Wert der Daten

In einer Digitalwirtschaft kann die Datenerfassung und -strukturierung kostspielig sein. Letztendlich wird ihr Wert durch die Vorteile bestimmt, die sich aus datengesteuerten Prognosen ergeben.

Kurz und bündig

• • • • • • • • • • Qualität, Nutzung und Umfang machen Daten zu einer vielschichtigen Güterklasse
                  • Daten können in der digitalen Wirtschaft unterschiedliche Rollen spielen
                  • Der Wert von Daten liegt darin, wie sie zu einer besseren Entscheidungsfindung führen können

“Daten sind das neue Öl”, sagt ein Sprichwort, aber das ist falsch. Die Ökonomie der Daten ist kompliziert. Es ist nicht die Fülle der Daten, die den Wert ausmacht, sondern der Nutzen, den man aus datengestützten Vorhersagen ziehen kann. Daten als Gut haben viele Facetten. Und so ist auch die Ökonomie der Daten.

Basisgut und Ergänzung

Ein Großteil der digitalen Wirtschaft, insbesondere der künstlichen Intelligenz (KI), dreht sich um Vorhersagen. Und Vorhersagen beruhen auf Daten. Wirtschaftswissenschaftler sagen, dass Daten eine Ergänzung zur Vorhersage sind. Komplemente sind Güter, die einen Mehrwert für ein anderes Gut darstellen. Normalerweise ist das Basisgut relativ billig und das Ergänzungsgut relativ teuer. So sind beispielsweise Drucker ein Basisgut und Tintenpatronen sein Komplement; der Drucker ist billig und die Patrone teuer. Der Druckerhersteller bindet die Kunden mit dem relativ günstigen Basisprodukt und erzielt seine Gewinne mit dem teuren Ergänzungsprodukt. In der digitalen Welt ist eine kostenlose Anwendung ein Basisprodukt und die kostenpflichtigen In-App-Dienste sind die Ergänzung.

Die gleichen ökonomischen Prinzipien gelten für die digitale Wirtschaft im Allgemeinen und für KI im Besonderen. Die KI, die die Vorhersage trifft, der Algorithmus, wird relativ billig gemacht und bindet die Nutzer. Die von diesem Algorithmus verwendeten Daten sind wertvoll. Je billiger der Algorithmus als Basisgut wird, desto mehr steigt der Wert der Daten als Ergänzung. Dieser Trend wird sich wahrscheinlich fortsetzen. Die Programmierung der mathematischen Berechnungen, aus denen die Algorithmen bestehen, wird immer standardisierter, einfacher und damit billiger werden. Die “richtigen” Daten auf die “richtige” Art und Weise zu erhalten und sie “richtig” zu nutzen, wird zunehmend zum Unterscheidungsmerkmal und damit wertvoller.

Aspekte des Datenwerts

Daten können zwar ein Unterscheidungsmerkmal und ein Werttreiber sein, doch sind nicht alle Daten gleich. Qualität, Nutzung und Umfang machen Daten zu einem facettenreichen Gut – oder vielmehr zu einer Klasse von Gütern. Die Big-Data-Ökonomie postuliert, dass die Ergebnisse umso besser sind, je mehr Daten vorhanden sind – zum Beispiel die Vorhersagen, die ein Algorithmus liefern kann. Die Qualität der Daten ist jedoch ebenso wichtig. Je besser die Daten, desto besser die Vorhersagen. Was die Datenqualität betrifft, so ist die Architektur entscheidend. Korrekt beschriftete und strukturierte Daten sind wertvoller als lose Datenpunkte, deren Informationsgehalt – oft manuell – entdeckt und neu verpackt werden muss.

Die optimale Menge und Qualität der Daten hängt vom Nutzen der KI-gestützten Vorhersage ab.

Und dann ist da noch die Datennutzung. Daten können in der digitalen Wirtschaft drei verschiedene Rollen spielen. Bei der KI können Daten Eingabedaten sein, d. h. Daten, die einem Algorithmus zugeführt werden, um eine Vorhersage zu treffen. Wenn ein Nutzer eine Wegbeschreibung von einem Ort zum anderen sucht, verwendet die KI Karten als Eingabedaten, um die Route zu berechnen. Daten können aber auch Trainingsdaten sein, damit die KI gut genug ist, um die komplexen Gegebenheiten der realen Welt vorherzusagen. Diese Art von Daten wird verwendet, um der KI beizubringen, Routen auszuwählen und Ankunftszeiten vorherzusagen.

Schließlich können Daten auch Feedback-Daten sein, die dazu dienen, die Leistung der KI durch Erfahrung zu verbessern. Entscheidet sich jemand für eine andere als die vom Algorithmus vorgeschlagene Route, liefert dies wertvolle Rückmeldungen, mit denen künftige Berechnungen verbessert werden können.

In manchen Situationen gibt es erhebliche Überschneidungen zwischen diesen Datennutzungen, z. B. wenn die gleichen Daten alle drei Rollen spielen. Je mehr Überschneidungen es gibt, desto besser sind die Daten, da ihre Struktur und Beschriftung es der KI ermöglichen, ihre gleichzeitige Verwendung leichter zu verwalten und sich auf das Lernen, die Vorhersage und die Reaktion auf Rückmeldungen zu konzentrieren.

Künstliche Intelligenz: Revolution der Vorhersage

Kosten der Daten

Die Beschaffung und Strukturierung von Daten kann kostspielig sein. Daher muss bei der Investition ein Kompromiss zwischen dem Nutzen von mehr und besseren Daten und den Anschaffungskosten gefunden werden. Die optimale Menge und Qualität der Daten hängt von den Vorteilen ab, die durch KI-gestützte Vorhersagen entstehen. Lassen Sie uns zunächst die Kosten betrachten.

Der Nutzen, den man aus Daten ziehen kann, ist der differenzierende Faktor in Geschäftsmodellen und Werttreibern.

Aus der Sicht der Wirtschaftstheorie haben Daten als solche abnehmende Skalenerträge. Das Hinzufügen eines dritten Datenpunktes zu einem zweiten ist viel wertvoller als das Hinzufügen eines 100. zu einem 99. Andererseits steigen die Grenzkosten, wenn mehr und bessere Daten hinzugefügt werden. Die Einbeziehung des achtmillionsten Datenpunkts ist schwieriger oder kostspieliger als das Hinzufügen des vierzehnten. Es ist so, als würde man sich in einer neuen Stadt zurechtfinden: Wenn man das erste und zweite Mal mit dem Bus fährt, lernt man viel über den Grundriss der Stadt und das Nahverkehrssystem. Bei der dreihundertsten Fahrt ist es zur Routine geworden. Es werden nur noch rudimentäre neue Informationen erworben (abnehmende Rendite). Oder man müsste den kleinen Details unverhältnismäßig viel Aufmerksamkeit schenken, um etwas Neues zu erfahren (steigende Grenzkosten).

Kostentreiber bei der Beschaffung und Strukturierung von Daten sind vor allem die Eröffnung von Kanälen für die Datenerfassung und den Datenaustausch, die Kennzeichnung, die Entwicklung einer flexiblen Architektur für die Auswertung und Nutzung der verschiedenen Datenpunkte sowie die Einrichtung, Anpassung und Erweiterung der physischen Infrastruktur, die diese Aktivitäten ermöglicht. Selbst wenn die einzelnen Datenpunkte kostenlos erworben werden können, sind die Prozesse zur Gewinnung ihres Informationswerts und ihrer Nutzung nicht kostenlos.

Vorteile von Daten

Daten sind mehr als nur ein Kostenfaktor in der digitalen Wirtschaft, insbesondere bei der KI. Der Nutzen, den man aus Daten ziehen kann, ist der differenzierende Faktor für Geschäftsmodelle und Werttreiber. Um diesen Nutzen zu begreifen, muss man den Blickwinkel ändern. Der wirtschaftliche Wert von Daten lässt sich nicht an den Investitionen messen, die für den Erwerb und die Pflege von Daten erforderlich sind. Er kann auch nicht daran gemessen werden, wie Daten technisch zu den Ergebnissen von Berechnungen passen. Die entscheidende wirtschaftliche Erkenntnis über den Nutzen von Daten ist, dass der Wert von Daten davon abhängt, wie sie den Wert des Algorithmus verbessern, der sie verwendet. Um noch einmal das Beispiel der Vorhersagen aufzugreifen: Der Wert besserer Daten liegt nicht darin, wie viel präziser eine Vorhersage ist, sondern darin, wie die Vorhersage die Wahlmöglichkeiten des Nutzers verbessert.

Nehmen wir Internet-Suchmaschinen. Die meisten von ihnen liefern die gleichen Ergebnisse. Zum Zeitpunkt der Erstellung dieses Artikels liefern Google, DuckDuckGo und Bing ungefähr die gleichen Ergebnisse für “Beethoven”. In diesem Zusammenhang sind die Daten kein Unterscheidungsmerkmal. Bei einer weniger konventionellen Suche, wie der nach “Arbitrage”, kommt die Differenzierung jedoch zum Tragen. Bing liefert hauptsächlich Definitionen; DuckDuckGo zeigt Definitionen und Links zu Finanzseiten, während Google Definitionen, Finanzseiten und einige akademische Referenzen liefert. 

Die Einbeziehung von mehr Daten und besser strukturierten Daten in seine Architektur verschafft Google einen Vorteil. Es zeigt Ergebnisse an, die die Wahlmöglichkeiten des Nutzers erweitern. Dieser erhöhte Nutzen, den Google bietet, wirkt sich überproportional auf den Marktanteil des Unternehmens aus. Wirtschaftswissenschaftler bezeichnen dieses Phänomen als steigende Erträge aus der Datendifferenzierung.

Die meisten Nutzer verwenden Google sowohl für seltene als auch für häufige Suchanfragen. Schon eine geringfügig bessere Platzierung in den Suchergebnissen kann zu einem großen Unterschied beim Marktanteil führen. Um “noch ein bisschen besser zu sein”, muss das digitale Unternehmen der Datenerfassung und -qualität besondere Aufmerksamkeit widmen. Ein zusätzlicher Aufwand in diesen Bereichen führt zu einem Differenzierungsfaktor über die Steigerung des Nutzens. Das führt zu einer überproportionalen Steigerung der Marktposition, des Umsatzes und der Verbesserung des digitalen Geschäftsmodells.

Gianluca Tirozzi: “So wird bitCorp den Metaspace erobern!”

Fakten und Zahlen

Zusammenfassung

Daten sind für die digitale Wirtschaft und die künstliche Intelligenz unverzichtbar, aber sie sind eine vielschichtige Klasse von Gütern. Daten unterscheiden sich je nach Umfang, Qualität und Nutzung. Während die Beschaffung und Strukturierung von Daten kostspielig sein kann, können schon geringfügig bessere Daten den Nutzern einen überproportionalen Nutzen bringen, was wiederum einen Marktvorteil für die digitalen Geschäftsmodelle schafft, die diesen Mehrwert bieten. Die entscheidende wirtschaftliche Erkenntnis in Bezug auf Daten ist, dass ihr Wert nicht davon abhängt, wie sie ein Ergebnis verbessern, sondern davon, wie sie den Nutzen für die Nutzer erhöhen. Der zusätzliche Nutzen, den die Nutzer aus besseren Daten ziehen, schlägt sich überproportional in Marktanteilen und Einnahmen nieder.

Szenarien

Es gibt drei Basisszenarien, um sich vorzustellen, wie Daten den Wert der digitalen Wirtschaft, insbesondere der KI, weiter beeinflussen können.

Monopolisierung des Marktes

Im ersten und am wenigsten wahrscheinlichen Szenario werden sich einige Unternehmen noch stärker auf die Datenerfassung und -strukturierung spezialisieren, wodurch sie einen immer größeren Vorsprung bei der Generierung von Nutzervorteilen erlangen. Dadurch können sie ihren Marktanteil zu Quasi-Monopolen ausbauen, die in der Lage sind, noch mehr Daten zu sammeln und in eine verbesserte Architektur zu investieren, was wiederum ihre Position festigt. Eine solche Rückkopplungsschleife endet in der Monopolisierung der Märkte. Dies ist das unwahrscheinlichste Szenario, da Daten aufgrund ihrer Vielschichtigkeit und Dynamik eine Monopolisierung nahezu unmöglich machen.

Daten im Überfluss

In einem zweiten und wahrscheinlicheren Szenario könnten die Daten ihre Differenzierungskraft verlieren. Dieser Prozess kann eintreten, wenn die Kanäle für die Datenerfassung und ihre Strukturierung im Überfluss vorhanden sind. Dies kann geschehen, wenn die Vorschriften zum Datenschutz und zum geistigen Eigentum gelockert werden, wenn sich die Akteure auf eine vollständige und uneingeschränkte Datenverbreitung in Echtzeit einigen oder wenn neue und einfachere Paradigmen in der Datenarchitektur aufkommen. In diesem Fall wird es einfacher sein, Daten zu erwerben und zu strukturieren. Der spezifische Vorteil, der sich aus der Nutzung der Daten und der Schaffung eines Unterscheidungsmerkmals ergibt, wird jedoch wahrscheinlich ebenfalls abnehmen. Dieses Szenario hängt von der Konvergenz verschiedener Elemente der Regulierung, der Technologie und der Werte ab. Mittelfristig ist eine solche Konvergenz nur in kleineren Nutzergemeinschaften wahrscheinlich.

Uneingeschränkter Wettbewerb

Ein drittes und wahrscheinlichstes Szenario ist eine allmähliche Verbesserung der Datenerfassung und -architektur, gepaart mit einem intensiven Wettbewerb der etablierten Unternehmen, um den Nutzen für die Nutzer zu erhöhen. Zusätzlich werden die etablierten Unternehmen von neuen Firmen herausgefordert, die versuchen, den Mehrwert von Vorhersagen zu erhöhen oder mehr Informationen aus weniger Daten zu gewinnen, um den gleichen Wert wie andere zu schaffen, aber mit billigeren Verfahren. Dieser Fall ist die Fortsetzung der hier dargelegten wirtschaftlichen Logik und kann das Nutzererlebnis erheblich verbessern und gleichzeitig die Einnahmen und Gewinne digitaler Unternehmen steigern.

Author: Henrique Schneider professor of economics

Quelle:

The value of data