Ergebnis

Geschäftsmodelle systematischer und einfacher entwickeln

Der Workstream „Datengetriebene Geschäftsmodelle“ hatte sich die Aufgabe gestellt, zu definieren und zu beschreiben, welche Fähigkeiten/Capabilities ein Unternehmen im Allgemeinen und die Enterprise Architecture im Besonderen entwickeln muss, um erfolgreich Data Driven Business Models (DDBM) zu entwickeln und zu betreiben. Das Ergebnis war ein Guide, der den Mitgliedern des CBA Lab helfen soll, selbst datengetriebene Geschäftsmodelle zu entwickeln bzw. sich mit datengetriebenen Geschäftsmodellen anderer Unternehmen und Eco-Systeme systematisch auseinanderzusetzen. 

Der Workstream beschäftigte sich mit vier Fragen:

• Was ist ein DDBM?
• Wie können Unternehmen ein DDBM entwickeln?
• Welche Fähigkeiten werden für ein DDBM benötigt?
• Wie kann ein DDBM praktisch umgesetzt und betrieben werden?

Um die Capabilities möglichst genau zu bestimmen, benannte der Workstream zunächst die Trends, die datengetriebene Geschäftsmodelle heute so relevant machen und definierte anschließend, was er unter einem solchen Geschäftsmodell versteht. Als ausschlaggebende Trends wurden vor allem zunehmende Möglichkeiten zur Datenerfassung z. B. durch Sensoren und Social Media, zur Verarbeitung z. B. durch Analytics-Technologien oder zum Austausch durch Plattformen wie etwa die Bosch IoT Suite genannt. 

Die Arbeitsgruppe definiert ein Data Driven Business Model als „ein Geschäftsmodell, das sich auf Daten als Schlüsselressource bzw. Kern des Werteversprechens stützt. Die Datenverarbeitung, -erfassung,
-verteilung oder der -verkauf sind Hauptaktivitäten“. 

Als Beispiele dafür können die Geschäftsmodelle von Check24, Uber oder Travelbasys herangezogen werden.

In puncto Capabilities konzentrierte sich der Workstream auf die wesentlichen datenspezifischen Fähigkeiten: 

• Datenstrategieentwicklung
  Welche Daten sind wichtig? Ein DDBM benötigt eine Strategie zur Nutzung der Daten im Kunden- und im internen Kontext. 
• Datenmodellmanagement
  Für ein DDBM muss geklärt werden, wie die Datenmodelle gehandhabt werden und zwar über alle wesentlichen Geschäftsobjekte und deren Verwendung, Kontext und Klassifizierung hinweg. So gilt es auch zu evaluieren, ob spezielle Konzepte für Datenmodelle (z. B. Digital Twin) etabliert werden sollen.
• Datenbereitstellungsmanagement 
  Es muss geklärt werden, welche Daten für Nutzerexplorationen, aber auch für spätere Prototypen oder die fertige Lösung in welcher Form in- wie extern bereitzustellen sind. 
• Daten-Governance-Management
  Zu klären ist auch die Frage, wer was mit den Daten machen darf und wie die Gremien und Prozesse gestaltet werden, die über die Nutzung der Daten entscheiden.
• Daten (IT/Referenz)-Architektur-Management
  Und es muss geklärt werden, welche technischen Plattformen, Orchestrierungsmöglichkeiten etc. zur Bereitstellung des Geschäftsmodells benötigt werden.

Der Workstream differenziert die Fähigkeiten in Voraussetzungen, Identifikation und Umsetzung sowie in Betrieb eines DDBM. Je weiter es Richtung Betrieb geht, desto operativer sind auch die Fähigkeiten orientiert. Zum Beispiel im Bereich Identifikation und Umsetzung sind Fähigkeiten der Datenexploration und der Absicherung von Daten gefragt. Beim Betrieb geht es beispielsweise auch verstärkt ums Testen und Monitoren.

In diesem Zusammenhang spielt auch der damalige Industrial Data Space (heute International Data Spaces Association) eine Rolle, mit dem sich das CBA Lab bereits mehrfach beschäftigt hat.

Industrial Data Space steht für den sicheren Datenaustausch zwischen Unternehmen, bei dem der Daten-Provider stets Eigentümer der Daten ist und die Kontrolle über die Verwendung der Daten behält. Der Data Space liefert einen möglichen architekturellen Ansatz, wie wichtige Fähigkeiten eines DDBM, zum Beispiel Datenaustauschstandards, (Meta)-Datenmanagement, Data Modeling, Monitoring und Speicherung/Sammlung/Bereitstellung der Daten, Datenqualitätsmanagement sowie Compliance und Governance abgebildet werden können.

„Wir maßen uns als Architekten nicht die Entwicklung datengetriebener Geschäftsmodelle an, aber aufgrund der engen Verbindungen von Technologie, Business und Daten ist eine ebenso enge Zusammenarbeit zwischen Fach- und IT-Bereichen erforderlich. Nur so können wir zügig und iterativ die für ein Geschäftsmodell benötigten Daten, Prozesse, rechtlichen Bedingungen und technischen Plattformen identifizieren und ohne Zeitverlust aufbauen“, erklärt Workstreamleiterin Miriam Suchet.

„Zukünftig wird derjenige im Wettbewerbsvorteil sein, der die Entwicklung zukunftsträchtiger Geschäftsmodelle am besten beherrscht und ähnlich wie die Entwicklung von Software so systematisiert, dass sie möglichst schnell und ohne große Reibungsverluste aufgebaut werden können“, so Suchet weiter. 

Der Workstream machte sich auch darüber Gedanken und hat Methoden wie Design Thinking oder Business Model Canvas und das Operating Model Canvas auf ihre Eignung für die Geschäftsmodellentwicklung getestet.

„Während das Business Model Canvas alle Aspekte eines Geschäftsmodells beleuchtet, werden im Operating Model Canvas die benötigten Ressourcen,

Aktivitäten und Partnerschaften genauer spezifiziert“, erklärt Suchet.

Insgesamt ging es dem Workstream darum, die Entwicklung datengetriebener Geschäftsmodelle zu systematisieren, zu vereinfachen und wiederholbar zu machen.