Zum Inhalt springen
Dates Governance

Data Governance: Definition einer gemeinsamen Forschungsgrundlage

Die gemeinsame Nutzung und Wiederverwendung digitaler Daten kann Innovationen fördern und den wirtschaftlichen und sozialen Wohlstand erhöhen. Wirtschaftliche und rechtliche Hindernisse sowie strategische Unsicherheiten scheinen Organisationen jedoch oft daran zu hindern, die von ihnen kontrollierten Daten gemeinsam zu nutzen. Das Projekt “Data Governance” zielte daher auf die Ausarbeitung von Data Governance-Modellen ab, die den Akteuren helfen, ihre Daten gemeinsam zu nutzen und wiederzuverwenden. 

Forschungsansatz: Um dieses Ziel zu erreichen, hat das Forschungsteam Literatur recherchiert, die die jeweilige rechtliche Debatte (insbesondere im Datenschutzrecht und im Recht des geistigen Eigentums), die wirtschaftliche Diskussion (insbesondere im Bereich der offenen Innovation) sowie die politikwissenschaftlichen Perspektiven (insbesondere zu Governance und Regulierung) widerspiegelt. Darüber hinaus führte das Forschungsteam erste informelle Desk Studies zu bestehenden Data-Governance-Strukturen in verschiedenen gesellschaftlichen Kontexten durch, wie z.B. in der Automobil- und Werbeindustrie, im Gesundheitssektor und in Smart Cities.

Forschungsergebnisse: Anstatt jedoch auf erfolgreiche Data-Governance-Modelle zu stoßen, die den Akteuren effektiv dabei helfen, ihre Daten gemeinsam zu nutzen und wiederzuverwenden, fand das Forschungsteam eine sehr heterogene und mehrdeutige Terminologie vor, die sowohl in der Theorie als auch in der Praxis verwendet wird. Dies machte es unmöglich, die diskutierten Data-Governance-Phänomene hinsichtlich ihrer Erfolgsmerkmale zu vergleichen. Daher ging das Forschungsteam mehrere Schritte von seinem ursprünglichen Ziel zurück und begann, eine gemeinsame Forschungsgrundlage zu erarbeiten, indem es zunächst definierte, was das Ziel und die Herausforderungen einer erfolgreichen Data Governance tatsächlich sind. Anschließend erarbeitete die Gruppe erste “Archetypen” von Data-Governance-Modellen, die in der Zukunft als Ausgangspunkt für differenziertere konzeptuelle und empirische Arbeiten dienen sollen.

Fig. 1: Data Governance Ebenen 

Das Ziel einer erfolgreichen Data Governance besteht gemäß der vorgeschlagenen Forschungsgrundlage darin, die widersprüchlichen Interessen an der gemeinsamen Nutzung und Wiederverwendung von Daten in Einklang zu bringen, während alle beteiligten Akteure sich – was die erste Herausforderung darstellt – auf den verschiedenen Governance-Ebenen, d.h. auf der normativen, prozessualen und technologischen Ebene, koordinieren müssen. Die zweite Herausforderung besteht darin, dass sich die Interessenlage in Bezug auf die gemeinsame Nutzung und Wiederverwendung von Daten (also welchen Wert Daten haben und welche Risiken ihre Verarbeitung mit sich bringt) erst im Laufe der Datenverarbeitung konkretisiert.

Daher können der Wert von Daten und die Risiken, die sie bergen, im Voraus nur in sehr begrenztem Umfang bestimmt werden, was die Lösung dieses Interessenkonflikts in der Praxis zu einem recht dynamischen (und heiklen) Prozess macht. Forschung zu Data Governance – insbesondere deren Bemühungen um Koordination – bedeutet schließlich, eine evidenzbasierte Grundlage für jede regulative Unternehmung zu schaffen. Diese methodische Einsicht ist insbesondere für Gesetzgeber wichtig, die den Austausch und die Wiederverwendung von Daten zu regulieren suchen, wie z.B. die Europäische Kommission durch ihre europäische Datenstrategie.

Auf Grundlage einer Literaturrecherche von bestehenden Modellen zur gemeinsame Nutzung geistiger Eigentumsrechte, wie bspw. Patente, übertrug das Forschungsteam diese Modelle schließlich auf die Datenökonomie, um fünf Archetypen der Data Governance zu definieren. Das Forschungsteam war sich zwar bewusst, dass die Governance-Modelle aus dem Feld der geistigen Eigentumsrechte nicht per se zur Data Governance passen und dass die entwickelten Archetypen sehr allgemein gehalten sind, doch bieten sie einen akkuraten Überblick über die Hauptmerkmale von Data Governance-Strukturen zwischen Entitäten, die Daten gemeinsam (oder nicht gemeinsam) nutzen.

Fig. 2: Data Governance Archetypen

Kontakt

Alina Wernick

Assoziierte Forscherin: Daten, Akteure, Infrastrukturen

Maximilian von Grafenstein, Prof. Dr.

Assoziierter Forscher, Co-Forschungsprogrammleiter

Unterstützen Sie unsere Forschung

Hier erhalten Sie mehr Informationen, wie Sie uns fördern können.

Ehemalige MitarbeiterInnen

  • Christopher Olk Christopher Olk
    Ehem. Studentischer Mitarbeiter: Die Entwicklung der digitalen Gesellschaft
  • Irma Klünker Irma Klünker
    Ehem. studentische Mitarbeiterin: Daten, Akteure, Infrastrukturen
  • Li-hsien Chang | HIIG Li-hsien Chang
    Ehem. Studentische Mitarbeiterin: Daten, Akteure, Infrastrukturen

Zeitschriftenartikel und Konferenzbeiträge

Wernick, A., Olk, C., & Grafenstein, M. v. (2020). Defining Data Intermediaries. Technology and Regulation, 65–77. DOI: 10.26116/techreg Weitere Informationen

Grafenstein, M. v., Wernick, A., & Olk, C. (2019). Data Governance: Enhancing Innovation and Protecting Against Its Risks. Intereconomics, 54 (4), 228-232. DOI: 10.1007/s10272-019-0829-9 Weitere Informationen

Andere Publikationen

Vorträge

Data-Driven Economy Challenges and Opportunities.
Data Governance and Smart Cities (Session: Regulation and Governance). Intereconomics / IW (German Economic Institute). Hamburgische Landesvertretung, Berlin, Deutschland: 17.06.2019 Weitere Informationen

Max von Grafenstein

Data Governance - Elaborating on a Research Concept
Towards health futures: digital innovation, infrastructure, and entrepreneurship on bio data (Session: Propositions for research on bio data). Freie Universität Berlin. Einstein Center for Digital Futures, Berlin, Germany: 07.03.2019 Weitere Informationen

Alina Wernick

Organisation von Veranstaltungen

Workshop session
Workshop# 182: Data Governance for Smarter City Mobility at Internet Governance Forum 2019. From 28.11.2019 to 28.11.2019. Estrel Berlin, Berlin, Germany. Co-Organised by: Alina Wernick, Maximilian von Grafenstein, Li-hsien Chang, Natalie Kreindlina, Christopher Olk (International) Weitere Informationen

Li-hsien Chang, Natalie Kreindlina, Alina Wernick, Maximilian von Grafenstein

Data Governance: Between Concepts and Case Studies
02.07.2019. Humboldt Institute for Internet and Society, Berlin, Germany (International)

Natalie Kreindlina, Alina Wernick, Christopher Olk, Maximilian von Grafenstein

Who holds a stake in Smart City Data?
From 15.04.2019 to 15.04.2019. Humboldt Institute for Internet and Society, Berlin, Germany (International)

Alina Wernick, Christopher Olk, Maximilian von Grafenstein