Eine möglichst genaue Auswertung von Daten ist für KMU aller Branchen äußerst wichtig. Sie führt dazu, dass die eigenen Prozesse sowie Produkte und Dienstleistungen verbessert werden können. Produktionsausfälle können verhindert und Ressourcen effizienter genutzt werden. Die digitale Auswertung, vor allem, wenn sie KI-basiert abläuft, führt zu erhöhter Flexibilität und Individualität bis hin zu neuen Geschäftsmodellen. Voraussetzung hierfür ist eine übergreifende Vernetzung von Akteuren, die gemeinsam einen Zugang zu den Daten und dahinterliegenden Technologien ermöglichen. Sie sind Teil eines datenbasierten Wertschöpfungsnetzwerkes.
Datenbasierte Wertschöpfungsnetzwerke sehen sich einigen Herausforderungen ausgesetzt. Es müssen technische Fragen geklärt werden, wie die der Schnittstellen, Datenformate und Interoperabilität der beteiligten Systeme. Aber auch die menschliche Komponente muss berücksichtigt werden. Das Vertrauen in die Netzwerkpartner aber auch in die Sicherheit der Systeme muss vorhanden sein.
Die KI-Plattform Lernende Systeme beleuchtet in ihrer Publikation 13 Beispiele von erfolgreich umgesetzten datenbasierten Wertschöpfungsnetzwerken aus verschiedenen Branchen. Neben der Beschreibung des technischen Hintergrunds, der spezifischen Hürden und Potenziale dieser Netzwerke, werden zum Schluss „Dos & Don’ts“ als Hilfestellung für den Aufbau und die Verwaltung weiterer datenbasierter Wertschöpfungsnetzwerke induktiv abgeleitet. So ist der transparente Aufbau des Netzwerkes mit einer vom Netzwerk formulierten Value Proposition aller Netzwerkpartner als „Do“ eingestuft. Im Gegensatz dazu stehen schlecht kommunizerte und abgestimmte Projekte als „Don’t“.
Mit Blick in die Zukunft bilden der verstärkte Einsatz von künstlicher Intelligenz und die zunehmende Digitalisierung und Vernetzung die Grundlagen für neue Wertschöpfungsinnovationen. Auf Unternehmerseite gilt es zu berücksichtigen, dass für eine erfolgreiche Umsetzung von Wertschöpfungsnetzwerken eine klare Datenstrategie definiert sein muss, welche über die Qualität, Relevanz und Verfügbarkeit, der für das Netzwerk so wichtigen Daten entscheidet. Das Geschäftsmodell muss sich flexibel an die wirtschaftlichen Gegebenheiten anpassen können und die Bereitschaft für strategische Kooperationen, zum Austausch von Know-How vorhanden sein.
Auf institutioneller Seite müssen offene Fragen in Bezug auf die Weiterentwicklung der Datenökonomie geklärt werden und gewährleistet werden, dass es beispielsweise allgemeingültige Standards gibt. Eine Gratwanderung aus Datenschutz und Zugang zu Daten gepaart mit regulatorischen Rahmenbedingungen und Wettbewerbsrecht sollte sicherstellen, dass kein Teilnehmer datenbasierter Wertschöpfungsnetzwerke benachteiligt wird.
Hier finden Sie das vollständige Paper zum Thema.
