Das Ziel dieser Arbeit soll darin bestehen, ein Regulierungsinstrument wie die Daten-Sharing-Pflicht hinsichtlich Chancen, Risiken und Herausforderungen aus wettbewerbsökonomischer Perspektive zu analysieren. Während in den Vereinigten Staaten die Diskussionen rund um die Marktmacht der großen Technologieunternehmen sichtbar zunehmen, ist dies in Europa bereits seit einiger Zeit der Fall. So leitete die Europäische Kommission bereits mehrere Untersuchungsverfahren gegen Alphabet ein, die am Ende zu Höchststrafen aufgrund des wettbewerbswidrigen Verhaltens führten. Gleichzeitig wird intensiv darüber diskutiert, inwieweit zusätzliche Anpassungen des Wettbewerbsrechts notwendig sind, um den Eigenschaften und Herausforderungen digitaler Märkte gerecht zu werden.
Ein Vorschlag innerhalb dieser Diskussionen stammt von Andrea Nahles. Die ehemalige SPD-Vorsitzende ist davon überzeugt, dass die Dominanz von Digitalunternehmen wie Google, Facebook und Amazon im Wesentlichen in den Daten liegt, die sie aufgrund ihrer Online-Plattformen sammeln und analysieren können. Sie schlägt daher ein "Daten-für-Alle-Gesetz" vor, wodurch marktdominante Digitalunternehmen dazu verpflichtet werden sollen, ihre gesammelten Daten anonymisiert und je nach Anwendungsbereich frei zur Verfügung zu stellen.
Dafür ist es zunächst sinnvoll, wenn der Leser ein grundlegendes Verständnis dafür entwickelt, wie Daten als Gut genauer zu definieren, klassifizieren und zu strukturieren sind. Im Anschluss daran werden Daten schließlich als Wertschöpfungs- und Wettbewerbsfaktor behandelt. Dabei werden Daten als Inputfaktor zunächst in den Kontext der Wertschöpfung sowie in das Umfeld datengetriebener Geschäftsmodelle eingeordnet und analysiert. Hierzu wird auch ein Blick auf die Wertschöpfungskette von Daten eine wichtige Rolle einnehmen. Anschließend erfolgt die Analyse von Daten als Wettbewerbsfaktor. So werden drei Effekte von Daten im Rahmen datengetriebener Geschäftsmodelle vorgestellt, die einerseits einen exklusiven Zugang zu Daten begünstigen können sowie andererseits als Folge eine dauerhafte Marktmachtstellung unterstützen. Schließlich wird diskutiert, inwiefern bestimmte Daten oder Datentypen als eine "Essential Facility" identifiziert werden können und daher für eine sektorspezifische ex ante Regulierung in Frage kommen könnten. Den Abschluss der Arbeit bildet schließlich die Diskussion über die wesentlichen Chancen und Risiken einer Daten-Sharing-Pflicht.
Inhaltsverzeichnis
1. Einleitung
2. Definition, ökonomische Klassifizierung und Strukturierung von Daten
2.1 Daten als Gut
2.2 Personenbezogene Daten
2.3 Nicht-personenbezogene Daten
2.4 Maschinengenerierte Daten
2.5 Fazit
3. Wertschöpfungs- & Wettbewerbsfaktor Daten
3.1 Ökonomisches Potenzial von Daten als Wertschöpfungsfaktor
3.1.1 Daten und ihre Wertschöpfungskette
3.1.2 Datengetriebene Unternehmen und Geschäftsmodelle: Ein Überblick
3.2 Daten als Wettbewerbsfaktor
3.2.1 Skaleneffekte
3.2.2 Netzwerkeffekte
3.2.3 Feedbackeffekte
3.3 Diskussion - Daten als wesentliche Einrichtung - Essential Facility -
4. Die Daten-Sharing-Pflicht als neues Regulierungsinstrument
4.1 Aktuelle Diskussion
4.2 Theoretische Ansätze
4.2.1 Prüfer und Schottmüller
4.2.2 Mayer-Schönberger und Ramge
4.3 Chancen, Risiken und Herausforderungen einer Daten-Sharing-Pflicht
5. Zusammenfassung
Zielsetzung & Themen der Arbeit
Diese Masterarbeit analysiert die Einführung einer verpflichtenden Daten-Sharing-Pflicht für marktdominante Digitalunternehmen aus einer wettbewerbsökonomischen Perspektive, um zu bewerten, inwiefern dieses Instrument zur Förderung von Wettbewerb und Innovation beitragen kann oder mit spezifischen Risiken verbunden ist.
- Grundlagen der ökonomischen Klassifizierung und Strukturierung von Daten.
- Die Rolle von Daten als Wertschöpfungs- und bedeutender Wettbewerbsfaktor.
- Analyse theoretischer Ansätze zur Implementierung von Daten-Sharing-Pflichten.
- Bewertung von Chancen, Risiken und regulatorischen Herausforderungen digitaler Märkte.
Auszug aus dem Buch
3.2.1 Skaleneffekte
Daten sind nicht mehr nur ein Nebenprodukt wirtschaftlicher und betrieblicher Prozesse, Dienstleistungen oder Produkte. Sie bilden – wie bereits erläutert – mittlerweile einen wichtigen Inputfaktor für die Optimierung und Schaffung von Produktionsprozessen, Produkten und Dienstleistungen. Vor diesem Hintergrund schließt sich daher die Frage an, inwieweit durch den Einsatz von Daten als Inputfaktor sog. Skaleneffekte (Economics of Scale) realisiert werden können. Skaleneffekte sind insbesondere in Verbindung mit den wirtschaftlichen Vorteilen der Massenproduktion (Industrielle Revolution) und des Größenvorteils großer Unternehmen zu bringen (vgl. Mayer-Schönberger und Ramge, 2017, S.187f.). So kann es unter Umständen wirtschaftlich vorteilhaft sein, wenn z.B. ein großes Unternehmen zu relativ geringen Kosten produzieren kann anstelle vieler kleiner Unternehmen mit hohen relativen Kosten (vgl. Pindyck und Rubenfeld, 2009, S.288; Bester, 2004, S.147). Die Konsequenz hieraus ist letztlich eine fortschreitende Konzentration von Märkten (vgl. Dewenter und Rösch, 2015, S.25). Grundsätzlich kann in Anlehnung an die Produktionstheorie zwischen positiven, negativen und konstanten Skaleneffekten unterschieden werden. Diese lassen sich entsprechend des Verhältnisses zwischen Ouptut (Produktionsmenge) und der Menge der eingesetzten Inputfaktoren bestimmen (vgl. Pindyck und Rubenfeld, 2009, S.288).
Positive Skaleneffekte durch den Inputfaktor Daten würden demzufolge vorliegen, wenn einerseits der Grenzertrag durch Daten positiv ist oder andererseits die anfallenden Kosten mit steigendem Datenumfang sinken. Das heißt, je größere die Datenmenge, desto größer der Nutzen, bzw. desto geringer die anfallenden Produktions- und Selbstkosten aus den Daten (vgl. Dewenter und Lüth, S.652, 2016). Der Algorithmus einer Online-Suchmaschine muss z.B. aufgrund steigender Datenmengen nicht neu entwickelt werden (keine zusätzlich anfallenden Kosten). Gleichzeitig wird die Leistung des Suchalgorithmus mit jeder zusätzlichen Dateneinheit verbessert, wodurch ein positiver Nutzen entsteht (vgl. Organisation for Economic Co-operation and Development, 2015, S.184). Andererseits wurde im Rahmen der Wertschöpfungskette von Daten deutlich, dass der Schwierigkeitsgrad je nach Analysekategorie und Zweckbestimmung der zu verarbeitenden Daten auch zunimmt. Varian (2016) argumentiert daher z.B. das Daten nur eine geringfügige Rolle für die Qualität von Suchanfragen einnehmen.
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung beleuchtet die zunehmende kartellrechtliche Diskussion um die Marktmacht großer Technologiekonzerne in den USA und Europa und führt den Vorschlag eines „Daten-für-Alle-Gesetzes“ ein.
2. Definition, ökonomische Klassifizierung und Strukturierung von Daten: Dieses Kapitel definiert Daten als Wirtschaftsgut und beleuchtet die Unterscheidung zwischen personenbezogenen, nicht-personenbezogenen und maschinengenerierten Daten sowie deren Relevanz für eine Daten-Sharing-Pflicht.
3. Wertschöpfungs- & Wettbewerbsfaktor Daten: Hier wird das ökonomische Potenzial von Daten in der Wertschöpfungskette analysiert und untersucht, wie Skalen-, Netzwerk- und Feedbackeffekte die Marktmacht großer Plattformen verstärken können.
4. Die Daten-Sharing-Pflicht als neues Regulierungsinstrument: Dieses Kapitel diskutiert verschiedene theoretische Regulierungsansätze für Daten-Sharing und beleuchtet kritisch die damit verbundenen Chancen, Risiken und Herausforderungen für den Wettbewerb.
5. Zusammenfassung: Die Arbeit schließt mit einer Synthese der Ergebnisse, die unterstreicht, dass Daten kein homogenes Gut darstellen und eine effiziente Regulierung eine fallbezogene Analyse erfordert.
Schlüsselwörter
Daten-Sharing-Pflicht, Wettbewerbsökonomie, Big Data, Digitale Plattformen, Marktmacht, Skaleneffekte, Netzwerkeffekte, Essential Facility, Datenschutzgrundverordnung, Wertschöpfungskette, Internetökonomie, Algorithmen, Datenportabilität, Innovation, Marktkonzentration.
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Arbeit untersucht das regulatorische Konzept einer Daten-Sharing-Pflicht für marktdominante Digitalunternehmen aus wettbewerbsökonomischer Sicht.
Was sind die zentralen Themenfelder?
Zu den Kernbereichen zählen die ökonomische Klassifizierung von Daten, die Rolle von Daten in der Wertschöpfung sowie deren Einfluss auf den Wettbewerb durch Skalen- und Netzwerkeffekte.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist die Analyse von Chancen, Risiken und Herausforderungen einer Daten-Sharing-Pflicht, um zu klären, ob sie als Instrument zur Förderung von Wettbewerb und Innovation geeignet ist.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer theoretisch-ökonomischen Analyse, die aktuelle wettbewerbsökonomische Literatur sowie Ansätze wie die "Essential Facility"-Doktrin und Daten-Sharing-Modelle (universell vs. progressiv) einbezieht.
Was wird im Hauptteil behandelt?
Der Hauptteil erörtert die Definition von Daten, deren Nutzen für datengetriebene Geschäftsmodelle und die wettbewerbswidrigen Effekte von exklusiven Datenzugängen sowie verschiedene Regulierungsansätze.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Daten-Sharing-Pflicht, Marktmacht, Plattformökonomie, Skaleneffekte, Netzwerkeffekte und Datenschutz.
Wie unterscheiden sich die Ansätze von Prüfer/Schottmüller und Mayer-Schönberger/Ramge?
Prüfer und Schottmüller schlagen eine universelle Teilungspflicht vor, während Mayer-Schönberger und Ramge eine progressive Pflicht favorisieren, die erst ab einer bestimmten Marktanteilsschwelle greift.
Warum ist die Anonymisierung von Daten für das Daten-Sharing so kritisch?
Eine sichere und unumkehrbare Anonymisierung ist die zwingende Voraussetzung, um den Datenschutz zu wahren und zu verhindern, dass sensible Geschäftsgeheimnisse oder individuelle Nutzerdaten bei der Weitergabe an Konkurrenten preisgegeben werden.
- Quote paper
- Simon Losekam (Author), 2019, Daten für alle. Chancen und Risiken einer Daten-Sharing-Pflicht aus wettbewerbsökonomischer Perspektive, Munich, GRIN Verlag, https://www.grin.com/document/501743
