wie sollen die Daten klassifiziert werden? Restricted oder available?
- Wie gewährleisten Sie den Datenschutz?
- Welche der erforderlichen Kompetenzen sind im Unternehmen vorhanden, welche fehlen noch? (z. B. Datenmanager, Data Analyst, Data Scientist)
- Die erforderlichen Kompetenzen im Unternehmen aufbauen (z. B. Stellenausschreibung, Datensicherheits-Schulung)
- Überprüfung der vorhandenen Schnittstellen und der Kompatibilität der verschiedenen Hard- und Softwarelösungen
- Kennzahlen für die Erfolgsmessung bei der Datenstrategie festlegen
Datenmanagement erhält einen immer höheren Stellenwert
Die Europäische Union und damit auch die Bundesregierung erkennen den Wert von Daten zur Wertschöpfung und zur Verbesserung der Wettbewerbsfähigkeit von Unternehmen. Denn seit Jahren nimmt Open Data einen immer höheren Stellenwert ein. Open Data steht für „offene Daten“, die jedem Nutzer aufgrund offener und diskriminierungsfreier Lizenzen zur Verfügung stehen. Typisch in diesem Bereich sind Wetterdaten, medizinische Daten oder Karten. Dabei ist die Verwendung frei, in der Regel ist lediglich der Urheber der Daten zu nennen oder eine Share-alike-Klausel einzusetzen.
Für den Zugang zu Open Data gibt es unterschiedliche Anlaufstellen:
Bund: Das nationale Metadatenprotal GovData ist die zentrale Stelle, um Open Data von Bund-, Länder- und Kommunalverwaltungen zu finden: GovData | Datenportal für Deutschland - GovData
Bayern: Das Open Data Portal Bayern bietet eine Vielzahl von Daten aus bayerischen Kommunen: Open Data Portal Bayern
EU: Auf europäischer Ebene stellt die Europäische Kommission Daten auf dem offiziellen data.europe.eu Portal bereit: data.europa.eu
Die EU-Datenstrategie
"Europas digitale Dekade" ist das Grundsatzprogramm der Europäischen Kommission, um die digitale Transformation für Bürger/innen und Unternehmen in Europa voranzutreiben. Im Rahmen dieser Strategie wurde eine Reihe neuer Rechtsvorschriften erarbeitet, darunter auch die EU-Datenstrategie.
Die EU-Datenstrategie zielt darauf ab, die EU an die Spitze einer datengesteuerten Gesellschaft zu bringen. Außerdem soll ein Binnenmarkt für Daten geschaffen werden, der den EU-weiten und branchenübergreifenden Datenaustausch zum Nutzen von Unternehmen, Forschungseinrichtungen und öffentlichen Verwaltungen ermöglicht.
Der geplante Regulierungsrahmen für die Nutzung und Weiterverarbeitung von Daten besteht aus einer Reihe von Gesetzen und Beschlüssen. Diese sind zum Teil bereits verabschiedet, zum Teil befinden sie sich noch in der Abstimmung.
Data Governance Act
Der Data Governance Act (DGA) schafft einen Rechtsrahmen für die Datenverwaltung und gemeinsame Nutzung von Daten sowie für die von der EU-Kommission vorgesehenen Datenräume. Ziel der Initiative ist es, mehr Daten zur Verfügung zu stellen und den Datenaustausch zwischen Sektoren und EU-Ländern zu erleichtern. Der DGA ist am 23. Juni 2022 als Verordnung in Kraft getreten, er entfaltet ab dem 24. September 2023 Geltung.
In der Praxis fördert der DGA drei breite Maßnahmenpakete:
- Weiterverwendung: Mechanismen zur Erleichterung der Weiterverwendung bestimmter Daten des öffentlichen Sektors, die nicht als offene Daten zur Verfügung gestellt werden können. Zum Beispiel könnte die Wiederverwendung von Gesundheitsdaten die Forschung vorantreiben, um Heilungen für seltene oder chronische Krankheiten zu finden.
- Datenvermittlungsdienste: Maßnahmen, mit denen sichergestellt wird, dass Datenvermittler als vertrauenswürdige Organisatoren für die gemeinsame Nutzung oder Bündelung von Daten in den gemeinsamen europäischen Datenräumen fungieren.Gleichzeitig sollen auch Maßnahmen zur Erleichterung des Datenaustauschs eingeführt werden - insbesondere um eine sektor- und grenzübergreifende Nutzung von Daten zu ermöglichen und die richtigen Daten für den richtigen Zweck zu finden.
- Datenaltriusmus: Maßnahmen, die es Bürgern und Unternehmen erleichtern, ihre Daten zum Wohle der Gesellschaft zur Verfügung zu stellen. Dabei geht es darum, Bedingungen und vertrauenswürdige Tools zu schaffen, die es ermöglichen, Daten auf eine einfache Weise für Zwecke des Gemeinwohls zu teilen.
High Value Data Sets
Um den Datenaustausch zwischen den EU-Mitgliedstaaten und Unternehmen zu fördern, wie im Data Governance Act vorgesehen, wurde Anfang 2023 eine Liste hochwertiger Datensätze veröffentlicht, die öffentliche Stellen innerhalb von 16 Monaten (Frühjahr 2024) kostenlos zur Weiterverwendung zur Verfügung stellen müssen.
Die Verordnung basiert auf der Richtlinie über offene Daten. Die hochwertigen Datensätze können in die folgenden sechs Kategorien eingeteilt werden: Geodaten, Erdbeobachtung und Umwelt, Meteorologie, Statistik, Unternehmen und Mobilität. Das Themenspektrum kann zu einem späteren Zeitpunkt erweitert werden, um zukünftigen technologischen Entwicklungen Rechnung zu tragen. Die Liste der Datensätze kann hier eingesehen werden: Liste der hochwertigen Datensätze
Es ist geplant, die Datensätze in einem maschinenlesbaren Format über eine Anwendungsprogrammierschnittstelle und ggf. als Massendownload zur Verfügung zu stellen.
Data Act
Der Data Act (DA) soll die Vorschriften über den fairen Zugang zu und die Nutzung von Daten harmonisieren. Der Data Act ergänzt den Data Governance Act durch eine ausdrückliche Regelung der Nutzung von Industrie- und Geschäftsdaten. Der Data Act verfolgt fünf übergreifende Ziele:
Zugang zu IoT-Daten: Der DA will den Zugang zu IoT-Daten regeln, sodass Hersteller von IoT-Produkten die Daten an die Nutzer geben müssen. Die Nutzer der Produkte können wiederum die erhaltenen Daten an Dritte verkaufen, die diese nutzen können, um neue Dienstleistungen zu entwicklen.
Vertragliche Fairness: Unternehmen dürfen keine missbräuchlichen Klauseln einseitig KMU auferlegen.
Unternehmensdaten für den öffentlichen Sektor: Unternehmen sind in bestimmten Fällen verpflichtet, öffentlichen Stellen Daten zur Verfügung zu stellen.
Cloudwechsel erleichtern: Cloudanbieter müssen den Kunden einfache Wechselbedingungen ermöglichen.
Interoperabilität: Die Kommission kann technische Spezifikationen festlegen, wenn dies erforderlich ist, um Interoperabilität sicherzustellen.
Mehr zum Data Act sowie die Stellungnahme der IHK-Organisation zum ursprünglichen Vorschlag der EU Kommission finden sie hier: DIHK-Stellungnahme zum Data Act (2022)
Datenstrategie der Bundesregierung
Die Datenstrategie der Bundesregierung wurde im Januar 2021 mit rund 240 Maßnahmen beschlossen. Ziel der Strategie ist die Erhöhung der innovativen und verantwortungsvollen Datenbereitstellung und nutzung in der Wirtschaft, der Wissenschaft, der Zivilgesellschaft sowie der Verwaltung. Mehr zur Strategie finden Sie hier: Datenstrategie des Bundes
Die Datenstrategie des Bundes wird aktuell vom Bundesministerium für Digitales und Verkehr (BMDV) überarbeitet.
Webinarreihe Daten in der Praxis
Ziel der Webinarreihe "Daten in der Praxis", welche gemeinsam mit den bayerischen IHKs und dem Bayerischen Staatsministerium für Digitales war Unternehmen spannende Einblicke rund um das Thema Daten zu bieten. Von grundlegenden Konzepten über praktische Anwendungen bis hin zu aktuellen politischen Entwicklungen bieten wir einen umfassenden Überblick. Nachfolgend finden Sie eine Übersicht der Webinare.
Referent: Dr. Christian Essling, Global Head of Data & AI bei E.ON und Chairman der Munich Data Geeks e.V.
Aufzeichnung: https://www.youtube.com/watch?v=ZS4kVdouCdE
Download Präsentation: Präsentation 1
Inhalt:
Künstliche Intelligenz schafft unglaubliche Potentiale für Effizienz, herausragende Kundenerlebnisse und Kosteneinsparungen; der Einstieg in dieses Thema ist allerdings oftmals nicht leicht zu finden. Wir beleuchten, wie Unternehmen Daten effektiv nutzen können, um Wachstum zu fördern, Entscheidungsprozesse zu optimieren und Wettbewerbsvorteile zu erlangen. Der Vortrag bietet praxisnahe Einblicke in erfolgreiche Datennutzungsstrategien und zeigt auf, wie auch Ihr Unternehmen von diesen Ansätzen profitieren kann.
- Grundlagen und Bedeutung von Daten in der modernen Geschäftswelt.
- Praktische Beispiele, wie Unternehmen Daten nutzen, um ihre Marktposition zu stärken.
- Risiken und Herausforderungen im Umgang mit Daten und wie man diese bewältigt.
Referent: Dr. Felix Böhmer, Head of AI & Data Analytics, Iteratec GmbH
Download Präsentation: Vortrag Treiber
Inhalt:
Lernen Sie, wie Sie eine Datenstrategie für Ihr Unternehmen entwickeln und welche wichtigen Top-Down-Komponenten Sie dabei unbedingt berücksichtigen sollten. Mit diesem Webinar zeigen wir Ihnen auch anhand konkreter Use Cases, wie Sie effektiv ins „Doing“ datengetriebener Projekte kommen und warum dies für den Fortschritt und die Ausgestaltung der Datenstrategie so wichtig ist.
Referentin: Bianca Sammer, Open Data Community Manager, byte Bayerische Agentur für Digitales
Aufzeichnung: https://youtu.be/uhXHJFzV3tE
Download Präsentation: Präsentation Open Data
Inhalt:
Bayerische Ministerien, Behörden und Kommunen stellen eine breite Palette an Daten kostenlos und frei nutzbar zur Verfügung - von Energie über Bevölkerung bis hin zu Mobilität und Kultur. In diesem Webinar beleuchten wir, wie man diese Daten nutzen kann, welche Möglichkeiten sich dadurch ergeben und entwickeln anhand echter bayerischer Unternehmen Ideen zur Optimierung von Geschäftsmodellen von Open Data.
Referenten: Dr. Christian Pfrang, Leiter Referat A4 – Cloud, Plattformen und Datenmanagement, Bayerisches Staatsministerium für Digitales und Dr. Andreas Heindl, Projektleiter Mobility Data Space, acatech – Deutsche Akademie der Technikwissenschaften
Download Präsentation: Vortrag 1
Inhalt:
Mit diesem Webinar beleuchten wir die politischen Rahmenbedingungen der Datennutzung. Wir werfen einen Blick auf den European Data Act, beleuchten die Datenstrategie der Bundesregierung und geben Ihnen erste Einblicke in den Mobility Data Space. Erfahren Sie, welche Auswirkungen die politischen Rahmenbedingungen auf datengetriebene Geschäftsmodelle der Wirtschaft haben werden.
Referent: Dr. Carsten Siara, Rechtsanwalt, CSW Legal
Download Präsentation: Vortrag Löschen
Inhalt:
Pseudonymisierung und Anonymisierung werden häufig als Möglichkeiten genannt, wie Unternehmen effektiv mit personenbezogenen Daten arbeiten können. Pseudonymisierung und Anonymisierung spielen zudem bei Trainingsdaten, Prompts und Output im Rahmen von KI eine große Rolle. Wie das alles genau funktioniert und welche rechtlichen Anforderungen bestehen, ist jedoch oft unklar. Gleichzeitig dürfen verarbeitete personenbezogene Daten nicht unbegrenzt gespeichert werden. Daher sind Löschkonzepte und effiziente Löschroutinen erforderlich.