Data Governance 1: Erforschung einer gemeinsamen Forschungsgrundlage

Die gemeinsame Nutzung und Wiederverwendung digitaler Daten kann Innovationen fördern und den wirtschaftlichen und sozialen Wohlstand erhöhen. Wirtschaftliche und rechtliche Hindernisse sowie strategische Unsicherheiten scheinen Organisationen jedoch oft daran zu hindern, die von ihnen kontrollierten Daten gemeinsam zu nutzen. Nach der in der Projekt-Reihe “Data Governance” vertretenen Multi Stakeholder-Perspektive zielt erfolgreiche Data Governance darauf ab, die widerstreitenden Interessen an Daten so in einen Ausgleich zu bringen, dass sie die Wertschöpfung mit Daten maximiert und die mit ihr verbundenen Risiken minimiert.

Siehe auch Data Governance 2

Literaturrecherche und Austausch mit Wissenschaft und Praxis

Um dieses Ziel zu erreichen, hat das Forschungsteam in dem ersten Projekt “Definition einer gemeinsamen Forschungsgrundlage” Literatur recherchiert, die die jeweilige rechtliche Debatte (insbesondere im Datenschutzrecht und im Recht des geistigen Eigentums), die wirtschaftliche Diskussion (insbesondere im Bereich der offenen Innovation) sowie die politikwissenschaftlichen Perspektiven (insbesondere zu Governance und Regulierung) widerspiegelt. Darüber hinaus führte das Forschungsteam erste informelle Desk Studies zu bestehenden Data-Governance-Strukturen in verschiedenen gesellschaftlichen Kontexten durch, wie z.B. in der Automobil- und Werbeindustrie, im Gesundheitssektor und in Smart Cities.

Definition einer gemeinsamen Terminologie

Das Forschungsteam stieß jedoch nicht auf erfolgreiche und miteinander vergleichbare Data-Governance-Modelle, die den Akteuren effektiv dabei helfen, ihre Daten gemeinsam zu nutzen und wiederzuverwenden. Vielmehr fand es eine sehr heterogene und mehrdeutige Terminologie vor, die sowohl in der Theorie als auch in der Praxis verwendet wird. Das machte es breits begrifflich-konzeptionell unmöglich, die diskutierten Data-Governance-Phänomene hinsichtlich ihrer Erfolgsmerkmale zu vergleichen.

Daher ging das Forschungsteam mehrere Schritte von seinem ursprünglichen Ziel zurück und begann, eine gemeinsame Forschungsgrundlage zu erarbeiten. In dieser definierte es zunächst, was das Ziel und die Herausforderungen einer erfolgreichen Data Governance sein sollten. Anschließend erarbeitete die Gruppe erste “Archetypen” von Data-Governance-Modellen, die in der Zukunft als Ausgangspunkt für differenziertere konzeptuelle und empirische Arbeiten dienen können.

Fig. 1: Data Governance Ebenen 

Ziele und Herausforderungen einer erfolgreichen Data Governance

Das Ziel einer erfolgreichen Data Governance besteht gemäß der vorgeschlagenen Forschungsgrundlage darin, die widersprüchlichen Interessen an der gemeinsamen Nutzung und Wiederverwendung von Daten in Einklang zu bringen. Dabei müssen sich alle beteiligten Akteure – was die erste Herausforderung darstellt – auf den verschiedenen Governance-Ebenen (d.h. auf der normativen, organisatorischen und technologischen Ebene) koordinieren.

Die zweite Herausforderung besteht darin, dass sich die Interessenlage in Bezug auf die gemeinsame Nutzung und Wiederverwendung von Daten (also welchen Wert Daten haben und welche Risiken ihre Verarbeitung mit sich bringt) erst im Laufe der Datenverarbeitung konkretisiert. Daher können der Wert von Daten und die Risiken, die sie bergen, im Voraus nur in sehr begrenztem Umfang bestimmt werden. Das machtdie Lösung dieses Interessenkonflikts in der Praxis zu einem recht dynamischen (und heiklen) Prozess.

Forschung zu Data Governance – insbesondere deren Bemühungen um Koordination – bedeutet schließlich nach Aufassung der Forschungsgruppe, eine evidenzbasierte Grundlage für jede regulative Unternehmung zu schaffen. Diese methodische Einsicht ist insbesondere für Gesetzgeber wichtig, die den Austausch und die Wiederverwendung von Daten zu regulieren suchen, wie z.B. die Europäische Kommission im Rahmen ihrer europäischen Datenstrategie.

5 Archetypen der Data Governance

Auf Grundlage einer Literaturrecherche von bestehenden Modellen zur gemeinsame Nutzung geistiger Eigentumsrechte, wie bspw. Patente, übertrug das Forschungsteam diese Modelle schließlich auf die Datenökonomie, um fünf Archetypen der Data Governance zu definieren.

Fig. 2: Data Governance Archetypen

Es war sich bewusst, dass die Governance-Modelle aus dem Feld der geistigen Eigentumsrechte nicht zur Data Governance passen und dass die entwickelten Archetypen sehr allgemein gehalten sind. Trotzdem bieten sie einen akkuraten Überblick über die Hauptmerkmale von Data Governance-Strukturen zwischen Entitäten, die Daten gemeinsam (oder nicht gemeinsam) nutzen.

Laufzeit: 2018–2020

Förderung: HIIG