Inwiefern kann die Europäische Datenschutzregelung (GDPR) Endverbraucher schützen und wie beeinflusst sie in diesem Zusammenhang unternehmerische Aktivitäten?

Inhaltsverzeichnis

Vorwort

Abkurzungsverzeichnis

Abbildungsverzeichnis

1. Einleitung
1.1 Ziel der Arbeit
1.2 Aufbau der Arbeit

2 Theoretische Grundlagen
2.1. Definition und Abgrenzung des Datenschutzes
2.2 Historische Entwicklung und Zweck des Datenschutzes

3 Datenkapitalismus - eine okonomische Betrachtung
3.1 Daten als Rohstoffe
3.2 Digitale Plattformmarkte -als Ursache der alleinigen Marktmacht
3.2.1 Direkte Netzwerkeffekte
3.2.2 Indirekte Netzwerkeffekte
3.3 Informationsguter - Ursache der asymmetrischen Information
3.3.1 Folgen des Datenmissbrauchs

4. Datenschutzprinzipien (GDPR)
4.1. Europaische Datenschutzregelung (GDPR = General Data Protection Regulation)
4.2 Ziele der GDPR
4.3 Wichtige Prinzipien der General Data Protection Regulation
4.3.1 Verscharfte Rechte fur Betroffene
4.3.2 Sanktionenbei Verletzung des Datenschutzes

5 Beeinflussung unternehmerischer Tatigkeiten und Kritik an GDPR

6 Herausforderungen, die von der europaischen Datenschutz-Grundverordnung (GDPR) bisher nicht berucksichtigt werden

7 Fazit und Ausblick

Literaturverzeichnis

Vorwort

Der Inhalt des Buches basiert auf einer mit gut bewerteten Bachelorarbeit von Cagla- Cisel Acikyol an der Hochschule fur Wirtschaft und Umwelt Nurtingen / Geislingen (HfWU), die vom Erstbegutachter Dieter Neumann erganzt und uberarbeitet wurde.

2. Die Autoren

Cagla-Cisel Acikyol studierte Volkswirtschaftslehre an der Hochschule fur Wirtschaft und Umwelt in Nurtingen-Geislingen. Wahrend ihres Studiums, erlangte Sie Wissen im Bereich der Mikrookonomie. Vor diesem Hintergrund lagen ihre Schwerpunkte im Besonderen in denBereichenIndustrieokonomik,Spieltheorie(WettbewerbundStaat) sowie auch Beschaffungsmanagement. Praxisbezogene relevante Inhalte eignete sie sich im Rahmen eines Praktikums in der Einkaufsabteilung bei der Robert Bosch GmbH an.

DieterNeumann M.A. studierte Volkswirtschaft,Soziologie und Politologiean derUni- versitat Bonn. Im Anschluss ubernahm er mehrere journalistische Tatigkeiten in der Redaktion (Bonner Rundschau) und Offentlichkeitsarbeit. Von 1978 bis 1986 war er Pressesprecher bei der Landesvereinigung der Niedersachsischen Arbeitgeber- und Wirtschaftsverbande e.V. (seit 1980 Unternehmerverbande Niedersachsen e.V.) und ubernahm 1980 alsMitglied derGeschaftsfuhrung die Leitung derAbteilungen Presse- und Offentlichkeitsarbeit, Bildungswesen und Volkswirtschaft/Statistik.

AlsVerlagsleiterbeimDr. Curt Haefner-Verlagin Heidelberg(gehortseit2005zurKon- radin Mediengruppe) hatte er bis zum Jahr 2013 die Chefredaktion unterschiedlicher Publikationen im Themenbereich Journalistik, Offentlichkeitsarbeit, Verbandswesen (Non-Profit-Organisationen) inne. Bis zum Jahr 2011 war er daruber hinaus Presse- sprecher der Vereinigung der Arbeitgeberverbande der Deutschen Papierindustrie e.V. (VAP).

Als Lehrbeauftragter und Ehrensenator an der Hochschule fur Wirtschaft und Umwelt Nurtingen-Geislingen ist er in den Themenbereichen Journalistik, Offentlichkeitsarbeit und Non-Profit-Organisationen tatig.

Seit dem Jahr 2013 ister aufterdem Verlegereineseigenen Verlages in Weinheim.

Abkurzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung 1: Vier Kategorien von ,,Kollektivgutern“

Abbildung 2: Individuelle und gesamtwirtschaftliche Nachfrage nach offentlichen Gutern

Abbildung 3: Metcalfes Gesetz

Abbildung 4: Kritische Masse

Abbildung 5: Zweiseitige digitale Plattformmarkte

Abbildung 6: Gewinnermarkt (winner takes it all)

Abbildung 7: Marktpreis im Wettbewerb und Netzindustrien

Abbildung 8: Monopolsituation

Abbildung 9: Einfluss auf die Marktkonzentration

Abbildung 10: Datengetriebe Geschaftsmodelle (Informationsvermittlung)

Abbildung 11: Umfrage zum besseren Schutz der personlichen Daten

Abbildung 12: Lander mit den hochsten GeldbuRen

Abbildung 13: GroRte BuRgelder fur VerstoRe gegen die GDPR

Abbildung 14: Umfrage zur Herausforderung bei der Umsetzung der GDPR im Unternehmen

1 Einleitung

Bereits seit Jahrzehnten versucht der Staat Maftnahmen gegenuber dem verstarkten Missbrauch von personenbezogenen Daten zu ergreifen.¹ In Bezug auf Angela Merkel's Ausfuhrungen zur Daten-Bepreisung als zukunftiges, zentrales Gerechtigkeitsproblem, ist erkennbar, dass unter anderem personenbezogene Daten in der heutigen, digitalen Zeit einen immer grofter werdenden Stellenwert einnehmen.²

Die zunehmende Digitalisierung und die daraus resultierende folgende Allgegenwar- tigkeit des Internets mit den unterschiedlichen Onlinediensten haben in den letzten Jahren veranlasst, dass umfangreiche Datenmengen erhoben, genutzt und weiter ver-teilt werden, um bestimmte Korrelationen zu entwickeln und das menschliche Verhal-tensmuster zu analysieren. Anhand dieser gewonnen Daten werden verschiedene Ge-schaftsmodelle entwickelt, um die Nutzer einer Plattform zu beeinflussen.³ Aus diesem Grund betrachten viele Politiker die „Datenflut“ als das „Ol des 21. Jahrhunderts“.⁴ Neben den digitalen Geschaftsmodellen und den Tauschverhaltnissen, bildet der steigende Strukturwandel im Rahmen der Datenokonomie eine enorme Herausforderung fur die Privatheit und informationelle Selbstbestimmung.⁵

Die Hauptursache fur den progressiven Anstieg der Datenmengen und die daraus fol-gende Dominanz der Plattformmarkte (Monopolisierung) lasst sich anhand von diver-sen okonomischen Modellen, wie den Netzwerkeffekten, aufzeigen. Eine wesentliche Rolle spielen hierbei technologische Entwicklungen, wie Big Data, KI oder maschinel-les Lernen, die Unternehmen bzw. Plattformbetreiber bei der Informationsbeschaffung unterstutzen.⁶

Datenschutz wird seit mehreren Jahren diskutiert und wahrgenommen. Vor diesem Hintergrund fanden zahlreiche Diskussionen auf nationaler und internationaler Ebene statt. Im Vergleich zu der alten Datenschutzrichtlinie waren zu der Zeit einige Losungs-maftnahmen nicht ausschlaggebend. Infolge einer politischen Diskussion ist 2018 die neue EU-Datenschutzregelung in Kraft getreten. Diese ersetzt die letzte europaische Datenschutzrichtlinie aus dem Jahr 1995 und verstarkt die Rechte aller naturlicher Personen.⁷

Jedoch ist fraglich, ob die aktuelle europaische Datenschutzregelung die Daten-Por- tabilitat erfullt.

1.1 Ziel der Arbeit

ImRahmen dieser wissenschaftlichen Arbeit sollen dieInitiatoren fur dieEinfuhrung der europaischen Datenschutz-Grundverordnung (GDPR) untersucht werden. Im Verlaufder Arbeit wird diskutiert, ob die gewunschte Transparenz, Information und Kontrolle durch dieGDPR fur den Verbraucher ermoglichtwerden. Daraufhin werden dieVorteile der GDPR naher betrachtet, und anschlieftend relevante Bereiche,wel- che vonder GDPR nichtberucksichtigt werden, kritisch analysiert.Die Untersuchung richtet sich andie Bundesregierung, welche die Durchfuhrung unddie Wirkung der GDPR in derPraxis oberserviert.⁸

Hierzu kann die Analyse dieser Arbeiteinen wichtigen Informationsgehaltbezuglich der Problematiken,die inderneuen Datenschutzverordnung nicht berucksichtigt wer- den, beitragen.

1.2 Aufbau der Arbeit

Die vorliegende Arbeit lasst sich in sieben Kapitel gliedern. Zunachst geht es in dem zweiten Kapitel um die theoretischen Grundlagen, die das Fundament der Arbeit dar- stellen. Hier erfolgten die Einordnung und Abgrenzung bestimmter Definitionen und Begrifflichkeiten. AnschlieRend wird die historische Entwicklung des Datenschutzes naher betrachtet. Mithilfe dieser Ausgangslage werden dann die technologischen Ent- wicklungen wie Big Data oder KI dargestellt. Des Weiteren thematisiert das dritte Ka- pitel den Kern der Ursache und einen der ausschlaggebenden Grunde fur die Einfuh- rung der neuen Datenschutz Grundverordnung. In diesem Abschnitt wird die Grund- problematik des Datenkapitalismus behandelt, die durch drei okonomische Gegeben- heiten eine Ineffizienz des Marktes hervorrufen kann. Dabei wird auf das Problem der offentlichen Guter und Netz Externalitaten eingegangen. Im Anschluss dieses Kapitels wird auf die einzelnen Problematiken von Modellen eingegangen, die sich gegenuber dem Verbraucher ergeben. Dazu zahlen unter anderem die geringe Transparenz und die asymmetrischen Informationen gegenuber dem Verbraucher. In dem vierten Kapi- tel wird auf die neue europaische Datenschutz-Grundverordnung (GDPR) und ihre wichtigen Grundsatze eingegangen. Dabei ist Art. 5 „Grundsatze fur die Verarbeitung personenbezogener Daten“ ein wesentlicher Bestandteil dieses Kapitels.

Neben den Vorteilen der neuen europaischen Datenschutzgrundverordnung werden in Kapitel 5 die Herausforderungen von Unternehmen bei der Umsetzung der GDPR aufgezeigt. Im Anschluss werden wichtige, in der GDPR nicht berucksichtigte Aspekte, analysiert. AbschlieRend gibt das Fazit einen Ausblick auf die zukunftige Entwicklung des Datenschutzes.

2 Theoretische Grundlagen

Bereits vor der Einfuhrung des ersten wirksamen Datenschutzgesetzes herrschte eine verstarkte Marktmacht des Staates und spater auch der Unternehmen gegenuber den Konsumenten.⁹ Obwohl die Informationswirtschaft schon seit einiger Zeit existiert, ist der wahre Wert personlicher Daten erst in jungster Zeit deutlich geworden. Der Cyber- diebstahl personlicher Daten setzte die EU-Burger erheblichen personlichen Risiken aus.¹⁰ Im 20. Jahrhundert griff das Bankwesen immer starker auf personenbezogene Daten zu, um die Finanzierung neuer Staatsaufgaben zu ermoglichen. Unter anderem nutzten sie Technologien zur Datenverarbeitung fur eine bessere Planung zukunftiger Entwicklungen. Die Skepsis der Bevolkerung bezuglich der Informationsmacht des Staates nahm zu. Der Wunsch nach mehr Privatsphare entstand.¹¹

Vor diesem Hintergrund werden zunachst Definition und theoretische Abgrenzung des Datenschutzes erlautert sowie die historische Entwicklung aufgezeigt. Des Weiteren werden neue Technologietrends charakterisiert, die besonders zu einer Begunstigung der Datenmissbrauche beitragen.

2.1. Definition und Abgrenzung des Datenschutzes

Die Digitalisierung spielt eine wesentliche Rolle fur die Verbraucher. Die gesellschaft- lichen Ressourcen und somit das Sammeln personlicher Informationen des Endver- brauchers werden unter anderem genutzt, um entsprechende personalisierte Werbung betreiben zu konnen.¹² Der internationale Zugang auf individuelle Daten und deren problemlose Weiterverbreitung mittels technischen Fortschritts (z. B. Big Data, ma- schinelles Lernen) bereiten der Gesellschaft Sorgen, da zum Teil schwer zu erkennen ist, wie und zu welchem Zweck die Daten erhoben werden.¹³

In der europaischen Datenschutz-Grundverordnung wird zwischen den personenbe- zogenen Daten und den nicht personenbezogenen Daten unterschieden.

Gemaft des Artikels 4 der General Data Protection Regulation (GDPR) werden perso- nenbezogene Daten wie folgt definiert:

„Personenbezogene Daten sind alle Informationen, die sich auf eine identifizierte oder identifizierbare naturliche Person (im Folgenden betroffene Person) beziehen. Ein Be- troffener wird als identifizierbare Person angesehen, wenn er direkt oder indirekt, ins- besondere mittels Zuordnung zu einer Kennung wie einem Namen, zu einer Kennnum- mer, zu Standortdaten, zu einer Online-Kennung oder zu einem oder mehreren beson- deren Merkmalen, die Ausdruck der physischen, physiologischen, genetischen, psy- chischen, wirtschaftlichen, kulturellen oder sozialen Identitat dieser naturlichen Person sind, identifiziert werden kann.“¹⁴

Diese Merkmale beinhalten insbesondere korperliche und geistige Eigenschaften wie Aussehen, Gesundheit, Einstellungen und Vorlieben oder wirtschaftliche und berufli- che Verhaltnisse sowie gesellschaftliche und private Beziehungen.¹⁵

Nach Calder ist dabei zu beachten, dass diese Aufzahlung von Merkmalen nicht ab- schlieftend ist. Jede Information, die zur Erkennung des beteiligten Individuums in An- spruch genommen werden kann, ist ein personenbezogenes Datum. Diese Informa­tion kann in diversen Formaten, wie beispielsweise Fotos, Korrespondenz oder auch physische Medien vorliegen.

Demnach ist ein grofter Teil der anonymisierten Daten moglicherweise nicht mehr fur die Verbreitung oder den Austausch in der Offentlichkeit geeignet. Infolgedessen sind Organisationen, die anonymisierte Daten verbreiten dazu verpflichtet, sorgfaltig zu pru- fen, ob die Daten - direkt oder indirekt - mit einer Person in Verbindung gebracht wer- den konnen.¹⁶

Zudem sind auch falsche oder inkorrekte Informationen als personenbezogene Daten charakterisiert. Dies ist der Regulierung der Betroffenenrechte auf Berichtigung, Lo- schung und Sperrung von personenbezogenen Daten zu entnehmen. Diese Regulie- rung setzt voraus, dass Daten inkorrekt sind oder dass deren Realitat sich nicht nach- weisen lasst.¹⁷

Sollte es unmittelbar eine Verletzung des Schutzes personenbezogener Daten oder auch eine Verletzung der Sicherheit hervorrufen, die zur versehentlichen oder unrecht- maftigen Zerstorung, zum Verlust, zur Veranderung, zur nicht eingewilligten Weitergabe von oder zum Zugriff auf ubermittelte, gespeicherte Daten fuhren, gelten strenge Sanktionen durch die GDPR.¹⁸

Die neue Europaische Regelung GDPR dient zum Schutz der Grundrechte und Grund- freiheiten aller Personen, die im Kapitel 4 naher erlautert werden.¹⁹

Wahrend sich personenbezogene Daten auf „naturliche Personen“ beziehen, beruhen nicht personenbezogene Daten (Smart machine data) auf Daten, die durch Maschinen bzw. Systeme bereitgestellt werden. Nichtpersonenbezogene Daten betrachtet man als Informationen uber Transaktionen oder auch Aktienkurse. Durch die GDPR erhielt die Verarbeitung der personenbezogenen Daten einem rechtmaftigen Rahmen. Im Vergleich dazu existiert derzeit kein vergleichbarer Regulierungsansatz fur nicht per- sonenbezogene Daten hinsichtlich ihrer Ubermittlung oder Ubertragbarkeit.²⁰ Somit besteht keine eigentumsrechtliche Zuteilung, wie Verfugungsrechte fur nicht perso- nenbezogene Daten. Ob es eine solche Zuweisung geben sollte, ist noch unklar, je- doch fuhrt dies zu Problematiken innerhalb der EU.²¹

2.2 Historische Entwicklung und Zweck des Datenschutzes

Das Motiv und die zentrale Bedeutung des Datenschutzes sind viel alter als diese Ge- setze und der Begriff selbst. Das Wort Datenschutz bedeutet „Schutz vor Datenmacht“ und definiert damit den Schutz vor Machtbeziehungen und asymmetrischen Informati- onsbeziehungen.²² Der Artikel 12 des Rechts auf Privatsphare auf internationaler Ebene wurde 1948 mit der allgemeinen Begrundung der Menschenwurde eingefuhrt. Infolgedessen grundete der Europarat 1950 die Europaische Menschenrechtskonven- tion, welche das Recht auf Achtung des Privat- und Familienlebens der Burger sicher- stellt.²³ Zum Schutz vor Datenmissbrauch wurde 1970 das weltweit erste Datenschutz- gesetz im Bundesland Hessen eingefuhrt. Dieses Bundesdatenschutzgesetz (BDSG) umfasst eine Regelung fur den Datenschutz in Unternehmen. Dieses gilt als das alt- hergebrachte Datenschutzgesetz weltweit und als Antrieb fur die darauffolgende rechtliche Verordnung, welches individuelle Daten vor einem Missbrauch bzw. einer Datenverarbeitung schutzen soll.²⁴

Obwohl das erste Datenschutzgesetz fruher in Kraft getreten ist, hat der Datenschutz historisch betrachtet erst mit dem Volkszahlungsurteil des Bundesverfassungsgerichts (1983) und dem Bundesdatenschutzgesetz (1976/1977) seinen Ursprung in Deutsch- land.²⁵ Daruber hinaus war der Datenschutz erst in der Neuzeit entscheidend, als Un- ternehmen (Datenverarbeiter) gegenuber den Endverbrauchern ein informationelles Ubergewicht an Daten erlangten.²⁶ Diese Strategie verursacht vor allem in der heuti- gen Digitalwirtschaft eine Informationsasymmetrie, da eine Marktseite (die Anbieter) besser informiert ist als die andere (die Konsumenten).²⁷ Denn durch das Sammeln von Daten haben die Anbieter einen erheblichen Informationsvorsprung, der einerseits gewinnbringende Effekte unterstutzt, andererseits allerdings das Misstrauen und die Angst der Verbraucher vor Datenmissbrauch begunstigt.²⁸

Aus diesem Grund zeigen sich gerade im Zeitalter des Internets die Bedenken aller Verbraucher. Denn mittels technologischer Entwicklungen sind globale Unternehmen entstanden, die als Datennutzer und Datenhandler agieren und somit Zugriff auf groRe Mengen an personenbezogenen Daten besitzen.²⁹ In diesem Zusammenhang birgt die Digitalisierung das alles beherrschende Thema in der Wirtschaft, Herausforderungen. Dazu zahlen die „datengetriebenen Geschaftsmodelle“. Diese Geschaftsmodelle ba- sieren darauf, dass Nutzer (Kunden) ihre privaten Daten preisgeben und als Gegen- leistung kostenlose Angebote, wie digitale Inhalte und Dienstleitungen uber Online- plattformen erhalten. Dazu zahlt unter anderem die Nutzung von sozialen Netzwerk- Dienstleistungen (bspw. Facebook), Suchmaschinendienstleistungen (bspw. Google) oder auch Empfehlungsdienstleistungen (bspw. Amazon).³⁰

Basierend darauf begunstigen intelligente Systeme wie Big Data, maschinelles Lernen sowie das Internet der Dinge den Wandel der Digitalisierung. In der Wirtschaft bezeich- net man Big Data als eine Ansammlung von enorm groRen Datenmengen, die mit klas- sischer Hardware nicht mehr zu verarbeiten sind. Heutzutage ermoglichen diese Tech- nologietrends, groRe Mengen an strukturierter und unstrukturierter Daten innerhalb einer kurzen Zeit zu verarbeiten und somit entsprechende Informationen zu nutzen.³¹ Im Vergleich zu klassischen Datenbanken spielt das Speichern der vollstandigen Da- tensatze hier eine entscheidende Rolle, sodass sich Big Data uber die „vier Vs“ defi- niert. Diese beschreiben den Einsatz von groften Datenmengen (Volume) mit diversen Datenstrukturen (Variety), unter einer erhohten Echtzeitverarbeitung (Velocity) und mit bestehender Datenqualitat (Veracity).³²

Aber auch andere Technologietrends, wie beispielweise das maschinelle Lernen be- gunstigen mit ihrer Eigenschaft den Wandel der Digitalisierung. Maschinelles Lernen stellt die Schlusseltechnologie fur intelligente Systeme dar, was bedeutet, dass die Anwendung des maschinellen Lernens das Ergebnis des Einsatzes von Algorithmen und Daten ist. Je grofter die zu verarbeitende Datenmenge ist, desto praziser sind die Ergebnisse.³³ Da maschinelles Lernen mit groften Datenmengen, in Form von Trai- ningsdaten, die Performanz von Algorithmen steigert, ergibt sich hierdurch ein positiver Einfluss auf Unternehmen, da sie moglicherweise positive Skaleneffekte realisieren.³⁴ Aus diesem Grund wird maschinelles Lernen heutzutage immer mehr zum Mainstream. Waren selbstlernende Programme bis vor kurzer Zeit lediglich Thema in Forschungslaboren und Technologiezentren, so durchdringen sie heute vermehrt die Alltagswelt in Form von digitalen Assistenten, Robotern, autonomen Fahrzeugen und Drohnen.³⁵

3 Datenkapitalismus - eine okonomische Betrachtung

Basierend auf dem Gewinn des vergangenen Jahres hat Google beispielsweise 11,2 Milliarden Dollar erwirtschaften konnen und zahlt zu den erfolgreichsten Unternehmen weltweit.³⁶ Heutzutage ermoglicht der digitale Datenkapitalismus vielen Unternehmen ein hohes MaR an Informationen des Nutzers, um Ihre Wertschopfung zu optimieren.³⁷ Die Grundlage der Informations- und Datenbeschaffung stammt von diversen Ge- schaftsmodellen der Plattformanbieter, die im Allgemeinen kostenfreie Dienste und Software im Tausch gegen Nutzungsdaten gewahren.³⁸ Diese gesammelten perso- nenbezogenen Daten werden beispielsweise zur Profilbildung verwendet, um individu- elle Werbung betreiben zu konnen.³⁹ Jedoch ist es aus der Sicht des Konsumenten unklar, wie und fur welche Zwecke die Unternehmen bzw. Plattformbetreiber ihre Da- ten nutzen,⁴⁰ denn gesammelte personenbezogene Daten konnen gleichzeitig von mehreren Unternehmen kopiert, erhoben und aggregiert werden, wodurch die Daten den Charakter der Nicht-Rivalitat einnehmen.⁴¹ Wahrend Unternehmen daraus ihren Profit ziehen, herrscht gegenuber dem Verbraucher eine sehr geringe Transparenz auf diesem Markt.⁴² Dennoch durchschauen Verbraucher zum Teil, dass im digitalen Zeit- alter selten etwas kostenfrei bereitgestellt wird. Stattdessen dient eine Gegenleistung in Form der eigenen Daten der Bezahlung. Aus der volkswirtschaftlichen Sicht werden die Informationen des einzelnen Nutzers dabei nicht als Kapital betrachtet, sondern eher als Tauschwert verwendet.⁴³ Darauf basierend umfasst dieses Kapitel die we- sentlichen Punkte hinsichtlich der Daten aus okonomischen Gegebenheiten und er- lautert, inwieweit das Informationsdefizit ein Marktversagen verursachen kann. Des Weiteren wird die Absicht des Datenhandlers und das damit verbundene Defizit des Endverbrauchers anhand des Unternehmens Amazon erlautert.

3.1 Daten als Rohstoffe

In der digitalen Okonomie dienen Daten als Guter bzw. Rohstoffe fur die wirtschaftliche Wertschopfung.⁴⁴ In der Regel werden diese Wirtschaftsguter in zwei Kriterien unter- teilt.⁴⁵ Zum einen handelt es sich hierbei um die „AusschlieBbarkeit der Guternutzung", welche die Eigenschaft eines Gutes im Rahmen des Ausschlieftbarkeitsprinzips be- herrscht. Dies bedeutet, dass diese Guter erst dann ausschlieftbar sind, wenn der Ei- gentumer oder Nutzer vom Konsum des Gutes (Konsument) ausgeschlossen ist.⁴⁶ Umgekehrt liegt eine „Nicht-Ausschlieftbarkeit“ vor, wenn der Gebrauch oder Ver- brauch des Gutes nicht beeintrachtigt werden kann.⁴⁷ Das zweite Kriterium „Rivalitat im Konsum“ wird hervorgerufen, wenn ein Gut durch die Nutzung eines Akteurs beein- trachtigt wird und demnach andere Konsumenten von der Nutzung dieses Gutes aus- schlieftt. Sollte ein Wirtschaftsgut demgegenuber von mehreren Verbrauchern gleich- zeitig konsumiert werden, ist es als Nicht-Rivalitat gekennzeichnet. Angesichts dieser Erkenntnis lassen sich Guter in vier Kategorien einordnen.⁴⁸ Okonomen differenzieren hierbei zwischen privaten Gutern, Club-Gutern sowie Allmenden und offentlichen Gu- tern.⁴⁹

Zur Differenzierung der jeweiligen Guterarten dient die folgende Abbildung.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Vier Kategorien von ,,Kollektivgutern“

Eigene Darstellung in Anlehnung an Mainkiw und Taylor, 2012, S. 279.

Wahrend private Guter sowohl dem Ausschlussprinzip als auch dem Konkurrenzprin- zip unterliegen, zeigen offentliche Guter hingegen weder die Eigenschaft der Aus- schlieRbarkeit noch der Konsumrivalitat auf,⁵⁰ vielmehr nehmen sie den Charakter der nicht rivalisierenden Nutzung ein und konnen somit von allen Burgern einer Gesell­schaft genutzt werden.⁵¹ Aufgrund der Tatsache, dass offentliche Guter keine Rivalitat aufweisen und somit das Ausschlussprinzip nicht erfullen, werden diese infolge der marktlichen Aktivitat nicht effizient bereitgestellt und wurden demnach ein Marktversa- gen hervorrufen.⁵² Die Ursache fur die nicht effiziente Bereitstellung der offentlichen Guter ist das sogenannte „free-rider“ bzw. das Trittbrettfahrerproblem, welches aus- sagt, dass Individuen den Anreiz haben, ein Gut zu nutzen, ohne im Gegenzug dafur bezahlen zu mussen.⁵³ Die Folgen der fehlenden Zahlungsbereitschaft und somit der ineffizienten Bereitstellung von offentlichen Gutern fuhren zu einem Marktversagen, das staatliche Eingriffe erfordert.⁵⁴

Anhand des vorliegenden okonomischen Modells soll eine Losung hinsichtlich der op- timalen Bereitstellung offentlicher Guter veranschaulicht werden.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Individuelle und gesamtwirtschaftliche Nachfrage nach offentlichen Gutern Eigene Darstellung in Anlehnung an Musgrave, Kullmer, 1994, S. 75.

Laut der Theorie von Samuelson erfolgt die effiziente Bereitstellung dieser Guter durch eine vertikale Addition der Nachfrage N, um die Hohe der Zahlungsbereitschaft von einzelnen Individuen bei einer bestimmten Menge X zu bestimmen.⁵⁵ Ein Losungsan- satz zur optimalen Allokation bei offentlichen Gutern ist die Ubereinstimmung der Grenzkosten mit der Menge des Grenznutzens. Sollte der Staat erkennen, dass der Gesamtnutzen die individuellen Grenzkosten ubersteigen, so kann dieser das offentli- che Gut mit Hilfe von Steuern oder Abgaben begleichen und somit bereitstellen.⁵⁶ Ne- ben Samuelsons Theorie kann die optimale Effizienz der offentlichen Guter zusatzlich mithilfe des spieltheoretischen Ansatzes „Gefangenendilemma“ erzielt werden.

3.2 Digitale Plattformmarkte - als Ursache der alleinigen Marktmacht

Basierend auf dieser Grundlage weisen auch „digitale“ Informationsguter das Kriterium der Nicht-Rivalitat auf und spielen somit eine wesentliche Rolle in der Datenokonomie. Betrachtet man die Erhebung von Daten, so ist erkennbar, weshalb diese den nicht- rivalisierten Eigenschaften entsprechen. Angesichts der Kenntnis uber offentliche Gu- ter kann ein Unternehmen die parallele Nutzung der Daten durch andere Unternehmen nicht ausschlieften.⁵⁷ Unternehmen konnen mithilfe von sogenannten „Intermediaren“ unkompliziert an die Informationen der Konsumenten gelangen, da Nutzer oftmals ihre personenbezogenen Daten bereitwillig (z. B. auf bestimmten Onlineplattformen) zur Verfugung stellen.⁵⁸ Okonomen betrachten Intermediare als eine Art Vermittler, wel- cher Informationen des Endverbrauchers bereitstellt und diese weiterverarbeitetet, aber auch die Transaktion zwischen Anbieter und Abnehmer unterstutzt, ohne sich selbst an der Interaktion zu beteiligen.⁵⁹ Im Groften und Ganzen wird anhand dieses Vermittlers das Zusammentreffen zwischen den Anbietern und Nachfragern gewahrt und dient somit einer vereinfachten Transaktion.⁶⁰ Angesichts des vorgefuhrten Sach- verhaltes agieren Intermediare besonders bei mehrseitigen digitalen Plattformmark- ten. Laut Katz und Shapiro lassen sich zweiseitige bzw. mehrseitige Markte durch eine Plattform, die sich meist aus mindestens zwei Gruppen zusammensetzt und demnach Netzwerkeffekte vorweist, charakterisieren.⁶¹

Wahrend Konsumguter des alltaglichen Bedarfs (z. B. Lebensmittel und Medika- mente) uberwiegend singular oder lediglich von beschrankten Teilnehmern genutzt werden, ermoglichen Netzwerkguter nicht nur den Wert eines Gutes aus ihren techni- schen Eigenschaften (z. B. Basisnutzen), sie gewahren zusatzlich einzelnen Konsu- menten einen weiteren Nutzen, mit Hilfe der Gesamtanzahl von Verbrauchern, die die­ses Gut in gleicher Weise konsumieren.⁶² Ist der Nutzen eines Endverbrauchers durch die Grofte des Netzwerks bestimmt, so lassen sich Netzwerkeffekte vorfinden.⁶³ Hauptsachlich handelt es sich bei Netzwerk-Externalitaten um externe Effekte, die laut Katz und Shapiro in direkter aber auch in indirekter Form erscheinen und als Folge positive oder negative Externalitaten auslosen.⁶⁴

3.2.1 Direkte Netzwerkeffekte

Direkte Netzwerk-Externalitaten liegen vor, wenn der Nutzen fur einen Teilnehmer des Netzwerks von der Gesamtanzahl der Teilnehmer bestimmt wird.⁶⁵ Darauf aufbauend ist ein Netzwerkeffekt positiv, sofern der Nutzer davon profitiert. Voraussetzung dafur ist, dass alle anderen Teilnehmer das gleiche Netzwerkgut konsumieren. Vereinfacht ausgedruckt, steigert sich der Nutzen einer Person durch ein Gut mit zunehmender Nutzerzahl der gleichen Nutzergruppe (z. B. Telefonkunden, Facebook). Umgekehrt steigt der Nutzen eines Teilnehmers durch ein Gut, sofern sich die Anzahl der Teilneh- mer oder Nutzer einer anderen Nutzergruppe erhoht. Sollte der Konsument demnach davon nicht profitieren, weist es aus industrieokonomischer Sicht auf einen indirekten Netzwerkeffekt hin (z. B. Internetendkunden; Dienstanbieter wie etwa YouTube)⁶⁶.

Die positiv direkten Netzwerkeffekte werden mithilfe des Gesetzes von Bob Metcalf im Folgenden veranschaulicht.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Metcalfes Gesetz

Eigene Darstellung in Anlehnung an Clement, Schreiber, 2016, S.133.

In Bezug auf die positiv direkten Netzwerk-Externalitaten besagt das Gesetz nach Bob Metcalf, dass der Gesamtnutzen eines Telefonnetzes von der Anzahl der moglichen Verbindungen abhangt.⁶⁷ In diesem Zusammenhang ist erkennbar, dass der Nutzen eines sozialen Netzwerks (z. B. Facebook) direkt durch die Anzahl potenzieller Inter- aktionen beeinflusst wird. Angesichts dieser Erkenntnis entsteht ein exponentielles Wachstum, welches in der Abbildung den Nutzen im Verhaltnis zur Nutzerzahl durch einen progressiven Anstieg darstellt. Aufgrund des zunehmenden Nutzens wirkt eine Plattform fur die Teilnehmer immer attraktiver.⁶⁸ Insbesondere zeigen die positiv direk- ten Netzwerk-Externalitaten den Durchbruch in den sozialen Netzwerken, wie Face­book, Skype sowie WhatsApp, welche einen entscheidenden Aspekt des Erfolgs aus- machen.⁶⁹ Wie bereits bekannt, ist ein soziales Netzwerk nicht nur aus den techni- schen Eigenschaften eines Nutzers profitabel, sondern vielmehr durch den Beitritt zu- satzlich gewonnener Teilnehmer, insbesondere aus dem gleichen sozialen Netzwerk (z. B. Facebook).⁷⁰

Demnach ist es fur Plattformbetreiber zu Beginn des „Marktwachstums“ bedeutend, ein entscheidendes AusmaR des Netzwerks zu erreichen, so dass der Nutzen an der Teilnahme attraktiv erscheint, um neue und zusatzliche Mitglieder zu erlangen.⁷¹ Ist wiederum die GroRe des Netzwerks nicht erzielt, so besteht das Risiko, dass Plattfor- men eventuell vom Markt gedrangt werden, die als kritische Masse bezeichnet wer- den.⁷²

Die folgende Abbildung stellt den aufgefuhrten Sachverhalt der kritischen Masse dar.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Kritische Masse

Eigene Darstellung in Anlehnung an Clement; Schreiber, S.240.

Wie bereits erwahnt, muss eine Plattform die kritische Masse an Nutzern schnellst- moglich erreichen, um auf dem Markt weiterbestehen zu konnen. Insbesondere bei zweiseitigen Plattformmarkten (indirekte Netzwerkeffekte) wirkt eine Plattform fur eine Marktseite nur interessant, sobald eine kritische Masse der anderen Marktseite be- steht.⁷³ Auf dieser Grundlage ist die kritische Masse in der Abbildung 4 durch den erhohten Anstieg der Parabel erkennbar und die Parabel zeigt auf: je hoher der Preis des Netzwerkgutes ist, desto groRer fallt die kritische Masse aus.⁷⁴ Zudem zeigt die Abbildung, dass die Nutzer innerhalb eines bestimmten Zeitrahmens die kritische Masse uberschreiten mussen. Sollten sie andernfalls in den Ruckstand geraten, so gehen sie wieder auf null zuruck. Diese Strategie vermeidet, dass neue Wettbewerber aus den Skalenertragen der digitalen Plattformmarkte profitieren. Demnach ist es fur Neulinge (Newcomer) entscheidend, fruhzeitig deren Nutzerzahl zu steigern.⁷⁵ Um die kritische Masse zu erreichen, mussen zunachst Anbieter effektive Losungsansatze planen oder entwickeln. Beispielsweise konnen Plattformanbieter durch Werbemittel oder Rabattaktionen uber die kritische Masse hinauswachsen.⁷⁶ Dies ist insbesondere fur indirekte Netzwerk-Externalitaten von grower Bedeutung.

3.2.2 Indirekte Netzwerkeffekte

Bei indirekten Netzwerkeffekten steigt der Nutzen bzw. der Wert der Plattform aus ei- nem Netzwerkgut, wenn sich die Anzahl der Teilnehmer in einer anderen Nutzer- gruppe erhoht (z. B. YouTube, eBay, Amazon).Vereinfacht ausgedruckt, ist der Nutzen einer Plattform nicht von der Grofte des eigenen Netzwerks abhangig, sondern eher von der Nutzerzahl eines anderen Netzwerks.⁷⁷ Die folgende Situation spielt insbeson- dere bei zwei- oder mehrseitigen Plattformmarkten eine wesentliche Rolle, welche durch zwei Markte uber eine Plattform interagieren. Mit Blick auf die Handelsplattfor- men wie Amazon oder eBay ist zu erkennen, dass das Netzwerk der Anbieter bzw. Verkaufer mit jedem zusatzlichen Abnehmer bzw. Kaufer seinen Wert steigert. Im Grunde ist der Nutzen der Verkaufer durch moglichst viele Kaufer bestimmt. Umge- kehrt profitiert der Kaufer nicht von der Anzahl weiterer Kaufer, sondern vielmehr durch die zunehmende Anzahl an Kaufern, diese wiederum steigern die Attraktivitat des Marktes fur weitere Verkaufer.

[...]

---

¹ Vgl. (Lewinski, 2012, S. 27.)

² Vg. (FAZ, 2018)

³ Vgl. (Schwartz, 2004)

⁴ Vgl. (Haucap J. , 2018, S. 472.)

⁵ Vgl. (Hess et al., 2019, S. 2.)

⁶ Vgl. ebd. S.73

⁷ Vgl. (Kramer, 2018, S. 466.)

⁸ Vgl. (Bundesministerium fur Wirtschaft und Enegie, 2018)

⁹ Vgl. (Lewinski, 2012, S. 27.)

¹⁰ Vgl. (Calder, 2016, S. 11 ff.)

¹¹ Vgl. (Lewinski, 2012, S. 27 f.)

¹² Vgl. (Enste, 2016, S. 65.)

¹³ Vgl. (Lewinski, 2012, S. 31.) und Vgl. (Roglinger & Urbach, 2016, S. 2 f.)

¹⁴ Vgl. (IHK-Ulm, 2019, S. Art. 4., Abs 1.) und (Datenschutz.org., 2021)

¹⁵ Vgl. (Tinnefeld et al., 2020, S. 227.)

¹⁶ Vgl. (Calder, 2016, S. 36.) und Vgl. (Tinnefeld et al., 2020, S. 227.)

¹⁷ Vgl. (Tinnefeld et al., 2020, S. 227.)

¹⁸ Vgl. (IHK-Ulm, 2019)

¹⁹ Vgl. (IHK-Ulm, 2019, S. Artikel 4.)

²⁰ Vgl. (BMWi, 2019, S. 1 f.), Vgl. (COM, 2017) und (Schweitzer et al., Modernisierung der Missbrauchsaufsicht fur marktmachtige Unternehmen, 2018, S. 28.)

²¹ Vgl. (Tinnefeld et al., 2020, S. 160.)

²² Vgl. (Lewinski, 2012, S. 27.)

²³ Vgl. (EMRK, 1950) und Vgl. (Tinnefeld et al., 2020, S. 36)

²⁴ Vgl. (Bullesbach & Garstka, 2005, S. 720 ff.) und Vgl. (Calder, 2016, S. 15.)

²⁵ ebd.; Vgl. (Calder, 2016, S. 15.) und Vgl. (Tinnefeld et al., 2020, S. 3.)

²⁶ Vgl. (Lewinski, 2012, S. 23.)

²⁷ Vgl. (Enste, 2016, S. 25.)

²⁸ ebd. und Vgl. (Tinnefeld et al., 2020, S. 3.)

²⁹ Vgl. (Lewinski, 2012, S. 23.)

³⁰ Vgl. (Kretschmer et al., Wirtschaftsdienst Zeitschrift fur Wirtschaftspolitik, 2018)

³¹ Vgl. (Roglinger & Urbach, 2016, S. 3.); (Bundeskartellamt, Big Data und Wettbewerb, 2017, S. 2.)

³² Vgl. (Bundeskartellamt, Big Data und Wettbewerb, 2017, S. 3.)

³³ Vgl. (Buxmann & Schmidt, 2019) und Vgl. (Hecker et al., 2017, S. 27 f.)

³⁴ Vgl. (Bracha & Pasquale, 2008, S. 1181.) und Vgl. (Dewenter & Rosch, 2015, S. 26.)

³⁵ Vgl. (Manhart, 2020)

³⁶ Vgl. (Jens, 2020.)

³⁷ Vgl. (Schweitzer et al., 2018, S. 7.)

³⁸ Vgl. (Jansen, Priddat, & Stehr, 2007, S. 72.)

³⁹ Vgl. (Enste et al., 2016, S. 66.)

⁴⁰ Vgl. (Kretschmer et al., 2018, S. 459.)

⁴¹ Vgl. (Oehler, 2018, S. 469.)

⁴² Vgl. (Wiewiorra, 2018, S. 465.)

⁴³ Vgl. (Oehler, 2018, S. 469.)

⁴⁴ Vgl. (Haucap J. , Datenkapitalismus - eine okonomische Betrachtung, 2018, S. 472.)

⁴⁵ Vgl. (Jansen, Priddat, & Stehr, 2007, S. 18 f.)

⁴⁶ Vgl. (Mankiw & Taylor, 2012, S. 278 f.)

⁴⁷ Vgl. (Lombino & O., 2010, S. 6)

⁴⁸ Vgl. (Mankiw & Taylor, 2012, S. 278.) und Vgl. (Lombino & O., 2010, S. 6 f.)

⁴⁹ Vgl. ebd.

⁵⁰ Vgl. (Mankiw & Taylor, 2012, S. 278.)

⁵¹ Vgl. (Jansen, Priddat, & Stehr, 2007, S. 18 f.) und Vgl. (Aretz, 2005, S. 328.)

⁵² Vgl. (Scherf, 2012, S. 1.)

⁵³ Vgl. (Mankiw & Taylor, 2012, S. 280 f.) und Vgl. (Scherf, 2012, S. 1.)

⁵⁴ Vgl. ebd.

⁵⁵ Vgl. (Samuelson, 1954, S. 387.)

⁵⁶ Vgl. (Mankiw & Taylor, 2012, S. 280 f.) und Vgl. (Jansen, Priddat, & Stehr, 2007)

⁵⁷ Vgl. (Bundeskartellamt, Bundeskartellamt, 2017, S. 7.)

⁵⁸ ebd.

⁵⁹ Vgl. (Katz & Shapiro, 1985, S. 424.)

⁶⁰ Vgl. (Bundeskartellamt, 2015, S. 10.)

⁶¹ Vgl. (Katz & Shapiro, 1985, S. 424.)

⁶² Vgl. (Clement & Schreiber, 2016, S. 58.)

⁶³ Vgl. (Linde, Okonomie der Informationen, 2008, S. 44.)

⁶⁴ Vgl. (Clement & Schreiber, 2016, S. 59 f.) und Vgl. (Katz & Shapiro, 1985, S. 424.)

⁶⁵ Vgl. (Linde, Okonomie der Informationen, 2008, S. 45.)

⁶⁶ Vgl. (Dewenter & Rosch, Einfuhrung in die neue Okonomie der Medienmarkte: Eine wettbewerbsokonomische Betrachtung aus Sicht der Theorie der zweiseitigen Markte, 2015, S. 27.) und Vgl. (Bundesministerium fur Wirtschaft und Energie, 2019, S. 16.); Vgl. (Schebesta & Goerge, 2018, S. 4.)

⁶⁷ Vgl. (Clement & Schreiber, 2016, S. 133.) und Vgl. (Farrell & Saloner, 1986, S. 940.)

⁶⁸ Vgl. (Farrell & Saloner, 1986, S. 940.)

⁶⁹ Vgl. (Haucap & Heimeshoff, Econstor Make Your Publications Visible, 2017, S. 5.) und Vgl. (Srnicek, 2017, S. 30.)

⁷⁰ Vgl. (Srnicek, 2017, S. 30.)

⁷¹ Vgl. (Dewenter & Rosch, Einfuhrung in die neue Okonomie der Medienmarkte: Eine wettbewerbsokonomische Betrachtung aus Sicht der Theorie der zweiseitigen Markte, 2015, S. 27.)

⁷² Vgl. (Weiber, 1992, S. 134.)

⁷³ Vgl. (Von Engelhardt, Wangler, & Wischmann, S. 13 f.) und Vgl. (Weiber, 1992, S. 134.) und Vgl. (Bundeskartellamt, 2015, S. 19.)

⁷⁴ Vgl. (Linde, Okonomie der Informationen, 2008, S. 129.)

⁷⁵ Vgl. (Segal Ilya & Whinston, 2018, S. 117.) und Vgl. (Von Engelhardt, Wangler, & Wischmann, S. 14 f.) und Vgl. (Linde, Okonomie der Informationen, 2008, S. 129.)

⁷⁶ ebd.

⁷⁷ Vgl. (Budzinski, 2016, S. 6 ff.) Vgl. (Schebesta & Goerge, 2018, S. 4.)