Die Macht Der Digitalen Plattformen - Wegweiser Im Zeitalter Einer Expandierenden Digitalsphäre Und Künstlicher Intelligenz

Michael Jaekel
Die Macht der

digitalen Plattformen
Wegweiser im Zeitalter einer expandierenden
Digitalsphäre und künstlicher Intelligenz
Die Macht der digitalen Plattformen
Michael Jaekel
Die Macht der digitalen

Plattformen
Wegweiser im Zeitalter einer
expandierenden Digitalsphäre
und künstlicher Intelligenz
Michael Jaekel
München, Deutschland
ISBN 978-3-658-19177-1 ISBN 978-3-658-19178-8 (eBook)

https://doi.org/10.1007/978-3-658-19178-8
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie;

detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
Springer Vieweg
© Springer Fachmedien Wiesbaden GmbH 2017
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich
vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung des Verlags. Das gilt insbesondere
für Vervielfältigungen, Bearbeitungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verar-
beitung in elektronischen Systemen.
Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt
auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und
Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften.
Der Verlag, die Autoren und die Herausgeber gehen davon aus, dass die Angaben und Informationen in diesem
Werk zum Zeitpunkt der Veröffentlichung vollständig und korrekt sind. Weder der Verlag, noch die Autoren oder
die Herausgeber übernehmen, ausdrücklich oder implizit, Gewähr für den Inhalt des Werkes, etwaige Fehler oder
Äußerungen. Der Verlag bleibt im Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröf-
fentlichten Karten und Institutionsadressen neutral.
Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier
Springer Vieweg ist Teil von Springer Nature

Die eingetragene Gesellschaft ist Springer Fachmedien Wiesbaden GmbH
Die Anschrift der Gesellschaft ist: Abraham-Lincoln-Str. 46, 65189 Wiesbaden, Germany
In Liebe und Dankbarkeit,
für Natalia und Konstantin
Vorwort
Wir berauschen uns heute am digitalen Medium, ohne dass wir die Folgen dieses Rausches
vollständig abschätzen können.
(Byung-Chul, Han)
Versuchen Sie einmal für sich den Zeitgeist in der Digitalmoderne zu beschreiben. Hier
bereits gelangen wir schnell an einen Punkt, der sich in einer Sprachnot ausdrückt. Die
digitale Technologie ist überall und wir sind gefangen in einer Sprachnot, da wir die
allumfassende Digitalisierung nicht verstehen können. Unmittelbar mit dieser Sprachnot
zusammenhängend ist die Chimäre vom Wesen des Internets. Denn das Internet ist immer
im Fluss und nicht eindeutig verstehbar. Das Internet ist ein dynamisches, digitales Netz-
werk aus Netzen, die miteinander verwoben sind und ständig neue Muster bilden. Der
ehemalige CEO von Google bringt dieses Paradoxon treffend auf den Punkt: „Das Internet
ist das erste von Menschenhand erschaffene Ding, das der Mensch nicht versteht. Es ist
das größte Experiment in Anarchie, das es jemals gab.“ Erstaunlicherweise erscheinen
trotz dieser Sprachnot momentan zahlreiche Bücher zur digitalen Transformation, die sug-
gerieren, dass wir bereits prinzipielle Aspekte der Digitalisierung richtig und vollständig
verstehen. Dabei ist eher noch ein kohärentes Verständnis für wesentliche Aspekte der
aufkommenden Digitalmoderne dringend notwendig.
Mit diesem Einführungswerk möchte ich ein die Digitalisierung charakterisierendes
Kernelement beleuchten und zugänglich machen – den Komplex digitaler Plattform-Ökosys-
teme. Denn digitale Plattform-Ökosysteme spielen zunehmend eine strategische Rolle in
allen Wirtschafts- und Lebensbereichen. Viele von uns haben sicherlich bereits etwas über
Amazon bestellt, ein Zimmer über Airbnb gebucht, über eBay etwas ersteigert, gekauft
oder verkauft. Gehört haben sicherlich viele von Ihnen auch von einem Onlinehändler, der
mehr Umsatz generiert als Amazon und eBay zusammen – Alibaba. Über die digitale Platt-
form Alibaba.com können Unternehmen jeder Größe ihre Produkte (bereits mehrere hun-
dert Millionen) an Unternehmen in anderen Ländern (über 190) verkaufen. Im Gegensatz
zu Amazon verfügt Alibaba über keine Lagerhäuser, sondern agiert als Vermittlungsplatt-
form. Damit nicht genug. Das Universum des Ökosystems von Alibaba expandiert unauf-
hörlich, basierend auf einer Vielzahl von Internetfirmen wie Taobao.com (eine Art
asiatisches eBay) oder Alipay (ähnelt dem Bezahldienst PayPal) [ALIBABA]. Mit der
VII
VIII Vorwort
zunehmenden Ausdehnung dieser digitalen Plattform-Ökosysteme wird die Notwendigkeit

für das Verständnis dieser digitalen Plattformen immer wichtiger. In ihrem Buch „Platform
Revolution“ modifizieren die Autoren Parker et al. das Mantra von Marc Andreessen in
seinem 2011 im Wall Street Journal erschienenen Essay „Why Software Is Eating the
World“ in „Platforms are eating the world“ [PA]. Diese pointierte Zuspitzung der Macht
digitaler Plattformen deckt sich allerdings nicht mit der Realität. Vielmehr muss es heißen:
„Digital Platforms hosted in the Cloud are eating parts of the world“ (Digitale Plattfor-
men, gehostet in der Cloud, erobern Teile der Welt), wie Sie in diesem Buch noch erkennen
werden.
Das vorliegende Buch stellt eine Einführung in die komplexe Thematik digitaler Platt-
formen dar und richtet sich bewusst an einen breiten Leserkreis. Im ersten Kapitel werden
die Kernelemente der Digitalisierung beschrieben und von den reinen Symptomen unter-
schieden. Zudem gehe ich dem inflationären Phänomen der Disruption nach. Das innere
Gefüge, die Anatomie digitaler Plattform-Ökosysteme, wird im zweiten Kapitel praxis-
orientiert am Beispiel einer digitalen Smart City-Apps-Plattform mit Ökosystem aufgefä-
chert. Darauf aufbauend werden im dritten Kapitel die Auswirkungen digitaler Plattformen
beleuchtet. Mit den zukünftigen Entwicklungslinien digitaler Plattformen beschäftige ich
mich im vierten Kapitel. Im abschließenden fünften Kapitel werfe ich einen Blick auf den
herrschenden Zeitgeist im Silicon Valley. Diese Einführungsschrift verdichtet die Symp-
tome der Digitalisierung zu dem in naher Zukunft vorherrschenden Phänomen: den digi-
talen Plattformen.
Ein derartiges Einführungsbuch ist immer das Ergebnis einer Zusammenarbeit zahlrei-
cher Experten. Viele Ideen, Hinweise und Anregungen entstanden aus Diskussionen mit
Experten des Massachusetts Institute of Technology (MIT), Google, Amazon, BITKOM,
Uber und Twitter. Damit ist die Liste sicher nicht komplett und ich entschuldige mich bei
allen, die nicht erwähnt wurden. Auch ihnen gilt mein Dank.
Begleiten Sie mich nun auf meiner Reise durch die komplexe und spannende Welt der
aufkommenden digitalen Plattform-Ökosysteme.
Michael Jaekel Berlin, im August 2017

Inhaltsverzeichnis
1 Prolog: Digitalisierung und das Dilemma der Disruption . . . . . . . . . . . . . . . . 1

1.1 Das Bermudadreieck der Digitalisierung�� 8
1.2 Was es mit der Disruption eigentlich so auf sich hat�� 29
2 Willkommen in der Welt der digitalen Plattformen . . . . . . . . . . . . . . . . . . . . . 45
2.1 Die Plattform-DNA: Kern-Interaktion, Kategorisierung und weitere
Komponenten�� 48
2.2 Das Paradoxon des Henne-Ei-Problems überwinden �� 81
2.3 So funktioniert virales Wachstum in einer vernetzten Welt�� 87
2.4 Too big to ignore: Big Data Management und die künstliche
Maschinenintelligenz von Algorithmen�� 92
3 Die Revolution der digitalen Plattformen ist so nah . . . . . . . . . . . . . . . . . . . . . 111
3.1 Die Revolution geht einher mit einer Evolution digitaler Plattformen �� 112
3.2 Wie digitale Plattformen traditionelle Industrien erobern und
transformieren �� 126
3.3 Auf huckepack mit Craiglist – Airbnb Case Study�� 140
3.4 Wir sind kein Taxiunternehmen – Uber Case Study �� 154
3.5 Auf dem Weg zur digitalen Identität – Facebook Case Study�� 174
3.6 Die Regulierung von Plattformen oder: „Die halten sich ja an gar nichts“�� 190
3.7 Exkurs: Der Ausbruch aus der dominanten Branchenlogik
beginnt mit … �� 200
4 Entwickeln Sie doch mal eine Suchmaschine – die Zukunft. . . . . . . . . . . . . . . 211
4.1 Die Ausbreitung der digitalen Plattform-Revolution�� 216
4.2 Social Physics oder der gesteuerte Mensch des Alex Pentland�� 231
4.3 Im Rausch der Daten – irgendwie bleibt der Datenschutz auf der Strecke�� 238
4.4 ¡No pasaran! – Die Durchdringung digitaler Plattformen mit künstlicher
Intelligenz �� 243
IX
X Inhaltsverzeichnis
5 Epilog: Der Mensch schafft sich selbst ab oder HAL 9000. . . . . . . . . . . . . . . . 255
5.1 Die Kultur der Piraten im Silicon Valley�� 259
5.2 Das Konzept der technologischen Singularität ist die Chiffre der
digitalen Avantgarde�� 263
Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
Stichwortverzeichnis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
Abbildungsverzeichnis
Abb. 1.1 Das chaotische Konzert der Digitalisierungssymptome

[http://www.istockphoto.com, Hintergrundbild]�� 9
Abb. 1.2 Die vier Momente der Technologie. (Adaptiert in enger
Anlehnung an [BUN])�� 10
Abb. 1.3 Google und die vier Momente der Technologie �� 11
Abb. 1.4 Die Antipoden in der Diskussion über die aufziehende Digitalmoderne�� 13
Abb. 1.5 Das Bermudadreieck in der expandierenden digitalen Sphäre �� 28
Abb. 1.6 Die zwei Gesichter der Disruption. (Nach [CLAY, GANS])�� 35
Abb. 1.7 Die unterschiedlichen Reaktionsmuster der Disruption. (Nach [GANS])�� 36
Abb. 2.1 Die Akteure und wichtigsten Funktionen auf einer digitalen Plattform �� 49
Abb. 2.2 Perspektivische Adaption der Handlungsfelder einer Smart City.
(in enger Anlehnung an [GIFF]) �� 52
Abb. 2.3 Die holistische Architektur des Smart City-Ökosystems.
(Abgeleitet und erweitert nach [GOV01, JA01, BOYD, BATA])�� 53
Abb. 2.4 Grundlegende Elemente von Cloud Computing �� 54
Abb. 2.5 Schematische Plattform-Architektur. (In enger Anlehnung an [SAN])�� 57
Abb. 2.6 Die Entwicklung der schematischen Plattform-Architektur von Airbnb�� 58
Abb. 2.7 Die schematische Architektur des Smart City Ökosystems mit digitaler
Apps-Plattform [JA01]�� 62
Abb. 2.8 Direkte und indirekte Plattform-Netzwerkeffekte�� 65
Abb. 2.9 Positive, direkte und negative „wechselseitige“ Netzwerkeffekte bei
UBER. (Erweitert nach David Sacks [SAC]) �� 66
Abb. 2.10 Die Matrix der vier möglichen Netzwerkeffekte auf digitalen Plattformen�� 66
Abb. 2.11 Offener und geschlossener Bereich einer digitalen Smart
City-Apps-Plattform mit Ökosystem [JA01]�� 70
Abb. 2.12 Das Funktionsprinzip der Blockchain�� 73
Abb. 2.13 Die schematische Wertschöpfungsdynamik einer digitalen Smart City
Apps-Plattform, erweitert nach [JA01]�� 75
Abb. 2.14 Die schematische Big Data Management-Anatomie.
(Erweitert nach [HOF, JA02, JA03, MORGEN, WIKI07])�� 95
XI
XII Abbildungsverzeichnis
Abb. 3.1 Das digitale Plattform-Gesundheitsuniversum mit

Apps-Ökosystem [JA03]�� 114
Abb. 3.2 Der Kernmechanismus der digitalen Amazon-Plattform.
(Erweitert nach [AMAZON, STO])�� 136
Abb. 3.3 Die Kern-Interaktion des digitalen Airbnb-Geschäftsmodells�� 141
Abb. 3.4 Wie Airbnb startete oder: wie drei Gründer aus der Vermietung
einer Luftmatratze ein 10 Milliarden-Unternehmen machten. �� 145
Abb. 3.5 Das erstaunliche Wachstum von Airbnb [HAG] �� 150
Abb. 3.6 Der Fahrvermittlungsprozess im digitalen Uber-Geschäftsmodell [DRA]�� 159
Abb. 3.7 Die schematische Kern-Interaktion der digitalen Uber-Plattform�� 160
Abb. 3.8 Die Zentrifugalkräfte der Facebook-Kern-Interaktion�� 177
Abb. 3.9 Das digitale Geschäftsmodell von Facebook im schematischen
Querschnitt�� 179
Abb. 3.10 Die offiziellen Facebook-, Instagram- und WhatsApp-Nutzerzahlen
in 2016 [ROTH]�� 181
Abb. 3.11 Die vier miteinander verbundenen Regulierungsleitprinzipien nach
David Hantman [HAG]�� 199
Abb. 3.12 Das Aufbauschema digitaler Start-up-Plattformen �� 202
Abb. 3.13 Das Aufbauschema etablierter Pipeline-Unternehmen zu digitalen
Plattform-Unternehmen�� 205
Abb. 3.14 Das Axel Springer-Geschäftsmodell mit digitaler Plattform nach
der digitalen Transformation. (Erweitert nach [AXSP, SPRI, JA03])�� 206
Abb. 4.1 Die Anatomie des expandierenden digitalen Geschäftsmodells von
Google zu Alphabet [JA03]�� 214
Abb. 4.2 Das digitale Plattform-Gesundheitsuniversum mit Ökosystem [JA03]�� 220
Abb. 4.3 Funktionale Abbildung der Smart Senior-Gesamtsystem-Architektur
[SMASE01]�� 227
Abb. 4.4 Physikalische Abbildung der Smart Senior-Gesamtsystem-Architektur
[SMASE01]�� 228
Abb. 4.5 Social Physics prognostiziert Verhaltensmuster in der sozialen Welt
[http://www.istockphoto.com]�� 232
Abb. 5.1 Die Forschungsabteilung „X“ und die Moonshot-Blaupause�� 259
Foto 1.1 Die Architektur von Oscar Niemeyer in Brasilia

[http://www.istockphoto.com]�� 6
Foto 1.2 Der im Bau befindliche Apple Campus 2 [http://www.istockphoto.com]�� 7
Foto 5.1 Das Auge von HAL 9000 [http://www.fotolia.de]�� 257

Prolog: Digitalisierung und das Dilemma
der Disruption 1
„Technologie katalysiert Veränderung – in dem, wer wir sind, was

wir denken und tun. In der Beziehung zu uns, zu anderen und zu
der Welt.“
(Sherry, Turkle)
Die Geburtsurkunde des „World Wide Webs“ befindet sich in einer Glasvitrine in der
Großforschungseinrichtung für Teilchenphysik CERN in Genf. Dort konnte ich den Kom-
mentar von Mike Sendell, dem damaligen Vorgesetzten von Tim Berners-Lee zu seinem
Projektantrag mit dem Titel „Informationsmanagement“ lesen: „Vage, aber hochinteres-
sant“. Der Projektantrag befasste sich mit den offensichtlichen Schwächen der damaligen
Kommunikations-Infrastruktur am CERN [CHRIS]. Berners-Lee wollte den über die
ganze Erde verteilten Wissenschaftlern für ihre Projekte am CERN ein verteiltes Arbeiten
ermöglichen. In seinem 1999 erschienenen Buch „Der Web Report“ schrieb Berners-Lee
über die Motivation zu seinem Projektantrag: „Ein Großteil der entscheidenden Informa-
tionen existiert nur in den Köpfen der Leute“ (am CERN). Der britische Informatiker und
Physiker Berners-Lee wollte dieses Problem durch die Etablierung eines umfassenden
Informationsnetzes beseitigen. Dazu formulierte Berners-Lee in seinem Projektantrag fol-
gende damals revolutionäre Kernthesen: „Wir sollten ein universelles, verbundenes Infor-
mationssystem anstreben, in dem Allgemeingültigkeit und Portabilität wichtiger sind als
aufwendige Grafiktechnik oder komplexe Extras. Die Lösung: Hypertext. […] Von Men-
schen lesbare Informationen, die ohne Einschränkungen verknüpft werden können. Die
Informationen speichernde Software muss von der Darstellungs-Software getrennt wer-
den, die Schnittstelle muss klar definiert sein“ [CHRIS, WIKI09, W3].
© Springer Fachmedien Wiesbaden GmbH 2017 1

M. Jaekel, Die Macht der digitalen Plattformen,
https://doi.org/10.1007/978-3-658-19178-8_1
2 1 Prolog: Digitalisierung und das Dilemma der Disruption
Heute sind die Ideen von Berners-Lee – Hyperlinks und Web-Seiten, abrufbar mit
jedem Computer und Betriebssystem und ein nutzbares Wissensnetz, in dem die Inhalte
auf Millionen Servern weltweit verstreut sind – gelebter Alltag [CHRIS]. Aber die Revo-
lution des World Wide Webs vollzog sich nicht unmittelbar explosionsartig. Zuerst musste
innerhalb des CERN und bei europäischen Universitäten Überzeugungsarbeit geleistet
werden. Ab 1991 nahm die revolutionäre Entwicklung des World Wide Webs aber unauf-
hörlich Fahrt auf. Besonders hervorzuheben ist die bewusste Entscheidung von Berners-
Lee, seine Ideen und technischen Informationen nicht zu patentieren, sondern frei und
offen weiterzugeben. [WIKI09]. Diese Entscheidung machte das World Wide Web zu
einem offenen, erweiterbaren und universellen System. Die damalige Prognose von
Berners-Lee, in „einigen Jahren werde der Rest der Welt dieselben Probleme haben, mit
denen das CERN kämpft“ [W3], offenbart den Urknall einer revolutionären Idee, die
wesentlich zur Expansion der Digitaluniversums beiträgt. Zu der Prognose kam es aus der
damaligen Weltsicht und Weitsicht von Berners-Lee: „CERN is a model in miniature of
the rest of world in a few years time“ [W3].
Mit seiner Vision, das Wissen der Menschheit durch Vernetzung und Dezentralisation
frei zugänglich zu machen, revolutionierte Berners-Lee die Welt. Das World Wide Web
enthält heute mehr als eine Billion Dokumente und wird von mehr als 3,5 Mrd. Menschen
genutzt. Die Anzahl der Internetnutzer wird Prognosen zufolge in Kürze auf über 4 Mrd.
Internetnutzer weiter ansteigen [STAT]. Denn immer mehr Menschen in allen Teilen der
Welt können insbesondere dank der starken Verbreitung günstiger mobiler Endgeräte wie
Smartphone oder Tablet auf das Internet zugreifen. Und mit der zunehmenden Vernetzung
weiterer Hardware-Komponenten wie Haushaltsgeräte, PKW, Industrieroboter und Indus-
triemaschinen wird die Anzahl angeschlossener „Nutzer“ an das World Wide Web expo-
nentiell weiter steigen. So sollen bis 2020 mehr als 20 Mrd. Geräte mit dem Internet
verbunden sein. Laut dieser Prognose von Gartner sind es heute bereits 4,9 Mrd. Geräte,
die mit dem Internet verbunden sind.
Der Netzwerkausrüster Cisco hingegen geht von einem weitaus größeren Wachstum
aus. Bereits 2013 prognostizierte Cisco, dass bis 2020 rund 50 Mrd. Dinge mit dem Inter-
net verbunden sein werden [SCHI]. Unabhängig von den jeweiligen Prognosen weist das
Internet ein unaufhörliches Wachstum auf und wandelt sich kontinuierlich. Das erschwert
aber auch das Verständnis des World Wide Webs. Dabei hilft es auch nicht beim Anschluss
von Geräten ans Internet von einem „Internet der Dinge“ zu sprechen. Es ist immer das
weitgehend offene, expandierende und universelle World Wide Web. Wir sind in Bezug
auf das Verständnis des Internets gefangen in einer Sprachnot, die sich durch konstruierte
Begriffe wie „das Internet der Dinge“, „Industrie 4.0“ oder „mobiles Internet“ nicht auf-
heben lässt. Das bringt Eric Schmidt Ex-CEO von Google sehr klar zum Ausdruck, wenn
er sagt: „Das Internet ist das erste von Menschenhand erschaffene Ding, das der Mensch
nicht versteht. Es ist das größte Experiment in Anarchie, das es jemals gab“ [CIV].
Über den Internetbrowser lassen sich gängige Webseiten wie „Amazon“ oder „eBay“
suchen und abrufen. Aber diese offenen, leicht zugänglichen Seiten bilden nur die sicht-
bare Oberfläche des World Wide Webs. Denn das quasi virtuell darunter liegende „ Darknet“
1 Prolog: Digitalisierung und das Dilemma der Disruption 3
(das dunkle Netz) ist nicht so leicht zu erreichen und anders aufgebaut als das offene
Internet. Mit dem Darknet beschreibt man in der Informatik ein Peer-to-Peer-Overlay-
Netzwerk, dessen Teilnehmer die Netzwerkverbindungen untereinander manuell herstel-
len; im Gegensatz zum offenen Internet, bei dem die Verbindungen zu fremden Personen
automatisch und willkürlich initiiert werden [DARK]. Mit Darknet ist ein verschlüsselter
Teil des Internets gemeint, der parallel zu vielen anderen Diensten in den Netzen läuft
[KURZ]. Zu erreichen ist der dunkle Teil des Internets nur über spezielle Software wie
beispielsweise den Tor-Browser. Mit dem Tor-Browser werden die Verbindungsdaten der
Internet-Nutzer mittels „Onion-Routing“-Technik anonymisiert. Dadurch werden Anfra-
gen auf wechselnden Routen über verschiedene Server umgeleitet, die so jeweils nicht das
eigentliche Ziel kennen. Die Kommunikation gelangt nach dem Passieren verschiedener
Stationen über einen Exit-Knoten wieder ins offene Netz. Dadurch sollen Sender und
Empfänger anonym bleiben. Mit dem Tor-Browser kann man neben dem offenen Internet
auch auf im Darknet existierende sogenannte „Hidden Services“ (verborgene Dienste)
zugreifen. Dabei handelt es sich in der Regel um anonym betriebene Webseiten und Ser-
ver, die weder über die IP-Adresse oder eine klassische Internetadresse wie www.google.de
oder www.ard.de angesteuert werden [GRU].
Der aufmerksame Leser mag direkt zu dem Schluss gelangen, dass dies der ideale Ort
für Kriminelle sei. Tatsächlich werden im Darknet zahlreiche illegale Geschäfte abgewi-
ckelt und mit der virtuellen Währung Bitcoin (siehe Abschn. 1.1) bezahlt. Zu den digitalen
Darknet-Marktplätzen zählte auch die 2013 geschlossene digitale Plattform „Silk Road“,
auf der auch Waffen- und Drogenhändler ihre Geschäfte abwickelten [GRU, KURZ]. Das
Darknet ist aber per se nicht illegal, solange nichts Illegales dort unternommen wird. So
wird das Darknet legal auch von Journalisten, von Menschenrechtsorganisationen, Whist-
leblowern oder von Menschen, die sich aus anderen Gründen schützen müssen, genutzt.
Der Sprecher des Chaos Computer Clubs, Linus Neumann, schätzt das Darknet wie folgt
ein: „Das Darknet ist das Internet, wie man es sich eigentlich wünschen würde. Ein Netz
ohne Zensur und Überwachung, mit all seinen Vor- und Nachteilen“ [DARK]. Darauf
bezieht sich der Geschäftsführer der Menschenrechtsorganisation Reporter ohne Grenzen
(ROG), Christian Mihr, wenn er auf die Kommunikation per Darknet in Ländern wie
Syrien oder den Iran verweist. Weiter sagt Mihr, dass auch in Deutschland gerade das
Darknet relevant würde, da „auch hier […] das Internet immer mehr überwacht“ werde
[BÖ]. Mit zunehmender Überwachung steige „die Zahl derer, die die Anonymität von
Darknets schätzen lernen“. Jeder hat ein Recht auf „anonyme Kommunikation“, und eine
Gleichsetzung von Kriminalität und Darknet sei „brandgefährlich“ [DARK, BÖ]. Neben
dem Darknet ist auch noch der häufig synonym genannte Begriff „Deep Web“ abzugren-
zen. Die Abgrenzung beruht auf dem Zugangsweg. Während Deep-Web-Seiten per nor-
malem Browser abrufbar sind, funktioniert dies bei Darknet-Seiten nicht [GRU, DARK].
Die obigen Ausführungen zum World Wide Web spannen ein expandierendes virtuelles
Universum, das man kaum verstehen und auch nicht anfassen kann. Das Internet als virtu-
eller Raum erzeugt eine Sogwirkung, die mangels Greifbarkeit etwas Amorphes hat und
doch real ist. Wenn wir das Internet aber schon nicht verstehen, können wir uns doch
f ragen was das Internet „macht“. Man könnte sagen, das Internet führt zu einer zunehmen-
den Virtualisierung des Lebens. Dabei sollte man aber nicht dem Irrtum abwesender
Realität verfallen: „Virtualität ist nicht die Abwesenheit von Realität, sondern von Körper-
lichkeit“ [HÄU]. Mit der Abwesenheit von Körperlichkeit haftet der Virtualisierung des
Lebens der Makel der Künstlichkeit beziehungsweise des Nicht-Realen an. Dann aber
wäre das Internet ein nicht-realer Raum und das, was wir darin tun auch nicht real. Mit
dieser Annahme zeigt sich die oft belächelte digitale Kränkung des Sascha Lobo. Wir
werten dann die Kommunikation über digitale Median ab [SCHÖ] und bringen nicht nur
die digitalen Medien in einen bedenklichen Abstand zu uns.
Auf dem World Economic Forum in Davos hat Eric Schmidt in diesem Zusammenhang
auf einer Podiumsdiskussion zum Thema „Die Zukunft der digitalen Wirtschaft“ das Ver-
schwinden des Internets prognostiziert [T3]. So als würde das Internet amorph und die
Offline- mit der Online-Welt zur Virtualisierung des Lebens verschmelzen (siehe
Abschn. 4.4). Eric Schmidt meinte mit seiner Prognose nicht das Ende des Internets. Viel-
mehr wird das Internet einfach Teil unseres Daseins, die ganze Zeit. Denn es werde so
viele IP-Adressen geben, so viele Geräte und Sensoren, mit denen man interagiere, so dass
das Internet überhaupt nicht mehr als solches spürbar sein werde, so Schmidt [T3]. Zumin-
dest umschreibt Eric Schmidt das Gefühl einer allgegenwärtigen Vernetzung. Damit geht
die Vorstellung einher, „dass das Internet in die Ritzen der Unwahrnehmbarkeit diffundiert
und sich im Alltag verflüchtigt“ [KÖ]. Weiter schreibt der Autor Sascha Kösch in seinem
Essay „Internet Macht Dicht: Geschlossene Gesellschaft“ von einem Wandel des Internets
von einer Aktivität zu einem Seinszustand. Mit dem Internet als allgegenwärtigen, nicht
mehr wahrgenommenen Seinszustand „droht ganz nebenbei das seit Jahren umkämpfte
Grundprinzip der Offenheit in einem neuen Unwissen zu verschwinden, einem neuen
Unbewussten“ [KÖ]. Zu einer fast deckungsgleichen Einschätzung kommt auch der Phi-
losoph Luciano Floridi in seinem Buch „Die 4. Revolution: Wie die Infosphäre unser
Leben verändert“. Diese Einschätzungen überzeichnen die Realität. Man sollte jetzt nicht
den Eindruck bekommen, dass der Mensch dann nicht mehr zwischen Online- und Offline-
Welt klar unterscheiden kann (siehe Abschn. 4.4).
Der sich selbst als Interneterklärer verstehende Medienjournalist Sascha Lobo gab
überraschenderweise in einem Artikel in der FAZ vom 11.01.2014 zu, sich geirrt zu haben:
„Trotz Fachwissens nicht für möglich gehalten zu haben, was Realität ist – das war meine
Naivität“ [LOBO2]. Dieses Eingeständnis ergab sich aus dem durch Edward Snowden
aufgedeckten Spähskandal und die damit verbundene „Totalüberwachung des Internets“
[LOBO2]. Weiter schreibt er: „Das Internet ist nicht das, wofür ich es gehalten habe.“
Daraus leitet Lobo die vierte Kränkung der Menschheit ab. Ausgehend von dem Konzept
der drei Kränkungen der Menschheit von Sigmund Freud postuliert Lobo die vierte Krän-
kung der Menschheit als „digitale Kränkung der Menschheit, der größte Irrtum des Netz-
zeitalters“ [LOBO2]. Die digitale Kränkung der Menschheit macht für Lobo aus, dass das
„was so viele für ein Instrument der Freiheit hielten, doch aufs Effektivste für das exakte
Gegenteil genutzt wird“ [LOBO2]. Für ihn ist das Internet kaputt, „die Idee der digitalen
Vernetzung ist es nicht“. Diese Schlussfolgerung kommt ziemlich kryptisch daher, zeigt
aber erneut auf, wie wenig wir das Internet verstehen. Zumindest fordert Lobo eine „posi-
tive Digitalerzählung“, also ein verändertes digitales Narrativ, „die auch unter erschwerten
Bedingungen in feindlicher Umgebung funktioniert“ [LOBO2]. Viele Fragen tun sich hier
auf, mit denen wir uns alle in unserer Gesellschaft beschäftigen und in den öffentlichen
Diskurs gehen sollten. Die Antworten auf diese Fragen wird nur die menschliche Gemein-
schaft in einem langfristigen Aushandlungsprozess finden und nicht ein global vernetztes
Internet-Unternehmen.
Wenn das Internet und die digitale Technologien „verschwinden“, versucht der Mensch
dennoch das virtuelle Universum „fassbar“, also „körperlich“ zu machen. Dies zeigt sich
eindrücklich in einem ästhetischen Ausdruck der Digitalmoderne. So finden das weltum-
spannende Internet und die neuen digitalen Technologien einen ästhetischen Ausdruck in
der modernen Architektur. Den Grundstein für den ästhetischen Ausdruck der Digitalmo-
derne legte der im Jahr 2012 verstorbene Star-Architekt Oscar Niemeyer. Es sind seine für
die damalige Zeit revolutionären und stilbildenden Gebäude, erbaut in Brasila. Vor allem
sind es der Präsidentenpalast „Palacio do Planalto“, der oberste Gerichtshof und der Nati-
onalkongress. Durch diese Formen wird eine ästhetische Verbindung zwischen Architek-
tur und Kunst hergestellt. Niemeyer sprach davon, eine „Symphonie der Formen“ erschaffen
zu haben. Er schuf Säulen in Segelform und schalenförmige Kuppeln [ARTETUDE,
NIEMEY, JA02]. In dieser architektonischen Linienführung der Fassaden und tragenden
Säulen der Gebäude zeigt sich eine Schönheit, die aus der Kombination von Architektur
und Kunst entsteht. Oscar Niemeyer formulierte in seinen Memoiren diese architektonische
Grundhaltung wie folgt: „Es ist nicht das Rechtwinklige, was mich anzieht. Auch nicht die
vom Menschen geschaffene, gerade, harte, starre Linie. Was mich anzieht, ist die freie,
sinnliche Kurve, die ich in den Bergen meines Landes finde, im mäandernden Lauf seiner
Flüsse, in den Wolken des Himmels, im Leib der geliebten Frau. Das ganze Universum ist
aus Kurven gemacht. Das gekrümmte Universum Einsteins“ [NIEMEY, ARTETUDE,
JA03]. Mit seiner Architektur suchte Oscar Niemeyer eine vollkommene Harmonie
zwischen den runden Gebäudeformen, dem umgebenden Raum und die Symbiose aus
Architektur mit Kunst (siehe Foto 1.1).
Die Ideen von Oscar Niemeyer, insbesondere die Idee der Kurve, bilden den ästheti-
schen Ausdruck und damit fassbaren Aspekt der Digitalmoderne. Die überraschender-
weise im vergangenen Jahr verstorbene und wohl bedeutendste Architektin unserer Zeit,
Zaha Hadid, antwortete in einem Interview auf die Frage, was denn der Grund für die
Abkehr vom rechten Winkel sei: „Ich denke, dass die Komplexität und Dynamik des heu-
tigen Lebens nicht mehr hineinpassen in die einfachen platonischen Gitter des industriel-
len Zeitalters“ [KIE]. Zaha Hadid ging es darum, eine neue architektonische Sprache zu
entwickeln, die in der Lage ist, das gestiegene Level sozialer Komplexität zu organisieren
und auszudrücken. Das reicht von der Planung einzelner Gebäude bis hin zu ganzen
Stadtvierteln.
Die Architektin versuchte, mit einer fließenden, dynamischen Architektur die unter-
schiedlichen Funktionen eines Gebäudes oder eines ganzen Stadtteils zu verbinden und
Übergänge zwischen privatem und öffentlichem Raum herzustellen [JA02]. Völlig zu
Foto 1.1 Die Architektur von Oscar Niemeyer in Brasilia [http://www.istockphoto.com]
Recht wird Zaha Hadid in der New York Times vom 2. Juni 2006 als „eine Diva des digi-
talen Zeitalters“ bezeichnet. In den früheren Design-Arbeiten von Zaha Hadid werden die
Netzwerke, die doch ein dominantes Element der Entwicklung der Digitalmoderne dar-
stellen, bereits vorweggenommen: „a city of ebbs and flows in which each building is
conceived as a fragment of a larger urban vision“ [OUROU]. Die von Zaha Hadid verwirk-
lichten Gebäude, die eine Weiterentwicklung von Oscar Niemeyers Formensprache dar-
stellen, lassen sich als Teil eines kontinuierlich fluiden urbanen Musters bezeichnen. Mit
dieser Formensprache schlägt Zaha Hadid die Brücke zwischen der aufkommenden
Modernität eines Oscar Niemeyer und der heutigen Digitalmoderne. In der Digitalmo-
derne werden die Ideen von Oscar Niemeyer und Zaha Hadid vor allem von den Avantgar-
disten der digitalen Welt in eine Designsprache transferiert. So wird bei Apple das Design
als neues Paradigma in der Digitalmoderne nicht nur bei der Entwicklung von digitalen
Endgeräten erhoben. Beim Design des neuen Unternehmenssitzes von Apple in Cupper-
tino an der Infinity Loop 1 entsteht ein einziges in Beton gegossenes und mit viel Glas
ummanteltes rundes Gebäude, wie ein Ring (siehe Foto 1.2). Hier liegt die Analogie zu der
Unternehmensadresse: Infinity Loop – Unendlicher Ring. Als Steve Jobs, der legendäre
Gründer und CEO von Apple, das Projekt AC2, so der Kürzel für den Bau des Unterneh-
menssitzes, den Stadträten von Cuppertino präsentierte, sagte er: „Es ist ein bisschen so
wie ein Raumschiff, das gelandet ist“ [STAT].
Der Rohbau ist nur aus Beton und damit „dumm“ [STAT], so der Apple-Manager Dan
Whisenhunt, der bei Apple für das neue Betriebsgelände verantwortlich ist. Nachdem die
Foto 1.2 Der im Bau befindliche Apple Campus 2 [http://www.istockphoto.com]
mehr als 800 großen Glasscheiben den Betonbau ummanteln, wird das runde Gebäude mit
digitalen Technologien „intelligent“ gemacht. Nach dem weltweit renommierten Archi-
tekten Rem Kohlhaas aber verliert damit die Architektur ihre Neutralität. Denn durch digi-
tale Technologien, Raumthermostate, Kameras und Sensoren werden immer größere Teile
unseres Lebens aufgezeichnet. Konnte man früher sicher sein, dass „ein Raum keine
Informationen weitergibt, ist das nicht mehr selbstverständlich“ [MAAK]. Ganz anders
sieht es der Apple-Manager Whisenhunt, der von einer inspirierenden und transparenten
Arbeitsumgebung spricht, die da entstehen soll: „Es wird eine einmalige Arbeitsumge-
bung werden, transparent und die Gemeinschaft fördernd“ [GRO]. Ganz Getreu dem
Motto im Silicon Valley „Connect and Share“. So steht es auch in der Projektskizze „Apple
Campus 2“ vom November 2012 unter den Zielen des Projektes: „Promote shared creati-
vity and collaboration and spur invention of the next several generations of Apple pro-
ducts“ [AC2]. Dennoch ist mit dem Bau des AC 2 eine große Enttäuschung verbunden.
Der Sprecher der Stadt Cuppertino Rick Kitson stört sich daran, „dass der Campus nicht
für die Öffentlichkeit zugänglich sein wird“ [GRO]. Diese Nichtzugänglichkeit für die
Öffentlichkeit begründete Steve Jobs damals mit der Notwendigkeit erhöhter Sicherheit
und des Datenschutzes [AC2]. Der Star-Architekt Rem Kolhaas identifiziert hier einen
„Teil eines paradigmatischen Wandels, der so noch gar nicht beschrieben wurde“ [MAAK].
Für Rem Kohlhaas ist das Neue daran eine neue Idee von öffentlichem Raum. Damit meint
Koolhaas „einen offenen Raum ohne Öffentlichkeit, aber immerhin noch einen Raum,
über den nachgedacht werden muss“ [MAAK].
In diesem kurzen Abriss wurde der Zusammenhang zwischen dem Internet, den digita-
len Technologien und der modernen Architektur skizziert. Damit eröffnet sich ein expan-
dierendes Digitalspektrum mit einem Anfang bei Tim Berners-Lee und einem nicht zu
bestimmenden Ende. Innerhalb dieses digital vernetzten und expandierenden Universums
kann man leicht die Orientierung verlieren. Im folgenden Abschnitt versuche ich eine
Orientierung über das Bermudadreieck der Digitalisierung zu vermitteln. Die dabei lei-
tende Kernfrage lautet: Was ist die Digitalisierung?
1.1 Das Bermudadreieck der Digitalisierung
Auf einer im September 2016 stattgefundenen Veranstaltung des Fraunhofer-Institut für

Arbeitswirtschaft und Organisation IAO in Stuttgart mit dem Titel „Morgenstadt-
Werkstadt“ wurde fachkundig über urbane Innovationen gesprochen. Es ging um urbane
Innovationen im Kontext von Smart Citys (siehe Kap. 2). Ein Vortrag mit dem vielverspre-
chenden Titel „Digitalisierung als Werkzeug der Evolution“ führte bei mir zu einem
„Aha-Erlebnis“ der besonderen Art. Gespannt folgte ich den Ausführungen von Herrn
Dr. Markus Junginger, Vertreter der Firma MHP (a Porsche Company). Schon der Anfang
des Vortrages offenbarte eine Überraschung. So meinte Junginger, einen sehr lehr leichten
Vortrag zu haben, denn jeder von uns Anwesenden würde unter der Digitalisierung etwas
anderes verstehen; so als ob die Digitalisierung etwas Beliebiges oder in Jungingers For-
mulierung einen „Klapperbegriff“ [JUN] darstellte. Zunächst hielt ich das Wort „Klapper-
begriff“ für eine schwäbische Sprachkuriosität. Dies stellte sich bei Nachfrage von
Anwesenden aber als falsch heraus. Weder der Duden noch Wikipedia konnten eine Erklä-
rung liefern. Über die Recherche im World Wide Web fand ich dann eine schlüssige Erklä-
rung: „Klapperbegriffe senken das Risiko der Kommunikation ab. Sie bedeuten nichts“
[HIL]. Nur wenn der Begriff Digitalisierung einen Klapperbegriff darstellt und nichts
bedeutet – wozu dann noch darüber reden?
Hier offenbart sich erneut das grundlegende Problem der Sprachnot in Bezug auf digi-
tale Technologien. Die vom Menschen erschaffene Digitalisierung folgt eigenen Regeln:
„Digitalisierung ist ein Prozess, der sich vollzieht“ [BUN]. Damit gemeint ist, dass die
Technologie ein Eigenleben führt und sich nach einhelliger Meinung der Philosophen
unserem Zugriff entzieht [BUN]. Aus dieser Sprachnot ergeben sich Wortneuschöpfungen
zur Heilung der Sprachnot gegenüber einer zunehmend allgegenwärtigen Technologie.
Die Digitalisierung durchdringt alles und jeden – sie vollzieht sich. Aus diesem Umstand
werden Begriffe wie „Internet der Dinge“, „Sharing Economy“ oder „Digital Lifestyle“
(siehe Abb. 1.1) kreiert, die für mich nur Symptome der Digitalisierung darstellen. Ver-
schärft wird die Situation, wenn dann noch renommierte Autoren wie Jeremy Rifkin beim
Internet eigentlich von einer Dreiteilung des Internets sprechen: „Kommunikationsnetz,
1.1 Das Bermudadreieck der Digitalisierung 9
Kompetenzstandardisierung
Schnelligkeit, Effizienzsteigerung
Datensturm Virtualisierung
Crowdification
Social Media (Publikationsmedium)
Flexibilität (Sourcing over Internet)
Personalisierung, Granularisierung
Digital Lifestyle
Internet der Dinge
Sharing Economy
Gamification Zentralisierung der Kundenschnittstelle
Predictive Analytics User-Generated Content / Co-creation

Disruption
Suitstorm
Start-up-Mentalität
(Trial and error in Unternehmen)
Digitale Technologien
Abb. 1.1 Das chaotische Konzert der Digitalisierungssymptome [http://www.istockphoto.com,

Hintergrundbild]
ein Energienetz und ein Transportnetz“ [HEU]. Der Philosoph Hans Blumenberg hat die-
ses Problem einmal treffend wie folgt formuliert: „Die Sphäre der Technik leidet unter
Sprachnot, unter einem Kategoriendefekt, […] unsere Bildungsideale und Bildungsinhalte
(bieten) keine Hilfe für eine temperierte Einstellung zur Technik“ [BUN, BLUM]. Und
was jetzt – werden Sie sich fragen? Stellen wir uns dieser Sprachnot und versuchen wir
Orientierungspunkte der Digitalisierung zu identifizieren, ohne im genannten Begriffs-
rausch unterzugehen.
Im Gegensatz zu vielen anderen Autoren erkennt der bereits zitierte Internetblogger
Sascha Lobo die Sprachnot der Digitalisierung, wenn er schreibt: „Man sagt Internet, aber
Apps gehören in der Regel nicht dazu. Man sagt Netz, aber Android kann damit kaum
gemeint sein. Man sagt Web, aber Ebooks haben damit wenig zu tun. Aber Begriffe prägen
Diskussionen und damit die zukünftige Entwicklung.“ So schlägt Lobo dann vor: „…
deshalb soll der Begriff ,Digitale Sphäre‘ für alles stehen, was elektronisch und datenba-
siert funktioniert“ [LOBO05]. Der Begriff „Digitale Sphäre“ als sprachliches Erklärungs-
muster für die Digitalisierung greift noch zu kurz. Denn in Sphären kann man sich leicht
verlieren, vor allem in einem expandierenden Digital-Universum mit einem kaum greifba-
ren Eigenleben. Dennoch lässt Lobo hier aufblitzen, wie eine Orientierung in der Digital-
moderne möglich sein könnte. Ich werde diese Aspekte im weiteren Verlauf des Kapitels
weiter auffächern.
In ihrem Buch „Die stille Revolution“ versucht Mercedes Bunz einen Zugang zum
Verständnis von Technologie über „Die vier Momente der Technologie“ [BUN]. Dazu
zählt die technische Funktionalität, die sich deutlich von der Kulturtechnik unterscheidet,
„die sich mit ihr etabliert, und beide determinieren wiederum nicht, auf welche Weise
Technologie als Gesellschaftstechnik verwendet wird und politisch zum Einsatz kommt“
[BUN]. Zu diesem Konzert der technologischen Momente tritt noch die „technische
Geste“. Die technische Geste fasziniert insbesondere die Philosophie schon seit langem.
Die Bezeichnung technische Geste kann als „eine Art Struktur der Technologie“ verstan-
den werden, „die sich mit jeder neuen technischen Revolution wieder und wieder verän-
dert“. Bei der Digitalisierung wird zudem fragmentiert und verteilt – die Flexibilisierung
und Vernetzung stellen dabei die wichtigsten Aspekte dar [BUN, KUCK]. Bunz spricht bei
dem komplexen Zusammenspiel der vier Momente der Technologie von einer „techni-
schen Disposition“. Die technische Disposition charakterisiert, wie Technik begriffen
beziehungsweise rezipiert wird (siehe Abb. 1.2)
Am Beispiel des Plattformriesen Google lassen sich diese theoretischen Überlegungen
praktisch nachvollziehen (siehe Abb. 1.3)
Bei der technischen Funktionalität stellen wir hier auf den Suchmechanismus der
Internet-Suchmaschine Google ab. Die Sucheingaben der Nutzer über die schlichte Such-
maske von Google werden an die riesigen Rechenzentren weitergeleitet, auf denen das
World Wide Web in großen Teilen indexiert ist. Zur Indexierung des World Wide Webs
nutzt Google Softwarebots beziehungsweise Webcrawler, die ständig auf der Suche nach
neuen Seiten im Internet sind. Die so aufgefundenen Webseiten werden in den riesigen
Serverfarmen mittels Algorithmen aufbereitet und analysiert. Die Algorithmen analysie-
ren somit Kopien der im World Wide Web befindlichen Webseiten. Dabei werden spezifi-
sche Aspekte der Webseiten analysiert und bewertet: Metadaten wie die Webadresse, die
IP-Adresse des anfragenden Computers, Links auf der Seite, bestimmte Begriffe im Fließ-
text, Unterseiten derselben Webadresse und so weiter. Daraus ermitteln die Algorithmen
Technisches Dispositiv
Technische etabliert Kultur-

Funktionalität technik
Technisches Dispositiv Technisches Dispositiv
Gesellschafts- Technische
technik Geste
Abb. 1.2 Die vier Momente der Technologie. (Adaptiert in enger Anlehnung an [BUN])
etabliert
Technische Kultur-
Funktionalität technik
Google als daten- Kombination aus
sammelndes Digitalisierung
und -verarbeitendes von Wissen und
(Algorithmen) Kulturtechnik
Unternehmen des Suchens
Technisches Dispositiv Technisches Dispositiv
Gesellschafts- Technische
technik Geste
Das Internet ist Art/Struktur der
regulierbar, aber Technologie –
nicht voll- das digitale
umfänglich fragmentiert/
granuliert
Abb. 1.3 Google und die vier Momente der Technologie
die Relevanz der Webseiten bezogen auf die Suchanfrage und liefern entsprechende Such-
ergebnisse [BUN]. Zudem filtern die Algorithmen die Suchanfragen nach Standort und
Nationalität. Ein weiterer Aspekt kommt hinzu, der dabei hilft, ein Zitat von Eric Schmidt
(ehemaliger CEO von Google) einzuordnen: „Wir wissen, wo du bist. Wir wissen, wo du
warst. Wir können mehr oder weniger wissen, was du gerade denkst“ [SCHMI]. Da viele
Suchanfragen von Nutzern gleich oder sehr ähnlich sind, werden die Suchergebnisse nicht
immer neu angefragt. Vielmehr stehen die Ergebnisse zu diesen Suchanfragen quasi schon
in den Serverfarmen bereit. So betrachtet, hat die Suchmaschine bereits gefunden, wonach
wir suchen könnten, obgleich wir noch nicht danach gefragt haben. Das ist es, was Eric
Schmidt in seinem Zitat meint. Die so skizzierte technische Funktionalität der Suchma-
schine führt zu selektiven Suchergebnissen, orientiert an spezifischen Kategorien und nur
Teilgebiete der verfügbaren Informationen im World Wide Web umfassend. Das bedeutet,
dass wir als Nutzer die Suchergebnisse immer noch bewerten beziehungsweise interpre-
tieren müssen! Das wird in der allgemeinen Praxis gerne ignoriert und die Suchergebnisse
werden kritiklos „konsumiert“.
Das Vorgehen von Google führt zu einem Phänomen, das der amerikanische Internet
experte Eli Pariser als „Filter-Bubble“ beschrieben hat [PARI]. Anders ausgedrückt wird
durch die Suchmaschinenergebnisse die Realität auf die indexierten Webseiten und spezi-
fischen Kategorien durch Google eingeengt. Vergessen wir dabei nicht, dass Google nicht
auf viele Seiten innerhalb des Darknets oder geschlossener Netze innerhalb des Internets
zugreifen kann. Zum einen existiert das Phänomen der „Filter-Bubble“ durch die einge-
schränkte Sichtweise der Google-Suchergebnisse auf die Realität. Andererseits ist Google
bei weitem nicht so weit, zu wissen, wo wir sind, wo wir waren oder mehr oder weniger
zu wissen, was wir gerade denken.
Mit der technischen Funktionalität der Suchmethodik (über die Indexierung von Tei-
len des Internets und spezifischen Algorithmen zur Analyse dieser Webseiten) etabliert
sich eine Kulturtechnik des Suchens, also eine spezifische Art des Suchens über Such-
maschinen, die von Algorithmen optimierte Suchergebnisse liefern. Dies vollzieht sich in
Verbindung mit der Digitalisierung von Wissen. Ein weiteres Moment der Technologie
zeigt sich, wenn die Dienstleistungen von Google als eine Gesellschaftstechnik in einem
politischen Kontext betrachtet werden. Die Politik kann die Technologien zwar regulie-
ren, aber nicht vollständig kontrollieren beziehungsweise zensieren. So fordert beispiels-
weise Google die chinesische Regierung seit 2010 heraus. Trotz politischen Drucks und
unmissverständlicher Warnungen aus Peking bietet der digitale Plattformriese, der offizi-
ell nicht in China vertreten ist, chinesischen Nutzern über einen Umweg eine Suchma-
schine ohne Zensur an. Dazu wird jeder, der die Seite google.cn besucht, auf die Version
für Hongkong umgeleitet, in deren Ergebnissen politisch heikle Treffer nicht herausgefil-
tert werden [LEE].
Das vierte Moment der Technologie „Technische Geste“ zeigt sich bei Google und
nicht nur da in der Fragmentierung, Granularisierung [KUCK] der Realität durch das
Digitale. Diese Granularisierung der Realität in der Digitalmoderne geht einher mit einer
Personalisierung, hier in Form personalisierter Suchergebnisse, ganz zugeschnitten auf
das individuelle Suchverhalten, daraus abgeleitete Vorlieben oder Haltungen. Oder denken
Sie an das Nachrichtencenter bei der digitalen Plattform Facebook. Hier werden über aus-
gefeilte Algorithmen aus den unterschiedlichsten Quellen personalisierte Nachrichten
zusammengestellt. Wenn das geschieht, passiert etwas mit der individuellen Wahrneh-
mung von Realität, insbesondere dann, wenn die personalisierten Nachrichten bei Face-
book nahezu die einzige Nachrichtenquelle von Nutzern darstellen. Für eine Case-Study
über die Expansion und damit verbundene Ziele von Google zur Holding-Gesellschaft
Alphabet verweise ich auf das Buch „Die Anatomie digitaler Geschäftsmodelle“ [JA03].
Fassen wir das bisher Gesagte kurz zusammen: Innerhalb einer digitalen Sphäre etab-
liert sich eine technische Disposition. Beide verändern sich mit jeder technischen Revolu-
tion, um sich im Zeitablauf immer wieder neu auszutarieren. Die vier Momente der
Technologie bilden einen geeigneten Ansatz, um die Sprachnot in Bezug auf die Rezep-
tion von Technologie im Allgemeinen und digitaler Technologie im Speziellen in einem
ersten Schritt zu überwinden.
Durch die oben angesprochene Sprachnot und den daraus entstehenden Wildwuchs an
Begriffen zur Kennzeichnung der Digitalisierung, wird der Blick auf die gesellschaftlich
nutzbaren Potenziale durch die Digitalisierung verstellt. In den Vordergrund rücken ent-
weder Befürchtungen, dass die Digitalisierung zu negativen Folgen wie verminderter
Konzentrationsfähigkeit von Individuen, unkontrolliertem Verschwimmen der realen mit
der virtuellen Welt, das Aufkommen einer Transparenzgesellschaft ohne Rückzugsräume
und so weiter führt. Demgegenüber steht die ungezügelte Heilsideologie der Digitalmo-
derne, wie sie im Silicon Valley zelebriert wird. Es sind dies die scheinbar unaufhörlich
divergierenden Antipoden in der Diskussion über die aufziehende Digitalisierung
(siehe Abb. 1.4).
Divergierende
Gefahren der Antipoden Technologie Ideologie
Digitalisierung im “Silicon Valley”
Angst “Alles ist machbar

und gut”
Abb. 1.4 Die Antipoden in der Diskussion über die aufziehende Digitalmoderne
Diese Antipoden in der Diskussion über die expandierende digitale Sphäre behindern
einerseits ein besseres Verständnis der Digitalisierung und begrenzen andererseits gedank-
lich den Expansionsraum der digitalen Sphäre. Beleuchten wir kurz die gegensätzlichen
Auffassungen bei der Betrachtung der Digitalisierung.
Die Digitalisierung zahlreicher Lebensbereiche ist die Chiffre einer neuen Zeit, die sich
erst in groben Umrissen zeigt. An einen Rand der digitalen Sphäre sprechen die Gegner
der Digitalisierung von einer „Totalprotokollierung des Lebens“ und damit von einem
neuen Totalitarismus [HAN02, SPIE, JA03]. Das bringt der Philosoph Byung-Chul so
zum Ausdruck: „Die Bewohner des digitalen Panoptikums hingegen vernetzen sich und
kommunizieren intensiv miteinander. Nicht räumliche und kommunikative Isolierung,
sondern Vernetzung und Hyperkommunikation machen die Totalkontrolle möglich […].“
„Sie leben in der Illusion der Freiheit. Sie speisen das digitale Panoptikum mit Informati-
onen, indem sie sich freiwillig ausstellen und ausleuchten. Die Selbstausleuchtung ist
effizienter als die Fremdausleuchtung“ [HAN02]. Damit gemeint ist die unbekümmert
freiwillige Informationsfreigabe von persönlichen Daten auf digitalen Plattformen wie
Facebook, YouTube, Twitter oder beispielsweise auch bei der Nutzung kostenfreier
Google-Applikationen wie GMail, Google Docs und so weiter.
Die Datenweitergabe und -weiterverarbeitung geschieht, ohne dass es dem Nutzer
immer gegenwärtig ist. Denn die Algorithmen arbeiten im Verborgenen, ohne sich direkt
dem Nutzer zu offenbaren. In den AGB von Google & Co stimmt der Nutzer ausdrücklich
der Sammlung, Auswertung und Weitergabe der Daten zu. Andererseits zwingen Face-
book oder Google & Co die potenziellen und aktiven Nutzer nicht dazu, den jeweiligen
AGB zuzustimmen. Allerdings führt die Ablehnung der jeweiligen AGB zum Ausschluss
aus den spezifischen digitalen Plattform-Ökosystemen. Diese Macht der Plattformen oder
unsere Ohnmacht davor meint Byung-Chul, wenn er von der Illusion der Freiheit spricht
[HAN02]. Dies wird am Plattformgigant Alibaba deutlich. Sein digitales Plattform-
Ökosystem dominiert mit nahezu 80 % den chinesischen Online-Handelsmarkt [TAS],
inklusive Industriegüter.
Was heißt es, dort nicht vertreten zu sein beziehungsweise keinen Zugang zu erhalten?
Und welche Folgen haben die individuellen Suchanfragen über die digitale Suchmaschine
Google. Es werden Suchanfragen, persönliche Profile, das Kaufverhalten, Beiträge in
sozialen Medien, geschriebener Text in Google Docs und so weiter registriert, ausgewer-
tet und zur Optimierung von Werbeangeboten sowie zur Personalisierung von Plattform-
Diensten genutzt. Die Daten werden von den Nutzern der Google-Dienste freiwillig
weitergegeben, da die angebotenen Dienste scheinbar kostenfrei sind. Die Kosten für
den Nutzer liegen in der explizit zugestimmten Weitergabe mannigfaltiger persönlicher
Nutzerdaten.
Im nächsten Schritt werden die Nutzerdaten zur „Prognose“ menschlichen Verhaltens
genutzt (siehe Abschn. 4.2). So würde durch die Digitalisierung der Mensch dann in seinen
Bedürfnissen, seinem Geschmack, seinem Bild von dieser Welt gelenkt [SPIE] – folglich
zunehmend fremdbestimmt. Hinzu kommt bei den Menschen ein Gefühl der Unausweich-
lichkeit von digitalen Medien auf. Die Digitalisierung erscheint nicht mehr nur als eine Art
„Add-on“ unseres Lebens, sondern durchdringt alle Lebensbereiche und manifestiert sich
als neue „Daseinsform“. Hier schimmert wieder durch, dass die Digitalisierung einfach
geschieht, ohne dass wir entscheiden, ob das Wissen denn automatisiert und digitalisiert
werden soll oder eben nicht. Es entzieht sich uns die inhärente Logik der digitalen Tech-
nologie [BUN, KÖN]. Dieses Gefühl der scheinbaren Unausweichlichkeit digitaler Tech-
nologien kann sogar zu Entzugserscheinungen führen.
So kommt eine britische Studie über den Umgang mit digitalen Technologien zu dem
Ergebnis, dass fast die Hälfte aller Befragten den Umstand, nicht im Netz zu sein, als
Entzug empfindet [STEPA]. Zudem gibt es nicht wenige, die sich ohne Smartphone so
fühlen, als ob ihnen eine Hand fehlt [HÜ]. Das Smartphone wird auch als eine Art Partner
betrachtet. Man hat sozusagen „jemanden“ um sich, mit dem man vertraut ist, der zudem
verlässlich ist und der einem dabei hilft, an alles heranzukommen, was einen spontan
interessiert [RO, STRAU]. Mit diesem Partner wird auch eine neue Art von dauerhafter,
niederschwelliger Aufmerksamkeit möglich. So versenden Teenager ein paar tausend
WhatsApp-Botschaften via Smartphone pro Monat. Diese granulierten Informations-
schnipsel erzeugen ein Gefühl der Verbundenheit mit den anderen Smartphone-Nutzern
der digitalen WhatsApp-Kommunikationsplattform.
Dieses Phänomen wird auch als „ambient awareness“ bezeichnet [KUCK]. Übersetzen
lässt sich dieser Begriff mit der Erfahrung eines omnipräsenten Bewusstseins über den
eigenen sozialen Kosmos durch die konstante Nutzung („always-on“) sozialer Medien
[WIKI13]. Man hat also ständig das Gefühl, in die sozialen „Medien-Welten“ der eigenen
„Freunde“ einzutauchen und in Echtzeit über alle Änderungen informiert zu sein. Einer
der renommiertesten Hirnforscher Deutschlands, Gerald Hüther, kommt in seinem Buch
„Jedes Kind ist hochbegabt“ noch zu einer weiteren Beobachtung der Digitalisierung:
„Manche sagen, wenn die Pest die Krankheit des Mittelalters war, ist diese Verhaltensstö-
rung (ADHS – Aufmerksamkeits- und Hyperaktivitätssyndrom) die Pest der digitalen
Moderne“ [HÜ]. Den „Beweis“ von Byung-Chuls Behauptung der Totalprotokollierung
des Lebens und dem Aufkommen eines neuen Totalitarismus lieferte tendenziell die
NSA – wenn auch nicht freiwillig, denn dazu bedurfte des sogenannten „Whistleblowers“
Edward Snowden. Das ganze Ausmaß der Überwachungsaktivitäten der NSA und assozi-
ierter Unternehmen in Verbindung mit den Daten akkummulierenden Unternehmen wie
Google, Facebook, Amazon und so weiter legen den Schluss einer nahezu vollständigen
Totalprotokollierung des Lebens nahe.
Warum aber wenden wir uns dann nicht von den digitalen Technologien ab? Mercedes
Bunz meint in einem Artikel: „Es scheint, dass unsere Beziehung zur Technik nachhaltig
gestört ist. Wir brauchen eine Kur“ [BU]. Digitale Abstinenz? Nein, mit dieser Kur meint
Bunz eine Regulierung der um sich greifenden Digitalisierung und damit digitaler Platt-
formen. Diesen Aspekt betrachte näher ich in Abschn. 3.6. Die Möglichkeit, „offline“ zu
sein, gibt es immer. Jedes digitale Gerät mit Zugang zum Internet hat einen Ausschalt-
Knopf. Noch kann man sehr viele Aspekte des Lebens analog bestreiten. Aber die rein
analogen Bereiche schwinden langsam und weichen der zunehmende Digitalisierung.
Fragen Sie doch mal bei Ihrer Bank nach, ob analoge Überweisungen noch von der Bank
gewünscht und kostenfrei sind.
Am anderen Ende des Diskussionsspektrums der expandierenden digitalen Sphäre
behaupten die Propheten der Digitalisierung, dass sich der Mensch zu einen um künstliche
Vernunft erweiterten Wesen – zum „homo augmented“ sozusagen [SPIE] erweitert.
Dadurch verschwinden zunehmend die Grenzen zwischen Mensch und Maschine und ver-
schmelzen miteinander. Dem Menschen steht das Wissen der Welt jederzeit an jedem Ort
zur Verfügung, behaupten die Repräsentanten der Plattformgiganten aus dem Silicon Val-
ley. Genau dieses Welt-Wissen, beziehungsweise die Informationen der Welt, beabsichtigt
Google zu organisieren und für alle zu jeder Zeit zugänglich und nutzbar zu machen. So
erlangt der Mensch mit der Digitalisierung erst die Möglichkeit zur vollständigen Nutzung
seiner Freiheit. An dieser Stelle haben wir bereits festgestellt, dass Google gar nicht alle
Informationen der Welt organisieren, zugänglich und nutzbar machen kann. Denn Google
präsentiert und repräsentiert nur einen kleinen Ausschnitt von dem, was Welt ist. Und zwar
das, was die Google Search Bots im sogenannten „visible Web“ durchsuchen. Aber neun
Zehntel dessen, was im Internet abgerufen werden kann, ist mit Google und anderen Such-
maschinen gar nicht auffindbar [RO]. Der Begriff Bot leitet sich von dem englischen
Begriff Robot ab. Prinzipiell ist ein „Bot“ ein Computerprogramm, das bestimmte Aufga-
ben automatisiert und selbstständig ausführt, meist auch wiederholt. Wenn die Bots unter-
einander kommunizieren, spricht man von einem „Botnet“ [HER]. Im Zusammenhang mit
Suchmaschinen wie Google Search spricht man auch von Webcrawlern.
Letztendlich, so posaunen es die Fanfaren am Hofe von Google oder Apple hinaus in
die Welt, werden wir dann mit den digitalen Technologien die bislang noch notwendigen,
schwerfälligen Prozeduren der repräsentativen Demokratie überwinden. Dann könnte
sich die Gesellschaft in eine per Internet organisierte Basisdemokratie auflösen, in der
alle Bürger in Echtzeit und voll umfassend informiert an der Entscheidungsfindung teil-
nehmen. Die aus dem Silicon Valley in die Welt exportierten Visionen reduzieren so aber
den Menschen auf ein bloßes „Anhängsel unaufhaltsamer Innovationen, deren Logik
uns automatisch in eine bessere Zukunft katapultieren soll“ [BUN]. Den Gipfel dieser
Visionen bildet das Prinzip der „technologischen Singularität“. Unter technologischer

Singularität wird ein Zeitpunkt verstanden, bei dem sich Maschinen mittels künstlicher
Intelligenz (KI) rasant selbst verbessern und folglich den technischen Fortschritt derart
beschleunigen, dass die Zukunft der Menschheit hinter diesem Ereignis nicht mehr vor-
hersehbar ist. Verbunden ist der Begriff mit den Theorien und Ideen des Transhumanis-
mus und Posthumanismus.
Der Transhuman ist Ray Kurzweil geht davon aus, dass sich durch den damit verbun-
denen technologischen Fortschritt die Dauer der menschlichen Lebenserwartung maßgeb-
lich steigern lässt bis hin zur biologischen Unsterblichkeit [WIKI12]. In der britischen
Science-Fiction Serie „Black Mirror“ wird diese Zukunft in unterschiedlichen Geschich-
ten immer wieder überraschend beleuchtet, ja geradezu ausgeleuchtet. Die Geschichten
sind voller Wendungen, Überraschungen und erzeugen einen Horror, der nicht von den
außer Kontrolle geratenen Maschinen ausgeht. Vielmehr geschieht dies in „kybernetisch
kontrollierten Menschen. […], in den kommerziellen Versprechen von Freiheit, Gerech-
tigkeit, Sicherheit, welche die schöne neue Welt regieren“ [STAU]. Auf den herrschenden
Zeitgeist im Silicon Valley und das Konzept der technologischen Singularität werfe ich in
Kap. 5 ein Schlaglicht. Bis und ob es tatsächlich zum Moment der technologischen Singu-
larität kommt, hängt vor allem davon ab, wie wir als Gesellschaft mit der Digitalisierung
umgehen. Die Gesellschaft muss sich mit dem Wesen, der Bedeutung und den Wirkungen
der Digitalisierung auseinandersetzen. Dies wird nach wie vor über langwierige, zähe und
folgenreiche Aushandlungsprozesse geschehen müssen. Denn welche Wirkung die digita-
len Technologien auf unsere Gesellschaft haben werden, unterschlagen die Utopiefabriken
im Silicon Valley. Zumindest scheint die Bundeskanzlerin Kanzlerin Angela Merkel die
aufziehende Digitalisierung als so wirkmächtig einzuschätzen, dass sie sie dazu veran-
lasste, eine weitere Kanzlerschaft anzustreben [VI]. Die gegensätzlichen Diskussions
standpunkte befeuern die gesellschaftlichen Aushandlungsprozesse, die im Zuge der
zunehmenden Digitalisierung zwangsläufig aufkommen werden. Es geht darum zu
entscheiden, wie die digitalen Technologien in unser Leben eindringen und alle Lebens-
bereiche beeinflussen. Wir müssen als Gesellschaft beispielsweise die Fragen danach
beantworten, was mit unseren Daten im Internet passiert, wie die digitalen Endgeräte nicht
nur den Arbeitsrhythmus, sondern auch den Lebensrhythmus beeinflussen oder ob wir
ständig erreichbar und überall digital vernetzt sein wollen?
Begleiten Sie mich weiter auf die Reise durch die aufziehende Welt der Digitalmo-
derne. Betrachten wir kurz, wie sich die Digitalmoderne in Form eines graduellen Wan-
dels vollzieht. Mit dem Einzug digitaler Technologien in den Lebensalltag ist ein sozialer
Wandel verbunden, der sozioökonomische und institutionelle Strukturen und Prozesse
transformiert. Diese Veränderungen vollziehen sich aber nicht schlagartig, sondern sind
immer das Ergebnis länger anhaltender Interessenauseinandersetzungen und politischer
Prozesse. Im Zuge dieser Veränderungen tritt die Suche nach neuen Rechts- und Regula-
tionsrahmen in den Fokus der gesellschaftlichen Ausrichtung auf neue Technologien und
damit auch digitale Plattform-Ökosysteme. Der Transformationsdruck durch das Auf-
kommen der neuen digitalen Technologien wird gewaltig zunehmen und die bestehenden
Strukturen und Prozesse in zahlreichen Lebensbereichen nicht einfach nur in Frage stel-
len. Der Professor für Organisations- und Innovationssoziologie an der Universität Stutt-
gart, Ulrich Dolata, hat ein interessantes analytisches Konzept weiterentwickelt, um
diesen Transformationsprozess schematisch beschreiben zu können. Nach Dolata kann
der digitale Transformationsprozess als „graduelle Transformation“ interpretiert werden.
Dabei unterscheidet er zwischen Formen graduellen Wandels und Varianten gradueller
Transformation.
Die graduelle Transformation ist dadurch charakterisiert, dass neue Regulationsmuster
(struktureller, organisatorischer und institutioneller Art) sukzessive als Ergebnis zahlrei-
cher Ereignisse entstehen. Dabei entwickelt das neue Regulationsmuster erst über einen
längeren Zeitraum eine relative Stabilität [DOLA]. Denn neu aufkommende Technologien
stellen dieses neue Regulationsmuster immer wieder in Frage und sorgen für neue soziale
Realitäten. Die neuen digitalen Technologien bilden den Ausgangspunkt einer Umbruch-
periode, in der zahlreiche Such-, Selektions- und Neujustierungsvorgänge ablaufen, die
diese Periode der Transformation begleiten [JA02, DOLA]. Die Modi des graduellen
Wandels spannen ein Spektrum von „passiv-reaktiv-defensiv“ bis hin zu „initial-proaktiv“
auf. Zu den Formen des graduellen Wandels zählen entlang des Spektrums: Erschöp-
fung (exhaustion), Drift (drift), Erweiterung (layering), Umbau (conversion), Expansion
(expansion) und Ersatz (displacement). Dabei wurden fünf dieser Modi von Wolfgang
Streek und Kathleen Thelen in die Diskussion eingeführt [STREEK]. Der Modus „Expan-
sion“ wiederum wurde von Ulrich Dolata ergänzt. In Summe können sich über diese Modi
des graduellen Wandels im Zeitablauf substanzielle institutionelle, organisatorische und
strukturelle Veränderungen durchsetzen. Durch den von Dolata eingeführten Modus der
Expansion werden die neuen technologischen Möglichkeiten proaktiv aufgenommen und
entwickelt. In der Folge bilden sich neue, auf die Technologien bezogene Akteurmilieus
mit eigenen Interessen, Strategien, Institutionen und Strukturen. Dabei hat Dolata im
Gegensatz zu Streek/Thelen zusätzlich festgestellt, dass die Modi kombiniert auftreten,
sich wechselseitig verstärken und/oder miteinander konkurrieren können. Damit kann sich
das Bedeutungs- und Beziehungsgeflecht dieser Modi im Zeitablauf signifikant verändern
[DOLA, JA02].
Aus spezifischen Kombinationen der Formen des graduellen Wandels ergeben sich die
Varianten (inkrementeller Wandel, architektonischer Wandel, substitutiver Wandel)
der graduellen Transformation [DOLA]. In unserem Kontext der aufziehenden Digi-
talmoderne ist die Variante „Architektonischer Wandel“ mit einer weitreichenden
Rekonfiguration und substanziellen Neuausrichtung des soziotechnischen Gefüges gan-
zer Gesellschaften relevant. Gemeint sind die Organisationsstrukturen, die institutionellen
Rahmenbedingungen und das Beziehungsgeflecht der Akteure beispielsweise einer Stadt,
die sich zu einer Smart City transformiert (siehe Kap. 2). Dabei ist für diese Variante des
graduellen Wandels kennzeichnend, dass die etablierten Technologien wesentlich mit den
neuen digitalen Technologien angereichert werden können und nicht vollständig abge-
löst werden. Das bestehende soziotechnische Gefüge wird vielmehr nachhaltig erweitert
und mit zahlreichen neuen Elementen (re)kombiniert. Im Zuge der neu entstehenden
s oziotechnischen Konstellationen werden die wesentlichen bisherigen Akteure, Institutio-

nen und Strukturen nicht vollständig ersetzt oder zertrümmert [JA02]. Die aufziehende
Digitalmoderne wird über den Einzug digitaler Technologien zahlreiche gesellschaftliche
Strukturen, Prozesse und Institutionen transformieren. Dabei wird sich die „Architektur“
gesellschaftlicher Konfigurationen ändern, die sich aus einem Amalgam etablierter,
transformierter und gänzlich neuer Strukturelemente zusammensetzen wird. Wie diese
architektonische Neu-Konfiguration einer mit digitalen Technologien durchdrungenen
Gesellschaft tatsächlich aussehen wird, kann niemand vorhersagen. Dringend notwendig
erscheint mir jedoch, die in Dolatas Konzept erwähnten, zahlreichen Such-, Selektions-
und Neujustierungsvorgänge im Kontext der zunehmenden Digitalisierung aller Lebens-
bereiche gesellschaftlich anzugehen und politisch zu thematisieren.
Die Adaption neuer Technologien vollzieht sich, wie wir gesehen haben, selten schlag-
artig, sondern verläuft über zeitlich längere Anpassungsprozesse. Dies gilt auch für die
Etablierung digitaler Technologien und damit digitaler Plattform-Ökosysteme. Aber
mit der Digitalisierung verändern sich einige Dimensionen bei der gesellschaftlichen
Adaption neuer Technologien. So weist die Digitalisierung in Bezug auf den Durch-
dringungsgrad aller Lebensbereiche und der Entwicklungsgeschwindigkeit digitaler
Technologien eine bis dato nicht dagewesene Wirkung auf. Es sind die Dimensionen Zeit
(Geschwindigkeit) und Wirkungsgrad, die durch die digitalen Technologien wesentlich
beeinflusst werden. Der digitale Alltag in Deutschland spiegelt sich in den folgenden Zah-
len aus dem Jahr 2016 wider: „51 Millionen Menschen in Deutschland haben ein Smart-
phone, 54 Millionen Menschen shoppen online, 73 Prozent aller Internetnutzer machen
Onlinebanking, 43 Prozent der deutschen Onliner nutzen soziale Netzwerke“ [BWE].
Diese technologische Diffusion erfolgte innerhalb von weniger als 20 Jahren. In einer
Studie des „The Cutter Consortium“ in den USA über „Hot Technology Pilots in 2016 –
Fear and Chaos in Technology Adoption“ haben 70 % der angefragten Unternehmen keine
definierten Prozesse, um die immer schneller aufkommenden digitalen Technologien
adaptieren zu können [AND]. Die Geschwindigkeit, mit der die digitalen Technologien
auftreten und nutzbar sind, wird immer kürzer und überfordert nicht nur den Einzelnen,
sondern auch systemische Gebilde wie Unternehmen, Behörden und Schulen. Im Jahr
2009 hat das Forbes Magazin eine auf den US-amerikanischen Raum bezogene Übersicht
veröffentlicht, in der die Diffusionsraten neuer Technologien seit ihrer Erfindung abgebil-
det wurden. Die Verbreitungsgeschwindigkeit neuer Technologien ist umso höher, je
moderner und weniger reguliert diese sind [KEL]. Während es 45 Jahre dauerte, bis 90 %
der US-amerikanischen Bevölkerung mit Elektrizität versorgt war, dauerte es nur 20 Jahre,
bis Mobiltelefone sich mit derselben Durchdringungsrate durchgesetzt haben. Die Diffu-
sionsraten nachkommender Technologien beschleunigen sich weiter, bis zu einem Punkt,
an dem sich neue Technologien spontan durchsetzen werden. Die Wirkungen und Diffusi-
onsraten der neuen Technologien haben die klassischen Medienkonzerne schon in bis dato
unbekannter Weise zu spüren bekommen. Im Bereich „Streaming von Musik, Filmen und
Spielen“ haben Firmen wie Amazon oder Netflix die Marktführerschaft übernommen,
weil sie die „Informationstechnik in der DNA haben“ [HOFF]. Der CEO des jungen
erliner Start-up-Unternehmens „JustWatch“, David Croyé, ist überzeugt: „Gewinner

B
sind die mit der am besten funktionierenden Technik, Content allein reicht nicht aus“
[HOFF]. Die Schwierigkeiten der Medienindustrie mit der transformierenden Wirkung
der Digitalisierung kann der interessierte Leser in dem Buch „Die Anatomie digitaler
Geschäftsmodelle“ [JA03] nachlesen. Dort habe ich den immer noch laufenden digitalen
Transformationsversuch des Axel Springer-Verlags in einer Case Study analysiert.
Wie die digitalen Technologien unser Leben zukünftig verändern werden, ist nur in
Umrissen erkennbar. Diese Ungewissheit sollte uns aber nicht davon abhalten, die Potenzi-
ale digitaler Technologien nutzen zu wollen. Nicht die „hysterische“ Diskussion über den
Datenschutz sollte in den Vordergrund treten, sondern der analysierende Blick auf die Gege-
benheiten, technologische Entwicklungen, Möglichkeiten und auch Gefahren durch die
Digitalisierung. Nur wenn man sich mit diesen Aspekten der Digitalisierung auseinander-
setzt, kann man auch objektiver über den Datenschutz diskutieren (siehe Abschn. 4.3). Damit
man die Expansion der digitalen Sphäre nachvollziehen kann, ist es notwendig, die treiben-
den Technologien kurz zu beleuchten. Prinzipiell findet sich in der Literatur keine einheitli-
che Definition des Begriffs „Digitalisierung“. Die zunehmende Digitalisierung firmiert dort
unter Bezeichnungen wie „Digitale Revolution“ oder „Elektronische Revolution“.
Unter der Digitalisierung versteht man den durch den Computer bedingten Umbruch
und Wandel in Technik und (fast) allen Lebensbereichen. Die digitale Revolution basiert
technologisch auf der Erfindung des Mikrochips (integrierter Schaltkreis) und dessen
exponentieller Leistungssteigerung (Stichwort: Mooresches Gesetz), der flexiblen Auto-
matisierung in der Produktion sowie dem weltweiten Aufbau leistungsfähiger Kommuni-
kationsnetze wie dem Internet [WIKI01, JA03], drahtloser Kommunikation, massiver
Verbreitung mobiler Kommunikationsmöglichkeiten (mobile IP, GPRS, UMTS, LTE,
5G), der Vielfalt mobiler Endgeräte (Smartphones, Tablets, Wearable Computers etc.),
globalen Positionierungstechnologien (GSM, GPS, dGPS), verteilten Softwarearchitektu-
ren und Middlewarelösungen, multisensorische sowie haptische Input- und Output Devices
(magnetische und optische Trackingsysteme, Augmented Reality-Systeme), breite Verfüg-
barkeit ausgereifter Speichertechnologien (SRAM, EPROM) und On-demand Cloud
Computing-Technologien [FER].
Die wichtigsten Kern-Technologieansätze, die für das Verständnis digitaler Plattformen
notwendig sind, beleuchte ich kurz in den weiteren Kapiteln des Buches. Neben dem
bereits beleuchteten Internet zählen zu den wichtigsten Kern-Technologien der Digitali-
sierung: Cloud Computing, Big Data Management, künstliche Intelligenz, Augmented/
Virtual Reality und Robotik. Diese technologischen Ansätze hängen unmittelbar mit dem
Aufkommen digitaler Plattformen zusammen, so wie sie heute bereits existieren. Weitere
technologische Ansätze wie das Internet der Dinge und Industrie 4.0 werden für zukünf-
tige digitale Industrieplattform-Ökosysteme von besonderer Bedeutung sein.
Damit sich überhaupt digitale Plattformen entwickeln können, benötigen diese eine
technologische Infrastruktur. Im Gegensatz zu etablierten Unternehmen mit linearer
Wertschöpfungskette (auch „Pipeline“-Unternehmen genannt [PA]) nutzen die Plattform-
Start-ups technologische Standardkomponenten, die in der Cloud betrieben werden.
Das National Institute of Standards and Technology (NIST) veröffentlichte 2009 eine
Definition, die auf weitgehende Akzeptanz stieß und unterschiedliche Definitionsansätze
des Cloud Computings bündelt.
Danach beinhaltet das Cloud Computing drei verschiedene technologische Ebenen,
die aufeinander aufbauen: IaaS (Infrastructure-as-a-Service) als unterste Ebene, darauf
aufbauende Platform-as-a-Service (PaaS)-Ebene und dann Software-as-a-Service
(SaaS). Beim Infrastructure-as-a-Service (IaaS) bieten „Rechnerwolken“ Nutzern
den Zugang zu virtualisierten Computerhardware-Ressourcen wie Server, Netze und
Speicher. Dazu benötigen die Nutzer bei den Amazon Web Services (AWS) nur eine
Kreditkarte, um auf die virtualisierten Rechenzentrumsleistungen zugreifen zu können.
Beim Platform-as-a-Service (PaaS) wird den Nutzern Zugang zu Programmierungs-
oder Laufzeitumgebungen mit flexiblen, dynamisch anpassbaren Rechen- und Datenka-
pazitäten geboten. So können Nutzer mit PaaS ihre eigenen Software-Anwendungen
entwickeln. Oder die Nutzer lassen diese innerhalb einer Softwareumgebung laufen, die
vom Dienstanbieter (Service Provider) bereitgestellt und unterhalten wird. Zu diesen
PaaS-Anbietern zählen beispielsweise Amazon Elastic Beanstalk (AWS), Google
App Engine. Microsoft Azure oder SAP Cloud-Platform. Software-as-a-Service
(SaaS)- „Rechnerwolken“ bildet die oberste Ebene und bietet Nutzern den Zugang zu
Software-Sammlungen und Anwendungsprogrammen. Dabei bieten SaaS-Dienstanbieter
Softwareanwendungen an, die auf ihrer Infrastruktur läuft [WIKI17, JA01, JA04]. Im
Rahmen der Servicemodelle können diese IT-Leistungen on demand, also bedarfsge-
recht, genutzt werden, ohne dass die digitalen Start-up-Unternehmen dabei selbst in
teure Hardware- und Softwarekomponenten investieren müssen. Zudem bietet die Ska-
lierbarkeit der IT-Leistungen über Drittanbieter wie Microsoft, Amazon, Google oder
IBM die Entkopplung von Nutzungsschwankungen und Infrastrukturbeschränkungen.
Den Nutzern der IT-Infrastrukturkomponenten wird die Zuverlässigkeit und Ausfallto-
leranz über permanent definierte Qualitätsstandards gewährleistet. Das technische Kon-
zept des Cloud Computings als technologische Grundlage digitaler Plattform-Ökosysteme
taucht insbesondere in Abschn. 2.1 wieder auf.
Die Expansion der digitalen Plattformen erfolgt über das Wachstum von Transaktionen
auf den digitalen Plattformen, das wiederum durch das sogenannte Big Data Management
weiter befeuert wird. Der Begriff Big Data (von englisch big ‚groß‘ und data ‚Daten‘)
bezeichnet prinzipiell Datenmengen, die zu groß, zu komplex, zu schnelllebig oder zu
schwach strukturiert sind, um sie mit manuellen und herkömmlichen Methoden der Daten-
verarbeitung auswerten zu können. Der Begriff „Big Data“ unterliegt einem kontinuierli-
chen Wandel. Mit dem Begriff Big Data wird auch oft der Komplex der Technologien
beschrieben, die zum Sammeln und zur Analyse dieser Datenmengen verwendet werden.
Die gesammelten Daten können aus verschiedenen Quellen stammen:
• Aufzeichnungen verschiedener Überwachungssysteme,

• die Nutzung von Kunden- oder Bank-beziehungsweise Bezahlkarten (Giro („EC“)-,
Kreditkarte),
• jegliche elektronische Kommunikation, dabei auch die persönlich geprägte, individuell

unterschiedliche Art und Weise der Benutzung zum Beispiel eines Smartphones
(sowohl manuelle wie geografische Bewegungsmuster),
• geschäftliche beziehungsweise private Nutzung elektronischer Geräte oder Systeme
wie „Fitness“- beziehungsweise „Gesundheitsarmbänder“ beziehungsweise „Wearab-
les“ wie „Activity Tracker“ oder „Smartwatches“ (Stichwort: Healthcare Decision Sup-
port durch Patienten Big Data, Patient Community Analysis),
• „Ambient Assisted Living“ („umgebungsunterstütztes Leben“) oder die Nutzung von
Social Media-Informationen (Social Media Monitoring und Analyse von Facebook,
Twitter, WhatsApp und so weiter) [WIKI16, MATZ].
Über das Big Data Management werden diese Daten automatisiert über Algorithmen für
vielfältige Zwecke ausgewertet. Den Komplex des Big Data Managements werde ich in
Abschn. 2.4 weiter auffächern, da er für die Entstehung von positiven Netzwerkeffekten
auf digitalen Plattform-Ökosystemen von zentraler Bedeutung ist.
So bauen digitale Plattform-Unternehmen ihre Ökosysteme auf standardisierten IT-
Infrastrukturkomponenten auf, und die weitere Expansion erfolgt über das skizierte Big
Data Management. Im Rahmen des Big Data Managements kommen Algorithmen zum
Einsatz, die aus einer Menge von Daten maschinell ein Muster beziehungsweise eine all-
gemeine Regel ableiten. Dieses maschinelle Lernen der Algorithmen ist bereits Ausdruck
von künstlicher Intelligenz. Das Big Data Management basiert auf Algorithmen, die mit
künstlicher Maschinenintelligenz operieren. Der Themenkomplex der künstlichen Intelli-
genz bildet ein Teilgebiet der Informatik und befasst sich mit der Automatisierung intelli-
genten Verhaltens. Da es bereits an einer genauen Definition von Intelligenz mangelt, ist
der Begriff nicht eindeutig abgrenzbar. Mit der künstlichen Intelligenz ist auch der ambi-
tionierte Versuch verbunden, eine menschenähnliche Intelligenz nachzubilden bezie-
hungsweise eine Intelligenz, die dem Menschen in allen Bereichen überlegen ist (starke
künstliche Intelligenz). Es soll also ein Computer so gebaut und programmiert sein, dass
dieser eigenständig Probleme lösen kann. Im Erklärungsmuster des Begriffs „künstliche
Intelligenz“ spiegelt sich oft die aus der Aufklärung stammende Vorstellung vom „Men-
schen als Maschine“ wider. Die Nachahmung des menschlichen Denkens setzt sich die
sogenannte starke künstliche Intelligenz zum Ziel [WIKI21]. Damit wird die technologi-
sche Singularität angestrebt, bei der eine künstliche Intelligenz entsteht, die dem Men-
schen in allen Bereichen weit überlegen ist. Das Konzept der technologischen Singularität
greife ich in Abschn. 5.2 wieder auf. Die Visionen der starken künstlichen Intelligenz sind
bis heute nur visionär.
In der Praxis wird oft mit der künstlichen Intelligenz eine nachgeahmte Intelligenz
bezeichnet, bei der durch meist einfache Algorithmen ein intelligentes Verhalten simuliert
werden soll (schwache künstliche Intelligenz). Es geht der schwachen künstlichen Intel-
ligenz darum, konkrete Anwendungsprobleme des menschlichen Denkens zu meistern,
also Ausschnitte aus dem menschlichen Denken beziehungsweise spezifische Einzelberei-
che wie das Schach- oder Go-Spiel [WIKI21]. Hierbei können Maschinen Probleme lösen,
für die ein Mensch gewöhnlich Intelligenz benötigt und dies können sie schneller und
besser als der Mensch. Aber was bedeutet es, wenn ein künstlicher Algorithmus einen
Schachweltmeister oder Go-Großmeister schlägt? Jeder Mensch ist mit seinem Alltags-
verständnis und seiner Sensormotorik jedem noch so ausgefeilten KI-System überlegen
[SYW]. In den nächsten fünf Jahren wird es eine regelrechte Explosion an KI-Anwendungen
geben, da drei wichtige Entwicklungen konvergieren. So können Maschinen erstens mittel
riesiger Datenmengen im Internet über menschliches Verhalten Muster erkennen und
maschinell lernen. Dann erleben wir zweitens eine drastische Steigerung der Rechenleis-
tung über Parallelrechner und leistungsfähige Grafikkarten. Werden diese beiden Entwick-
lungen dann mit neuen Ideen für Algorithmen kombiniert, entsteht die nächste große
KI-Welle – die Langzeitautonomie intelligenter Maschinen (beispielsweise autonome
Fahrzeuge) [SYW]. Auf die künstliche Maschinenintelligenz der Algorithmen auf digita-
len Plattformen gehe ich in Abschn. 2.4 näher ein.
Mit der künstlichen Intelligenz eng verwoben ist das Themengebiet der Robotik. Die
Robotik umfasst Teilgebiete der Informatik (insbesondere von künstlicher Intelligenz), der
Elektrotechnik und des Maschinenbaus. Das erklärte Ziel der Robotik ist es, durch Pro-
grammierung ein gesteuertes Zusammenarbeiten von Roboter-Elektronik und Roboter-
Mechanik herzustellen. Die Entwicklung im Bereich der Robotik ist in den vergangenen
Jahren deutlich vorangeschritten. Insbesondere in Japan haben die Roboter im Gegensatz
zu Europa schon längst die Fabrikhallen verlassen. Meinen Saugroboter habe ich mir
nach einem Japan-Besuch vor 10 Jahren angeschafft. Auch in der Pflege kommen die
Roboter in Japan zum Einsatz und zukünftig wohl verstärkt auch als androide Roboter. In
Verbindung mit maschinellem Lernen über Algorithmen übernehmen softwaregesteuerte
Roboter zunehmend Aufgaben, die routinemäßig, repetitiv und vorhersehbar sind. Das
maschinelle Lernen schreitet mit den Entwicklungen im Bereich der künstlichen Intelli-
genz weiter voran. Die digitale Vermittlungsplattform Uber für Fahrten sowie digitale
Plattformriesen wie Google, Apple und Tesla arbeiten mit Hochdruck an autonomen Fahr-
zeugen (autonome Robotersysteme).
Das Spektrum digitaler Plattform-Ökosysteme wird sich in Zukunft unter anderem
auch durch die folgenden technologischen Treiber um digitale Industrieplattform-Ökosys
teme erweitern: Augmented und Virtual Reality, Internet der Dinge und Industrie 4.0. Die
Darstellung und gleichzeitige Wahrnehmung der Wirklichkeit und ihrer physikalischen
Eigenschaften in einer in Echtzeit computergenerierten, interaktiven virtuellen Umgebung
wird als Virtuelle Realität (Virtual Reality) bezeichnet. Eine gemischte Realität stellt eine
Vermischung der virtuellen Realität und der reinen Realität dar (auch Augmented Reality
genannt) [WIKI20]. Denken Sie doch bei der „Augmented Reality“ an das Projekt „Google
Glass“ des digitalen Plattform-Giganten Google. Ein Lichtstrahl projeziert ein Bild
direkt auf die Retina des menschlichen Auges, so dass der Eindruck einer schwebenden
Leinwand entsteht. Die Brille stellt mittels WLAN oder dem mobilen Netz eine Verbin-
dung zum Internet her. Es lassen sich vertrauliche Informationen abrufen, visuelle Eindrü-
cke versenden, die mit der eingebauten Kamera aufgenommen wurden, Videoanrufe
durchführen und in der Vision von Sebastian Thun zukünftig Informationen über sein
Gegenüber abrufen – mittels biometrischer Erkennung (woher kenne ich die Person, wann
habe ich die Person das letzte Mal getroffen, worüber gesprochen und so weiter) [STRE2,
JA01]. Die Oculus Rift-Brille hingegen ist für die „Virtuelle Realität“ ausgelegt. Voran-
getrieben wurden diese Technologien im Endkundensegment auch von zwei digitalen
Plattform-Ökosystemen: Facebook und Google beziehungsweise Alphabet. In 2014
kaufte Facebook den Spezialanbieter Oculus, der an einer neuen VR-Brille für den
Heim-PC arbeitete. In 2016 hat Google eine neue Handybrille namens Daydream vorge-
stellt [SW].
Die zweite Phase der Digitalisierung wird durch die Expansion des Internets der
Dinge eingeläutet. Im Zuge dieser Expansion werden neuartige digitale Industrieplattform-
Ökosysteme entstehen. Mit dem Begriff „Internet der Dinge“ wird beschrieben, dass
zunehmend Alltagsgegenstände wie Waschmaschinen, Fernseher, Autos oder Gegenstände
beziehungsweise Maschinen in Fabriken („Digitale Fabrik“) mit dem Internet verbunden
werden. Die Gegenstände sollen selbstständig über das Internet kommunizieren und ver-
schiedene Aufgaben erledigen. Die Unterstützung des Menschen soll dabei unmerklich
geschehen. So sollen die immer kleineren eingebetteten Computer Menschen unterstüt-
zen, ohne abzulenken oder überhaupt aufzufallen.
Von dieser Vision sprach Mark Weiser bereits 1991 in seinem Aufsatz „The Compu-
ter for the 21st Century“ zum ersten Mal. Der Anwendungsbereich erstreckt sich dabei
von einer allgemeinen Informationsversorgung über automatische Bestellungen bis hin
zu Warn- und Notfallfunktionen [GABL]. Beispielsweise werden miniaturisierte Com-
puter, sogenannte Wearables, mit unterschiedlichen Sensoren direkt in Kleidungsstücke
eingearbeitet [WIKI41]. Damit wird das bereits vorhandene Datenmeer im Internet noch
eine bis dato unbekannte Dimension erreichen. Mit dem Internet der Dinge stark ver-
zahnt ist das Konzept „Industrie 4.0“. Dieser Begriff geht auf die Forschungsunion der
deutschen Bundesregierung und ein gleichnamiges Projekt in der Hightech-Strategie der
Bundesregierung zurück. Mit dem Konzept „Industrie 4.0“ soll die industrielle Produk-
tion mit moderner Informations- und Kommunikationstechnik verwoben werden
[WIKI42]. So steht der Begriff Industrie 4.0 für die „Vierte Industrielle Revolution“,
einer neuen Stufe der vernetzten Organisation und Steuerung der gesamten Wertschöp-
fungskette über den Lebenszyklus von Produkten und Produktionssystem [MATZ].
Dabei bilden intelligente und digital vernetzte Systeme und Plattformen die technische
Grundlage für die Industrie 4.0. Dadurch soll eine weitestgehend selbstorganisierte Pro-
duktion möglich werden: vernetzte Menschen, Maschinen, Anlagen, Logistik und Pro-
dukte kommunizieren und kooperieren in der Industrie 4.0 direkt miteinander [WIKI42].
Die wohl größte Wirkung soll das Internet der Dinge in den Fabriken der Zukunft haben,
also in der Industrie 4.0. Deutliche Kosteneinsparungen und Effizienzgewinne ver-
spricht man sich von Produktionsoptimierungen, Lageroptimierungen, Predictive Main-
tenance, Predictive Analytics oder Sicherheitsverbesserungen [MATZ]. Auch im
privaten Zuhause wird sich das Internet der Dinge ausbreiten, wenn Kühlschränke,
Fernseher, Waschmaschinen, Lichtschalter, Wände und Böden mit integrierten Sensoren
untereinander in einer Smart Home-Umgebung vernetzt sind. Gesteuert werden diese
Geräte dann über das Internet und digitale Industrieplattformen mittels Apps. Es lässt
sich jetzt schon beobachten, dass nahezu alle neuen Gerätegenerationen die Vernetzung
über das Internet miteingebaut haben.
An dieser Stelle fasse ich kurz zusammen, was wir auf unserer Reise zum besseren
Verständnis der Digitalisierung bisher erörtert haben: Innerhalb einer expandierenden
digitalen Sphäre etabliert sich eine technische Disposition, die sich mit jeder technischen
Revolution verändern und im Zeitablauf immer wieder neu austarieren wird. Die Ent-
wicklungsgeschwindigkeit und der Wirkungsgrad digitaler Technologien innerhalb der
digitalen Sphäre unterscheiden sich von bisherigen technologischen Entwicklungen.
Die Entwicklung digitaler Plattform-Ökosysteme wird von zentralen Kern-Technologien
vorangetrieben.
Die kurz skizzierten Kern-Technologien benötigen zum reibungslosen Funktionieren
einen „Treibstoff“ der Digitalmoderne. Es sind die mit der Digitalisierung anfallenden
Daten. Aus einer Kombination dieser primären digitalen Technologien und den anfallen-
den vielfältigen Daten bildet sich etwas Neues heraus. Es sind die digitalen Plattformen.
Im nächsten Abschnitt beleuchte ich die prinzipielle Natur dieser Daten und identifiziere
das Bermudadreieck des digitalen Zeitalters. Dem intangiblen Produktionsfaktor „Infor-
mationen“ beziehungsweise Daten kommt bei der Digitalisierung eine zentrale Rolle zu.
Die digitalen Daten sind der Treibstoff für die Expansion digitaler Plattform-Ökosysteme.
Ohne diese ständig anfallenden Daten könnten sich keine digitalen Plattformen mit dyna-
mischen Ökosystemen etablieren.
Die Autoren Brynjolsson und McAffee skizzieren in ihrem Buch „The Second Machine
Age“ [BRY] das digitale Zeitalter als von einem technologischen Wachstum charakteri-
siert, das folgende Aspekte umfasst: digitale Daten, exponentielles Datenwachstum und
Kombination. Dieser technologische Wachstumspfad wird disruptive Auswirkungen auf
nahezu sämtliche Bereiche der Wirtschaft und gesellschaftlichen Bereiche haben. So
basieren die meisten Industrien in unterschiedlicher Ausprägung auf dem Produktionsfak-
tor digitale Daten beziehungsweise digitale Informationen: Medienindustrie, Gesund-
heitswesen, Bildung, Telekommunikationsindustrie, Energieerzeugung, Transportwesen
etc. Zudem können die digitalen Daten immer billiger produziert werden und werden
oftmals von den Nutzern selbst bereitgestellt [JA03]. In einer Rede vor Ökonomen und
Unternehmenschefs aus dem Jahr 2011 sagte der ehemalige Finanzminister der USA und
Harvard-Präsident Larry Summers bereits 2001 nach dem Platzen der New-Economy-
Blase voraus, dass wir eine technologische Revolution erleben werden, die so wichtig sei
wie die Elektrifizierung. Diese technologische Revolution werde die Wirtschaft verän-
dern, die Welt, alles. Die Grenzkosten für Video-, Audio- und Textinformationen im Inter-
net würden auf fast Null sinken [HEU]. Das wirkt sich direkt auf die Kostenkurven in
zahlreichen Industrien aus. Ausgedrückt in ökonomischer Sprache „… stehen einer Bran-
che große Veränderungen bevor, wenn sich die Kostenkurven bei einem Hauptprodukti-
onsfaktor abwärts bewegen“ [SCHMI02].
In der digitalen Ära erfährt die (Re-)Kombination von Produktionsfaktoren im klassi-
schen Sinne eine zunehmende Konzentration auf Daten beziehungsweise Informationen.
Dies führt zur technologischen Innovation in Form von Rekombinationen digitaler Daten
auf digitalen Plattformen. Wie ist das Prinzip der (Re-)Kombination digitaler Daten im
digitalen Zeitalter charakterisiert? Dazu eine These: Die Rekombination digitaler Daten
stellt die rekombinatorische Innovation in ihrer reinsten Form dar. Das liegt an den beson-
deren Charakteristika digitaler Technologien und Daten: 1. Digitale Signale können feh-
lerfrei übertragen werden. Eine Amazon-Webseite wird exakt genauso aussehen, gleich ob
diese in Palo Alto (USA) erzeugt oder einem Nutzer in Barcelona angezeigt wird. 2. Digi-
tale Signale können unbegrenzt repliziert werden, das heißt dieselbe Amazon-Webseite
kann Millionen von Nutzern angezeigt werden, ohne Degradation. 3. Sobald die digitale
Netzwerk-Infrastruktur aufgebaut wurde, kann dieselbe Amazon-Webseite jedem weite-
ren Nutzer angezeigt werden, zu nahezu Zero-Marginalkosten [IAN].
Die digitalen Informationen können prinzipiell unbegrenzt reproduziert und weiter-
verarbeitet beziehungsweise kombiniert werden. Mit dem weiter wachsenden digitalen
Datenaufkommen explodiert die Anzahl an möglichen (Re-)Kombinationsfaktoren. Die
Kombinationsfaktoren „digitale Daten“ werden im Innovationsprozess nicht verbraucht,
sondern erweitern kontinuierlich das Spektrum an zukünftigen Rekombinationen. Das
Rekombinationsprinzip ist nicht nur auf digitale Daten beschränkt, sondern dehnt sich
auch in die physikalische Welt aus, und zwar über das Internet der Dinge, bei dem die
physikalische Welt untereinander hochvernetzt ist, in Echtzeit kommuniziert und selbst-
steuernde Elemente aufweist. Auch hier sind unzählige Rekombinationen möglich, indem
Transaktionen digitalisiert, digitale Daten erzeugt, in neuer Art und Weise analysiert, und
dann (re)kombiniert werden.
Vormals getrennte Objekte, Menschen und Aktivitäten sind plötzlich miteinander ver-
bunden [IAN]. Das Paradigma lautet: digitale Vernetzung und Rekombination digita-
ler Daten [JA03]. In seinem Buch „Total digital. Die Welt zwischen 0 und 1 – Visionen
über das Leben im digitalen 21. Jahrhundert“ stellt der Autor Nicholas Negroponte die
These auf, dass alles, was sich digitalisieren lässt, auch früher oder später digital zur Ver-
fügung steht. Zudem werden diese digitalisierten Daten und Informationen jederzeit und
überall über ubiquitäre Netzwerkinfrastrukturen zur Verfügung stehen [NE01]. Die Regeln
innerhalb dieser digitalen Ökonomie kennzeichnete der Gründungsredakteur des interna-
tional bekannten „Wired“-Magazins, Kevin Kelly, bereits 1998 in seinem Buch „New
Rules for the New Economy“ wie folgt: „Diese ‚New Economy‘ basiert auf drei unter-
schiedlichen Charakteristika: Sie ist global. Sie begünstigt intangible Dinge – Ideen,
Informationen und Beziehungsnetzwerke. Außerdem ist diese „New Economy“ hyper-
vernetzt. Diese drei Attribute erzeugen eine neue Art von Markt und Gesellschaft, die in
ubiquitäre elektronische Netzwerke eingebettet sind“ [KE01]. Konkret stellt für Negro-
ponte die digitale Ökonomie eine universelle Plattform dar, auf der die Wirtschaft
zukünftig aufbauen wird [NE01]. Damit ist das Tor aufgestoßen in eine Ära der Digitali-
sierung auf der Basis digitaler Plattformen.
Was das letztendlich für das marktkapitalistische Wirtschaftssystem und das Leben in
der Digitalmoderne bedeutet, lässt sich noch nicht absehen. Bei dem oben zitierten Vortrag
gab Larry Summers eine durchaus zutreffende Antwort: „Wir werden Monopole bevorzugen
müssen. Wir wissen noch nicht, welches System den Marktkapitalismus ablösen wird“
[HEU]. Mit diesen Monopolen sind digitale Plattformen wie Uber, Amazon, Airbnb, Ali-
baba und zukünftige digitale Industrieplattform-Giganten gemeint. Das Besondere an
diesen digitalen Plattformen: Einmal aufgebaut und betrieben von Big Data Algorithmen
werden diese oft anschließend nur von einer kleinen Gruppe von Aufsichtskräften gema-
nagt. Der Social Media-Gigant Facebook übernahm 2014 den Konkurrenten WhatsApp,
der zum Übernahmezeitpunkt mehr als 450 Mio. Nutzer hatte und von nur 50 Mitarbeitern
gemanagt wurde [SUN]. Der Internet-Evangelist Sascha Lobo hat für diese digitale Öko-
nomie bereits ein Schlagwort gefunden: „Plattform-Kapitalismus ist die Darreichungs-
form des heute allgegenwärtigen Wirtschaftsmodells Kapitalismus. Von der Größenordnung
und von der Wirkmacht her ist dieses ökonomische Prinzip meiner Einschätzung nach
vergleichbar mit der Globalisierung.“ Sascha Lobo ist auch vollends davon überzeugt,
dass der Plattform-Kapitalismus etwas ist, „das auf uns zukommt, keine Frage“ [RON].
Dabei wird gerne vergessen, dass beide Phänomene – Globalisierung und digitale Plattfor-
men – von Menschen erzeugte und geformte Phänomene sind. Zudem müssen wir bestim-
men, wie das Phänomen digitaler Plattformen Einzug in unser Leben hält.
Deshalb fordere ich mit dieser Einführungsschrift dazu auf, sich in die Diskussion über
den aufziehenden Plattform-Kapitalismus einzumischen und sich kritisch mit dem The-
menkomplex auseinanderzusetzen. Wir wollen uns diesem Thema nicht in „Schwarz-
Weiß“- oder „Gut und Böse“-Kategorien nähern. Denn es sollten die positiven Aspekte
digitaler Plattformen verstärkt und die negativen Aspekte so weit wie möglich zurückge-
drängt werden.
An dieser Stelle des Buches können wir nun das digitale Bermudadreieck innerhalb
der digitalen Sphäre aufspannen. In einer für die Süddeutschen Zeitung oftmals sehr
erfrischenden Art fordert der Journalist Dirk von Gehlen den Leser dazu auf, sich in Bezug
auf die Digitalisierung nicht „… von den Alarm-Autoren …“ das Fürchten zu lehren. Zu
diesen „Alarm-Autoren“ oder auch „Hitparaden-Literaten“ zählt er Manfred Spitzer
(„Digitale Demenz“), Harald Welzer („Smarte Diktatur“) und auch den Spiegel mit seiner
Geschichte über das Smartphone („Der Feind in meiner Hand“) [GEH]. Das können wir
abtun, indem wir argumentieren, dies ist doch nur die eine Antipode der Diskussion über
die Digitalisierung (siehe oben). Leider dominieren noch immer diese Autoren die öffent-
liche Debatte über die Digitalisierung in Deutschland mit kruden Behauptungen, wenn
Manfred Spitzer die Smartphone-Nutzung mit dem Rauchen vergleicht oder wie der Spie-
gel sogar mit Heroin. Möglich ist dieses Schwadronieren über die angeblichen Mega-
Gefahren der Digitalisierung nur, weil das digitale Universum unaufhörlich weiter
expandiert und der Mensch weiterhin noch gefangen ist in einer digitalen Sprachnot. Der
amerikanische Astrophysiker Carl Sagan bringt es wie folgt auf den Punkt: „Wir leben in
einer Gesellschaft, die hochgradig von Technologie abhängig ist, in der aber kaum jemand
etwas von Technologie versteht“ [SEM].
Eine neutralere und aufgeschlossenere Sicht auf die Dinge ist notwendig, und zwar
frei von „Alarm-Parolen“ oder „Effekthascherei“. Einen sehr wichtigen Beitrag hierzu
hat Felix Stalder geliefert, der in Zürich an der Hochschule der Künste als Professor für
Digitale Kultur und Theorien der Vernetzung arbeitet. Er identifizierte hierzu eine die
Digitalität prägende Kultur auf der Basis von drei immer wiederkehrenden Mustern: Refe-
rentialität, Gemeinschaftlichkeit und Algorithmizität [STAL]. Für mich ist Felix Stalder
einer der wenigen Autoren, der sich die ernsthafte und lohnende Mühe gemacht hat, mög-
liche Orientierungspunkte der Digitalisierung zu identifizierten. Nach Stalder sind für die
Digitalität folgende Orientierungspunkte bedeutsam:
• Referentialität – Inhalte werden duplizierbar und beziehen sich stärker als bisher auf-
einander: allgemeine Expressivität. So ist Referentialität eine Methode, mit der sich der
Einzelne in kulturelle Prozesse einschreiben und als Produzent konstituieren kann.
• Gemeinschaftlichkeit – Menschen können sich in der Digitalmoderne leichter als je
zuvor über alle geografischen Grenzen hinweg verbinden und nach spezifischen Inte
ressen organisieren: flexible Kooperation. Was sich deutlich verändert, ist, wie Men-
schen in größere Zusammenhänge eingebunden werden können, wie Austauschprozesse
organisiert werden können und welche Erwartungen an jeden einzelnen Teilnehmer
dieser neuen Gemeinschaftlichkeit gestellt werden.
• Algorithmizität – Orientierung entsteht zunehmend durch informationelle Automa-
tion: maschinelles Filtern und Sortieren. So verdichten Algorithmen unüberschaubare
Daten- und Informationsmengen (Big Data) in Dimensionen und Formen, welche
durch menschliche Wahrnehmung überhaupt erst erfasst werden können (Small Data).
Durch maschinelles Filtern und Sortieren wird die (informationelle) Welt vorsortiert
und zugänglich gemacht (Filter Bubble). Neben dieser Abhängigkeit sorgen die Algo-
rithmen für Autonomie, indem diese die Voraussetzungen der persönlichen Handlungs-
fähigkeit erzeugen.
Mit diesen Orientierungspunkten gestaltet Stalder das expandierende Digitaluniversum als

gestaltbaren kulturellen Raum, in dem die Auseinandersetzung über die zukünftige Welt
und die Ziele, die mit den digitalen Potenzialen erreicht werden sollen „offener denn je“
sind [STAL, GEH]. Denn die Lösungen für zukünftige Probleme lassen sich nicht in einer
Rückschau der eigenen Vergangenheit lösen. Bei diesem Denken bedarf es vielmehr der
vielschichtigen Betrachtung und Auseinandersetzung mit dem, was sich als Veränderung
ankündigt beziehungsweise Fahrt aufgenommen hat.
Die von Stalder identifizierten und herausgearbeiteten Komponenten der Kultur der
Digitalität bilden den wesentlichen Teil des Bermudadreiecks der Digitalisierung. Mit
Ausnahme der Komponente „Algorithmizität“ bilden die beiden anderen Komponenten
weitgehend die „technische Geste“ der oben skizzierten (siehe Anfang Abschn. 1.1) vier
Momente der Technik ab. Es fehlt aber noch etwas Charakterisierendes der Digitalisie-
rung. Nicht dass Stalder dieses Phänomen in seinem Buch hier und da nicht erwähnt hätte.
Mit dem bloßen Erwähnen „digitaler Plattform-Ökosysteme“ steht er aber bei weitem
nicht alleine da [STAL, MATZ, KEESE, KUCK, HEIN] […]. Das ist darin begründet,
dass die Forschung zu diesem Thema noch jung ist und ganz am Anfang steht. Ein Aufsatz
mit dem Titel „How Companies Become Platform Leaders“, erschienen im MIT Sloan
Management Review der Ökonomen Annabelle Gawer und Michael Cusumano in 2008,
war hier richtungsweisend. Zumindest betonte dieser Aufsatz die Bedeutung des Phäno-
mens digitaler Plattform-Ökosysteme für die Forschung und Unternehmenspraxis, vor
allem im US-amerikanischen Raum und im Silicon Valley sowieso. So denkt die momen-
tane Gründer-Generation im Silicon Valley fast immer in digitalen Plattformen. Das Phä-
nomen digitaler Plattformen beziehungsweise digitaler Plattform-Ökosysteme wurde von
der Wissenschaft erst spät wahrgenommen, und das, obwohl es die digitale Wirtschaft seit
30 Jahren dominiert [RAM]. Das Wesen und die Wirkung digitaler Plattform-Ökosysteme
wird in den Kap. 2–4 schematisch beschrieben und aufgefächert. Aus den bisherigen Dar-
stellungen und den Komponenten der Kultur der Digitalität von Stalder lässt sich das
„Bermudadreieck in der expandierenden digitalen Sphäre“ schematisch abbilden (siehe
Abb. 1.5).
Die Abb. 1.5 zeigt das Bermudadreieck der Digitalisierung, innerhalb dessen man leicht
die Orientierung verlieren kann. Das Bermudadreieck setzt sich aus den bestimmenden
Orientierungspunkten der Digitalisierung zusammen. Referenzialität & Gemeinschaft-
lichkeit – Algorithmizität – Digitale Plattform-Ökosysteme. Die Orientierungspunkte
sind eingebettet in eine unaufhörlich expandierende, vernetzende und sich wandelnde
digitale Sphäre. Die Orientierungspunkte bilden Fixpunkte in einer expandierenden und
sich wandelnden digitalen Sphäre. Die Orientierungspunkte wirken auf das Internet selbst
ein und verändern kontinuierlich dessen Form. Bei der Referenzialität verändert und
erweitertet der Einzelne als Prosumer (Konsument und Produzent von beispielsweise
Daten und Informationen) und bei der Gemeinschaftlichkeit über die flexible Kooperation
Gleichgesinnter das Internet über die Ausbildung von Sub-Netzen. Die Algorithmizität
Abb. 1.5 Das
Bermudadreieck in der
expandierenden digitalen
Sphäre
Internet
Public-Dark-Deep
Referenzialität
& Gemein- Algorithmen
schaftlichkeit
Digitale Plattform
Ökosysteme
Internet
1.2 Was es mit der Disruption eigentlich so auf sich hat 29
verändert das Phänomen des Internets über informationelle Automation. Das beinhaltet
das Sammeln, Sortieren, Filtern und die Analyse von Daten nach kausalen Mustern. Auch
hier entstehen Sub-Netze des Internets. Die Algorithmizität bietet zunehmend Orientie-
rung in einem unaufhörlich anschwellenden Informationsozean (siehe insbesondere
Abschn. 2.4).
Den größten Effekt aber auf die Expansion und die Form des Internets wird der Orien-
tierungspunkt „Digitale Plattform-Ökosysteme“ haben. Denn hier entsteht nicht nur eine
digitale Software-Plattform mit unzähligen Apps, sondern ein Ökosystem mit unterschied-
lichen Partnern und eigenen Sub-Netzen. Es entwickeln sich verschachtelte Netze von
Netzen in einer kaum zu bestimmenden expandierenden digitalen Sphäre. Innerhalb dieser
vernetzten Netze treten Netzwerkeffekte auf, da es sich bei digitalen Plattformen um Sys-
teme mit positiver Rückkopplung handelt. Mit jedem neuen Akteur auf der Plattform –
Kunde oder Anbieter – steigt also der Nutzen für alle Akteure auf der digitalen Plattform.
Die Netzwerkeffekte führen dazu, dass bei Erreichen einer kritischen Anzahl von Nutzern
der digitalen Plattformen die Anzahl an Nutzern nicht mehr linear, sondern exponentiell
wächst [RAM]. Die Netzwerkeffekte digitaler Plattformen skizziere ich in Abschn. 2.1.
Die Abb. 1.5 „Das Bermudadreieck in der expandierenden digitalen Sphäre“ bildet die
Blaupause für den weiteren Verlauf des Buches und ist Orientierungshilfe zum Verständnis
der expandierenden digitalen Sphäre. Dies wird besonders deutlich, wenn Sie abschlie-
ßend die Abb. 1.1 „Das chaotische Konzert der Digitalisierungssymptome“ (siehe Anfang
Abschn. 1.1) mit der Abb. 1.5 vergleichen.
Bevor ich das Wesen digitaler Plattformen auffächere, widme ich mich dem inflationä-
ren Gebrauch des Begriffs der „Disruption“ beziehungsweise „disruptiver Innovation“
und dem Großtrend „Sharing“ aus dem Silicon Valley. Es ist ja nicht nur so, dass die
Bundeskanzlerin Angela Merkel bei einer Rede auf dem 10. Nationalen IT-Gipfel am 17.
November 2016 in Saarbrücken den Übergang in die digitale Welt als „disruptiven Pro-
zess“ bezeichnet hat. Für sie ist dieser disruptive Prozess „… eine wahnsinnige Verände-
rung. Wie von der Manufaktur für Güter hin zu der industriellen Produktion ändert sich
jetzt noch mal alles“ [VI]. Damit versteht man aber immer noch nicht, was mit der Dis-
ruption beziehungsweise einer disruptiven Innovation gemeint ist. Da ist die Bundeskanz-
lerin aber in bester Gesellschaft. Und im Silicon Valley ist ja auch alles und zu jeder Zeit
disruptiv.
1.2 Was es mit der Disruption eigentlich so auf sich hat
Der österreichisch-amerikanische Ökonom Joseph Alois Schumpeter charakterisierte

Anfang des zwanzigsten Jahrhunderts das Wachstum der kapitalistischen Wirtschaft als
neue Kombinationen von Produktions- und Transportmethoden, neuen Märkten und neuen
Formen der industriellen Organisation. Die neuen Kombinationen stellen für Schumpeter
Innovationen dar, wie er es später in seinem Werk der „Theorie der wirtschaftlichen Ent-
wicklung“ genannt hat [WIKI04, SCHERER]. Aus volkswirtschaftlicher Perspektive
bilden Innovationen den Wachstumsmotor für die Wirtschaft und damit auch die Gesell-
schaft. Mit den Innovationen ist eine schöpferische Zerstörung bestehender Kombinati-
onsmuster oben genannter Faktoren verbunden. Die schöpferische Zerstörung ist aber kein
automatischer und reibungsloser Prozess für Unternehmen, die in der dominanten Bran-
chenlogik gefangen sind. So ist es gerade die dominante Branchenlogik, die etablierte
Unternehmen daran hindert, ihr Geschäftsmodell zu transformieren. Die Firmen verharren
in der dominanten Logik der eigenen Unternehmensstruktur und ihrer Branche [GASS01].
Die Mechanismen der Marktwirtschaft setzen Unternehmen aber immer Veränderungs-
prozessen aus.
Dem stehen Trägheitstendenzen wie die etablierte Unternehmenskultur und an beste-
hende Kundenbedürfnisse optimierte Prozesse gegenüber, die den notwendigen Wandel
oftmals behindern. Die sich verstärkende Dynamik in Bezug auf das Verhalten von Nach-
fragern, Wettbewerbern an den Märkten sowie Innovationen technologischer und sozio-
organisatorischer Art führen zu strategischen Wendepunkten für Unternehmen. Diese
Wendepunkte können die Wettbewerbsfähigkeit und die schiere Existenz der Unterneh-
men gefährden [JA02, JA03]. Dominant treten bei den Geschäftsmodellen von digitalen
Plattform-Ökosystemen die digitalen Technologien in den Vordergrund. Die digitalen Ver-
netzungstechnologien zeigen in ihrem Wesen die Merkmale von Innovationen, wie sie
Schumpeter charakterisiert hat. Die im Abschn. 1.1 skizzierten Kern-Technologien dienen
als Treiber für exponentielle Dynamiken mit dem Potenzial, unsere Welt zu verändern.
Das Phänomen der exponentiellen Dynamiken beziehungsweise Entwicklungen hat nach
Ray Kurzweil vier wesentliche Charakteristika:
• die von Gordon Moore identifizierten regelmäßigen Verdopplungen integrierter Schalt-

kreise gelten auch für andere Informationstechnologien,
• die Informationen beziehungsweise Daten bilden den Treiber für diese Entwicklung.
Die exponentielle Entwicklung setzt dann ein, sobald eine Branche, Disziplin oder eine
Domäne informationsgetrieben ist,
• die heute bedeutsamen Schlüsseltechnologien sind informations- beziehungsweise
datengetrieben und folgen exponentiellen Entwicklungen. Zu den Schlüsseltechnolo-
gien zählen vor allem das Big Data Management, die künstliche Intelligenz, 3D-Druck,
Sensorik und das „Internet der Dinge“,
• die exponentiellen Entwicklungen setzen sich einmal angefangen fort [KURZ, MATZ].
Diese exponentiellen Entwicklungen führen zur schöpferischen Zerstörung bestehender

Geschäftsmodelle etablierter Unternehmen mit linearer Wertschöpfungskette (Pipeline-
Unternehmen [PA]). Möglich wird dies durch digitale Plattformen mit exponentiellen
Netzwerkeffekten (siehe Kap. 2). Hier tritt nun ein Phänomen in Erscheinung, das in der
Literatur oftmals falsch dargestellt wird. Es ist die viel beschworene Disruption.
Im Silicon Valley schwingt bei dem Begriff Disruption eine Bedeutungsvielfalt mit die
Christof Keese in seinem Buch „Silicon Valley: Was aus dem mächtigsten Tal auf uns
zukommt“ pointiert beschreibt: „Disruption heißt Unterbrechung. Es ist die Chiffre für ein
Lebensgefühl. Eine Art Gehirnwäsche, Motto für die richtige Methode, Märkte zu atta-
ckieren und Marktführer zu verdrängen, Glaubensbekenntnis für eine vom Erfolg beflü-
gelte Erfinderkultur, die weiß, dass sie alles erreichen kann, wenn sie nur radikal genug
denkt“ [KEESE]. Was Keese hier beschreibt, entspricht in Grundzügen dem herrschenden
Zeitgeist im Silicon Valley (siehe Abschn. 5.2). Dieser Zeitgeist repräsentiert durchaus ein
Extrem der schöpferischen Zerstörung von Joseph Alois Schumpeter. Die Disruption wird
dann verstanden als schöpferische Zertrümmerung traditioneller Geschäftsmodelle und
Wertschöpfungsketten mittels digitaler Technologien.
Im Silicon Valley stehen alle etablierten Geschäftsmodelle derzeit auf dem Prüfstand:
Digitale Plattformen wie Uber (Menschen bewegen), Netflix (Serien und Filme überall
und jederzeit ansehen), Airbnb (Willkommen zu Hause) und Google Express (ich bestelle
online und die Produkte werden automatisiert geliefert) bilden hier nur den Anfang. Es
rücken die Bedürfnisse der User in den Mittelpunkt und sie zahlen nur noch die tatsächli-
chen Kosten der eigentlichen Dienstleistung. Ungenutzte Ressourcen, Administration
oder die komplizierte Bedienung verschwinden und die Preise für die Dienstleistungen
werden weiter sinken.
Seine Beobachtung setzt Keese aber leider wie so viele andere Autoren auch nur in den
Halbschatten [KEESE, MATZ, HEIN] […]. Er richtet seine Aufmerksamkeit von Schum-
peter auf die weltweite populäre Theorie von Clayton Christensen. Dieser hat in seinem
Buch „The Innovator’s Dilemma“ den Begriff „Disruptive Innovation“ geprägt. Das
Dilemma für Christensen besteht darin, dass etablierte Unternehmen Gefangene ihres
eigenen Erfolgs sind. Die Entscheidungen des Managements entsprechen den Marktanfor-
derungen und damit werden die Unternehmensentscheider zu „Geiseln ihrer Kunden“
[KEESE, MATZ, CLAY02]. Damit ist jedes Unternehmen dem unausweichlichen Unter-
gang ausgeliefert, obgleich oder weil das Management Entscheidungen trifft, die der
Markt von ihnen verlangt. Das Paradoxon ist zweiseitig. Entweder beliefern die Unterneh-
men ihre Kunden weiter mit dem, was diese benötigen und explizit verlangen. Dann wer-
den diese Unternehmen von disruptiven Angreifern über technologische Innovationen
mittel- bis langfristig aus dem Markt verdrängt und gehen unter. Andererseits: Wenn die
Unternehmen ihr Geschäftsmodell ändern und auf radikal neue, unterentwickelten Märkte
setzen, werden sie die Anforderungen der bestehenden Kunden zunehmend vernachlässi-
gen. Sie setzen damit auf das Unbekannte und höhlen die bestehende Grundlage des
Unternehmens aus [KEESE, CLAY02].
Zu dieser Strategie greifen die Unternehmen auch, weil die Unternehmen auf disruptive
Angreifer reagieren wollen. Dabei ist aber ungewiss, ob sich die neuen Märkte tatsächlich
zu neuen wirtschaftlichen Säulen für das Unternehmen entwickeln. Ein unüberwindliches
Paradoxon nach Clayton. So wäre es aber nun schlüssig, beide Ansätze zu verfolgen, um
das Paradoxon aufzulösen. Diese Strategie, beide Ansätze zu verfolgen, gelingt nach
Christensen aber nur in den seltensten Fällen. Einen wesentlichen Grund für das
„Innovator’s Dilemma“ sieht er in den etablierten Unternehmensprozessen und der herr-
schenden Unternehmenskultur, die auf die Erfüllung bestehender Kundenbedürfnisse
optimiert sind. Die optimierten Unternehmensfaktoren auf neue unbekannte Märkte mit
neuen Ansätzen auszurichten, gelingt nur selten. Es ist die Unfähigkeit der bestehenden
Unternehmen, gefangen in ihrer dominanten Branchenlogik, sich diesem Paradoxon
erfolgreich stellen zu können. Christensen spricht von dem „Innovator’s Dilemma“, weil
ironischerweise meist die innovativen Unternehmen von diesem Paradoxon betroffen sind.
Denn, so Christensen, die innovativen Unternehmen richten sich konsequent an den beste-
henden Kundenbedürfnissen mittels evolutionärer Innovationen aus (also die erhaltende
Weiterentwicklung und Verbesserung der zentralen Leistungsmerkmale bestehender
Technologien, Produkte, Services). Gleichzeitig sind sie durch diesen Prozess immer stär-
ker in ihrer Branchenlogik gefangen und können auf disruptive Innovationen nicht ausrei-
chend reagieren [CLAY02].
Die schöpferische Zerstörung etablierter Geschäftsmodelle können vor allem Start-
up-Unternehmen angehen, da sie viel zu gewinnen haben und kaum etwas zu verlieren
[RAM]. So erproben die Start-up-Unternehmen ihre Ideen und Produkte zunächst auf
Nischenmärkten, um Erfahrungen zu sammeln und die Methode zu verbessern. Erst dann
expandieren die Start-up-Unternehmen und attackieren etablierte Unternehmen, die nicht
auf die flexiblen und innovativen Spieler im Markt reagieren können. Dies beschreibt
Christensen so: „Disruptive Innovation beschreibt einen Prozess, bei dem ein Produkt
oder eine Dienstleistung ihren Anfang in einer zunächst simplen Anwendung am unteren
Ende des Marktes nimmt und dann unaufhörlich nach oben aufsteigt, wo es früher oder
später dann den etablierten Wettbewerber ersetzt“ [CLAY]. Für Christensen gibt es zwei
Quellen der Disruption: „low-end-disruption“ oder „new market-disruption“. Bei der
„low-end“-Disruption in einer Marktnische gewinnt der neue Spieler Kundenanteile des
etablierten Anbieters. Bei der „new market“-Disruption hingegen gewinnt der Disruptor
mit seiner Innovation Neukunden, die zuvor niemals das Produkt des etablierten Anbie-
ters konsumiert haben.
Beide Quellen der Disruption sind aber tatsächlich zwei Seiten ein- und derselben
Münze, „two sides of the same coin“ wie es Joshua Gans in seinem Buch „The Disruption
Dilemma“ schreibt [GANS]. Die Theorie von Clayton Christensen bildet das wirtschafts-
wissenschaftliche Fundament nicht nur in der akademischen Welt zur Erklärung disrupti-
ver Innovationen. Der weltweite Siegeszug des Buches „The Innovator’s Dilemma“
erfolgte beispielsweise mit der Unterstützung von Michael Bloomberg, Tech Guru George
Gilder, Andy Grove und Eric Schmidt. Das Forbes Magazine adelte ihn 2011 auf seinem
Front Cover mit der Bezeichnung als „one of the most influential business theorists of the
last 50 years“ [ROSE]. Die Forschungen von Clayton stützten sich anfangs ausschließlich
auf die „hard disk industry“ in den 1970er- und 1980er-Jahren. Es gab allerdings nur sehr
wenige quantitative Untersuchungen zu seiner Theorie. Der Erfolg führte sogar so weit,
dass der Begriff in der praktischen Anwendung außer Kontrolle sei.
So schreibt Joshua Gans von der Universität Toronto in seinem Buch „The Disruption
Dilemma“: „Everything and everyone can supposedly be disruptive. Moreover, everyone
is supposed to become disruptive“ [GANS]. Den Anfang für die Erosion von Clayton
Christensens Theorie der disruptiven Innovation bildete eine Studie aus dem Jahr 2015.
Die beiden Wissenschaftler Andrew A. King und Baljir Baatartogtokh veröffentlichten
eine Studie im „X Magazin“ mit dem Titel „How Useful Is the Theory of Disruptive
Innovation?“. Die Forscher gingen in der Studie folgenden Fragen nach: Wie ist die The-
orie der „disruptiven Innovation“ richtig anzuwenden? Was sind die Kernelemente? Und
wie zuverlässig sind Voraussagen mit der Theorie möglich? Dazu untersuchten die For-
scher ein statistisches Sample von 77 Fällen disruptiver Innovationen.
An erster Stelle haben die Forscher die vier Kernelemente von Christensen Theorie
disruptiver Innovation identifiziert [KING]: 1. Etablierte Unternehmen verbessern sich
entlang einer Innovationskurve („trajectory“). 2. Das Tempo der nachhaltigen Innova-
tion übersteigt die Kundenbedürfnisse. 3. Etablierte Unternehmen haben die Fähigkeit
zu reagieren, können aber die disruptive Innovation nicht vollumfänglich ausschöpfen.
4. Etablierte Unternehmen geraten als Folge der disruptiven Innovation ins Taumeln.
Das Ergebnis der Studie brachte die Theorie von Christensen zum Wanken. Nur 9 %
der untersuchten 77 Fälle disruptiver Innovationen basierte auf allen vier Kernelemen-
ten von Christensens Theorie. Die Forscher kamen zu der Schlussfolgerung, dass
Christensen bei seiner Theorie mit falschen Annahmen arbeitete. Ihren Ergebnissen
und Beobachtungen zufolge spielen andere Faktoren eine Rolle, um das Phänomen
disruptiver Innovationen erklären zu können. Dazu zählen: Altlasten („legacy costs“)
von Unternehmen, sich ändernde Skaleneffekte, Netzwerkeffekte und die Gesetze der
Wahrscheinlichkeit.
Abschließend bewerteten die Forscher die Theorie disruptiver Innovation von Clayton
Christensen als lediglich „nützliche Erinnerung“ an: a) die Notwendigkeit zur Infragestel-
lung von Annahmen, b) die Notwendigkeit, externen Sachverstand zu Rate zu ziehen und
c) andere Mittel nutzen, um Kurzsichtiges („myopic thinking“) zu reduzieren oder zu
vermeiden. Die Theorie von Christensen sollte eher als Warnung vor Gefahren und nicht
als Vorhersage unternehmerischen Handelns betrachtet werden [KING]. Dann gaben die
Forscher noch Hinweise dazu, wie Manager stattdessen agieren sollten: a) die Gewinn-
chancen vorab kalkulieren (im Vorfeld alle Optionen prüfen, bevor man in den Kampf
zieht) und b) Kooperationen mit anderen Unternehmen eingehen beziehungsweise kolla-
borativ zusammenarbeiten [KING].
Bereits hier zeigt sich der Aufbruch ins Zeitalter der digitalen Plattform ab, dem ich in
den folgenden Kapiteln nachgehe. Im Anschluss an die Veröffentlichung von King und
Baatartogtokh kam es zu einem öffentlich ausgetragenen Schlagabtausch mit Clayton
Christensen [CLAY, FG]. Dabei beging Christensen den Fehler, die Realität an seine
Theorie disruptiver Innovation anpassen zu wollen. Ironischerweise tat er das, was er an
den Managern in Unternehmen selbst kritisierte, die an der etablierten Branchenlogik

festhalten und Risiken nicht als Selbstzweck betrachten. Denn sie unternehmen alle
Anstrengungen, um Risiken zu erkennen und unter Kontrolle zu bringen. Ganz so wie
Christensen mit seiner limitierten Theorie der disruptiven Innovation. In seiner Antwort
im Harvard Business Review in 2015 mit dem Titel „What is Disruptive Innovation?“ auf
die Forschung von King und Baatartogtokh verleitete seine Theorie Christensen dazu, die
disruptive Innovatoren von Uber als erhaltende Innovation zu deklarieren [CLAY]. Zuvor
lag Christensen bereits bei der Bewertung der disruptiven Wirkung des iPods und iPho-
nes falsch [ROSE].
In seinem Buch „The Disruption Dilemma“ stellt Joshua Gans den Begriff „Dis-
ruption“ auf ein solideres Fundament, Clayton Christensens Theorie mitumfassend. In
einem ersten Schritt betont Gans, dass die schöpferische Zerstörung von Schumpeter
explizit um die Wirkung technologischer Veränderungen zu erweitern ist. Der Dis-
ruption ist nach Joshua Gans das Moment technologischer Veränderungen explizit und
wesensbestimmend inne. Weiter identifiziert Joshua Gans zwei Arten von Disruption:
1. Nachfrageseitige Disruption (demand-side disruption), bei der erfolgreiche Unter-
nehmen unterschätzen, wie Innovationen Kundenbedürfnisse verändern können. Neue
Spieler im Markt bieten eine neue Leistung/ein neues Produkt in einem Nischenmarkt
etablierter Unternehmen an. Dabei sind etablierte Unternehmen in ihrer Branchenlogik
gefangen und unfähig, neue Technologien transformierend in die Unternehmenspro-
zesse zu integrieren. Dazu müsste die Art und Weise, wie Produkte gefertigt und
vertrieben werden, geändert werden. 2. Angebotsseitige Disruption (supply-side dis-
ruption), bei der Unternehmen sich auf ihre bestehenden Kompetenzen stützen und
unfähig sind, neue Kompetenzen zu entwickeln [GANS]. Denn durch die neuen Tech-
nologien wird die grundlegende Architektur des Produktes („basic architecture of the
product – how it is put together“) verändert. Das etablierte Unternehmen müsste die
Art und Weise der Erzeugung von Produkten/Diensten fundamental ändern. Diese Ver-
änderung geht zudem einher mit veränderten Kundenerwartungen und Bedürfnis-
sen (siehe Abb. 1.6).
Nach Gans ist die „angebotsseitige Disruption“ gefährlicher einzuschätzen als die
„nachfrageseitige Disruption“[GANS, GANS02]. Je nach dem Vorliegen einer nachfra-
geseitigen oder angebotsseitigen Disruption ergeben sich entsprechende Reaktionsmuster
wie aus Abb. 1.7 ersichtlich.
Erstaunlicherweise schmückt das Buchcover von „The Disruption Dilemma“ eine Wid-
mung von Clayton Christensen. Danach konstatiert Christensen, dass er erst mit dem Buch
in der Lage ist, seine (eingeschränkte) Theorie „disruptiver Innovationen“ richtig und
vollumfänglich zu verstehen („Even when Gans disagrees with my work, it has given me
a chance to improve what the theory needs to say“) [GANS]. Das Buch ist eine sehr
lesenswerte und anspruchsvolle Lektüre zum Komplex der Disruption. Allerdings behält
trotz der gegenteiligen Meinung von Joshua Gans das Motto von Andy Grove immer noch
seine Gültigkeit: „Only the Paranoid Survive“ [GROVE]. Denn im Zuge der Digitalisie-
rung verkürzen sich die Innovationszyklen und verstärken sich die Wirkungen neuer
Disruption
(Joshua Gans)
Demands-Side Disruption (C. Christensen) Supply-Side Disruption (J. Gans)

Disruption bieten in einem “Low-End” Nischenmarkt eine Innovation mit Architektonische Disruption
geringer Anfangsleistung an, aber mit raschen Verbesserungen. Die Disruptoren nutzen einen völlig neuen technologischen Ansatz für die
Innovation führt zu veränderten Kundenbedürfnissen Produktion eines (neuen) Produkts/Service. Folge: die grundlegende
Etablierte Anbieter fokussieren konsequent auf Kundenbedürfnisse Architektur des Produkts/Service – wie es zusammengesetzt ist – ändert sich
bestehender Kunden und ignorieren Innovation im Nischenmarkt zusammen mit veränderten Kundenerwartungen und -präferenzen
4 Kernelemente Etablierte Anbieter fokussieren auf die Verbesserung einzelner
1) Etablierte Anbieter verbessern bestehende Produkte/Service entlang einer Komponenten einer existierenden Produkt/Service Architektur. Die Anbieter
stetig verlaufenden Innovationslinie (® Sustaining Innovation) sind Gefangene der bestehenden Produkt/Service- und
Unternehmensarchitektur
1.2 Was es mit der Disruption eigentlich so auf sich hat
2) Die “erhaltenden” Innovationen gehen im Zeitablauf weit über die

Bedürfnisse bestehender Kunden hinaus
3) Etablierte Unternehmen können auf Innovationen der Disruptoren Blackberry iPhone
reagieren, aber die Potenziale der disruptiven Innovation nicht Lock-in in bestehende Konsequente Orientierung
ausschöpfen Produktionsmodelle der Organisation an
4) Etablierte Anbieter verschwinden in Folge der disruptiven Innovation Produkt Architektur
Abb. 1.6 Die zwei Gesichter der Disruption. (Nach [CLAY, GANS])
35
Disruption
Reaktionsmuster
Demands-Side Disruption Suppl-Side Disruptiony

1) Akquisition des Disruptors 1) Aufbau hoch-integrierter1) Organisation mit eigenem
architektonischen Know-how
2) Kooperation mit Disruptor (Beispielsweise Lizensierung)
® Apple’s hochintegrativer Ansatz bei der
3) Aufbau einer Autonomen Geschäftseinheit außerhalb des
Stammgeschäfts, die das Potenzial der disruptiven Produktinnovation führte zu einem tiefen
Innovation ausschöpfen soll architektonischen Wissen über alle Produktbereiche
2) Eigentum an Schlüsselaspekten des Kundenerlebnis
während der Disruption behalten
Abb. 1.7 Die unterschiedlichen Reaktionsmuster der Disruption. (Nach [GANS])
digitaler Technologien immer weiter (siehe Abschn. 1.1). Damit lauert das nächste Start-
up-Unternehmen mit disruptivem Potenzial möglicherweise schon angesichts der niedri-
gen Eintrittsbarrieren in zahlreichen Branchen.
Nach dem Erscheinen des Buches von Joshua Gans ruderte Clayton Christensen zurück
und relativierte die Anwendbarkeit seiner Theorie der disruptiven Innovation in einem
Interview mit dem Boston Globe: „My research on disruptive innovation explains only
how the world works in a very specific set of circumstances“ [PGH]. In diesem Interview
berichtete Christensen von einer „Academy of Management Meetings“, die 1998 im Sili-
con Valley abgehalten wurden. Der Keynote Speaker war Andy Grove, der Chairman von
Intel. Das erste Slide seiner Präsentation behandelte die Theorie der Disruption. Während
seiner Präsentation sagte Grove: „We’re not calling it ,Disruptive Innovation‘, we’re cal-
ling it the ,Christensen Effect‘.“ Er tat dies, weil er den Begriff Disruption als zu „weiträu-
mig“ und leicht missbräuchlich fand. Dies lehnte Christensen aber selber ab. In der
Nachschau, so Christensen weiter, wünschte er sich die Weisheit von Andy Groves Ein-
sicht und die Einführung eines präzisen Begriffs für das missbräuchliche Wort Disruption
[PGH]. Frank Rose von milkenreview.org war dies nicht genug. In einem Twitter-Beitrag
über Disruption schrieb er: „What you really want to hear him say is, Toto, I have a feeling
we’re not in disk drives anymore“ [PGH] („Was Sie ihn wirklich sagen hören wollen, ist:
,In Toto habe ich das Gefühl, dass wir uns nicht mehr im Zeitalter von ,hard disk drives‘
befinden“).
Wenn der Leser auch in Zukunft wieder beim Thema Disruption beziehungsweise dis-
ruptiver Innovation im Fernsehen, im Radio, in Büchern oder Fachzeitschriften nur auf
Clayton Christensen verwiesen wird, möge er bitte mit den gemachten Ausführungen das
Bild von der Disruption und der disruptiven Innovation erweitern. Die Theorie von Chris-
tensen ist seiner Zeit entlaufen, ohne dass Clayton Christensen bemerkt, dass sich die
Realitäten ändern. Abgesehen von der neuen Bewertung des Begriffs Disruption gilt auch
bei der Digitalisierung: Durchbruchsinnovationen sind ein ausgesprochen seltenes Phäno-
men. Die disruptiven Angreifer waren bis dato nur dann wirklich erfolgreich, wenn sie mit
digitalen Plattformen neue Märkte geschaffen haben [RAM].
Nachdem ich den Begriff Disruption zurechtgerückt habe, widme ich mich dem Groß-
trend „Sharing-Ökonomie“, der auch aus dem Silicon Valley in die Welt sprudelt. Dieses
Phänomen bildet die Grundlage für zwei Case Studys in Kap. 3 – Uber und Airbnb. Nicht
nur deshalb lohnt es sich, die Grundzüge der „Sharing-Ökonomie“ zu beleuchten. Die
CEBIT unterstrich die Bedeutung der Sharing-Ökonomie, als sie diese 2013 zum Leitthema
machte. Dieser Großtrend, importiert aus dem Silicon Valley, schleicht sich zunehmend in
zahlreiche Lebensbereiche. Laut Umfrage der Unternehmensberatung PwC in 2016 hat in
Deutschland mehr als jeder zweite Bürger bereits Sharing-Angebote genutzt und 70 %
sehen sie positiver als Angebote herkömmlicher Unternehmen [OBER]. Beeindruckende
Zahlen zu einem wachsenden Trend der noch vor Jahren undenkbar war.
Da ich öfters in Paris beruflich unterwegs bin, konnte ich direkte Erfahrungen mit
einem Service der Sharing-Ökonomie machen. Prinzipiell ist es besonders werktags mor-
gens sehr schwierig, in Paris ein Taxi für eine Fahrt durch die französische Metropole zu
bekommen. Eine vorherige Reservierung ist in Paris wie in Deutschland in allen größeren
Städten nicht möglich. Also begibt man sich üblicherweise zur Rezeption des Hotels und
der Concierge ordert telefonisch ein Taxi. Dann kann es aber ziemlich lange dauern, bis
ein Taxi am Hotel eintrifft, um den Fahrgast an seinen Bestimmungsort zu transportieren.
Aber Anfang 2015 hatte ich die UberPop-App auf meinem Smartphone installiert und
konnte so relativ rasch eine private Beförderungsmöglichkeit bekommen. Der sympathi-
sche private Fahrer hat mich dann auch sicher (wer öfter in Paris unterwegs ist, weiß, was
ich damit meine) und problemlos zu meinem Bestimmungsort befördert. Zudem wurde
ich während der Fahrt in der unnachahmlichen Art der Franzosen unterhalten. Leider
wurde dieser Uber-Service in Paris per Gerichtsbeschluss gestoppt. Nicht nur in Paris,
sondern weltweit sorgen die Uber-Dienste für Widerstand bei professionellen Fahrdienst-
leistern beziehungsweise der abgeschotteten Taxibranche. So kam es auch in Belgien zu
Protesten, bei denen demonstrierende Taxifahrer in der Hauptstadt Brüssel ein Verkehr-
schaos auslösten. Deutlich eingeschränkt wurde das Uber-Geschäft in Deutschland durch
mehrere Gerichtsentscheidungen [AWP]. In New York versucht die Taxilobby den priva-
ten Uber-Fahrdienst gerichtlich zu stoppen. Denn das digitale Geschäftsmodell, sehr lange
Zeit durch die Vergabe exklusiver Medaillons (Taxilizenzen) an gewerbliche Taxiunter-
nehmen abgeschottet, wird zunehmend durch den privaten Fahrdienst UberX schöpferisch
zerstört. So fiel der Preis der Taxilizenzen (Medaillons) in New York für gelbe Taxis (yel-
low cabs) von einer Million Euro (2014) auf 690.000 € im Sommer 2015 [EICH]. Das
„Einhorn“ Uber.com betrachte ich ausführlich im Rahmen einer Case Study in Abschn. 3.4.
Welche Faktoren begünstigen den Aufstieg der Sharing-Ökonomie? Durch die neuen
technologischen Möglichkeiten (Smartphone-Apps, Cloud Computing, Internet) und ver-
änderter Nutzerpräferenzen (Nutzen statt Besitzen) ist das rasante Wachstum der Sharing
Economy ausgelöst worden. Das Internet reduzierte die Suchkosten auf dramatische
Weise bis hin zu Null-Grenzkosten [RIF]. So wird ein exponentielles Wachstum digitaler
Plattformen durch globales Ausrollen der Geschäftsmodelle möglich. Das „Matching“
von Anbietern und Nachfragern mittels App auf dem Smartphone über eine digitale
Online-Plattform ist auch für kleine Transaktionen wie eine Übernachtung (Airbnb) oder
eine Stadtfahrt (Uber) stark vereinfacht worden. Durch das Internet ist das „sehr kurzzei-
tige“ und „sehr kleine Teilen von Ressourcen deutlich einfacher und lohnenswerter gewor-
den“ [HA]. Das notwendige Vertrauen zwischen anonymen Anbietern und Nachfragern
wird auch durch die neuen digitalen Technologien ermöglicht.
Über Bewertungs- und Reputationsmechanismen kann zunehmend die Anonymität des
Sharing-Marktes überwunden werden. Denn in der Welt des Sharings bildet Vertrauen die
Kernwährung. So ist bei Uber und Airbnb wie auch bei anderen digitalen Plattformdiens
ten wie Amazon oder eBay das gegenseitige Bewerten nach einer Transaktion ein wichtiger
Faktor für das Funktionieren der digitalen Plattformen. Hinzu kommt der zunehmend
automatisierte Bezahlvorgang über die digitalen Plattformen. Bei Uber beispielsweise
erfolgt die Bezahlung nach jeder Fahrt unmittelbar komplett über die Uber-App und über
integrierte Bezahldienste wie PayPal oder Kreditkarte. Damit ist eine weitere Friktion aus
der Transaktion auf der digitalen Uber-Plattform zwischen Nachfrager und Anbieter elimi-
niert. Selbstverständlich wird die Kommission für Uber von jeder Transaktion ebenso
automatisch abgerechnet.
Der Begriff „Share Economy“ geht auf den Harvard-Ökonomen Martin Weitzmann
zurück. In dem 1984 veröffentlichten Buch „The share economy“ wurde die (uralte) Idee
des Teilens mit der Vorstellung verbunden, dadurch eine Erhöhung des Wohlstands für alle
Bürger zu bewirken [WEITZ]. Das klingt vergleichsweise harmlos im Vergleich zu Jeremy
Rifkins Bewertung der Sharing Economy. Für ihn läutet die Sharing Economy das Ende
des Kapitalismus und den Beginn einer Ära des Sozialen ein. Damit verbunden ist die
Vision von bewusstem Konsum und mehr Nachhaltigkeit [RATZ]. Jeremy Rifkin spricht
gar von einer „sozialen Weltgemeinschaft“, in der wir Dinge gemeinsam besitzen, statt
von großen Profiten zu träumen [OBER]. Das steht in klarem Kontrast zu Sascha Lobos
Einschätzung der Sharing Economy als „Plattform-Kapitalismus“. Der Soziologe Harald
Welzer spricht von der Sharing Econonmy als „dem ökologischen Gegenentwurf zum
Turbokapitalismus, die Kommerzialisierung dessen, was einmal ungeregelte soziale Pra-
xis war. Da ist zu einem riesigen Markt verkommen, was früher als privater Tausch statt-
fand“ [HAB]. Sascha Lobo sagt: „Die Sharing-Ökonomie führt letzten Endes zu einer
Totalkommerzialisierung des Lebens“ [LOBO05]. Das erinnert mich an eine Weisheit von
Obi-Wan Kenobi im Star Wars-Film „Episode VI – Die Rückkehr der Jedi-Ritter“: „Luke,
auch du wirst noch entdecken, dass viele Wahrheiten, an die wir uns klammern, von unse-
rem persönlichen Standpunkt abhängig sind“ [OBI].
Mit der Sharing-Ökonomie sind wichtige Fragen verbunden, deren gesellschaftliche
Beantwortung darüber entscheiden wird, ob die offensichtlichen Vorteile oder die sich
abzeichnenden Nachteile überwiegen werden. An dieser Stelle ist allerdings zu betonen,
dass es kaum wissenschaftlich abgesicherte Erkenntnisse [SHO] über die tatsächliche Ent-
wicklung der Sharing-Ökonomie und ihre ökonomischen, sozialen und ökologischen Aus-
wirkungen gibt.
Die Sharing-Ökonomie weist folgende grundsätzliche Charakteristika auf: a) Ver-
längerung der Nutzungsdauer von materiellen Gütern durch Tausch, Verschenken und
insbesondere Weiterverkauf (beispielsweise über eBay), b) intensivere Nutzung von

materiellen Gütern, indem Dritten ohne Eigentumserwerb ein temporäres Nutzungsrecht –
mit oder ohne Entgelt – an dem Gut eingeräumt wird, c) der Handel mit oder Tausch von
Dienstleistungen, das heißt immateriellen Gütern [SHO].
Zudem lassen sich prinzipiell drei Modelle des Sharing-Prinzips unterscheiden: 1.
Bei dem „Peer-to-Peer“- Modell stellen Teilnehmer einer Nutzungsgemeinschaft anderen
Teilnehmern Güter und Dienstleistungen kostenpflichtig oder kostenlos zur Verfügung.
Ein online gestütztes Peer-to-Peer Sharing ist als gesellschaftliche Innovation zu betrach-
ten [BOT]. 2. Im Bereich von „Business-to-Consumer“ stellen Unternehmen Privatpersonen
Güter oder Dienstleistungen gegen eine Gebühr zur Verfügung (beispielsweise beim kom-
merziellen Carsharing). 3. Wenn eine Konsumentengemeinschaft einem Unternehmen
Gelder in Form von beispielsweise Crowdfunding zur Verfügung stellt und im Gegenzug
Zugang zu Räumlichkeiten zur Mitgestaltung von Produkten erhält, dann spricht man von
einem „Consumer-to-Business“-Modell [KAUB].
Das „klassische Sharing“ zielt auf das direkte Teilen zwischen Bürgern ab. Dazu
zählen privat initiierte „Car-Sharing“-Initiativen, das Ausleihen von Werkzeug oder
Handwerkermaschinen (etwa „frents.com“), der Verkauf nicht mehr benötigter Beklei-
dung (zum Beispiel „kleiderkreisel.de“) oder die Vermittlung übrig gebliebener
Lebensmittel (zum Beispiel „foodsharing.de“). Im Dienstleistungsbereich stellt sich
die Situation ähnlich dar. Hier stellen die digitalen Austausch-Plattformen lediglich ein
Mittel zum Zweck dar, ohne vorrangig auf Gewinnerzielung abzustellen. So ist die
Nutzung teilweise kostenlos, teilweise werden geringe Gebühren oder Nutzerbeiträge
verlangt.
Diesen vom Gedanken des „selbstlosen Teilens“ geprägten Urformen des Sharings
steht die zunehmende Kommerzialisierung der digitalen Tauschplattformen gegen-
über, mit dem klaren Ziel der Erzielung von Umsatz und Gewinn über den Betrieb der
digitalen Plattformen. Die Aktivitäten der digitalen Plattformen beinhalten den Ausbau
vorhandener Tauschmodelle und das Generieren neuer „Tauschideen“, Marketingaktivitä-
ten, die Bereitstellung und den Betrieb der für die Abwicklung der Tauschtransaktionen
beziehungsweise Dienstleistung notwendigen digitalen Internet-Plattformen sowie den
Einzug von Gebühren [WED, WIKI11, EICH]. Beispielsweise behält Uber von jeder
durchgeführten Fahrt, vermittelt über die Uber-App, pauschal 20 % nach Abschluss der
Beförderung. Der Betrieb dieser digitalen Plattformen erfordert meist komplexe Big Data
Algorithmen zur dynamischen Preisfindung beziehungsweise Optimierung der Dienste
auf zweiseitigen Märkten wie bei Uber oder Airbnb (siehe Abschn. 2.4). Die Sharing-
Ökonomie zeichnet sich durch eine Hybridform mit marktwirtschaftlichen und kollabora-
tiven Zügen aus [RIF].
Mit den digitalen Sharing-Plattformen sind Potenziale und Nachteile verbunden, die
in ihrer ganzen Tragweite noch nicht gänzlich absehbar sind. In der Tab. 1.1 sind exem-
plarisch Vor- und Nachteile der Sharing Economy aufgelistet – ohne Anspruch auf
Vollständigkeit.
Tab. 1.1 Vor- und Nachteile der Sharing Ökonomie [OBER, EICH, HOFF, LOBO05, WED,
CARA, KEN, GOS, VO, HAN03]
Vorteile Nachteile
Nicht genutzte Kapazitäten von Wohnungen, Verlagerung der Risiken vom Arbeitgeber auf
Autos oder menschliches Wissen werden besser den Arbeitnehmer. Uber oder Airbnb verstehen
verwertet und effizienter genutzt → sich nur als Vermittler von Diensten auf
Kostensenkung. Marktliche Abwicklung von digitalen Plattformen. Die Teilnehmer der
kleineren Teilleistungen, die bisher privat Plattform-Angebote sind somit Selbstständige
waren, informell oder gar nicht angeboten und mit allen dazugehörigen Risiken. Soziale
nachgefragt wurden. Die Kapitalisierung Risiken in Bezug auf Sicherheit, Datenschutz,
dessen, was dem Wirtschaftskreislauf bisher Diskriminierung, sinkende Arbeitsstandards.
entzogen war. Im Business-2-Consumer- Vertrauensfrage und Rechtssicherheit von
Bereich die Möglichkeit, Angebote online zu Peer-to-Peer Sharing
machen, die bisher dem stationären Handel
vorbehalten waren. App Stores und YouTube
erzeugen völlig neue Wirtschaftszweige und
Beschäftigungsmöglichkeiten. Die Möglichkeit,
Arbeitskraft und/oder Besitz ohne große
Transaktionskosten gegen Entgelt zu teilen,
also unkompliziert auf dem Markt anbieten zu
können. Geringe Eintrittsbarrieren in den durch
digitale Plattformen erzeugten Arbeitsmarkt
(Stichwort: Nebentätigkeit). → neue
Beschäftigungs- und
Einkommensmöglichkeiten
Dezentralisierung der Wertschöpfung, eine „Winner-takes-all“-Mentalität beim Crowd
Steigerung von Sozialkapital, Working. Der Gewinner einer Ausschreibung
Umweltentlastung durch eine bessere auf der digitalen Crowdworking-Plattform
Ausnutzung materieller Güter bekommt den Auftrag, alle anderen „Mitbieter“
gehen leer aus
Einfache Verfügbarkeit von Sharing- „Rebound-Effekt“ – die Umweltbelastung
Angeboten über einen Knopfdruck auf dem steigt bei höherer Nutzung bestehender
Smartphone Fahrzeuge, da die Anzahl der Fahrten deutlich
zunehmen
Sharing kann nach der Historikerin Luise Verdrängungseffekte: Verdrängung von
Tremel gutes Teilen sein: „1. Wenn weniger Neuwagenproduktionen und Verdrängung des
Ressourcen verbraucht werden. 2. Wenn Teilen etablierten Taxigewerbes – also des
mehr menschliche Begegnungen schafft 3. Wettbewerbs, der reguliert ist (beispielsweise
Wenn es denjenigen Zugang zu Waren, Arbeit über Mindestlöhne oder Sozialleistungen)
und Dienstleistungen ermöglicht, die diesen
Zugang sonst nicht hätten“
Unternehmen können ihr Kerngeschäft Machtkonzentration in der Hand weniger
enger definieren und andere Leistungen im digitaler Plattformbetreiber und dem Rest kleiner
Wettbewerb über digitale Sharing-Plattformen digitaler Anbieter. Opt-out-Effekt: In China ist
ausschreiben Alibaba ein sehr großer Mittelsmann
beziehungsweise Distributor auch für die Industrie.
Was passiert, wenn der Zugang zu Alibaba
verwehrt wird? Ohnmacht der Nachfrager?
(Fortsetzung)
Tab. 1.1 (Fortsetzung)
Vorteile Nachteile
Digitale Plattformen fördern die Erprobung Zahlreiche Lebensbereiche werden durch
neuer Formen der Kombination digitale Plattformen ökonomisiert und die
verschiedener Tätigkeiten. Jobsharing: das Nutzer werden durch
Berliner Start-up Tandemploy hat eine digitale „Bewertungsmechanismen“ diszipliniert.
Plattform entwickelt, über das Menschen Letztlich führt die Sharing-Ökonomie zu einer
zusammengebracht werden, die sich eine Totalkommerzialisierung des Lebens
Vollzeitstelle teilen möchten. Die Plattform
vermittelt diese Personen an Unternehmen, die
für Jobsharing offen sind
Flexibilisierung der Arbeitszeitwahl zur
besseren Vereinbarung von beruflichen und
privaten Verpflichtungen
Die Bedeutung der sozialen Interaktion und Wer, was, wann und zu welchen Konditionen
der damit verbundenen Intensivierung sozialer erarbeitet, steuern automatisierte Prozesse,
Begegnungen durch das Sharing. Die Software-Apps und die dahinter agierenden Big
Möglichkeit sich mit anderen Nutzern zu Data Algorithmen. Bei einer Uber-Fahrt basiert
vernetzen und auszutauschen sowie fremde der Fahrpreis auf zahlreichen Faktoren und
Menschen kennenzulernen. Teilweise auch kann je nach Witterung, Verkehrslage und
soziale Inklusion, Offenheit und Toleranz aktueller Nachfrage in einem bestimmten
gegenüber Fremden. Größere geografischen Gebiet variieren – ein in Echtzeit
Partizipationschancen unter den Bürgern berechneter Wert, der einer Effizienzlogik
(Dynamic Pricing) folgt und soziale Aspekte
außen vor lässt
Nach Rifkin wird Teilen zum Inbegriff eines Zunahme von Überwachung durch Big Data
besseren Lebensstils, dessen zentrale Werte Auswertungen von Transaktionsdaten auf
Gemeinschaft und Nachhaltigkeit sind und digitalen Plattformen und Predictive Analytics
Konsum und Profit ersetzen. Ähnlich betrachten
Botsmann und Rogers ihren Begriff von
Collaborative Consumption gleich mit einer
neuen, humanistischen Vergemeinschaftlichung
Die Expansion der Sharing-Ökonomie steht immer noch am Anfang und die Ausgestal-
tung ist bei weitem nicht so klar, wie die gegensätzlichen Vertreter der Sharing-Ökonomie
behaupten. Mit der Sharing-Ökonomie sind wichtige gesellschaftlich auszuhandelnde
Fragen verbunden, wie zum Beispiel:
• Wird mit dem Sharing Economy-Angebot der gewerbliche Anbieter künstlich benach
teiligt?
• Werden soziale Standrads und gesetzliche Regelungen umgangen und dadurch ein
unfairer Wettbewerb zwischen gewerblichen und privaten Anbietern von Autofahrten
(Uber, Lyft) und Übernachtungsmöglichkeiten (Airbnb, pflats, Wimdu) erzeugt?
• Wenn eine Umgehung bestehender Regulierungen durch neue Sharing-Ökonomie-
Anbieter prinzipiell sinnvolle Regelungen aushebeln, stellt sich die Frage nach mögli-
chen Nachteilen für rechtlich weniger geschützte Marktteilnehmer wie Auftragnehmer
und Verbraucher?
• Wie sind die Transaktionen von privaten Personen in der Sharing-Ökonomie zu ver
steuern?
• Wird die durch die Plattform-Ökonomie verursachte Reorganisation von Märkten,
Unternehmen und sozialen Einrichtungen mit wirtschaftlichem Wachstum und einem
Produktivitätswachstum verbunden sein?
• Oder wird diese Reorganisation zu einer Konzentration von Gewinn in der Hand weni-
ger Unternehmer führen (Oligopol-Gewinne), die die Plattformen aufgebaut haben?
Werden so zukünftige Unternehmer benachteiligt? [HA02, KEN, VO]
• Wird durch die Plattform-Ökonomie eine Welle neuer unternehmerischer Möglichkei-
ten geschaffen oder eine Lawine entrechteter Arbeiter, die ihren Lebensunterhalt mit
isolierten Projekten und zeitlich befristeten Verträgen bestreiten müssen?
• Welche Ziele auf gesamtgesellschaftlicher Ebene sollen mit der Sharing-Ökonomie
eigentlich erreicht werden? Welche Aspekte treten in den Vordergrund und werden
gesamtgesellschaftlich unterstützt und vorangetrieben?
• Welche Folgen hat die Expansion der Sharing Economy für die Volkswirtschaft in
Bezug auf den Strukturwandel, den Wettbewerb oder den Verbraucherschutz?
• Welche Vor- und Nachteile werden durch die Sharing-Ökonomie für die Umwelt erzielt
(ökologische Nachhaltigkeit)?
• Wie ökonomisch tragfähig sind die Ansätze der Sharing Economy? Welche Geschäfts-
modelle funktionieren dauerhaft in der Sharing Economy und was sind die notwendi-
gen Erfolgsfaktoren (ökonomische Nachhaltigkeit) [SHO]?
• …
Diese und weitere Fragen werden unsere Gesellschaften in den nächsten Jahrzehnten
beschäftigen und die Politik vor durchaus zu lösende Herausforderungen stellen. Die
reflexhafte Reaktion von Lobbygruppen und Politikern besteht bis dato nahezu immer
darin, die Angebote der Sharing-Ökonomie übermäßig zu reglementieren oder gar zu ver-
bieten. Damit würden die zahlreichen Vorteile, die mit den Sharing-Ökonomie-Angeboten
verbunden sind (siehe Abb. 1.7), nicht realisiert. Die Regulierung von digitalen Sharing-
Ökonomie-Plattformen ist in Teilen notwendig, aber so, dass sich auch die Potenziale
entfalten können.
Das globale Mantra der Digitalmoderne lautet: „get connected & share“. In diesem
Mantra vereinigen sich die expandierende, digitale Sphäre über die Vernetzung von Net-
zen sowie das Teilen von Gütern, Dienstleistungen und Informationen. Mit diesem
Credo sind die wertvollsten Internet-Unternehmen entstanden. Zu den teuersten Unter-
nehmen weltweit zählen nach ihrem Marktwert alleine vier digitale Internet-Plattform-
riesen aus den USA: Google (Alphabet), Apple, Facebook und Amazon [STAT02]. Bei
diesem Phänomen sprechen die Ökonomen von „Gafa“, gebildet aus den Anfangsbuch-
staben der genannten vier Plattformriesen. In Summe erreichen diese vier digitalen
Plattformen eine Marktkapitalisierung von 1,8 Billionen €, was etwas mehr als die Hälfte
des deutschen Bruttoinlandsproduktes repräsentiert [GNE]. Bei den amerikanischen
Einhörnern („unicorns“) der Start-up-Szene aus dem Silicon Valley liegen Uber mit
41 Mrd. US-Dollar und Airbnb mit 26 Mrd. US-Dollar Marktbewertung unangefochten

an der Spitze [ECON]. Darin alleine drückt sich bereits eine gewisse Macht der digitalen
Plattformen aus.
Die digitalen Plattformen dominieren bestimmte, meist eher neu geschaffene Märkte
(beispielsweise private Fahrdienstleistungen oder private Vermietung von Wohnraum) und
führen in Folge zu einem enormen Anstieg der Unternehmensbewertungen. Die Heimat
vieler digitaler Plattformen bilden die USA und Asien. Wie ist die Wahrnehmung dieser
digitalen Plattformriesen bei deutschen Unternehmenslenkern? Eine von der BITKOM in
Auftrag gegebene Umfrage ermittelte, dass 60 % der Geschäftsführer von Firmen mit 20
oder mehr Mitarbeitern noch nicht einmal wissen, was die Begriffe „Plattformökonomie“
oder „digitale Plattformen“ bedeuten [GNE]. Noch Fragen?
Wir befinden uns an dieser Stelle des Buches bereits in der Welt der digitalen Plattfor-
men. Die Veränderungen, induziert durch die Digitalisierung, werden um digitale Plattfor-
men und deren vielschichtige Algorithmen herum organisiert werden. Es ist aber nicht nur
die Einführung neuer digitaler Technologien, die das Neuartige darstellen. Vielmehr sind
es die teilweise durch diese digitalen Technologien bewirkten Veränderungen in der
Sharing-Praxis sowie die sozialen, ökonomischen und ökologischen Auswirkungen der
Ausbreitung dieser neuen Praktiken [VO]. Das wird im weiteren Verlauf des Buches
immer klarer zum Ausdruck kommen. Im nächsten Kapitel fächere ich das Wesen und die
inneren Wirkmechanismen digitaler Plattformen schematisch auf. Als roter Faden zum
besseren Verständnis der komplexen Thematik im Kap. 2 dient das praxisorientierte Bei-
spiel einer digitalen Smart City-Apps-Plattform mit Ökosystem.
Willkommen in der Welt der digitalen
Plattformen 2
„Fast alle großen, erfolgreichen Digitalkonzerne sind oder

betreiben Plattformen. Schon immer. Google Adsense macht seit
Jahren mit der gebührenpflichtigen Vermittlung der Aufmerksamkeit
das, was Uber mit der gebührenpflichtigen Vermittlung von
Transportleistungen macht: Kunde plus X.“
(Sascha Lobo)
Die Start-up-Fabrik „Rocket Internet“ der Samwer-Brüder hat eine ganz eigene Antwort
auf die digitale Disruption gefunden. Sie entwickelten eine Methode, im Markt erfolg-
reiche digitale Geschäftsmodelle zu kopieren und über eine digitale Plattform auszurol-
len. Daran wurde ich wieder erinnert, als ich in Berlin bei einem Spaziergang auf der
Straße „Unter den Linden“ einen hektisch radelnden „Delivery Hero“ sah. Im Hause
Rocket Internet sind mehrere Essenslieferdienste gebündelt. Dazu zählen Beteiligungen
an Foodpanda und Delivery Hero, die in Deutschland unter dem Namen Lieferheld und
pizza.de agieren [RTR]. Da fährt wieder einer, dachte ich, und der setzt die von den
Samwer-Brüdern entwickelte Start-up-Verfahrensinnovation in die Praxis um, eben um
nicht selbst entwickelte, aber am Markt erfolgreiche digitale Geschäftsmodelle durch
die von Kritikern bezeichnete „Clone-Factory“ [COWAN] noch schneller, effizienter
und profitabler zu machen.
Dieses Denken drückt sich unmittelbar auch in dem Dreiklang auf der Homepage von
Rocket Internet aus: „Incubation. Investment. Growth.“ Und als Quintessenz steht dort in
einem Aphorismus: „We enable entrepreneuership“ [ROC]. Anders ausgedrückt: eine
Effizienzmaschine, angetrieben von Zahlen und Algorithmen. Das klang in der „Mission“
von Rocket Internet in 2015 nicht so verschleiert: „Our Mission: To become the World’s
largest Internet Platform outside the Unites States and China“ [ROCKET, JA03].

https://doi.org/10.1007/978-3-658-19178-8_2
46 2 Willkommen in der Welt der digitalen Plattformen
Hier blitzt schon auf, was Sascha Lobo meint mit: „Plattform-Kapitalismus ist die Dar-
reichungsform des heute allgegenwärtigen Wirtschaftsmodells Kapitalismus“ [RON].
Besonders deutlich zeigt sich dies bei dem privaten Fahrdienst UberX. Es ist die Preisfin-
dung, die uns hier besonders interessiert. Bei UberX steuern automatisierte Prozesse, Soft-
ware Apps und die dahinter agierenden Big Data Algorithmen, wer was wann und zu
welchen Konditionen erarbeitet. Bei einer Uber-Fahrt basiert der Fahrpreis auf zahlreichen
Faktoren und kann je nach Witterung, Verkehrslage und aktueller Nachfrage in einem
bestimmten geografischen Gebiet variieren – ein in Echtzeit berechneter Wert, der einer
Effizienzlogik folgt und soziale Aspekte außen vor lässt.
Deshalb gehen die Uber-Fahrer weltweit nach wie vor immer wieder mit Streiks und
Blockaden auf die Barrikaden. Das ist eine neue Seite der digitalen Plattformen: Sie
bestimmen zwar die Preise, beteiligen sich aber nicht an den Risiken der Arbeitskräfte.
Vielmehr müssen die Arbeitskräfte selbst für ihre eigene soziale und materielle Absiche-
rung sorgen, sind jedoch durch den Plattformbetreiber Uber in ihrer freien Preiskalkula-
tion eingeschränkt. Die digitale Plattform beeinflusst einseitig den klassischen
Preisfindungsmechanismus durch Angebot und Nachfrage [WED]. Damit ist der von
Sascha Lobo genannte Plattform-Kapitalismus gemeint. Drastisch spitzt Lobo seine Kritik
an den digitalen Plattformen zu, indem er auf die Arbeit als zentralen gesellschaftlichen
Aspekt des Plattform-Kapitalismus abstellt: „Genau dort entscheidet sich, ob man die
enormen Vorteile des Plattform-Kapitalismus und damit der Sharing-Ökonomie nutzbar
macht – oder eine Dumpinghölle schafft, in der ausgebeutete Akteure nur dazu dienen, die
Preise der Profis zu drücken.“
Konsequenterweise bildet für Lobo die digitale Plattform Uber eine turbokapitalisti-
sche Gleichung: „Uber mit der gebührenpflichtigen Vermittlung von Transportleistungen
macht: Kunde plus X“ [LOBO05]. Zumindest erkennt Lobo an, dass mit den digitalen
Plattformen und der Sharing-Ökonomie auch enorme positive Potenziale verbunden sind.
Die digitale Plattform „Uber“ beleuchte ich näher in Abschn. 3.4 in einer Case Study. Mit
den digitalen Plattformen ist noch eine weitere Befürchtung verbunden. Die Befürchtung,
dass vermeintliche Monopolstrukturen entstehen, die „… eine ungeheure Macht bekom-
men haben“ [RON]. Mit den Plattformen verschwinden die „Mittelsmänner“ nicht, son-
dern die Plattformen entwickeln sich vielmehr zu immer mächtigeren Mittelsmännern.
Aber worin speist sich diese Macht der digitalen Plattformen in Form von „Mittelsmän-
nern“? Die Quelle der Macht sprudelt aus den positiven Netzwerkeffekten von hochver-
netzten digitalen Plattformen. Der Netzwerkeffekt beschreibt, wie sich der Nutzen einer
digitalen Plattform für einen Nutzer ändert, wenn sich die Anzahl anderer Nutzer dersel-
ben Plattform ändert. So ist der Nutzen der Plattform für einen Anwender von der gesam-
ten Nutzerzahl der Plattform und den dort laufenden Interaktionen abhängig. Diese
Nutzenbeeinflussung ist dem Plattformnutzer prinzipiell nicht offensichtlich bewusst.
Der Plattformbetreiber hingegen nimmt diesen Netzwerkeffekt sehr wohl wahr und ist
bestrebt, über den Netzwerkeffekt den Wert seiner digitalen Plattform zu steigern [PA,
WIKI22]. Der Netzwerkeffekt kann positiv oder negativ ausgeprägt sein. Bei der positiven
Ausprägung des Netzwerkeffektes steigt der Nutzen für den einzelnen Anwender einer
2 Willkommen in der Welt der digitalen Plattformen 47
sehr gut gemanagten Plattform mit der Anzahl der Plattformnutzer und realisierter Trans-
aktionen. Eine negative Netzwerkausprägung tritt auf, wenn das Wachstum an Nutzern
einer schlecht betriebenen Plattform den Nutzen für jeden Anwender verringert. Dies führt
unweigerlich zur Reduzierung von Interaktionen auf der digitalen Plattform. Auf die Netz-
werkeffekte auf digitalen Plattformen gehe ich in Abschn. 2.1 nochmals etwas näher ein.
Die Netzwerkeffekte können so mächtig werden, dass temporär monopolartige Markt-
strukturen entstehen. Die so entstehenden „Monopole“ sind aber keine Monopole im
klassischen Sinn. In der industriellen Ära des 20. Jahrhunderts entstanden Monopolgigan-
ten basierend auf Anbieter-Skaleneffekten („supply economies of scale“). Angetrieben
wurden und werden diese Industriegiganten von Produktionseffizienzen, bei der die
Stückkosten pro Einheit mit der Anzahl an produzierten Einheiten sinken. Dadurch kön-
nen die größten Anbieter in einer Industrie einen Kostenvorteil erlangen, den Wettbewer-
ber nur sehr schwer überwinden können. In der Plattform-Ära aber entstehen temporär
„monopolartige Effekte“ durch Nachfrage-Skaleneffekte („demand economies of scale“).
Diese Nachfrage- Skaleneffekte entstehen durch technologische Innovationen auf der
Nachfrager-Seite (demand side) und führen im günstigsten Fall zu exponentiellen Netz-
werkeffekten [PA].
Nun sehen einige Internet-Vordenker und Kulturschaffende bei den sich ausbreitenden
digitalen Plattformen die dunkle Seite der Macht aufziehen – sozusagen das Monopol des
„Darth Vader“. Paradoxerweise ist mit der Attraktivität der digitalen Plattformen unmittel-
bar eine Art Monopolisierungseffekt gekoppelt [VO]. Denn zu befriedigenden „Matches“
von Anbietern und Nachfragern kommt es erst dann, wenn a) eine ausreichende Größe der
Plattform ausgedrückt in der Anzahl an Gesamtnutzer erreicht ist und vor allem auch b)
positive Netzwerkeffekte auftreten, also Wertzuwächse für jeden Nutzer der Plattform.
Beide Aspekte müssen vorliegen und nicht nur die Größe der Plattform (also Gesamtzahl
an Nutzer einer digitalen Plattform), wie von manchen Autoren unterstellt. So war die
digitale Plattform „MySpace“ viel größer, als „Facebook“ begann, sich zu entwickeln,
aber qualitativ wesentlich schlechter gemanagt. Darauf gehe ich in Abschn. 3.5 näher ein.
Es entstehen aber durch digitale Plattformen keine reinen Monopole. Das bedingt schon
der globale Wettbewerb in Kombination mit niedrigen Eintrittsbarrieren und dem einfa-
chen Zugang zu digitalen Technologien in der Welt der digitalen Plattformen [SIMO].
In der Praxis ist eher von Oligopolen zu sprechen, bei denen eine relativ geringe Anzahl
an Anbietern den Nachfragern gegenüberstehen.
Heutige digitale Plattformen sind mächtiger als je zuvor: Denn Computer sind immer
leistungsfähiger, das Breitband wird immer flächendeckender ausgebaut, das Internet hat
sich weiterentwickelt und wurde mobil, Plattform-Apps-Ökosysteme expandieren, ange-
trieben von Millionen von Online-Stores und Unternehmern. Apps sind heutzutage so
preisgünstig, dass Milliarden von Kopien via High-Speed-Download verkauft werden und
die Vernetzung aller Lebensbereiche in einem bis heute unbekannten Ausmaß erfolgt
[SIMO]. Jetzt haben wir die Türe zur „terra incognita“ digitaler Plattformen weit geöffnet.
Gehen Sie ruhig weiter, liebe Leser. Orientieren Sie sich dabei an der nun lautenden Kern-
frage: Was macht eine digitale Plattform mit Apps-Ökosystem aus?
2.1 ie Plattform-DNA: Kern-Interaktion, Kategorisierung und

D
weitere Komponenten
Die expandierende Digitalsphäre erfährt ihr Momentum von innovativen Technologien

innerhalb eines unaufhörlich expandierenden Internets (mobil – Breitband – Deep –
Dark). Diese Kombination hat einen grundlegenden Wandel in unserem Jahrhundert
erzeugt: Die Notwendigkeit, physische IT-Infrastrukturkomponenten zu besitzen, redu-
ziert sich im Vergleich zum vergangenen 20. Jahrhundert [MARS]. Die digitalen Tech-
nologien machen den Aufbau und die Skalierung von digitalen Plattformen immer
billiger, schneller und einfacher. Sie ermöglichen eine nahezu reibungslose Nutzung
der digitalen Plattformen, die zu exponentiellen Netzwerkeffekten führen können.
Damit steigen die Möglichkeiten, enorme Mengen an Daten zu sammeln, zu analysie-
ren und auszutauschen, die zu einer Wertsteigerung für alle Nutzer der digitalen Platt-
formen führen. In Summe werden so Märkte und Wettbewerbskonstellationen
transformiert. Der Blick auf die Aktivitäten von Amazon, Apple, Alphabet oder Ali-
baba weist hier den Weg.
Demgegenüber ist das Industriezeitalter geprägt von linearen Wertschöpfungsketten,
also der Kontrolle linear verlaufender Aktivitäten. Die linearen Wertschöpfungsketten
sind Input-output-Modelle, bei denen Input (Rohmaterial) vordefinierte Schritte durch-
läuft und in ein höherwertiges Endprodukt transformiert wird (von Parker et al. als „Pipe-
line“-Unternehmen bezeichnet [PA]). Der Output wird dann an den Kunden verkauft. Mit
dem Aufkommen der digitalen Plattform-Apps-Ökosysteme wird die lineare Wertschöp-
fungskette aufgebrochen und transformiert. Die Transformation von linearen Wertschöp-
fungen in komplexe hochvernetzte digitale Plattform-Ökosysteme führt dazu, dass beim
Eintritt dieser Plattformen in Industriebereiche, organisiert entlang linearer Wertschöp-
fungsketten, die Plattformen nahezu immer triumphieren. Darin begründen sich auch die
umfassenden Aktivitäten von Industriegiganten wie Siemens, Daimler, Bosch oder Otto,
digitale Plattform-Geschäftsmodelle in das bestehende Geschäftsmodell zu integrieren
[MARS]. Die Aussage, wonach digitale Plattformen immer triumphieren, ist nicht wört-
lich zu nehmen, denn die digitalen Plattformen transformieren nicht unmittelbar vollstän-
dig ganze Industriebereiche. Vielmehr ergänzen sie anfänglich einen bestehenden Markt
mit zusätzlichen Angeboten (Uber – zusätzliche Fahrmöglichkeiten zu bestehenden Taxi-
fahrten). Damit triumphieren die digitalen Plattformen, indem sie den etablierten Unter-
nehmen Marktanteile mittels innovativer technologischer Lösungen wegnehmen. Die
Gefahr besteht aber für die Pipeline-Unternehmen weiter darin, dass die digitalen Plattfor-
men zunehmend ganze Industrien mit disruptiven Innovationen aufbrechen, die zu verän-
derten Strukturen und Prozessen führen, mit weitreichenden Folgen für alle Spieler im
Markt. Der Wandel von linearen Wertschöpfungsketten zu hochvernetzten, digitalen
Plattform-Ökosystemen führt zu komplex vernetzten und variablen Beziehungen zwi-
schen Anwendern, Produzenten, Ökosystem-Partnern und der digitalen Plattform selbst.
Wie digitale Plattformen traditionelle Industrien erobern und transformieren, beleuchte
ich näher in Abschn. 3.2.
2.1 Die Plattform-DNA: Kern-Interaktion, Kategorisierung und weitere Komponenten 49
Prinzipiell verfügen alle digitalen Plattform-Ökosysteme über eine gemeinsame Struk-

tur, die vier unterschiedliche Spieler beinhaltet (siehe Abb. 2.1): Die Eigentümer einer
Plattform, die ihre „intellectual Property“ (IP) kontrollieren; die Betreiber (Provider) der
Plattform, die als Schnittstelle zum Nutzer agieren; die Produzenten mit ihren Angeboten
auf der digitalen Plattform (Airbnb – private Gästezimmer, Uber: private PKW) und die
Konsumenten dieser Angebote [MARS].
Die Akteure auf einer digitalen Plattform interagieren in einem dynamischen und hoch-
vernetzten Umfeld. Damit geht das Problem der Governance von dynamischen Interaktio-
nen mit wechselnden Rollen der Akteure im Plattform-Ökosystem einher. Zur Governance
zählen Aktivitäten der Plattformeigentümer wie Mechanismen der Personalisierung über
Filter, Qualitätskontrolle durch soziale Kuration und Reputationsmanagement oder die
Zugangskontrolle zur Plattform. Bevor ich diese Aspekte digitaler Plattform-Ökosysteme
betrachte, werde ich die schematische Struktur digitaler Plattformen auffächern.
Im ersten Schritt ist dazu die Betrachtung und Definition digitaler Geschäftsmo-
delle notwendig. Prinzipiell stellt ein Geschäftsmodell „ein angewandtes Geschäfts-
konzept zur Beschreibung, Analyse und Entwicklung der Grundlogik unternehmerischer
Leistungserstellung“ dar. Zur Komplexitätsbeherrschung aggregiert ein Geschäftsmo-
dell die wertschöpfenden Abläufe, Funktionen und Interaktionen zum Zwecke der
kundenseitigen Nutzenstiftung, Sicherung des Wettbewerbsvorteils und der erwerbs-
wirtschaftlichen Erlösgenerierung in einer transparenten schematischen Architektur.
Damit besteht ein Geschäftsmodell aus drei Hauptkomponenten: Value Proposition
(welchen Nutzen stiftet das Unternehmen?), Architektur der Wertschöpfung (wie
wird die Leistung in welcher Konfiguration erstellt?) und dem Ertragsmodell
(wodurch wird Geld verdient?) [STÄHLER]. Eine besondere Bedeutung kommt dabei
den beiden Aspekten „Customer Value Proposition“ (Kundenutzen) und „Value Cap-
ture“ (Wertschöpfung) zu [IAN]. Durch die digitale Transformation werden besonders
die Kern-Geschäftsmodellaspekte „Customer Value Proposition“ und „Value Capture“
verändert [JA03].
(Mehr-) Wert
Währung (Daten, Feedback)
Produzent Konsument
Produzenten von Matching Käufer oder Nutzer des
Plattformangeboten Angebots
Provider
API‘s für die Plattform
Plattform
Eigentümer
Plattform P; Kerninteraktion;
Zugangskontrolle Plattform
Abb. 2.1 Die Akteure und wichtigsten Funktionen auf einer digitalen Plattform
Für das weitere Verständnis orientieren wir uns an der Geschäftsmodell-Definition

von David J. Teece: „Ein Geschäftsmodell beschreibt die Logik, die Informationsflüsse
und andere Kernaspekte, die einen Kundenutzen (value proposition) erzeugen.“ Zudem
beschreibt ein Geschäftsmodell die Erlös- und Kostenstrukturen, die bei der Erzeugung
des Kundennutzens anfallen [TEECE]. Hinzu kommt nach Teece, dass ein Geschäftsmo-
dell artikuliert, wie die aus der Erzeugung des Kundenutzens entstandenen Erlöse in
Unternehmensgewinne umgewandelt werden [JA03].
Die Definition eines Geschäftsmodells ist für uns deswegen von Bedeutung, weil die
skalierbaren, hochvernetzten digitalen Plattformen mit Ökosystemen das technologische
Rückgrat eines digitalen Geschäftsmodells bilden. Ein Geschäftsmodell repräsentiert
dann ein digitales Geschäftsmodell, wenn Veränderungen von digitalen Technologien zu
essenziellen Veränderungen in der Geschäftstätigkeit und der Art, wie Unternehmen
Umsätze generieren, führt [VEIT, ZAM].
Ein Geschäftsmodell wird, wie wir bereits gesehen haben, dadurch definiert, wie ein
Unternehmen einen Wertbeitrag für Kunden erzeugt und monetarisiert (Stichworte „custo-
mer value proposition and value capture“). Beide Aspekte werden durch die digitalen
Technologien substanziell verändert [IAN]. In der Literatur zu digitalen Geschäftsmodel-
len kristallisieren sich folgende, beschreibende, schematische Elemente heraus: Wert-
schöpfung (Wertströme, Kundennutzen), Finanzaspekte (Umsatzströme, Kostenstrukturen),
schematische Architekturen von Netzwerken (Lieferketten, Netzwerkbeziehungen, Logis-
tik, digitale technologische Infrastrukturen und Netzwerke), Flüsse (Geld, Information,
Produkt oder Service) [ZAM]. Damit beschreibt ein digitales Geschäftsmodell auf einem
hohen Abstraktionsniveau „… die jeweiligen Kombinationen aus Erlösmechanismen,
Wachstumskonzepten, Leistungs- und Kooperationssystemen sowie innovativen Informa-
tions- und Kommunikationstechnologien (IKT)“ [JONDA]. Wer sich eingehender mit
dem Wesen digitaler Geschäftsmodelle auseinandersetzen möchte, den verweise ich auf
das Buch „Die Anatomie digitaler Geschäftsmodelle“ [JA03].
Aus den bisherigen Überlegungen lässt sich ein Grundsatz ableiten: Die skalierbaren,
hochvernetzten digitalen Plattformen mit Ökosystemen bilden das technologische
Rückgrat eines digitalen Geschäftsmodells [SCHMI02, VELO01].
Die schematische Anatomie digitaler Geschäftsmodelle und damit digitaler Plattfor-
men lässt sich anschaulich am Beispiel einer digitalen Smart City-Apps-Plattform mit
Ökosystem nachvollziehen. Hierzu werde ich kurz den Komplex „Smart City“ skizzieren
und darauf aufbauend die schematischen Komponenten einer digitalen Smart City-Apps-
Plattform mit Ökosystem auffächern.
In der Literatur wird der Begriff „Smart City“ nicht einheitlich definiert und verwendet.
Ein wesentlicher Grund dafür ist meiner Auffassung nach in der Dominanz digitaler Tech-
nologien im Gefüge einer Smart City zu sehen. Daneben sind wohl die unterschiedlichen
Ziele, die mit dem Komplex der Smart City erreicht werden sollen, dafür verantwortlich,
dass sich weder die Forschung noch die Praxis auf eine einheitliche Definition einigen
konnten. So stehen hierbei der Umgang mit Umweltverschmutzung, der demografische
Wandel, Bevölkerungswachstum, Finanzkrise oder Ressourcenknappheit im Fokus. Noch
breiter gefasst schließt der Begriff auch nicht-technische Innovationen mit ein, die zu einer
höheren Lebensqualität in der Stadt beitragen sollen. Dazu zählen beispielsweise Kon-
zepte des Teilens (Sharing-Ökonomie) oder zur Bürgerbeteiligung bei Großbauprojekten
[WIKI23].
Die digitalen Technologien und damit die digitalen Plattformen vernetzen zunehmend
alle Lebensbereiche einer Stadt. So wird der Begriff Smart City grundsätzlich seit den
2000er-Jahren von unterschiedlichen Akteuren in Politik, Wirtschaft, Verwaltung und
Stadtplanung verwendet, um technologiebasierte Veränderungen und Innovationen in
urbanen Räumen zusammenzufassen [WIKI23]. Neben dem Begriff Smart City werden
Begriffe wie „cyberville, digital city, electronic communities, flexicity, information city,
intelligent city, knowledge-based city, MESH city, telecity, teletopia, Ubiquitous city,
wired city“ genannt [WIKI24]. Darin drückt sich wieder die in Abschn. 1.1 skizzierte
Sprachnot der Technizität aus, ein Effekt der Digitalmoderne, der im Zusammenhang mit
digitalen Technologien in Literatur und Praxis immer wieder aufleuchtet. Versuchen wir
trotz der etwas schwammigen Definitionslage des Begriffs eine Annäherung an den Kom-
plex der Smart City.
Der Ansatz von Caragliu et al. bildet einen Ausgangspunkt, da er einen ganzheitli-
chen Charakter aufweist. Danach ist eine Smart City dann als smart zu bezeichnen,
wenn die Investitionen in das Human- und Sozialkapital und in die traditionelle Trans-
port- und moderne Kommunikationsinfrastruktur (ICT) zu einem nachhaltigen ökono-
mischen Wachstum und einer höheren Lebensqualität führen. Dies soll mit einem
vernünftigen Umgang natürlicher Ressourcen und einer partizipativen Governance
einhergehen [CARAGLIU].
Darauf aufbauend bilden die Handlungsfelder einer Stadt nach Giffinger et al. den
schematischen Ausgangspunkt einer digitalen Smart City-Plattform mit Ökosystem. So
haben Giffinger et al. im Rahmen des interuniversitären Projektes „European Smart Cities“
von der technischen Universität Wien einen Kriterienkatalog zur Bewertung mittelgroßer
Städte entwickelt, der folgende Handlungsfelder einer Smart City umfasst: Smart Eco-
nomy (Wettbewerbsfähigkeit), Smart People (Sozial- und Humankapital), Smart Mobility
(Transport und ICT), Smart Governance (Partizipation), Smart Environment (natürliche
Ressourcen) und Smart Living (Lebensqualität) [GIFF]. Die Konfiguration der Hand-
lungsfelder nach Giffinger et al. habe ich modifiziert wie in Abb. 2.2 dargestellt. Die
Modifikation resultiert aus den Interdependenzen der Handlungsfelder, insbesondere in
der Hinsicht, dass die IKT-Infrastruktur (Attribut des Handlungsfeldes Smart Mobility bei
Giffinger et al.) einen holistischen Charakter aufweist. Die Informations- und Telekom-
munikationstechnologien (IKT) vernetzen sämtliche Handlungsfelder einer Smart City.
Auch das Handlungsfeld „Smart Living“ (Lebensqualität) stellt prinzipiell kein eigenstän-
diges Handlungsfeld dar.
Sämtliche Aktivitäten in den Handlungsfeldern einer Smart City verfolgen das Ziel, die
Lebensqualität in den Smart Citys zu erhöhen [JA02]. Folglich stellen die IKT und die
Lebensqualität eine übergeordnete Dimension dar [HATZELHOFFER01]. Dazu kommt,
dass das Handlungsfeld „Smart Governance“ sowohl ein Handlungsfeld als auch eine
52
Smartes Innovationsmilieu
Smart Governance (Participation)

Participation in decision- Political strategies &
making perspectives
Digitales Netz und Public and social services Open data / Open Innovation Digitales Netz und
IKT-Infrastruktur Transparent governance IKT-Infrastruktur
Smart Environment (Natural resources) Smart People (Social and Human Capital)
Attractively of natural conditions Level of qualification Creativity
Pollution Affinity to life long learning Cosmopolitanism /
Environmental protection Social and ethnic plurality Open-mindedness
Sustainable resource management Flexibility Participation in public life
Smart Economy (Competitiveness) Smart Mobility (Transport)
Innovative spirit Flexibility of labor market Local accessibility

Entrepreneurship International (Inter-) national accessibility
Economic image & trademarks embeddedness Sustainable, innovative and safe transport systems
Productivity Ability to transform Intermodal/multimodal traffic
Smart Living (Quality of life)
Cultural facilities Education facilities

Health conditions Touristic attractively
Individual safety Social cohesion
Housing quality
Abb. 2.2 Perspektivische Adaption der Handlungsfelder einer Smart City. (in enger Anlehnung an [GIFF])
2 Willkommen in der Welt der digitalen Plattformen
übergeordnete Dimension darstellt. Zum Handlungsfeld „Smart Governance“ ist auch das
übergeordnete Attribut „Open Innovation“ (Open Data) mittelbar zuzuordnen. Auch den
Aspekt „Smartes Innovationsmilieu“ einer Smart City betrachte ich als übergeordnete
Dimension. Unter smartem Innovationsmilieu verstehe ich „Open Innovation Eco-
Systems“ und „Global Innovation Chains“. Auf der Basis dieser Überlegungen ergibt sich
die perspektivische Adaption (siehe Abb. 2.2) der Handlungsfelder einer Smart City nach
Giffinger et al. Die so vorgenommene perspektivische Adaption der Handlungsfelder
einer Smart City in enger Anlehnung an Giffinger et al. bildet den schematischen Nukleus
der holistischen Architektur des Smart City-Ökosystems (siehe Abb. 2.3) [JA02, JA03].
Damit sich die Potenziale der Smart City entfalten können, bedarf es eines kooperati-
ven Beziehungsgeflechts zwischen Bürger, Stadtverwaltung, Wirtschaft, Wissenschaft
und Politik [JA01]. Es sind die Bürger mit ihren Lebensrealitäten in den verschiedenen
Stadtteilen und damit in den Handlungsfeldern einer Smart City, die den erweiterten Nuk-
leus einer Smart City bilden. Der Nukleus ist über digitale Informationsinfrastrukturen mit
den weiteren Smart City-Partnern aus Wirtschaft, Politik und Wissenschaft vernetzt. Die-
ses Gebilde beschreibt konzeptionell eine Smart City [JA01]. Für die holistische Architek-
tur einer Smart City mit ihrem Ökosystem sind weitere Komponenten notwendig, wie aus
der Abb. 2.3 ersichtlich wird. Aus der Abb. 2.3 ergibt sich die schematische Darstellung
einer Smart City-Architektur mit einem Ökosystem basierend auf in der Literatur entwi-
ckelten Modellen und eigenen Weiterentwicklungen. In der Abb. 2.4 sind die Beziehungen
und Interdependenzen zwischen den Elementen einer Smart City ersichtlich. Sämtliche
Elemente sind notwendig, um das Ausmaß einer Smart City einordnen zu können. Für
eine ausführliche Darstellung der Entwicklung neuer Urbanitäten basierend auf der
City
Ziele
Lern- und Innovationsmilieu
Lern- und Innovationsmilieu
Interaktion Smart Interaktion

mit den city mit den
Ökosystemen Ökosystemen
anderer Städte anderer Städte
Die Smart City als dynamisches System von Systemen
Abb. 2.3 Die holistische Architektur des Smart City-Ökosystems. (Abgeleitet und erweitert nach
[GOV01, JA01, BOYD, BATA])
Anwender
Handy/Smartphone
iPad/Laptop
Google Apps
SaaS (Software-as-a-Service)
Salesforce.com
Microsoft 365 ® Applications Cloud
Baut auf
Google App Facebook FB PaaS (Platform-as-a-Service)

platform platform Software
® Platform Service Cloud
platform
Baut auf
Virtuelle Server, Speicher, Rechenkerne IaaS (Infrastructure-as-a-Service)

® Infrastructure Cloud
Physische Server
Abb. 2.4 Grundlegende Elemente von Cloud Computing
olistischen Architektur des Smart City-Ökosystems empfehle ich den zweiten Band
h
„Smart City wird Realität“ [JA02]. Die holistische Architektur des Smart City-Ökosys-
tems bildet die Grundlage für die Entwicklung einer digitalen Smart City-Apps-Plattform
mit Ökosystem.
Das bestimmende Axiom des Smart City-Ökosystems ist die Funktion digitaler Techno-
logien zur Systemintegration und der hochgradigen Vernetzung der unterschiedlichen
Smart City-Handlungsfelder. Damit bilden digitale Smart City-Apps-Plattformen eine
wesentliche Komponente bei der Transformation von Stadt-Systemen in den Handlungsfel-
dern einer Stadt. Die digitalen Plattformen sind Netzwerke wie 5G und Breitband-, Kom-
munikations-Tools wie zum Beispiel Telefonie, Social-Media- und Video-Conferencing,
Rechenressourcen wie Cloud Computing und Analyse-und Modellierungswerkzeuge, die
einen tiefen Einblick in das Verhalten von Stadt-Systemen erlauben. Dabei müssen die
digitalen Technologie-Plattformen kontextuell entwickelt werden – im Kontext des holisti-
schen Konzeptes einer Smart City. Denn in der Digitalmoderne durchziehen digitale Tech-
nologien nahezu alle Lebensbereiche der Bürger und führen zur Vernetzung aller
Handlungsbereiche einer Smart City [JA02].
Zu den grundlegenden innovativen Technologien der Digitalmoderne gehört das in
Abschn. 1.1 in Grundzügen skizzierte Cloud Computing. Die Technologie Cloud Compu-
ting baut auf bestehenden digitalen Technologien und Konzepten auf. Für unser Verständ-
nis ausreichend beschreiben wir die Technologie Cloud Computing als einen Ansatz, bei
dem abstrahierte IT-Infrastrukturen (zum Beispiel Rechenkapazität, Datenspeicher,
etzwerkkapazitäten oder auch fertige Software) dynamisch an den Bedarf angepasst und
N
über ein Netzwerk zur Verfügung gestellt werden. Damit erscheinen aus der Sicht des
Nutzers die zur Verfügung gestellten abstrahierten IT-Services fern und undurchsichtig,
wie in einer „Wolke“ verhüllt. Die im Rahmen des Cloud Computings angebotenen Ser-
vices umfassen das komplette Spektrum der Informationstechnik und beinhalten unter
anderem Infrastruktur (zum Beispiel Rechenleistung, Speicherplatz), Plattformen
(Microsoft AZURE; Google Android; Apple OS) und Software (Applikationen wie Apps
für das Smartphone) (siehe Abb. 2.4). Die meisten Leser verwenden im Geschäfts- und
Privatleben oft bereits Cloud Computing-Dienste. Dazu zählen im Internet verfügbare
E-Mail-Programme wie Google-Mail, gmx oder Applikationen wie Facebook, Twitter,
Google Apps etc. Diese Applikationen werden der obersten Cloud Computing-Ebene
„Software-as-a-Service (SaaS)“ zugeordnet [JA01, JA03].
Eine ausführliche Definition und Beschreibung der IT-Technologie Cloud Compu-
ting findet der Leser im ersten Band „Die digitale Evolution moderner Großstädte“
[JA01]. Dieser Dreiklang des Cloud Computings (IaaS, PaaS, SaaS) wird uns weiter
unten wieder begegnen, und zwar bei der Kategorisierung digitaler Plattformen. Wichtig
ist hier, dass durch das Aufkommen des IT-Trends Cloud Computing technologische
Aspekte beherrschbar werden, ohne die digitale Plattform-Geschäftsmodellansätze mit
Apps-Ökosystemen nicht realisierbar wären. Dabei stellen Apps standardisierte Ser-
vices dar, die über das Internet beziehungsweise Cloud Computing-basierte digitale
Dienste-Plattformen flexibel und bedarfsgerecht auf zahlreichen Geräten wie Smartpho-
nes oder iPad dem End-Kunden zur Verfügung gestellt werden. So können dann alle
digitalen Objekte unbegrenzt miteinander kommunizieren und die Anwender sind durch
bi-direktionale Datenströme aktiv miteinbezogen. Mittels bi-direktionaler Kommunika-
tion erhält der Nutzer nicht nur Daten von einem PC, einer Maschine oder einer Appli-
kation, sondern er sendet selbst auch Daten zurück.
Auf der Grundlage bi-direktionaler Kommunikation über Cloud Computing-
Dienste-Plattformen und dazugehörige Apps werden völlig neue Vernetzungsmuster
(logisch und physisch) zwischen Bürger und der Infrastruktur innerhalb moderner
Städte des 21. Jahrhunderts möglich. So werden mit diesen digitalen Plattformen
innovative digitale Geschäftsmodelle entstehen und eine Entwicklung von analogen
hin zu „smarten“ Städten vorangetrieben. Dem Nutzer werden auf der Basis von Cloud
Computing netzwerkbasierte IT-Services und Daten überall und zur jeder Zeit
(„anytime and anywhere“) in bi-direktionaler Kommunikation zur Verfügung gestellt.
Es findet bei dem digitalen Smart City-Ansatz so eine Entkopplung der Compu-
ter-Schnittstelle von der physikalischen Infrastruktur statt. Es kommt zu einer ver-
stärkten Verknüpfung und Integration von Gegenständen, Oberflächen, Räumen und
letztlich unserer gesamten Umwelt.
Möglich ist dies alles durch die expandierende digitale Sphäre. Letztlich stellen die
„Begriffskrücken“ wie mobiles Internet oder das Internet der Dinge, die hier mitschwin-
gen, einfach das Internet dar. Die Expansion der Digitalsphäre lässt smarte, interaktiv
lernende Netzwerke entstehen, auf die alle Akteure einer Smart City über iPads und
Smartphones zugreifen können. Das bi-direktionale, in Echtzeit ablaufende Netzwerk,

entsteht aus sozialen Netzwerken wie Facebook, Cloud Computing-basierten Apps-
Plattformen, Verkehrs- und Überwachungssensoren, On-board-Units in eCars, Ladestati-
onen, Smart Homes und Smart Grids sowie tausenden weiteren Alltagssensoren. Diese
Netzwerke sind smart, interaktiv, lernend und umweltumfassend. Letztendlich entstehen
neuartige digitale Smart City-Apps-Ökosysteme auf der Basis einer breitbandigen, bi-
direktionalen Informationsverteilung, -speicherung und -weiterverarbeitung [JA02].
Es gibt mittlerweile bereits unzählige Apps, die den Alltag der Bürger mit wertvol-
len digitalen Informationen erweitern (Stichwort: Augmented Reality – siehe
Abschn. 1.1), zum Beispiel indem die umliegenden Nahverkehrshaltestellen und die
Ankunftszeiten der Busse und Bahnen verfügbar gemacht werden. In immer kürzer
werdenden Innovationszyklen kommen völlig neuartige smarte Geräte und Apps mit
bisher unbekannten Ausprägungen auf den Markt. Dabei werden Geräte mit Sensoren
ausgestattet, um zum Beispiel die Bewegungen und Standorte des Nutzers zu erkennen.
Denken Sie hier einfach an das Smartphone, dem bisher umfassendsten Sensor in der
Lebensrealität der Menschen. Bei der gleichzeitigen Verbindung mit dem eigenen sozi-
alen Netzwerk (Facebook und/oder lokale digitale Netzwerke) werden diese Informati-
onen allen Freunden und Bekannten über digitale Smart City-Apps-Plattformen
sichtbar gemacht [JA03].
Die technologische Basis-Architektur der skalierbaren Smart-City App-Plattformen
bildet auch die Grundlage zur prinzipiellen Kategorisierung digitaler Plattformen. So
werden die digitalen Plattformen Uber und Airbnb als Plattform-Marktplätze betrachtet,
während Facebook und YouTube as soziale Plattformen gelten. Alle diese Plattformen
unterscheiden sich wesentlich voneinander. Hinzu kommen digitale Industrie-Plattformen
von beispielsweise General Electric (GE) zur Steuerung einer digitalen Fabrik oder das
Nest-Thermostat der Alphabet Holding, die auch als Plattform betrachtet werden. Es las-
sen sich zahllose weitere, völlig verschiedene digitale Plattformen aufzählen. Prinzipiell
lassen sich alle erfolgreichen digitalen Plattformen als digitale Geschäftsmodelle in Form
von „plug-and-play“ betrachten, die Interaktionen ermöglichen, auch wenn sie unter-
schiedlicher Ausprägung sind [SAN]. Dennoch lässt sich ein generelles Muster innerhalb
der verschiedenen digitalen Plattformen identifizieren. In enger Anlehnung an Sangeet in
seinem Buch „Platform Scale“ [SAN] kann eine schematische Architektur auf einer Meta-
Ebene digitaler Plattformen wie in Abb. 2.5 ersichtlich abgeleitet werden.
Im Gegensatz zu Sangeet ist die Datenmanagement-Ebene meiner Auffassung nach als
oberste Ebene zu betrachten. Alle Produzenten und Nutzer einer digitalen Plattform erzeu-
gen und konsumieren Daten. Der Plattform-Eigentümer sammelt, strukturiert und
analysiert die Daten über Big Data Algorithmen. Diese Algorithmen laufen auf der Tech-
nologie-Infrastruktur-Ebene im Verborgenen ab und wirken sich unmittelbar auf die
Netzwerkmarktplatz-Community und die Kerninteraktion aus. Wie wir bereits gesehen
haben, erzeugen die Kerninteraktionen digitale Daten, die in neuer Art und Weise analy-
siert und (re)-kombiniert werden (siehe Abschn. 1.1). Denken wir hierbei kurz an die digi-
tale Plattform Uber. Ohne die Nutzerdaten des digitalen Plattformdienstes verliert die
Abb. 2.5 Schematische
Plattform-Architektur. (In Datenmanagement-
enger Anlehnung an [SAN]) Ebene
Netzwerkmarktplatz-
Community-Ebene
Technologische
Infrastruktur-Ebene
Plattform massiv an Wert für alle Nutzer der Plattform. Zwar stünden die PKW privater
Fahrer zur Verfügung, potenzielle Fahrgäste gäbe es auch und die technologische Infra-
struktur könnte aufgebaut werden, aber ohne die Nutzerdaten wäre dies alles nichts.
Um diese Nutzerdaten erzeugen, analysieren und weiterverwerten zu können, sind für
die digitalen Plattformen zahlreiche Hindernisse wie beispielsweise das „Henne-Ei-
Problem“ (siehe Abschn. 2.2) sowie die Skalierung von Plattformen zu überwinden. Auf
der Datenmanagement-Ebene geht es nicht nur um das effiziente Matching von Produ-
zenten und Konsumenten einer digitalen Plattform. Vielmehr geht es um den Komplex des
Big Data Managements, den ich in Abschn. 2.4 näher betrachte. Mit der Datenmanagement-
Ebene wird ein großer Teil aller Aktivitäten auf einer digitalen Plattform gesteuert und die
Expansion der Plattform über die Kern-Interkation (Vermittlung von Fahrten bei Uber
beispielsweise) hinaus ermöglicht. Die Netzwerk-Marktplatz-Community-Ebene
umfasst die Teilnehmer der Plattform und ihrer Beziehungen untereinander.
Digitale Plattformen können darauf basieren, dass sich die Nutzer untereinander ver-
netzen wie bei Facebook oder aber wie bei Airbnb, wo das effiziente Matching von Produ-
zent und Konsument im Vordergrund steht. Eine explizite direkte Vernetzung der Akteure
einer Plattform muss nicht zwingend notwendig sein. Grundsätzlich dient die technologi-
sche Infrastruktur-Ebene dazu, die Kern-Interaktionen technologisch zu ermöglichen.
Auf dieser Ebene befinden sich die Werkzeuge, Dienste und Regeln für die „plug-and-
play“-Natur der digitalen Plattform. Mit der „plug-and-play“-Ausrichtung digitaler Platt-
formen über entsprechende Schnittstellen (APIs) können externe Produzenten neue, die
Kern-Interaktion der digitalen Plattforme erweiternde Dienste auf dieser technologischen
Infrastrukturebene entwickeln (siehe hierzu auch die Offenheit digitaler Plattformen in
Abschn. 3.1). Die technologische Infrastruktur-Ebene haben wir bereits weiter oben gese-
hen, als wir die Cloud Computing-Infrastruktur skizziert haben. Beispielsweise hosted
YouTube die Videos von Nutzern auf einer Cloud Computing-basierten digitalen Platt-
form und Amazon wiederum stellt eine „Entwicklungsplattform“ zur Verfügung, bei der
zahlreiche neue Dienste entstehen können, wie zum Beispiel ein externer Marketplace,
eine Self-Publishing-Plattform oder Amazon Web Services (AWS).
Auf der digitalen Apple OS-Plattform können externe Entwickler Millionen neuer
Apps entwickeln und vermarkten. Dies macht den „plug-and-play“-Charakter dieser
digitalen Plattformen aus. Dabei ist nochmals zu betonen, dass die meisten digitalen
Plattform-Unternehmen alle auf technologisch standardisierten Komponenten basieren,
die in der Cloud massiv skaliert werden können. Die schematische Architektur digitaler
Plattformen ist ein praktisches Schema, um unterschiedliche Plattformen kategorisieren
zu können. Darüber hinaus lässt sich die Entwicklung digitaler Plattformen über den
Lebenszyklus schematisch abbilden. Betrachten wir kurz die digitale Plattform Airbnb im
Zeitablauf (siehe Abb. 2.6).
Das digitale Plattform Start-up-Unternehmen Airbnb startete mit sehr geringen Netz-
werkeffekten, aber einem expandierenden Datenmanagement auf der Basis einer standar-
disierten und skalierbaren digitalen Technologieinfrastruktur. So konnten robuste
Kern-Interaktionen („Matching“) zwischen Gastgeber und Gästen möglich gemacht wer-
den. Die Eigentümer von Airbnb investierten insbesondere in den weiteren Ausbau von
„End-to-End“-Interaktionen, von Vertrauensinstrumenten wie Nutzer-Bewertungen und
Versicherungen gegen Vandalismus und so weiter. Damit konnte Airbnb global starke
Netzwerkeffekte innerhalb des Airbnb-Ökosystems (Community) auf der Basis eines ste-
tig expandierenden Datenmanagements entwickeln. Die schematische Plattformarchitek-
tur kann wie im Beispiel von Airbnb zur Kategorisierung nahezu aller digitalen Plattformen
verwendet werden. Ins-besondere auch, um die Evolution der digitalen Plattformen sche-
matisch abbilden zu können.
Darüber hinaus lassen sich aus der Vielfalt bestehender und aufkommender digitaler
Plattformen weitere gemeinsame Charakteristika erkennen [PA, EVANS, SIMO, SAN].
Den Ausgangspunkt digitaler Plattform-Ökosysteme bildet die Frage nach dem „Warum“,
also der Existenzberechtigung der Plattform. Dieses Warum drückt sich immer in der
„Kern-Interaktion“ einer digitalen Plattform aus. Die Kern-Interaktion stellt die wich-
tigste Aktivität auf der digitalen Plattform dar. Nicht nur in der Anfangsphase einer digi-
talen Plattform ist dies der Austausch von Mehrwerten, der die meisten Nutzer der
Datenmanagement- Datenmanagement-
Ebene Ebene
Netzwerkmarktplatz-
Community-Ebene
Netzwerkmarktplatz-
Community-Ebene
Technologische
Infrastruktur-Ebene
Technologische
Infrastruktur-Ebene
Airbnb–am Anfang
Airbnb–heute
Abb. 2.6 Die Entwicklung der schematischen Plattform-Architektur von Airbnb

digitalen Plattformen anzieht. Mit der Kern-Interaktion ist auch möglichst ein Alleinstel-
lungsmerkmal verbunden, das für die Nutzer der digitalen Plattform möglichst leicht iden-
tifizierbar und erlebbar ist. Die Kern-Interaktion einer digitalen Plattform umfasst
prinzipiell drei wesentliche Komponenten: die Nutzer der digitalen Plattform, die
erzeugten Mehrwerteinheiten (value units) und die „Filter“.
Alle drei Komponenten müssen explizit nutzerorientiert designt werden, damit die
Kern-Interaktion so einfach, attraktiv und wertvoll für die Nutzer ist. Das überragende Ziel
digitaler Plattformen besteht darin, die Kern-Interaktion so einfach es geht zu ermögli-
chen. Beispielsweise startete die LinkedIn-Plattform mit der „Kern-Interaktion“ Berufser-
fahrene mit anderen Berufserfahrenen zu vernetzen. Bei LinkedIn interagieren die Nutzer
heutzutage auf vielfältige Weise, aber die zusätzlichen Interaktionsmöglichkeiten sind erst
im Zeitablauf um die Kern-Interaktion herum aufgebaut worden. Einen zusätzlichen
Mehrwert erzeugen die erweiterten Interaktionsmöglichkeiten immer erst in Verbindung
mit der Kern-Interaktion. Jede Kern-Interaktion umfasst als Nutzer der Plattform den
Konsumenten und den Produzenten von Produkten, Diensten und Daten. Die Rollen kön-
nen in einem digitalen Plattform-Ökosystem dynamisch wechseln.
Bei Uber kann von der Fahrerrolle zur Fahrgastrolle sehr leicht über das Smartphone
und die Uber-App gewechselt werden. Genau diesen Design-Aspekt weisen alle gut design
ten Plattformen auf. Allerdings kann ein Nutzer bei jeder einzelnen Kern-Interaktion
immer nur eine Rolle auf der digitalen Plattform ausüben. Bei Airbnb kann man also
sowohl Zimmergast also auch Zimmeranbieter sein, aber in der Regel nur eine der beiden
Rollen bei einer Kern-Interaktion auf der digitalen Plattform einnehmen. Aber unter-
schiedliche Nutzer können dieselbe Rolle auf einer digitalen Plattform spielen. Bei You-
Tube können Individuen oder Medienhäuser Filme erstellen und hochladen. Die Anreize
für die individuellen Nutzer und Medienhäuser mögen unterschiedlich sein, aber die Rolle
auf der digitalen YouTube-Plattform ist dieselbe.
Die Bestimmung der Mehrwerteinheiten (value unit) ist in nahezu allen Fällen der
Startpunkt für die Kern-Interaktion. Zu den „value units“ zählen Videos auf YouTube,
Listings verfügbarer Fahrzeuge bei Uber oder Tweets bei Twitter. Umfassender gesagt
findet ein Austausch von Mehrwerten in Form von Informationen, Produkten oder Diens-
ten und eine Form von „Währung“ über die digitale Plattform zwischen den Produzenten
und Konsumenten statt. Die digitalen Plattformen sind immer so designt, das der Aus-
tausch von Informationen reibungslos und direkt über die digitalen Plattformen läuft. Dies
ist ein fundamentales Charakteristikum digitaler Plattformen. Der Austausch von Produk-
ten, Informationen oder Diensten erfolgt in der Form von Mehrwerteinheiten wie Fotos,
Links, Posts mit persönlichen Neuigkeiten oder Nachrichten auf Facebook, Transport-
dienste über Uber, Übernachtungen bei Airbnb.
Der Austausch von Währungseinheiten umfasst typischerweise klassisches Geld in
Form von automatisierten Transaktionen mit Kreditkarten, EC-Karten oder Bitcoins und
eher selten mit Bargeld. Es gibt aber noch andere „Währungen“ wie beispielsweise vom
Nutzer an den Produzenten bezahlte Leistungen in Form von „Aufmerksamkeit“ bei You-
Tube oder Twitter. Bei Tripadvisor bezahlen die Nutzer der Plattform, indem sie die
Reputation des Produzenten (Hotelbetreiber, Restaurantbetreiber) durch Bewertungen

erhöhen, wenn ihnen die Leistung gefallen hat. Zusammengefasst zählen zu den weiteren
Währungseinheiten neben monetären Transaktionen in der digitalen Plattform-Welt vor
allem Aufmerksamkeit, Ruhm, Einfluss und andere intangible Währungseinheiten. Die
Kern-Interaktionen von Uber und Airbnb umfassen neben dem Austausch von Leistungen
(Fahrt bei Uber, Übernachtung bei Airbnb) auch den automatisierten Bezahlvorgang auf
der jeweiligen Plattform abzüglich einer Provision.
Die digitalen Plattformen agieren als Informationsmaschinen, die meist über keine Pro-
duktionslager verfügen. Sie stellen quasi die digitale Bühne zur Präsentation der Mehr-
werte zur Verfügung. Allerdings haben die digitalen Plattformen keine Kontrolle über den
eigentlichen Produktionsprozess. Weder kann Uber die durchgeführte Fahrt, noch Airbnb
die Übernachtung während des Durchführungsprozesses kontrollieren. Dies ist immer nur
nach der Durchführung der Leistung möglich. Die Plattform-Eigentümer können und
müssen deshalb versuchen, eine Kultur der Qualitätskontrolle zu etablieren. Dazu werden
Mechanismen wie „soziale Kuration“ über soziale Filter und Reputationsmechanismen
wie Bewertungen von Nutzern der jeweiligen digitalen Plattformen eingesetzt. Mit den
Mechanismen soll das Problem des fehlenden Vertrauens zwischen meist völlig anonymen
Nutzern digitaler Plattformen beseitigt werden.
Bei den Filtern handelt es sich um einen Software-Algorithmus der für den adäquaten
Austausch von Mehrwerteinheiten auf der digitalen Plattform sorgen soll. Das „Filte-
ring“ dient auch zur Personalisierung von Informationen, um die Relevanz der digitalen
Plattform für den Nutzer zu steigern. Beispielsweise signalisieren bei Uber die Fahrer
ihre Verfügbarkeit über die Anzeige bestimmter Parameter wie Aufenthaltsort, Verfüg-
barkeit, Fahrzeugtyp und so weiter. Über die Mehrwerteinheiten kann das Matching von
verfügbaren Fahrern mit potenziellen Fahrgästen optimiert werden. Denn sobald ein
potenzieller Fahrgast die Smartphone-App von Uber aktiviert, setzt sofort ein Filter
bezogen auf den momentanen Aufenthaltsort des Fahrgastes ein. Dann werden Informa-
tionen zu den relevantesten Fahrerprofilen mit dem anfragenden Fahrgast ausgetauscht
und der Rest der Transaktion läuft automatisch ab. Der Fahrer erscheint, befördert den
Fahrgast an das gewünschte Fahrziel, die Bezahlung erfolgt automatisch über den
Smartphone-Account der Uber-App des Fahrgastes an den Fahrer abzüglich einer Kom-
mission für Uber.
Die Kern-Interaktion ist damit abgeschlossen und die Mehrwerte wurden ausgetauscht.
Das Grundmuster der Kern-Interaktion ist immer: Plattformteilnehmer + Mehrwertein-
heit + Filter → Kern-Interaktion. Bei Facebook erzeugt das gesamte Netzwerk ständig
Aktualisierungen bezüglich Status, Fotos, Kommentare, Links und so weiter. Und damit
hinsichtlich aller Mehrwerteinheiten, die auf der digitalen Facebook-Plattform hinzugefügt
werden. Der individuelle Facebook Newsfeed-Algorithmus beispielsweise bestimmt,
basierend auf den von den Nutzern bereitgestellten Signalen (Parameter, also Präferenzen),
über den Filter vorangegangener Interaktionen mit anderen Inhalten, welche Nachrichten-
Inhalte personalisiert angezeigt werden oder nicht [PA, EVANS, SIMO, SAN]. Zahlreiche
digitale Plattformen entwickeln über die Kern-Interaktion im Lebenszyklus hinaus weitere
Interaktionen (siehe insbesondere Abschn. 3.3 und 3.5). Die zusätzlichen Interaktionen

bauen aber immer auf der Kern-Interaktion einer digitalen Plattform auf. Ohne erfolgreiche
Kern-Interaktion würden die zusätzlichen Interaktionen nicht funktionieren.
Stellt man einen Bezug zur Skalierung von digitalen Plattformen her, sind vier Kom-
ponenten bedeutsam. Einige Autoren betonen, dass die Plattform möglichst schnell skalie-
ren soll und exponentielle Netzwerke entfaltet. Übersetzt bedeutet dies hier, die Anzahl an
Nutzern der Kern-Interaktion möglichst schnell massiv zu erhöhen (quantitative Kompo-
nente der Skalierung). Diese Bedingung der Skalierung ist notwendig, aber nicht hinrei-
chend für den langfristigen Erfolg einer digitalen Plattform, wie das bereits genannte
Beispiel MySpace gezeigt hat. Zerlegt man die „Kern-Interaktion“ hinsichtlich quantitati-
ver und qualitativer Skalierung, so zeigt sich ein Muster mit vier Komponenten: 1. Quan-
titative Skalierung = Produktion + Konsum der Kern-Interaktion mit Mehrwerteinheit.
2. Qualitative Skalierung = Personalisierung + Kuratierung der Kern-Interaktion [SAN].
Von entscheidender Bedeutung ist, dass alle vier Komponenten der Skalierung über digitale
Plattformen möglich sein müssen, um einen nachhaltigen Skalierungserfolg zu erzielen.
Es mag möglich sein, durch besonders kreative Maßnahmen das „Henne-Ei-Problem“
(siehe Abschn. 2.2) zu überwinden und die Anzahl der Nutzer auf der Plattform möglichst
schnell massiv anschwellen zu lassen. Das reicht aber für den langfristigen Erfolg einer
digitalen Plattform nicht aus. Mit dem deutlichen Anstieg der Nutzerzahl einer Plattform
entsteht fast immer auch ein qualitatives „Rauschen“ („Noise“). Damit gemeint sind uner-
wünschte Inhalte und Nutzerverhalten oder auch ineffizientes Matching von Nutzern und
Produzenten auf der digitalen Plattform. Dies ist die qualitative Komponente der Skalie-
rung einer Plattform. Nur Skalierung um jeden Preis reicht nicht, auch die Qualität der
Skalierung muss stimmen.
Dem aufmerksamen Leser wird aufgefallen sein, dass sich alle vier Komponenten der
quantitativen und qualitativen Skalierung in obiger Kern-Interaktion-Gleichung verstecken:
Nutzer der Plattform (=Produktion + Konsum von Mehrwerteinheiten) + Mehrwerteinhei-
ten (value units) + Filter (=Personalisierung + Kuration). Bei jeder Interaktion auf einer
digitalen Plattform gibt es immer die Rolle eines Produzenten, der eine Mehrwerteinheit
erzeugt, und einen Konsumenten dieses Mehrwertes. Die Personalisierung stellt die Fähig-
keit der Plattform dar, eine relevante Kundenerfahrung zu erzeugen. Erreicht wird dies
durch Filter, wie oben beschrieben. Die Nutzer bei Facebook beispielsweise werden bei der
Registrierung darum gebeten, sich mit bestimmten empfohlenen Nutzern zu vernetzen,
wodurch sich bereits ein Filter ergibt. Dieser Filter wird dann für die Zusammenstellung
von „personalisierten“ Inhalten genutzt. Mit der Kuratierung der Plattform-Interaktionen
wird erwünschtes Verhalten auf der digitalen Plattform über Bewertungen und Rezensionen
induziert. Das gewünschte Verhalten und die Vermeidung von unerwünschtem Verhalten
beziehen sich gleichermaßen auf Konsumenten wie Produzenten der digitalen Plattform.
Kommen wir an dieser Stelle wieder auf die Entwicklung einer digitalen Smart City-Platt-
form mit Apps-Ökosystem zurück. Hier spielt der kooperative Zusammenschluss zwischen
Bürgern, Politik und Wirtschaft innerhalb der schematischen Architektur des Smart
City-Ökosystems mit digitaler Apps-Plattform (siehe Abb. 2.7) eine wesentliche Rolle. Der
City
Konkrete Ziele
Handlungsfelder
Smarte Energie APPS
Smarte Mobilität Community eGovernment
Wirt- Cloud
schaft Smartes
Stadtverwaltung
Stadtverwaltung
Gesundheits- Plattform
Bürger Management “Closed Area”
APPS
APPS
-zentrierte Wissen-
lokale schaft
Anforderungen Digital erweitere
… Open Bürger-Dienste
Bürger Plattform
Area
Gouvernance Sicherheit APPS

Internet
Open / Daten-
Private Data quellen
Sichere City Data Cloud Infrastruktur

Netzwerkmanagement &
Sensornetzwerke Selbstheilende Netzwerke
Optimierung
Physische Smart City-Infrastruktur
Abb. 2.7 Die schematische Architektur des Smart City Ökosystems mit digitaler Apps-Plattform
[JA01]
kooperative Zusammenschluss erfolgt über die Kern-Interaktion der Vernetzung aller

Akteure einer Smart City. Betrachten wir ausgehend von dem kooperativen Zusammen-
schluss der Akteure einer Smart City die weiteren schematischen Architekturkomponenten
der digitalen Smart City-Plattform. Die Informations- und Kommunikationsinfrastruktur der
Smart City baut auf den physischen Stadt-Infrastrukturen auf und wirkt als vernetzendes
Element auf alle Handlungsfelder ein. Auf der digitalen Smart City-Plattform mit Apps-
Ökosystem werden die anwendungsorientierten Smart City-Dienste wie beispielsweise
Car2go, MyTaxi, Smart Parking, Smart Metering oder „Bettertaxi“ entwickelt und bereit-
gestellt. Diese Apps werden von kommerziell agierenden Anbietern auf digitalen Plattfor-
men wie Apple iTunes, Google Play etc. gegen eine Nutzungsgebühr angeboten. Mittlerweile
gibt es unzählige Apps für jeden Lebensbereich eines Bürgers.
Daneben werden sogenannte E-Government-Dienste auf der Basis von „Open Data“
entwickelt und dem Bürger zur Verfügung gestellt. Hierbei werden die von der Stadt in der
Vergangenheit analog bereitgestellten Dienste digitalisiert. Dazu sind die digitalen „Open
Data“ maschinell lesbar zu machen. Dann können diese zur Entwicklung von appbasierten
E-Government-Diensten oder kommerziellen Apps herangezogen werden. Zu den E-Go
vernment-Diensten zählen die An- und Abmeldung von Kfz, die online ausgefüllten
Steuererklärungen, die Anmeldung des Kindes in der städtischen Kita per App und viele
weitere mehr. So werden viele neue appbasierte Dienste auf der Basis von Stadtdaten mög
lich, die zunehmend der Öffentlichkeit zugänglich gemacht werden. Das Stichwort ist hier
„Open Data“. Innerhalb der Abb. 2.7 ist hierzu der Bereich „Open Area“ hervorzuheben.
In diesem offenen Bereich können Bürger, Entwickler, Unternehmen und Besucher

Apps entwickeln, offene Daten weiterverwenden und experimentieren. In den offenen digi-
talen Plattformbereichen stehen dann dem Bürger Online-Tools zur Vernetzung und Werk-
zeuge zur Entwicklung von Apps zur Verfügung. Dazu zählen Gmail, Google Docs, Google
Hang-Outs, YouTube, Facebook, Dropbox, Twitter oder Flickr, um nur einige zu nennen.
Innerhalb des geschlossenen Bereiches werden sicherheitsrelevante E- Government-
Services und/oder kommerzielle Apps für die einzelnen Handlungsfelder einer Smart City
entwickelt. Die dabei genutzten Daten werden nur einem eingeschränkten Kreis an Smart
City-Akteuren zugänglich gemacht. Dazu zählt beispielsweise eine Open Data-App, mit
der jeder Nutzer die Wartezeiten in den unterschiedlichen Einwohnermeldeämtern einer
Stadt abfragen kann.
So können beispielsweise über eine bessere Verteilung der Bürger auf die Einwohner-
meldeämter Wartezeiten reduziert werden. Im öffentlichen digitalen Plattformbereich ist
es für alle Akteure einer Smart City möglich, eigene Apps zu entwickeln, zu testen und
einer breiten Öffentlichkeit zur Verfügung zu stellen. Die dabei verwendeten Daten stam-
men aus frei im Internet verfügbaren Daten- und „Open Data“-Quellen. Die digitalen
Interaktions- und Entwicklungsplattformen mit Open Areas sind prinzipiell offene digitale
IT-Plattformen [JA01, JA02]. Auf die Notwendigkeit und den Grad an Offenheit digitaler
Plattformen gehe ich in Abschn. 3.1 nochmals ein. Das Grundmuster und die Komponen-
ten der Kern-Interaktionen auf digitalen Plattformen gelten auch im praktischen Beispiel
der digitalen Smart City-Plattform mit Apps-Ökosystem.
Bevor ich mit der Entwicklung der digitalen Smart City-Plattform mit Apps-Ökosystem
weiter fortfahre, betrachte ich das Phänomen der Netzwerkeffekte auf digitalen Plattfor-
men. Aus der Abb. 2.7 sollte klar werden, dass über die vielfältigen Vernetzungen mit
Kern-Interaktionen sowie zusätzliche Interaktionen über die Entwicklung kommerzieller
und eGovernment-Dienste (Apps) bestimmte Netzwerkeffekte auftreten. Die Netzwerkef-
fekte treten prinzipiell auf, je mehr Nutzer einer digitalen Plattform andere mögliche Nut-
zer zur Nutzung der digitalen Plattformdienste verleiten. Dadurch wird dann ein
exponentielles und selbst verstärkendes Wachstum der digitalen Plattform möglich. Also
je mehr Menschen die digitale Plattform „wie gewünscht“ nutzen, desto wertvoller wird
die Plattform für alle Nutzer der Plattform. Aber Vorsicht: Nicht nur die Anzahl der Nutzer
einer digitalen Plattform entscheidet, wie bereits ausgeführt, über den Wert beziehungs-
weise Erfolg der digitalen Plattform. Dazu kommen muss auch eine hohe Qualität der
„Kern-Interaktion“ einer Plattform.
Die Netzwerkeffekte mit dem möglichen exponentiellen Wachstum digitaler Platt-
formen sind das Ergebnis des expandierenden Internets und einer stetigen globalen Aus-
breitung von Smartphones. Damit können die digitalen Plattformen skalieren und ein
selbstverstärkendes Wachstumsmomentum aufbauen. Dieses Wachstumsmomentum
erzeugt dann kontinuierlich weitere Mehrwerte und Transaktionen zwischen den Konsu-
menten und Produzenten einer digitalen Plattform. Der digitale Plattform-Gigant Ali-
baba hat mittlerweile einen Marktanteil von über 75 % im chinesischen Online-Handel
und Google einen globalen Marktanteil von 82 % bei mobilen Betriebssystemen mit
Android. Die Netzwerkeffekte erklären auch den konvexen Kollaps von Blackberry in
den 2000er-Jahren. Als die Nutzer von Blackberry anfingen, die digitale Plattform zu
verlassen, verringerte sich damit die Anzahl an Netzwerkknoten und damit der Wert der
Plattform. Diese Entwicklung beschleunigte sich und der Wegfall von immer mehr
Netzwerkknoten im digitalen Blackberry Plattform-Ökosystem führte letztlich zum
Untergang.
Mit den Netzwerkeffekten expandieren Märkte und durch den rasanten Anstieg an
Nutzern von Plattformen fallen meist die Nutzungspreise und dies befeuert die Wachs-
tumsspirale weiter. Dann laufen Netzwerkeffekte im Tandem mit fallenden Preisen und
erzeugen eine massive Marktadaption. Die dabei auftretenden Netzwerkeffekte sind
positiver Natur. Das Wachstum einer digitalen Plattform kann auch zu negativen Netz-
werkeffekten führen, wenn das Wachstum an Plattform-Teilnehmern so groß wird, dass
unkontrolliert immer mehr Matches zwischen Konsumenten und Produzenten möglich
sind. Gleichzeitig aber wird das effiziente Matching der Nutzer einer digitalen Plattform
immer schwieriger. Um diesem Dilemma zu entgehen, muss der reibungslose Zugang zur
Plattform ausbalanciert werden – durch die „Kuratierung“ der Kern-Interaktionen auf
digitalen Plattformen.
Über die Kuratierung filtert, kontrolliert und begrenzt die digitale Plattform gegebe-
nenfalls den Zugang von Nutzern auf die Plattform. Die Kuratierung beinhaltet die Kon-
trolle der Aktivitäten (Inhalte und Verhalten der Nutzer) aller Nutzer auf der digitalen
Plattform und die Netzwerkverbindungen, die alle Nutzer untereinander eingehen. Das
Kuratieren der Kern-Interaktionen auf digitalen Plattformen ist eine komplexe und auf-
wändige Aktivität für Plattform-Eigentümer. Schlechtes Management des Kuratierens
kann zu negativen Netzwerkeffekten führen und gar zum Untergang der digitalen Platt-
form. Allerdings führt das anhaltende Wachstum der Nutzer einer digitalen Plattform zu
einem statistischen Effekt. Je mehr Daten man über die Nutzer einer digitalen Plattform
erhält, desto besser wird meist automatisch die Qualität der Daten und die in den Daten
identifizierten statistischen Korrelationen. Dies ermöglicht eine zunehmend bessere
Kuratierung der digitalen Plattform.
Zu unterscheiden ist weiter zwischen direkten und indirekten Netzwerkeffekten (siehe
Abb. 2.8). Direkte Netzwerkeffekte treten dann auf, wenn Nutzer einer Seite der digita-
len Plattform andere mögliche Nutzer derselben Seite zur Nutzung der digitalen Platt-
form anziehen (WhatsApp-Nutzer ziehen potenzielle WhatsApp-Nutzer an). Indirekte
Netzwerkeffekte hingegen entstehen, wenn eine größer werdende Anzahl von Nutzern
einer Seite einer digitalen Plattform (beispielsweise Videospieler) eine größer werdende
Anzahl an Nutzern auf der anderen Seite der digitalen Plattform anziehen (hier: Videos
pielentwickler).
Die indirekten Netzwerkeffekte sind nicht notwendigerweise symmetrisch: Bei Uber
ist ein einzelner Fahrer wertvoller als ein Fahrgast; über das mobile Betriebssystem And-
roid zieht der Apps-Entwickler mehr Nutzer an als ein Nutzer wiederum Apps-Entwickler
anziehen würde. Auf Twitter lesen die meisten Teilnehmer Tweets und nur eine Minder-
heit schreibt Tweets.
Direkte Indirekte Direkte

Netzwerkeffekte Netzwerkeffekte Netzwerkeffekte
(cross-side)
Nachfrageseite Angebotsseite
-Nutzer- -Produzent-
Nachfrageseite Angebotsseite
-Nutzer- -Produzent-
Plattform
Nachfrage Seite Anbieter Seite
Abb. 2.8 Direkte und indirekte Plattform-Netzwerkeffekte
Die positiven, direkten und die wechselseitigen negativen Netzwerkeffekte lassen sich
im Beispiel von Uber wie in der Abb. 2.9 nachvollziehbar darstellen. Die Netzwerkeffekte
der digitalen Plattform „Uber“ basieren auf dem effizienten „Matching-Service“. Dieser
bringt geeignete Fahrer mit anfragenden Fahrgästen zusammen und umgekehrt. Mit der
steigenden Anzahl an registrierten Fahrern auf der digitalen Plattform steigt die Fahrer-
dichte in bestimmten Regionen und Wachstumsdynamiken entfalten sich. Die Nutzer des
Fahrdienstes von Uber erzählen beispielsweise Freunden und Bekannten von der Erfah-
rung mit „Uber-Fahrten“. Diese überlegen sich dann möglicherweise selbst, sich als Fah-
rer bei Uber zu registrieren. Durch diesen Effekt reduzieren sich die Wartezeiten für die
Fahrdienstnutzer in bestimmten Regionen und die Ausfallzeiten für die Fahrer. Geringere
Ausfallzeiten gehen mit einer steigenden Anzahl an Fahrten für die Fahrer einher. Für
Uber bedeutet dies, die Fahrpreise weiter senken zu können, um damit die Nachfrage nach
Fahrten weiter zu stimulieren. Dann setzt eine Wachstumsspirale ein, die zu einer weiteren
Steigerung der Fahrerdichte führt und so weiter. Die Wachstumsspirale stellt die Netzwer-
keffekte digitaler Plattformen dar, die letztendlich exponentieller Natur sein können.
Prinzipiell ist es so, dass beide Netzwerkeffekte – „direkter einseitiger Netzwerkeffekt“
und „indirekter wechselseitiger Netzwerkeffekt“ – positiv oder negativ sein können (siehe
Abb. 2.10).
Die Schwierigkeit liegt nun darin, dass bei einer digitalen Plattform in zwei- und mehr-
seitigen Märkten prinzipiell alle vier Netzwerkeffekte erfolgreich gemanagt werden
müssen.
Die erfolgreichen und effektiven digitalen Plattformen sind immer in der Lage, sehr
schnell und leicht die aktive Nutzeranzahl der Plattform zu expandieren. Dadurch skalie-
ren auch die auf der digitalen Plattform erzeugten Mehrwerte ausgehend von den einset-
zenden Netzwerkeffekten. Damit digitale Plattformen skalieren können, müssen beide
Seiten des Netzwerkes proportional wachsen. Wie aus der Abb. 2.10. ersichtlich, führt ein
disproportionales Wachstum der beiden Seiten einer digitalen Plattform zu negativen
Netzwerkeffekten. Wenn wie bei Uber in der Abb. 2.10 oder auch bei Airbnb (Mismatch
Anzahl der Gäste versus Zimmeranbieter) eine Seite des Marktes disproportional zur
Anzahl Fahrgäste ®
Anzahl verfügbarer Fahrer
Höhere Wartezeiten
Sinkende Höhere – für Fahrgäste
Preise Nachfrage
Steigende Preise
Anzahl Fahrer
Geringere
größer
+ Wartezeiten + Mehr Fahrer
Anzahl
Geringere für Fahrgäste
Fahrnachfragen
Wartezeiten –
für Fahrer
Größere Sättigung/ Stark sinkende Höhere
geografische Preise & Wartezeiten
Positive Netzwerkeffekte
Negative cross-side Effekte
Durchdringung Einkommen für Fahrer
Abb. 2.9 Positive, direkte und negative „wechselseitige“ Netzwerkeffekte bei UBER. (Erweitert
nach David Sacks [SAC])
Indirekte Netzwerkeffekte Direkte Netzwerkeffekte

Spieleentwickler wollen bevorzugt für Videokonsolen – Spieler ziehen
Plattformen Spiele entwickeln, die die Gleichgesinnte auf die Spieleplattformen
größte Anzahl an aktiven Spielern
Positiv haben
Noch mehr Werbung im Fernsehen Shopper bevorzugen weniger

reduziert den Mehrwert für den Konkurrenz bei raren Produkten oder
Fernsehzuschauer oder größere Diensten
Verbreitung von Nachrichten
konkurrierender Produzenten auf der
Negativ Plattformen führt zu unerwünschten
Nachrichtenlawinen ® Mehrwert für
Kunden sinkt
Abb. 2.10 Die Matrix der vier möglichen Netzwerkeffekte auf digitalen Plattformen
anderen Seite wächst, dann sind die Ausgaben von Coupons oder Rabatte sehr gute Maß-
nahmen, um die Zahl der Nutzer der unterproportional wachsenden Seite des Netzwerkes
zu erhöhen. Die Preis-Effekte sind meist aber sehr teuer und kurzlebig, da die Effekte nach
dem Auslaufen der Preisnachlässe („Discounts“) wieder verschwinden. Der Branding-
Effekt ist langlebiger, aber schwierig aufzubauen und zu halten.
Die Skalierung einer digitalen Plattform kann auch durch das „side-switching“ erreicht
werden, wenn also ein Kunde schnell und einfach die Rolle des Produzenten erfüllt. So
rekrutiert Uber mögliche Fahrer aus dem Pool an Fahrgästen und Airbnb mögliche Zim-
meranbieter aus dem Gästepool. Zusammenfassend gilt hier: Netzwerkeffekte lassen sich
antreiben, wenn die digitale Plattform skalierbar, der Zugang zur Plattform einfach und
reibungslos
sowie das „side-switching“ möglich ist [PA]. Neben den thematisierten Netzwerkeffek-
ten kommt auch immer wieder das Konzept der „Viralität“ beziehungsweise des viralen
Wachstums zum Vorschein (siehe Abschn. 2.3). Das Konzept der Viralität fokussiert sich
darauf, momentane Nichtnutzer der Plattform auf die Plattform als aktive Nutzer zu zie-
hen. Der Netzwerkeffekt hingegen zielt darauf ab, den Mehrwert für alle Nutzer der Platt-
form zu erhöhen.
Die Wirkmechanismen auf digitalen Plattformen können das positive Potenzial nur
unter der kreativen Nutzung von drei bereits erwähnten Funktionen entfalten: pull – faci-
litate – match (Nutzer auf die Plattform ziehen – Kern-Interaktionen erleichtern –
Matching von Nachfrager- und Anbieterseite) [PA]. Erst die gute Umsetzung der drei
Funktionen – pull, facilitate, match – ermöglicht ein hohes Volumen an Kern-Interaktionen
auf digitalen Plattformen und damit positive Netzwerkeffekte. Betrachten wir kurz diese
drei Funktionen. Bei der „pull“-Funktion muss das schwierige „Henne-Ei-Problem“
überwunden werden, an dem zahlreiche digitale Plattformmodelle letztlich scheitern.
Es geht darum, möglichst viele Nutzer auf eine vorher nahezu transaktionslose digitale
Plattform zu ziehen.
Aber die möglichen Nutzer nutzen die digitale Plattform nur dann, wenn diese Mehr-
werte für die Nutzer erzeugt. Gleichzeitig aber verfügt eine Plattform nur dann über min-
destens einen Mehrwert, wenn bereits viele Nutzer auf der Plattform sind. Das Phänomen
des „Henne-Ei-Problems“ skizziere ich in Abschn. 2.2 näher.
Eine zweite Pull-Herausforderung zeigt sich darin, angemeldete Nutzer oder Besucher
der Plattform auf der Plattform langfristig zu halten. Diesen Effekt kann man über das
sogenannte „Feedback Looping“ erzielen. Ein Feedback Loop kann unterschiedliche For-
men annehmen, mit dem Ziel, einen konstanten Fluss an sich selbst verstärkenden Aktivi-
täten („self-reinforcing activity“) zu erzeugen. Zu den Formen der „Feedback Loops“
zählen: „Single-user feedback loop“ und „Multi-user feedback loop“. Beim „Single-
user feedback loop“ analysiert ein Algorithmus das Nutzer-Verhalten auf der Plattform
und zieht Rückschlüsse auf die Interessen und Präferenzen des Nutzers. Auf der Basis der
algorithmusbasierten Rückschlüsse werden dem Nutzer weitere Empfehlungen gemacht
beziehungsweise Mehrwerteinheiten (value units) sowie Netzwerkverbindungen zu ande-
ren Nutzern mit ähnlichem Nutzerprofil- und verhalten angeboten. Das Ziel besteht darin,
die Aktivitäten des Nutzers auf der Plattform zu steigern. Mit der steigenden Aktivität des
Nutzers auf der Plattform verfeinert der Algorithmus das Nutzerprofil um personalisierte
Mehrwert-Empfehlungen und zusätzliche Netzwerkverbindungen.
Ein klassischer „Multi-user feedback loop“ ist der Newsfeed von Facebook. Hier wird
die Aktivität des Produzenten an relevante Konsumenten weitergeleitet oder zur Verfü-
gung gestellt. Deren Aktivitäten werden wiederum an den Produzenten zurückgespiegelt.
So kann bei effizienter Ausführung ein positiver Kreislauf entstehen, der zu verstärkten
beidseitigen Aktivitäten auf der digitalen Plattform führt und die Netzwerkeffekte zu mög-
lichst exponentiellen Wachstum führt. So werden beispielsweise bei Facebook Status-
Updates des Produzenten an relevante Konsumenten gemeldet und deren „likes“ sowie
Kommentare dienen als Feedback für den Produzenten. Zu erwähnen ist noch, dass
Pull-Effekte auch über externe Netzwerkeffekte erfolgen können, wenn, wie beispiels-
weise bei WhatsApp oder Instagram geschehen, diese „huckepack“ auf den Facebook-
Netzwerkverbindungen ihrer Nutzer gefahren sind [PA] (siehe Abschn. 3.3).
Beim Prozess des „Facilitatings“ der Kern-Interaktionen auf einer digitalen Plattform
wird eine digitale Infrastruktur zur Verfügung gestellt, auf der Kern-Interaktionen mög-
lichst reibungslos ablaufen und die zu Mehrwerten für alle Nutzer führen. Erinnern wir
uns daran, dass die digitale Plattform nahezu keinerlei direkte Kontrolle über die Ausfüh-
rung der Kern-Interaktion und die Erzeugung des Mehrwerts haben. Die Maßnahmen im
Rahmen der reibungslosen Ausführung von Kern-Interaktionen auf digitalen Plattformen
(„facilitate“) umfassen: a) Werkzeuge für die Kollaboration und das „Sharing“ zur Verfü-
gung zu stellen, um die Interaktionen auf der Plattform so einfach wie möglich gestalten
zu können; b) Eintrittsbarrieren für die Plattformnutzung zu senken; c) in manchen Fällen
sind die Eintrittsbarrieren für die Nutzung der digitalen Plattform zu erhöhen. Die digitale
Plattform „Sittercity“ beispielsweise hilft Eltern dabei, einen geeigneten Babysitter zu
finden. Da dies ein sehr heikles Unterfangen ist, implementierte Sittercity stringente und
mehrstufige Regeln für potenzielle Babysitter [PA].
Das bereits vielfach angesprochene effiziente „Matching“ von Produzenten und Kon-
sumenten erfolgt über eine Datenakquisitionsstrategie, die ausgefeilte Algorithmen und
eingebaute Filter umfasst. Die Aktivitäten aller Akteure der digitalen Plattform werden
aufgezeichnet, strukturiert und analysiert. Je häufiger dieser Prozess durchlaufen wird,
desto effizienter gelingt das Matching von Produzenten und Konsumenten. Manche Platt-
formen gingen dazu über, die Nutzer aufzufordern, sich mit ihrem Facebook-Account
einzuloggen. So konnte auf die Nutzer-Daten bei Facebook zurückgegriffen werden. Ein
Beispiel ist die Musikstreaming-Plattform Spotify, die aber mittlerweile nach Protest von
Nutzern auch alternative Log-in-Möglichkeiten zur Verfügung stellt. Die Datenmanagement-
Strategie umfasst auch den Zukauf von Daten bei anderen Produzenten (Abschn. 2.4). Die
Algorithmen bei Facebook oder Uber beispielsweise arbeiten auf der Basis von Nutzerda-
ten wie Geschlecht, Alter, Beziehungen beziehungsweise Netzwerk-Status, Aufenthalts-
ort, angereichert mit dem gesammelten Nutzungsverhalten des Nutzers auf den digitalen
Plattformen. Dies mündet dann in Nutzergruppierungen und einer personalisierten
Ansprache der Nutzer nach Maßgabe komplexer Algorithmen, die ständig optimiert wer-
den und für den Nutzer allerdings intransparent sind.
Bei Facebook führt diese Vorgehensweise zum Phänomen der „Filter Bubble“. Dabei
erhält jeder Nutzer im Nachrichtencenter genau dieselben Nachrichten wie das eigene
Netzwerk und ähnlich identifizierte Nutzer im gesamten Facebook-Universum, reduziert
durch algorithmisch erzeugte Filter. Dabei wird sofort deutlich, dass man als Nutzer dann
genau die Nachrichten erhält, die die eigenen Meinungen und die Vorstellungen des eige-
nen Netzwerkes bestätigt. Auf der anderen Seite erhalten die Facebook-Nutzer relevantere
Informationen zu Themen, die den eigenen Präferenzen entsprechen. Dadurch wird das
Ausmaß an „Noise“ als Rauschen in Form von irrelevanten Informationen oder Spam
immer weiter reduziert.
In der Praxis können nur die erfolgreichsten Plattformen alle drei Funktionen gleich-
gewichtig managen. Dieses Management der drei Funktionen stellt eine kontinuierliche
Aufgabe dar. Es lassen sich aber auch digitale Plattformen aufbauen, die sich stärker auf
ein oder zwei der drei Funktionen fokussieren und erfolgreich sind. So fokussiert sich
YouTube beispielsweise auf starke Pull-Funktionen und „effizientes Matching“ von Nut-
zern, während sich Vimeo koexistierend mit YouTube im selben Markt mit effizientem
Hosting, Bandbreiten und anderen Tools differenziert und damit die „Facilitate-Funktion“
der Produktion und Konsumption betont.
Gehen wir nun einen Schritt weiter bei der Entwicklung eines digitalen Smart City-
Plattform mit einem Apps-Ökosystem und zoomen in den digitalen Apps-Plattform-
Bereich in Abb. 2.11. Hier zeigt sich detailliert die schematische Anatomie der digitalen
Smart City-Apps-Plattform mit einem offenen und geschlossenen Bereich. Mit den in
diesen Bereichen anfallenden Daten kann der Plattform-Eigentümer über das Big Data
Management neue, kontextbasierte Apps entwickeln (siehe „Entwicklung kontextbasier-
ter Apps & Daten Management“ in der Abb. 2.11). Dabei werden im Rahmen des
Kontext-Brokerings die Nutzerdaten gespeichert, verarbeitet und zu neuen kontextbasier-
ten Datenbündeln verknüpft. Der Weiterverkauf von Daten (singuläre Apps), die Bünde-
lung von Daten (gebündelte Apps) zu neuen Anwendungsfällen bis hin zu neuartigen
Anwendungswelten ist nur über das „Kontext-Brokering“ (kontextuelles Big Data
Management) möglich (siehe auch Abschn. 2.4). So liegen dann kontextuale Daten vor,
die weiter vermarktet werden können.
Zentrale Punkte bei dem Big Data Management sind der Datenschutz und Gewähr-
leistungsrechte. Diese sensiblen Aspekte müssen einer strengen Governance mit genau
definierten Kontrollsystemen und unter Wahrung des Rechts auf informationelle Selbstbe-
stimmung unterzogen werden. Beispielsweise können über das Kontext-Brokering Ver-
kehrsflüsse in modernen Städten optimiert werden. Dazu werden die Nutzungszeiten von
Straßen mit PKW, öffentlichen Verkehrsmitteln und zurückgelegten Wegen miteinander
kombiniert. In diesem einfachen Fall lassen sich Verkehrsflüsse aufzeichnen und Staumus-
ter statistisch ableiten. Neben statischen und personenbezogenen Daten existieren Daten
zum Nutzungsverhalten sowie Daten Dritter. Um die Dynamik der Plattform noch weiter
zu steigern, kann der Nutzer auch aktiv an ihr teilhaben. So könnte die digitale Plattform
beispielsweise in Form eines sozialen Netzwerks ausgeweitet werden. Die dabei entste-
hende „Mass Customization“ führt durch aktive Verbesserungsvorschläge seitens der Nut-
zer, Präzisierung von Angaben oder aber der Erweiterung der Inhalte wiederum zu ein
Mehrfaches an Daten. Diese quasiöffentlichen Daten dürften dann Relevanz sowohl für
lokale Anbieter als auch für weitere Interessenten haben [JA01, JA03].
Jetzt müssen wir einmal kurz durchatmen. Bedenken Sie für einen kurzen Moment, wie
viele Daten, wo über wen und was in diesem digitalen Smart City-Plattform-Ökosystem
anfallen. Der Aufwand, um diese Daten zu sammeln, auszuwerten, neu anzureichern, zu kon-
trollieren und weiterzureichen, wird mit der Expansion eines digitalen Smart City-Ökosys-
tems immer umfangreicher. Wissen Sie, wie die Big Data Algorithmen von Google oder
Facebook (siehe Abschn. 3.5) funktionieren, welche Daten über Sie und ihr Nutzungsverhal-
ten aufgezeichnet werden? Die Daten, die in riesigen Serverfarmen in der Cloud gesammelt,
analysiert und weiterverarbeitet werden. Diese Mechanismen laufen im Verborgenen ab und
die mit den Algorithmen verbundenen Ziele sind intransparent. Auf den Datenschutz und
dazu notwendige Regulierungen von digitalen Plattformen gehe ich in Abschn. 4.3 ein.
70
Meta-Plattform-Anbieter
(Microsoft, Google, Force.com)
IT Services und
-Lösungsanbieter
(Vertikalisierung der
Meta-Plattform)
Bereitstellung von ePedelec,
eCar zu reduzierten Preisen
Utility, OEM Zugang Smart City APPs-Cloud-Plattform (Stadt x)
Miete APPs nach Handlungsfeldern

(Pay-Per-Use)
Neue Services / APPs Entwicklung
iPod kontext-
basierter APPs
ePedelec End & Daten-
Kunde management
iPhone
Datenmanagement
APPs-Marktplatz
eCar OBU
Click zusätzlichen Datenanbieter
Services (Link) Offener Bereich
Subvention Nutzung von Apps
Google-Suche Preismechanismen
(Hotel, Restaurant, …)
Open / Private Data
APPS-Anbieter
(Unternehmen,
Bürger, Smart
City-Partner)
Frei im Internet
Datenflüsse zugängliche Daten
(Facebook, Wetterdaten, Rechenzentrumskapazitäten
Wertströme Staumeldungen …) und -leistungen
(private & public)
Abb. 2.11 Offener und geschlossener Bereich einer digitalen Smart City-Apps-Plattform mit Ökosystem [JA01]
2 Willkommen in der Welt der digitalen Plattformen
Bevor ich die Wertschöpfungsdynamik digitaler Plattform-Ökosysteme auffächere, ist

die Governance digitaler Plattformen genauer zu beleuchten. Die Governance digitaler
Plattformen umfasst prinzipiell: die Zugangskontrolle zur Plattform, die Aufteilung der
erzeugten Mehrwerte zwischen den Akteuren der Plattform sowie Konfliktlösungen und
das Management teilweise divergierender Ziele sämtlicher Plattformakteure. Daher zählt
die Governance eines erfolgreichen Plattform-Ökosystems zu den Kernkompetenzen der
Plattformbetreiber. Es müssen Regulierungen gefunden werden, mit denen eine große
Teilnahme auf der Plattform, also eine hohe Anzahl an Interaktionen und damit verbunde-
nen Wertschöpfungen möglich sind. Zudem sind Anreize zu schaffen, um ein „gutes“
Verhalten auf der Plattform zu induzieren. Dieser Aspekt hängt unmittelbar mit den bei
den Kern-Interaktionen auf der digitalen Plattform zu implementierenden „Filtern“ zusam-
men (siehe oben).
Für den Beitritt zur digitalen Plattform sind ebenso Anreize zu schaffen, die mitunter
„freemium“-Angebote (siehe weiter unten) für eine Seite der Plattform vorsehen. Diese
Art der Anreize spielt eine wichtige Rolle, um insbesondere das „Henne-Ei-Problem“
(siehe Abschn. 2.2) zu überwinden. Die digitale Facebook-Plattform muss beispiels-
weise die Interaktion von mehr als 1,5 Mrd. Nutzer in den unterschiedlichsten Ländern
dieser Erde managen und monitoren. Denn nur dann kann Facebook auch sicherstellen,
dass die Mehrwerte auf der digitalen Plattform weiterhin für alle Nutzer zur Verfügung
stehen. Die Governance digitaler Plattformen mit expandierenden Ökosystemen kann
grundsätzlich auf vier Instrumente zurückgreifen: Gesetze, Normen, Architekturen und
Märkte [PA, SAN].
Bezüglich der Gesetze in der Welt digitaler Plattformen denke man nur an verwüstete
Zimmer von Airbnb-Zimmeranbieter. Hier greifen gesetzliche Regelungen, die auch
uneingeschränkt für Airbnb gelten. In Bezug auf Normen kann man sich, wenn vorhan-
den, auf eine engagierte Plattform-Community stützen. Die Normen etablieren sich
nicht von selbst aus dem Nichts, sondern können sich durch die intelligente Anwendung
von Prinzipien des Verhaltensdesigns entwickeln. Das Verhaltensdesign folgt einer
Sequenz von Auslöser, Aktion, Belohnung und Investment. Den Auslöser bildet ein von
der digitalen Plattform ausgelöstes Signal oder eine Nachricht wie eine E-Mail-Benach-
richtigung und so weiter. Der Nutzer sollte dann im Gegenzug eine gewünschte Hand-
lung ausführen. Die Handlung selbst wird dann vor der Plattform belohnt, mit teilweise
variablen Belohnungskomponenten. Letztlich verlangt die digitale Plattform vom Nut-
zer ein Investment an Zeit, Daten, Sozialkapital oder Geld. Dieses Investment zielt dar-
auf ab, die Bereitschaft des Nutzers zur gewünschten Nutzung der Plattform zu steigern.
Beispielsweise poppt bei dem Nutzer Hendrick eines Tages ein Foto von der schönsten
Küste Kaliforniens im Newsfeed bei Facebook auf. Das ist der Auslöser. Der nächste
Schritt bildet das Anklicken des Fotos. Dann wird Hendrick auf die Foto-Sharing-Platt-
form www.istockphoto.com geleitet, die für ihn völlig neu ist. Dort erhält er eine sorg-
fältig personalisierte und kuratierte Fotosammlung zu den schönsten unbekannten
Plätzen an der speziellen Küste Kaliforniens. Dann fragt „istockphoto“ bei Hendrick
nach einem überschaubaren Investment. Das Investment besteht darin, Freunde zu
istockphoto einzuladen, persönliche Präferenzen anzugeben oder neue istockphoto-Fea-

tures kennenzulernen. Diese Aktionen werden neue Auslöser für Hendrick erzeugen und
der Zyklus startet erneut. Im Kontext digitaler Plattformen steht Architektur gleichbe-
deutend mit dem Programm-Code. Sehr gut designte Software-Systeme sind selbstopti-
mierend und sie ermutigen und belohnen gutes Verhalten, das sich dann wiederholt.
Eine revolutionäre Architektur in dieser Hinsicht stellt die 2008 ins Leben gerufene
„Blockchain“ dar. Der geniale Code des unbekannten, aber unter dem Pseudonym Satoshi
Nakamoto agierenden Entwicklers veröffentlichte ein Papier über Kryptografie, die digi-
tale Währung Bitcoin definierend und das sogenannte Blockchain-Protokoll. Bei der sim-
plen Idee hinter Bitcoin wird eine virtuelle Münze von einem Eigentümer auf den nächsten
übertragen, indem die Transaktion von beiden Partnern mit einer elektronischen Signatur
versehen wird. Dann fließt in die Signatur ein sogenannter „Hash“ ein. Dies ist ein digita-
ler Schlüssel, der die Signatur eindeutig an die letzte Münzübergabe koppelt. Folglich sind
alle Transaktionen, eine bestimmte Münze oder einen anderen Wertgegenstand betreffend,
aneinander gekoppelt. Also bildet eine Blockchain eine Kette von Datenblöcken, in der
die Transaktionen gespeichert sind.
Um auszuschließen, dass eine virtuelle Münze nicht schon einmal ausgegeben wurde,
wird jede Transaktion dezentral im Internet über viele Knoten geprüft. Jede in einem
Blockchain-Verfahren beabsichtigte Transaktion wird mit einem Zeitstempel versehen.
Dann werden alle zeitgleich eingereichten Transaktionen an alle Knoten gesendet und in
Blöcken zusammengeführt. Die Knoten senden dann jeden neuen Block, versehen mit
einer zufällig generierten komplexen Rechenaufgabe, an alle anderen Teilnehmer des Net-
zes. Selbst für mächtige Computer dauert es einige Sekunden, um die komplexe Rechen-
aufgabe zu lösen. Dadurch aber bleibt es dem Zufall überlassen, welcher Rechner im
Netzwerk über die Zulässigkeit der in einem Block enthaltenen Transaktionen entscheidet.
Die Prüfsummen werden aber von allen Rechnern erzeugt [KELLER]. Sobald die Rechen-
aufgabe gelöst ist, wird von dem Gewinner der autorisierte Block an alle anderen Knoten
gesendet, die ihn dauerhaft speichern (siehe Abb. 2.12). Derjenige, der als Erster auf das
Rechenergebnis kommt, hängt den neuen Datenblock an die Blockchain und wird dafür
mit frischen Bitcoins belohnt. Neben der Anreizfunktion für die Miner und ihre Investition
in Rechenleistung dient die Kryptowährung Bitcoin auch zur Geldschöpfung des banken-
und staatenlosen Kryptogeldes. Allerdings sieht das Bitcoin-System lediglich eine maxi-
male Geldmenge von 21 Mio. Bitcoins vor, sodass die Höhe der Belohnung im Zeitverlauf
abnimmt. Alle in der Datenkette gespeicherten Transaktionen können nachträglich nicht
mehr gelöscht werden. Damit aktualisiert sich die Blockchain ständig auf jedem Rechner,
der Teil eines Blockchain-Netzes ist. So folgt die Blockchain dem Prinzip der logischen
Zentralisierung und der organisatorischen Dezentralisierung [HEUS02].
Im Beispiel von Kryptowährungen wie Bitcoin werden die hoch spezialisierten Rech-
ner von sogenannten Minern betrieben. Ihnen fällt die Rolle zu, Bitcoin-Transaktionen zu
verarbeiten, indem sie neue Datenblöcke an die Blockchain anhängt. Miner kann im Prin-
zip jeder werden. Das geht auch ohne eigene Hardware, indem man gegen Gebühr Rechen-
leistung bei Mining-Dienstleistern anmietet [KELLER]. Sollte ein Hacker die Kontrolle
Tablet, PC Tablet, PC
Virtuelles Virtuelles
Geld Geld
Daten
block Blockchain
? ¸
? ?
per Zufall Daten
Daten
block
block
¸
? ?
Abb. 2.12 Das Funktionsprinzip der Blockchain
über einen oder mehrere Knoten erhalten, um einen Block in der Blockchain zu ändern, so
werden dann auch die Hash-Werte des Blockes und der nachfolgenden Blöcke geändert.
Diese Manipulation erkennen die anderen Knoten und werden den Block einfach aus der
Hauptkette ausschließen.
Die Blockchain kann aber nur eine beschränkte Anzahl an Transaktionen pro Zeiteinheit
durchführen, da jeder Transaktionsblock von jedem Knoten bearbeitet wird. Außerdem
wird immer mehr Speicher benötigt, da alle Transaktion transparent für die Ewigkeit
gespeichert werden [WIN]. Weitere Probleme betreffen den hohen Energieverbrauch und
die noch unausgereifte Technik [HEUS02]. Die Blockchain ermöglicht völlig transparente,
dezentrale und absolut vertrauenswürdige Interaktionen ohne Einsatz von Escrow-Zahlun-
gen oder anderen Garantien. Die Blockchain ist ein verteiltes, öffentliches Hauptbuch, das
die Abspeicherung von Daten in einem Software-Container ermöglicht (block), die mit
anderen Containern verknüpft sind (chain). Das Blockchain-Protokoll macht dezentrale
Governance möglich. So bietet sich die Blockchain-Lösung vor allem auch für alle digita-
len Plattformen in der Sharing Economy an, da hier die Erzeugung von Vertrauen unter
Unbekannten auf ein neues Niveau gehoben werden kann. Prinzipiell stellt die Blockchain
eine innovative, sichere Lösung, um Daten zu speichern und zu verschlüsseln. Die digitale
Währung Bitcoin bildet nur einen Anwendungsfall. Weitere Blockchain-Ansätze finden
sich beim Aktienhandel, Grundbuchregister, bei Onlinemarktplätzen oder der Lieferketten-
kontrolle von Lebensmitteln [HEUS02].
Mit diesen Ausführungen haben Sie einen Einblick in die äußere, schematische digi-
tale Smart City-Plattform-Architektur und die relevanten inneren Wirkmechanismen
digitaler Plattformen erhalten. Damit verfügen Sie über ein holistisches Verständnis von
digitalen Plattformen. Um die Ausführungen über die schematische Architektur und
inneren Wirkmechanismen digitaler Plattformen abschließen zu können, muss noch eine

weitere zentrale Komponente behandelt werden. Es ist die Wertschöpfungsdynamik
digitaler Plattformen.
Die Betrachtung erfolgt auch hier im Kontext des praktischen Beispiels einer digitalen
Smart City-Plattform mit Apps-Ökosystem. Für die Planung, Finanzierung und Umset-
zung einer Smart City-Initiative muss es angesichts der Größenordnung immer zu einem
Verbund von Städten, Wirtschaft, Wissenschaft und Bürgern kommen. Zudem gehen bei
der Finanzierung von Smart City-Initiativen mehrere Akteure in Vorleistung, aber nicht,
wie vielleicht vermutet, immer die Stadt selbst. Über ausgeklügelte Refinanzierungsmo-
delle können die notwendigen Vorleistungen (beispielsweise die Anschubfinanzierung
der digitalen Plattform inklusive Cloud Computing-Rechenzentrumsaufbau und -betrieb)
mehr als rekompensiert werden. Zu den Refinanzierungsquellen zählen Rental-Modelle
(eBike, Car2go etc.), die Wertschöpfung durch Apps, Apps-Verkäufe und Apps-Klicks,
Werbeeinnahmen, Abonnement-Modelle und der Weiterverkauf von Daten und Datenpa-
keten. Die Daten werden bei diesen Refinanzierungsmodellen zu handelbaren Objekten.
Neben reinen Daten-Management-Modellen (Big Data) können sinnvolle Kombinatio-
nen aus hardwarebasierten Infrastrukturleistungen und Daten-Management-Services rea-
lisiert werden.
Zu den zentralen Treibern zählen hier beispielsweise ePedelecs oder eCars in Verbin-
dung mit Smartphones, Tablet-PCs oder On-Board-Units in eCars. Es lässt sich zwischen
dem Kauf oder den sogenannten Miet-Modellen moderner eVehikel wie eCars differenzie-
ren. Die weitere Etablierung dieser Mobilitätsvehikel führt zu einem erhöhten Bedarf an
Infrastrukturkomponenten wie Ladesäulen, Smart-Grid-Komponenten, ausgebauten Rad-
infrastrukturen und intermodalen Mobilitätssystemen, die beispielsweise einen Wechsel
von der Bahn zum ePedelec ohne Schnittstellenbruch (intermodaler Verkehr) zulassen. In
dem skizzierten ePedelec-Szenario bildet die starke Verbreitung von ePedelecs in moder-
nen Städten entweder in Form von Rental-Modellen oder als subventioniertes Kaufobjekt
zu niedrigen Kaufpreisen (ähnlich dem Modell in der Telekommunikationsindustrie mit
subventionierten Mobiltelefonen) die entscheidenden Treiber. Die Refinanzierung kann
hier durch die sogenannte Klick-Rate-Refinanzierung erfolgen. Durch die Nutzung weite-
rer Smartphone-Apps wie Hotels, Restaurants, Museumsführer, Events etc. fließen dem
ePedelec-Anbieter weitere Umsätze zu.
Durch diese Umsätze kann die Subventionierung des Kaufpreises für ePedelecs im
Zeitablauf mehr als kompensiert werden. Außerdem können die Stadt oder kommerzielle
Anbieter auf der digitalen Smart City-Plattform Werbeflächen zur Verfügung stellen und
die Google-Suche integrieren. Bei jedem Klick der Nutzer auf Werbung, Apps etc.
verdienen die Stadt und/oder kommerzielle Anbieter mit. Die schematischen Elemente der
Wertschöpfungsdynamik einer digitalen Smart City-Apps-Plattform lassen sich am Bei-
spiel des ePedelec-Szenarios wie in der folgenden Abb. 2.13 illustrieren [JA02, JA01].
Eine ausführliche Darstellung digitaler Smart City-Apps-Plattformszenarien findet sich
im Buch „Die digitale Evolution moderner Großstädte“ [JA01]. Alle Akteure dieser digi-
talen Smart City-Apps-Plattformen verfügen über dezidierte Erlösquellen, erwirtschaftet
Kaufpreissubvention Meta-Plattform-Anbieter
Smart City-Partner
Personalkosten
Verkaufs- Händler, Hotels, Kino, Lizenz-Umsatz
Mietkosten umsätze Krankenhaus,…
Energiekosten Vermietungs- IT Services und
umsätze Umsatz mit Lösungsanbieter
Produktverkäufen
Bereitstellung von ePedelec, Umsatz für IT-Integration
eCar zu reduzierten Preisen & Vertikalisierung
Utility, OEM Zugang Smart City APPs-Cloud-Plattform (Stadt x) Personalkosten
Miete APPs nach Handlungsfeldern Kontext-

(Pay-Per-Use) basierte APPs
Neue Services / APPs & Daten
iPod
Management
ePedelec End Umsatz mit
Kunde BI-Daten-
Daten-Mgmt.
iPhone My Management
APPs-Marktplatz
City Umsatz mit
eCar OBU APP Datenverkauf
Click zusätzlichen Datenanbieter
Services (Link) Offener Bereich Applikations-
Subvention Nutzung von Apps anbieter
Google-Suche Preismechanischen
(Hotel, Restaurant, …) Umsatz mit
Open / Private Data APPs-Ver-
Smart
Smart Cuty
City
kaufen ®
Umsätze:
Umsatz-
APPs & Umsatzteilung mit teilung mit
Partnerintegration Platforminhaber Werbung
Werbeclicks (Google)
Frei im Internet
Lizenzen (andere Städte)
zugängliche Daten
Kosten: (Facebook, Wetterdaten, Rechenzentrumskapazitäten
Zahlung an Google Staumeldungen …) und -leistungen
(private & public RZ)
APP-Entwicklung; Datenauf-
Datenflüsse bereitung Umsatz für elastisches Hosting
Wertströme Plattform-Lizenz + Betrieb Hardware Infrastruktur (Komponenten)
2.1 Die Plattform-DNA: Kern-Interaktion, Kategorisierung und weitere Komponenten
Aufbau und Betrieb von

Rechenzentren
75
Abb. 2.13 Die schematische Wertschöpfungsdynamik einer digitalen Smart City Apps-Plattform, erweitert nach [JA01]
über die digitale Smart City-Plattform. Die Erlösquellen umfassen zudem Umsatzanteile
von Applikationspartnern, die die IT-Plattform nutzen, um eigene Applikationen gegen
eine Gebühr anzubieten. Es kommt hier zu Umsatzaufteilungen zwischen der Stadt als
Plattform-Betreiber und externen Applikationsentwicklern [HELM]. Zudem können die
Smart City-Apps-Plattformen an andere Städte weiter lizensiert werden. Die interessierten
Städte leasen dann die digitale IT-Plattform und entwickeln diese nach ihren Ansprüchen
gegebenenfalls weiter.
Das digitale Geschäftsmodell der digitalen Smart City-Apps-Plattform basiert darauf,
kommerzielle Applikationen für City-Services und öffentliche Applikationen kostenlos
oder gegen Gebühr bereitzustellen. Neben diesen Erlösquellen kommt das sogenannte
Kontext-Brokering hinzu. Im Rahmen des Kontext-Brokerings werden auf der digitalen
Smart City-Apps-Plattform umfangreiche Daten über Nutzer, Nutzung von Apps, digitale
Devices, vielfältige Sensoren oder Google Search gesammelt und ausgewertet. Die Daten
werden bei der Auswertung neu miteinander kombiniert und so zu neuen Datenbündeln
verknüpft. Daraus erwachsen völlig neue Erlösquellen. Diese neuen Datenkombinationen
sind das Ergebnis des Big Data Managements – der Verwertung und kontextuellen Neu-
kombination von Nutzungsdaten. Die einzelnen Nutzungsdaten können dann weiterver-
kauft oder zu neuen Anwendungswelten weiterentwickelt werden [JA01, JA02].
Die Wertschöpfungsdynamik digitaler Plattformen mit Ökosystemen haben wir nun
schematisch betrachtet und mögliche Erlösquellen identifiziert. Damit ist der Komplex der
Monetarisierung digitaler Plattformen bei weitem nicht erschöpft. Gerade die Monetari-
sierung von Netzwerkeffekten auf digitalen Plattformen stellt eine besondere Herausfor-
derung dar. Die Außensicht der Monetarisierung digitaler Plattformen muss noch um eine
Innensicht der Wertschöpfungsdynamik digitaler Plattformen erweitert werden.
Prinzipiell ist es kontraproduktiv, in der Anfangsphase einer digitalen Plattform Konsu-
menten für den Zugang zu einer digitalen Plattform und die Nutzung der angebotenen
Dienste mit einer Gebühr zu belasten. Dies würde sehr wahrscheinlich dazu führen, dass
die Nutzer die digitale Plattform komplett meiden oder zumindest die Nutzung der
Plattform-Dienste stark zurückgehen würde. Damit könnten sich unmöglich die ersehnten
positiven und exponentiellen Netzwerkeffekte auf der digitalen Plattform entfalten. Die
andere Seite der digitalen Plattform für die Produktion von Diensten bezahlen zu lassen,
ist auch keine gute Idee. Denn das würde den Anreiz zur Erzeugung von Mehrwerten für
die Produzenten auf der digitalen Plattform reduzieren, was die digitale Plattform wiede-
rum für Konsumenten weniger attraktiv macht. Das Dilemma wird komplettiert, wenn die
Konsumenten für die Nutzung der Plattform bezahlen müssen. Dann geht der Konsum
zurück, was die Plattform wiederum für die Produzenten weniger attraktiv macht. Gibt es
einen Ausweg aus diesem Dilemma?
Bisherige Entwicklungen im Internet und entsprechende Internet-Angebote führten zu
einer gewissen Kultur des kostenfreien Konsums. Das passierte insbesondere im Bereich
von Tageszeitungen, der Nutzung von Suchmaschinen oder Online-Spielen bei Yahoo.
Daraus nun zu schließen, dass die digitalen Plattformen ihre Leistungen komplett kosten-
frei anbieten sollten, ist aber falsch. Die langfristige Existenz einer digitalen Plattform ist
von einer Monetarisierung abhängig, bei der Umsätze generiert werden, die weit über die
Kosten hinausgehen. Prinzipiell aber sind Elemente des „Free Pricings“ von Bedeutung,
um Netzwerkeffekte auf digitalen Plattformen zu erzeugen. Wichtig dabei ist aber, die
unterschiedlichen Modelle zu verstehen, mit denen über das teilweise „Free Pricing“ eine
Wachstumsdynamik auf digitalen Plattformen erzeugt werden kann.
In der klassischen Unternehmensstrategie tauchen immer wieder die Beispiele von Gil-
lette Nassrasierern oder Drucker von HP oder Canon auf. Das Prinzip dahinter ist einfach.
Das Produkt an sich wird zu sehr geringen beziehungsweise subventionierten Kosten
abgegeben und Umsätze werden über die Druckerpatronen respektive die Rasierklingen
generiert. Eine veränderte Variante dieser Preisstrategie besteht darin, zwischen Ange-
botsspektren zu differenzieren. Es gibt neben der freien Nutzung einer abgespeckten Pro-
dukt- beziehungsweise Servicevariante auch eine Plus-Variante oder „Freemium-Variante“
mit erweitertem Servicespektrum, für die dann Nutzer ein Entgelt bezahlen. Diese Preis-
strategie nutzt beispielsweise Dropbox. Eine andere Preisstrategie besteht darin, nach Nut-
zergruppen zu unterscheiden. Eine Gruppe von Nutzern erhält die Dienste auf einer
digitalen Plattform kostenfrei oder zu subventionierten Preisen, während eine andere
Gruppe von Nutzern den vollen Preis bezahlen muss. Diese Preisstrategie weist besondere
Komplexitäten auf. Denn die Mehrwerte, die einer Nutzergruppe kostenfrei zur Verfügung
gestellt werden, müssen von einer anderen Nutzergruppe überkompensiert werden [PA].
Um die Problematik der Monetarisierung von Netzwerkeffekten erfolgreich meistern
zu können, muss in einem ersten Schritt evaluiert werden, welche Mehrwerteinheiten
(value units) auf der digitalen Plattform erzeugt werden. Die auf digitalen Plattformen
erzeugten Mehrwerte fallen in vier Kategorien [PA, SIMO]: a) Zugang der Konsumen-
ten zu den auf der Plattform erzeugten Mehrwerten; b) Zugang der Produzenten oder
Dritt-Anbieter zu einer Community beziehungsweise einem digitalen Plattform-Markt;
c) Zugang beider Seiten einer digitalen Plattform zu Werkzeugen und Diensten, um die
Kern-Interaktion zu erleichtern und d) Zugang beider Seiten einer Plattform zu Kurations-
mechanismen zur Steigerung der Qualität von Interaktionen. Damit wird das Matching der
passenden Konsumenten zu den passenden Produzenten optimiert. Diese Quellen von
Mehrwerten sind nur durch die Existenz digitaler Plattformen möglich geworden. Bei der
Ausarbeitung einer sind zu Beginn alle vier Mehrwertkategorien zu analysieren. Dann ist
diejenige Kategorie zu identifizieren, die bepreist werden kann, ohne die Netzwerkeffekte
auf der digitalen Plattform zu behindern. Dies ist keine triviale Aufgabe und entscheidet
aber über den weiteren ökonomischen Erfolg einer digitalen Plattform.
Der monetäre Wert einer digitalen Plattform ergibt sich nicht alleine aus der Anzahl an
Nutzern auf der Plattform. Vielmehr ergibt sich der monetäre Wert vor allem aus den auf
der digitalen Plattform erzeugten Mehrwerten, ohne dabei die Netzwerkeffekte negativ zu
beeinflussen. Wenn diese Mehrwerte („excess value“) nicht in dieser Weise erzeugt wer-
den, dann ist eine Monetarisierung der Plattform dauerhaft nicht möglich. Das Paradoxon
der Monetarisierung von Plattformen kann auch zu Effekten führen, bei denen die Mone-
tarisierung einer Plattform drastisch ansteigt, sobald die Anzahl an Nutzern der Plattform
abnimmt. Hier treten dann die Wirkungen negativer Netzwerkeffekte in Erscheinung. Die
Grundlage für die Analyse der Herausforderungen von anzuwendenden Preisstrategien

auf digitalen Plattformen bildet die Beantwortung folgender Fragen: Wie kann man
Umsätze generieren, ohne damit die positiven Netzwerkeffekte zu reduzieren? Kann man
eine Preisstrategie entwickeln, die positive Netzwerkeffekte verstärkt und gleichzeitig
negative Netzwerkeffekte reduziert? Wie kann man eine Strategie entwickeln und umset-
zen, die zu gewünschten Interaktionen auf digitalen Plattformen führt und unerwünschte
Interaktionen unterbindet [PA, EVANS, SIMO]?
Grundsätzlich ist zwischen vier Monetarisierungsoptionen zu differenzieren: a) Trans-
aktionsgebühr; b) Zugangsgebühr zu den Leistungen einer digitalen Plattform; c) Gebühr
für den Zugang zu erweiterten Plattformangeboten; d) Gebühr für erweiterte Kurations-
möglichkeiten [PA]. Alle vier Formen der Mehrwerterzeugung (siehe oben) auf digitalen
Plattformen kulminieren in (Kern-)Interaktionen auf digitalen Plattformen. In vielen Fäl-
len erfolgt bei diesen (Kern-)Interaktionen der Austausch von Geldleistungen. Bei Uber
bezahlt ein Fahrgast die Transportleistung des Fahrers oder bei eBay bezahlt ein Käufer
für das Produkt des Verkäufers. Die Etablierung einer Transaktionsgebühr ist eine mäch-
tige Monetarisierungsoption der Interaktionen einer digitalen Plattform, ohne positive
Netzwerkeffekte zu behindern beziehungsweise zu reduzieren. Zudem werden beide Sei-
ten der Plattform nur dann belastet, wenn die Transaktion auch tatsächlich stattfindet.
Zu beachten ist aber die Höhe der Transaktionsgebühr. Die Preissensibilität beider Sei-
ten der Plattformen ist nicht zu unterschätzen. Ist die Gebühr zu hoch, wenden sich Nutzer
von der digitalen Plattform ab und die positiven Netzwerkeffekte werden beeinträchtigt.
Eine besondere Problematik betrifft hier das Potenzial der vollständigen Vermeidung der
Transaktionsgebühr, indem die (Kern-)Interaktionen außerhalb der Plattform abgewickelt
werden. Dies gilt insbesondere für Interaktionen zwischen Dienste-Konsumenten und
Dienste-Produzenten. Dieses Ausweichverhalten von Akteuren einer digitalen Plattform
trifft digitale Plattformen wie Uber, Airbnb oder Freelance-Plattformen wie Upwork im
Besonderen. Die Airbnb-Plattformanbieter beispielsweise verweigern den mit einem
Fehlverhalten identifizierten Nutzern temporär den Zugang zur digitalen Plattform. Außer-
dem stellen die digitalen Plattformen dem Konsumenten prinzipiell alle Informationen für
die (Kern-)Interaktion auf der Plattform zur Verfügung, ohne dass diese mit den Produzen-
ten direkt in Verbindung treten.
Es kommen „Bewertungsmechanismen und andere soziale Metriken zum Einsatz, die
die Zuverlässigkeit des Dienste-Produzenten signalisieren“. Dadurch wird die Notwen-
digkeit des direkten Kontaktes zwischen beiden Seiten der digitalen Plattform immer
geringer und potenzielles Ausweichverhalten minimiert. Manchmal reichen diese
Mechanismen aber nicht aus und die digitale Plattform muss für weitere Instrumente
sorgen, die das Monitoring der Dienste-Produzenten aus der Ferne ermöglicht, wie bei-
spielsweise bei Upwork. Die Einführung einer Zugangsgebühr für die Leistungen einer
digitalen Plattform führt nur dann zur erfolgreichen Monetarisierung, wenn die positi-
ven Netzwerkeffekte verstärkt werden. So können Personalrekruter bei Xing den Pro-
fessionals Job-Angebote unterbreiten und die Unternehmen können Berufserfahrene auf
der Basis von gelisteten Lebensläufen auf der digitalen Plattform vergleichen. Die sich
daraus entwickelnde Reichweite und Wirkung der digitalen Plattformen im Rekru-

ting-Markt zieht dann immer mehr Berufserfahrene an und ermutigt diese, ihre Lebens-
laufangaben so aktuell und umfänglich wie möglich zu halten. Dabei wird den auf Xing
registrierten Berufserfahrenen der Zugang zu Personalberatern gegen eine Gebühr
ermöglicht. Beide Seiten der digitalen Plattform werden für den Zugang zu einer Com-
munity (Rekruter und Berufserfahrene) und damit das effiziente Matching der Nutzer
mit einer Zugangsgebühr belastet.
Nur wenn die gelisteten Job-Angebote den Mehrwert für alle Nutzer der Plattform
steigern, ist die erfolgreiche Implementierung einer Zugangsgebühr zur Verstärkung posi-
tiver Netzwerkeffekte möglich.
Prinzipiell reduzieren Gebühren für den Zugang zu erweiterten Plattformange-
boten nicht die positiven Netzwerkeffekte. Das gilt, wenn wie im Beispiel von Xing der
offene und kostenfreie Zugang zur Xing-Plattform prinzipiell für alle Zielgruppen mög-
lich ist. Dieser Mechanismus der Einführung einer Gebühr für den Zugang zu erweiter-
ten digitalen Plattformangeboten kann zu „Rauschen“ („Noise“) auf der digitalen
Plattform führen und negative Netzwerkeffekte entstehen. Um dies zu vermeiden, ist
von der digitalen Plattform klar zu differenzieren, was „freie Inhalte“ und was tatsäch-
lich „Premium-Inhalte“ sind, für die extra gezahlt werden muss. Beispielsweise hebt die
Google-Suchmaschine mit AdWords die „Premium Placements“ deutlich hervor und
platziert diese „Premium Placements“ oben in den Suchmaschinenergebnissen. Die
Unterscheidung von freien Suchmaschinenergebnissen und „Premium Placements“ sind
für den Nutzer leicht erkennbar.
Eine Gebühr für erweiterte Kurationsmöglichkeiten kann von manchen digitalen
Plattformanbietern von den Nutzern der digitalen Plattform verlangt werden. Rufen wir
uns in Erinnerung, dass positive Netzwerkeffekte nicht alleine von der Quantität der
Nutzer eine Plattform abhängig sind. Vor allem auch die Qualität der (Kern-)Interakti-
onen entscheidet über die Erzeugung von Mehrwerten für alle Nutzer der digitalen
Plattform. Bei dem Beispiel der digitalen Vermittlungsplattform für Babysitter, „Sitter-
city“, wird dies besonders deutlich. So wollen Eltern, die einen Babysitter suchen,
sicher sein, dass potenzielle Babysitter einen rigorosen Überprüfungsprozess durchlau-
fen und weitere Bewertungs- und Ratingmechanismen greifen. Das führt dazu, dass
digitale Plattformen, die diese erweiterten Kurationsmöglichkeiten anbieten (müssen)
statt einer Transaktionsgebühr zu einem „Abonnement“-Gebührenmodell übergehen
können [PA].
Die noch zu klärende spannende Frage ist nun: Welche Seite der digitalen Plattform
soll die Gebühr bezahlen?
In der Praxis haben sich einige Tendenzen herausgebildet, bei denen man bestimmen
kann, welche Seite der digitalen Plattform die Gebühr bezahlen soll. In seltenen Fällen
müssen auf digitalen Plattformen alle Nutzer eine Gebühr für die Nutzung bezahlen. In
wenigen Fällen ist dies möglich, wie beispielsweise beim exklusiven Zugang zu „Carbon
NYC, einer digitalen Plattform für Multimillionäre in New York City“ [PA]. Eine Seite der
Plattform mit einer Gebühr zu belegen und die andere Seite zu subventionieren, ist
praktisch nachvollziehbar bei Online-Dating-Plattformen. Dort wird beispielsweise der

Zugang möglicher Kandidatinnen zu digitalen Plattformen subventioniert. Dadurch wird
der Anreiz der digitalen Plattform für männliche Kandidaten größer und diese müssen die
volle Zugangsgebühr bezahlen.
Die etablierte Praxis, die meisten Nutzer einer digitalen Plattform mit der vollen
Zugangsgebühr zu belegen und Stars beziehungsweise Super-Nutzer zu subventionieren,
findet sich bei Plattformen wie „Skillshare“ oder „Indiegogo“. Eine andere Variante ist es,
einige Nutzer die volle Gebühr bezahlen zu lassen und preissensitive Nutzer zu subventi-
onieren. Diese Preisstrategie ist allerdings in der Praxis schwierig anzuwenden, da es oft
nicht möglich ist, genau das preissensitive Segment an Nutzern zu identifizieren [PA].
Die Entscheidung, wer die Gebühr bezahlen soll, ist bei digitalen Plattformen von
besonderer Bedeutung, aber sehr schwierig. Denn eine Gebühr stellt immer ein Hindernis
für den Zugang zur digitalen Plattform dar. Ein besonderes Beispiel ist Alibaba, der
Online-Riese in China, auch betrachtet als eine Kombination aus eBay und Amazon.
Anfangs war die Leistungsfähigkeit dieser digitalen Plattform zu gering, um den Fluss von
online abgeschlossenen Kern-Transaktionen (Deals) nachverfolgen zu können. Daher ent-
schloss sich der Gründer von Alibaba, Jack Ma, dazu, statt einer Transaktionsgebühr für
Online-Handelsdeals eine Mitgliedsgebühr von den Nutzern der digitalen Plattform zu
verlangen. Diese Option hätte Jack Ma gerne vermieden, da dadurch eine Eintrittsbarriere
für potenzielle Nutzer der Plattform aufgebaut wird. Das Dilemma löste Jack Ma aber,
indem er Verkäufern auf der digitalen Plattform signifikante Provisionen anbot, wenn
diese andere potenzielle Nutzer dazu animierten, sich bei der digitalen Plattform anzumel-
den. Diese Preisstrategie war so erfolgreich, dass Alibaba bis heute keine Transaktionsge-
bühren verlangt. Die Monetarisierung der digitalen Alibaba-Plattform erfolgt vielmehr
substanziell über Werbeerlöse [AM]. Das Grundprinzip beim Übergang vom kostenfreien
Preismodell zum gebührenpflichtigen Monetarisierungsmodell einer digitalen Plattform
lautet ausnahmslos: Erst an den Nutzer denken und dann an die Monetarisierung – „from
free to fee“.
Zusammenfassend lässt sich sagen, dass digitale Plattformen mit Ökosystem das tech-
nologische Rückgrat von digitalen Geschäftsmodellen bilden. Damit stellen digitale Platt-
formen digitale Geschäftsmodelle dar, die wertschöpfende (Kern-)Interaktionen zwischen
externen Konsumenten und Produzenten mittels offener und partizipativer digitaler Infra-
strukturtechnologien ermöglichen. Daraus können sich zweiseitige beziehungsweise
mehrseitige Märkte bilden. Durch die digitalen Technologien und dezidiert eingesetzte
Wirkmechanismen wird ein reibungsloser Zugang zur Plattform für die externen Konsu-
menten und Produzenten möglich. Die erfolgreichsten digitalen Plattformen erzeugen
Partner-Ökosysteme in einem „plug- and play“-Modus mittels entsprechender Schnittstellen
(APIs) und einem geeigneten Governance-Modell. Letztendlich besteht das übergeord-
nete Ziel der Plattformen im erfolgreichen Matching von Konsumenten und Produzenten
und dem Austausch von Gütern, Diensten, Daten oder sozialen Mehrwerten (wie Feed-
back, Likes) auf der digitalen Plattform. Erst damit wird eine Wertschöpfung für alle
Nutzer auf der digitalen Plattformen möglich [PA, EVANS, SIMO]. Im nächsten Kapitel
2.2 Das Paradoxon des Henne-Ei-Problems überwinden 81
beleuchte ich ein grundsätzliches Problem vieler digitaler Plattformen in der Anfangs-
phase ihres Lebenszyklus, das existenzbedrohende Sprengkraft birgt: das Paradoxon des
„Henne-Ei-Problems“ digitaler Plattformen.
2.2 Das Paradoxon des Henne-Ei-Problems überwinden
Die bisherigen Ausführungen zu digitalen Plattformen lassen klar erkennen, dass der
Kick-Start von positiven Netzwerkeffekten in der Praxis nicht so leicht umzusetzen ist.
Erst über die (Kern-)Interaktionen von Produzenten und Konsumenten auf der digitalen
Plattform entstehen Mehrwerte für alle Akteure. Aber wer kommt als erster auf die digi-
tale Plattform, wenn auf der anderen Seite noch kein Akteur zu sehen ist? Dies ist das
„Henne-Ei-Problem“, an dem zahlreiche Plattformvorhaben scheitern. Die digitalen Platt-
formexperimente scheitern insbesondere daran, eine kritische Masse an Nutzern und Pro-
duzenten zu erzeugen. Mit der kritischen Masse ist das Minimum-Netzwerk verbunden,
bei dem sich genügend Nutzer auf der digitalen Plattform vernetzen, interagieren und
Mehrwerte erzeugen. Erst beim Überschreiten dieses Punktes, dem sogenannten „tipping
point“, kippt die Plattform in Richtung exponentieller Netzwerkeffekte.
Alle erfolgreichen Plattformen wie Facebook, Airbnb, Uber, Amazon oder Google
haben äußerst kreative Lösungen für das kritische „Henne-Ei-Problem“ gefunden. Das
„Henne-Ei-Problem“ lässt sich auf folgendes Muster reduzieren: Wie bekommt man
genügend Produzenten und Konsumenten auf die digitale Plattform, wenn man a) Produ-
zenten benötigt, um Konsumenten auf die Plattform anzuziehen und b) Konsumenten
benötigt, um Produzenten zur Produktion von Mehrwerteinheiten zu animieren? Ein Para-
doxon! Das Paradoxon bleibt so lange erhalten, bis der Punkt erreicht ist, an dem die
Plattform eine kritische Masse an Nutzern nachhaltig überschreitet. Innerhalb dieses Mus-
ters existieren definierende Aspekte des „Henne-Ei-Problems“. So ist das „Henne-Ei-Pro
blem“ ein konzeptionelles Phänomen mit keinem praktisch vordefinierten Anfangspunkt.
Deshalb müssen digitale Plattformen einen kreativen Weg finden, um in diese Schleife
hineinzufinden. Sobald ein Startpunkt für die Initialisierung der Interaktionsschleife auf
der digitalen Plattform erzeugt wurde, wird diese über eine positive Feedbackschleife
(siehe Abschn. 2.1) weiter beschleunigt. Also wenn die eine Seite der digitalen Plattform
wächst, dann wächst auch die andere Seite mit und so weiter. Das Wachstum muss andau-
ern, bis die kritische Masse an Nutzern der digitalen Plattform erreicht und nachhaltig
übertroffen wird. Die kritische Masse an Nutzern kann auch als ein Maßstab für die Über-
einstimmung von Konsumenten und Produzenten betrachtet werden. Alle Bedingungen
und Faktoren, die diese Übereinstimmung („Matching“) befördern, führen zu einfacheren
Lösungen, um das Henne-Ei Problem zu lösen. In asymmetrischen Märkten ist es für
digitale Plattformen schwieriger, eine der beiden Seiten auf die Plattform zu ziehen. Ein
prominentes Beispiel sind Dating-Plattformen, auf denen es für die digitale Plattform viel
schwieriger ist, genügend interagierende Frauen anzuziehen. Also müssen Anreize
geschaffen werden, um diese Hürde zu überwinden.
Auf vielen digitalen Plattformen stellen wiederum Produzenten und Konsumenten

zwei unterschiedliche Märkte dar. Der typische Nutzer auf diesen zweiseitigen Plattfor-
men ist entweder Produzent oder Konsument. Auf zweiseitigen Märkten müssen beide
Seiten einer Plattform eine minimale Traktion erreichen. Das bedeutet aber, dass quasi
zwei verschiedene Unternehmen auf der Plattform aufgebaut werden müssen, mit oftmals
völlig unterschiedlichen Herausforderungen [SAN].
Auf der Grundlage der skizzierten Aspekte des „Henne-Ei-Problems“ lassen sich
Lösungen des Problems über fünf Design-Prinzipien finden: 1. Um die Interaktions-
schleife starten zu können, muss ein geeigneter „Köder“ gefunden werden. Dieser Köder
muss so gestaltet sein, dass eine Seite der Plattform angezogen werden kann, ohne dass die
andere Seite der Plattform bereits präsent ist. 2. Daran schließt sich die Sicherstellung
einer reibungslosen Feedbackschleife an. Denn sobald eine Seite auf die digitale Plattform
angezogen wurde, dürfen keine Eintrittsbarrieren für die andere Seite existieren. 3. Die
benötigte Zeit zur Erreichung der kritischen Masse an Nutzern auf der digitalen Plattform
ist möglichst zu minimieren. So erfolgte Facebooks Start in einem bereits sehr aktiven
„Angebot-und-Nachfrage“-Markt, erzeugt durch Wettbewerber wie beispielsweise
MySpace. Die Übereinstimmung von Angebot und Nachfrage war also bereits sehr hoch
und Facebook konnte diesen Umstand ausnutzen. Anders ausgedrückt waren bereits zahl-
reiche Internetnutzer mit dem Modell von Social Media-Plattformen vertraut. Der Anfang
von Facebook in einem geschlossenen Markt wie der Harvard Universität erlaubte es viel
schneller, die notwendige Traktion zu erreichen als die anderen Copycats von MySpace,
die gleich einen globalen Roll-out versuchten. 4. Entgegen der traditionellen Sichtweise
des klassischen Marketings sind für die Seite, die schwieriger anzuziehen ist, bessere
Anreize zu schaffen. 5. Die Etablierung von zweiseitigen Märkten auf digitalen Plattfor-
men erfolgt üblicherweise in der Art, dass erst die eine Seite auf die digitale Plattform
ausreichend angezogen wird und dann die andere Seite. So nutzte „OpenTable“ den Köder
einer „Reservierungssoftware“ für Restaurants. Die Reservierungs-App wurde den Res-
taurants kostenfrei zur Verfügung gestellt, noch bevor sich auch nur ein Konsument auf
der digitalen Plattform „Open Table“ registriert hatte [SAN]. Die Plattform OpenTable
hatte damit bereits einen Mehrwert für die Restaurants bereitgestellt, noch bevor auch nur
ein Restaurantgast sich registriert hat oder einen Tisch in einem Restaurant reserviert
hatte. Das Alleinstellungsmerkmal von OpenTable ergab sich durch die Akkumulation
von Restaurant-Tischkapazitäten und Echtzeit-Daten über verfügbare Sitzplätze in den auf
der digitalen Plattform gelisteten Restaurants. Sobald OpenTable genügend Restaurants
auf der digitalen Plattform gelistet hatte, wurde OpenTable für die Gäste zur Registrierung
und zur Reservierung von freien Sitzplätzen in den gelisteten Restaurants geöffnet.
Aus den Design-Prinzipien zur Lösung des „Henne-Ei-Problems“ digitaler Plattformen
lassen sich strategische Kern-Überlegungen ableiten [PA]. So kann eine digitale Platt-
form selbst als Plattform-Produzent auftreten beziehungsweise auf ein existierendes Pro-
dukt oder Dienste-Geschäft aufbauen. Denn um das „Henne-Ei-Problem“ erst gar nicht
zum Tragen kommen zu lassen, kann die Plattform selbst als Produzent auftreten, so wie
Apple dies mit der digitalen iTunes-Plattform machte. Die Plattform wird dann für andere
Produzenten geöffnet. Anfänglich brachte Apple das iPhone mit einigen Standard-Apps
auf den Markt und zog so eine signifikante Kundenbasis an. Die etablierte Kundenbasis
und einfache Entwicklungstools zogen dann Entwickler an, die auf der digitalen iTunes-
Plattform Apps entwickelten und bereitstellten. Diese als „the-follow-the-rabbit-strategy“
bezeichnete Strategie verfolgte auch Amazon, indem es erst später im Lebenszyklus die
eigene digitale Plattform mit stabiler Kern-Interaktion und positiven Netzwerkeffekten
nach außen für externe Händler über den Amazon-Marktplatz öffnete. Somit setzte Ama-
zon auf ein bereits etabliertes Produkt beziehungsweise Service-Geschäft auf. Diese
Plattform-Strategie kann sehr effektiv sein, ist aber mit Bedacht umzusetzen. Die Öffnung
der digitalen Plattform für Wettbewerber ist immer mit dem Risiko verbunden, dass die
digitale Plattform mit ihren (Kern-)Interaktionsmöglichkeiten die Wettbewerber benach-
teiligt oder die Wettbewerber mit ihren Leistungen nachteilig auf die (Kern-)Interaktion
der digitalen Plattform einwirken.
Wenn man die digitale Plattform von Grund auf neu entwickeln muss, dann kommen
Strategien zur Überwindung des „Henne-Ei-Problems“ zum Tragen, die in der Regel fol-
gende drei Techniken verwenden: Inszenierung der Wertgenerierung, Design der Plattform,
um nur eine Seite der Nutzer anzuziehen, gleichzeitiges Onboarding aller Nutzer einer
Plattform. Bei der „Inszenierung der Wertgenerierung“ engagierte „Quora“ beispielsweise
professionelle Redakteure, die Fragen und Antworten auf fingierten Kundenkonten erstell-
ten und so Interaktionen auf der digitalen Plattform simulieren. Die simulierten Interaktio-
nen führten aber letztlich dazu, dass zunehmend veritable Nutzer Posts auf der digitalen
Quora-Plattform erstellten und so eine kritische Masse an Nutzern aufgebaut werden
konnte. Wenn nur eine Seite der Plattform aufgebaut wird, dann wird das Design der Platt-
form ganz in Richtung der Produzenten oder Konsumenten ausgerichtet. „OpenTable“ tat
dies, indem sie eine Tischreservierungssoftware für Restaurants entwickelte und den Res-
taurants überließ. Erst bis eine kritische Masse an Restaurants gelistet war, die die Software
nutzten, wurde die Plattform für die potenziellen Restaurantgäste der digitalen Plattform
geöffnet. Beim gleichzeitigen Onboarding aller Nutzer der Plattform wird getreu dem
Motto „start small“ agiert (Start in einem Nischenmarkt). Dieser strategische Ansatz wird
weiter unten am praktischen Beispiel von Facebook illustriert.
Die weiteren strategischen Optionen zur Überwindung des „Henne-Ei-Problems“
stellen Variationen der Kern-Strategien dar und werden kurz skizziert. Das „Stand-
Alone-Modell“ (single side-Strategie) erlaubt die Erzeugung und Akkumulation von
Kern-Mehrwerten. So bildete die im ersten Schritt erzeugte Echtzeit-Verfügbarkeitsanzeige
von Sitzplätzen in Restaurants den Kern-Mehrwert von OpenTable. Dieser Kern-Mehr
wert wird potenziellen beziehungsweise bereits registrierten Gästen der digitalen
Plattform bereitgestellt. Damit gelang es OpenTable, in einem sehr fragmentierten
Markt positive Netzwerkeffekte zu erzeugen. Dies wäre kaum denkbar, wenn die digi-
tale Plattform einfach versuchte hätte, sich für beide Seiten gleichzeitig zu öffnen. Im
Finanzsektor entstehen digitale Start-up-Plattformen (FinTechs), die Finanzoptimie-
rungssoftware für Endkunden entwickeln. Dazu werden die Finanzprofile der Nutzer
mit den Finanzprofilen anderer Nutzer auf der digitalen Plattform verglichen, analysiert
und optimiert. Dafür, dass die Nutzer ihre Finanzdaten zur Verfügung stellen, bekommen
sie eine Datenanalyse mit Finanzoptimierungsempfehlungen (Stand-Alone-Wert). Das
kann so oft gemacht werden, bis die digitale Plattform ausreichend Nutzerprofile und Big
Data Management-Ergebnisse vorliegen hat, die für externe Finanzdienstleister interes-
sant sein können. Über den „Stand-Alone-Wert“ der umfangreichen Datenanalyse mit
Finanzoptimierungsempfehlungen werden dann positive Netzwerkeffekte möglich.
Eine weitere strategische Variante zur Überwindung des „Henne-Ei-Problems“ stellt
das Vortäuschen von Wachstum auf einer digitalen Plattform dar. Dies geschieht bei-
spielsweise über fingierte Nutzerkonten auf Dating-Plattformen, über das Vortäuschen
von Nachfrage-Wachstum durch den Einsatz von Bots oder über das Vortäuschen von
Angebots-Wachstum wie beispielsweise bei Quora. Inhalte-Plattformen arbeiten anfäng-
lich mit Moderatoren, die Fragen und Antworten von „Fake-Profilen“ bearbeiten, um so
Wachstum vorzutäuschen. Mit dieser strategischen Variante hat PayPal in den Anfangs-
tagen das „Henne-Ei-Problem“ über das Vortäuschen eines nicht vorhandenen Wachs-
tums gelöst. Dazu konvertierte PayPal einen Teil der eBay-Nutzer in PayPal-Nutzer,
indem eine verkäuferseitige Nachfrage nach der PayPal-Kern-Interaktion vorgetäuscht
wurde. Der geniale Schachzug bediente sich einer Form künstlicher Maschinenintelli-
genz, oder konkreter gesagt eines sogenannten „Bots“. Der Bot kaufte automatisiert Pro-
dukte auf der digitalen eBay-Plattform und bestand gleichermaßen als „Bot-Käufer“
darauf, mit PayPal zu zahlen. Nicht nur wurden andere Verkäufer auf der digitalen
eBay-Plattform auf diese Bezahlweise aufmerksam und übernahmen zunehmend die
PayPal-Bezahloption. Gleichzeitig kreierte PayPal auch massenhaft Bots, die als Verkäu-
fer auf eBay agierten. Die erworbenen Produkte wurden dann von den Verkäufer-Bots
auf eBay wieder an Kunden verkauft, denen bevorzugt die PayPal-Bezahlungsoption
angeboten wurde. Damit hat PayPal beide Seiten der Plattform bedient, ohne die Pro-
dukte jemals lagern und versenden zu müssen.
In allen Fällen wird die Produktionsseite der digitalen Plattform vorgetäuscht, um das
Kundenverhalten zu ändern. Dabei sollte aber bedacht werden, dass diese Formen der
Vortäuschung von Wachstum auf einer digitalen Plattform rechtlich legal und ethisch ver-
tretbar sein müssen. Neben den rechtlichen Implikationen führt unethisches Vortäuschen
zum Vertrauensverlust der Akteure einer digitalen Plattform und letztendlich zum vorzei-
tigen Aus für die Plattform [SAN].
Mit Power-Produzenten (Marquee-Strategie) lässt sich das „Henne-Ei-Problem“
dann lösen, wenn drei Bedingungen erfüllt sind: 1. Die Plattform bietet diesen Produzen-
ten einen organischen Anreiz, um Konsumenten auf die Plattform zu ziehen (eBay und
Power Supplier). 2. Die Plattform bietet den Produzenten eine wesentlich effizientere
Möglichkeit an, mit den Konsumenten zu interagieren, als dies mit alternativen Mitteln
möglich ist. 3. Der „Off-Plattform“-Einfluss und die Attraktivität der durchschnittlichen
Produzenten ist groß genug, um zahlreiche Kunden auf die Plattform zu ziehen [SAN].
Grundsätzlich ziehen in der Praxis Power-Produzenten jeder für sich eine überdurch-
schnittlich hohe Anzahl an Konsumenten auf die digitale Plattform und eignen sich daher
prinzipiell sehr gut, um das „Henne-Ei-Problem“ zu überwinden.
Der Einfluss der Power-Produzenten darf auf der digitalen Plattform selbst aber nicht
zu groß werden, um Verzerrungseffekte beim Wettbewerb der Produzenten auf der digita-
len Plattform untereinander zu vermeiden. Die Power-Produzenten nutzen folgende Takti-
ken, um eine möglichst hohe Anzahl an Nutzern auf eine digitale Plattform zu ziehen:
a) Die digitalen Plattformen ermöglichen es den Power-Produzenten, ihre bestehende

Gefolgschaft und Vernetzungen auf anderen Netzwerken wie sozialen Medien und
Blogs zu nutzen. So erlaubt die digitale Plattform „Kickstarter“ beispielsweise ihren
unterschiedlichen Community-Mitgliedern das Fundraising bei der eigenen Gefolgs-
chaft und Netzwerkpartnern auf anderen Netzwerken wie Facebook, Twitter, Instagram
und so weiter. Im weiteren Verlauf bringen unterschiedliche Produzenten ihrerseits die
eigene Gefolgschaft auf die digitale Plattform und es bildet sich ein weitläufiges Netz-
werk mit interagierenden Produzenten und Konsumenten.
b) Bei digitalen „Royalty Handelsplattformen“ werden Kunden von Händlern Nachlässe
zur Stärkung der Kundenbindung angeboten. In der Folge finden sich auf der digitalen
Plattform immer mehr Händler mit den eigenen Kundenstämmen ein. Die digitale
Plattform kann dann über das Big Data Management das Kundenkaufverhalten aus-
werten und Kunden auf andere Händler umleiten, die nicht im Wettbewerb mit den
Händlern auf der digitalen Plattform stehen.
c) Bei YouTube wurden Video-Produzenten aufgefordert, Videos zu produzieren und von
den eigenen Freunden und der Gefolgschaft auf der digitalen YouTube-Plattform sehr
positiv bewerten zu lassen. Dem Video mit der höchsten Bewertung wurde ein Preisge-
winn zugesprochen. Einige Konsumenten wurden zu Produzenten auf der digitalen
YouTube-Plattform und der Kreislauf setzt sich fort mit entsprechenden exponentiellen
Netzwerkeffekten [SAN].
Eine weitere strategische Variante betrifft die „Piggyback Strategy“ („Huckepack-

Strategie“) mit anderen digitalen Plattformen (siehe auch Abschn. 3.3). Um beispiels-
weise das Matching der eigenen Produzenten und Konsumenten zu optimieren, kann
die Angebotsseite existierender digitaler Plattform-Anbieter genutzt werden, so ge
schehen bei PayPal mit eBay, Airbnb mit Craiglist (siehe Abschn. 3.3) oder YouTube
mit MySpace. Dabei verwendet die digitale Plattform eine automatisierte Datensamm-
lungssoftware, um beispielsweise Informationen über Produzenten auf der digitalen
Plattform Craiglist zu sammeln. Diese Informationen von Craiglist werden dann wie-
derum auf der eigenen digitalen Plattform angezeigt und erwecken so den Eindruck,
dass diese Produzenten bereits auf der eigenen digitalen Plattform interagieren. Wenn
dann ein Kunde eine bestimmte Leistung nachfragt, leitet die digitale Plattform die
Anfrage an den (bei Craiglist und der eigenen digitalen Plattform) gelisteten Produzen-
ten, um diesen letztendlich auf die eigene digitale Plattform zu ziehen [SAN]. So setzte
Airbnb auf Craiglist (Anzeigenwebseite) auf und ermunterte Zimmeranbieter, ihre
Übernachtungsangebote (Mehrwert – „value unit“) auf dem externen Netzwerk der
digitalen Craiglist-Plattform zu listen.
Diejenigen Nutzer, die die Übernachtungsangebote auf Craiglist sahen und buchten,
wurden auf die digitale Airbnb-Plattform umgeleitet und letztendlich zu Airbnb-Nutzern.
Im weiteren Verlauf wurden aus vielen Übernachtungsgästen zunehmend selbst Zimmeran-
bieter, die das virale Wachstum (siehe Abschn. 2.3) von Airbnb beschleunigten. Diese
„Huckepack-Strategie“ eignet sich besonders, wenn die digitale Plattform der erste Spieler
in einem neuen Marktsegment ist. Ungeeignet ist diese Strategie tendenziell, wenn die
digitale Plattform nur ein Nachzügler beziehungsweise Mitbewerber unter anderen ist [PA].
Der Bezahldienst PayPal verbrannte untypischerweise in der Startphase bis zu 10 Mio.
Dollar pro Monat, um Kunden auf die digitale Plattform zu leiten. Jeder Neukunde erhielt
einen Registrierungsbonus in Höhe von 10 Dollar, mit denen der Nutzer direkt an der
Kern-Interaktion von PayPal teilnehmen konnte. Dies war für den neu registrierten Kun-
den auch möglich, selbst wenn er nur den Registrierungsbonus in Höhe von 10 Dollar
ausgab. Für Empfehlungen von Neukunden gab es bei PayPal nochmals 10 Dollar auf den
Registrierungsbonus oben drauf. Damit war die Nutzung von PayPal für die Konsumenten
risikolos und sehr attraktiv. So konnte PayPal nicht nur viele Nutzer akquirieren, sondern
vor allem auch durch die Kern-Interaktion und den erzeugten Mehrwert langfristig binden.
Die digitale Plattform skalierte in einer atemberaubenden Geschwindigkeit. Die Kunden
bestanden zunehmend bei Einkäufen in Online-Shops auf die Möglichkeit, mit PayPal zu
bezahlen. Das führte wiederum dazu, dass Online-Händler ihrerseits mit dem PayPal-Logo
als Zahlungsmöglichkeit auf ihrer Website warben. Außerdem flankierte PayPal seine
Maßnahmen mit der Belohnung von Empfehlungen durch Online-Händler an Kunden und
andere Händler („producer evangelism strategy“). Dies erzeugte enorme positive
Feedback-Schleifen, womit die kritische Masse an Nutzern überschritten wurde und dann
positive Netzwerkeffekte entstanden.
Dabei beließen es die Eigentümer von PayPal nicht. Wie bereits weiter oben beschrie-
ben, kauften von PayPal entwickelte Bots massenhaft Produkte und bestanden darauf, mit
PayPal bezahlen zu dürfen. Im Gegenzug wurden die Produkte automatisiert über Bots
sofort wieder auf eBay angeboten und platzierten auf den Verkaufsseiten auf eBay das
Logo von PayPal. Wieder setzte ein rasantes Wachstum auf beiden Seiten der digitalen
Plattform ein. Innerhalb von drei Monaten wuchs PayPal von 100.000 auf 1 Mio. Nutzer.
Damit hat PayPal einen Teil seines Wachstums auf dem Rücken der Kundenbasis der
digitalen eBay-Plattform aufgebaut [PA].
Das Facebook den Konkurrenten „MySpace“ weit hinter sich lassen konnte, war bei
seinem Start an der Harvard Universität alles andere als offensichtlich. Allerdings stellte
sich die Strategie, in einem konzentrierten Nischenmarkt anzufangen (micro market
strategy), im Nachhinein als richtig heraus. Mark Zuckerberg und sein Team ermöglichten
niedrig skalierte Kern-Interaktionen auf der digitalen Facebook-Plattform in einem
Mikro-Markt (anfänglich 500 Harvard University-Studenten). So etablierte sich eine aktive
Facebook Nutzer-Community in dem sehr begrenzten Biotop der Harvard University [PA].
Erst später begann Zuckerberg, den Nischenmarkt zu verlassen und expandierte mit expo-
nentiellen Netzwerkeffekten. Das soziale Netzwerk Facebook analysiere ich in einer Case
Study in Abschn. 3.5. Nur so viel: Die Macht der exponentiellen Netzwerkeffekte zeigt sich
2.3 So funktioniert virales Wachstum in einer vernetzten Welt 87
bei digitalen sozialen Plattformen mit am stärksten, da die Nutzer von einer digitalen Platt-
form wie Facebook nur dann abwandern, wenn eine konkurrierende Plattform ein wesent-
lich anderes und besseres Kundenerlebnis (Kern-Interaktion) ermöglichen würde. Die
digitale Facebook-Plattform fing an zu skalieren, als sie auf andere Universitätscampus in
den USA expandierte und so Inter-Campus-Interaktionen ermöglichte.
Damit man eine digitale Plattform erfolgreich auf einer Konferenz starten kann, muss
sichergestellt werden, dass der aufspringende Nutzer unmittelbar an den Kern-
Interaktionen der digitalen Plattform teilhaben kann. Die Kern-Interaktion der digitalen
Plattform muss organisch in das Konferenzerlebnis eingebettet sein. Twitter initialisierte
den Start der digitalen Plattform auf der Konferenz SXSW (South by Southwest®
(SXSW®) Conference & Festivals) und erweiterte das Konferenzerlebnis für die Teil-
nehmer, indem diese über die Konferenz direkt „tweeten“, also schreiben konnten. Diese
Strategie wird auch als „Big Bang-Adoptionsstrategie“ bezeichnet. Denn es gelingt
hierbei, eine große Gruppe an Nutzern für eine digitale Plattform konzentriert zu errei-
chen [EDE]. Somit können digitale Plattformen quasi „huckepack“ auf Konferenzen
auftreten, wenn die Kern-Interaktion der digitalen Plattform mit den Interaktionen der
Konferenz unmittelbar verknüpft ist [SAN]. Dazu verknüpfte Twitter eine Konzentra-
tion von Aktivitäten im Raum (Mikro-Markt-Strategie) mit einer zeitlichen Konzentra-
tion von Aktivitäten. Dieser strategischen Variante bediente sich auch Airbnb. Die
initiale Traktion erreichte Airbnb durch verstärkte klassische Werbung im Umfeld von
Konferenzen. Bei diesen Konferenzen waren die Hotels meist ausgebucht und Airbnb
konnte dann die überschüssige Nachfrage nach Übernachtungsanfragen abschöpfen.
Die konzentrierten Aktivitäten von Airbnb bei diesen Konferenzen stellten sich in der
Wirkung als nachhaltig heraus. Denn der Mehrwert auf der digitalen Airbnb-Plattform
für die Konferenzteilnehmer und die Angebote der privaten Vermieter haben so viel
Dynamik ausgelöst, dass Airbnb die kritische Masse an Nutzern überschritt und positive
Netzwerkeffekte einsetzten.
Der Start von Facebook an der Harvard Universität war verbunden mit einer Konzentra-
tion von Aktivitäten im Raum (simultanes Onboarding beider Seiten einer Plattform mit
räumlicher Begrenzung), während Twitters Teilnahme an der SXSW-Konferenz eine Kon-
zentration von Aktivitäten in Raum und Zeit darstellt. Die Quintessenz: Starte klein mit einer
klar definierten, nutzerorientierten Kern-Interaktion und einer begrenzten Nutzerbasis.
2.3 So funktioniert virales Wachstum in einer vernetzten Welt
Rufen wir uns nochmals in Erinnerung, dass „virales Wachstum“ nur dann auftritt, wenn
neue Nutzer der digitalen Plattform auf den Plan treten. Dabei ziehen aktive Nutzer der
digitalen Plattform völlig neue Nutzer an. Das ist zu unterscheiden von Mund-zu-Mund-
Propaganda. Den Anfang viralen Wachstums bildet beispielsweise das Anklicken eines
Bildes durch einen Nutzer auf Instagram. Der Nutzer teilt dieses Bild mit seinen Freunden
auf der digitalen Facebook-Plattform und damit wird die digitale Plattform für neue Nutzer
geöffnet. Wenn die aktiven Nutzer einer digitalen Plattform neue, bisherige Nichtnutzer zur
Teilnahme an den (Kern-)Interaktionen auf der digitalen Plattform anziehen, wird das digi-
tale Plattform-Ökosystem zum Treiber des eigenen Wachstums. Das virale Wachstum bil-
det eine zusätzliche Quelle zur Skalierung einer digitalen Plattform. Im Gegensatz zum
traditionellen Marketing mit „Push“-Strategien (Werbung und Public Relations) stehen
beim viralen Wachstum digitaler Plattformen Pull-Strategien im Fokus, denn es sollen bis-
herige Nichtnutzer auf die digitale Plattform gezogen werden [PA].
Abzugrenzen ist virales Wachstum von den Netzwerkeffekten auf digitalen Plattfor-
men. Zahlreiche Unternehmen erzeugen virales Wachstum, ohne dabei auch (exponenti-
elle) Netzwerkeffekte generieren zu können. Bei der digitalen Xing-Plattform benötigt
jeder Nutzer auf der geschlossenen digitalen Plattform den Beitritt neuer Nutzer zur digi-
talen Plattform, bevor sie mit ihnen kommunizieren und den Mehrwert von Xing vermit-
teln können. Letztlich basiert das Konzept der Viralität darauf, dass bestehende Nutzer
einer digitalen Plattform neue Nutzer anziehen, indem sie die Mehrwerte der Plattform
aufzeigen. Dies passiert auch heute noch häufig, indem „Einladungen“ an mögliche neue
Nutzer einer digitalen Plattform versendet werden.
Die Mechanik des viralen Wachstums vergleicht Choudary in seinem Buch „Platform
Scale“ mit dem Ausbruch biologischer Epidemien [SAN]. Danach machen vier Aspekte
die Architektur des viralen Wachstums aus: 1. Der Sender: Ein Nutzer auf der digitalen
Plattform sendet eine Nachricht über den Nutzen beziehungsweise die Mehrwerte der
digitalen Plattform an neue potenzielle Nutzer. 2. Kern-Mehrwert: Die Nachricht stellt
typischerweise die Kern-Mehrwerteinheit dar, die bestehende Nutzer auf der digitalen
Plattform erzeugen oder konsumieren. Beispielsweise teilt ein Nutzer ein Foto auf Ins-
tagram mit seinen Freunden auf Facebook. 3. Das externe Netzwerk: Die Mehrwerte
breiten sich auf externen digitalen Plattform-Netzwerken aus. Für das Wachstum von Ins-
tagram war das digitale Facebook-Netzwerk von entscheidender Bedeutung. 4. Der Emp-
fänger: Ein Empfänger auf der externen digitalen Facebook-Plattform empfängt die
Mehrwerteinheit (Foto) und wird auf die sendende digitale Plattform Instagram angezo-
gen. Der Nutzer von Facebook ist an dem Foto interessiert und besucht darauf die digitale
Plattform Instagram und produziert möglicherweise selbst Fotos.
In der Praxis lässt sich häufig beobachten, dass digitale Start-up-Plattform-Unternehmen
und etablierte klassische Unternehmen den Fehler machen, virales Wachstum zu designen,
ohne vorher die richtigen Anreize zu schaffen, damit die neuen Nutzer auf der digitalen
Plattform nachhaltig verbleiben. Denn virales Wachstum ist ein Design-Problem und kein
Optimierungsproblem. Das Design von viralem Wachstum auf digitalen Plattformen
basiert auf den oben skizzierten vier Architekturaspekten viralen Wachstums und zieht
entsprechende Fragen nach sich:
• Der Sender: Warum sollte der Sender Informationen über die digitale Plattform
aussenden?
• Kern-Mehrwert: Was ist der minimale Mehrwert der digitalen Plattform, der auf ein
externes digitales Netzwerk übertragen werden kann?
• Externes Netzwerk: Wo und wie wird der Mehrwert einer digitalen Plattform auf neue
potenzielle Nutzer treffen?
• Warum sollte ein Nichtnutzer zu einem aktiven Nutzer einer digitalen Plattform wer-
den? [SAN].
Es lohnt sich diese Fragen etwas näher zu betrachten und Lösungsansätze zu skizzieren.
Der Sender und die Informationen über die Plattform: Welchen Anreiz sollte ein Nutzer
haben, Informationen über die Kern-Interaktion einer digitalen Plattform und den damit
verbunden Mehrwerten zu verbreiten? Der Anreiz liegt darin begründet, dass der Sender
von Informationen über die Kern-Interaktion einer digitalen Plattform den Mehrwert für
alle Nutzer der digitalen Plattform erhöht. Denn die Informationen landen auf einem
externen digitalen Netzwerk und ziehen neue Nutzer auf die selbst genutzte digitale Platt-
form an. Wenn Nutzer auf YouTube ein Video hochladen und mit Freunden auf Facebook
teilen, dann profitiert der YouTube-Nutzer über die erhöhte Reichweite und erweiterte
Aufmerksamkeit (soziale Reputation) bei Facebook.
Prinzipiell ausgedrückt, verbreiten Nutzer einer digitalen Plattform einen selbst erzeug-
ten Mehrwert auf einer externen digitalen Plattform, um soziales Feedback zu erhalten
(Ruhm, Erfüllung, Aufmerksamkeit) [PA]. Die Nutzer nutzen den Netzwerkeffekt einer
externen digitalen Plattform und ziehen Nutzer der externen digitalen Plattform auf die
selbst genutzte digitale Plattform. Das bedeutet auch, dass der erzeugte Mehrwert über die
Kern-Interaktion der sendenden Plattform so attraktiv sein muss, dass sich neue Nutzer
von der neuen Plattform angezogen fühlen.
Die meisten viralen Plattformen weisen insbesondere zwei Aspekte auf: a) Die rei-
bungslose Erzeugung von Mehrwerten. Je leichter es ist, die Kern-Mehrwerte zu produ-
zieren, desto öfter werden die Mehrwerte produziert und geteilt. b) Die meisten viral
wachsenden Plattformen haben einen hohen Anteil an Produzenten auf der digitalen
Plattform [SAN]. Das erklärt, warum Fernsehsender auf YouTube ihre Videos auf zahl-
reichen externen digitalen Netzwerken laufen lassen, um eine möglichst große Zuschau-
eranzahl zu erreichen. Bei Quora wollen Fragende eine Antwort auf ihre Frage erhalten.
Deswegen wird die Frage gleichzeitig auch oftmals auf den digitalen Plattformen Face-
book und Instagram geteilt. Die Produzenten der digitalen Plattform verbreiten so ihre
Mehrwerteinheiten in anderen digitalen Netzwerken. Im Gegenzug belohnen die erfolg-
reich viral wachsenden, digitalen Plattformen ihre Nutzer mit einem erhöhten sozialen
Feedback [SAN].
Auch die Konsumenten einer digitalen Plattform können zum viralen Wachstum der
Plattform beitragen. Bei Facebook müssen sich die Nutzer mit anderen Nutzern vernetzen,
um die Netzwerkeffekte des digitalen Facebook-Plattform-Ökosystems nutzen zu können.
Das Wachstum basiert auf der Versendung von Einladungen zur Teilnahme am digitalen
Social Media-Netzwerk Facebook. Innerhalb des digitalen Facebook-Netzwerkes profitie-
ren die Nutzer von lokalen Netzwerkeffekten, bei denen jeder Nutzer nur von neuen Nut-
zern im eigenen, lokal begrenzten Netzwerk profitiert. Im Gegensatz dazu profitiert bei
Airbnb jeder Nutzer von den Netzwerkeffekten auf der digitalen Plattform, je mehr Nutzer
das globale, digitale Netzwerk nutzen. Bei organischen Anreizen sind meist Mehrwerte
relevant, die zu zusätzlichen Interaktionen auf digitalen Plattformen führen. Der Nutzer
einer digitalen Plattform kann auch anorganische Anreize erhalten, um Nichtnutzer auf die
digitale Plattform zu ziehen. So verschenkt „Groupon“ Credits an Nutzer nur dann, wenn
vom Nutzer eingeladene Freunde tatsächlich einen Groupon-Deal kaufen. Ein monetärer
Anreiz ist sehr sorgfältig zu entwickeln, da sich bei Einsetzen von viralem Wachstum auf
der digitalen Plattform das verfügbare Geld sehr schnell verflüchtigen kann.
Der Kern-Mehrwert: Die sehr schnell wachsenden digitalen Plattformen verfügen
über Mehrwerteinheiten, die leicht auf externen digitalen Netzwerken teilbar sind. Leicht
expandierbare Mehrwerte auf externen digitalen Netzwerken verfügen über folgende
Charakteristika: 1. Der Mehrwert löst eine Kern-Interaktion auf dem externen digitalen
Netzwerk aus. In den Hochzeiten von MySpace hostete YouTube Videos von Musik-
bands und bettete diese Videos in MySpace ein. Damals interagierten viele Musikbands
mit ihren Fans über MySpace. 2. Der Mehrwert interagiert mit der „Producer-as-Sen-
der-Dynamic“. Gerade bei digitalen „Inhalte-Plattformen“ wird der Produzent im Pro-
duktionsprozess ermuntert, den Mehrwert auf externen digitalen Plattformen zu teilen.
Die Ausbreitung der Mehrwerteinheiten kann auch eine vorher inkomplette (Kern-)Inter-
aktion komplettieren. Eine unbeantwortete Frage auf Quora wird auf Facebook und Ins-
tagram geteilt und erwartet eine Antwort. Dann erst ist die Interaktion komplett [SAN].
Nicht alle Mehrwerteinheiten digitaler Plattformen sind auf externen digitalen Plattfor-
men verbreitbar. Denken Sie nur an geheime Dokumente oder vertrauliche Geschäftsbe-
richte eines Unternehmens. Edward Snowden hat die Dokumente (Mehrwerteinheiten)
der NSA über ihre Aktivitäten in verbreitbare Mehrwerteinheiten (Dokumente) verwan-
delt und auf externen digitalen Medien-Plattformen verbreitet. Dadurch entstand unter
anderem auch virales Wachstum, über das die NSA wohl bis heute kaum erheitert ist.
Aber zumindest wirkte dieses von Edward Snowden ausgelöste virale Wachstum für
einen Weckruf in der Welt, wer da tatsächlich alle Informationen der Welt zu jeder Zeit
sammeln, organisieren und analysieren will – ein Schelm, wer Böses dabei denkt. Google
ist es jedenfalls nicht, auch wenn sie etwas anderes behaupten.
Zusammenfassend lässt sich sagen, dass die verteilbaren Mehrwerteinheiten auf exter-
nen digitalen Plattformen das wichtigste Element für virales Wachstum digitaler Plattfor-
men darstellen [SAN, PA].
Das externe Netzwerk: Mit der Ausbreitung von Mehrwerteinheiten auf externen
digitalen Netzwerken sind vier Entscheidungen verbunden: 1. Die Wahl des externen
digitalen Netzwerkes: Neben den üblichen Verdächtigen wie Google, Facebook und
Twitter mit ihren „Sharing Buttons“ kommen prinzipiell alle digitalen Netzwerke in
Frage, auf denen die Nutzer implizit oder explizit miteinander vernetzt sind und ein
externer Nutzer eine Mehrwerteinheit platzieren kann. Die letztliche Wahl des externen
digitalen Netzwerkes geht einher mit Überlegungen hinsichtlich strategisch relevanter
Interaktionen. 2. Die Herausforderung, Mehrwerte für Nutzer auf externen digitalen
Plattformen zu erzeugen: Beispielsweise erzeugte PayPal auf der externen digitalen
eBay-Plattform einen Mehrwert für die bestehenden und neuen eBay-Nutzer mit der
Bereitstellung eines innovativen, automatisierten und abgesicherten Bezahlmechanis-

mus. 3. Unfairer Vorteil: Die ersten Unternehmen, die ein externes digitales Netzwerk für
virales Wachstum nutzen, haben meist einen unfairen Vorteil gegenüber nachfolgenden
Unternehmen. So nutzte WhatsApp die klassischen Telefonbucheinträge, Airbnb ging
huckepack mit Craiglist und PayPal nutzte eBay. Die betroffenen externen digitalen
Netzwerke sind nicht immer erfreut darüber und implementieren Governance-Mechanis-
men, um diese Art der Nutzung der eigenen Plattform-Netzwerke einzuschränken oder
gar zu verhindern. Es ist auch strategisch nicht immer gut, wenn zu viele digitale Platt-
formen über Facebook „Einladungen“ an aktive Facebook-Nutzer versenden und so die
Postfächer der Facebook-Nutzer überquellen. Dieses Vorgehen kann für die Einladungen
sendenden digitalen Plattformen nach hinten losgehen. 4. Einfachheit der Integration:
Die möglichst einfache technische Integration ist von entscheidender Bedeutung und
wird deshalb von vielen digitalen sozialen Netzwerken mit „single-sign-on“-Mechanis-
men und „sharing widgets“ gefördert.
Der Empfänger: Warum sollte ein Nichtnutzer auf einem externen digitalen Netzwerk
zu einem Nutzer auf der anfragenden digitalen Plattform werden? Um dies zu erreichen,
sind zwei Elemente in die Mehrwerteinheit zu integrieren: a) Der Mehrwert sollte als eine
attraktive Werbeaussage über die Funktionsweise des anfragenden digitalen Netzwerkes
für den potenziellen Nutzer dienen. b) Call-to-action: Der potenzielle Nutzer sollte ermun-
tert werden, auf der anfragenden digitalen Plattform zu interagieren, beispielsweise durch
die Beantwortung einer Frage auf Quora, die von einem Quora-Nutzer auf der digitalen
Facebook-Plattform geteilt wurde [SAN]. Der Plattform-Eigentümer der anfragenden
digitalen Plattform hat prinzipiell aber kaum eine Kontrolle über die Erzeugung der Mehr-
werteinheiten durch den Nutzer seiner digitalen Plattform. Denn digitale Plattformen wie
Facebook kuratieren keine Posts nach Langweiligkeit oder Instagram selektiert keine
Fotos oder „hübscht“ keine Fotos auf, um die Attraktivität zu erhöhen. Die digitalen Platt-
formen haben aber Möglichkeiten, die Nutzer bei der Erzeugung von Mehrwerteinheiten
in eine gewünschte Richtung zu lenken. Beispielsweise stellt Instagram Software-Werk
zeuge wie Foto-Editierungswerkzeuge zur Verfügung, um die Attraktivität der geposteten
Fotos zu erhöhen.
Der Aufbau viraler Wachstumsmaschinen auf digitalen Plattformen erfolgt über
vier dezidierte Schritte:
1. Senden: Maximierung des Abflusses von Mehrwerteinheiten von der digitalen

Plattform.
2. Verteilung: Sicherstellung, dass sich die Mehrwerteinheiten auf dem digitalen externen
Netzwerk ausbreiten.
3. Klick: Maximierung der Klick-Zahlen auf externen digitalen Plattformen.
4. Wandeln: Minimierung der Zykluszeit.
Der Zyklus umfasst diese vier Schritte und je schneller der Zyklus durchlaufen wird, desto
schneller kann die digitale Plattform viral wachsen [SAN]. Damit digitale Plattformen
optimales virales Wachstum aufweisen, muss der virale Zyklus effizient wiederholt und
selbstverstärkend auftreten. Das geht mit der effizienten Wiederholung von gut designten
Kern-Interaktionen auf einer digitalen Plattform einher.
Im folgenden Absatz skizziere ich die schematische Anatomie des Big Data Manage-
ments. Das kreative Big Data Management mit künstlicher Maschinenintelligenz stellt für
viele digitale Plattformen den ultimativen Wachstumsmotor nach der Anfangsphase dar.
Es geht mir hier besonders darum, die Anatomie und Wirkmechanismen des Big Data
Managements mit künstlicher Maschinenintelligenz verständlich zu vermitteln.
2.4 oo big to ignore: Big Data Management und die künstliche

T
Maschinenintelligenz von Algorithmen
Als Startpunkt für einen Definitionsversuch des Phänomens Big Data Management dient
der Begriff „Big Data“, der Datenmengen bezeichnet, die zu groß und/oder zu komplex
sind oder sich zu schnell ändern, um sie mit etablierten Methoden der Datenverarbeitung
zu sammeln und auszuwerten. Ergänzend wird mit Big Data der Komplex der Technolo-
gien beschrieben, die zum Sammeln und Auswerten der Datenmengen verwendet werden
[WIKI07]. Die Bedeutung der digitalen Daten ergibt sich einerseits aus der Masse an
anfallenden Daten. So dehnt sich das digitale Universum mit einer unvorstellbaren
Geschwindigkeit aus. Nach einer Prognose des Festplattenherstellers Seagate wird die
jährlich produzierte Menge von 3,5 Zettabyte im Jahr 2013 auf 40 Zettabyte im Jahr 2020
ansteigen [MO]. Dies entspricht einer Verzwölffachung der Datenmenge innerhalb von
sieben Jahren. Verteilt man dieses Datenvolumen auf die Weltbevölkerung, ergibt dies
eine Datenmenge von 5200 Gigabyte pro Erdenbürger – so viel wie eine Million Fotos
oder 1500 HD-Filme oder 2,6 Mio. E-Books [KRO]. Eine Prognose über die Datenspei-
cherung durch die NSA oder andere staatliche Behörden ist kaum möglich. Daher ist die
zitierte Prognose zur digitalen Datenmenge in 2020 wohl noch eher zurückhaltend. Mit
diesen Zahlen bekommt man einen plastischen Eindruck von dem stattfindenden Daten-
wachstum und die damit einhergehende Expansion der Digitalsphäre. Bemerkenswerter-
weise werden zwei Drittel aller anfallenden Daten in 2020 von uns, also von Endnutzern
erzeugt. Die wesentlichen Treiber für dieses Datenwachstum sind laut einer EMC-Studie
die kontinuierlich steigende Nutzung von Internet, Smartphones sowie soziale Netzwerke
und insbesondere das aufkommende Internet der Dinge [EMC03].
Beim sogenannten Internet der Dinge werden mit Sensoren ausgestattete Geräte und
Gebäude miteinander vernetzt. Das sind Sensoren an Brücken, die die Verkehrsdichte
messen oder Laufschuhe mit Schrittzählern oder vernetzte Computer-Tomographen in
Krankenhäusern. Obgleich diese Entwicklung noch am Anfang steht, sollen bereits im
Jahr 2020 weltweit rund 32 Mrd. Objekte mit dem Internet verbunden sein [JA02]. Laut
der EMC-Studie wird der Anteil der nutzbaren Daten bis zum Jahr 2020 auf 35 % anstei-
gen. Darin zeigt sich die weitere Bedeutung der Daten. Damit gemeint ist, dass aus der
schieren Fülle an Daten (Big Data) erst einmal nutzbare Daten (Smart Data) extrahiert
2.4 Too big to ignore: Big Data Management und die künstliche Maschinenintelligenz … 93
werden müssen. Denn damit unstrukturierte Daten (E-Mail- und Messaging-Systeme,

PDFs, Office-Daten und Audio- und Video-Dateien und so weiter) ausgewertet werden
können, müssen diese erst aufbereitet werden, um maschinell interpretiert, verglichen und
analysiert werden zu können. Beim Big Data Management geht es nur oberflächlich
betrachtet um große Datensätze, aber eigentlich vielmehr um die Fähigkeit, Daten zu ana-
lysieren, zu aggregieren und Querverbindungen herstellen zu können [GEISE]. Durch
dieses Bearbeiten großer Datenmengen wird aus Big Data letztlich nutzbares Smart Data.
Das Mantra des Daten-Managements lautet: „Data finds Data“ [SIMAN].
In modernen PKW werden bereits unzählige Daten beim Fahren und im Stand gesam-
melt. Die Navigationsgeräte (neben den Smartphones) melden die genaue Position des
Fahrzeuges an die Fahrzeughersteller. Über Sensoren im Fahrzeug werden die Fahrtstre-
cke und die Durchschnittsgeschwindigkeit gemessen. Sogar das rauf- und runterfahren der
Seitenscheiben wird gemessen, ohne dass der Fahrer oder Halter des PKW dies mitbe-
kommt [DOLL02]. Damit nicht genug: Die Mercedes B-Klasse sammelt etwa alle zwei
Minuten die GPS-Position des Fahrzeugs sowie Kilometerstand, Kraftstoffverbrauch,
Reifendruck und leitet diese Daten an den Fahrzeughersteller weiter. Bei BMW im Modell
320d will man wissen, mit welcher Maximaldrehzahl das Auto gefahren wurde, welchen
Kilometerstand der Wagen hat und die Anzahl der elektronischen Gurtstraffungen. Noch
weiter geht BMW beim Elektrofahrzeug i3, das die Position der 16 zuvor benutzten
Ladestationen und den Zustand der Batterie im Fahrzeug weiterleitet.
Zudem wird auch abgefragt, wie stark die Batterie vor dem Laden entleert war und wie
sie geladen wurde, zum Beispiel an einer Schnell-Ladestation. Der französische Fahrzeug-
hersteller Renault hat das Elektroauto Zoe so konfiguriert, dass spätestens alle 30 min ein
Datenpaket an den Hersteller übermittelt wird. Das Datenpaket übermittelt die Serien-
nummer des Fahrzeugs, Datum, Uhrzeit, die Position, die Temperatur, Ladung und Zell-
spannung der Fahrzeugbatterie. Die gesammelten Daten vermitteln auch ein Bild vom
Verhalten des Fahrers. Wo er sich aufgehalten hat, wie schnell er fährt, ob er eher aggres-
siv oder defensiv fährt. Aus den Informationen des Gurtstraffers lässt sich beispielsweise
ermitteln, wie risikoreich der Fahrer unterwegs ist. Zudem senden Schnell-Ladestationen
Informationen über den Fahrer wie: Hatte es der Fahrer eilig und ist es ihm egal, das
schnelles Laden die Lebensdauer der Batterie verkürzt [DOLL02]? Diese Informations-
schnipsel bilden ein Mosaik an Daten über das Verhalten eines Menschen in einem
vernetzten Fahrzeug. Es entsteht ein Datenprofil über die Nutzer von PKW, das beim Fahr-
zeughersteller zu Mustern beziehungsweise Clustern von Fahrzeugnutzergruppen zusam-
mengesetzt wird.
Was lässt sich nicht alles damit machen: KFZ-Versicherungspersonalisierung, Ablei-
tung des Gesundheitszustandes, Aufenthaltsprofile erstellen und vieles mehr. Nun ver-
knüpfen Sie diese Daten mal mit den anfallenden Daten beim Universalsensor schlechthin,
dem Smartphone; dann noch mit den Daten ihrer Einkäufe, bezahlt mit der EC- oder
Kreditkarte und nicht zu vergessen: ihre Aktivitäten in den sozialen Medien. Da wir beim
PKW sind, dürfen Sie nicht vergessen, dass Sie beispielsweise bei der Einfahrt in video-
überwachte Parkhäuser immer abgelichtet und mit den Standzeiten verknüpft werden.
Haben Sie nicht langsam das Gefühl, dass man sie auf Schritt und Tritt mit der digitalen
Linse ausleuchtet. Dass Daten gesammelt wurden, ist alles andere als neu. Aber dass
Daten umfänglich über zahlreiche Aktivitäten gesammelt, bewertet und genutzt werden
und über drahtlose Netze, an wen auch immer, weitergeleitet werden können, ist das Neue.
Was passiert mit den Daten? Im deutschen Recht ist Dateneigentum gar nicht vorgesehen.
Daran wird auch die von der EU geplante Datenschutzgrundverordnung erst mal nichts
ändern. In Bezug auf die von den PKW an die Fahrzeughersteller gesendeten Daten for-
dert der ADAC deshalb „totale Transparenz von den Autobauern darüber, welche Daten
sie erheben und wie die verwendet werden“ [DOLL02]. Ist das auch eine Lösung für die
anderen digitalen Daten, die über uns erhoben werden? In den Kap. 4 und 5 komme ich
nochmals auf dieses Problem zurück.
Der Autor Markus Morgenroth konkretisiert in dem lesenswerten Buch „Sie kennen
dich! Sie haben dich! Sie steuern dich!“ den Komplex Big Data über vier Eigenschaften:
1. Volume (explodierende Datenmenge), 2. Velocity (Geschwindigkeit, mit der neue
Daten entstehen), 3. Variety (Vielfältigkeit der Daten) und 4. Veracity (Sinnhaftigkeit,
Vertrauenswürdigkeit und Qualität der Daten und daraus resultierender Ergebnisse). Für
den Begriff „Veracity“ sind bis dato keine belastbaren Lösungsansätze gefunden [MOR-
GEN]. Diese Begriffsdefinition wird von anderen Autoren erweitert. So definieren bei-
spielsweise Danah Boyd und Kate Crawford Big Data als kulturelles, technologisches und
wissenschaftliches Phänomen, das auf dem Zusammenspiel von drei Faktoren beruht:
1. Über die Maximierung von Rechenleistung und der Präzisierung der Algorithmen steht
eine Technologie zur Verfügung, um große Datenmengen zu sammeln, zu analysieren,
miteinander zu verbinden und zu vergleichen. 2. Bei der Datenanalyse werden große
Datensätze zur Musterkennung herangezogen. Über diese Muster können dann Aussagen
über wissenschaftliche, soziale oder technologische Sachverhalte getroffen werden.
3. Dann geht mit Big Data die Vorstellung („Mythologie“) einher, dass uns große Daten-
sätze Zugang zu einer höheren Form der Intelligenz verschaffen, die zu neuen Einsichten
führt, die auf Wahrheit, Genauigkeit und Objektivität basieren [GEISE]. In der Abb. 2.14
werden diese Überlegungen erweitert und die schematische Anatomie des Big Data
Managements skizziert.
Aus der Abb. 2.14 wird deutlich, wie groß und facettenreich das Spektrum der
gesammelten Daten sein kann. Bitte denken Sie auch daran, die Datenquellen nicht
isoliert zu betrachten, sondern die unterschiedlichen Datenquellen zu verknüpfen.
Denn über die bereits skizzierte (Re-)Kombinationsmöglichkeit von Daten explodiert
das verfügbare Datenvolumen. Neben den bisher aufgezählten Datenarten zählen auch
Verbindungsdaten, Zugriffsstatistiken auf Webseiten, Logistikdaten über RFID-Senso-
ren, Verbrauchsdaten (Energieversorger, Stadtwerke etc.), Überweisungsdaten (Ban-
ken), Verschreibungsdaten (Gesundheitswirtschaft), Simulationsdaten (Unternehmen)
sowie wissenschaftliche Daten dazu.
Die Firma IBM hat am 7. Oktober 2014 für die „Watson“-Technologie ein neues
Headquarter in New York Citys Silicon Alley eröffnet. Die Watson-Technologie stellt eine
digitale Plattform auf der Basis von künstlicher Intelligenz dar, die in natürlicher Sprache
Datenquellen Natur der Daten Big Data Algorithmus Ziele von Big Data
Produzent der Daten Charakteristika Automation
Tablet PC
Bürger, Unternehmen, Volume, Velocity, Variety, der Datensammlung und –
Maschinen, Programme usw. Veracity aufbereitung, Visualisierung
Internet von Datenanalyse
Art der Daten Methodik (statistischer Extraktion
der Dinge
Strukturierte und Algorithmus) von impliziten Wissen und
Handlungs- unstrukturierte Daten 1) Modell aus Variablen Informationen aus Rohdaten,
feld n (Texte, Bilder, Zahlen) aus: entwickeln und mittels Mustererkennung
Internet / Intranet großer Datenmengen
E-mails bewerten
Social Media (Facebook, 2) Lageanalysen Kategorisierung
Ver-
Twitter) Beschreibung eines und Einteilung von Menschen
Internet
netzte
Schufa-Daten Zustandes der in sozio-ökonomische
Smart
Überwachungskameras Wirklichkeit und Gruppen
City
Telefonate / Fax Prognose berechnen
Einkäufe 3) Algorithmus
Prognose
der Dinge
Bewegungsprofile über Nutzt die Lageanalysen
GPS-Daten des des Modells (Szenarien), von zukünftigen
Handlungs-
Smartphones um eine optimale menschlichen Verhalten und
feld n
On-board Units in Autos Entscheidung zu treffen Vorlieben
Internet
…
Internet
Logik
Statistische Relevanz auf der
iWatch iPhone Basis enormer Datenmengen
Das digital vernetzte Relevanz der Daten Grenzen Big Data Künstliche Intelligenz
Smart City-Universum Inhalte und besonders Nur statistische Annäherung Selbstlernende Maschinen
Metadaten an menschliches Verhalten. und Programme
Problem der Datenqualität
Abb. 2.14 Die schematische Big Data Management-Anatomie. (Erweitert nach [HOF, JA02, JA03, MORGEN, WIKI07])
2.4 Too big to ignore: Big Data Management und die künstliche Maschinenintelligenz …
95
interagieren kann und enorme Datenmengen verarbeitet. Dabei extrahiert Watson Muster
und Erkenntnisse aus dem Datenstrom und lernt selbst von jeder Transaktion [IBM05].
Dazu nutzt Watson komplexe Algorithmen der natürlichen Sprachverarbeitung und des
„Information Retrievals“ (Informationswiedergewinnung), aufbauend auf Methoden des
maschinellen Lernens und der Wissensrepräsentation [JA02]. Im Rahmen von Pilotstudien
wurde Watson beispielsweise dazu verwendet, um Prognosen abzugeben, welche Arznei-
stoffe gegen bestimmte Krankheiten wirksam sein könnten [WIKI27]. Eines der wichtigs-
ten Einsatzgebiete von Watson ist die Krebsforschung. Die komplexen Algorithmen von
Watson werden darauf trainiert, bei der Diagnose und der Entwicklung personalisierter
Krebstherapien den Arzt zu unterstützen. Dies geschieht in Zusammenarbeit zwischen
IBM und renommierten Krebskliniken. So wertet Watson innerhalb von Sekunden große
Mengen an aggregierten Daten aus. Nicht nur Patienten, sondern auch Ärzte profitieren
davon, indem sie schneller und zielsicherer Krebserkrankungen diagnostizieren und indi-
vidualisierter therapieren können [SCHRÖ]. Mit Watson ist es möglich, innerhalb von
Sekunden Hunderttausende von medizinischen Befunden und Studien auszuwerten, um
dann für eine spezifische Kombination individueller Krankheitssymptome die beste Dia
gnose zu finden [MANO]. Damit wird die Vision von der personalisierten Medizin langsam
greifbar. Im Bereich von Industriemaschinen wiederum gelingt es Watson, durch die Inte-
gration zahlreicher Sensordaten und Informationen zu Umwelteinflüssen vorherzusagen,
welche Bauteile komplexer Industriemaschinen Gefahr laufen, vorzeitig auszufallen und
daher gewartet werden sollten. Für die Zukunft will IBM neuromorphe Chips in die
Watson-Technologie integrieren, um Eingaben in Form von natürlicher Sprache, Bildern
und Videos sowie beliebigen Sensoren zu ermöglichen. Das Aufgabengebiet von Watson
wird zukünftig auch die rechtliche Recherche in juristischen Datenbanken zur Entlastung
von Rechtsanwälten umfassen [WIKI27].
Auch in den Polizeialltag hat sich das Big Data Management mit seinen auf künstlicher
Intelligenz basierenden Algorithmen eingeschlichen. Unter dem Stichwort „Predictive
Policing“ fließen in Hightech-Zentren wie in Los Angeles oder Chicago riesige Daten-
mengen zusammen, die in Echtzeit verarbeitet werden. Die Daten stammen aus Überwa-
chungskameras oder Bodycams von Polizisten und Sicherheitspersonal. Das führt dann zu
Phänomenen wie der „Heat List“ in Chicago, einem Ranking der gefährlichsten Personen
von Chicago. Bei diesen Personen prognostiziert der Algorithmus auf der Basis zahlreicher
Daten wie bisherige Haftstrafen, Verhaftungen, Drogen- und Waffenbesitz, Zugehörigkeit
zu einem sozialen Netzwerk oder, ob Bekannte erschossen wurden beziehungsweise ob
diese Personen mit hoher Wahrscheinlichkeit in Gewalttaten verwickelt werden. Dieses
Szenario ist nach Einschätzung von Bernhard Egger, Abteilungsleiter Zentrale Kriminal-
polizeiliche Dienste beim Bayerischen LKA, in Deutschland nicht denkbar [PET]. Da bin
ich nicht so optimistisch. Denn was technisch möglich ist, wird auch meistens umgesetzt,
trotz Datenschutzes.
Diese Entwicklungen stehen erst am Anfang und werden zahlreiche Lebensbereiche
tangieren. Dabei stehen die nachteiligen Wirkungen des Big Data Managements mit
künstlicher Algorithmenintelligenz keineswegs im Vordergrund. Im Abschn. 4.4 werde
ich diesen Aspekt nochmals aus einer veränderten Perspektive betrachten. Mit unseren
Daten wird aber auf digitalen Plattformen noch ganz anders umgegangen. Dies trifft alle,
auch wenn Sie sich einer digitalen Datenkur unterziehen oder glauben, durch das Kappen
der Internetverbindung davon verschont zu bleiben. Mit dem Datenmanagement hat sich
ein riesiger Markt entwickelt, der von international agierenden Konzernen wie Axciom,
Datalogix, Rapleaf oder Peek-You dominiert wird. Um Ihnen eine Idee davon zu vermit-
teln, was diese Unternehmen mit unseren Daten machen, betrachten wir kurz den Konzern
Axciom.
Der Datenmanagementkonzern Axciom verfügt weltweit über 700 Mio. aktive Konsu-
mentenprofile und mehr als 40 Mio. davon stammen von Menschen aus Deutschland. Um
diese Kundenprofile zusammenzustellen, listet Axciom durchschnittlich 1500 Einzelanga-
ben in den Datenbanken auf. In Deutschland werden die Kundenprofile beruhend auf
Angaben wie Alter, Familienstatus und Sozialstatus in 14 Hauptgruppen eingeteilt. Zu
diesen Hauptgruppen zählen beispielsweise „alleinerziehend & statusarm“, „single & gut
situiert“, „goldener Ruhestand & aktiv“. Dann werden die Hauptgruppen weiter ausdiffe-
renziert – über eine weitere Kategorisierung in über 200 Untergruppen. So unterscheidet
Axciom dann nach Präferenzen in den Bereichen Sport, Technik, Tourismus oder Tele-
kommunikation [MO]. Diese Daten sammelt Axciom nicht einfach für sich, sondern ver-
kauft diese ausgewerteten Datensätze weltweit an ihre über 7000 Kunden. Zudem bietet
Axciom anderen Datensammlern gegen eine Gebühr an, ihre bestehenden Kundenprofile
mit Informationen aus den firmeneigenen Datenbanken anzureichern.
Zu den Kunden von Axciom zählen Unternehmen und Regierungen auf der ganzen
Welt und vor allem Werbetreibende [CRO]. Wenn Ihnen das noch nicht weitreichend
genug erscheint, dann denken Sie mal darüber nach, warum sich Facebook von dem
Datensammler Axciom einen zusätzlichen Informationsgewinn verspricht [MO]. Die
Kooperation der beiden Datensammelriesen zielt darauf ab, dass die Werbekunden
von Facebook ihre Zielgruppen noch personalisierter mit Werbung beglücken können.
Es ist schon erstaunlich, was im Ad-Management-Tool von Facebook zu lesen ist:
„Axciom- Mikrotyp beinhaltet umfangreiche Zielgruppendaten und entspricht dem
BDSG. Alle Daten sind statistische Schätzwerte und je nach Sensibilität auf Haus-, Mi
krozell- (5 Haushalte) oder Straßenabschnittsebene aggregiert“ [MO]. Neben der Opti-
mierung von werbebasierter Zielgruppenansprache entfalten diese Datenkombinationen
noch andere Wirkungen. Von der Schufa haben sicherlich die meisten von Ihnen schon
gehört. Und besagte Schufa arbeitet ebenso mit Daten und der Rekombination unter-
schiedlicher Kundendaten. Über Datenerhebung und Datenfusion bekommen wir alle
einen Score-Wert zugeordnet, der darüber entscheidet, ob man einen Konsumentenkre-
dit oder einen Mobilfunkvertrag erhält. Um es gleich vorwegzunehmen: Wie die Schufa
zu dem individuellen Score-Wert gelangt, muss die Schufa laut BGH-Urteil Anfang
2014 nicht preisgeben [STA]. Lediglich die Daten, mit denen die Schufa arbeitet, müs-
sen transparent sein. Zu welchen Schlussfolgerungen die Schufa bei der Auswertung der
Daten kommt, bleibt ebenso verborgen wie der Mechanismus, der den Score nach oben
oder unten zieht [MANS].
Oder denken Sie an den Flugreisemarkt. Auf unterschiedlichen digitalen Plattformen

kann man Preise vergleichen. Es kann da schon einen Unterschied machen, mit welchem
digitalen Endgerät Sie die entsprechenden digitalen Flugpreisvergleichsportale besuchen.
Wenn man mobil auf diese Portale zugreift, ist die Vergleichbarkeit der Preise per se gerin-
ger und man zahlt so womöglich mehr. Die Fluggesellschaften selbst sammeln über ihre
digitalen Plattformportale umfangreiche Nutzerdaten wie Positionsdaten der Mobiltele-
fone, die IP-Adressen der Online-Besteller und die bevorzugte Zahlungsweise. Auch hier
will man nur die zielgruppenspezifische Werbung optimieren [CRO].
Ist Ihnen immer noch nicht die potenzielle Dimension der Macht digitaler Plattformen
klar geworden? Dann werfen Sie mal einen Blick nach China. Im kommunistisch regierten
China war es immer schon üblich, eine Akte über jeden Bürger anzulegen. Diese Akten
werden nun aber digitalisiert und mit Daten aus den unterschiedlichsten Internetquellen
angereichert. Nach den Plänen der chinesischen Regierung soll jeder Bürger einen sozia-
len Score-Wert erhalten. Der soziale Score, der sich aus den akkumulierten Daten aus der
Akte über jeden Menschen in China und weiteren Internetquellen zusammensetzt, soll
darüber entscheiden, welche Möglichkeiten und Leistungen des Staates jedem einzelnen
Bürger offenstehen [MANS]. Was für eine Vorstellung. Das ist ein Rausch der Daten und
ein Berauschen an totaler Transparenz. Da wird Wirklichkeit, was Byung-Chul Han als
Imperativ der zweiten Aufklärung bezeichnet: „Transparenz ist das Schlagwort der zwei-
ten Aufklärung. Der Imperativ der zweiten Aufklärung lautet: Alles muss Daten und
Informationen werden“ [HAN01]. Und wo bleibt da der Mensch?
Eine in London lebende Amerikanerin hat diese Frage auf ihre ganz eigene Weise
beantwortet. Nach Jennifer Lyn Morone stellen mehr als 1,3 Mrd. Nutzer dem digitalen
Plattform-Giganten Facebook massenweise persönliche Daten kostenfrei zur Verfü-
gung. Im Grunde nur, um im Gegenzug zu „liken“ oder „Katzenfotos“ zu teilen. Die
digitale Facebook-Plattform profitiert davon, dass ihre Nutzer gleichsam das Produkt
darstellen. Wie wir bereits beschrieben haben, können die Rollen auf digitalen Plattfor-
men wechseln, sodass man bei Facebook beispielsweise von einer Seite auf die andere
Seite wechseln kann. Darin liegen ja auch die exponentiellen Netzwerkeffekte digitaler
Plattformen begründet. Dabei liegen die Kosten der Daten für Facebook bei nahezu
Null, da die Nutzer nicht die geringste Vorstellung davon haben, was ihre Daten wert
sind. Das wollte Jennifer Lyn Morone nicht mehr hinnehmen und verwandelte sich in
„Jennifer Lyn MoroneTM Inc. (JLM)“, registriert in Delaware. Sie wollte die Datenho-
heit und die Kontrolle über ihre gesammelten Daten wiedergewinnen. Im Businessplan
von Jennifer Lyn Morone steht, dass sie Werte aus drei Quellen schöpfen will: „Accu-
mulation, categorisation and evaluation of data generated as a result of Ms Morone`s
life; her experience and capabilities, offered as biological, physical and mental ser-
vices; and the sale of her future potential in the form of shares“ [PH]. Es ist der ambi-
tionierte Versuch, den Wert eines Individuums in der datengetriebenen Welt zu
bestimmen. Der Versuch stellt ein Experiment dar und betrachtet den Menschen als
verwertbares Produkt. Alle Daten über Jennifer Lyn Morone sind auf der Webseite
www.jenniferlynmorone.com einsehbar.
Sie sammelt alle zugänglichen Daten über sich und sie entscheidet, wo alle Daten
betrachtet, verkauft, gehandelt oder gespendet werden können. Dies macht sie, indem sie
ihre natürliche Person in eine gelistete Unternehmensform umwandelt. Selbstverständlich
kann sie nicht alle Daten über sich kontrollieren, da sich beispielsweise Versicherungsda-
ten oder Daten, die bei Krankenhausaufenthalten anfallen, oder die Nutzungsdaten auf
digitalen Plattformen wie Facebook ihrem Zugriff weitgehend entziehen. Sie erklärt ihr
Selbstverständnis in einem Video auf ihrer Webseite und sagt, dass sie sich den extremen
Kapitalismus zu Nutze mache. Als Unternehmen ist sie gleichermaßen CEO, Shareholder
und Produkt von Jennifer Lyn Morone Inc. [JEN]. Sie glaubt, dass nur das Extreme des
Kapitalismus den Kapitalismus selbst zügeln kann. Nennen Sie es naiv, ich betrachte es als
ein bemerkenswertes Experiment. Ob es nur ein Experiment bleibt, wird sich noch zeigen.
Zumindest wirft es ein Schlaglicht auf das Datendilemma, in das Jennifer Lyn Morone und
prinzipiell wir alle geraten sind und wie sie versucht, mit einem extremen Kapitalismus
dieses Dilemma zu lösen.
Eine gesellschaftliche Debatte, was unsere Daten wert sind und wie wir unsere Daten-
hoheit zurückgewinnen können, ist längst überfällig. Dabei kann es nicht darum gehen,
das Big Data Management der Datensammler von Google, Facebook, Amazon, Uber oder
Airbnb vollständig zu regulieren beziehungsweise im Keim zu ersticken. Die Möglichkei-
ten, die Google und Co. uns bieten sind unbestreitbar, sonst hätten diese digitalen Plattfor-
men kaum so viele Nutzer, die freiwillig auch als nahezu kostenfreie Produzenten auf den
digitalen Plattformen agieren. Oberflächlich betrachtet scheint das Agieren von Jennifer
Lyn Morone wie die Haltung des Don Quijote in Miguel Cervantes Roman „Don Quijote
de la Mancha“. Aber es ist vielmehr der Ausdruck, sich der unbemerkten Macht digitaler
Plattformen entgegenzustellen und wirft wichtige Fragen über unser Selbstverständnis als
Menschen in einer digitalisierten Welt auf. Damit man kompetent mit diesen Fragen
umgehen kann, ist es notwendig, sich mit den unterschiedlichen Facetten der Digitalisie-
rung auseinanderzusetzen. Denn eins ist klar: Der Rat des früheren Google CEO Eric
Schmidt führt in die Irre: „Wenn Sie etwas machen, von dem Sie nicht wollen, das es
irgendwer erfährt – dann sollten Sie es vielleicht gar nicht erst tun“ [CRO]. Noch drasti-
scher bringt die Aussage von dem US-Informatiker Vinton Cerf das Dilemma auf den
Punkt: Die Privatsphäre sei lediglich „eine Anomalie der Geschichte“ gewesen [CRO].
Pikanterweise ist Vincent Cerf einer der sogenannten Begründer des Internets und heute
Leiter der Innovations- und Strategieabteilung bei Google. Diese Aussagen spiegeln zum
großen Teil den im Silicon Valley herrschenden Zeitgeist wider, den ich im Abschn. 5.1
näher beleuchte. An dieser Stelle kann aber bereits festgestellt werden, dass diese Aussa-
gen die Möglichkeiten des Big Data Managements mit seinen Algorithmen weit über-
zeichnen. Dem Big-Data Management mit der künstlichen Maschinenintelligenz von
Algorithmen sind Grenzen gesetzt, die auch digitale Plattformriesen wie Google nicht
überschreiten können. Darauf komme ich gleich noch zu sprechen.
Wie eingangs gesagt, geht es bei Big Data nicht so sehr um Big Data, sondern um die
richtigen Daten – Smart Data. Die Daten der Nutzer auf beiden Seiten der digitalen
Uber-Plattform ermöglichten es, einen abgeschotteten Taximarkt aufzubrechen. Der
Erfolg von Uber begründet sich maßgeblich aber nicht alleine über Big Data, die über die
Uber-App auf den Smartphones in den Fahrzeugen der privaten Fahrer und der Fahrgäste
gesammelt werden. Vielmehr sind es die „smarten“ Daten zum effizienten Matching von
Fahrern und Fahrgästen, die den Erfolg begründen. Damit Uber an die smarten Daten
kommen konnte, konfrontierte sich das Uber-Management mit folgender Kernfrage: Wer
in der Stadt benötigt eine Fahrgelegenheit und wo befinden sich diese Personen? Das
Management musste genau wissen, wo sich alle potenziellen Fahrgäste innerhalb einer
Stadt befinden. Erst dann konnten die Entscheidungen automatisiert werden, wohin die
Fahrer verteilt werden sollten, um eine Verschwendung in Form von Fahrern, die orientie-
rungslos nach Fahrgästen suchen und umherfahren, zu vermeiden [WESS].
Um von Big Data zu Smart Data zu kommen, schlägt Maxwell Wessel vor, sich mit drei
Fragen auseinanderzusetzen: 1. Welche Entscheidungen erzeugen Verschwendung im
Zielmarkt? 2. Welche Entscheidungen lassen sich automatisieren, um Verschwendung zu
vermeiden? 3. Welche Daten sind notwendig, um die perfekte Entscheidung zu treffen?
[WESS]. In zahlreichen Branchen werden Ressourcen verschwendet. Fragen Sie doch mal
Ihren Bäcker um die Ecke, wie optimal sein Ressourcendurchlauf ist und wie er diese
Entscheidung trifft. Es gibt wohl kaum einen Bäcker, der auch nur annähernd alle seine
Backprodukte am Abend verkauft hat. Deshalb wird bei der digitalen Plattform Amazon
die Automatisierung von Entscheidungen zur Vermeidung von „Ausschuss“ immer weiter
vorangetrieben. Die meisten Preisentscheidungen bei Amazon werden von Algorithmen
kontrolliert und erzeugen eine Preisdynamik, von der man auf folgender Webseite einen
Eindruck bekommt: https://camelcamelcamel.com. Diese Preisdynamik könnten mensch-
liche Preisfindungsteams so nicht leisten. Die Automatisierung von Preis-Entscheidungen
funktioniert insbesondere bei einfachen, wiederholbaren und operativen Entscheidungen.
Wenn die Algorithmen funktionieren, dann wird für Amazon ein Wettbewerbsvorteil
durch geringere Lagerkosten, weniger starke Discounts und eine deutlich bessere Vorher-
sagbarkeit des tatsächlichen Bedarfs erzeugt.
Um zu nahezu perfekten Entscheidungen zu kommen, sind komplexe Algorithmen
zur Analyse von Big Data notwendig, die relevante Datenkorrelationen finden. Also
muss man wissen, „wonach man auf der Suche ist oder vielleicht auf der Suche ist“
[FOR]. In den riesigen Datenbeständen müssen Muster identifiziert werden, die einen
Mehrwert haben und lebensverbessernd sowie erkenntnisfördernd sind. Der Philosoph
Luciano Floridi erkennt in seinem Buch „Die vierte Revolution: Wie die Infosphäre unser
Leben verändert“ denn auch messerscharf: „Dies ist ein Problem, bei dem es eher auf die
Kraft des Denkens als auf Rechenkraft ankommt“ [FOR].
Alle erfolgreichen digitalen Plattformen wie Uber, Airbnb, Amazon, Google, Facebook
oder Axciom werden angetrieben von komplexen Algorithmen mit künstlicher Maschi-
nenintelligenz, die ständig optimiert werden. Das erklärt auch den teilweise kometenhaf-
ten Aufstieg der digitalen Plattformen in den Olymp der heutigen Unternehmerelite. Die
komplexen und zunehmend „selbstlernenden“ Algorithmen bilden nach der Anfangsphase
das Rückgrat dieser digitalen Plattformen und den Wachstumsmotor zur Erzeugung expo-
nentieller Netzwerkeffekte. Das innere Triebwerk digitaler Geschäftsmodelle und damit
digitaler Plattform-Ökosysteme sind vernetzte Big Data Algorithmen, wie sie uns bereits
in Form des Kontext-Brokerings oder Kontext-Daten-Managements im praktischen Bei-
spiel der digitalen Smart City-Plattform (siehe Abschn. 2.1) begegnet sind. Diese Algo-
rithmen weisen spezifische Charakteristika auf. Die Grundidee einer rechnerischen
Binärcodierung entstand in der zweiten Hälfte des 17. Jahrhunderts. Es ist der Universal-
gelehrte Gottfried Leibnitz, der sich auf Inspirationen aus China beruft. Sein mathemati-
sches Interesse an einer universellen Rechenmaschine verknüpft er mit einem religiösen
Dualismus: So ist da die 0 nichts und die 1 repräsentiert die göttliche Schöpfung und
Fügung [WIKI28]. Damit diese Vision von kalkulierenden Maschinen in die Wirklichkeit
umgesetzt werden konnte, lieferte Alan Turing 1937 den entscheidenden Hinweis. So wies
er in einem theoretischen Modell nach, dass jeder Algorithmus durch eine Maschine aus-
führbar sei, sofern diese Schritt für Schritt vorgegebene Zeichen lesen kann, nach festge-
legten Regeln manipulieren und danach wieder ausschreiben kann. Der aus Ungarn
stammende Mathematiker John von Neumann veröffentlichte 1945 ein Modell, in dem das
Programm (Algorithmus) und die Daten (Input und Output) in einem gemeinsamen Spei-
cher untergebracht waren. Beides lässt sich dadurch gleichermaßen manipulieren, ohne
die Hardware zu verändern [STAL]. Das war die Geburtsstunde der heute noch gültigen
Architektur von Computern.
Heute wird die enorme Rechenleistung genutzt, um Programme zu schreiben, die sich
halb automatisch und durch Feedback autonom verbessern und optimieren. So entwickelt
man einen evolutionären Algorithmus in einem iterativen Verfahren. Die iterativen Schlei-
fen werden so oft wiederholt, bis das gewünschte Ergebnis erreicht ist. Dazu werden die
Werte der Variablen der ersten Generation an Algorithmen meist zufällig ausgewählt, um
den Einfluss von Prämissen der Programmierer auf die Ergebnisse zu minimieren. Dann
wird der Output aller getesteten Algorithmen danach bewertet, wie gut sie der Lösung
nahekommen. Im nächsten Schritt werden die besten Algorithmen miteinander kombiniert
und so oft wiederholt, bis sich keine Verbesserungen mehr in Bezug auf die Lösung ein-
stellen [STAL, WIKI28]. Dieser Prozess ist extrem rechenaufwendig und die Algorithmen
werden in einer hohen Zahl erprobt, anstatt in einem einzigen analytischen Verfahren ent-
worfen. Es soll so eine Lösung gefunden werden, die sich in der Praxis und im Experiment
bewährt. Das Dilemma ist dabei manchmal, das man hinterher nicht genau weiß, warum
die Lösung funktioniert und ob tatsächlich die optimale Lösung gefunden wurde. Selbst-
lernend werden diese Algorithmen erst, wenn man Algorithmen einsetzt, um neue
Algorithmen zu schreiben beziehungsweise, um deren Variablen zu bestimmen. Wenn
dann dieser reflexive Prozess in einen Algorithmus eingebaut wird, wird der Prozess
selbstlernend. Dabei legen die Programmierer die Regeln fest, nach denen der Algorith-
mus lernen soll, um ein bestimmtes Ziel zu erreichen. In vielen Fällen sind diese Lösungs-
strategien extrem komplex und lassen sich nur noch experimentell, aber nicht mehr logisch
überprüfen. Hier zeigen sich sogenannte „Black Box“-Operationen, die nur noch über das
äußere Verhalten „verstanden“ werden können. Als Beispiel lässt sich die automatische
Gesichtserkennung bei Zugangsberechtigungen in Hochsicherheitsgebäuden nennen
[STAL]. Was aber im Innern der Algorithmusoperationen vor sich geht, entzieht sich der
menschlichen Erkenntnis. Wir bewegen uns hier immer noch im Kontext von Input-Daten
→ Algorithmusoperationen → Output-Daten. Dies ist immer noch das Grundprinzip der
meisten heute eingesetzten Algorithmen.
Einen Schritt weiter geht man mit „Unsupervised oder Deep-Learning-Algorithmen“, bei
dem Computer lernen sollen, aus unstrukturiertem Material unbekannte Muster zu extrahie-
ren und auszuwerten. Praktisch bedeutet dies, dass der Computer, ohne ein Modell vom
menschlichen Gesicht zu haben, lernt, aus unstrukturierten Bildern (also aus Bildern mit und
ohne Gesichter) Gesichter zu extrahieren. Der Algorithmus erkennt eine Klasse von Formen,
die Menschen als Gesichter bezeichnen, ohne zu wissen, was ein Gesicht ist. Aber das muss
er auch nicht wissen. Mit diesen Algorithmen lassen sich direkt Bildinhalte suchen und nicht
wie bisher Bildbezeichnungen. Ein solches Modell arbeitet nicht auf der Basis vorgegebener
Parameter. Der Anspruch besteht darin, dass diese Algorithmen auch dazu verwendet wer-
den können, direkte Handlungen in der unstrukturierten Realität (Beispiel selbstfahrende
Autos) zu steuern. Denn diese auf Deep-Learning basierenden Algorithmen können direkt
und sehr schnell auf Veränderungen in der Umwelt reagieren und sich automatisch anpassen
[STAL, WIKI28]. Darin liegt natürlich auch eine Gefahr, da die Schnelligkeit der Rechen-
operationen die Algorithmen selbst unberechenbar machen können. Dennoch ziehen die
komplexen Algorithmen auch in unseren Alltag ein, in einem ersten Schritt beispielsweise
mit der Sprachsteuerung auf digitalen Endgeräten wie Apples Siri oder Amazons Echo.
Nach diesem Ausflug in die Entstehung von Algorithmen können wir uns den grundle-
genden Designs von Algorithmen zuwenden. Nach Hoffmeister [HM] weisen vernetzte
Algorithmen vier grundlegende Designs auf:
a) ein zentraler Software-Algorithmus beziehungsweise einen Software-Agenten (Goo-

gles Suchalgorithmus)
b) vernetzte, digitale Software-Agenten-Modelle (um den zentralen Software-Algorith
mus werden weitere Software-Algorithmen integriert; Google erweiterte den zentralen
Suchalgorithmus um AdSense, AdWords, Google Analytics etc.)
c) Digital-Hub-Modelle (Beispiel Apple mit Hardware als Hub und den digitalen
AppStores)
d) Agentenoptimierte Geschäftsmodelle (Umsetzung von Partialmodellen durch Software-
Agenten, die bekannte Modelle verbessern. Das Gesamtleistungsangebot bleibt beste-
hen. Diese Unternehmen sind nicht so stark von der digitalen Transformation betroffen,
da die Kernleistung nicht digitalisierbar ist. Beispiel: dynamische Preis- und Buchungs-
systeme in der Luftfahrtbranche – Kernleistung „Flüge“ sind nicht digitalisierbar.
Prinzipiell gilt, dass sich digitale Geschäftsmodelle und damit veritable digitale Plattform-
Ökosysteme erst aus der Vernetzung mehrerer Big Data Algorithmen herausbilden. Ein
zentraler Software-Algorithmus reicht nicht aus [HM, JA03].
Mit dieser Annäherung an eine Definition des Big Data Managements und der künstli-
chen Maschinenintelligenz von Algorithmen ist ein Versprechen verbunden. Das Verspre-
chen lautet: Wir stehen auf der Schwelle zu einer völlig neuen Forschungswelt. Was damit
gemeint ist, formuliert der an der Harvard University Medizin lehrende Sozialwissen-
schaftler Nicholas Christakis so: „Das exponentielle Wachstum digitaler Daten verbindet
die Informatik, Sozialwissenschaften und Biologie in einer Weise miteinander, die es uns
erlaubt, Fragen zu beantworten, die wir sonst gar nicht stellen könnten. So nennt er bei-
spielhaft die Allgegenwärtigkeit von Smartphones, die umfangreiche Informationen darü-
ber liefern, wie sich Individuen bewegen oder was diese einkaufen und Hinweise darauf
geben, was diese denken. Völlig neue Erkenntnisse sind möglich, wenn diese Informatio-
nen nun mit weiteren Datensätzen aus der Genforschung, der Wirtschaft, der Politik oder
der Kultur verknüpft werden“ [GEISE].
Welche konkreten Ziele sind mit dem Big Data Management verbunden? Im ersten
Schritt ist es die Automation der Datensammlung enormer Datenmengen und die automa-
tisierte Extraktion von implizitem Wissen und Informationen aus Rohdaten. Darüber hin-
aus soll die Mustererkennung (implizites Wissen) über statistische Datenkorrelationen zu
Prognosen menschlichen Verhaltens und Präferenzen führen. Die entscheidenden Daten
für diese Prognosen sind die Metadaten, also Beziehungsdaten der Bürger untereinander,
der soziale Kontext des Individuums und der Kontext von Gruppen [MORGEN]. Über
diese Metadaten können zum einen Korrelationen menschlichen Verhaltens identifiziert
und abgeleitet werden. Dieses Vorgehen erlaubt mit statistischen Korrelationen Prognosen
über zukünftiges menschliches Verhalten (siehe Abschn. 4.2). Bitte beachten Sie an dieser
Stelle, dass zukünftiges menschliches Verhalten nicht komplett vorhersehbar ist. Vielmehr
erkennen die Algorithmen Muster wie: Zu einem bestimmten Zeitraum im März der ver-
gangenen zehn Jahre hat sich immer ein Stau auf einem bestimmten Autobahnanschnitt
gebildet. Die Ursache dafür ist immer ein Fußball-Großereignis. Über diese Korrelation
lässt sich eine gewichtete statistische Prognose abgeben, dass sich auch in diesem Jahr im
März wieder der Stau auf dem Autobahnabschnitt ergibt. Dies ist eine sehr einfache Kor-
relation, aber die Modelle werden immer komplexer. Es geht mir darum, prinzipiell zu
beschreiben, wie diese Modelle funktionieren. Zum anderen können damit Modelle
menschlichen Verhaltens getestet werden, sodass menschliches Verhalten noch präziser
prognostiziert werden kann.
Damit zeichnet sich eine Revolution in der Betrachtung und Auswertung menschlichen
Verhaltens und Denkens ab. Diese Revolution kündigte David Brooks in der New York
Times unter dem Schlagwort „Data-ism“ an. Nach Brooks haben wir heute die Möglich-
keit, große Mengen an Daten zu sammeln. Mit dieser Fähigkeit scheint eine gewisse kul-
turelle Annahme verbunden zu sein, wonach alles, was gemessen werden kann, auch
gemessen werden soll. „Weiter sind Daten eine transparente und zuverlässige Linse, die
uns erlaubt, emotionale oder ideologische Voreingenommenheit herauszufiltern. Wenn
dies so ist, dann befähigen uns Daten zu bemerkenswerten Dingen, wie z. B. die Zukunft
vorauszusagen“ [BROO]. So verstanden stellt uns die Datenrevolution erstaunliche Mög-
lichkeiten zur Verfügung, um die Gegenwart und die Zukunft besser zu verstehen. Durch
den „Computational Turn“ ist die Auswertung menschlichen Verhaltens über die Analyse
enormer Datenmengen möglich geworden. Man versteht darunter die Anwendung von
computergestützten Verfahren in den Geistes- und Kulturwissenschaften. Damit zeichnet
sich eine Revolution in der Betrachtung dieser Wissenschaftsbereiche ab. Hierbei spricht
man auch von den „Digital Humanities“ („Digitale Geisteswissenschaften“). Dieser For-
schungsbereich beschäftigt sich mit der Schnittstelle zwischen dem Computer und den
Humanwissenschaften. Innerhalb der digitalen Geisteswissenschaften werden systema-
tisch digitalisierte und nativ erzeugte digitale Daten verwendet. Die digitalen Daten wer-
den nun in Kombination mit den Methoden der traditionellen Humanwissenschaften wie
Geschichte, Philosophie, Sprachwissenschaften, Kunst oder Musik sowie der Sozialwis-
senschaften und den computerbasierten Werkzeugen wie Data Mining, Text Mining, Sta-
tistik oder Datenvisualisierung [WIKI32] verarbeitet. Die Anwendung neuer digitaler
Technologien verändert die in den traditionellen Wissenschaftsbereichen der Geistes- und
Kulturwissenschaften vormals gültigen Konzepte und Theorien [BERRY]. Als Beispiel
sei das „Distant Reading“ angeführt, bei der tausende von Texten statistisch ausgewertet
werden. Geprägt wurde der Begriff „Distant Reading“ von dem englischen Literaturwis-
senschaftler Franco Moretti. Das Konzept des Distant Readings zielt nicht darauf ab, Lite-
ratur durch Studieren bestimmter Texte zu verstehen. Vielmehr sollen große Textmengen
analysiert werden. So ermöglicht es Distant Reading, einen Text zu analysieren, ohne ihn
komplett gelesen zu haben [TUD]. Dazu werden tausende von Büchern analysiert, und
zwar so, dass sie dabei etwas entdecken können, was wir Menschen beim „dichten Lesen“
(aufmerksames Lesen und Verstehen einer begrenzten Anzahl an Büchern zu einem
Thema) weder so schnell noch genauso erkennen können. Dazu zählen Regelmäßigkeiten
in der Entwicklung von Erzählweisen, beispielsweise die Entwicklung der Innendarstel-
lung von Figuren, wenn man dazu Abertausende von englischen mit deutschen und grie-
chischen Texten vergleicht und die dort aufgefundenen Muster wiederum mit den ganz
anderen Literaturen Chinas, Argentiniens oder Japans übereinanderlegt und dann erst
erkennt, ob es gemeinsame Regularitäten gibt.
Damit erfolgt so teilweise die Umstellung der Literaturwissenschaft vom Lesen auf das
Zählen. Das dichte Lesen wird erweitert um das analysierende distanzierte Lesen, das
nicht im Gegensatz zum dichten Lesen steht. Der Kosmos der Geistes- und Kulturwissen-
schaften erfährt so eine bis dato unbekannte Ausdehnung [JA02]. Eine weitere Variante
des Distant Readings haben die Autoren Jodie Archer und Matthew Jockers in einem
Algorithmus einfließen lassen. Sie haben knapp 5000 Romane aus 30 Jahren von einem
Big Data Analyseprogramm analysieren lassen und für jedes Werk die Wahrscheinlichkeit
errechnet, in der New York Times Bestseller-Liste zu erscheinen. Dabei zählte nur der
wirtschaftliche Erfolg. Die Trefferquote des Algorithmus liegt bei beeindruckenden 80 %.
Die Romane werden von dem Analyseprogramm über fast 3000 Datenpunkte analysiert,
wie beispielsweise Satzbau, Figuren, Verben und Artikel. Das Ergebnis bedeutet, dass in
acht von zehn Fällen der Algorithmus Bücher richtig als Bestseller identifiziert hat und bei
einem Text, der nie in der Liste auftauchte richtig als Nicht-Bestseller [SER].
Als Quintessenz lautet das Versprechen des Computational Turn für die Geisteswissen-
schaften auch: „Neue Qualität durch mehr Quantität“ [SIMAN]. Durch automatisierte Pro-
zesse und die Datenverarbeitung ohne Theoriebildung lassen sich weit mehr Daten
verarbeiten als durch den Menschen. Damit bewirken belastbare Daten jenseits subjektiver
Theorien die Rehabilitierung der Wissenschaft [SIMAN]. Überspitzt formuliert folgt dann
aber das Verständnis kultureller Dynamiken zunehmend der Computer-Logik [HUI]. Es
erscheint ja geradezu so, als ob das digitale Zeitalter das Additive totalisiert, das Zählen
und das Zählbare [HAN02]. Dieses Zählen fokussiert sich auf Korrelationen, auf statisti-
sche Mustererkennung und nicht auf Kausalität. Die Auswertung enormer Datenmengen
lässt Einsichten in menschliches Verhalten zu, die mit den herkömmlichen Methoden der
Geisteswissenschaften nicht möglich waren. Das funktioniert auch ohne zuvor entwickelte
Modelle oder Theorien. Die Muster werden in den Datenmengen über statistische Korre-
lationen extrahiert. Im Kern geht es also auch darum, dass in der postmodernen Informa-
tionsgesellschaft alle Daten theoriefrei verarbeitet werden. Dies birgt die Gefahr, dass
Wissenschaftler diese neuen Technologien der Datenanwendung und -verarbeitung als
„Black Box“ betrachten [JA02]. Die Wissenschaftler verstehen die Algorithmen und
Wirkmechanismen dieser digitalen Technologien nicht. Es reicht, wenn die Ergebnisse des
Computational Turns vernünftig erscheinen [BRU].
Diese Entwicklungen führen in der Literaturwissenschaft und auch anderswo zu einer
Krise der Repräsentation. Denn der Anspruch lautet: „Mit Hilfe vollständiger Archive
und totaler Erfassungsverfahren soll die Wirklichkeit selbst abbildbar werden“ [BERN].
In dem Buch „Distant Reading“ von Franco Moretti schimmert durch, das Big Data
Management die Komprimierungstechnik von Theorie anscheinend überflüssig macht.
Im Zuge dieser Theorielosigkeit, nur gestützt auf statistischen Korrelationen, kommt der
damalige Chefredakteur des Wired-Magazins Chris Anderson zu dem Schluss: „Das
Ende aller Theorie: Die Datenflut macht die wissenschaftliche Methode überflüssig“
[ANDERSON]. Aber ist das Ende der Theorie wirklich schon so nah?
Im Juni 2008 veröffentlichte Chris Anderson vom Wired-Magazin einen Artikel, der
das Ende der Theorie verkündete. Nach Anderson zwingt uns das Petabyte-Zeitalter
dazu, Daten zunächst aus einer mathematischen Perspektive zu betrachten und erst im
zweiten Schritt in einen Kontext zu setzen. Seiner Auffassung nach werden Theoriemo-
delle durch die Analyse unvorstellbar großer Datenmengen überflüssig. Es reichen Korre-
lationen von Daten. Praktisch bedeutet dies, dass wir große Datenmengen in riesige Cloud
Computing-Serverfarmen des Internets einspielen und die Algorithmen mit Maschinenin-
telligenz in diesen Daten dann Muster aufspüren, die der theoriegeleiteten Wissenschaft
verborgen blieben [JA02]. Damit aber ersetzt die Korrelation in der Konsequenz die Kau-
salität [HAN02]. Anderson posaunte es geradezu hinaus in die Welt – Petabytes an Daten
bedeutet: „Korrelation ist genug“ [ANDERSON]. Als Beispiel aus der Forschungspraxis
führt Anderson das von Craig Venter entwickelte Schrotschussverfahren zur Sequenzie-
rung des Genoms an. Dabei generieren ultraschnelle Sequenziermaschinen Unmengen an
Daten, die mittels Supercomputer statistisch analysiert werden. Damit konnte Venter das
Genom einzelner Organismen bis hin zu ganzen Ökosystemen sequenzieren. Im Jahre
2003 startete er mit der Sequenzierung der Ozeane und 2005 mit der Sequenzierung der
Luft. Als überraschendes Ergebnis entdeckte er tausende bislang unbekannte Arten von
Bakterien und anderer Lebensformen [ANDERSON]. Allerdings weiß Venter nicht, wie
sie aussehen und wie sie leben, und er hat auch keine Kenntnisse über ihre Morphologie.
Er kennt nicht einmal ihr gesamtes Genom. Er verfügt über ein winziges Fitzelchen statis-
tischer Information, eine einzigartige Sequenz, die, da sie sich von allen anderen Sequen-
zen in der Datenbank unterscheidet, zu einer neuen Art gehören muss. Vielleicht korreliert
diese Sequenz mit anderen Sequenzen, die denen von Arten ähneln, über die wir mehr
wissen. Alles, was Venter letztendlich zur Verfügung steht, sind Daten. Anderson lobt
denn auch Venter und konstatiert, dass dieser mit der Google-Computertechnologie die
Biologie weiter gebracht hat als irgendjemand sonst in seiner Generation. Als Credo for-
muliert Anderson, dass die Fülle an Datenmengen in Verbindung mit den statistischen
Methoden zur Analyse dieser Datenmengen zu einem neuen Verständnis unserer Welt
führt [JA02].
Der Autor Anderson erntete viel Kritik für seine Behauptung vom Ende aller Theorie
[PIGLIU, GRA, ARROLL] […]. Hauptsächlich wurde argumentiert, dass die Wissen-
schaft nicht primär damit beschäftigt ist, Muster in Unmengen von Daten zu finden, son-
dern eher damit, Erklärungen für die Muster zu finden. Weiter wird argumentiert, dass
Daten ohne Modelle (mathematischer oder konzeptioneller Natur), egal wie umfangreich
die Daten auch sein mögen, nur ein „Rauschen“ darstellten. Anders ausgedrückt: Es ist
manchmal sehr schwer oder nahezu unmöglich, selbst einfache Modelle für eine umfang-
reiche Ansammlung strukturierter und unstrukturierter Daten aus einem nicht-linearen
Datenrauschen zu finden.
Dennoch können mit der Datenanalyse enormer Datenmengen zahlreiche statistische
Korrelationen entdeckt werden, die man vorher angesichts einer mangelhaften Qualität
und Quantität von Untersuchungsdaten nicht erkennen konnte. Die statistischen Korrelati-
onen offenbaren menschliche Verhaltensmuster und lassen statistische Prognosen über
zukünftiges Verhalten zu [JA02]. Chris Anderson ist ohne Zweifel mit seinem Artikel über
das Ziel hinausgeschossen. Die statistische Analyse enormer Datenmengen ist nicht das
Ende aller Theorie. Sie eröffnet aber einen völlig neuen Zugang zu einer bis dato unbe-
kannten Qualität und Quantität an vielfältigen Daten. Der damalige Forschungsdirektor
von Google, Peter Norvig, wurde in dem Artikel von Chris Anderson mit den Worten
zitiert: „Alle Modelle sind falsch, und man kann immer häufiger auch ohne sie Erfolg
haben“ [ANDERSON]. Interessanterweise widerspricht Peter Norvig vehement diesem
Zitat in seinem Blog-Beitrag „All we want are the facts, ma’am.“ „Es ist eine törichte
Aussage, der ich widerspreche“ [NORVIG]. Weiter kommt in dem zitierten Blog-Beitrag
ein pikantes Detail zu Chris Andersons Artikel über das Ende aller Theorie ans Licht. Im
Spätsommer 2008 traf Chris Anderson auf dem Google-Campus wieder auf Peter Norvig.
Dort angesprochen auf den Artikel meinte Chris Anderson, dass er nur nach medialer
Aufmerksamkeit für sein Magazin aus gewesen sei, wohl wissend, dass seine Idee des
Endes aller Theorie falsch sei [NORVIG].
Nach Yvonne Hofstetter liegt das endgültige Ziel des Big Data Managements in der
Herausbildung von künstlicher Intelligenz. Dies sind für Hofstetter lernende Maschinen
und lernende Maschinen als Optimierer. Wozu die heutigen Algorithmen in Kombination
mit künstlicher Intelligenz schon fähig sind, zeigt das Beispiel des Pokerspiels. Mit künst-
licher Intelligenz und Algorithmen ist der Mensch beim Schach und beim GO-Spiel bereits
abgehängt worden. Beim Poker ist das Spiel noch komplexer und benötigt als Erfolgsfak-
tor die Intuition [HUM]. Ein Pokerbot mit Namen DeepStack aus Kanada besiegte Anfang
2017 zehn Pokerprofis. In dem Fachjournal „Science“ berichten Forscher davon, dass
zehn von elf Profispielern in einer großen Anzahl von Partien von DeepStack deutlich
besiegt wurden. Dabei spielte der Pokerbot systematisch besser als die Pokerprofis. Das ist
umso erstaunlicher, als beim Pokerspiel das Spiel auf unvollständiger Information beruht.
Im Gegensatz dazu beruhen Schach und GO auf vollständiger Information, da die Positi-
onen der Figuren beziehungsweise Steine jederzeit für beide Spieler bekannt sind. Noch
verblüffender ist, dass der Pokerbot DeepStack „bluffen“ kann. Mit dieser Fähigkeit
spielte DeepStack menschlicher als andere künstliche Intelligenzen und dies ist dem
maschinellen Lernen (Deep Learning) geschuldet. Die Algorithmen von DeepStack trai-
nieren mit Daten, um letztlich selbstständig eine optimale Lösung für ein Problem zu fin-
den. Bei den Daten handelte es sich um Millionen von Partien. Die Forscher ließen den
Pokerbot gegen sich selbst antreten. Der Forscher vom Fraunhofer-Institut für Intelligente
Analyse- und Informationssysteme beurteilt die Leistungsfähigkeit von DeepStack so:
„DeepStack kann überzeugend bluffen und ist in seiner Spielweise nicht mehr von Men-
schen zu unterscheiden“ [HUM]. Allerdings muss man sagen, dass die Spielergebnisse
davon abhängen, gegen welche Menschen der Pokerbot antritt. Zudem benötigen Systeme
wie der Pokerbot umfangreiche Trainingsdaten, die oftmals in der Praxis nicht vorliegen.
Der Big Data Mechanik und damit den statistischen Algorithmen sind aber inhärente
Grenzen gesetzt. Denn es werden Modelle für die Abbildung der Realität herangezogen,
die notwendigerweise die Realität vereinfachen [HOLLER]. Dennoch wird diese
Unschärfe der Modelle durch die riesigen Datenmengen für Ausschnitte der Realität klei-
ner. Wie bereits thematisiert, besteht auch die Gefahr, dass der Big Data Algorithmus als
Black Box nur äußerlich betrachtet, aber logisch nicht verstanden wird. Man merkt sozu-
sagen, dass etwas funktioniert, aber weiß nicht wieso. Besonders hervorheben möchte ich
das Problem der Datenqualität – die sogenannte „Veracity“. Es schleichen sich in jede
Datenanalyse fehlerhafte, unvollständige und fehlinterpretierte Daten. Deshalb können die
Ergebnisse nur Annäherungen an Zustände zulassen, ohne absolut korrekt zu sein [MOR-
GEN, WIKI07]. Immer wieder taucht in Literatur zu digitalen Plattformen wie Facebook,
Uber, Airbnb & Co. die Behauptung auf, dass durch die komplexen Algorithmen der glä-
serne, transparente Bürger entsteht. Diese Idee ist aber falsch, da wir durch die Algorithmen
und das Datenmanagement nicht wirklich transparent und berechenbar werden. So kann
Facebook gar nicht wissen, ob uns ein „gelikter“ Film tatsächlich gefällt. Vielmehr wird,
wie bereits beschrieben, über Näherungswerte versucht, auf das Verhalten und Emotionen
von Menschen zu schließen. Fatalerweise werden wir durch die digitalen Plattformen aber
so behandelt, als ob wir wirklich transparent wären. Wir bekommen aber die Folgen dieser
Algorithmen zu spüren, wenn wir Kredite oder eine bestimmte Versicherung beantragen,
einen Mobilfunkvertrag abschließen wollen und so weiter. Der Professor für digitale Kul-
tur, Felix Stalder, wirft die damit verbundene fundamentale Fragen auf: „Ist das Überset-
zen von Verhalten in Daten handwerklich seriös? Wer definiert, nach welchen Kriterien
diese automatischen Entscheidungssysteme arbeiten und worauf sie zielen?“ [STAL02].
Die erste Frage habe ich im Buch bereits thematisiert und diese kann häufig nicht sehr
seriös beantwortet werden. Denn hier geht es um Übersetzungsprobleme bezüglich der
Erfassung von Realität mittels Daten und der Aussagekraft von Daten. Felix Stalder meint
dazu: „Da wird häufig gepfuscht“ [STAL02]. Denn die Übersetzung von Verhalten in
Daten ist immer noch sehr schwierig, da immer selektiv. Für die Funktionsfähigkeit der
Algorithmen sind Daten notwendig, die aber eine ganz eigene Abbildung der Realität
erzeugen. Diese Abbildung der Realität bildet dann die Grundlage für Entscheidungen.
Bei der zweiten Frage spielen Aspekte wie Interessensteuerung und Intransparenz eine
wichtige Rolle. Ein Dateninput wird so genutzt, dass man vorab weiß, auf welchen Output
man abzielt. Oder für ein definiertes Problem kennt man schon die Lösung [STAL02]. Die
Empfehlungen von Amazon sind ein banales Beispiel für diese Problematik, über Cluster-
bildung einer Person A, die über das eigene Datenprofil zur Gruppe X gehört und sich mit
hoher Wahrscheinlichkeit wie die Personen der Gruppe verhalten wird. Dass hier mit ver-
zerrten Realitäten gearbeitet wird, zeigt schon die Neigung von Amazon, mir immer und
immer wieder meine eigenen Bücher zu empfehlen. Hier zeigt sich auch die noch
beschränkte Smartness der Algorithmen. Bei komplexeren Beispielen wie der Entschei-
dung einer Kreditvergabe, ist völlig intransparent, nach welchen Kriterien die Entschei-
dung getroffen wurde – also wie die Maschine arbeitet. Prinzipiell hat ein Algorithmus
keinerlei Verständnis für statistische Relevanz. Die Ergebnisse von Algorithmen müssen
vom Menschen interpretiert werden, da mathematische Verfahren kein Verständnis für den
Kontext haben. Hier zeigt sich das Dilemma der Algorithmen. Es ist die Theorielosigkeit
des maschinellen Lernens, die dazu führt, dass Suchergebnisse von Algorithmen interpre-
tiert werden müssen. Das wird immer so sein, denn maschinelles Lernen wird nie zu 100 %
genaue Ergebnisse liefern. Die Genauigkeit liegt in der Praxis zwischen 60 und 99 %
[WOL]. Der mögliche statistische Fehler ist durchaus signifikant und muss bei den Ent-
scheidungen der Algorithmen mitberücksichtigt werden. Denn in der Praxis zeigt künstli-
che Intelligenz indeterministisches Verhalten.
Außerdem ist künstliche Intelligenz schwierig zu testen, da diese auch ohne expliziten
Anstoß des Programmierers in Ableitungen verlaufen kann, die nicht ex ante mitbedacht
wurden [HOF, WIKI34]. Das kann dann nach Nassim Nicholas Taleb zum Phänomen
„Schwarzer Schwäne“ führen, wie er es in seinem Buch „The Black Swan: The Impact of
the Highly Improbable“ schreibt; ein Phänomen, wonach es immer etwas gibt, was wir
nicht berücksichtigt haben oder berücksichtigen konnten [TALEB]. Denn die Welt ist
immer komplexer als alle Modelle, so ausgeklügelt diese auch sein mögen. Kein Big Data
Algorithmus hat trotz riesiger Datenbestände im Finanzsektor die Finanzkrise von 2008
vorausgesehen, geschweige denn verhindert. Bei Klimamodellen beispielsweise, mit
nahezu unendlich vielen Variablen, wird nicht annähernd die ganze Klimawirklichkeit
abgebildet. Die Klimamodelle müssen die Wirkungszusammenhänge radikal vereinfa-
chen. Die Prognosen zum Wirtschaftswachstum, zum Euro oder zum Ölpreis wurden
kaum besser, weil immer mehr Variablen eine nicht vorhersehbare, aber entscheidende
Rolle spielen können. Denn für komplexe Systeme gilt, dass zufällige, minimale Unter-
schiede zu Beginn eines Prozesses über alles andere vollständig entscheiden können. Trotz
aller Fortschritte in den Bereichen des Big Data Managements und der künstlichen Intel-
ligenz wird der Lauf der Dinge nicht vorhersehbar. Diesen Effekt nannte der polnische
Mathematiker Benolt Mandelbrot den „Noah-Effekt“ [WEIN].
Ein weiteres Phänomen ist die sogenannte Apophänie, also die Tendenz, Muster wahr-
zunehmen, wo keine Muster existieren. Der Grund dafür liegt in der schlichten Tatsache,
dass enorme Datenmengen Zusammenhänge (Korrelationen) nahelegen, die in sämtliche
Richtungen strahlen [GEISE]. Oder man denke nur an Computermodelle, die mit Big Data
Algorithmen arbeiten und so programmiert sind, dass diese auch Feedback berücksichti-
gen können. Diese selbstlernenden Modelle produzieren in der Praxis zuverlässige Ergeb-
nisse. Aber die Modelle und die dahinter stehenden Prozesse sind für uns Menschen zu
komplex. Dann würden wir etwas wissen, ohne es zu verstehen. Diese künstliche Intelli-
genz ist dann wieder eine Black Box für uns [JA02].
Trotz dieser Schwächen sollten und müssen wir anfangen, Daten als Material mit einer
Vielzahl von Eigenschaften zu begreifen, „als Material, aus dem Modelle unterschiedli-
cher möglicher Zukünfte gebaut werden können“ [GEISE].
Von hier aus sollten Sie in der Lage sein, zukünftige Big Data Entwicklungen konzep-
tionell zu verstehen und zu verfolgen. Die bisherigen Ausführungen über den „Data-
ismus“ enthalten wichtige Aspekte bei der weiteren Betrachtung des Komplexes digitaler
Plattformen mit Ökosystemen.
Mit den Ausführungen in den Kap. 1 und 2 zum Wesen digitaler Plattform-Ökosysteme
haben Sie das Rüstzeug erhalten, um die Welt digitaler Plattformen besser verstehen zu
können. Damit können Sie die Anatomie digitaler Plattformen entschlüsseln und die inne-
ren Wirkmechanismen freilegen. Basierend auf den bisherigen Ausführungen nehme ich
einige der erfolgreichsten digitalen Plattformen im folgenden Kap. 3 unter die Lupe.
Die Revolution der digitalen Plattformen
ist so nah 3
„Manchmal muss man also nur der Frage nachgehen, was für
Auswirkungen die Dinge haben, um zu erkennen, wie realistisch
sie sind.“
(Lisa Randall)
Mit der zunehmenden Expansion von digitalen Plattformen über zahlreiche Branchen hin-
weg verwischen die angestammten Branchengrenzen. Denken Sie nur an das Konzept des
selbstfahrenden Autos, an dem mit Hochdruck von digitalen Plattformriesen wie Google,
Apple oder Uber gearbeitet wird. Die Automobilindustrie hat das disruptive Potenzial der
vormals belächelten Initiativen von Google, Tesla & Co in diesem Bereich mittlerweile
erkannt und springt auf den Zug auf. Befeuert wird dieses Vorgehen auch durch den nach-
wirkenden Dieselskandal von Volkswagen. Auch beim selbstfahrenden Auto handelt es
sich um ein digitales Plattformkonzept mit einem Partner-Ökosystem. Das stellt die Unter-
nehmen in der Automobilindustrie mit etabliertem Geschäftsmodell vor besondere Trans-
formationsanforderungen, die zu tief greifenden strukturellen Veränderungen in den
Unternehmen führen werden. Alleine bei Daimler in Stuttgart rechnet der Konzern damit,
dass lediglich ein Siebtel des bisherigen Arbeitsumfangs beim Übergang von der Moto-
renfertigung für den Verbrennungsmotor zum Elektroantrieb übrig bleibt. Das wären, bei
insgesamt gleichbleibenden Stückzahlen, nicht einmal mehr 4300 Arbeitsplätze von heute
insgesamt 30.000 Mitarbeitern in der Motorenfertigung [PRE].
Damit die digitale Transformation für etablierte Unternehmen erfolgreich gelingen kann,
muss das Kerngeschäft des Unternehmens solide sein und weiter wachsen. Eine weitere
Prämisse bildet die anfängliche Trennung von Kern- und Neugeschäft, wobei eine gemein-
same Basis beider Geschäftsteile vorhanden sein sollte (beispielsweise ein g emeinsames

https://doi.org/10.1007/978-3-658-19178-8_3
112 3 Die Revolution der digitalen Plattformen ist so nah
Verständnis von Mobilität in der Automobilindustrie). Denn die Einführung eines digitalen
Plattform-Geschäftsmodelles unterscheidet sich grundlegend von der Weiterentwicklung
eines etablierten Kerngeschäfts auf der Basis linearer Wertschöpfungsketten. Die Unterneh-
men mit klassischer linearer Wertschöpfungskette bezeichnen Parker et al. in ihrem Buch
„Platform Revolution. How Networked Markets are Transforming the Economy – And how
to make them work for you“ als „Pipeline“-Unternehmen [PA].
Die Weiterentwicklung des Kerngeschäfts durch Produkt- und Serviceentwicklungen
in Kombination mit digitalen Einzelkomponenten bildet eine inkrementelle Erweiterung
im Sinne einer erhaltenden Innovation des etablierten Geschäftsmodelles. Die Entwick-
lung digitaler Plattformen mit komplexen Netzwerkeffekten lässt sich so aber nicht voran-
treiben. Die Faktoren Risiko und Unsicherheit spielen hierbei eine wesentliche Rolle.
Einer der Gründer von Google, Larry Page, schreibt im Vorwort für das Buch „How Goo-
gle Works“ von Eric Schmidt und Jonathan Rosenberg dazu: „Viele Firmen machen gern,
was sie immer getan haben, mit nur geringfügigen Veränderungen. Diese Schritt-für-
Schritt-Strategie führt mit der Zeit zur Bedeutungslosigkeit, besonders im Bereich der
Technik, wo Veränderungen meist revolutionär sind, nicht evolutionär. Man muss sich also
zwingen, Risiken einzugehen. Darum investieren wir in Bereiche, die sehr spekulativ wir-
ken.“ Im englischen Original wird der Anspruch sprachlich noch deutlicher: „… need to
force yourself to place big bets on the future“ [SCHMI02].
3.1 ie Revolution geht einher mit einer Evolution digitaler

D
Plattformen
Die Plattform-Revolution geht mit einer Evolution einher, wenn man perspektivisch von
einer äußeren Betrachtung digitaler Plattformen hin zu einer Binnensicht wechselt. Der
Aufmarsch digitaler Plattformen transformiert Märkte und Branchen teilweise revolutio-
när, aber die digitalen Plattformen selbst entwickeln sich im Zeitablauf entlang eines evo-
lutionären Pfades. Versuchen wir eine Annäherung an die evolutionäre Entwicklung
digitaler Plattformen. Bei der Evolution digitaler Plattformen kommt das im Abschn. 1.1
skizzierte (Re-)Kombinationsprinzip von Daten beziehungsweise Informationen zum Tra-
gen. Dieses Prinzip kann mit dem praktischen Beispiel einer digitalen Smart City-Platt-
form mit einem Apps-Ökosystem anschaulich skizziert werden. Der evolutionäre Prozess
vollzieht sich hier initial über die Entwicklung von singulären Apps auf geschlossenen
und offenen digitalen IT-Plattformen für eine spezielle Nutzergruppe.
So wird beispielsweise das Blutdruckmessen per Mobile App angeboten, bei der die
Blutdruckdaten des Patienten gemessen, archiviert und ausgewertet werden. Dies ist im
digitalen Plattform-Kontext die sogenannte „Kern-Interaktion“. Im nächsten Evolutions-
schritt werden dann singuläre Apps zu konkreten Anwendungsfällen gebündelt. Damit
werden dann auf der Basis der „Kern-Interaktion“ zusätzliche Interaktionsmöglichkeiten
geschaffen. In dem gewählten Beispiel könnten die Blutdruckmessergebnisse mit den Puls-
daten, Temperaturdaten und Insulinwerten, die ebenso das Smartphone erfasst, kombiniert
3.1 Die Revolution geht einher mit einer Evolution digitaler Plattformen 113
werden. Die Kombination unterschiedlicher Daten ist für Patienten mit einer Zuckererkran-
kung sinnvoll, um die Zufuhr von Insulin bedarfsgerecht steuern zu können [JA01]. In der
finalen Entwicklungsstufe entstehen komplexe Anwendungswelten, in denen gebündelte
Anwendungsfälle und singuläre Apps zu komplexen Anwendungswelten zusammenge-
führt werden. Dann entstehen in dem skizzierten Beispiel Gesundheitsplattformen, auf
denen zahlreiche Gesundheits-, Fitness- und Versicherungsanbieter ihre Anwendungen
miteinander verknüpfen und die vielfältigen Prozesse zwischen allen beteiligten Gesund-
heitspartnern optimieren. Zu diesen Prozessen zählen Terminvereinbarungen, Patientenauf-
nahme, elektronische Medikationsanweisungen, Präventivmaßnahmen, Überweisungen
und Abrechnungen mit den Krankenkassen [JA01, JA02]. Daraus entsteht ein digitales
Plattform-Gesundheitsuniversum mit Apps-Ökosystem wie aus der Abb. 3.1 ersichtlich.
Das digitale Plattform-Gesundheitsuniversum mit Apps-Ökosystem wird zu komple-
xen Apps-Anwendungswelten mit zahlreichen Ökosystempartnern führen (siehe Abb. 3.1).
Auf dieses digitale Plattform-Universum mit Apps-Ökosystem komme ich in Abschn. 4.1
nochmals zurück, wenn ich die zukünftigen Entwicklungslinien digitaler Plattformen the-
matisiere. Neben der evolutionären Apps-Ökosystem-Perspektive lässt sich auch die
Lebenszyklus-Perspektive der Evolution digitaler Plattformen einnehmen. Dazu orientiere
ich mich am schematischen Modell des Produktlebenszyklus, der folgende Phasen unter-
scheidet: Einführungsphase, Wachstumsphase, Reifephase, Sättigungsphase, Degenerati-
onsphase (Rückgang). Prinzipiell stellt der Produktlebenszyklus die Veränderung des
Umsatzes und des Gewinns eines Produktes in Abhängigkeit von der Zeit dar [SCHMI02].
Auch digitale Plattformen durchlaufen diese Phasen und können wie Pipeline-Unterneh-
men mit linearer Wertschöpfungskette untergehen, wie wir am Beispiel von MySpace
gesehen haben (siehe Kap. 2). Niemand weiß, was nach Facebook kommt. In unserem
Kontext sind die Phasen Start-up (Einführungsphase), Wachstumsphase und Reifephase
von besonderer Bedeutung. Dabei skizziere ich die spezifischen Metriken zur Messung
des Erfolgs einer digitalen Plattform in den genannten drei Phasen des Lebenszyklus digi-
taler Plattformen.
In der Welt linearer Wertschöpfungsketten dominieren Kennzahlen wie Lagerbestände,
Cashflow, Return on Investment und Overhead Costs zur Effizienzbestimmung von Unter-
nehmen. Die Effizienz eines Unternehmens wird dabei in allen Bereichen der linearen
Wertschöpfungskette so weit wie möglich getrieben, um Umsätze durch den möglichst
großen Ausstoß an Produkten und Services zu erzielen. Diese Umsätze müssen letztend-
lich so groß sein, dass damit die Kosten für die Erstellung der Produkte und Dienste über-
kompensiert werden und Profite für Re-Investitionen und die Befriedigung von Investoren
möglich sind.
In der Sphäre digitaler Plattformen verlieren diese Metriken an Bedeutung, um die
Wertschöpfung zu erfassen. Bei digitalen Plattformen erfolgt die Wertschöpfung über effi-
ziente (Kern-)Interaktionen auf einer digitalen Plattform und daraus resultierenden positi-
ven Netzwerkeffekten. Der Fokus liegt folglich auf der Erzeugung positiver Netzwerkeffekte
und den Aktivitäten auf der digitalen Plattform. Der Erfolg für alle Akteure einer digitalen
Plattform ist das Resultat der Häufigkeit erfolgreicher Interaktionen auf der digitalen
114
Fitness- und Wellness Apps Open Data Apps

Krankenhäuser, Reha-Ärzte,
Diät und Fitness Apotheken-Apps Pollenflugvorhersage
Wellness Feinstaubbelastung
Kundenmanagement Gesundheitsakte Zusatzstoffe in Nahrung
Gerätehersteller Apps Patienten Management Krankenkassen-Apps
Klinische Prozesse
Kundenmanagement Wiedereingliederung Gesundheitsversorgung
Soziale Gruppen Programme für chronische
Erkrankungen
Kostenkontrolle
Versicherungen Ärzte Krankenhaus Reha

Fitness Pharmazie
Wellness Mitarbeiter
Telemedizin Kontext- Mobilität

basierte
Notrufeinrichtungen Daten + Fahrzeuge
Daten MBR
Medizinische Sensoren ePedelec, eCar
Immobilien- Blutdruckmessungen Immobilien-
Firmen Services Firmen
Städtische
Städt
tädt
äd ische
ädt h
Gesundheits- Pick up, ÖNV
plattform
Robotik
Pflegeroboter
Smart City-Plattform
Apps nach Handlungsfeldern
Neue Services / Apps
Preismechanismen
Offener Bereich
Apps-Marktplatz
Datenanbieter
Suchmaschine
Open / Private Data
Abb. 3.1 Das digitale Plattform-Gesundheitsuniversum mit Apps-Ökosystem [JA03]

3 Die Revolution der digitalen Plattformen ist so nah
Plattform [PA]. Das gesamte Partner-Ökosystem partizipiert von dem Erfolg der digitalen
Plattform. Das bedeutet, dass auch außerhalb der digitalen Plattform im Partner-Ökosys-
tem Teile der Wertschöpfung erzeugt werden. In Unternehmen mit linearer Wertschöp-
fungskette ist das Management immer bestrebt, den Fluss an Werten durch die lineare
Wertschöpfungskette zu optimieren. Für digitale Plattformen ist die Erzeugung, Teilung
und Bereitstellung von Mehrwerten im gesamten vernetzten Partner-Ökosystem der digi-
talen Plattformen von Bedeutung. Dabei spielen Prozesseffizienzen und Systemverbesse-
rungen selbstredend auch noch eine Rolle, aber nur insoweit, als diese gewünschte (Kern-)
Interaktionen auf der digitalen Plattform erleichtern.
Die Beleuchtung der Metriken zur Messung des Erfolgs einer digitalen Plattform dient
im Folgenden dazu, den Lebenszyklus der Plattformen abzubilden. Denn in diesem Punkt
unterscheiden sich digitale Plattformen mit Netzwerkeffekten nicht von Unternehmen mit
linearer Wertschöpfungskette. Auch digitale Plattformen verlaufen von einer Start-up-
Phase über eine Wachstumsphase bis hin zum Tod einer digitalen Plattform mit Part-
ner-Ökosystem. Deshalb sollte man auch immer daran denken, dass digitale Plattformriesen
wie Google oder Facebook heute in bestimmten Bereichen dominant sind, aber die nächste
digitale Start-up-Plattform schon das Ende auch dieser Plattformen bedeuten könnte. Das
ist die große Angst, Antriebsfeder und auch fast schon Schizophrenie im Silicon Valley.
Das geht einher mit dem unerschütterlichen Glauben an „making a dent in the Universe“
[SNE]. Das ist einer der starken Treiber für erfolgreiche digitale Plattformgiganten, weitere
Interaktionsmöglichkeiten um eine Kern-Interaktionen herum zu schaffen und die Nutzer
damit stärker an die digitale Plattform zu binden. Betrachten wir nun kurz wichtige Platt-
form-Metriken entlang des Lebenszyklus digitaler Plattformen mit Partner-Ökosystem. In
der Start-up-Phase einer digitalen Plattform sind prinzipiell wichtige Entscheidungen zu
treffen bezüglich:
• Plattform Design und Live-Schaltung der Plattform

• Design der Kern-Interaktion
• Entwicklung von Anreizen (organischer und anorganischer Natur), um Nutzer auf die
Plattform zu ziehen
• Ermöglichung effizienter Interaktionen
• effizientem Matching von Produzenten und Konsumenten
• Entwicklung effektiver Kurationsmechanismen und
• Bestimmung der Offenheit einer digitalen Plattform für die Ökosystem Akteure [PA]
Eine der wichtigsten Kenngrößen digitaler Plattformen in der Start-up-Phase betrifft das
Wachstum an Nutzern auf der digitalen Plattform und erfolgreicher, gewünschter (Kern-)
Interaktionen. Es muss hier nochmals betont werden, dass Kenngrößen wie Cashflow,
Umsätze und Profitmargen bei digitalen Plattform-Start-up-Unternehmen in der Start-up-
Phase meist völlig irrelevant sind. Ich erinnere in diesem Zusammenhang nochmals an das
Grundprinzip „from free to fee“ bei der Monetarisierung einer digitalen Plattform (siehe
Abschn. 2.2). Sobald die digitale Plattform eine kritische Masse an Nutzern gewonnen hat
und diese einen Mehrwert für alle Nutzer auf der digitalen Plattform erzielen, ändert sich
der Fokus auf die nachhaltige Kundenbindung und den Wandel von aktiven Nutzern zu
zahlenden Nutzern der digitalen Plattform. In dieser Phase spielt die Monetarisierung der
(Kern-)Interaktionen auf der Plattform dann eine entscheidende Rolle. In der Wachstums
phase geht es dann darum, Antworten auf folgende Fragen zu finden:
• Welche Nutzer profitieren am meisten von den (Kern-)Interaktionen auf der Plattform?
• Welche Nutzergruppen sollten subventioniert werden, um die weitere aktive Teilnahme
auf der digitalen Plattform zu garantieren?
• Welche Teile der Wertschöpfung werden auf und außerhalb der digitalen Plattform,
aber im Partner-Ökosystem erzeugt?
• Wie viel Mehrwert kann durch die Anwendung effizienter Kurationsmechanismen
erzeugt werden?
• Welche Gruppen außerhalb der digitalen Plattform könnten durch den Zugang zu
bestimmten Nutzergruppen auf der digitalen Plattform einen Mehrwert von der digita-
len Plattform erhalten?
• Welchen Anteil an der Wertschöpfung kann die digitale Plattform selbst einbehalten,
ohne die (Kern-)Interaktion und damit einhergehende Netzwerkeffekte zu behindern?
[PA]
In der anschließenden Reifephase verfügt die digitale Plattform bereits über einen selbst-
erhaltenden Netzwerkkreislauf mit ausreichend aktiven Nutzern, die für ständige Interak-
tionen auf der digitalen Plattform sorgen. Dieser Kreislauf dauert nur an, wenn die
Nutzerbindung nachhaltig gestärkt wird und weiteres Wachstum über Innovationen zur
Erweiterung der Kern-Interaktion auf der digitalen Plattform erfolgt. Es müssen Messgrö-
ßen zur Messung der anhaltenden (Kern-)Interaktion auf der digitalen Plattform und zur
Bestimmung des Ausmaßes an Aktivitäten zur Erzeugung neuer Formen der Wertschöp-
fung (neue Interaktionen) durch die Nutzer entwickelt werden. Zudem ist genau zu beob-
achten, wie Nutzer auf der digitalen Plattform eine größere Anzahl an Nutzern auf der
digitalen Plattform mit Mehrwerten versorgen. Dies ist erforderlich, da diese Mehrwert
produzierenden Nutzer eine eigene externe digitale Plattform aufbauen und aktive Nutzer-
gruppen auf die neu aufgebaute digitale Plattformen hinüberziehen könnten.
Um diese Gefahr rechtzeitig erkennen zu können, benötigt das Management der digita-
len Plattform Metriken mit Signalfunktion, um entsprechend reagieren zu können. Mit den
Metriken kann sich eine digitale Plattform auch im Wettbewerb mit konkurrierenden digi-
talen Plattformen behaupten. Es soll auch das sogenannte „Multihoming“ möglichst ver-
mieden werden. Darunter versteht man die Möglichkeit für die Nutzer einer digitalen
Plattform, reibungslos auf eine andere digitale Plattform mit ähnlichem Angebot zu wech-
seln. Beispielsweise expandiert Facebook seine Kern-Interaktion, indem Facebook-Nutzer
immer weitere Teile des sozialen Lebens in den virtuellen Raum der digitalen Face-
book-Plattform übertragen, damit letztlich die Nutzer von Facebook dort über zahlreiche
Interaktionsmöglichkeiten ihr soziales Leben vermehrt stattfinden lassen. Der Wechsel
von Nutzern der sozialen Facebook-Plattform auf andere sozialen Plattformen ist dann nur
mit großem Aufwand möglich. Dieser Effekt verleitet die Medien in der Presse irriger-
weise dazu, von Monopoleffekten zu sprechen. Vielmehr werden die Austrittsbarrieren für
die Nutzer der digitalen Facebook-Plattform immer höher gelegt. Das spürt man erst,
wenn man von der aktiven Teilnahme auf der digitalen Facebook-Plattform ausgeschlos-
sen wird oder wenn, wie im Fall von MySpace 2013, letztendlich die digitale Plattform
abgeschaltet wird. Beim Niedergang von MySpace wurde über Nacht das digitale Leben
der MySpace-Nutzer ausgelöscht, Fotos und Blogs offline gestellt. Daran schloss sich
meist der aussichtslose Kampf um private Nutzerdaten ehemaliger Nutzer der digitalen
MySpace-Plattform an. Auf der anderen Seite führte das Ende von MySpace zu dem
gigantischen Wachstum von Facebook und machte Platz für Neues. Der allseits bekannte
Steve Jobs bewertete in seiner Rede an der Stanford University in 2005 den Tod als „… die
beste Erfindung im Leben. Er ist die Kraft, die Veränderung im Leben bringt. Er räumt das
Alte aus und macht Platz für Neues“ [JO].
Betrachten wir nun kurz die in den einzelnen Lebenszyklusphasen einer digitalen Platt-
form relevanten Metriken. Um den Erfolg (die Gesamtanzahl an aktiven Nutzern und die
Intensität von Interaktionen auf einer digitalen Plattform) einer digitalen Plattformen in
der Start-up-Phase zu bestimmen beziehungsweise zu erhöhen, eignen sich folgende drei
Metriken: Liquidität, Matching-Qualität und Vertrauen. In Bezug auf die Liquidität
einer digitalen Plattform sind vergleichbare Verhältniszahlen heranzuziehen, wie zum
Beispiel prozentualer Anteil von Listings, die innerhalb eines definierten Zeitintervalls zu
Interaktionen führen (zum Beispiel Kauf eines Produktes auf der Amazon-Plattform) und/
oder der Anteil illiquider Situationen. Das sind Situationen, in denen es nicht zu (Kern-)
Interaktionen auf der digitalen Plattform kommen kann (beispielsweise öffnet ein
Uber-Nutzer die Uber-App und kein oder kein geeigneter Fahrer ist verfügbar). Weitere
Verhältniszahlen sind das Verhältnis aktiver Nutzer zur Gesamtanzahl an Nutzern und die
Wachstumsrate von aktiven Nutzern, also die Anzahl neuer aktiver Nutzer im Verhältnis
zur Gesamtzahl an aktiven Nutzern.
Die Matching-Qualität einer digitalen Plattform ist einerseits abhängig von der
Genauigkeit der Suchalgorithmen, andererseits von der intuitiven Bedienbarkeit der Navi-
gationswerkzeuge, mit denen Nutzer andere Nutzer auf der digitalen Plattform für aktive
Interaktionen suchen. Eine hohe Matching-Qualität wird durch Exzellenz in der Produkt-
beziehungsweise Service-Kuration und der „sales conversion rate“ erreicht. Das ist der
Anteil an Suchanfragen, die zu erfolgreichen (Kern-)Interaktionen auf der digitalen Platt-
form geführt haben. Der relevante Schwellwert der „sales conversion rate“ ist für jede
digitale Plattform unterschiedlich. Als Faustregel kann man in der Praxis den Anteil an
aktiven Interaktionen einer speziellen Nutzergruppe mit der langfristigen Aktivitätsrate
dieser Nutzergruppe in einem definierten Zeitraum korrelieren. Beispielsweise bedeutet
dies für einen dreimonatigen Zeitraum: Wenn die Mehrheit der Nutzer in der ersten Woche
auf der digitalen Plattform 50 % erfolgreiche aktive Interaktionen vollzieht, dann werden
sie wenigstens die nächsten drei Monate noch aktiv auf der Plattform weiter interagieren,
während andererseits die Mehrheit der Nutzer mit einer Interaktionsrate kleiner 50 % in
dem Zeitraum nicht mehr aktive Nutzer auf der Plattform bleiben. Dieser Wert oder ein
anderer zu bestimmender Wert kann dann als „Zielwert“ verwendet werden und die
Matching-Qualität über Veränderungen im digitalen Plattform-System getestet und opti-
miert werden.
Mangelndes Vertrauen zwischen nahezu vollständig anonymen Konsumenten und
Produzenten konnte in der Vergangenheit nur mit erheblichen vertrauensbilden Maßnah-
men behoben werden. Die massive Verbreitung von Apps auf Smartphones, verbunden
über das mobile Internet, ermöglichten völlig neue technologische Möglichkeiten der Ver-
trauensbildung in großem Maßstab. Durch die hochwertige Kuration des Nutzerverhaltens
auf digitalen Plattformen lässt sich das Risiko für die Nutzer bei der Durchführung von
(Kern-)Interaktionen minimieren. Bei erfolgreichen digitalen Plattformen ist das Nutzer-
verhalten so weit kuratiert, bis das Risiko negativer (Kern-)Interaktionen für alle Nutzer
der digitalen Plattform weit genug abgesenkt ist. Beispielsweise stellt die Kern-Interak-
tion der digitalen Airbnb-Plattform unkuratiert eine hochrisikoreiche Interaktion dar. Des-
halb hat Airbnb ein Bewertungsinstrument für Gäste und Gastgeber etabliert und verifiziert
die Informationen über angebotene Unterkünfte durch Fotografen, um die Glaubwürdig-
keit der präsentierten Unterkünfte zu gewährleisten.
Die Kombination dieser drei Kategorien von Plattform-Metriken in der Start-up-Phase
digitaler Plattformen ermöglicht es, sich ein möglichst genaues Bild über das Ausmaß
erfolgreicher Interaktionen zu machen und die Schlüsselfaktoren für den Erfolg zu identi-
fizieren. Denn die Bestimmung und Erzeugung erfolgreicher (Kern-)Interaktionen bilden
die Basis für einsetzende positive Netzwerkeffekte auf digitalen Plattformen.
Die drei Kategorien von Metriken – Liquidität, Matching-Qualität, Vertrauen – gelten
für alle digitalen Plattformen in der Start-up-Phase. Die spezifische Ausprägung der ein-
zelnen Metriken pro Kategorie variiert mit der Unterschiedlichkeit der digitalen Plattfor-
men [PA, SIMO].
Konkret variiert die spezifische Ausprägung der gewählten Metriken, und zwar abhän-
gig von den unterschiedlichen Märkten, in denen digitale Plattformen aktiv sind, den
involvierten Nutzergruppen, der Art der erzeugten und ausgetauschten Mehrwerteinhei-
ten, der Variabilität der (Kern-)Interaktionen auf der digitalen Plattform, der Anzahl an
(Kern-)Interaktionen, dem Grad des Nutzerengagements in Bezug auf das Partner-Ökosys-
tem (Engagement je Interaktion, Zeit zwischen erfolgten Interaktionen, prozentualer
Anteil an aktiven Nutzern der digitalen Plattform) und so weiter.
Während beispielsweise Airbnb die Anzahl an gebuchten Nächten misst, um die Wert-
schöpfung auf der digitalen Plattform zu registrieren, ziehen Plattformen, die ihren
Schwerpunkt auf die Erstellung von Inhalten legen, andere Metriken heran. Dazu zählen
die „rate of co-creation“ – der prozentuale Anteil an Listings (Einträgen), die von Konsu-
menten mitproduziert werden und die Nutzerrelevanz – der prozentuale Anteil an Listings,
die ein Minimum an positivem Feedback von potenziellen Konsumenten erhalten. Beide
Metriken messen die Qualität der Interaktionen auf der digitalen Plattform und die Kom-
petenz, mit der die Produktionsseite der Plattform kuratiert wird. Andere Plattformen
fokussieren auf den Marktzugang anhand der Effektivität, mit der potenzielle Nutzer an
den digitalen Plattform-Interaktionen teilnehmen und sich mit anderen Nutzern vernetzen
können, unabhängig davon, ob eine vollständige Interaktion stattgefunden hat [PA].
In der anschließenden Wachstumsphase und dem Erreichen beziehungsweise Über-
schreiten einer kritischen Masse an Nutzern auf der digitalen Plattform muss die Verände-
rung der aktiven Nutzeranzahl im Zeitablauf überwacht werden. Insbesondere ist eine
ausgewogene Balance beider Seiten einer digitalen Plattform anzustreben. Die Balance
kann über die „producer-to-consumer-ratio“ (Produzenten-Konsumenten-Ratio) mit der
Einschränkung gemessen werden, nur aktive Nutzer der digitalen Plattform zu berücksich-
tigen. Das sind diejenigen Nutzer, die ein spezifiziertes Minimum an aktiven Interaktionen
auf der digitalen Plattform in einem bestimmten Zeitraum durchgeführt haben. Bei einer
zweiseitigen Plattform ist der Wert jeder Seite zu bestimmen. Dazu sind auf der Produzen-
tenseite Messgrößen zu berücksichtigen wie die Häufigkeit der Produzenten-Partizipation
auf der Plattform, Anzahl an kreierten Listings, erzielte Ergebnisse. Die Plattform sollte
auch die Häufigkeit der fehlgeschlagenen (Kern-)Interaktionen messen.
Zudem sind Betrugsfälle von Produzenten (unzureichende Beschreibung der Qualität
von Mehrwerteinheiten oder verspätete Lieferung durch den Produzenten) zu registrieren,
die zu negativen Netzwerkeffekten führen können. Werden die unterschiedlichen Messda-
ten kombiniert, dann können klassische Modelle des „Life Time Value“ (LTV) von Produ-
zenten ermittelt werden. Diese Modelle erfassen die Mechanismen, mit denen wiederkehrende
Produzenten wiederkehrende Umsätze für die digitale Plattform generieren, ohne zusätz-
liche Akquisitionskosten zu verursachen. Auf der Konsumentenseite sollte die wachsende
Plattform die Häufigkeit des Konsums, Suchanfragen, und die Verkaufs-Konversionsrate
(Anzahl von „Klicks“, die zu durchgeführten Interaktionen auf der digitalen Plattform
führen) registrieren. Der „Life Time Value“ jedes Konsumenten lässt sich über die Kom-
bination dieser Daten und die Wahrscheinlichkeit von Wiederholungsinteraktionen ermitteln.
Sobald die LTV beider Seiten der digitalen Plattform (Produzenten LFT und Konsumenten
LTV) ermittelt wurden, können Experimente mit den kritischen Determinanten der digitalen
Plattform LTV durchgespielt werden.
Eine kritische Variable bleibt weiterhin wichtig und ist die „Konversionsrate von Inter-
aktionen“, also die Anzahl an Suchanfragen, die zu abgeschlossenen Interaktionen führen.
Diese kritische Größe konnte Airbnb erhöhen, als das Unternehmen dazu überging, einen
professionellen Fotografie-Service für die Produzentenseite der digitalen Plattform anzu-
bieten. Durch qualitativ hochwertige Fotos von Unterkünften schnellte die Anzahl an ver-
mittelten Übernachtungen in die Höhe. Außerdem spielt bei Airbnb die „side switching
rate“ eine besonders wichtige Rolle. Denn Airbnb hat in der Reifephase festgestellt, dass
die besten Gastgeber ehemalige oder aktive Gäste von Airbnb-Gastgebern sind [PA,
SIMO].
Tritt die digitale Plattform von der Wachstumsphase in die Reifephase ein, ist die kon-
stante Weiterentwicklung der Kern-Interaktion und ergänzender Interaktionen von beson-
derer Bedeutung. Der Silicon-Valley-Entrepreneur und Autor Eric Ries betont, dass
inkrementelle Innovationen und Metriken eng miteinander verbunden sein müssen [RIES].
In der Reifephase sind nach Amrit Tiwana, einem Professor an der Georgia Universität für
digitale Plattformen, drei Anforderungen an Metriken zu erfüllen: „They should drive

innovation, have a high signal-to-noise ratio and facilitate resource allocation (sie sollten
Innovationen vorantreiben, ein hohes Signal-Rausch-Verhältnis haben und die Ressour-
cenallokation erleichtern)“ [TIW]. Damit digitale Plattformen pulsierend bleiben, müssen
sie sich an veränderte Nutzeranforderungen, Attacken von Wettbewerbern und regulatorische
Eingriffe anpassen können. Eine Möglichkeit, um die notwendigen Anpassungserfordernisse
zu erkennen, besteht darin, die Interaktionserweiterungen von externen Entwicklern auf der
digitalen Plattform zu registrieren und auszuwerten. Diese Interaktionserweiterungen kön-
nen bei der Kern-Interaktion auf der digitalen Plattform fehlende Funktionalitäten sein,
die die Plattform absorbieren (über den Aufkauf der App-Entwicklungsfirma) könnte.
Auch in dieser Phase können die Ausprägungen und Formen der Metriken je nach Platt-
form unterschiedlich ausgestaltet sein. Aber alle stehen der Herausforderung gegenüber,
die Kern-Interaktion auf der Plattform zu erleichtern, die Wachstumstreiber zu messen
und weiter innovativ zu bleiben, damit die digitale Plattform nachhaltige Wertschöpfung
für alle Nutzer erzeugen kann.
Bei dem Design von Metriken ist auf das Grundprinzip der Einfachheit zu achten.
Gemeint ist, die wichtigsten Datenpunkte zu identifizieren und nicht möglichst viel oder
alles messen zu wollen. In der Praxis lässt sich oft beobachten, wie der Hang zu umfang-
reichen Datendashboards zu sehr komplexen Modellen von Metriken führt. Damit ist das
effektive Steuern der Plattformaktivitäten in allen Lebenszyklen eher erschwert. Die Met-
riken dienen prinzipiell dazu, wichtige Signale auszusenden, wann eine Aktion auf der
digitalen Plattform notwendig ist, um die Phasen erfolgreich zu durchlaufen. Deshalb
betont Eric Ries in seinem Buch „The Lean Startup: How Constant Innovation Creates
Radically Successful Businesses“ völlig zu Recht, das Metriken den „3A-Test“ bestehen
sollen. Danach sollen Metriken „actionable, accessible und auditable“ sein [RIES]. Mit
„actionable“ meint Ries, dass die Metriken eine Richtschnur für strategische Manage-
ment-Entscheidungen sein sollen und einen direkten Bezug zum Erfolg der digitalen Platt-
formen aufweisen. Die Daten müssen für die Personen, die die Daten sammeln und nutzen,
auch „zugänglich“ sein, also verstanden werden können. Zudem sollen die Daten „audita-
ble“ sein, das heißt die Daten müssen real und bedeutsam sein. Also es müssen klare,
akkurate Daten sein, die präzise definiert sind und die Realität des Geschäfts abbilden, so
wie die Nutzer diese Realität wahrnehmen [RIES]. Die wichtigste Kenngröße digitaler
Plattformen ist und bleibt die Anzahl glücklicher Nutzer auf beiden Seiten einer digitalen
Plattform, die in wiederholten und Mehrwert generierenden Interaktionen engagiert sind.
Aus der Sicht eines Nutzers bin ich immer wieder überrascht, wie es Facebook, Google,
Uber oder Amazon gelingt, die jeweilige (Kern-)Interaktion auf den digitalen Plattformen
so leicht und effizient zu gestalten. Angesichts der bisherigen Ausführungen sollte klar
geworden sein, dass der erfolgreiche Aufbau dieser digitalen Plattformen weit weniger
einfach ist, als es auf den ersten Blick erscheinen mag.
Nicht nur in der Start-up-Phase einer digitalen Plattform ist die Frage nach der
Bestimmung der Offenheit (was Nutzer und Partner einer digitalen Plattform machen
dürfen) einer digitalen Plattform für die Ökosystem-Akteure von zentraler Bedeutung.
Die Entscheidung über die Offenheit einer digitalen Plattform zählt zu den kritischten
Entscheidungen. Die Plattform-Eigentümer können eine nahezu unlimitierte Anzahl an
Innovatoren und deren komplementäre Innovationen (Produkte, Dienste = Interaktions
erweiterungen) nutzen. Die Innovatoren nutzen die digitalen Plattformen über die
Offenheit der Plattform, also den Grad des „plug-and-play“-Modus der digitalen Platt
form und die vom Eigentümer der Plattform für externe Entwickler im Partner Ökosys
tem bereitgestellten APIs und Software Developer Kits – verbunden mit relativ geringen
Nutzungsgebühren für diese Entwicklungswerkzeuge.
Der ehemalige Rivale von Facebook verschwand von der digitalen Bildfläche, da
MySpace die Frage nach dem Grad der Offenheit der digitalen Plattform falsch beantwor-
tete. Die Plattform MySpace war gegenüber der Partizipation externer Entwickler bei der
Entwicklung innovativer Apps tendenziell zu geschlossen konzipiert und bei der Kuratie-
rung von „Inhalten“ auf der digitalen Plattform im Vergleich zu Facebook zu offen. Diese
spezifische Konstellation der Offenheit der digitalen MySpace-Plattform führte letztend-
lich zum Untergang von MySpace [PA].
Die grundsätzliche Beantwortung der Frage nach der Offenheit einer digitalen Platt-
form betrifft die Aspekte Partzipation von Entwicklern, Monetarisierung und Regulierung.
Dabei sind es drei Gruppierungen: Betreiber/Sponsor-Beteiligung, Entwickler-Beteili
gung, Nutzer-Partizipation, denen gegenüber die Plattform geöffnet werden kann. Die
Entscheidung über den Grad der Öffnung bezüglich dieser drei Gruppierungen ist von
beliebiger Komplexität, aber mitentscheidend für die Expansion und den Erfolg einer digi-
talen Plattform.
In Bezug auf die Beteiligung externer Entwickler bei der Ausweitung der Kern-Inter
aktion um weitere Interaktionsmöglichkeiten unterscheidet man zwischen a) Kern-Ent-
wickler, b) erweiterte Entwickler und c) Daten-Aggregatoren. Die Kern- Entwickler
entwickeln die digitale Plattform und die Kern-Interaktion zur Erzeugung von Mehrwer-
ten für alle Nutzer auf der digitalen Plattform. Zu den erweiterten Entwicklern zählen
beispielsweise die App-Entwickler für die Apple-iTunes-Plattform. Mit den Daten-Aggre-
gatoren wird die Matching-Funktion der digitalen Plattform zwischen Nutzern und Produ-
zenten verbessert. Beispielsweise können Facebook-Posts eines Nutzers über Urlaubspläne
in Spanien von Daten-Aggregatoren an Reiseveranstalter weiterverkauft werden. Der Rei-
severanstalter könnte dann dem Nutzer Nachrichten mit nützlichen Informationen über
Hotels in beispielsweise Paris, wichtigste Sehenswürdigkeiten und so weiter zusenden.
Die Aktivitäten der Nutzer auf der digitalen Plattform müssen ständig überwacht und
gegebenenfalls kuratiert werden. Bei Airbnb können aus Gästen schnell Gastgeber werden
und bei YouTube kann ein Konsument von Videos auch eigens produzierte Videos hoch-
laden. Der Grad der Offenheit einer digitalen Plattform kann durch kreative Kuratierung
in Form von „Screening“ und Feedback auf der Plattform beeinflusst werden. Die Basis
für die Kuratierung bildet die Reputation des Nutzers einer digitalen Plattform. Die
Reputation setzt sich aus Bewertungen der Leistungen des Nutzers, beobachtetem Verhal-
ten auf der Plattform und so weiter zusammen. Die effizienteste Methode zur Kuratierung
einer Plattform besteht darin, dies den Nutzern selbst zu überlassen, anstatt teure und
zeitintensive menschliche Gatekeeper heranzuziehen, die beispielsweise alle Status-Up

dates bei Facebook durchsehen würden (kaum denkbar). So setzt Facebook darauf, auf
seine Plattform Nutzer-Hasskommentare, Hate Speech oder pornografische Inhalte zu
identifizieren und über ein „flagging“ an Facebook zu melden.
Der Grad der Offenheit einer Plattform ist ein komplexes Unterfangen und verändert
sich im Verlaufe des Lebenszyklus einer digitalen Plattform. Zumindest lässt sich sagen,
dass die genaue Beobachtung der Aktivitäten auf der digitalen Plattform von zentraler
Bedeutung ist. Wenn im weiteren Verlauf die digitalen Plattformen expandieren und
externe Entwickler angezogen werden, dann wird sich der Grad der Offenheit der Platt-
form ändern. Das bedeutet, dass sich die Kuratierungsprozesse gleichermaßen ändern
[PA]. Dazu sind automatisierte Kurationsmechanismen zu entwickeln, die komplexe
Algorithmen verwenden. Oder die Kuratierung wird wie bei YouTube größtenteils von
den Nutzern der digitalen Plattform selbst übernommen, indem Inhalte bewertet, Feed-
back bereitgestellt und Inhalte „geflaggt“ werden, beispielsweise bei der Verletzung von
Copyrights hinsichtlich hochgeladener Inhalte auf der digitalen YouTube-Plattform. Die
Schwierigkeit liegt darin, die richtige Balance an Offenheit zu finden. Wenn beispiels-
weise ein Entwickler von Video-Spielen auf einer digitalen Spieleplattform andere Produ-
zenten erfolgreich verdrängt und eine große Nutzerbasis der Plattform anzieht, dann
müssen bei dem Plattform-Management alle Alarmglocken läuten. Dieser Entwickler
könnte die Nutzerbasis auf eine andere oder eigens entwickelte digitale Plattform ziehen
und so die ursprüngliche Plattform austrocknen lassen, da dann die Mehrwerte für alle
Nutzer der Plattform durch die stark sinkende Anzahl der Nutzer der digitalen Plattform
sinken.
Zahlreiche digitale Plattformabenteuer kommen über die Start-up-Phase meist nicht
hinaus. Die Gründe für das Scheitern digitaler Plattformen sind mannigfaltiger Natur.
Aus den Gründen für das Scheitern digitaler Plattformunternehmen lassen sich praktisch
wertvolle Hinweise ableiten, was angehende digitale Plattformpiraten besser nicht machen
sollten. Neben den Gründen für das Scheitern von digitalen Plattforminitiativen beleuchte
ich auch kurz die Erfolgsfaktoren, die das Aufkommen erfolgreicher digitaler Plattfor-
men möglich gemacht haben. Das Design von digitalen Plattformen mit expandierenden
Partner-Ökosystemen erfordert sehr viel Kreativität und weitsichtiges Vorstellungsvermö-
gen. Denn nicht die Produkte wie in klassischen Unternehmen mit linearer Wertschöp-
fungsdynamik stehen im Vordergrund. Diesen Fehler beging Sony, indem es die
technologische Führerschaft auf Produkte fokussierte und nicht auf digitale Plattform
Partner-Ökosysteme [MARSH]. Was passierte mit den zugegebenermaßen sehr guten
Sony MP3-Playern? Heute hat jedes moderne Smartphone eine Musik-App als Stan
dard-App auf den Geräten. Das von Apple aufgebaute iTunes-Ökosystem um die Musik-
App herum triumphierte eindrucksvoll über die Sony MP3-Player.
Heute genießen die Sony oder Astell & Kern MP3-Player ein Nischendasein im High-
End-Markt. Ich bin eine großer Fan von Astell & Kern Playern, die aus FLAC (Free Lossless
Audio Codes – also verlustfreie Musik)-Musikdateien ein Klangspektrum an Musik heraus-
holen, bei der Beethoven zu Recht sagte: „Musik ist der Vermittler zwischen geistigem und
sinnlichem Leben.“ Das vermögen die Musik-Apps im iPhone von Apple nicht ansatzweise
zu leisten. Die Musik klingt im Vergleich zu einem Astell & Kern MP3-Player wie Musik
von McDonalds. Allerdings dominieren unbestritten digitale Musik-Apps und Musik im
MP3-Format den Markt für legale Musik. Noch ein kurzer Seitenhieb auf die auch so gebeu-
telte Musik-Industrie. Die Entwickler am Fraunhofer-Institut entwickelten das Format MP3
ab 1982 unter der Leitung von Hans-Georg Musmann am Fraunhofer-Institut für Integrierte
Schaltungen (IIS) in Erlangen sowie an der Friedrich-Alexander-Universität Erlangen-Nürn-
berg in Zusammenarbeit mit AT&T Bell Labs und Thomson [WIKI26]. In einer Doku-Reihe
des ZDF zu „Geheimnisse der digitalen Revolution“ [ZDF] sagte der Entwickler Hans-Ge-
org Musmann in einem Interview, dass sie auf die großen Musiklabels zugegangen sind und
ihnen das MP3-Format vorgestellt haben. Die verantwortlichen Manager aber erkannten das
Potenzial dieses neuen Musik-Formats nicht, sondern betrachteten das Format als interes-
sant, aber nicht disruptiv.
Im Lebenszyklus einer digitalen Plattform kommt es immer wieder zu Situationen, in
denen eine Seite eines zwei- oder mehrseitigen Marktes stärker beachtet wird beziehungs-
weise beachtet werden muss. Die entscheidenden Aspekte sind der Zeitpunkt im Lebens-
zyklus der digitalen Plattform und auf welche Seite der digitalen Plattform fokussiert
werden sollte. Ein bekanntes Beispiel ist Google Health, das scheiterte, weil die falsche
Seite des Marktes in den Fokus genommen wurde. Statt auf Ärzte und Versicherer wurde
von Google auf die Kundenseite fokussiert. Denn Google Health wurde als digitale Pati-
entenakte präsentiert, in der Konsumenten alle relevanten Gesundheitsdaten und -akten
digital sicher ablegen konnten. Der Kunde sollte eine größere Transparenz über seine
gespeicherten Gesundheitsdaten bekommen und auch über die digitalen Gesundheitsdaten
alleine verfügen können. Vergessen wurde dabei aber, dass Ärzte und Versicherer als Her-
ren über unsere Gesundheitsdaten diese nicht freiwillig hergeben wollen. Damit würden
diese Spieler im Gesundheitswesen die Hoheit über unsere Gesundheitsdaten und damit
auch einen Teil ihrer Daseinsberechtigung verlieren.
Zu den wichtigsten digitalen Plattform-Fallen zählen komprimiert: zu schnelles und
frühes Wachstum, die Erzeugung von zu wenig Nutzervertrauen und zu geringe Sicher-
heitsmaßnahmen zur Risikominimierung, unerwünschtes Verhalten der Nutzer auf einer
digitalen Plattform tendenziell eher bestrafen als belohnen und regulatorische Risiken.
Um das Wachstum einer digitalen Plattform richtig zu steuern, sind bestimmte Aspekte
zu beachten. Das Einsetzen von exponentiellen positiven Netzwerkeffekten erzeugt
Markt-Eintrittsbarrieren für nachfolgende Unternehmen. Damit diese Form des Wachs-
tums erreicht werden kann, muss man nicht der erste im Markt sein und unkontrolliert
wachsen. Der Zimmervermittler Airbnb wurde mehr als 10 Jahre später gegründet als
VRBO und Alibaba in China war der Nachzügler im Vergleich zu eBay auf dem chinesi-
schen Markt. Denn die einzelnen Märkte müssen erst einmal reif sein für die Kern-Inter
aktion und die Mehrwerteinheiten auf einer digitalen Plattform, damit nachhaltige positive
Netzwerkeffekte einsetzen können. Zu frühes, massives Wachstum der digitalen Plattform
setzt das dazugehörige digitale Geschäftsmodell unter extreme Belastungen bis hin zum
möglichen Zusammenbruch.
Der Kern des optimalen Wachstums liegt in der Kern-Interaktion einer digitalen Platt-
form, bei denen die Konsumenten die Mehrwerteinheiten (Produkte/Dienste) gerne kon-
sumieren und Produzenten mehr als bereit sind, genau diese Mehrwerteinheiten zur
Verfügung zu stellen [HAG]. Die Plattform-Eigentümer von Airbnb benötigten volle zwei
Jahre, um ausgehend vom „Luftmatratzenmodell mit Frühstück“ herauszufinden, wie
mögliche private Vermieter ihr Zimmer an komplett anonyme Übernachtungsgäste unter
Bedingungen und zu Preisen vermieten könnten, die beide Parteien (Gäste und Gastgeber)
zufrieden stellen würden [HAG]. Zudem musste Airbnb mit dem Problem des „falschen“
Wachstums umgehen, als „multi-property“-Vermieter spezifische Bilder der Unterkünfte
auf der digitalen Airbnb-Plattform den potenziellen Gästen zeigten, aber bei Ankunft die
Gäste in Unterkünfte umleitete, die eher die Angebotsbedürfnisse der Anbieter befriedig-
ten. Oder Vermieter kauften vermietbare Übernachtungsunterkünfte ausdrücklich zur
gewerblichen Vermietung, womit der Slogan von Airbnb „Start your next adventure on
Airbnb“ eine besondere Konnotation bekam. Die digitale Plattform sollte prinzipiell der
Versuchung widerstehen, die Produzentenseite (Angebotsseite) der digitalen Plattform zu
industrialisieren, um das Wachstum zu befeuern [HAG]. Die Instrumente zur Erzeugung
von Vertrauen auf digitalen Plattformen wie „Bewertungssysteme“ sind nur bedingt geeig-
net, ein ausreichendes Maß an Sicherheit und Vertrauen in Bezug auf die Kern-Interaktion
einer digitalen Plattform zu erzeugen. Vielmehr müssen die digitalen Plattformen ein
gewisses Maß an Verantwortung für die angebotenen Leistungen übernehmen, die sie
nicht direkt beeinflussen können: Versicherungsleistungen kommerzieller Anbieter anbie-
ten (Airbnb versichert private Vermieter auf der digitalen Plattform unter bestimmten Vor-
aussetzungen bis zu einer Schaden-Versicherungssumme von 1 Mio. €; Uber und Lyft
stellen Fahrern Versicherungsschutz für Fahrgastschädigungen bereit); Arbeitsproben
beziehungsweise Zertifikateprüfungen über die digitale Plattform; Zahlungsschutz und
Konfliktlösung. Airbnb hält die Zahlungen der Übernachtungsgäste 24 h in Escrow nach
dem Check-in [HAG].
Zu den weiteren Hauptschwierigkeiten einer digitalen Plattform zählt potenziell die
analoge Umgehung der Interaktion, nachdem die Informationen über die digitale Platt-
form ausgetauscht wurden. Zu vermeiden ist der Reflex, dieses Verhalten beispielsweise
durch Schließung des Accounts der Nutzer zu bestrafen. Die Entwicklung von Big Data
Algorithmen zur Identifizierung eines Vermeidungsverhaltens ist zeitaufwändig und kos-
tenintensiv. Meist werden dadurch auch die Nutzer der digitalen Plattform vergrault. Alle
digitalen Plattformen müssen gewisse analoge Vermeidungsaktivitäten der Nutzer hinneh-
men, ohne jedoch substanziellen Schaden zu erleiden. Dieser Schaden tritt nur dann ein,
wenn die digitale Plattform nicht mehr ausreichende Mehrwerte für alle Nutzer der Platt-
form bereitstellt.
Welche grundlegenden Faktoren begünstigten den Aufstieg erfolgreicher digitaler
Plattformen wie Uber, Airbnb oder Facebook? Insbesondere in den Anfangstagen einer
digitalen Plattform ist der Fokus auf einen Nischenmarkt zu legen und erst danach zu
expandieren. Ganz getreu dem Motto: „start small but grow fast“. So geschehen bei Face-
book, das sich auf College- und Universitätsstudenten der Harvard Universität mit einer
„-.edu“-E-Mail-Adresse konzentrierte. Damit konnte sich Facebook auf ein begrenztes

Kundensegment mit spezifischen Inhalten fokussieren und nicht wie MySpace versuchen,
ein möglichst breites Spektrum an Nutzern zu adressieren [CEN].
Digitale Plattformen ermöglichen reibungslose Interaktionen zwischen den Produzen-
ten und Konsumenten auf der Plattform und eine gleichberechtigte Entlohnung aller
Akteure auf der Plattform. Auf zwei- und mehrseitigen Märkten ist dies ein KO-Krite
rium, da die ungerechte Entlohnung einer Seite den Mehrwert für alle Akteure senken
wird, da die benachteiligten Parteien von der Plattform abwandern, so geschehen bei
MySpace. In Bezug auf die Offenheit einer digitalen Plattform sollte die Plattform „Evan-
gelism“ betreiben, indem externen Entwicklern Entwicklungstools für Innovationen zur
Verfügung gestellt werden. Zudem sollten die Entwickler Feedback von den Plattform-Ei-
gentümern zu Design und Leistungsfähigkeit ihrer Innovationen erhalten sowie Anerken-
nung für die aktive Partizipation auf der digitalen Plattform [MARSH].
Der Erfolg einer digitalen Plattform gründet grundsätzlich in einer reibungslosen
Konnektivität: Wie reibungslos können alle Akteure einer digitalen Plattform sich ver-
netzten und Mehrwerteinheiten teilen? Darüber hinaus entscheidet die Attraktivität der
digitalen Plattform gleichermaßen für Konsumenten und Produzenten über den Erfolg.
Letztlich ist der „Flow“ entscheidend, also wie effizient die Plattform Interaktionen und
Co-Creation von Mehrwerteinheiten auf der digitalen Plattform gestalten kann [BON].
Diese Erfolgsfaktoren lassen sich über folgende Faktoren für digitale Plattformen
umsetzen:
• Entwicklungswerkzeuge ermöglichen Vernetzung, sodass Akteure der digitalen Platt-

form leicht an die Plattformen andocken können („plug-and-play“), um Interaktionen
zu realisieren. Beispielsweise stellt YouTube eine Hosting-Infrastruktur für Video-Pro
duzenten zur Verfügung und Apple stellt Entwicklern die OS-Entwicklungsumgebung
mit Code-Bibliotheken zur Verfügung.
• Die Anziehungskraft einer Plattform erzeugt einen „Pull“, der Konsumenten und Pro-
duzenten gleichermaßen auf die Plattform zieht. Bei zwei- oder mehrseitigen Märkten
müssen beide Seiten der Plattform in gleicher Weise angezogen werden. Dies ist das
sogenannte Henne-Ei-Problem (siehe Abschn. 2.2), das kreativ überwunden werden
muss. Zudem sind soziale Medien zu nutzen, um den Netzwerkeffekt für ein rapides
Wachstum zu nutzen.
• Matchmaking: Der konstante Fluss an Mehrwerteinheiten durch die reibungslose Ver-
netzung von Produzenten und Konsumenten. Das zentrale Element bilden die Daten
und das Big Data Management, wodurch sich digitale Plattformen von klassischen
Geschäftsmodellen differenzieren.
Die drei Faktoren werden von erfolgreichen digitalen Plattformen unterschiedlich gewich-
tet und genutzt. So fokussiert Amazon mit den Amazon Web Services auf den Faktor 1 –
Toolbox („plug-and-play“). Die digitalen Plattformspieler Airbnb und eBay hingegen
fokussieren auf den Faktor 2 – Anziehungskraft und Faktor 3 – Matchmaking [BON].
Neben diesen Funktionen einer digitalen Plattform gibt es noch die Produkte bezie-
hungsweise Dienste, die über die Plattform angeboten werden. Neben der technischen
Raffinesse sind fünf weitere Erfolgsfaktoren von Bedeutung: Einfachheit bei der Bedie-
nung, Qualität des Designs, Anziehungskraft, der „Hipness-Faktor“ und die dynamische
Anpassungsfähigkeit. Die dynamische Anpassungsfähigkeit umfasst a) kontinuierliche
Weiterentwicklung des Produktes – Facebook und Airbnb bieten den Kunden kontinuier-
lich neue Funktionen an – und b) die Fähigkeit, einer bestimmten Zielgruppe ein besseres
Angebot zu unterbreiten, als dies der Wettbewerb macht. Beide Facetten der dynamischen
Anpassungsfähigkeit kosten allerdings sehr viel Geld [RAM02].
Die Macht der digitalen Plattformen zeigt sich auch in der Art, wie digitale Plattformen
traditionelle Industrien erobern und transformieren. Die Folgen eines unregulierten Ein-
tretens digitaler Plattformen in etablierte Märkte mit Pipeline-Unternehmen können sehr
weitreichend sein.
3.2 ie digitale Plattformen traditionelle Industrien erobern

W
und transformieren
Der Wandel von Pipeline-Unternehmen mit linearen Wertschöpfungsketten zu hochver-

netzten digitalen Plattform-Ökosystemen führt zu komplex vernetzten und variablen
Beziehungen zwischen Anwendern, Produzenten, Ökosystem-Partnern innerhalb digitaler
Plattform-Ökosysteme und der digitalen Plattform selbst. Beleuchten wir kurz die Gründe
für diesen Wandel (siehe Tab. 3.1). Wandel in Märkten: vom Konsumenten zum Produzen-
ten; Wandel von Wettbewerbsvorteilen: von der Kontrolle hin zur Orchestrierung von Res-
sourcen in Ökosystemen; Wandel in der Erzeugung von Mehrwerten: von Prozessen zu
Plattform-Interaktionen [SAN, SIMO, MARS].
Welche Auswirkungen ergeben sich aus den beschriebenen tektonischen Verschiebun-
gen in der Wettbewerbslandschaft durch digitale Plattform-Ökosysteme? Die Wettbewerbs-
situation ist in einer digitalen Plattform-Ökosystem-Welt deutlich komplexer und
dynamischer als in der Welt linearer Wertschöpfungsketten. Zwar gelten die Wettbewerbs-
kräfte von Michael Porter nach wie vor in einer Welt digitaler Plattform-Ökosysteme (die
Bedrohung durch neue Marktteilnehmer; die Substituierung von Produkten und Service;
die Einkaufs- und Verhandlungsmacht von Kunden und Zulieferern; die Intensität des Kon
kurrenzkampfes [PORTER]). Aber die Kräfte agieren anders auf den digitalen Plattformen
und neue Faktoren kommen ins Spiel. Um diese Dynamiken kontrollieren zu können, müs-
sen Manager der Plattform die Interaktionen auf der Plattform, den Zugang zur Plattform
und neue Plattform-Metriken beachten [MARS]. Denn die digitalen Plattformen erzeugen
Mehrwerte für die Nutzer der Plattform mit Ressourcen, die ihnen nicht gehören (Airbnb
besitzt kein einziges Hotel) und die sie nicht direkt kontrollieren. Dadurch können diese
Plattformen deutlicher schneller wachsen als traditionelle Industrien (Hotels müssen neue
Hotels bauen beziehungsweise aufkaufen, um mehr Kapazitäten zu erzeugen). Zudem fällt
3.2 Wie digitale Plattformen traditionelle Industrien erobern und transformieren 127
Tab. 3.1 Die Welt von Pipeline-Unternehmen mit linearer Wertschöpfungskette versus hochver-
netzte Plattform-Ökosysteme [SAN, SIMO, MARS]
Pipeline-Unternehmen mit linearen
Wertschöpfungsketten Hochvernetzte Plattform-Apps-Ökosysteme
Marktstrukturen Wandel in Märkten
Der Produzent erzeugt den Die digitale Plattform ermöglicht nur die Erzeugung von
Mehrwert für den Kunden und der Mehrwerten. Dadurch können Konsumenten auf der
Endkunde bezahlt den Preis für das Plattform zu externen Produzenten werden und umgekehrt
Produkt oder den Service. Hier (Fahrer bei Uber oder Zimmeranbieter bei Airbnb können
fokussiert sich der Produzent auf auch die Rolle wechseln). Aus diesem Grund muss der
die unternehmensinterne Plattformbetreiber beide Rollen beachten. Der
Optimierung von Aktivitäten und Plattformansatz ist auf externe Interaktionen ausgerichtet.
Prozessen Damit wird der interne Fokus auf den Kopf gestellt – „it
turns inside out“, von der Fokussierung auf effiziente,
interne Prozesse hin zu Plattformteilnehmern. Damit
fokussieren Funktionen wie Marketing,
Informationstechnologien, Betrieb und Strategie auf
Menschen, Ressourcen und Funktionen, die sich außerhalb
des Business befinden. Daher zählt die Governance eines
Plattform Apps-Ökosystems zu den Kernkompetenzen der
Plattformbetreiber
Wettbewerbsvorteile Wandel von Wettbewerbsvorteilen
Produzenten erzeugen einen In der Welt der Plattformen bildet das Netzwerk an
Wettbewerbsvorteil durch die Interaktionen zwischen Produzenten und Konsumenten den
Kontrolle und das Eigentum an Wettbewerbsvorteil. Hier ist die „Nutzer-Community“
internen Ressourcen und schwer kopierbar. Die Plattform-Giganten Uber und
„intellectual property“ (IP). Es gilt Airbnb sind zu milliardenschweren Unternehmen
das Motto: Größe und Menge an geworden, weil sie ein Plattform-Ökosystem aus Nutzern
physischen und finanziellen Mitteln und Produzenten anziehen, orchestrieren, kuratieren und
erzeugt Dominanz kultivieren. Um erfolgreiche Plattformen zu betreiben,
bedarf es Mehrwert austauschender Interaktionen im
Plattform-Ökosystem. Damit bilden Ökosysteme von
hochvernetzten Plattform-Systempartnern den neuen
Wettbewerbsvorteil. Das Big Data Management mit
Algorithmen wird zum zentralen Wettbewerbsvorteil
Erzeugung von Mehrwerten Wandel in der Erzeugung von Mehrwerten
Produzenten wollen den Mehrwert Plattformbetreiber wollen den Gesamtnutzen für das
für die Endkunden der erzeugten gesamte Ökosystem maximieren, und zwar über einen
Produkte/Services maximieren. zirkulären, iterativen und „Feedback“ getriebenen Prozess.
Klassische Hotelbetreiber Bei Airbnb und Uber befinden sich die Ressourcen in den
fokussieren sich auf die Händen von den Anbietern (Gastgeber und Fahrer). Über
Auslastungsrate der Hotelzimmer – die digitalen Plattformen erfolgen die Erzeugung und der
Fokus auf Prozesse Austausch von Mehrwerten über das „Matching“ von
Anbietern und Nachfragern. Die Plattform-Betreiber
fokussieren auf das algorithmische „Matching“ von
Angebot und Nachfrage auf der Plattform – Fokus auf
Interaktionen
oftmals in diesem Kontext die Rolle des „Gatekeepers“ weg: Amazon Kindle-Plattform mit
Self-Publishing versus klassische Verlage; Facebook Newsfeed und „News“ von Nutzern
versus klassische Zeitungsverlage; Online-Bildungskurse mit anerkannten Zertifikaten wie
beispielsweise „Udacity“ – gegründet von Sebastian Thrun, Research-Professor an der
Stanford University, ehemaliger Google Fellow und einer der Erfinder des selbstfahrenden
Autos sowie Leiter verschiedener Projekte bei Google „X“ – versus klassische Bildungs-
einrichtungen und so weiter [UDA].
Und digitale Plattformen attackieren traditionelle Wettbewerber durch eine substanziell
veränderte Angebotssituation. Die in Abschn. 1.1 skizzierte Sharing-Ökonomie führt
dazu, dass beispielsweise im Übernachtungsgeschäft plötzlich global Millionen neuer
Übernachtungsmöglichkeiten für Touristen und Geschäftsreisende „aufpoppen“ und den
klassischen Hotelbetreibern dadurch Marktanteile verloren gehen. So erzeugen die Platt-
formen Mehrwerte durch die jeweiligen Communitys an Nutzern und Anbietern, die sie
auf der Plattform zusammenbringen.
Das Problem hoher Transaktionskosten reduzieren die Plattformen durch „default
insurance contracts“ und Reputationsmechanismen (Bewertungen), um gutes Verhalten
der Plattformteilnehmer zu erzeugen. Damit noch nicht genug: Die Plattformen transfor-
mieren den Fokus von einer nach innen gerichteten Prozessorientierung hin zu einer exter-
nen Sicht auf das gesamte digitale Plattform-Ökosystem mit den unterschiedlichen
Akteuren („it turns inside out“ [PA]). Nicht mehr eigene Ressourcen stehen im Mittel-
punkt, denn: Uber besitzt keine Taxis, Airbnb besitzt kein einziges Hotelzimmer, Face-
book als populärster „Media Owner“ erzeugt keine medialen Inhalte und Alibaba, der
wertvollste Händler weltweit, besitzt keine Lagerhäuser) [PA].
Der digitale Plattformgigant Uber transformiert den bis heute abgeschotteten Taxi-
markt in bisher unbekanntem Ausmaß. Die Ambitionen von Uber gehen aber weit über
den reinen Taximarkt hinaus und zielen darauf ab, den gesamten Markt für Transporte
aller Art umzuwälzen. So wird die Kombination aus Uber-Fahrzeugen und der sich entwi-
ckelnden Technologie des selbstfahrenden Autos zu kaskadierenden Effekten in der Auto-
mobilindustrie sorgen. Dabei möchte ich noch bemerken, dass selbstfahrende Autos meist
mit Elektrofahrzeugen in einem Atemzug genannt werden. Für die Gesellschaft stellt der
Elektroantrieb aber keine Disruption dar, da die Art zu fahren sich dadurch nicht wesent-
lich verändert. Dies war vor 100 Jahren nicht anders. Aber das Konzept des selbstfahren-
den PKW revolutioniert unsere Fortbewegung mit dem Auto.
Sicher ist der Verbrennungsmotor momentan noch die effizienteste Fortbewegungs-
möglichkeit, zumindest nach den geschönten Abgaswerten der Fahrzeugbauer. Der Die-
selskandal bei Volkswagen, der auch auf andere Automobilhersteller auszudehnen droht,
wird zumindest dem Dieselmotor über kurz oder lang den Todesstoß versetzen. Das wird
der Ausbreitung von Elektrofahrzeugen den weiter nötigen Auftrieb geben. Die Automo
bilindustrie wird von drei disruptiven Kräften gleichzeitig attackiert. Es ist der Elektroan-
trieb mit modular zusammengebauten Elektromotoren, die sich aus wesentlich weniger
Teilen zusammensetzen als heutige Verbrennungsmotoren. Hinzu kommt die für die Auto-
mobilindustrie bedrohliche Konzeption selbstfahrender Fahrzeuge in einer vernetzten und
datengetriebenen Digitalära. Weiter gerät die Automobilindustrie durch digitale Plattfor-

men wie Uber unter Druck, die das Teilen privater Fahrzeuge über das Smartphone ver-
bunden mit dem mobilen Internet effizient und komfortabel gestaltet.
In Summe führen diese Kräfte dazu, dass bereits das Eigentum von Fahrzeugen in
Frage gestellt wird. Denken Sie das Szenario konsequent zu Ende. In Zukunft fahren
selbstfahrende Uber-Fahrzeuge herum, die per Knopfdruck und für 50 Cent pro Kilome
ter jedem registrierten Nutzer zur Verfügung stehen. Denken Sie nur daran, wer davon
betroffen wäre. Nicht nur die Automobilindustrie, deren Sättigungsgrad an abgesetzten
Autos im Transportmarkt sehr viel schneller erreicht würde. Auch in der Motorenferti-
gung werden viel weniger Menschen benötigt, da Elektromotoren eben aus viel weniger
und modular zusammengesetzten Teilen bestehen. Daneben würden weniger KFZ-Versi-
cherungsleistungen, Auto-Finanzierungsleistungen oder Parkplätze nachgefragt werden.
Der Taximarkt würde vollständig zusammenbrechen und die Anzahl an Fahrlehrern ver-
schwindend gering werden.
Auf der anderen Seite würden durch den geringeren Parkplatzbedarf bei weniger ste-
henden PKW enorme Flächen frei werden, die anderweitig genutzt werden können. Ganz
zu schweigen von der Belastung der Umwelt mit Feinstaub aus den Auspuffanlagen von
Fahrzeugen mit Verbrennungsmotor, mit dem vor allem die Menschen in Stuttgart immer
häufiger leben müssen. Die Ausrufung mehrerer Feinstaubalarme in Stuttgart mit der
Bitte, auf öffentliche Verkehrsmittel umzusteigen, führen bis heute nicht zu dem gewünsch-
ten Wechsel vom PKW auf den Öffentlichen Nahverkehr. Hier müsste man konsequenter-
weise nicht nur an Tagen mit Feinstaubalarm alle Automobile mit Verbrennungsmotor aus
der Stadt verbannen. Ob es jemals dazu kommen wird, kann man zumindest den in der
Stadt Stuttgart arbeitenden und wohnenden Menschen nur wünschen. Die Vision von Uber
gipfelt in dem Anspruch: „If we can get you a car in five minutes, we can get you anything
in five minutes“, so Travis Kalanick, der CEO von Uber.
Was macht die Automobilindustrie, um sich gegen diese disruptiven Kräfte zu stellen?
Es scheint so, als ob alle Automobilhersteller nun dem disruptiven Spieler Uber nachah-
men wollen. Zuvor hatte der Volkwagen-CEO Matthias Müller die Gespräche mit Google,
Apple und auch Uber abgebrochen, die den Volkswagen-Konzern nur noch in der Rolle
eines Zulieferers sehen. In einem Interview in der Frankfurter Allgemeinen Zeitung vom
20. November 2016 schleuderte Matthias Müller den digitalen Disruptoren aus dem Sili-
con Valley noch entgegen: „Okay, Jungs, das ist ein sportlicher Wettkampf, dem stellen
wir uns gerne. Wir werden das Heft in der Hand behalten“ [HANK]. So investiert Volks-
wagen 300 Mio. Dollar in den Uber-Konkurrenten Gett.com und Matthias Müller spricht
dabei von einem „Meilenstein auf dem Weg zu ganzheitlichen Mobilitätslösungen“ [HEC].
Der Uber-Konkurrent vermittelt auch Fahrdienstleistungen auf Abruf und Taxifahrten,
ähnlich wie die Daimler-Mytaxi-App.
Der amerikanische Automobilhersteller GM investiert 500 Mio. Dollar in den
Uber-Konkurrenten Lyft und hob den hauseigenen Car Sharing-Dienst „Maven“ ins
Leben, über den Kunden in mehreren US-amerikanische Städten PKW mieten können.
Der in Stuttgart beheimatete Konzern Daimler bietet bereits seit Jahren mit Car2Go in
Zusammenarbeit mit Europcar einen sogenannten FreeFloat-Mietwagenservice an, bei

dem Kunden Fahrzeuge spontan innerhalb bestimmter Bezirke mieten und wieder
abgeben können. Hinzu kommt die Mobilitätsplattform „Moovel“, mit der dem Kun
den der schnellste und bequemste Weg von A nach B aufgezeigt wird und auch die
elektronische Bezahlung dafür ermöglicht. Außerdem vermittelt Moovel auch Fahrten
über die Daimler-eigene Mytaxi-App. So will Daimler das Amazon der Mobilität wer
den, indem man auch bei der Nutzung fremder Mobilitätsangebote als Gatekeeper mit
verdient.
Der bayerische Automobilhersteller BMW hat seinen hiesigen Mietwagenservice „Dri-
veNow“ in den USA unter dem Namen „ReachNow“ ausgeweitet. Zudem soll es den
Kunden in den USA über eine Software ermöglicht werden, ihren eigenen Mini an andere
private Fahrer zu vermieten und die Abrechnung erfolgt auch automatisiert über die Soft-
ware. Damit nicht genug, ist BMW eine Partnerschaft mit dem Mitfahr-Vermittler Flinc
eingegangen und hat eine Beteiligung an dem Parkflächen-Vermieter Parkmobile. Diese
Beispiele dienen als Schlaglicht für die Aktivitäten der Automobilhersteller, sich den skiz-
zierten disruptiven Kräften entgegenzustellen. Auch Apple investierte eine Milliarde Dol-
lar in den chinesischen Uber-Konkurrenten „Didi Chuxing“, auf den auch die chinesischen
Plattform-Riesen Alibaba und Tencent setzen [HEC].
Denken Sie bitte mal einen kurzen Augenblick darüber nach, was es bedeutet, wenn so
viele Spieler in den „Ride-Sharing“-Markt einsteigen. Damit befeuern die Automobilher-
steller aus purer Not heraus den weiteren Aufstieg des Ride-Sharing-Marktes und arbeiten
mit daran, die Nachfrage nach Eigentum an den eigenen Fahrzeugen zu verringern. Die
wohl behütete Taxibranche in Deutschland sagte dem Disruptor Uber den Kampf an und
ließ den privaten UberX-Dienst gerichtlich verbieten. Ein typischer Reflex für Branchen,
die mit Innnovationen nicht umgehen können und nicht selbst innovativ auf veränderte
Umweltbedingungen reagieren können. Unter dem Schutzschirm deutscher Gerichte will
die Taxibranche eine App vorstellen, mit der insbesondere junge Kunden ab 2017 zwi-
schen einer normalen Fahrt oder einer Sammeltaxifahrt wählen können und dann weniger
zahlen. Die günstigere Sammelfahrt wird von dem bezahlt, der als letzter Passagier aus
dem Taxi steigt und die anderen Mitfahrer beteiligen sich anteilig. Starten soll das von den
Behörden bereits genehmigte Taxi-Sharing in Hamburg in Zusammenarbeit mit der örtli-
chen Taxizentrale [DOLL03]. Die digitale Uber-Plattform nehme ich in Abschn. 3.4 näher
unter die Lupe.
Die digitale Transformation in zahlreichen Branchen zeigt sich beispielsweise wie
folgt:
• Taxiunternehmen transportieren Fahrgäste, Uber verbindet aber nur Fahrer mit Fahr
gästen.
• Hotels bieten Übernachtungsmöglichkeiten an, während Airbnb nur Gastgeber mit
Übernachtungsgästen verbindet.
• Amazon setzt der Verlagsindustrie zu, indem Verkäufer von gebrauchten Büchern mit
Käufern über die Amazon Marketplace-Plattform global vernetzt werden.
Die Beispiele verdeutlichen, was die digitalen Plattformen in der Welt von Unternehmen
mit linearer Wertschöpfungskette bewirken. Die digitalen Spieler verfügen über enorme
Marktbewertungen auf der Basis leichtgewichtiger Bilanzen. Zudem entziehen sie sich
weitgehend den gesetzlichen Vorgaben, die genau die Rechte und Pflichten von Konsu
menten und Produzenten in der modernen regulierten Welt vorgeben. Die Plattform-Ei
gentümer setzen hingegen auf weitreichende Reputationssysteme, die unerwünschtes
Verhalten ausschließen sollen [MORO].
Nach diesem Schlaglicht auf die Wirkung von Uber auf die Automobilhersteller und
die Taxibranche betrachten wir nun prinzipiell die Auswirkungen der digitalen Plattfor-
men auf die Unternehmensstrategie, Wertschöpfung, den Konsum von Wertschöpfung und
die Qualitätskontrolle. Die Unternehmensstrategie erfolgt bei digitalen Plattformen nach
veränderten Grundsätzen. Um ein erfolgreiches digitales Plattform Ökosystem aufbauen
zu können, muss man weit über die klassischen Unternehmensgrenzen hinausblicken. Ins-
besondere der intensive Aufbau und das Management von Ökosystem-Partnern bilden
eine besondere Herausforderung. Der Eigentümer der digitalen Plattform agiert als Orche-
strator externer Partner und muss eine gewisse Neutralität und Wohlwollen den Ökosys
tem-Partnern gegenüber aufweisen.
Digitale Plattformen zeichnen sich gegenüber klassischen Geschäftsmodellen in Bezug
auf effiziente und produktive Interaktionen, Geschwindigkeit und Skalierung von Innova-
tionen aus. Die Skalierung von Innovationen erfolgt bei Apple über den weltweit bekann-
ten App Store.
Durch die beschriebenen Netzwerkeffekte entstehen strukturelle Veränderungen für
klassische Unternehmen. Die meisten Plattform-Giganten wie Google, Airbnb, Uber oder
Amazon basieren auf „demand-side econonmies of scale“. Zudem sind diese so wertvoll,
weil sie über enorme Communitys auf der digitalen Plattform verfügen, die interagieren.
Also dort, wo Netzwerkeffekte aktiv sind, muss sich der Fokus von der Innensicht (entlang
einer linearen Wertschöpfungskette) eines Unternehmens hin zu einem externen Ökosys
tem-Management verschieben. Die Perspektive auf das Unternehmen im digitalen Netz-
werkzeitalter wandelt sich von der Binnensicht auf das Management von Externalitäten:
„Shift from inside to outside“ [PA]. In der digitalen Netzwerkwelt bilden die Ökosysteme
der digitalen Plattformen die neue Quelle für Wettbewerbsvorteile und Marktdominanz.
Die erfolgreichen digitalen Plattformen sind selbsterhaltende Systeme, die Märkte erobern
und wachsen, wenn sie die Eintrittsbarrieren für die Nutzung der Plattformen minimieren.
Insbesondere immer dann, wenn digitale Plattformen eine Eintrittsbarriere für Produzenten in
Märkten reduzieren, wird die Wertschöpfung rekonfiguriert und es werden neue Angebots-
möglichkeiten geschaffen. Die digitale Plattform Airbnb reduziert die Hindernisse für die auf
der Plattform registrierten und aktiven Gastgeber mit regelmäßig stattfindenden Events und
Programmen, bei denen „Best Practices“ vermittelt werden. Uber reduziert Eintrittsbarrieren,
indem potenzielle Fahrer über Registrierungsboni in aktive Fahrer und Nutzer der Plattform
konvertiert werden. Erst mit dem Aufkommen von Amazons Kindle Publishing-Plattform
wurde der schnelle und einfache Zugang zu einer großen Leserschaft unter Umgehung klas-
sischer Verlage möglich und erzeugte ein völlig neues Ökosystem an Autoren [PA].
Durch die digitalen Plattformen wird eine vormals undenkbare Änderung im Verhalten
von Konsumenten erzeugt. So fahren wir in Autos von Fremden mit (Uber, Lyft), essen in
den Esszimmern von Fremden (Feastly) oder schlafen in Betten von Fremden (Airbnb).
Noch vor Jahren wurde dieses Verhalten als sehr eigenartig und gar gefährlich betrachtet.
Möglich wurde dieses veränderte Konsumentenverhalten durch digitale Mechanismen wie
der Vertrauensbildung durch gegenseitige Interaktionsbewertungen. Damit geht eine
Rekonfiguration des Wertschöpfungskonsums einher.
Gerade in der Start-up-Phase einer digitalen Plattform bildet sich meist bei einsetzen-
dem Wachstum ein Überangebot mit einem deutlich spürbaren Anteil an schlechten Inter-
aktionen, die zu negativen Netzwerkeffekten auf der digitalen Plattform führen können.
Die Mechanismen zur Kuratierung von ausgetauschten Mehrwerteinheiten auf der digi
talen Plattform setzen meist erst nach der Start-up-Phase ein. Das Matching von Kon
sumenten mit qualitativ hochwertigen Mehrwerteinheiten von Produzenten wird über
Kuratierungsinstrumente immer besser und effizienter. Durch die Kurationsmaßnahmen
wird auch unerwünschtes Verhalten auf der digitalen Plattform klar signalisiert und redu-
ziert. Die Steigerung der Qualität von ausgetauschten Mehrwerteinheiten steigert die
Attraktivität der Plattform für eine Vielzahl an Konsumenten. Die Qualitätskontrolle der
Interaktionen auf der Plattform ist eine Aufgabe für den gesamten Lebenszyklus der Platt-
form. Die Matching-Algorithmen zur Kuratierung der Interaktionen werden zunehmend
immer besser und optimieren das Matching beider Seiten der digitalen Plattform. Außer-
dem führt die Verbesserung der Matching-Algorithmen zu einem Übergang von manueller
Kuration hin zu automatisierten Matching-Algorithmen auf der Basis von den communi-
tygetriebenen Feedback Loops [PA]. Dieser Prozess führt zu einer Rekonfiguration der
Qualitätskontrolle durch communitygetriebene Kuration.
Mit dem zunehmenden Aufkommen digitaler Plattformen erscheinen plötzlich nicht
nur völlig neue Spieler, die den in der dominanten Branchenlogik gefangenen, etablierten
Unternehmen zusetzen. Vielmehr ändern sich auch die Spielregeln in den vormals von den
etablierten Unternehmen dominierten Märkten. Die neuen Spielregeln bringen drei struk-
turelle Marktveränderungen mit sich: de-linking assets from value, re-intermediation,
market aggregation [PA].
Erst mit der Differenzierung zwischen dem Eigentum eines physischen Assets und den
durch das physische Asset erzeugten Werte, wird die spezifische Anwendbarkeit des phy-
sischen Assets bezogen auf einen Eigentümer für viele Nutzer und unterschiedliche
Anforderungen zugänglich. Durch diese Entkopplung steigen die erzeugten Mehrwerte
und Effizienzen dramatisch. Praktisch zeigt sich dies, wenn einige Krankenhäuser teure
Magnetresonanztomographen (MRT) nicht voll auslasten. Beispielsweise kann ein Kran-
kenhaus mit 50 % ungenutzter MRT-Nutzung diese Kapazitäten über das Internet anderen
Krankenhäusern zur Verfügung stellen [PA].
Die digitalen Plattformen wurden entgegen der Vorhersagen einiger Kommentatoren zu
hocheffizienten „Mittelsmännern“ und haben Märkte „re-intermediated“. Diese neuen
Intermediäre nutzen ihre Algorithmen und soziales Feedback, um schnell und effizient zu
skalieren. Die Reintermediation von Märkten gelingt den digitalen Plattformen mit dem
Big Data Management und verbesserten Algorithmen besser als klassischen Intermediä-
ren. Beispielsweise eliminiert die Amazon Self-Publishing-Plattform die Verlagsinterme-
diäre, die üblicherweise den Hauptteil der Erlöse von Büchern einbehalten. Früher waren
die Musiker abhängig von großen Musiklabels, die sich um die Vermarktung der Lieder
kümmerten. Heute kann jeder angehende Musiker eine große Zuhörerschaft erreichen,
indem er selbstgedrehte, digitalisierte Musikvideos auf YouTube einstellt. Bei der Ama-
zon Self-Publishing Plattform erhält der Autor pauschal 70 % des Bucherlöses. Mit den
neuen Intermediären ändert sich auch die Ökonomie zwischen den Produzenten und Kon-
sumenten auf der digitalen Plattform [PA].
Marktaggregation beschreibt den Prozess, wenn digitale Plattformen unorganisierte
Märkte zentralisieren, um für eine Vielzahl unterschiedlicher Individuen und Organisa-
tion zu dienen. Beispielsweise können unterschiedlichste Verkäufer auf digitalen Platt-
formen wie Alibaba, Amazon oder eBay eine unzählige Anzahl an Produkten und
Diensten weltweit anbieten und vertreiben. Zunehmend übernehmen die genannten
digitalen Plattformen auch die Lagerung der angebotenen Produkte, die Versandlogistik
und auch die Zahlungsabwicklung. Denn Alibaba oder Amazon bieten ihre Leistungen
nicht mehr nur Endkunden an, sondern zunehmend auch dem Großhandel. So betrachtet
in Deutschland mittlerweile nahezu jeder zweite Großhändler die digitalen Plattformen
als akute Gefahr für das eigene Geschäftsmodell. Erschwerend kommt hinzu, dass es
laut einer Selbsteinschätzung von knapp 900 befragten Großhändlern den betroffenen
Unternehmen nicht gelingt, die Digitalisierung vollumfänglich umsetzen zu können
oder gar zum eigenen Vorteil zu nutzen [DIER]. Der Großhandel hat lange nicht auf die
digitalen Plattformen reagiert, da man auf den gut vernetzten Außendienst setzte, der die
Bedürfnisse seiner Kunden genau kennt. Dieser Wettbewerbsvorteil löst sich durch das
Big Data Management der digitalen Plattformen auf. Denn durch Big Data Management
haben die digitalen Plattformen in kurzer Zeit detailliertes Wissen über die eigenen
Kunden erhalten. Für den Erfolg im Großhandel entscheidend ist heute die umfassende
Analyse digitaler Kundendaten als Basis für die effiziente Kombination von Vertriebs-
kanälen [DIER, GA].
Das 5-Faktor-Wettbewerbsmodell von Michael Porter dominierte über drei Jahrzehnte
das Denken über Unternehmensstrategie. Die strategische Position eines Unternehmens in
einer Welt mit linearen Wertschöpfungsketten wird nach Harvard School Professor
Michael Porter von fünf Kräften beeinflusst. Das Modell von Michael Porter basiert auf
der Idee, dass die Attraktivität einer Branche durch die Ausprägung von fünf wesentlichen
Wettbewerbskräften bestimmt wird:
• Rivalität unter den bestehenden Wettbewerbern/brancheninterner Wettbewerb (zentrale

Triebkraft)
• Bedrohung durch neue Anbieter
• Verhandlungsstärke der Lieferanten
• Verhandlungsstärke der Abnehmer
• Bedrohung durch Ersatzprodukte (Substitution)
Dabei gilt, dass je stärker die Bedrohung durch diese fünf Wettbewerbskräfte ist, desto
unattraktiver ist die betrachtete Branche. Es wird mit der Zunahme der Intensität der Wett-
bewerbskräfte umso schwieriger, einen nachhaltigen Wettbewerbsvorteil zu erzielen.
Daher sollten Pipeline-Unternehmen versuchen, in einer Branche mit attraktiver Bran-
chenstruktur tätig zu sein. In dieser Branche sollte das Pipeline-Unternehmen eine vertei-
digungsfähige Position in ihrer Branche aufbauen, also eine Position, in der die fünf
Wettbewerbskräfte eine möglichst geringe Intensität aufweisen [WIKI29, PORTER].
Letztendlich sollten die Unternehmen die fünf Kräfte so weit kontrollieren können, um
einen Graben um das eigene Business zu etablieren, um uneinnehmbar zu werden. Mit
dem Aufkommen des Internets entstanden bisher unmögliche Hypervernetzungen und
gleichzeitig Software-Lösungen, mit denen Wettbewerber auf eine völlig andere Art und
Weise angegriffen werden können. Denn wie wir an vielen Stellen des Buches bereits
gesehen haben, sind es vor allem exponentielle positive Netzwerkeffekte, die zu einer
massiven Skalierung von Plattformen führen. Diese Effekte sind nicht das Ergebnis der
Kontrolle massiver physischer Infrastrukturen wie bei Pipeline-Unternehmen, sondern
extremer Flexibilität, in Verbindung mit dem Fokus auf den Kunden beziehungsweise den
Kundennutzen mittels effizienter Interaktionen auf weltweit verfügbaren digitalen Platt-
formen.
Dies lässt sich am Beispiel von Online-Hotelzimmer-Buchungsplattformen eindrück-
lich illustrieren. So klagen Hotelbetreiber in Deutschland über das Agieren von über Algo-
rithmen angetriebenen digitalen Buchungsplattformen wie HRS, Expedia oder der
Priceline Group. Nahezu jede vierte Zimmerbuchung erfolgt in Deutschland über eine der
großen digitalen Buchungsplattformen. Die Tendenz ist stark steigend, direkt über diese
digitalen Buchungsportale zu buchen, statt, falls möglich, direkt über die Hotel-Website.
Aus Sicht der Kunden kostet die Nutzung dieser Plattformen nichts, der Hotelzimmer-
markt in bestimmten Regionen wird transparent und außerdem erhalten die Kunden so die
niedrigsten Preise. Die Monetarisierung der Buchungsportale erfolgt über Buchungspro-
visionen, zu zahlen von den gelisteten Hotels in der Datenbank des digitalen Buchungs-
plattformbetreibers. Die Provisionen liegen zwischen 15 bis 25 % pro Buchung [FRÜ].
Konnten und wollten die Hotels in der Anfangszeit über die digitalen Buchungsplatt-
formen die Auslastung der Hotels erhöhen, geraten sie zunehmend in eine Zwangslage.
Denn der Anteil an Buchungen einzelner Hotels erhöht sich zunehmend über die digitalen
Plattformen und erzeugt eine bis dato unbekannte Abhängigkeit. Die Marktmacht der digi-
talen Buchungsplattformen ergibt sich nicht aus der Kontrolle der fünf Kräfte von Michael
Porter. Vielmehr entstehen über das effiziente und auf Algorithmen basierte Matching von
Gästen und Hotelzimmeranbietern positive, exponentielle Netzwerkeffekte, die klassische
Hotels nicht erzeugen können. Dieses Matching wird über das Sammeln und Auswerten
der Bedürfnisse der Nutzer der digitalen Plattformen qualitativ immer besser und automa-
tisiert. Die Kern-Interaktion der Zimmerbuchung wird zunehmend erweitert um Interakti-
onen, mit denen ganze Reisen auf den digitalen Buchungsplattformen geplant und gebucht
werden können [TRIE]. Das Machtgefüge in der Hotelbranche verändert sich durch die
digitalen Buchungsplattformen nachhaltig.
Gehen wir einen Schritt weiter und betrachten kurz die neue Komplexität des Wett-
bewerbs in der Welt der digitalen Plattformen. Die strategischen Einsichten im
Fünf-Faktor-Wettbewerbsmodell von Michael Porter haben auch in der Plattform-Welt
durchaus ihre Gültigkeit behalten. Hinzu kommen zwei Aspekte digitaler Plattformen,
die das Denken über Unternehmensstrategien revolutionieren: (Exponentielle) Netzwer-
keffekte verändern Märke grundlegend und digitale Plattformen „turn business inside
out“ [PA].
Den Aspekt der Netzwerkeffekte haben wir bereits umfassend behandelt. Der zweite
Aspekt stellt darauf ab, dass der Einfluss von Plattform-Managern einer digitalen Platt-
form bis hin zu Partnern im Ökosystem reicht. Prinzipiell konzentriert sich die digitale
Plattform auf die wichtigsten (Kern-)Interaktionen und überlässt weitere Möglichkeiten
den Partnern im Ökosystem. Der dabei erzielte Mehrwert kommt allen beteiligten Spielern
im digitalen Plattform-Ökosystem anteilig zugute. Dadurch steigen die Anforderungen an
das Management von digitalen Plattformen und erzeugen eine komplexe Wettbewerbsdy-
namik innerhalb des Ökosystems. Diese Wettbewerbsdynamik wird sich auf drei Ebenen
entfalten, wobei die Plattform-Manager als Orchestrierer des Ökosystems für alle beteilig-
ten Ökosystem-Partner wechselnde Ausgleiche schaffen müssen: Plattform gegen Platt-
form, Plattform gegen einen Ökosystem-Partner und Plattform-Ökosystem-Partner
gegen Plattform-Ökosystem-Partner.
Bitte vergessen Sie nicht, dass die Wettbewerbskonstellationen dynamisch sind und
komplexe Aushandlungsprozesse erfordern. Bei der Wettbewerbssituation „Plattform
gegen Plattform“ basiert der strategische Vorteil auf der Macht des Ökosystems. Dies
zeigte sich in der Praxis am Beispiel von Sonys Playstation Portable gegen Apples iPhone.
Die Hardware von Sony war deutlich leistungsfähiger als das iPhone bei seiner Marktein-
führung in 2012. Dafür war und ist das Spektrum des Ökosystems von Apple deutlich
weitreichender als das von Sony. Die finanzielle Gesamtsituation spricht hier auch für
Apple eine deutliche Sprache und ist dem immensen Ökosystem geschuldet [PA].
Auf der zweiten Ebene steht die Plattform einem oder mehreren Ökosystem-Partnern
gegenüber. Ein plastisches Beispiel bietet hier der Marketplace von Amazon, auf dem
Amazon die gleichen Produkte anbietet wie Partner des Ökosystems. Dabei ist Amazon
nicht immer der günstigste Anbieter. Diese Entscheidung von Jeff Bezos kann schon als
mutig, ja revolutionär bezeichnet werden. Denn Amazon gelang es vor allem, die Ange-
botspalette geradezu explodieren zu lassen. Zudem entwickelte sich aus der Entschei
dung ein weiteres Geschäftsfeld. Eine Konsequenz der Entscheidung bestand darin, dass
Amazon enorme Rechenpower benötigt, um die schiere Anzahl an Interaktionen auf der
digitalen Plattform mit dem Ökosystem „Amazon Marketplace“ reibungsfrei ablaufen
zu lassen. Dazu baute Amazon riesige cloudbasierte Datenzentren auf und erweiterte
sein Spektrum an AWS (Amazon Web Services) kontinuierlich. Die Bedeutung der
AWS für Amazon kann gar nicht hoch genug eingeschätzt werden. Aus der Tab. 3.1
ergibt sich der Kernmechanismus des semi-digitalen Amazon-Geschäftsmodells. Das
Grundprinzip von Amazon seit Bestehen des Unternehmens basiert auf schnellem Wachs-
tum und einem kontinuierlichen Fokus auf den Kunden. Die Wachstumsorientierung
Niedrigere Niedrigere
Niedrigere Kosten- Preise
Infrastruktur- strukturen
kosten Auswahl
Neue
Skalen- Services,
effekte Verkäufer Wachstum Kunden- Produkte
erlebnis etc.
Zunahme Kindle
Infrastruktur-
leistungen Zunahme
und–kosten Internet-Verkehr Amazon Growth Flywheel
by Jeff Bezos
Zunahme
Nutzung
Zuwachs
AWS
= Daten Daten
(AWS – Amazon Web Services)
Abb. 3.2 Der Kernmechanismus der digitalen Amazon-Plattform. (Erweitert nach [AMAZON,
STO])
zielt darauf ab, die digitale Amazon-Plattform so schnell wie möglich zu skalieren, um
Marktanteile zu gewinnen.
Das Wachstumsmodell (vom Gründer Jeff Bezos auf einer Serviette skizziert – Ama-
zons Growth Flywheel) [STO]) bildet das innere Modell in der Abb. 3.2. Das Wachstums-
modell stellt nur vordergründig ein „closed-loop“-Modell ohne Profitgenerierung dar. Jeff
Bezos hat den Profit schon beim Wachstum mitberücksichtigt [JA03].
Auf der dritten Wettbewerbsebene konkurrieren Partner des Ökosystems auf einer
Plattform miteinander. Dies passiert beispielsweise, wenn App-Entwickler auf der digita-
len iTunes-Plattform von Apple konkurrierende Apps für dieselben Konsumenten bereit-
stellen. Die drei plattformspezifischen Wettbewerbskonstellationen haben tief greifende
Veränderungen der Wettbewerbs- und Unternehmensstrategie zur Folge. Der Aufbau eines
Ökosystems erfordert die Berücksichtigung von Aspekten wie Kollaboration oder „co-cre
ation“. Dafür haben die Forscher Barry J. Nalebuff, Adam M. Brandenburger und Agus
Maulana einen Begriff geprägt: „co-opetition“ [NAL].
Das Spektrum an weiteren strategischen Optionen für eine digitale Plattform
umfasst [PA]:
• Die Verhinderung des Multihomings durch die Limitierung des Zugangs zur Plattform:
Das Phänomen des Multihomings ereignet sich, wenn Nutzer ähnliche oder gleiche
Interaktionen auf mehreren Plattformen erleben und reibungslos von Plattform zu Platt-
form wechseln können. Dieser Wechsel auf andere Plattform sollte von der Plattform
möglichst vermieden werden.
• Innovationen vorantreiben und dann die Wertschöpfung betreiben: Dazu sollte die
Plattform die wichtigsten Innovationen selbst erzeugen und weniger wichtigere Inno-
vationen von Plattform-Ökosystem-Partnern entwickeln lassen. Deshalb gehört bei-
spielsweise die Suchfunktionalität auf Facebook der Facebook Plattform selbst.
• Den Wert von anfallenden (taktischen und strategischen) Daten auf einer Plattform
ausschöpfen: Bei taktischen Daten werden einfache A/B-Experimente durchgeführt,
beispielsweise, wenn Amazon austestet, wie die Platzierung des „Buy-it-Now“ auf der
Website die Anzahl an Verkäufen beeinflusst. Mit strategischen Daten soll das Ökosys-
tem optimiert werden. Dazu wird erfasst, wer neben der Plattform im Ökosystem
Mehrwerte erzeugt, kontrolliert und abschöpft.
• Redefinierung von Mergers & Acquisitions: Die Kernfrage für Plattform-Manager
besteht darin, zu eruieren, ob die Ziel-Firma zusätzliche Mehrwerte für eine über
einstimmende Nutzergruppe der Plattform erzeugt. Wenn dies der Fall ist, können
Plattform- Manager Echtzeit-Interaktionen, Interaktionsdaten und strategische
Experimente auf der zu übernehmenden Plattform durchführen und so tiefe Einbli-
cke in die Leistungsfähigkeit der Plattform erhalten. Das reduziert die Gefahr von
Fehlentscheidungen.
• Platform-Development: Digitale Plattformen müssen auch überwachen, welche neuen
Funktionen von direkten oder indirekten konkurrierenden Plattformen implementiert
werden, insbesondere dann, wenn diese Plattformen dieselbe oder Overlapping-Nutzer
gruppen betreffen. Die Plattform-Manager können nun die Funktonalität selbst anbieten
oder über das Ökosystem von Partnern bereitstellen lassen. Besonders erfolgreich ist
diese strategische Option, wenn die Plattform die Funktionalität einer anderen Plattform
absorbiert und gleichzeitig auch die betroffene Nutzerbasis der anderen Plattform. So
entwickelt Apple auf seiner iPhone-Plattform Funktionalitäten für Mobile-Bezahlsys
teme und „wearable technology“ für die Apple Watch.
• Verbesserung des Plattform-Designs, indem die Plattformen die Werkzeuge und
Mechanismen optimieren, um Nutzer auf die Plattform zu ziehen, die Interaktionen zu
erleichtern und das Matching von Konsumenten und Produzenten so effizient wie mög-
lich zu gestalten. So optimierte und erweiterte Airbnb die Suchparameter, mit denen
aktive Nutzer der Plattform die Suche nach passenden Unterkünften immer besser per-
sonalisieren und die persönlichen Sucheinstellungen konfigurieren konnten.
Die Erörterung der strategischen Optionen für digitale Plattformen erfolgt hier notwendi-
gerweise nur komprimiert. Für den interessierten Leser verweise ich auf die verwendete
Literatur, mit der man sich in Kombination mit dem bisher angeeigneten Wissen tief
gehender in diese Materie einarbeiten kann.
Das Phänomen digitaler Plattformen ist insbesondere in den USA und in Asien weit
populärer als in den Mitgliedstaaten der Europäischen Union. Ist es daher nur zufällig,
dass in Literatur und Praxis die US-Amerikaner und die Asiaten die schöne neue
Plattform-Welt propagieren und wir Europäer eher die negativen Aspekte, die es stringent
zu regulieren gilt, in den Vordergrund stellen. Lassen wir diese pauschalen Sticheleien mal
beiseite und betrachten wir die digitalen Plattformen aus einer neutralen Perspektive.
Eines vorweg: Dass digitale Plattformen ganze Branchen durcheinanderwirbeln, beste-
hende Geschäftsmodelle zertrümmern und etablierte Anbieter aus den Märkten drängen,
ist aus neutraler Sicht nicht als Nachteil zu betrachten. Denn wie wir bereits gesehen
haben, hat schon Schumpeter diese Disruption als das Wertschöpfende und Neue betrach-
tet, das den Motor der Marktwirtschaft weiter antreibt. Nachteilig wird dies, wenn dauer-
haft monopolartige Strukturen entstehen, die starke Wettbewerbsbeschränkungen für
andere Marktteilnehmer darstellen.
Der Ausschuss „Digitale Agenda“ des Deutschen Bundestages erkennt in einem Fach-
gespräch mit dem Thema „Plattformen: Interoperabilität und Neutralität“ die Interopera-
bilität als eine „Voraussetzung für die Umsetzung der im digitalen Zeitalter möglichen
Wohlstandsgewinne“ [BOE]. Erst die Interoperabilität ermöglicht die Teilhabe heteroge-
ner Benutzergruppen am internetbasierten öffentlichen Geschehen. Diese Interoperabilität
wurde durch die Entwicklung von weitgehend standardisierten Anwendungsschnittstellen
(APIS) und deren Umsetzung in freier Open-Source-Software in wesentlichen Bereichen
bereits teilweise erreicht [BOE]. So stellt das Internet selbst ein Beispiel für neutrale und
interoperable digitale Plattformen dar. Welche konkreten Vor-und Nachteile sind mit den
digitalen Plattformen verbunden? Die Forschung hierzu steht noch am Anfang und die
Folgen von expandierenden digitalen Plattformen mit Ökosystem zeichnen sich erst in
unscharfen Konturen ab. Das ist auch gut so, denn es bleibt so noch ausreichend Zeit,
darüber zu diskutieren und auch zu streiten, wie sehr die digitalen Plattformen unser Leben
durchziehen und möglicherweise zukünftig auch dirigieren.
Kritisiert wird an den digitalen Plattformen insbesondere der durch (exponentielle)
Netzwerkeffekte verursachte Trend zu dominierenden digitalen Plattformen für spezifi-
sche Anwendungsfälle in Kombination mit signifikanten Abwanderungskosten. Dies führt
zu einem Machtungleichgewicht zwischen der digitalen Plattform und den Nutzern der
Plattform. Denn die digitalen Plattformen sammeln Nutzermetadaten und Nutzungsdaten.
Mit diesen Daten können die Plattformeigentümer potenziell die Funktionalität oder Qua-
lität der Plattform von Nutzerattributen wie Herkunft, Alter, Geschlecht, Einkommen oder
Einkaufsverhalten abhängig gestalten oder den Zugang zur Plattform gänzlich verweigern
[BOE]. Viele digitale Plattformen wie Airbnb, Uber, Apple, Microsoft oder XBox erzeu-
gen Netzwerkeffekte, die einen schwer kopierbaren Wettbewerbsvorteil erzeugen und zu
hohen Profit-Margen für die Plattform-Eigentümer führen.
Zu einem wettbewerbsbeschränkenden Machtungleichgewicht kann es kommen, wenn
der Plattformeigentümer und die Produzenten eine geschlossene Einheit bilden. Das
Ungleichgewicht bildet sich dann zwischen dem Plattformbetreiber und den Teilnehmern
am Plattform-Ökosystem. Der Plattform-Betreiber kontrolliert den Zugang zur Plattform
und nimmt gleichzeitig am Wettbewerb teil. Es sind digitale Plattformen wie Amazon oder
eBay, die in die Kritik geraten sind, Steuern und Abgaben nicht gemäß den gesetzlichen
Richtlinien der Länder abzuführen, in denen die Umsätze erwirtschaftet werden. Beispiel-
haft soll hier ein besonders trickreiches Vorgehen von Apple skizziert werden. Der Trick
von Apple bestand darin, Tochtergesellschaften als „staatenlos“ erscheinen zu lassen. So
soll etwa die Tochter „Apple Operations International“ lange in den USA geführt worden
sein, aber registriert war diese in Irland. Dabei handelt es sich um eine juristische Spitzfin-
digkeit, durch die der digitale Plattformriese quasi seinen eigenen steuerfreien Raum schaf
fen konnte. Möglich war dies, weil die amerikanischen Behörden sich bei der Besteuerung
nach dem Unternehmenssitz richten, die Iren hingegen nach dem Verwaltungssitz. Das
führte zu dem kuriosen Effekt, dass die Apple-Tochter in keinem der beiden Länder Steuern
zahlen musste. Das sehen die anderen EU-Staaten gar nicht gerne und werfen Irland des-
halb seit Jahren vor, digitalen Plattform-Konzernen beim Steuersparen zu helfen. Es ver-
wundert dann auch kaum, dass viele der großen Plattform-Konzerne wie Google, Apple,
Facebook, Amazon oder Twitter ihren Europa-Sitz in Dublin haben [TAS01].
Ein weiterer Nachteil digitaler Plattformen wird darin gesehen, dass Plattformanbieter
wie Uber oder Taskrabbit die Produzenten als Selbstständige betrachten, die für die gesetz-
lichen Sozialabgaben und Versicherungen selbst zu sorgen haben [EVANS]. Für diese
digitalen Plattformen aus der Sharing-Ökonomie gelten auch die in Abschn. 1.2 aufgelis-
teten Vor- und Nachteile.
Die erörterten Aspekte können zu „Winner-take-all-Märkten“ führen. Dieses Phänomen
hat Sascha Lobo als Plattform-Ökonomie oder Plattform-Kapitalismus bezeichnet. Damit
hat er ja nicht ganz Unrecht. Allerdings führen „Winner-take-all“-Phänomene nicht zu
Monopolen, sondern erweitern in der Regel einen bestehenden Markt wie den Arbeitsmarkt
für Selbstständige. Die Winner-take-all-Märkte, verursacht durch digitale Plattformen, stel
len das bedrohliche Szenario für viele etablierte Unternehmen in der Medienlandschaft, im
Taxigewerbe oder auch im Hotelgewerbe wohlgemerkt in unterschiedlicher Ausprägung
dar. Die Faktoren des „Winner-take-all“-Effekts sind exponentielle Netzwerk-Effekte, hohe
Multihoming- und Switching-Kosten und das Fehlen von Nischenspezialisierungen bezie-
hungsweise spezifische Nutzerpräferenzen. Das Fehlen spezifischer Nutzerpräferenzen in
Kombination mit starken Netzwerkeffekten im Carsharing-Markt erklärt die starke Rivali
tät zwischen Uber und Lyft [PA].
Mit den digitalen Plattformen sind unbestreitbare Vorteile für die Nutzer der Plattfor-
men verbunden. Das Aufkommen digitaler Plattformen hat in der gesamten Wirtschaft
bereits zu erheblichen Produktivitätszuwächsen geführt. Das betrifft vor allem die Erhö-
hung der Produktivität durch die effizientere Nutzung von Wohnungen, Häusern oder
Fahrzeugen in der „Sharing Econonmy“ (siehe Abschn. 1.2). Besonders hervorzuheben ist
auch das effiziente Matching von Konsumenten und Produzenten auf den digitalen Platt-
formen (eBay, Uber, LinkedIn). Aus den erfolgreichen digitalen Plattformen mit an
fänglich immer nur einer „Kern-Interaktion“ entstehen innovative und dynamische
Partner-Ökosysteme. Damit werden diese digitalen Plattformen zu bedeutsamen Quellen
von Innovationen (beispielsweise Apple mit dem App Store) [EVANS]. Von neun US-ame
rikanischen digitalen Plattformen (Microsoft, Google, Apple, Intel, Amazon, Yahoo,
Facebook, eBay und Salesforce) wurden alleine in 2012 12.347 Patente eingereicht und
zugesprochen bekommen [IPOA].
Das Design und Management digitaler Plattformen mit Ökosystemen ist keine trivi
ale Angelegenheit, da wir es mit sehr komplexen Systemen zu tun haben. Der Komple-
xität wird in vielen Fällen mit einem modularen Systemaufbau digitaler Plattformen
begegnet, der auch den Nutzern die Freiheit einräumt, auf den Plattformen eigene Akti-
vitäten zu entfalten. Das Monitoring des Nutzerverhaltens ist daher auch von besonderer
Bedeutung.
Im bisherigen Verlauf des Einführungsbuches in die Welt digitaler Plattformen habe ich
immer wieder auf die Wirkungen digitaler Plattformen aufmerksam gemacht. Die Wir-
kungen von Airbnb, Uber oder Facebook zeigen sich in ersten Konturen, ohne dass sich
das gesamte Veränderungspotenzial für das Leben der Nutzer klar abzeichnet. Versuchen
wir zumindest das Wirkungsspektrum digitaler Plattformen etwas auszuleuchten. Die
Frage bei Uber und Lyft ist, wer am Ende der Musik ohne Stuhl da steht. Beide digitale
Plattformen unternehmen enorme Anstrengungen, um in der Auseinandersetzung zu tri-
umphieren. Bevor ich die Carsharing-Plattform Uber betrachte, widme ich mich einer
anderen, sehr erfolgreichen digitalen Plattform – Airbnb.
3.3 Auf huckepack mit Craiglist – Airbnb Case Study
Noch vor dem Platzen der dot.com-Blase um das Jahr 2000 herum pendelte ich beruf-
lich häufig zwischen München und New York. In dieser Zeit sprudelte Kapital aus
allen möglichen Quellen, denn jeder wollte auf den dot.com-Zug aufspringen. Das
expandierende Internet und die damit einhergehende Ausbreitung von html-basierten
Webseiten der ersten Generation lösten eine Kursrallye an der Börse aus, an der alle
mitverdienen wollten. Dass sich die Hoffnungen auf schnellen Reichtum in Luft auf-
gelöst haben, ist hinlänglich bekannt. Verweilen wir kurz noch in dieser Zeit der ers
ten Internet-Euphorie.
Kurz vor der Eröffnung der Wiesn im Jahr 2000 in München wollten meine US-ameri
kanischen Mitarbeiter, Kollegen und Kunden noch schnell einen Tisch in einem der Bier-
zelte und natürlich ein Hotelzimmer in der Innenstadt reservieren. Dabei reagierten sie
dann meist völlig überrascht, wenn ich ihnen mitteilte, dass es kurz vor der Wiesn nicht
mehr möglich war, ein Hotelzimmer in der Innenstadt in München zu reservieren. Dass die
Preise für Hotelzimmer während der Wiesn-Zeit immer wieder unverschämt in die Höhe
schnellen, sei hier nur am Rande notiert. Dies ist und war nicht nur zur Zeit der dot.com-
Blase so. Es gab nur die Möglichkeit, weit außerhalb von München ein Hotelzimmer zu
reservieren. Aber damals war es nicht so leicht, ein Hotel- oder Privatzimmer zu finden
und zu reservieren, wie dies heute via App auf dem Smartphone über die digitale Plattform
„Airbnb“ möglich ist. Weder waren die technologischen Möglichkeiten geschaffen, noch
existierte die „Sharing-Mentalität“ wie dies heutzutage der Fall ist. Damals konnte man
lediglich über Anzeigen in Tageszeitungen oder in rudimentär vorhandenen virtuellen
Pinnwänden auf Pionier-Webseiten möglicherweise eines der begehrten Zimmer ergat
tern. Nahezu ähnlich gestaltet sich die Situation in San Francisco zu Zeiten von großen
Messeevents. Wieder einmal waren in 2007 kurz vor dem „World Design Congress“
nahezu alle Hotelzimmer in San Francisco ausgebucht und überteuert. Die beiden Desig-
ner Brian Chesky und Joe Gebbia konnten sich zu diesem Zeitpunkt ihr Appartment in San
Francisco schon nicht mehr leisten. Am 22. September 2007 sandte Joe Gebbia seinem
Gründungskollegen Brian Chesky eine E-Mail, in der er seine einfache Vermietungsidee
formuliert:
3.3 Auf huckepack mit Craiglist – Airbnb Case Study 141
„Brian,
I thought of a way to make a few bucks – turning our place into a designer’s bed and bre-
akfast – offering young designers who come into town a place to crash during the 4 day event,
complete with wireless internet, a small desk space, sleeping mat, and breakfast each mor-
ning. Ha! – Joe.“ [STO]
Niemand konnte zu diesem Zeitpunkt erahnen, das Airbnb seit der Gründung im Jahr 2008
von Null auf eine Marktkapitalisierung von 25 Mrd. US-Dollar in 2016 anwachsen würde.
Diese Marktkapitalisierung entspricht ungefähr der Summe der Marktkapitalisierungen
der „Hilton“ und „Intercontinental Hotel Gruppe“. Während die Marriott-Hotel-Gruppe
58 Jahre benötigte, um 1 Mio. Hotelzimmer anbieten zu können, benötigte Airbnb ledig
lich 7 Jahre [HAG]. Dieses Wachstum erfolgte, ohne dass die Gründer Brian Chesky, Joe
Gebbia und Nathan Blecharczyk auch nur ein Hotelzimmer in der Bilanz stehen haben.
Aus dem obigen E-Mail-Zitat lässt sich bereits die für Airbnb bis heute wesensbestim-
mende Kern-Interaktion und das digitale Geschäftsmodell ableiten (siehe Abb. 3.3).
Die Kern-Interaktion des zweiseitigen Marktes von Airbnb beinhaltet die Präsentation
einer Unterkunft auf der Anbieterseite der Plattform und die Nachfrage nach Zimmerun-
terkünften auf der Nachfrageseite. Dabei ist Airbnb im Prinzip nur für die Abwicklung der
Zimmerbuchung und den automatisierten Zahlungsverkehr zwischen beiden Seiten auf
der digitalen Plattform verantwortlich. Die Kommunikation beider Seiten erfolgt direkt
über die digitale Plattform. Dadurch wird ein immer größer werdender Datenstrom für
Airbnb über die Präferenzen von Mietsuchenden und Vermietern in mittlerweile über
2600 Städten verstreut in über 190 Ländern erzeugt. Der vom Mietsuchenden beispiels-
weise per Kreditkarte oder PayPal bezahlte Mietpreis wird von Airbnb erst 24 h nach
Abschluss des Aufenthaltes an den Vermieter ausgezahlt. Dies ist eine Kuratierungsmaß-
nahme von Airbnb, um sicherzustellen, dass der Gast genau in der Unterkunft übernachten
konnte, die ihm über die digitale Plattform angeboten wurde. Die Monetarisierung der
Kern-Interaktion für Airbnb beinhaltet unterschiedliche Service-Gebühren, die Airbnb vom
Vermieter (3 %) und vom Gast (6–12 %) bei jeder Transaktion (Reservierung) auf der
Kommunikation
Zimmer
Gast- Gastgeber Profil Zimmer

Gast
geber Zimmer Präsentation Anfrage
Service Gebühr – 3% Mietpreis +

Mietpreis Airbnb Service Gebühr + 6–12%
Plattform
Marktzugang Marktzugang
Daten
Abb. 3.3 Die Kern-Interaktion des digitalen Airbnb-Geschäftsmodells

digitalen Plattform einbehält [CAP]. Der durch Airbnb erwirtschaftete Umsatz wurde in

2015 auf knapp 1 Mrd. US-Dollar geschätzt [BMWi02]. Die möglichen Einkünfte mit
der eigenen Unterkunft können Vermieter mit einer von Airbnb bereitgestellten Rech-
ner-Funktion kalkulieren [WIKI30].
Im Gegenzug verschafft die digitale Plattform Airbnb beiden Seiten der Plattform den
Zugang zu einem vorher nicht erreichbaren Markt. Die physische Interaktion beider Seiten
der digitalen Plattform entzieht sich weitgehend der Kontrolle durch Airbnb. Damit sich
überhaupt ein solcher Markt ergeben konnte, musste das Problem des fehlenden Vertrau-
ens zwischen beiden Seiten der Plattform behoben werden. Dazu hat Airbnb einige Maß-
nahmen umgesetzt, um das prinzipielle Vertrauensproblem zu lösen:
• Das Engagement von professionellen Fotografen auf der Vermieter-Seite, die zum
einen die Qualität der Präsentation (Fotografien) von Mietunterkünften verbesserten
und vervollständigten. Zum anderen verifizierten diese Fotografen die auf der digitalen
Plattform angegebene Adresse der Mietunterkunft und die Richtigkeit aller Angaben.
Insbesondere in New York wuchs die Plattform anfänglich bei weitem nicht so wie
gewünscht. Es hatte sich herausgestellt, dass die Vermieter die Mietunterkünfte in
unzureichender Qualität präsentierten und mangelhafte Fotos auf der Plattform ein-
stellten. Um das Problem zu lösen, mieteten Brian Chesky und Joe Gebbia eine Kamera
im Wert von 5000 US-Dollar. Damit gingen sie von Tür zu Tür und machten professi-
onelle Fotos von den Unterkünften. Das Endresultat waren zwei- bis dreifach höhere
Buchungen auf der Plattform allein in New York. Letztendlich entstand daraus das
„Airbnb Photography Program“ in 2010. Damit können Vermieter über die digitale
Plattform einen professionellen Fotografen beauftragen, die Mietunterkünfte professi-
onell zu fotografieren. Diese Maßnahme war für das klamme Start-up Airbnb kurzfris-
tig eine sehr kostenintensive Maßnahme. Langfristig führte diese Maßnahme aber zu
einer Verdopplung bis Verdreifachung von Buchungen der qualitativ höher vermarkte-
ten Mietangebote auf der Plattform. Die Anzahl an freiberuflichen Fotografen, die für
Airbnb unterwegs waren, wuchs auf mehr als 2000 auf sechs Kontinenten an, die
13.000 Vermietangebote professionell fotografierten [EL].
• Die Kuratierierung der Mietangebote und die Erfahrungen mit Mietern erfolgen über
Bewertungen auf Airbnb von Gastgebern und Reisenden aus der Airbnb-Community.
Dabei wurden von Airbnb anonymisierte Bewertungen gelöscht, um die Reputation der
Plattform zu erhöhen [CAP].
• Die Überprüfung von Nutzeridentitäten wurde über die eingenommenen Transaktions-
gebühren finanziert und die angegebenen persönlichen Daten über Algorithmen über-
prüft [CAP].
• Im Sommer 2011 führte Airbnb den Dienst „Social Connections“ ein. Dabei wurden
die „Social Graphs“ von Facebook Connect der Airbnb-Mieter genutzt Wenn „Social
Listings“ aktiviert ist, dann werden Avatare gegenseitiger Verbindungen aufgezeigt,
also Freunde, die bei einem bestimmten Vermieter bereits übernachtet haben oder
Freunde des Vermieters. Über diese Verbindungen können Gäste potenzielle Vermieter
nach weiteren Kriterien bestimmen beziehungsweise eingrenzen. Dieser Dienst kann

jederzeit aktiviert oder mit einem Klick deaktiviert werden. Die Verbindungen sind
jeweils nur für diejenigen sichtbar, mit denen man schon verbunden ist. Die Profile bei
Airbnb können also mit den Profilen auf sozialen Netzwerken wie Facebook verknüpft
werden [WIKI30].
• In 2012 wurde die sogenannte „Wunschliste“ von Airbnb eingeführt. Vier Monate nach
der Einführung nutzten bereits 45 % der Nutzer der digitalen Plattform die Wunschliste
und erzeugten mehr als
• 1 Mio. Wunschlisten. Zudem wurde mit dem gleichzeitig stattfindenden Redesign der
Airbnb-Webseite das bisherige Logo „Stern“ in ein emotional ansprechenderes „Herz“
verändert. Diese Veränderung führte schlagartig zu einer Erhöhung der Aktivitäten auf
der digitalen Plattform um 30 % [EL].
Diese Maßnahmen wurden auch dazu genutzt, um positive Netzwerkeffekte auf der
digitalen Airbnb-Plattform zu ermöglichen. Das Alleinstellungsmerkmal von Airbnb
war immer, mehr als nur eine Übernachtungsgelegenheit anzubieten. Vielmehr wird
eine einmalige Erfahrung angeboten, die gewöhnliche Hotels nicht anbieten. Dieses
lokale und authentische Erlebnis zieht viele Gäste auf die digitale Airbnb-Plattform. Um
dieses einzigartige Erlebnis zu verstärken, hat Airbnb zwei Initiativen angestoßen –
„Neighborhoods“ und „Local Lounges“. Mit Neighborhoods können Gäste ihre Interes-
sen und Präferenzen nutzen, um personalisierte Übernachtungsorte zu finden. Beim
Start von Neighborhoods präsentierte Airbnb mehr als 300 von lokalen Editoren kura-
tierte Neighborhoods-Vorschläge, die aus mehr als 2000 definierten Neighborhoods
entstanden. Neben den lokalen Editoren arbeiteten auch 70 professionelle Fotografen
daran, die anfänglich 2000 grob definierten Communitys zu kuratieren und authentisch
zu präsentieren [EL].
Bei Local Lounges zielte Airbnb auf ein „Offline-Erlebnis“ ab, bei dem Airbnb bei-
spielsweise mit den zehn angesagtesten San Francisco Coffee Shops zusammenarbeitete.
Dort sollten Airbnb-Gäste einen freundlichen Empfang und freien WLAN-Zugang erhal-
ten. Zudem wurde ihnen ein privater Reiseführer zugeteilt, der den Gästen die unbekann-
ten Hotspots der Mietregion zeigten und mit Insider-Tipps versorgten. Diesen Service hat
Airbnb selbst eingestellt und durch die Übernahme der britischen Firma „LocalMinds“
ersetzt. Bei LocalMinds handelte es sich um eine ortsbasierte Frage- und Antwort-Platt
form, bei der Nutzer Fragen zu spezifischen Orten stellen konnten, die dann von Experten
in der Region in Echtzeit beantwortet wurden [WIKI30]. Das Team von LocalMinds
wurde in das digitale Plattform-Unternehmen Airbnb integriert und arbeitet seit der Über-
nahme an der Weiterentwicklung von sozialen Airbnb-Services. Bei Airbnb wird ständig
über neue Erweiterungen der Kern-Interaktion nachgedacht und experimentiert. Dazu
zählen über die digitale Airbnb-Plattform für Vermieter pauschal buchbare „Reinigungs-
services“ von Anbietern wie „homejoy“. Die Macher von Airbnb vermeiden es aber kon-
sequent, alle Dienste eines klassischen Hotels in die Plattform zu integrieren. Für Airbnb
gilt das Credo, den Übernachtungsgästen in jedem buchbaren Ort ein einzigartiges und
lokal geprägtes Erlebnis bieten zu wollen. An dieses Credo hält sich Airbnb bis heute und
die dazugehörige Kern-Interaktion ist unverändert geblieben.
Der Senior Executive Editor bei Bloomberg News, Brad Stone, hat in seinem Buch
„The Upstarts: How Uber, Airbnb and the Killer Companies of the New Silicon Valley are
Changing the World“ unterhaltsam und informativ den Aufstieg der beiden digitalen Platt
form-Anbieter Uber und Airbnb nachgezeichnet [STONE]. Darin ist zu lesen, dass Airbnb
alias „Airbedandbreakfast.com“ in den Anfangstagen nur eine Nebenbeschäftigung der
späteren Gründer darstellte; eben wie in der oben zitierten E-Mail-Nachricht von Joe
Gebbia an Brain Chesky zu lesen: „a way to make a few bucks“. Dennoch typisch für die
Gründer im Silicon Valley verband Brian Chesky mit Airbedandbreakfast.com, aus dem in
2009 verkürzt Airbnb.com wurde, in den Anfangstagen schon eine Vision ganz in der
Tradition von Steve Jobs: „We have to put a dent in the universe with this concept“
[STONE]. Das ist das für viele CEOs aus der klassischen „Pipeline-Wirtschaft“ irritierende
Moment, wenn diese ins Silicon Valley pilgern.
In meiner Zeit im Silicon Valley nannten wir dies immer den Silicon Valley-Tourismus.
Die Überzeugung, am nächsten großen „Ding“ zu arbeiten, und alle Konventionen über
Bord zu werfen, irritiert diese „Valley Touristen“, ohne dass diese dabei auch nur unter die
Oberfläche des Silicon Valleys blicken konnten. Zurück im Heimatland der Pipeline-Un
ternehmen führten die Erfahrungen der CXOs meist nur zu kosmetischen Maßnahmen in
den Unternehmen. Da betreten dann plötzlich Bärte, T-Shirts und Jeans tragende Vor-
stände die Bühnen der Öffentlichkeit. Leider reicht es nicht, die Kleider zu wechseln und
wie die jungen Gründer im Silicon Valley wirken zu wollen. Auf die Kultur im Silicon
Valley werfe ich im Abschn. 5.1 ein Schlaglicht. Die Vision von Brian Chesky, eine Spur
im Universum zu hinterlassen, wurde anfänglich von der Investorengemeinschaft im Sili-
con Valley nicht geteilt. Ganz im Gegenteil urteilten die Investoren kritisch über das Über-
nachtungskonzept [STONE]. Der holprige Start und das darauf folgende Wachstum von
Airbnb lassen sich aus der Abb. 3.4 plakativ nachvollziehen:
Nicht nur die Idee an sich ließ die Investorengemeinde in den frühen Anfangstagen von
Airbnb kalt, nach dem Motto: Wer macht denn so etwas, ein Zimmer an einen völlig
Fremden zu vermieten [STONE]? Eine völlig verrückte Idee! Auch der akademische Hinter-
grund von Brian Chesky und Joe Gebbia als Designer ließ das digitale Geschäftsmodell in
keinem seriösen Licht erstrahlen. Die Hartnäckigkeit und die Fortune der beiden Gründer
haben sich letztendlich dennoch ausgezahlt. In 2009 schafften sie es in die Winterklasse
des Investors „Y Combinator“ und erhielten eine erste Finanzierung von Investoren in
Höhe von 20.000 US-Dollar [TEIX]. In weiteren Finanzierungsrunden sprangen weitere
Investoren auf den langsam startenden Airbnb-Zug. Das anschließende enorme Wachstum
von Airbnb auf eine Marktkapitalisierung von 25 Mrd. US-Dollar in 2015 wurde somit
maßgeblich durch die Investitionen in das Airbnb Start-up-Unternehmen möglich. Als die
Risikokapitalgeber allmählich ihre Scheu vor dem digitalen Geschäftsmodell verloren,
konnte Airbnb in 8 Finanzierungsrunden auf Investitionsgelder in Höhe von über 2,39 Mrd.
US-Dollar von 32 Investoren wie Y Combinator, Sequoia Capital, Andreessen Horrowitz
und TPG Growth zugreifen [TEIX].
(Joe) 2007 (Nathan)
(Brian)
two guys in they think to rent they make 2 men, 1 woman after guests left they invited former room- launched at
San Francisco out 3 air mattresses a simple website showed up, they thought this mate as a co-founder SXSW – got two
can‘t pay on floor to people (a blog with maps) paying $80 each could be a big idea to build the site bookings
rent and serve breakfast airbedandbreakfast.com Brian, I hope
2009 2008 it’s not the only
idea you are (friend)
working on
went door-to-door in realized photos of were making $200 got $20,000 in sold “Obama O’s cereal before 2014
NYC and took photos places were not pretty a week for months, first funding the election, for $40 each making
of listed houses not growing from Paul Graham’s first money $30,000
one No Aha! Y Combinator
2010-2011
3.3 Auf huckepack mit Craiglist – Airbnb Case Study
week
later
made $400 a week were rejected Barry Manilow’s raised $600,000 raised $7.2 million,
started to grow by a famous VC (a famous singer) seed round then $112 million from
in New York (Fred Wilson) drummer rents an from Sequoia many investors $10 billion
entire house and Ashton Kutcher valuation
based on reports in Telegraph, WSJ and The Atlantic
Abb. 3.4 Wie Airbnb startete oder: wie drei Gründer aus der Vermietung einer Luftmatratze ein 10 Milliarden-Unternehmen machten
145
Was die Abb. 3.4 nicht zeigt, ist wie die Gründer von Airbnb das „Henne-Ei-Problem“
jeder zweiseitigen digitalen Plattform gelöst haben. Der Versuch, die ersten 1000 Miet-
kunden zu gewinnen, verlief sehr zäh und wurde von den Gründern als absoluter „Tief-
punkt“ bezeichnet [STONE]. Erst mit dem sogenannten „Craiglist Platform Hack“ gelang es,
eine größer werdende Anzahl an Kern-Interaktionen auf beiden Seiten der Airbnb-Platt
form zu etablieren. Bei Craiglist handelt es sich um eine Anzeigenwebsite, die Rubriken
wie Arbeitsstellen, Wohnungen, Partnersuche, Dienstleistungen sowie Diskussionsforen
anbietet. Die Anzeigenwebseite Craiglist hatte gegenüber Airbnb bereits eine sehr große
Anzahl an Nutzern auf der digitalen Plattform etabliert. Diese Nutzerbasis wollte Airbnb
anzapfen, um das eigene „Henne-Ei-Problem“ zu überwinden. Dazu wurde ein automati-
sierter Mechanismus entwickelt, mit dem Anbieter von Mietobjekten auf Craiglist eine
E-Mail erhielten, das Mietangebot auch auf Airbnb listen zu können.
Die Anbieter erhielten diese Mail-Angebot auch dann, wenn diese keine Mail-Ange
bote erhalten wollten [STONE, EL, CAP]. Die Mails wurden von einem GMail-Account aus
versandt und hatten prinzipiell einen weiblichen Absendernamen. Dieses Vorgehen spielte
sich anfänglich im Verborgenen ab, bis zu dem Zeitpunkt als dem Real Estate Entrepre-
neur Dave Gooden die steigende Popularität von Airbnb auffiel. Über das „Hucke
pack-Vorgehen“ von Airbnb auf Craiglist schrieb er 2011 einen Blog Post und bezeichnete
die Aktion von Airbnb als „black-hat operation“ (also Hacker-Operation). Mit dieser
Aktion konnte Airbnb mehrere tausend Anbieter von Mietobjekten täglich neu erreichen.
Allerdings führte dieses Vorgehen nicht zu dem gewünschten Resultat steigender Kern-In
teraktionen auf der Airbnb-Plattform. Denn Craiglist-Mietanbieter suchten prinzipiell
eher langfristige Mitbewohner oder unbefristete Mieter von Mietobjekten. Einige Monate
später änderte Airbnb die Taktik und versuchte nun, Airbnb-Vermieter auf die digitale
Craiglist-Plattform zu ziehen. Dazu wurde den Anbietern von Mietobjekten auf Airbnb
die Möglichkeit geboten, das qualitativ hochwertige Mietangebot auf Airbnb in einer
reduzierten Variante mit einem Mausklick auch auf der digitalen Craiglist-Plattform ein-
zustellen. Auf der Webseite von Airbnb stand der Hinweis, wonach das zusätzliche Listing
des Mietangebots auf Craiglist die durchschnittlichen Mieteinnahmen um 500 US-Dollar
erhöht [STO, TEIX].
Diese gänzlich neue Taktik ließ die Anzahl an Kern-Interaktionen auf der Airbnb-Platt
form schlagartig ansteigen. Das Vorgehen blieb den Craiglist-Managern nicht verborgen.
In 2012 erhielt Airbnb einen Brief vom Craiglist-Management mit der Aufforderung. das
oben skizzierte Vorgehen umgehend einzustellen. Das taten die Airbnb-Akteure dann
auch, aber die Taktik hatte bereits zu dem für Airbnb gewünschten Resultat ansteigender
Kern-Interaktionen auf der digitalen Airbnb-Plattform geführt. Die Mietangebote von
Airbnb auf Craiglist waren sehr viel ansprechender für die Craiglist-Nutzer als die origi-
nären Mietangebote von Craiglist – qualitativ höhere Fotos, personalisiertere und bessere
Beschreibungen der Mietobjekte. Dieser zusätzliche Nutzen für Mietinteressierte zog
diese nachhaltig auf die digitale Airbnb-Plattform. Die Mietinteressierten verließen im
gleichen Atemzug die digitale Craiglist-Plattform und buchten zukünftig über Airbnb eine
Übernachtungsmöglichkeit. Durch diesen Plattformwechsel erzielten die Anbieter von
Mietobjekten über das Mietangebot auf Airbnb deutlich mehr Umsatz als über das Ange-
bot auf Craiglist. Vergessen Sie dabei nicht, dass dieses Wachstum an Listings von Miet-
objekten auf der Craiglist-Plattform nahezu kostenlos für Airbnb möglich war [TEIX].
Zum weiteren Wachstum von Airbnb nutzte Nathan Blecharczyk das damals aufkei-
mende Werbesystem von Facebook. Dies erlaubte Unternehmen erstmals, ihre Werbung
auf die in den Facebook-Nutzer- Profilen hinterlegten Interessen und Hobbys hin zu per-
sonalisieren. Wenn also ein Facebook-Nutzer eine Präferenz für den Karate-Sport hatte,
dann versandte Airbnb eine personalisierte Werbebotschaft nach dem Motto: Miete ein
Zimmer bei einem authentischen Karate-Profi! Die Facebook-Werbebotschaften waren
preislich sehr günstig und die Nutzer tendierten in den Anfangszeiten dazu, auf diese
Werbenachrichten wie beabsichtigt zu reagieren und derart „personalisierte“ Mietange-
bote zu nutzen. Dieses Vorgehen beschleunigte das Wachstum der digitalen Airbnb-Platt
form. Einschränkend muss aber gesagt werden, dass Airbnb damals gar nicht in der Lage
war, Mietobjekte speziell für Karate-Liebhaber anzubieten [STO].
Die internationale Expansion von Airbnb erfolgte in jedem Land über „Nischenmärkte“
immer wieder von neu. Das Wachstum von Airbnb wurde maßgeblich von internationalen
Nutzern der Plattform befeuert. Am Beispiel von Frankreich in 2014 lässt sich das prinzi-
pielle Vorgehen kurz skizzieren. Innerhalb von Frankreich identifizierten die Airbnb-Ma
nager kleine, aber populäre Nischenmärkte beziehungsweise Ferienorte. Die eine Hälfte
der identifizierten kleinen Ferienorte wurde persönlich besucht, die andere Hälfte der
Ferienorte wurde mittels Facebook-Werbung wie oben beschrieben avisiert. Die eine
Hälfte der identifizierten Ferienorte besuchten zwei oder drei Airbnb-Mitarbeiter persön-
lich und analysierten die Marktlage. Zudem organisierten die Airbnb-Mitarbeiter lokale
Feste, Info-Veranstaltungen und stellten Informationsboxen auf, um das Konzept von
Airbnb den Menschen in den jeweiligen Ferienorten zu vermitteln.
Im Zuge dieser Aktivitäten sammelten die Airbnb-Mitarbeiter Adressdaten von interes-
sierten Vermietern. Die potenziellen Airbnb-Vermieter wurden im Nachgang wieder kon-
taktiert und ein mögliches Listing des potenziellen Mietobjektes angeboten. Die
Kosteneffektivität der Aktivitäten in beiden Hälften der identifizierten, kleinen populären
Ferienorte wurde minutiös analysiert. Im Endeffekt war die Aussendung von Mitarbeitern
in die eine Hälfte der identifizierten Ferienorte und die dazugehörigen Maßnahmen (Feste,
Informationsboxen etc.) in Bezug auf die Kosten pro Kundenakquisition (Vermieter) fünf-
mal besser als die Werbung per Facebook. Airbnb konnte durch diese nicht-skalierbaren
physischen Maßnahmen aus sich heraus doppelt so schnell wachsen. Die internationale
Expansion formulierte Rebecca Rosenfelt von Airbnb in 2014 unter dem Titel „Going for
Global“ bei einer Informationsveranstaltung. Dabei hob sie hervor, dass im Silicon Valley
viele denken, dass Airbnb ein gewachsenes Unternehmen sei. In der Realität aber war
Airbnb zu diesem Zeitpunkt ein „scrappy-startup“, das in jedem einzelnen Markt das
Wachstum immer wieder neu und kreativ erschließen musste [TEIX]. Die exponentiellen
Netzwerkeffekte traten ein, als Airbnb die bereits beschriebenen Maßnahmen, das Airbnb
Photography Program, die Wunschliste und das Re-Design der Webseite mit dem Herz als
charakterisierendes Airbnb-Logo, kombiniert umsetzte [TEIX02].
Weiteres Wachstum erfolgte flankierend über Übernahmen von relevanten Unterneh-

men, die zu einer Erweiterung der Kern-Interaktion von Airbnb beitrugen. Beispielsweise
übernahm Airbnb im Vorfeld der Olympischen Sommerspiele 2012 den in London ansäs-
sigen Konkurrenten „CrashPadder“. Damit konnte Airbnb das internationale Angebot
kurz nach den Olympischen Sommerspielen um 6000 weitere Mietangebotslistings erwei-
tern und avancierte so zum größten Vermittlungsplatz in Großbritannien. Es kam zu wei-
teren Übernahmen [WIKI30, EL]:
• „Localmind“ in 2012 bot eine ortsbasierte Frage- und Antwort-Plattform an, bei der
Nutzer Fragen zu spezifischen Orten stellen konnten, die dann von Experten in der
Region in Echtzeit beantwortet wurden.
• „NabeWise“ in 2012, das auf die Zusammenstellung von Informationen für spezielle
Orte spezialisiert war. Mit der Übernahme spezialisierte sich Airbnb anschließend auf
extrem lokale Empfehlungen für Reisende und startete diesen Service unter dem
Namen „Neighborhood“.
• Die App „PencilLabs“ aus Cambridge wurde von Airbnb in 2014 übernommen und
kombinierte Kalender und Messaging-Anwendung, um eine gemeinsame Terminfin-
dung zu erleichtern.
• Der Reise-Portal-Anbieter „Vamo“ wurde in 2015 übernommen. Vamo stellte komplette
Reisen mit unterschiedlichen Zielen, Hotels und Beförderungsmitteln zusammen. Mit der
Übernahme wurde der Dienst eingestellt und in die digitale Airbnb-Plattform integriert.
• Das in San Francisco beheimatete Start-up-Unternehmen „Lapka“ wurde im September
2015 übernommen. „Lapka“ konzentrierte sich auf die Erstellung von Sensorsystemen,
die in Verbindung mit Smartphones genutzt werden konnten. Die Hardwareerstellung
wurde mit der Übernahme eingestellt und die Mitarbeiter in die digitale Airbnb-Platt-
form integriert.
• Im April 2016 übernahm Airbnb das Unternehmen „ChangeCoin“, dessen Mitarbeiter
über eine Expertise in den Bereichen „Blockchain- und Bitcoin“ verfügen. Mit Chan-
geCoin kann man Trinkgelder direkt über soziale Medien wie Facebook oder Twitter
verteilen.
• „Trip4real“, das in Barcelona gegründete Unternehmen, bietet Citytouren, geführt von
Einheimischen an und punktet mit viel Insiderwissen bei den Kunden.
Sämtliche skizzierten Wachstumsmaßnahmen führten in unterschiedlicher Weise zu

Erweiterungen der Airbnb Kern-Interaktion. Es wird auch zukünftig zu Erweiterungen der
Kern-Interaktion von Airbnb kommen, denn das Übernahme-Karussell für Airbnb ist noch
lange nicht abgeschlossen.
Zu den wesentlichen Konkurrenten von Airbnb zählen bis heute Wimdu der Sam
wer-Brüder, die in Amsterdam beheimatete Hotelzimmerbuchungsplattform Booking.
com und Plattformen wie Expedia.Inc, Trivago, Hotels.com, Tripadvisor, Holidaycheck.
de und so weiter. Das bedeutet auch, dass die digitale Airbnb-Plattform nicht in einem
„Winner-take-all“-Markt aktiv ist beziehungsweise selbst solch eine Marktposition
einnimmt. Die Online-Buchungsplattform Booking.com aus Amsterdam begann als klei-

nes Start-up-Unternehmen im Jahre 1996. Die digitale Plattform bietet Gästen die Mög-
lichkeit an, Hotelzimmer, Bed-and Breakfast-Unterkünfte sowie Apartments online zu
suchen und zu reservieren. Dabei behält die digitale Booking.com-Plattform, das seit 2005
zur Priceline Group Inc. gehört, nur von den Hotelpartnern eine Servicegebühr ein. Für die
Hotelgäste ist der Service kostenlos [CAP]. Mit diesem Service hilft die Plattform den
Hotelbetreibern, die Auslastung der Hotels und die Reichweite deutlich zu erhöhen. Die-
ser Vorteil geht mit schwankenden Zimmerpreisen einher, abhängig von den bei Booking.
com eingesetzten Preis-Algorithmen. Weiter können Reisende zusätzliche Services über
das zu Booking.com gehörende digitale Buchungsportal „Online Travel Agent (OTA)“ bei
digitalen Plattformpartnern wie KAYAK, Reantalcars.com, Agoda.com und OpenTable
hinzubuchen [STO].
Ein direkter Wettbewerber ist die digitale Plattform Wimdu, deren Vision nach eigener
Auskunft so lautet: „Reisenden eine Möglichkeit zu geben, günstig und einfach qualitativ
hochwertige Apartments an den schönsten Orten der Welt zu buchen – und bei Interesse
auch als Gastgeber selbst sich Geld dazuzuverdienen, um vielleicht den Urlaub direkt zu
refinanzieren“ [SCHO]. Von der Konkurrenz wie Airbnb versucht sich Wimdu durch den
Fokus auf Professionalität, Kundenorientierung und City-Apartments abzuheben. Hin-
sichtlich Servicegebühren, Instrumenten zur Vertrauensbildung auf der digitalen Plattform
und anderen Aspekten ähnelt das digitale Geschäftsmodell sehr dem von Airbnb. In typi-
scher Manier der Samwer-Brüder betrachtet sich Wimdu als die „europäische Antwort auf
Airbnb“ [SCHO].
In 2011 gab es von Seiten der Samwer-Brüder Bemühungen, die digitale Wimdu-Platt
form an Airbnb zu veräußern. Davor warnte Howard Hartenbaum von August Capital die
Gründer von Airbnb bereits in einem frühen Stadium des Wachstums von Airbnb. Bei
einem gemeinsamen Abendessen sagte er den Gründern, dass es da die deutschen Brüder
gebe. Wenn es diesen Brüdern noch nicht aufgefallen sei, würden sie aber bald bemerken,
dass die digitale Airbnb-Plattform ein deutliches Wachstum aufzeigt. Sobald die Sam
wer-Brüder dies merkten, würden sie sehr kurzfristig eine Menge Geld („ton of money“)
auftreiben, um einen Airbnb-Klon aufzubauen. Damit gemeint sei letztlich Wimdu. Dann,
so Hartenbaum weiter, würden die Samwer-Brüder versuchen, die Airbnb-Gründer dazu
zu bewegen, den Airbnb-Klon aufzukaufen. Damit aber würde sich das Leben der Airbnb-
Gründer gravierend ändern. Wörtlich sagte Hartenbaum: „And they will make your life
miserable“ [STO]. So kam es denn auch. In 2011 tauchte Oliver Samwer bei den Airbnb-
Gründern auf und schwadronierte völlig von sich überzeugt von einem Merger zwischen
Wimdu und Airbnb. Die Airbnb-Gründer waren nach dem Meeting mit Oliver Samwer
völlig konsterniert. Aber der heutige CEO und Mitbegründer von Airbnb, Brian Chesky,
entschied sich nach reiflicher Überlegung gegen das „Angebot“ der Samwer-Brüder und
teilte seine Entscheidung einem nahezu wortlosen Oliver Samwer in einem schroffen
Telefonat mit [STO].
Wohin die Reise für Airbnb hingehen soll, zeichnet sich schon in Umrissen ab. Im
November 2016 gab Airbnb bekannt, dass man über den Dienst „Trips“ ganze Reisen über
die digitale Airbnb-Plattform planen und buchen können soll. Damit wird die Kern-Inter
aktion von Airbnb erweitert um Urlaubserlebnisse wie Ausflüge zu lokalen Sehenswür-
digkeiten oder Events wie „Kunst & Design, Sport oder Lifestyle“ [AIR]. Diesen Service
startete Airbnb in zwölf Städten – Los Angeles, Miami, San Francisco, Detroit, Havanna,
London, Paris, Florenz, Nairobi, Kapstadt, Tokio und Seoul. Zukünftig werden auch Flüge
auf der digitalen Airbnb-Plattform integriert, sodass ein ganzes Reiseprogramm erstellt
werden kann [BFC, EL]. Damit schwingt sich Airbnb auf zum direkten Konkurrenten
klassischer Reiseveranstalter. Den Schlüssel dafür bilden die mannigfaltigen Nutzerdaten
auf der digitalen Airbnb-Plattform. Bemerkenswerterweise hat auch Google eine Reise-
planer-App mit dem Namen „Trips“ in 2016 vorgestellt. Es scheint geradezu, als ob die
klassischen Reiseveranstalter keine adäquate Antwort auf die Herausforderungen durch
diese digitale Plattformen finden. An dieser Stelle lässt sich deutlich erkennen, wie die
digitale Plattform Airbnb den etablierten und noch stagnierenden Hotelmarkt zunehmend
aufbricht. Drei Elemente der Airbnb-Kern-Interaktion spielen dabei prinzipiell eine zen
trale Rolle:
• der Mehrwert privater Übernachtungsmöglichkeiten mit dem Insider-Wissen von Ein

heimischen,
• die Tendenz signifikant preisgünstiger zu sein als Hotels in derselben Region (Preis-
spanne zwischen 30 und 80 %) [TEIX02, EL],
• Airbnb reduziert für die Reisenden die Transaktionskosten bei der Suche und dem Ver-
gleich (Transparenz) von privaten Unterkünften; für die Gastgeber sinken die Transak-
tionskosten der Annoncierung von Unterkünften [BRÜH].
Mit der weltweiten Expansion von Airbnb in mehr als 34.000 Städten in über 190 Ländern
und mehr gebuchten Übernachtungen als die Hilton Gruppe (siehe Abb. 3.5) in toto [HAG]
fürchtet die Hotelbranche mittlerweile die digitale Plattform. Die reflexartige Reaktion
mündet nahezu immer in Versuchen, die Kern-Interaktion von Airbnb zu verbieten. Dabei
wird immer der Fehler gemacht, Airbnb mit einem Hotel gleichzusetzen. Diese Perspek-
tive vernebelt den Blick für die Chancen, die eine digitale Plattform wie Airbnb bietet.
Number of Time to 1 M Real estate

Company Founded Market cap
rooms rooms assets
Airbnb 1 M+ 2008 $25 B 7 years $0
Marriott 1.1 M 1957 $16 B 58 years $985 M
Hilton 745 K 1919 $19 B N/A $9.1 B
Intercontinental
727 K 1988 $9 B N/A $741 M
Hotel Group
Source: Reuters, Marriott, Intercontinental Hotels Group, Wikipedia, New York Times, Bamsec Data as of end of 2015
Abb. 3.5 Das erstaunliche Wachstum von Airbnb [HAG]

Betrachten wir doch kurz die Verdrängungseffekte von Airbnb auf die Hotelbranche. In
einer Analyse von Zervas et al. wurden der Einfluss beziehungsweise die Verdrängungsef-
fekte von Airbnb auf die Hotelindustrie beleuchtet. Aus der Analyse geht hervor, dass jede
Erhöhung des Angebots von Airbnb um 10 % zu einer 0,35-prozentigen Abnahme der
monatlichen Einnahmen pro Hotelzimmer in Texas und hier insbesondere in Austin führte.
Die Rechnung basierte auf Daten der texanischen Hotelindustrie und von Airbnb. Bemer-
kenswerterweise bekommen vor allem die Billighotels den Einfluss des Wachstums von
Airbnb zu spüren. Die von Airbnb betroffenen Billighotels senkten ihre Preise weiter, was
allen Übernachtungsgästen zugutekam [EICH]. Folglich schöpft Airbnb eine Nachfrage
nach Übernachtungsmöglichkeiten ab, die sich aus einem Angebot an neuen Übernach-
tungsmöglichkeiten beziehungsweise auch aus Nachfrageüberhängen nach Hotelzimmern
in einer bestimmten Region ergeben. Die Vermietung von privaten Unterkünften führte
primär zu einem zusätzlichen Angebot an Übernachtungsmöglichkeiten. Dieses zusätzli-
che Angebot kann in atemberaubendem Tempo entstehen, da eben keine Hotels gebaut
werden müssen, um weitere Kapazitäten schaffen zu können. Die im Vergleich zu Hotels
deutlich niedrigeren Übernachtungspreise erzeugen eine zusätzliche Nachfrage, die bei
der digitalen Airbnb-Plattform allein zu weltweit über 40 Mio. vermittelten Übernach-
tungsgästen geführt hat [EICH].
Auf der anderen Seite der Airbnb-Plattform können Airbnb-Mietanbieter Einkommen
aus der Vermietung des eigenen Wohnraums zur Finanzierung des Lebensstandards, von
Sonderausausgaben oder gar der gesamten regulären Lebenshaltungskosten generieren.
Dies ist das Ergebnis einer Studie des Beratungsunternehmens HR & A Advisors in San
Francisco im Auftrag von Airbnb. Weiter heißt es in der Studie, dass Airbnb-Reisende
über den Verlauf eines Jahres circa 12 Mio. US-Dollar für Übernachtungskosten an die
Airbnb-Vermieter (ohne die dreiprozentige Airbnb-Service-Gebühr) bezahlten sowie bei-
spielsweise 43,1 Mio. US-Dollar für Mahlzeiten und Getränke (11,8 Mio. US-Dollar),
10,8 Mio. für Einzelhandelskäufe, 9,8 Mio. US-Dollar für Entertainment und Transport-
dienste allein in San Francisco ausgaben. Außerdem verblieb der größte Anteil dieser
Ausgaben in der lokalen Wirtschaft und nicht wie bei kommerziellen Hotels an Holding-
gesellschaften zur Steuerersparnis oder aus anderen Gründen [GERON].
Um den weiteren ökonomischen Effekt der digitalen Airbnb-Plattform zu bestimmen,
hat Airbnb Forschungsaufträge vergeben, aber auch eigene Forschungen betrieben. Darin
ermittelte Airbnb den ökonomischen Effekt von Airbnb in 2013: in Barcelona 135 Mio.
US-Dollar, in Paris 185 Mio. US-Dollar, in Berlin 100 Mio. US-Dollar, in New York
632 Mio. US-Dollar und in San Francisco 469 Mio. US-Dollar [CAP].
Mit der digitalen Airbnb-Plattform sind auch offensichtliche Risiken und Nachteile
verbunden. Der Chef der Interconti-Hotels, Richard Solomons, beschreibt in einem Inter-
view mit der Frankfurter Allgemeinen Sonntagszeitung ein mögliches Risikopotenzial für
Airbnb-Vermieter: „Stellen Sie sich vor, Sie besitzen eine Altbauwohnung in einem Haus,
in dem einer der Miteigentümer, der mehrere Wohnungen hält, plötzlich beginnt, diese
nicht langfristig, sondern Nacht für Nacht zu vermieten. Ständig sind fremde Menschen
im Haus, die Sie nicht kennen, es herrscht ein permanentes Kommen und Gehen, eine
enorme Lärmbelästigung, vielleicht sogar ein Sicherheitsrisiko. Wäre das in Ihrem Sinne?
Wollte ich indes als Hotelier in Ihrem Wohnhaus eine kleine Pension betreiben, müsste ich
zumindest eine Gewerbeerlaubnis einholen“ [KLOEP]. Im Kern mündet diese kleine
Geschichte von Herrn Solomons in dem Vorwurf an Airbnb: „Für uns gelten strengere
Regeln als für Airbnb“ [KLOEP]. Das geschilderte Szenario ist im Vergleich mit der
gelebten Airbnb-Praxis völlig überzeichnet und kommt nur in vereinzelten Fällen so vor.
Außerdem wurde bereits gezeigt, dass Hotels in der Klasse eines Interconti von dem Ein-
fluss des Wachstums von Airbnb bisher verschont bleiben. Vielmehr scheinen hier ver-
steckte Ängste vor einem nicht einschätzbaren möglichen Konkurrenten der gesamten
Hotelbranche durch. Aus einem anderen Blickwinkel betrachtet könnte man argumentie-
ren, dass die Hotelbranche mögliche Innovationen verschläft, die von digitalen Plattfor-
men wie Airbnb oder Wimdu in Deutschland nun forciert werden.
Unbestritten sind einige Risiken mit dem Sharing-Wohnen à la Airbnb verbunden: Ver-
mieter fürchten möglicherweise Vandalismus und Diebstahl von Privateigentum. Auf der
Mieterseite herrscht die Sorge um die Qualität sowie Sicherheit einer angebotenen Unter-
kunft. Für den potenziellen Mieter wird die Informationsasymmetrie durch Airbnb weit-
gehend durch ausführliche Bildergalerien oder gar einen virtuellen Rundgang durch die zu
mietende Wohnung aufgehoben. Außerdem kann jeder Mieter die Mietunterkunft im
Anschluss an die Übernachtung auf Airbnb bewerten. Die Risiken für den Vermieter mini-
miert Airbnb durch umfangreiche Individualdaten potenzieller Mieter, die Buchung über
eine Kreditkarte und die Bewertungen von Mietinteressenten [EICH].
Dennoch bleibt immer ein Restrisiko für beide Seiten der Airbnb-Plattform. Mit dem
Risiko des Vandalismus hat Airbnb im Übrigen auch schon bittere Erfahrungen sammeln
müssen. Dabei verursachten die Airbnb-Manager ein Public Relations-Desaster im Nach-
gang der ersten bekannt gemachten Verwüstungen von Mietobjekten, die über die digitale
Airbnb-Plattform vermittelt wurden. Die Gründer von Airbnb verweigerten jegliche Ver-
antwortung für die Verwüstungen und waren auch nicht bereit, die Opfer für die Verwüs-
tungen zu entschädigen [EL, TEIX02, STO]. Auf die öffentliche Aufregung über das
Management der Folgen von Mietobjektschäden oder Diebstahl von Privateigentum
musste Airbnb letztendlich reagieren. Am 1. August 2011 veröffentlichte Brian Chesky
eine auflagenfreie Entschuldigung über den Airbnb-Blog. Gleichzeitig verkündete Chesky,
dass Airbnb für Schäden durch Vandalismus oder Diebstahl von Privateigentum eine
Garantie bis zu einer Höhe von 50.000 US-Dollar gewähre. Damit nicht genug: Airbnb
ging mit Lloyds of London im Mai 2012 eine Partnerschaft ein, um diese Garantie auszu-
weiten. Mit dieser Maßnahme wird jede Buchung mit einer Vermieter-Garantie bis zu
einer Höhe von 1.000.000 US-Dollar abgesichert. Abgesichert sind aber beispielsweise
nicht Bargeld, seltene Wandgemälde, Schmuck oder auch Hunde [EL, TEIX02]. Die Ver-
sicherungsgarantie in Höhe von 1 Mio. US-Dollar bildet für Airbnb eine der wichtigsten
Säulen, um nachhaltiges Vertrauen bei Vermietern von Unterkünften zu erzeugen.
Es kann auch zu externen Effekten kommen, wie einem häufigen Mietwechsel, der sich
verfestigen kann. Noch gravierender kann sich der Kauf von Wohnimmobilien zur gewerbs-
mäßigen Vermietung über digitale Sharing-Wohnplattformen wie Airbnb preistreibend
auf den lokalen Wohnungsmarkt auswirken. Ja, und natürlich besteht das Risiko des
zusätzlichen Wettbewerbs für die lokale Hotelbranche [EICH]. Insbesondere die Stadtver-
waltung in Berlin geht gegen die sogenannte Zweckentfremdung von Wohnraum gericht-
lich vor. Im Kern geht es um die Vermietung von ganzen Wohnungen als Ferienwohnungen
und besonders um die gewerbsmäßige Vermietung. Diese Praxis ist in Berlin prinzipiell
nicht mehr möglich. Wer in Berlin ganze Wohnungen als Ferienwohnung über Airbnb und
Co. anbietet, riskiert ein Bußgeld von bis zu 100.000 € [HEC02, AKN, LOY]. Trotz dieser
gerichtlichen Entscheidungen finden sich immer noch zahlreiche Mietangebote für ganze
Wohnungen in Berlin auf der Airbnb-Webseite in Berlin (Stand Juni 2017).
Der Berliner Senat hat 2016 für insgesamt zwölf Bezirke der Stadt 64 zusätzliche
Stellen bewilligt, um jede auf Airbnb und Co. angebotene Wohnung daraufhin zu prüfen,
ob diese legal angeboten wird [MSC]. In Berlin ist es aber weiterhin legal möglich, ein-
zelne Zimmer einer Wohnung oder die ganze Wohnung während des eigenen Urlaubs
über beispielsweise die digitale Airbnb-Plattform zur Vermietung anzubieten [LOY]. Die
Stadt Berlin hat weltweit die restriktivsten Regeln für digitale Wohnungssharingplattfor-
men etabliert. Ähnliche Regelungen hat auch die Verwaltung in New York getroffen,
wonach Bußgelder bis zu 7500 US-Dollar zu zahlen sind, wenn man als Hauptmieter
seine Wohnung für weniger als 30 Tage untervermietet [RÖP, AKN]. Andere Städte in
Europa wie London, Lissabon, Paris, Mailand und Amsterdam arrangieren sich tenden
ziell mit Airbnb. Das ist für Airbnb auch sehr wichtig, denn mehr als die Hälfte aller
weltweiten Listings (Mietangeboten) auf der digitalen Airbnb-Plattform finden sich mitt-
lerweile in Europa. Der Hebel für Airbnb ist das mögliche Aufkommen von Touris-
mus-Steuern, verursacht durch die Vermietung von Wohnraum über die digitale
Airbnb-Plattform. Mit der Stadt Amsterdam hat Airbnb ein Test-Pilotprojekt gestartet,
das zu circa 5,5 Mio. € an Tourismus-Steuern für die Stadtverwaltung von Amsterdam in
2015 führte [HEC02]. Die automatische Einbehaltung von Übernachtungssteuern
bewerkstelligte Airbnb bereits für 200 Städte in 2016. Diese Maßnahme will Airbnb laut
Brian Chesky in 2017 deutlich ausweiten und plant, mit 500 weiteren Städten Steuerver-
einbarungen zu schließen. Beispielsweise behält Airbnb für private Übernachtungen in
Paris 0,83 € pro Nacht automatisch als Übernachtungssteuer ein und leitet diese an die
Stadtverwaltung von Paris weiter [DP].
Zudem formiert Airbnb über einer Art digitaler Public Relations-Plattform namens
„Peers“ Unterstützer unter den Nutzern der Airbnb-Plattform zu einer Community, die
dann Lobbyarbeit in den jeweiligen Städten betreiben, um Mietverbote ganzer Wohnun-
gen aufheben zu lassen. Denn ganze Wohnungen zu vermieten, ist weit lukrativer für
Airbnb als ursprünglich nur eine Luftmatratze mit Frühstück anzubieten [KLA]. Auf der
Gegenseite hat sich in San Francisco beispielsweise die Organisation „Share Better“ gebil-
det, in der sich – unterstützt von der Hotelbranche – Nachbarschafts-Organisationen,
Eigentümer und Gewerkschaftsvertreter zusammengeschlossen haben und Front gegen
Airbnb machen [HEC02]. In 2016 hat diese Organisation einen Anti-Airbnb-Spot in Auf-
trag gegeben, der im US-Fernsehen ausgestrahlt wurde. Darin klagt eine Nachbarin durch-
aus theatralisch über die Angst und den Schrecken, den Airbnb-Nutzer in ihrem Haus
verbreiten. Darauf antwortete die digitale Airbnb-Plattform mit einer Beschwerdefunktion
für Nachbarn [HEC02].
Ein weiteres Problem mit Airbnb besteht in dem teilweise laxen Umgang mit Nutzer-
daten. Zum einen erhebt Airbnb zur Identitätsprüfung umfangreiche persönliche Daten
von Mietern. Ohne diese Identitätsprüfung ist die Nutzung der Dienste von Airbnb für
Mieter nicht mehr möglich. Neben einer Mail-Adresse muss jeder Mieter folgende Daten
angeben: Profilbild, eine durch SMS oder Anruf bestätigte Telefonnummer, ein personali-
siertes Zahlungsmittel wie Kreditkarte oder PayPal und die Zustimmung zur Einhaltung
der Hausregeln. Die Datenverarbeitung erfolgt prinzipiell weltweit und insbesondere in
den USA, ohne dass die Nutzer wissen, was Airbnb mit den auf der Plattform anfallenden
Nutzerdaten genau macht. Die Nutzer der Plattform können nicht eruieren, wie die Algo-
rithmen auf der digitalen Airbnb-Plattform aufgebaut sind oder wozu sie genutzt werden.
Zudem nutzt der von Airbnb zur Prüfung der amtlichen Dokumente genutzte US-Dienst
leister Jumio alle übermittelten Dokumente und Daten zu beliebigen Geschäftszwecken
[WIKI30]. Das Problem der Diskriminierung bestimmter Bevölkerungsgruppen über die
Algorithmen der digitalen Airbnb-Plattform sorgt immer wieder für Aufregung in den
Medien. In einer Feldstudie in 2016 wurde von drei Forschern der Harvard Business
School ermittelt, dass auf Airbnb Anfragen von Gästen in den USA mit afroamerikani-
schem Namen mit einer um 16 % höheren Wahrscheinlichkeit abgelehnt werden [PEN].
Mit Diskriminierungsvorwürfen dieser oder ähnlicher Art sieht sich auch immer wieder
die digitale Fahrtvermittlungsplattform Uber konfrontiert (siehe Abschn. 3.4).
Nach den bisherigen Ausführungen ist die Bewertung der digitalen Airbnb-Plattform
durch den von mir geschätzten Philosophen Han Byung-Chul in einem Gastbeitrag in der
Süddeutschen Zeitung mit dem Titel „Warum heute keine Revolution möglich ist“ weitaus
differenzierter zu betrachten: „Airbnb, der Community-Marktplatz, der jedes Zuhause in
ein Hotel verwandelt, ökonomisiert sogar die Gastfreundschaft“ [HAN03]. Sie sollten an
dieser Stelle des Buches leicht in der Lage sein, diese Aussage zu entkräften.
3.4 Wir sind kein Taxiunternehmen – Uber Case Study
In Puerto Rico wirbt der digitale Vermittlungsdienst Uber für Fahrdienstleistungen mit
dem Slogan „Uber bewegt San Juan, Puerto Rico“. Im Prinzip meint Uber damit, dass
man sich in die Uber-App einloggt und einfach eine Fahrt mit einem privaten Fahrer
bucht. Allerdings gestaltet sich die praktische Fahrt dann doch etwas anders als in ande
ren Teilen der Welt. Die Journalistin Heike Kaufhold berichtet in einem Artikel von ihrer
Uber-Fahrt in Puerto Rico. Nach dem Einsteigen ins Fahrzeug sollte sie sich unbedingt
auf den Vordersitz setzen, damit der Fahrer nicht als Uber-Fahrer von den lizensierten
Taxifahrern identifiziert werden kann. Dann loggen sich die privaten Uber-Fahrer umge-
hend nach dem Zustieg des Fahrgastes aus dem Uber-App-System aus, damit Taxifahrer
ihn nicht nachverfolgen können. Denn die lizensierten Taxifahrer verwenden die Uber-
App auch dazu, um private Uber-Fahrer insbesondere vor Hotels oder am Flughafen
abzufangen und teilweise zu verprügeln [LOY]. Diese Reaktion von Mitgliedern des
Taxigewerbes ist sehr drastisch. Aber das digitale Uber-Geschäftsmodell hat in vielen
3.4 Wir sind kein Taxiunternehmen – Uber Case Study 155
Städten zu Protesten des Taxigewerbes geführt. Auch in Europa wurden in 2014

Uber-Fahrer beispielsweise in Paris und Lyon von Taxifahrern angegriffen. Am 11. Juni
2014 kam es zu zahlreichen Protesten von Taxifahrern in Europa gegen Uber [WIKI37].
Das teilweise polternde Auftreten des ehemaligen Uber CEO, Travis Kalanick, in der
Öffentlichkeit gegenüber dem Taxigewerbe hat die Situation wohl kaum entschärft. Aller-
dings wurden viele Kunden durch die Proteste der Taxifahrer erst auf die digitale
Uber-Plattform aufmerksam.
Mittlerweile wird Uber in mehr als 50 Ländern angeboten und für 2015 wurden 11 Mrd.
US-Dollar Bruttoerlöse für „Uber-Fahrten“ prognostiziert. Von diesen Bruttoerlösen flie-
ßen rund 2 Mrd. US-Dollar an die digitale Uber-Plattform [BMWi02].
Bevor wir den Konflikt zwischen Uber und dem Taxigewerbe etwas näher beleuchten,
wechseln wir die Perspektive auf die privaten Fahrer bei Uber. Dass ein Online-Fahr
dienstvermittler wie Uber entstehen und sich etablieren kann, ist mit einer zentralen Frage
verbunden: Das eigene Auto teilen – warum eigentlich nicht? Der Schweizer Zukunftsfor-
scher, Lars Thomson, hat drei Faktoren identifiziert, die erklären, warum das Interesse,
private Güter mit Fremden zu teilen, in der Gesellschaft stetig ansteigt:
• Die neuen technologischen Möglichkeiten wie die unkomplizierte Buchung über Apps
und digitale Plattform-Portale. Der Autoschlüssel lässt sich zunehmend durch Codes,
Chips und spezielle Connectivity-Boxen ersetzen. Das erleichtert das Carsharing und
die Abrechnung der Fahrdienstleistung erfolgt automatisiert und transparent für alle
Nutzer der digitalen Uber-Plattform.
• Das neue Beziehungsverhalten über soziale Netzwerke wie Facebook oder Twitter, das
zu einem neuen Miteinander führt. So kommen Freunde und Bekannte nicht mehr nur
aus der Familie, der Nachbarschaft oder dem Kollegenkreis. Die Distanz zwischen den
Menschen verkürzt sich und über transparente Bewertungssysteme wird eine Vertrau-
enskultur etabliert, die das Teilen privater Güter wie das eigene Auto erleichtert.
• Der Wertewandel in der Betrachtung eines Autos, weg vom Eigentum hin zum Teilen.
Dies gilt für die Menschen in vielen Ländern eher als für die Autoenthusiasten in Deutsch
land. Hierzulande geht der Tesla Model S fahrende Trendforscher Matthias Horx sogar so
weit zu sagen, dass „… das Auto der letzte Cocooning-Raum …“ ist [GEIG].
Neben der digitalen Uber-Plattform mit der Vermittlung von privaten Fahrten in Privat-
fahrzeugen etablieren sich auch immer mehr professionelle Carsharing-Anbieter im
Markt. Dahinter stehen überwiegend Automobilhersteller, die zu der Erkenntnis gelangen,
dass man das eigene Geschäftsmodell wohl ändern muss, wenn das Eigentum am Auto
prinzipiell in der Gesellschaft an Bedeutung verliert. Das Selbstverständnis der Automo-
bilhersteller verändert sich im Zuge der aufstrebenden digitalen Uber-Plattform und dem
veränderten Wertewandel in der gesellschaftlichen Wahrnehmung des Eigentums von
Autos. Deswegen initiierte der Automobilhersteller Opel den Carsharing-Dienst
„CarUnity“ mit mittlerweile 5000 Autos, die von einer fünfstelligen Anzahl an Nutzern
genutzt werden [GEIG]. Der Stuttgarter Daimler-Konzern stellt mit dem frei flottierenden
Carsharing und insgesamt zwei Millionen Nutzern den größten Carsharing-Anbieter welt-
weit dar. Weiter vorangetrieben wird die Ausbreitung von Carsharing-Angeboten durch
neue technologische Möglichkeiten, sobald das Auto mit dem Smartphone geöffnet wer-
den kann und keine Schlüsselübergabe mehr nötig ist.
Das Carsharing bildet ein Element der globalen Strategie von Daimler und findet sich
auch in dem Schriftzug für die zukünftige Ausrichtung von Daimler – CASE: „Connec-
ted“, „Autonom“, „Shared“ und „Elektrisch“ [DAIM]. Die Anstrengungen von Daimler
stecken beim „Peer-to-Peer“-Sharing im Vergleich zu Uber aber noch in den Kinderschu-
hen. Ob die Automobilhersteller mit den Carsharing-Angeboten tatsächlich neue Kunden
für ihre Autos gewinnen können, ist unklar. Der Gewinn aus diesen Aktivitäten beträgt für
Daimler bisher 0 Cent [MECK]. Es scheint doch eher so zu sein, dass die Carsharing-An
gebote eine erweiterte Möglichkeit für „Probefahrten“ von Fahrzeugen aus der eigenen
Fahrzeugflotte darstellen. Zukünftig müssten sich die Carsharing-Angebote stark verbrei-
ten, damit dies zu einer zukünftigen Ertragssäule für die Automobilhersteller wird. Dann
aber wildern die Carsharing-Angebote der Automobilhersteller im Revier von Uber. Das
umso mehr, wenn es gelingt, ein Auto aus der Carsharing-Flotte von überall aus per
Smartphone per Klick zu buchen und wenn das Fahrzeug dann innerhalb von wenigen
Minuten vor dem Standort des anfragenden Fahrgastes zur Nutzung bereitsteht.
Verstärkt wird dies noch, wenn das Fahrzeug an einem beliebigen Standort abgestellt
werden kann. Dann sind wir aber schon bei selbstfahrenden und hochvernetzten Autos
angekommen. Mit dieser Entwicklung wird der Wertewandel in der gesellschaftlichen
Bewertung eines Autos weiter befeuert, und zwar von Online-Fahrdienstvermittlern wie
Uber und professionellen Carsharing-Angeboten. Insgesamt würde sich die Auslastung der
auf den Straßen fahrenden Autos erhöhen und die Anzahl an Autos deutlich reduzieren.
Die Aktivitäten der digitalen Plattformriesen Uber, Apple, Google und Co. in Bezug
auf selbstfahrende Autos erhöhen den Druck auf die etablierten Automobilhersteller, sich
zu verändern. An dieser Stelle wird klar, dass nicht nur das meist abgeschirmte Taxige-
werbe von Uber zunehmend unter Druck gerät, sondern auch die in der Vergangenheit oft
verwöhnten Automobilhersteller. Die digitalen Spieler im Silicon Valley machen aus ihren
Zielen kein Geheimnis. Das kommt auch in der Lieblingsanekdote von Dieter Zetsche klar
zum Ausdruck: Der Daimler-Vorstand verabschiedete sich von den jungen Wilden einer
der zahllosen Start-up-Klitschen im Silicon Valley mit den Worten „Good Luck“. Die
Start-up-Pioniere entgegeneten Dieter Zetsche mit den Worten: „Das Glück braucht ihr,
wenn ihr mit eurer Firma überleben wollt“ [MECK].
Im nächsten Schritt werfen wir einen genaueren Blick auf die schematische Architektur
des digitalen Uber-Plattform-Geschäftsmodells. Der Ursprung für den in San Francisco
beheimateten digitalen Plattform-Vermittlungsdienst zur Personenbeförderungen Uber
hängt mit einem Mann in der Spionagewelt zusammen, der untrennbar mit folgendem Zitat
verbunden ist: „Gerührt und nicht geschüttelt“. Jawohl, die Rede ist von Ian Flemmings
Agent 007 – James Bond. Der Mitgründer von Uber Garrett Camp sah Mitte 2008 an einem
Nachmittag zufällig den ersten Film („Casino“) mit Daniel Craig als James Bond in seinem
großen Appartement in San Francisco. Eine Szene in dem James Bond-Film machte einen
besonderen Eindruck auf ihn. Als James Bond in dem Film mit seinem Ford Mondeo auf
den Bahamas hinter seinem Gegner „Le Chiffre“ hinterher war, blickte er auf sein Sony
Ericsson-Mobiltelefon. Was Garrett Camp besonders auffiel, war, dass James Bond auf
dem Display des Sony Ericsson-Mobiltelefons den Verlauf des Ford Mondeo zu seinem
Ziel „Ocean Club“ als Symbol auf einer digitalen Straßenkarte in Echtzeit nachverfolgen
konnte. Die Vision in dem James Bond-Film wird durch Apples iPhone und die Etablierung
des iTunes Stores mit seinem Apps-Ökosystem möglich, dachte Garrett Camp damals.
Zudem, so Camp, konnte man mit dem iPhone nicht nur auf einer digitalen Straßen-
karte auf dem Display den Ort eines Objektes bestimmen, sondern auch, ob das Objekt in
Bewegung ist. Damit konnte das iPhone wie ein Taxameter fungieren und die Fahrten
konnten für die zurückgelegte Strecke nach der verstrichenen Zeit oder der Länge der
Wegstrecke abgerechnet werden. Als Garrett Camp diese Möglichkeit erkannte, wollte er
unbedingt diesen Dienst realisieren. Im August 2008 registrierte er den Domain-Namen
„UberCab.com“ [STO]. In diesem Namen steckt noch das „Cab“ mit dem deutlichen Hin-
weis auf das Taxigewerbe. In der Anfangsphase konzentrierte sich UberCab auf den
Nischenmarkt San Francisco [CHATT] mit dem High-End-Personenbeförderungsservice
„UberBLACK“ (siehe unten). Den Ausgangspunkt bildete ein Nischenmarkt ganz nach
den Regeln des „Playbooks“ für digitale Plattformen (siehe Abschn. 3.1). Am 24. Oktober
2010 wurde der Firmenname von UberCab in Uber umgewandelt, um die unterstellte
Nähe und Vergleichbarkeit zum Taxigewerbe zu vermeiden. Damit versteht sich Uber als
Vermittler von Fahrdienstleistungen über eine digitale Plattform und nicht als klassisches
Taxiunternehmen.
Das Leistungsspektrum von Uber umfasst unterschiedliche Dienste [BAB, WIKI37]:
• Uber startete mit einem durchaus teuren, aber exklusiven Service, genannt „Uber-
BLACK“. Dabei werden Fahrgäste an professionelle Fahrer mit High-End-Fahrzeugen
vermittelt. Über „Uber SUV“ konnten Fahrgäste größere Fahrzeuge für einen Premium
aufschlag anfordern. „Uber LUX“ war der teuerste Service, mit dem Fahrgäste High-
End-Fahrzeuge wie den Porsche Panamera oder die BMW 7er-Serie anfordern konnten.
• Mit dem Service „Uber Pop“, der in Europa mit Ausnahme von Großbritannien UberX
genannt wird, werden private Fahrer mit eigenen Fahrzeugen an Fahrgäste vermittelt.
• Außerdem hat Uber mit „Uperpool“ einen Ridesharing-Dienst eingeführt, bei dem sich
mehrere Fahrgäste eine Fahrt teilen können, die entlang einer gemeinsamen Route ver-
läuft. Die Abrechnung der geteilten Kosten erfolgt automatisch über die Uber-App.
Prinzipiell erfolgt die Vermittlung der Fahrten über eine Smartphone-App oder die Inter-
net-Webseite der digitalen Uber-Plattform. Bei Uber handelt es sich um eine zweiseitige digi
tale Plattform, über die Fahrgäste mit der mobilen Uber-App eine Fahranfrage an Uber senden
können, die dann von Uber an unabhängige Fahrer mit eigenen Fahrzeugen weitergeleitet
wird. Die digitale Uber-Plattform hat durch indirekte Netzwerkeffekte ein enormes Wachs-
tum erzeugen können, das für die Plattform selbst und die beiden Seiten der Plattform positiv
ist. Denn je mehr Fahrgäste den Uber-Service nutzen, desto höher ist die Auslastung bei den
Fahrern. Durch die effizientere Auslastung der Fahrzeuge geht prinzipiell ein höherer Umsatz
einher, der die digitale Plattform für potenzielle Fahrer attraktiver macht. Im gleichen Atem-
zug bedeutet dies: Je mehr Fahrer sich auf der digitalen Uber-Plattform registrieren, desto
besser ist die geografische Abdeckung mit verfügbaren Fahrzeugen für Fahrgäste. Denn eines
scheut die Plattform wie der Teufel das Weihwasser: die Anzeige „Null Fahrzeuge verfügbar“
(von den Uber-Gründern als „zeros“ bezeichnet [STO]) auf den Smartphone-Displays der
Fahrten anfragenden Fahrgäste. Mit der größeren geografischen Abdeckung verfügbarer
Fahrzeuge verringern sich in der Regel die Wartezeiten für Fahrgäste. Die geografische Abde-
ckung wird immer dann brisant, wenn die Nachfrage nach Fahrten das Angebot übersteigt
und das über Algorithmen automatisiert gesteuerte „surge pricing“ einsetzt. Also je mehr
Fahrer sich innerhalb einer geografischen Region registrieren, desto geringer sind in der
Regel auch die Fahrtkosten für die Fahrgäste, sogar beim „surge pricing“.
Dass sich Uber zur spürbaren Konkurrenz für das Taxigewerbe entwickelt, liegt an dem
automatisierten Service von Uber, der keine technischen Kapazitätsbeschränkungen hat.
Außerdem sinken die durchschnittlichen Vermittlungskosten je Fahrgast für die digitale
Uber-Plattform, je mehr Fahrten Uber insgesamt vermittelt. Der automatisierte Service
von Uber, der zu positiven Netzwerkeffekten fähig ist, umfasst das Matching von Fahrgast
und Fahrer, die Preisgestaltung, die Zahlungsabwicklung und die Bewertungen beider Sei-
ten der Plattformen [BRÜH]. Also der gesamte Prozess der Fahrtenvermittlung ist auto-
matisiert und läuft möglichst reibungslos für die Nutzer der digitalen Plattform ab. Damit
gehen geringe Transaktionskosten für die Plattform einher, die mit der Anzahl der vermit-
telten Fahrten noch weiter sinken. Natürlich agiert Uber mit dem eigenen digitalen
Geschäftsmodell prinzipiell in einem „nicht-regulierten Markt“, wodurch die positiven
Netzwerke erst möglich werden. Denn ein durchregulierter Tax-Markt erstickt die not-
wendigen Voraussetzungen für positive Netzwerkeffekte.
Mit der Uber-Kern-Interaktion wurde die Art und Weise, wie ein Nutzer eine private
Beförderungsmöglichkeit in Anspruch nehmen kann, gravierend verändert. Die in die
Uber-App integrierte Google Maps-App macht es möglich, dass der Fahrgast in Echtzeit
nachverfolgen kann, wo sich die am nächsten verfügbaren Fahrzeuge befinden. Über die
Uber-App kann dann der Treffpunkt auf dem Display des Smartphones bestimmt und ein
verfügbares Fahrzeug gerufen werde, um den Fahrgast dort abzuholen. Der Fahrgast kann
mit der Uber-App zahlreiche Informationen über die verfügbaren Fahrer abrufen. Dies
beinhaltet auch die Bewertungen der Fahrer. Der Uber-Fahrer sendet nach Auswahl durch
den Fahrgast dann eine Bestätigung an den Fahrgast oder ruft an, um den Fahrwunsch zu
bestätigen. Der Fahrer holt den Fahrgast am vereinbarten Abholpunkt ab und befördert den
Fahrgast dann an sein gewünschtes Ziel. Nachdem der Fahrgast sein Ziel erreicht hat, wird
wie Kreditkarte oder das PayPal-Konto des Fahrgastes automatisch belastet. Danach haben
Fahrgast und Fahrer die Möglichkeit, sich auf der digitalen Uber-Plattform gegenseitig zu
bewerten. Dann ist die Kern-Interaktion vollständig und erfolgreich abgeschlossen. Der
dargestellte Prozess und das digitale Uber-Geschäftsmodell wurden von einer digitalen
Geschäftsmodellplattform „Dragon1“ [DRA] (siehe Abb. 3.6) schematisch abgebildet.
Die darin enthaltende Uber-Kern-Interaktion ergibt sich schematisch aus der Abb. 3.7.
Quick, Safe and Cheap Transport Making Extra Money Providing Smart Transport
The Internet
The Uber System
Client App Driver App
Cab Driver (A Mom) Back Office Worker

Cab Client (A Tourist)
Checking out the Rating the Driver

Driving to Signing up
Cab Drivers
Pick Up Point Paying for as Driver Updating Cab, Interesting
Tracking the Platform Driver and Clients
3.4 Wir sind kein Taxiunternehmen – Uber Case Study
Ordering the Ride Rides data and Drivers

Paying for
Selecting A a Cab
the Ride
Cab Driver Fee
Riding a Cab Fee
Uber Head Quarters
Pick Up Point Delivery Point
Abb. 3.6 Der Fahrvermittlungsprozess im digitalen Uber-Geschäftsmodell [DRA]

159
Abb. 3.7 Die schematische Ein Fahrzeug

Kern-Interaktion der digitalen anfragen
Uber-Plattform per Uber App
Automatisierte
Bezahlung & „Matching“
Bewertung Uber Fahranfrage
des Fahrers mit Fahrer
Bewertung
Fahrer Fahrgast
Fahrt im
Fahrzeug
Der Fahrpreis und damit die Monetarisierung der Uber-Kern-Interaktion setzt sich aus
drei Komponenten zusammen: Basistarif, zeitabhängiger (pro Minute)/entfernungsabhän-
giger Tarif und dynamisches Preismanagement [TEIX]. Das Preismanagement „surge
pricing“ wird auch als akuter Preisanstieg bezeichnet und folgt den Angebots-/Nachfrage-
prinzipien in einem Markt. In der Praxis konzentriert sich das dynamische Preismanage-
ment „surge pricing“ bei Uber mittels Algorithmen auf schnell steigende Preise, wenn die
Nachfrage das Angebot weit übersteigt. Diese Praxis beispielsweise in der Rushhour oder
am Silvesterabend stieß bei den Fahrgästen auf herbe Kritik und erzeugte teilweise mas-
sive „Shitstorms“ in den sozialen Medien. Einigen Medienberichten zufolge schlug der
algorithmenbasierte Preismechanismus von Uber so stark aus, dass Tarife von den Fahr-
gästen abgerufen wurden, die 8,9–9,9 mal so hoch waren wie durchschnittliche Fahrtarife.
An einem Silvesterabend funktionierte der Surce Pricing-Mechanismus auf der digitalen
Uber-Plattform nicht korrekt. Das führte dazu, dass die Kanadierin Matt Lindsay laut CBC
News am Silvesterabend für eine einstündige Uber-Fahrt mit mehreren Stopps eine Rech-
nung über 1114,71 Kanadische Dollar erhielt [EP].
Trotz dieser Ausreißer ermöglicht Uber mit dem Surge Pricing dynamische und mark-
träumende Preise. Da die Nachfrage und das Angebot bei Uber elastisch sind, erhöht dies
die positive Wohlstandswirkung von Preisanpassungen. Der Surge Pricing-Mechanismus
ist rein technisch betrachtet effizient und wohlstandsfördernd, da die Anzahl an angebote-
nen Fahrten maximiert wird [BRÜH]. Wenn also die Nachfrage schlagartig ansteigt, blei-
ben Fahrgäste zu Hause oder nutzen alternative Fortbewegungsmittel. Im Gegenzug bieten
mit einem Preisanstieg mehr Fahrer ihre Fahrzeuge für Fahrten an. Dies schwächt den
Nachfrageüberhang bis zu einem temporären Gleichgewicht, wenn sich Nachfrage und
Angebote, gesteuert über die Preise, die Waage halten.
Bei den obigen Diskussionsbeiträgen zu extremen Surge Pricing-Beispielen geht es
mehr um Emotionen, denn um ökonomische Sinnhaftigkeit. Denn Preisdiskriminierungen
gibt es in zahlreichen Bereichen wie der Buchung von Flugtickets oder Elektrizität und sie
werden von breiten Schichten der Bevölkerung auch akzeptiert. Davon abgesehen ermög-
lichen die auf der Uber-Plattform anfallenden Nutzerdaten eine immer besser werdende
Prognose und Koordination von Angebot und Nachfrage, was die Uber-Servicequalität im
Zeitablauf weiter erhöht.
Das disruptive Element von Uber offenbart sich nicht darin, einen Aspekt des Beförde-
rungsgeschäfts zu modernisieren. Vielmehr wird das gesamte Kundenerlebnis der Perso-
nenbeförderung „end-to-end“ vereinfacht und kundenfreundlicher gestaltet: mobile
Fahranfragen über die Uber-App auf Smartphones, reibungslose und automatisierte
Bezahlungssysteme, bessere Autos, keine Trinkgelder und die Bewertung von Fahrern.
Mit diesem neuen End-to-End-Personenbeförderungserlebnis löste Uber ein alltägliches
Problem für Millionen von Menschen [TEIX]. Denn die Uber-Services beseitigten die
Probleme der Unsicherheit und die mangelnde Serviceorientierung etablierter Taxiunter-
nehmen [CHATT]. Die Unsicherheit betrifft die Wahrscheinlichkeit, beispielsweise ein
wichtiges Meeting in der Rushhour nicht erreichen zu können, da keine Taxis verfügbar
sind. Über die Uber-App lässt sich ein Fahrer abrufen, der Aufenthaltsort des ankommen-
den Autos lässt sich auf dem Smartphone-Display nachvollziehen und die erwartete
Ankunftszeit ablesen. Das erklärte Ziel von Uber ist, jedem Fahrgast innerhalb von drei
Minuten ein Fahrzeug abfahrbereit bereitzustellen. Das gesamte transformative Potenzial
von Uber geht über das veränderte End-to-End-Kundenerlebnis der Personenbeförderung
hinaus. Die digitale Plattform Uber hat die prinzipielle Wahrnehmung des Eigentums an
Autos zum Teilen und Leihen von Autos transformiert. Dabei transformiert Uber die Per-
sonenbeförderung auf grundsätzliche Art, indem eine etablierte Infrastruktur in neuer Art
und Weise genutzt wird. Deutlich wird dies, wenn man unterschiedliche Perspektiven über
Uber einnimmt:
• Uber wäre als weitere Mietwagenfirma in einer Stadt nicht groß,

• Uber als dominierende und wachsende Mietwagenfirma mit „UberBLACK“ in zahlrei-
chen Städten wird größer,
• Uber als Taxigewerbe absorbierender Spieler wird deutlich größer,
• Uber als Vermittler von Taxis in Teilen der Welt, die zuvor über keine Taxis verfügten,
macht Uber noch größer,
• Uber betrachtet als „personal logistics“-Service, mit dem Kinder zur Schule gefahren
werden können, die Arbeitnehmer zur Arbeit befördert, die Eltern am Flughafen abge-
holt und befördert werden und so weiter – dann wird Uber noch größer,
• Uber betrachtet als Beförderer von Menschen und Dingen (Pakete, Supermarkt-Ein
käufe, Reinigungswäsche …) macht Uber noch größer,
• Uber betrachtet als Ersatz für den Besitz eines Autos erhöht das Wachstum von Uber
noch weiter,
• wenn Uber zusätzlich eine Flotte von selbstfahrenden Autos orchestriert, dann wächst
Uber noch weiter,
• Uber als „Supercomputer“, der die Beförderung von Millionen von Menschen und Dingen
auf der Welt orchestriert, könnte zu einem der größten Unternehmen der Welt werden.
Diese Perspektivkette über Uber hat Michael Wolfe in einem Quora-Beitrag mit dem Titel
„How big of a deal is Uber?“ entwickelt [WOL]. Es ist genau diese perspektivisch wech-
selnde Betrachtung von Uber, die so viele Investoren angezogen hat, trotz der in 2016
realisierten Verluste in Höhe von 2,6 Mrd. € [WIKI37]. Es ist das Potenzial von Uber, das
zu einer anderen Einschätzung von Uber führt. Dies steht im deutlichen Kontrast zu den
klassischen Werkzeugen der Finanzmarktkapitalisierung und der damit zusammenhän-
genden Marktbewertung von Unternehmen [PA]. In dem exzellenten Buch „Platform
Revolution“ von Parker et al. [PA] findet sich eine ausführliche Betrachtung zur Bewer-
tung der Marktkapitalisierung von Uber im Speziellen und von digitalen Plattformen im
Prinzipiellen [PA].
Damit Uber wachsen konnte, waren bestimmte Faktoren von besonderer Bedeutung.
Zum einem gehörte dazu die notwendige Finanzierung des Start-up-Unternehmens. Die
Anschubfinanzierung kam von den beiden Gründern Travis Kalanick und Garrett Camp
selbst. Zusätzliches Anschub-Kapital kam von Jeff Bezos, CEO von Amazon, und Chris
Sacca, einem vormaligen Google Executive. Darauf folgten mehrere Investorenrunden mit
Business Angels wie Benchmark Capital, First Round Capital, Menloe Ventures oder
Lowercase Capital [WIKI37], bei denen in Summe bis zu 2,7 Mrd. US-Dollar für Uber
zusammenkamen. Im Juni 2014 erhielt Uber weitere 1,2 Mrd. US-Dollar von Goldman
Sachs und Google [TEIX]. Im Zuge dieser Beteiligungen wuchs die Marktkapitalisierung
von 17 Mrd. US-Dollar im Jahr 2014 auf weit über 40 Mrd. US-Dollar im Jahr 2015.
Damit avanciert Uber zum weltweit am höchsten bewerteten Vermittler von Beförde-
rungsleistungen [BAB]. Dabei bestätigte Uber im April 2017 gegenüber der Nachrichten-
agentur Bloomberg L.P., im Vorjahr einen Nettoverlust in Höhe von 2,6 Mrd. €
erwirtschaftet zu haben [WIKI37].
Interessanterweise verkündete Uber im Januar 2017 eine Kooperation mit Daimler im
Bereich des selbstfahrenden Autos. Der Axel Springer-Verlag hat im April desselben Jah-
res eine Beteiligung an Uber erworben. Auf die Axel Springer AG komme ich insbeson-
dere in Abschn. 3.7 und bei der Analyse der Facebook Case Study in Abschn. 3.5 nochmals
zurück. Das Investoren-Kapital diente in der Anfangsphase dazu, das einsetzende Wachs-
tum weiter zu beschleunigen, um die notwendigen technologischen Infrastrukturen weiter
auszubauen. Nach Travis Kalanick wurde das frühe Wachstum von Uber nahezu aus-
schließlich über „Mundpropaganda“ erzeugt und kaum durch klassische Werbung. So
hörten 95 % aller Fahrer bei Uber über andere Uber-Fahrer von Uber. In 2011 wurde durch
Mundpropaganda im Verhältnis aus sieben Uber-Fahrten ein neuer Uber-Fahrer gewon-
nen. Außerdem machten der Komödiant Dave Chapelle, der Schauspieler Edward Norton
und Venture Capitalist Marc Andreessen auf Uber prominent aufmerksam [TEIX]. Diese
Mechanismen brachten Uber die ersten 1000 Nutzer auf die digitale Plattform.
Damit konnte aber das „Henne-Ei-Problem“ auf der zweiseitigen digitalen Plattform
nur unzureichend gelöst werden. Es mussten andere kreative Ansätze gefunden werden,
um das Wachstum auf der digitalen Uber-Plattform bis hin zu einsetzenden positiven
Netzwerkeffekten zu beschleunigen. Bevor ich auf das weitere Wachstum von Uber ein-
gehe, skizziere ich den prinzipiellen Vorteil für die Uber-Fahrer. Der grundsätzliche
Vorteil für die Fahrgäste von Uber wurde bereits herausgearbeitet: eine völlig neue
Form der Personenbeförderung und zwar „end-to-end“. Der frühe Anstieg der Anzahl an
Uber-Fahrern entwickelte sich besonders in den US-amerikanischen Regionen, in denen
viele private Autofahrer und Taxifahrer arbeitslos waren. Damit konnte Uber einen
Beschäftigungseffekt erzeugen, der vorher so nicht existierte. Dabei erhält Uber als rei
ner Vermittler von Personenbeförderungsleistungen eine Provision bis zu einer Höhe von
20 % [TEIX, WIKI37]. Im Gegensatz zu der zweiseitigen digitalen Plattform Airbnb
(siehe Abschn. 3.3) erhält Uber explizit nur von der Fahrgastseite eine Provision. Der
große Vorteil für die Uber-Fahrer bildet die alternative Beschäftigungsmöglichkeit mit
flexiblen Arbeitszeiten.
Auf die weiteren, mit der Nutzung der digitalen Uber-Plattform verbunden Vor- und
Nachteile gehe ich weiter unten noch ein. Wie konnte nun das Wachstum von Uber derart
beschleunigt werden, damit positive Netzwerkeffekte einsetzten? Der Ansatz fokussierte
sich darauf, extrem lokal zu agieren und die Expansion individuell von Stadt zu Stadt zu
betreiben. Dieses Vorgehen, in einer Nische zu expandieren, entspricht den Design-Prin
zipien digitaler Plattformen, wie wir es in Abschn. 3.1 gesehen haben. Denn, was in San
Francisco funktioniert, muss nicht unbedingt auch in Chicago funktionieren. Der individu-
alisierte Stadt-zu-Stadt-Ansatz spiegelte auch die unterschiedlichen politischen Bedingun-
gen, Regulierungen und Interessen von Akteuren in den jeweiligen Städten wider. Genau
diese Fähigkeit, dynamisch in die neue Stadt einzutauchen und zu verstehen, wer mit
welchen Interessen als Fahrer arbeiten und wer die Fahrdienste nutzen würde, entwickelte
sich für Uber zu einem Alleinstellungsmerkmal.
Dazu entwickelten Austin Geidt und Ryan Graves ein Muster, um den Stadt-zu-Stadt
Ansatz für Uber umzusetzen, der zu einem enormen Wachstum für Uber mit exponentiel-
len Netzwerkeffekten geführt hat. Das „Spielbuch“ dafür umfasste zwei wesentliche
Schritte: a) die Rekrutierung und das Training von Fahrern und b) die Identifizierung von
Multiplikatoren, die den Uber-Service einer breiteren Öffentlichkeit vermitteln [CHATT].
Im Prinzip wurde ein Team aus drei Personen in jeder Stadt gebildet, bestehend aus dem
General Manager, einem Operations Manager und einem Community Manager. Der
General Manager war für das Wachstum in der Stadt verantwortlich und musste nach dem
Uber-Drehbuch „entrepreneurial, scrappy, and aggressive in talks with regulators“ sein.
Der Operations Manager sollte dem Typ nach analytisch geprägt sein, also meist ein
Unternehmensberater oder ein Investment Banker. Er war verantwortlich dafür, dass sich
genügend Fahrer auf der digitalen Uber-Plattform registrieren und auch genügend Autos
für Fahrgäste zur Verfügung standen, sobald diese die Uber-App auf dem Smartphone
geöffnet haben. Dazu wurden potenzielle Fahrer online angeworben und in Interviews
wurden die jeweiligen Ortskenntnisse geprüft.
Aus den Interviews ergab sich schließlich eine Shortlist geeigneter Fahrer. Die ausge-
wählten Fahrer erhielten einen dezidierten Zugang zur digitalen Uber-Plattform und wur-
den im Umgang mit der digitalen Uber-Plattform trainiert. Teilweise wurde den Fahrern
zusätzlich ein Smartphone zur Verfügung gestellt. Die digitale Uber-Plattform ermög
licht ein effizientes Matching von Fahrern und Fahrgästen und die Preisfindung in
Echtzeit über komplexe Algorithmen. Damit konnten die Fahrer über die digitale Uber-
Plattform mit Hilfe von „predictive analysis“ Cluster von Fahrgästen in einem bestimmten
geografischen Raum identifizieren und damit die Auslastung der Fahrzeuge immer
weiter erhöhen. Diese Algorithmen sind für die Fahrer besonders wertvoll, wenn bei
Uber auf „surge pricing“ umgeschaltet wird und den Fahrern sogenannte „heat maps“
angezeigt werden [CHATT, BAB]. Der Community Manager sollte die andere Seite der
Plattform stimulieren, indem die Nachfrage von Fahrgästen nach Fahrten erhöht wird.
Dieses SWAT-Team bestehend aus drei Personen sollte also das „Henne-Ei-Problem“ von
Uber auf innovative, aggressive und kreative Weise in jeder Stadt lösen [STO].
Uber hat zum Beispiel sogenannte „Beschleuniger“ (Accelerators) in den Städten
genutzt, um die Nachfrage nach Fahrten zu erhöhen. Zu den Beschleunigern zählten Res-
taurants und das prinzipielle Nachtleben in den Städten, Wetterbedingungen, Sportveran-
staltungen, Holidays und Events. Diese Bedingungen machen es für die Menschen in den
Städten prinzipiell schwieriger, das eigene Fahrzeug problemlos zu benutzen. Diese Stra-
tegie nutze Uber in Chicago, mit einem umfangreichen Nachtleben, intensiven Witte-
rungsbedingungen und einer Vielzahl an Sport-Veranstaltungen. Das Wachstum war für
Uber in Chicago unter temporärer Nutzung dieser Beschleuniger doppelt so hoch wie im
Durchschnitt der anderen Städte. Oder in einer Stadt wie San Francisco, in der immer zu
wenige Taxis unterwegs sind, wurde beispielsweise am Neujahrstag der Service von Uber
immer stärker genutzt. Diese Events erzeugten einen massiven Nachfrageanstieg, was
wiederum immer mehr Fahrer auf die digitale Uber-Plattform zog und dann auch wieder
die Anzahl an durchgeführten Fahrten drastisch erhöhte [TEIX02].
Dieses Vorgehen entspricht gar nicht dem typischen Agieren eines Technologieunter-
nehmens. Das Stadt-zu-Stadt-Drehbuch („playbook“) von Uber umfasst weitere Aktivitä-
ten, die von Graves, Geidt und Kalanick entwickelt wurden. Dazu sollten Fahrer sich
beispielsweise an Flughäfen auf Limo-Service-Warteplätzen reindrängen. Oder in der
Stadt wurde eine „Launch Party“ veranstaltet, auf der lokale Medienvertreter und Techno-
logiegrößen zusammenkamen, während lokale Prominenz zu den ersten Fahrgästen von
Uber in der Stadt wurde und in sozialen Medien positiv über diese Erfahrungen berichtete
oder einen wohlwollenden Blogeintrag bei Twitter schrieb. Weitere Maßnahmen beinhal-
teten „Subventionen“ und „Gutscheine“ für Fahrer und Fahrgäste, um beide Seiten der
digitalen Plattform anzuziehen. Zu den Subventionen zählten Kreditangebote für poten-
zielle Fahrer, die sich ein Fahrzeug nicht selbst leisten konnten. Dadurch wurde die Ange-
botsseite der digitalen Uber-Plattform stimuliert. Auf der Nachfrageseite operierte Uber
2014 mit Preissenkungen für Fahrten während der Winterzeit mit traditionell weniger
Fahrten und senkte die Fahrpreise pauschal um 30 % in Städten wie Atlanta, Baltimore,
Chicago und Seattle. Die Rechnung ging auf, denn niedrigere Fahrpreise erhöhten die
Nachfrage nach Fahrten, erhöhten die Auslastung bei den bereits registrierten Fahrern und
zogen neue Fahrer an [STO].
Das „Uber Playbook“ wird immer weiterentwickelt und dient quasi als „Bibel“ für
die Uber-Mitarbeiter, insbesondere jene, die an der Expansion von Uber unmittelbar
beteiligt sind. In dem Playbook sind alle Maßnahmen gesammelt, mit der Uber das
„Henne-Ei-Problem“ seiner zweiseitigen digitalen Plattform gelöst hat. Es sind also vor
allem Offline-Aktivitäten, die den Grundstein für das exponentielle Wachstum bildeten.
Wie bei Airbnb (siehe Abschn. 3.3) waren es die nicht-skalierbaren Aktivitäten, die die
Grundlage für das erstaunliche Wachstum der beiden digitalen Vermittlungsplattformen
ermöglichten. In beiden Fällen wurde alles nur erdenklich Notwendige gemacht, was
nötig war, um das Wachstum zu realisieren. Im Fall von Uber hat sich diese Haltung
auch in der Unternehmenskultur deutlich niedergeschlagen, so zumindest gemäß einer
Analyse der Unternehmenskultur von Uber über die Befragung von mehr als 30 ehema-
ligen und derzeitigen Angestellten durch die New York Times. Es wurden interne
E-Mails und Chats durchgesehen sowie Tonaufnahmen von Meetings ausgewertet. Als
Quintessenz bezeichnete die New York Times die Unternehmenskultur als „hemmungs-
los“ [WIKI37]. Das erinnert doch stark an das Credo von Oliver Samwer, der sich selbst
in einer firmeninternen Mail als „aggressivsten Mann im Internet“ bezeichnete. Es gibt
zahlreiche andere Geschichten, die zu dieser Haltung passen. Beispielsweise von einer
Mail, in der er seine Mitarbeiter zum „Blitzkrieg“ aufrief, auch wenn er sich später für
die Wortwahl entschuldigte. Mitunter warf er auch seinen Angestellten Büromaterialien
hinterher oder er schaffte es, dass gestandene Manager weinend aus Meetings rannten.
Allerdings zollen viele in der Branche Oliver Samwer Respekt: für sein Netzwerk, seine
Disziplin und seinen unbedingten Willen zum Erfolg [BERNAU].
Der Autor Brad Stone schreibt sogar in dem lesenswerten Buch „The Upstarts“ aner-
kennend über Oliver Samwer als einen Unternehmer, der „… military bravado and combat
terminology to the art of creating internet startups“ brachte [STO]. Der geneigte Leser
könnte nun zu dem Schluss kommen, dass in der Digitalära der prähistorische, ultra-auto
ritäre Führungsstil zum Erfolg führt. Zumindest prägen die nachgewiesenermaßen in der
Öffentlichkeit inszenierten Super-Egos der Unternehmensspitzen bei Uber und Rocket-In-
ternet das jeweilige Unternehmensklima. In meiner bisherigen Beratungspraxis habe ich
weltweit zahlreiche Unternehmen und Internet-Start-ups beraten und in der Mehrheit war
der Führungsstil von Offenheit und Kooperation geprägt. Dort verband und verbindet
meist der unverrückbare Glaube an den Erfolg des eigenen digitalen Plattformmodells die
Mitarbeiter, ohne dabei zwischen den Mitarbeitern jedweder Hierarchiestufe einen
unmenschlichen Wettbewerbskampf anzustacheln. Bei Uber hat es der ehemalige CEO
Travis Kalanick wohl zu weit getrieben und wurde im Juni 2017 von einflussreichen
Investoren im Zuge von Sexismus- und Diskriminierungsvorwürfen zum Rücktritt
gedrängt [ZO].
Mit dem Selbstverständnis von Uber als digitale Vermittlungsplattform von Beförde-
rungsleistungen kommt auch klar zum Ausdruck, dass Uber kein Arbeitgeber im klassi-
schen Sinn ist. Das Unternehmen Uber besitzt keine Autos und rekrutiert Fahrer global im
Wesentlichen aus dem Pool privater, „selbstständiger“ Fahrer. Die digitale Vermittlungs-
plattform Uber ist kein Taxiunternehmen und muss sich daher ihrer Auffassung nach nicht
an die Regeln und Gesetze halten, die für das Taxigewerbe gelten. Vielmehr bringt der
Gründer von Uber, Travis Kalanick, mit seinen eigenen Worten die Möglichkeit, den abge-
schotteten und durchregulierten Taximarkt aufzubrechen, treffsicher auf den Punkt: „The
taxi industry has been ripe for disruption for decades. But only technology has allowed it
to really kick in“ [STO02]. Beispielsweise war im San Francisco der Prä-Uber-Zeit der
Taximarkt streng über die Ausgabe sogenannter „Medaillons“ reguliert und von wenigen
großen lokal operierenden Taxiunternehmen dominiert. Diese großen Taxibetreiber leasten
eine fixe Anzahl an Medaillons, mit denen Fahrer dann Taxifahrten in San Francisco
durchführen konnten.
Die Anzahl an verfügbaren Medaillons war in San Francisco limitiert und so konnte ein
Medaillon bis zu 250.000 US-Dollar kosten. Damit bildeten die Medaillons hohe Eintritts-
barrieren für den Einstieg von Neulingen in den Taximarkt von San Francisco [CHATT].
In New York mit seinem ebenso streng regulierten Taximarkt waren die Preise für Medail-
lons noch viel höher. Im Jahre 2011wurde die Marke von einer Million Dollar erreicht und
2013 wurde ein Rekordwert von 1,32 Mio. US-Dollar für ein Taximedaillon erreicht. Was
dies für Uber bedeutete, formulierte Travis Kalanick im Oktober 2012 mit einer fast
schneidenden Klarheit: „That value of that medaillon is worth about a million dollars a
prop. There’s 13.000 medaillons in the city of New York, so you have 13 billion US Dol-
lars directed at keeping Uber from being successful“ [MASA]. Diese Wertsteigerung der
Medaillons schottete den Markt für Neulinge ab und außerdem waren die Medaillons
solide Sicherungsmittel für Hauskredite oder die Studiengebühren der eigenen Kinder
[LIND]. Die abgeschotteten Märkte führten aber zu einem immer schlechter werdenden
Taxiservice. Denn kein Taxifahrer musste besonders freundlich sein, da sie in der Prä-
Uber-Ära weitgehend alternativlos waren. Die Fahrgäste beschwerten sich zunehmend
über hohe Preise, schlechten Service und mangelnde Zuverlässigkeit des Services
[CHATT]. Ich habe es in New York oft selbst erlebt, dass ich gerade dann kein Taxi gefun-
den habe, wenn ich es dringend benötigte, etwa zu Stoßzeiten oder bei sehr schlechtem
Wetter. Bestätigen kann ich auch, dass viele New Yorker eine gewisse Hassliebe gegen-
über den Yellow Cab-Fahrern empfinden, die für ihren halsbrecherischen Fahrstil, perma-
nentes Hupen und pausenloses Quasseln am Smartphone bekannt sind [CHATT]. In
Deutschland mache ich zunehmend ähnliche Erfahrungen mit Taxifahrern, deren Markt
streng reguliert ist und die Preise von den Kommunen festgesetzt werden. In vielen Län-
dern dieser Erde lehnen zudem Taxifahrer Kreditkartenzahlungen zur Begleichung des
Fahrpreises ab. Wenn die Taxifahrer eine meiner Kreditkarten akzeptieren, muss ich bei
jeder Fahrt mit irgendeinem Taxifahrer den gesamten umständlichen, zeitraubenden Kre-
ditkartenzahlungsprozess durchlaufen.
Seit dem Wachstum von Uber in Metropolen wie San Francisco oder New York ver-
flüchtigen sich nahezu die gehandelten Preise der ausgegebenen Taximedaillons. Die
Reaktion der Taxibranche ließ eine gewisse Zeit auf sich warten. Aber seit 2015 schlägt
das Taxigewerbe deutlicher auf Uber ein und versucht, die Uber-Dienste möglichst voll-
ständig verbieten zu lassen. In Ländern wie den Niederlanden oder Südkorea wurde UberX
als illegales Taxiunternehmen eingestuft und die Dienste verboten. In anderen Ländern
wie Italien, Spanien oder Frankreich, in denen Uber aktiv ist, streikten Taxifahrer gegen
das Unvermögen der jeweiligen Regierungen, das Geschäft von UberX zu regulieren.
Teilweise eskalierten die Streiks in gewaltsame Auseinandersetzungen, entzündeten
die öffentliche Meinung und führten aber auch zur weltweiten Beachtung in den Medien.
In den USA konnte sich Uber gegen die Regulierungsbehörden in New York behaupten,
durch intensive Lobbyarbeit und die breite Unterstützung von Fahrgästen. Die dabei von
den Uber-Gründern durchlaufene Lernkurve zahlte sich letztlich auch in anderen Städten
in den USA aus [STO]. Das grundsätzliche Problem mit den Diensten von Uber und Co.
ist in der unklaren Rechtslage begründet. Denn die netzwerkbasierte digitale Uber-Platt
form ist kein klassisches Taxiunternehmen, das mit klar definierten Regularien umgehen
muss. Die Gesetzte und Richtlinien für das Taxigewerbe sehen einfach die Existenz von
einer Uber-Plattform, mit der man in Echtzeit Ridesharing im großen Maßstab koordinie-
ren kann, nicht vor. Der Internet-Vordenker Evgeny Morozov identifizierte drei Aspekte,
die Uber den Taxis voraus hat: ein automatisiertes Bezahlsystem und die Kompetenz,
Transaktionen reibungslos zu gestalten; eine Identitätsinfrastruktur, um ungewünschte
Passagiere auszufiltern und auszuschließen und eine Sensorinfrastruktur über unsere
Smartphones, mit denen der Ort des Fahrzeugs und des Kunden in Echtzeit nachverfolgt
werden kann [MORO].
Diese Fakten alleine reichen nicht, um die Macht der digitalen Uber-Plattform mit sei-
nen positiven Netzwerkeffekten zu erklären. Noch wichtiger wurden mit der Skalierung
der digitalen Uber-Plattform zwei weitere Faktoren: Smartes Big Data Management aller
auf der digitalen Plattform anfallenden Nutzerdaten und smarte Algorithmen auf der Basis
künstlicher Maschinenintelligenz, die zu einem wesentlich effizienteren Matching von
Fahrern und Fahrgästen und zudem zu weiteren Kosteneinsparungen im gesamten urbanen
Transportsystem führen.
Die Innovationsresistenz der etablierten Taxibranche ist sehr erstaunlich und mündet in
einer für die Fahrgäste nachteiligen Trutzburgmentalität. Es ist nur damit zu erklären, dass
diese Branche in der angestammten Branchenlogik verharrt und in Chritensen Claytonss
„Innovator’s Dilemma“ gefangen bleiben kann, weil der Taximarkt abgeschottet ist
[CLAY02]. In Deutschland hat sich der deutsche Verband der Taxi- und Mietwagenbran-
che gegen Uber durchgesetzt und den Uber X-Dienst gerichtlich verbieten lassen. Jetzt
fühlt sich die Taxibranche aber nicht genötigt, Innovationen voranzutreiben. Lieber fällt
man in gewohnte Muster zurück und lässt alles wie es ist. Und wo bleibt der Kunde?
Da materialisieren sich dann neue Ideen außerhalb der Taxi- und Mietwagenbranche,
die das Taxisharing möglich machen wollen. Im Prinzip geht es um eine neue Art der
Fahrgemeinschaft, mit der der Taxibranche aber primär keine Marktanteile weggenom-
men werden sollen. Ein Fahrgast bucht über die Smartphone-App eine Fahrt von A nach
B und unterwegs werden auf der von der App kalkulierten kürzesten Route weitere
Fahrgäste aufgenommen, die in die ähnliche Richtung wollen. Der Fahrpreis wird unter
allen Fahrgästen aufgeteilt. Solch eine App hat das Berliner Start-up-Unternehmen
„Door2Door“ mit Namen „Allygator“ entwickelt und testet diese praktisch in Berlin.
Die Taxibranche begrüßt sogar diese Entwicklung, denn mit der App lassen sich von
dem Start-up bereitgestellte Shuttles buchen, die nur in der Innenstadt und nachts ver-
kehren, um insbesondere Partygäste zu transportieren. Das Ziel von Allygator besteht
darin, dass Verkehrsunternehmen die App kaufen und ihr eigenes Angebot damit erwei-
tern [MÜN]. Interessanterweise bietet Allygator prinzipiell den Taxiunternehmen auch
den entwickelten Sharing-Algorithmus an. Wie weit muss man eigentlich noch auf die
Taxibranche zugehen, damit sich Innovationen in einer abgeschotteten Branche durch
setzen?
Auf globaler Ebene ist Uber den klassischen Michael Porter 5-Faktor-Wettbewerbs
kräften ausgesetzt. Es sind traditionelle Taxi- und Mietwagenfirmen sowie auf neuen digi-
talen Apps-Plattformen basierte Operatoren, die diese Wettbewerbskräfte entfalten. Zu
den neuen digitalen Apps-Plattformbasierten Operatoren zählen Lyft in den USA für
„low-cost-services“ wie Uber X, Hailo in London, Gett oder BlaBlaCar. Die digitale Sha
ring-Plattform BlaBlaCar hat ein ähnliches digitales Geschäftsmodell wie Uber. Dabei
versteht sich BlaBlaCar als vertrauenswürdige digitale Marktplatz-Community, die Fahrer
mit Fahrgästen zusammenbringt, unterstützt durch eine „State-of-the-Art“-Internet- und
mobile Plattform. Mit dieser Plattform werden nach BlaBlaCar weltweit über 2 Mio. Men
schen jeden Monat transportiert. Die größten Wettbewerbskräfte werden aber von der
klassischen Taxi- und Mietwagenbranche auf Uber ausgeübt [BAB].
Betrachten wir nun die mit Uber verbundenen grundsätzlichen Vor- und Nachteile,
die auch eine Einschätzung der Wirkmacht von Uber zulassen. Ein Team von Forschern
der Universität von California, Berkeley fand heraus, dass digitale Carsharing-Plattformen
wie Uber die Wartezeiten von Fahrgästen dramatisch reduzieren und dadurch die Städte
staufreier machen. In einer MIT-Studie wurde festgestellt, dass Car-Pooling die Commu-
niting (Pendler)-Zeit um 30 % reduziert. Damit lässt sich der Ausstoß an Feinstaub durch
den Verkehr reduzieren [FEREN]. In Summe liegen die Vorteile für die UberX-Fahrgäste
auf der Hand: reduzierte Wartezeiten, besserer Service als bei klassischen Taxis und der
bargeldlose, automatisierte Bezahlprozess.
Der große Vorteil, den Uber den Fahrern bietet, ist, flexibel arbeiten zu können. Eine
von Uber selbst in Auftrag gegebene Studie von Hall und Krueger hat die Vorteile und
Möglichkeiten von Uber untersucht. Dazu wurde eine Umfrage im Jahre 2014 unter akti-
ven Uber-Fahrern in den USA sowie eine Analyse von anonymisierten, administrativen
Uber-Daten der Jahre 2012–2014 durchgeführt. Dabei wurden nur diejenigen Fahrer
berücksichtigt, die mindestens viermal pro Monat Fahrgäste befördern. Die Umfrage
bezog sich auf zwanzig regionale US-Märkte und repräsentierte dadurch 85 % aller
US-Fahrer. Die wesentlichen Ergebnisse lauten:
• Uber wird grundsätzlich als eine alternative Beschäftigungsmöglichkeit wahrgenom

men.
• Uber-Fahrer können sich durch Bewertungen eine Reputation im Markt aufbauen
[EICH, HALL].
Die Bewertungen der Uber-Fahrer erfolgen meist in Echtzeit, sobald der Fahrgast nach
Erreichen des Zielortes aus dem Fahrzeug aussteigt. Damit können sich Fahrer eine
relevante Reputation aufbauen, die seine Anfragewahrscheinlichkeiten erhöhen und
damit die Auslastung seines Fahrzeuges. Sollte ein Fahrgast mal eine negative Bewer
tung abgeben, reagiert Uber sofort mit einer Nachricht an den Fahrgast. Darin entschul-
digt sich Uber für die schlechte Service-Erfahrung und sichert zu, der negativen
Bewertung nachzugehen, um den Service zukünftig zu verbessern. Mit den Echtzeit-Bewer-
tungen durch die Fahrgäste kann Uber die Leistungen der Fahrer verfolgen und das
Datenmanagement nutzen, um die Kundenerfahrungen mit Uber kontinuierlich zu ver-

bessern [CHATT].
Den ökonomischen Effekt von Uber beziffert das Unternehmen selbst wie folgt [CAP]:
Jeden Monat entstehen um die 20.000 neue Arbeitsplätze über die digitale Uber-Plattform.
Die digitale Uber-Plattform generiert 2,8 Mrd. US-Dollar Umsatz für die US-amerikani
sche Wirtschaft und wächst weiter. Die Präsenz von Uber in den Städten reduziert die
Anzahl an betrunkenen Fahrern. In 2013 wurden 25.000 zusätzliche Fahrten in Chicago
durch die Einfachheit und Effizienz der digitalen Uber-Plattformtechnologie erzeugt, die
ohne Uber nicht stattgefunden hätten.
Bei der Betrachtung der steuerlichen Aspekte von Uber wird insbesondere vom Taxi-
gewerbe ins Feld geführt, dass die privaten UberX-Fahrer lediglich eine Steuer abführen,
die Uber selbst am jeweiligen Sitz abführen muss. Das Problem ließe sich sehr einfach
lösen, indem die Buchungen über die digitale Plattform UberX und die automatisierten
Bezahlvorgänge elektronisch direkt an die Finanzbehörden übermittelt würden. Dazu feh-
len aber entsprechende Regelungen. Lieber verbietet man einfach UberX. Durch das bar-
geldlose Fahren bei UberX ist die in der Taxibranche unzweifelhaft nachgewiesene Praxis
der Steuerhinterziehung und Schwarzarbeit viel leichter durch die Digitalisierung nach-
weisbar [HA02].
Die Perspektive der Nachteile fokussiert sich hier auf die klassische Taxi-und Mietwa
genbranche, die durch Uber in ihrer Existenz bedroht werden. Diese Branchen gingen in
jedem Land der Erde mit folgenden Argumenten gegen Uber vor: Der Einsatz nicht-lizen
sierter, privater Fahrer; Fahrpreise, die deutlich geringer sind als die für die Taxibranchen
vorgeschriebenen Tarife; unsichere Fahrten und die Verletzung von Wechselkursregeln.
Mit dem Argument der unsicheren Fahrten meinte die Taxibranche, und mit ihr die städti-
schen Vertreter, die Missachtung der regulierten Versicherung von Fahrern, Fahrzeugin
spektionen und Fahrer-„Background Checks“ [BAB]. In Paris stürmte die Polizei die Uber
Offices im März 2015 als Teil einer Untersuchung der UberPop-Services. Besonders das
Argument der fehlenden Lizensierung der privaten UberX- oder UberPop-Fahrer führt
dazu, dass Gerichte in Deutschland, in den Niederlanden oder zeitweise in Spanien die
UberX Services verboten. In Thailand wurde UberX verboten, da man diese Services als
unfaires Wettbewerbsangebot zu den etablierten Taxiunternehmen betrachtet. In den USA
wurde es Uber untersagt, von nahezu allen großen US-amerikanischen Flughäfen Passa
giere aufzunehmen. Die Uber-Fahrer hatten aber in diesem Fall einen Verbündeten: Die
Fahrgäste einigten sich mit den Uber-Fahrern, sich an unverdächtigen Orten an den Flug
häfen zu treffen, um Bußstrafen zu vermeiden.
Wie bereits im Fall von UberX in Puerto Rico am Anfang der Uber Case Study darge-
stellt, konnten die Uber-Fahrer die Fahrgäste dazu bringen, sich vorne in den Wagen zu
setzen und das Gepäck selbst einzuladen. Die Fahrgäste kooperieren in diesen Fällen
mit den Uber-Fahrern, weil sie oft einen regelrechten „Hass“ auf die unfreundlichen
Taxifahrer haben [BAB]. In San Francisco entbrannte eine hitzige Debatte darüber, ob
UberCab (wie es anfänglich hieß) als klassisches Taxiunternehmen einzustufen ist.
Denn noch in 2010 warb UberCab selbst für seine Services als „UberTaxi Services“.
Da die UberCab-Fahrer ohne offizielles Medaillon in San Francisco Personen beförderten,

wurde der UberCab-Dienst gerichtlich verboten. Im Gegenzug haben die Gründer einfach
das Cab aus dem UberCab-Firmennamen gestrichen und firmierten fortan unter „Uber“.
Trotz der Verbote in zahlreichen Städten wurde der Service von Uber weiter angeboten
und auch ausgeführt. Dabei werden die Fahrpreise vor der Fahrt in der Uber-App transpa-
rent angezeigt und sind verbindlich. Zudem wird die möglichst kürzeste beziehungsweise
effizienteste Route im Navigationssystem angezeigt [BRÜH]. Diese Route kann der Fahr-
gast aber auch mit der Google Maps-App selbst nachprüfen und den Routenverlauf im
Display des Smartphones in Echtzeit nachverfolgen.
Die digitale Plattform vermittelt die Fahrten nur und setzt darauf, dass die Fahrer ihre
privaten Fahrzeuge verwenden, die sie auch selbst versichern. Hier haben wir wieder das
prinzipielle Problem von zweiseitigen digitalen Plattformen wie Uber, dass diese die Aus-
führung der Kern-Interaktion nur sehr eingeschränkt bis gar nicht managen können. Es
zeigt sich eine Informationsasymmetrie zwischen Fahrgast und Fahrer. So kann die Infor-
mationsasymmetrie den Zustand des Fahrzeugs oder die Fahrtüchtigkeit des Fahrers
betreffen und als Folge zu einer Absenkung der Gesamtqualität der Uber-Services führen
[BRÜH]. Die Kontrolle der Kern-Interaktionen erfolgt bei Uber und Co. über Bewertun-
gen beider Seiten der digitalen Plattform und Background Checks der Fahrer. Allerdings
fordert Uber von den Fahrern lediglich ein Führungszeugnis und die Auskunft über den
Punktestand beim Kraftfahrt-Bundesamt an. Aber einen zwölfmonatigen Nachweis über
den technischen Zustand des Fahrzeugs oder eine Überprüfung der gesundheitlichen Eig-
nung der Fahrer, wie beispielsweise ein Sehtest, fordert Uber von seinem Fahrern nicht.
Diese Vorkehrungen bilden aber Voraussetzungen für die Fahrgastbeförderung in Taxis in
Deutschland [WIKI37]. Alle anderen Aspekte der Kern-Interaktion bei UberX laufen
transparent und automatisiert ab.
Mit der Nutzung von Uber sind soziale Kosten in den Bereichen Datenschutz, Sicher-
heit, Diskriminierung und Arbeitsstandards verbunden. Über die automatisierten Bezahl-
systeme wie Kreditkarte oder PayPal lassen sich individuelle Transportverläufe
identifizieren und können soziale Kosten beim Datenschutz verursachen. Ein weiterer
Aspekt ist das Datenmanagement von Uber, bei dem beispielsweise die One-Night-Stands
von Uber-Nutzern analysiert und in einem Uber-Blog erläutert wurden. Pikanterweise
nannte Uber dann diese Fahrten, die zwischen 22 Uhr abends und vier Uhr morgens statt-
fanden, auch noch „Rides of Glory“ [BEE]. Ein Vertreter des deutschen Uber-Manage
ment bezeichnete diese Big Data Analysen von Uber als analytische Spielchen. Weiter
sagte er aufschlussreich: „Man kann aus sämtlichen Auswertungen Rückschlüsse ziehen,
die helfen können, das Angebot zu verbessern. Das ist Teil der Aktivität, die Uber machen
muss und wird“ [BEE]. Hier kommt viel vom Selbstverständnis dieses digitalen Platt-
formriesen zum Ausdruck.
In Bezug auf die Sicherheit der Fahrgäste bei einer Uber-Fahrt besteht die Gefahr von
Unfällen, verursacht durch Uber-Fahrer. Dazu gehört auch eine mögliche mangelhafte
Sorgfalt von Uber bei der Registrierung von Fahrern durch einen laxen Background Check.
Im Bereich der Sicherheit wird die Notwendigkeit von Versicherungslösungen deutlich
[EICH, HALL]. Auch dieses Argument gegen UberX ist differenzierter zu betrachten. Die
Sicherheit der Taxifahrgäste hängt unter anderem von der Zuverlässigkeit, dem Risikobe-
wusstsein und dem Fahrstil von Taxifahrern ab. Wenn Sie in ein Taxi steigen, wissen Sie
gar nichts über den Taxifahrer und der Taxifahrer weiß nichts über Sie. Mit der Digitali-
sierung aber wird dieses Vertrauensproblem weitgehend durch gegenseitige Bewertungen
auf der digitalen Plattform beseitigt. Beide Seiten der Plattform können vor Fahrtantritt
die Bewertungen einsehen und dann die Entscheidung treffen, ob die Fahrt tatsächlich
durchgeführt werden soll. Das erhöht die Sicherheit für beide Seiten der digitalen Platt-
form deutlich.
Mit Uber sind auch ethische Aspekte wie Berichte über sexuelle Übergriffe und Verge-
waltigungen von weiblichen Fahrgästen in Seattle, San Francisco oder in Delhi verbunden
[BAB]. Uber wurde auch eine sexistische Kultur unterstellt, als Uber attraktive, weibliche
Fahrerinnen mit männlichen Fahrgästen zusammenbrachte. Auch das Problem der Diskri-
minierung ist bei Uber schon aufgetreten. So untersuchten vier Forscher der Universitäten
Washington und Stanford den Zusammenhang zwischen Hautfarbe oder Geschlecht der
Kunden und das möglicherweise dadurch beeinflusste Verhalten der Fahrer. Die Forscher
analysierten 1500 Fahrten bei dem digitalen Plattformdienst UberX. Sie fanden ein Muster
der Diskriminierung, bei dem beispielsweise in Seattle Afroamerikaner rund ein Drittel
länger auf ihre Fahrt warten mussten als weiße Amerikaner. In Boston stellten sie fest,
dass bereits zugesagte Fahrten für Afroamerikaner mehr als doppelt so häufig kurzfristig
abgesagt wurden als bei den übrigen Fahrgästen [PEN, MARSHALL].
Darüber hinaus ging Uber auch gegen Journalisten vor, die negativ über UberX-Ser
vices berichteten. Beispielsweise schlug eine Uber Executive vor, dass man Privatdetek-
tive einstellen sollte, die dann möglichst viel „schmutzige Wäsche“ über diese Journalisten
sammeln sollten. Dies könnte dann als Waffe gegen die Journalisten benutzt werden. Und
als „#Ubergate“ ging eine Episode in die US-amerikanische Mediengeschichte ein, bei der
ein Uber Executive einen Journalisten trackte [BAB]. Gegen den direkten Wettbewerber
Lyft ging Uber auch vor, indem beispielsweise über einen entwickelten Bot 5000 Fahran-
fragen bei Lyft innerhalb eines zehnmonatigen Zeitraums platziert und wieder storniert
wurden. Diese Praxis wandte Uber auch bei dem in New York beheimateten Wettbewerber
Gett an. Als diese Praktiken ans Licht der Öffentlichkeit gerieten, entschuldigten sich die
Uber Executives und gaben zu, dass die Verkaufsstrategien zu aggressiv gewesen seien
[BAB, MOO]. So kam der Co-Gründer von PayPal und Milliardär Perter Thiel in 2014 zu
seinem Urteil über Uber als „most ethically-challenged company in Silicon Valley“
[THIEL02]. Allerdings haben diese Maßnahmen zu dem enormen Wachstum der digitalen
Uber-Plattform beigetragen. Dem ehemaligen CEO von Uber, Travis Kalanick, haben
diese und andere ethisch fragwürdige Maßnahmen letztlich den Job gekostet [ZO].
Bei dem Problem der Diskriminierung ist in Bezug auf digitale Plattformen noch ein
großer Nachholbedarf bei der Politik vorhanden. Ein Ausweg wäre die vollständige Ano-
nymisierung der Nutzerdaten bei der Abwicklung der Fahrgastanfragen [MARSHALL].
Zumindest wirken die Bewertungen der Fahrer bei Uber als tendenziell wirkendes Korrek-
tiv zur Vermeidung von Diskriminierung potenzieller Fahrgäste [EICH, HALL].
Schon im Dezember 2015 haben sich die indische Nummer Eins Ola, der chinesische
Anbieter Didi Kuaindi, Lyft aus San Francisco und GrabTaxi aus Singapur zu einer Alli-
anz gegen die weltweite Expansion von Uber zusammengeschlossen [HECK]. Dies ist
auch ein Ausdruck für die Macht von Uber in einem riesigen globalen Markt, in dem man
sich schon zusammenschließen muss, um Uber die Stirn bieten zu können.
Da sich Uber prinzipiell als digitale Vermittlungsplattform von Beförderungsdienst-
leistungen betrachtet, werden die Risiken bei der Durchführung der Kern-Interaktion ein-
seitig auf die Fahrer abgewälzt. Der Professor für digitale Kultur an der Zürcher Hochschule
der Künste, Felix Stalder, bringt es in seinem Buch „Die Kultur der Digitalität“ pointiert
auf den Punkt: „Anstatt neue Formen horizontaler Kooperation zu unterstützen, werden in
der Sharing Economy immer mehr Menschen in Arbeitsbedingungen gedrängt, in denen
sie sich vereinzelt, ohne Absicherung und vollkommen flexibilisiert behaupten müssen,
koordiniert durch zentralisierte, internetbasierte Plattformen“ [STAL].
Diese sehr negative Perspektive auf digitale Plattformen wie Uber muss dennoch rela-
tiviert werden. Denn auch vor der Digitalisierung haben Taxifahrer, die sich meist aus
Studienabbrechern, Migranten und anderen Quereinsteigern rekrutierten, im Gegensatz zu
den protegierten Taxiunternehmen sehr schlecht verdient. Die schlechte Bezahlung der
Taxifahrer resultiert nicht aus der Digitalisierung, sondern aus dem harten Wettbewerb der
gering qualifizierten Arbeitnehmer auf dem Personenbeförderungsmarkt. Im Gegensatz
dazu dienen die staatlich regulierten Festpreise für Taxifahrten nur den Taxiunternehmen,
die damit keinem Preiswettbewerb ausgesetzt werden. Das vorgeschobene Argument des
Verbraucherschutzes geht heute ins Leere. Die Preise für Taxifahrten lassen sich heute
über Apps oder klassische Informationskanäle vergleichen. Einen Verbraucherschutz sehe
ich hingegen hinsichtlich eines Höchstpreises noch für sinnvoll anwendbar – wie beim
Surge Pricing von UberX. Aber keine Rabatte oder Sonderangebote anzubieten, ist extrem
verbraucherunfreundlich [HA02]. Meiner Auffassung nach dient der Ausschluss von
UberX mit privaten Fahrten einseitig nur dem Schutz der Taxiunternehmen.
In Studien wurden Verdrängungseffekte im Bereich der Neuwagenproduktion und im
Taxigewerbe bereits festgestellt. So ermittelte die Unternehmensberatung Alix Partners,
dass die Automobilindustrie in den USA durch die Carsharing-Angebote bisher etwa
50.000 Neuwagen weniger verkauft hat. Das ist erst einmal kaum bedrohlich für die Auto-
mobilindustrie. Allerdings soll der Verdrängungseffekt so stark werden, dass bis zum Jahr
2020 weitere 1,2 Mio. Autos nicht von den Automobilherstellern abgesetzt werden kön-
nen [SCHILL]. Der „Economist“ registrierte erhebliche Verdrängungseffekte im New Yor-
ker Taximarkt nach dem Eintritt von Uber in 2011. So substituierten die neuen
Anbieter – Uber und „boro taxis“ – ungefähr 1,4 Mio. Fahrten mit den Yellow Cabs, wenn
auch nur in den Außenbezirken von New York [ECON].
Bei den Uber Services UberBLACK und UberTaxi liegt eine Gewerbeanmeldung und
Genehmigung zur gewerblichen Personenbeförderung in Deutschland vor [WIKI37]. Für
den UberX-Fahrdienst mit privaten Fahrern liegt eine rechtliche Grauzone vor, die noch
zu erheblichen Auseinandersetzungen zwischen Uber und Gerichten führen werden.
Momentan ist der Dienst UberX in Deutschland gerichtlich verboten. Unmittelbar mit
der rechtlichen Grauzone verbunden ist auch die noch ungeklärte Frage der Steuerpflicht
von UberX-Fahrern.
Die Fahrpreise bei UberX werden über die App auf der digitalen Plattform von Uber
vorgegeben und der Fahrgast zahlt diesen automatisiert mit der Kreditkarte oder dem
Internetbezahldienst PayPal. Prinzipiell sind die Fahrten über UberX für die Fahrgäste
bis zu 20 % preiswerter als reguläre Taxifahrten. Das liegt am Wegfall von Bestimmun-
gen zur Personenbeförderung und einer nicht notwendigen Taxizentrale, da die
Buchung ausschließlich über die Smartphone-App erfolgt. Für die Vermittlung einer
Uber-Fahrt nimmt Uber 20 % des jeweiligen Fahrpreises und einen Betrag an Steuern,
der am jeweiligen Uber-Sitz abzuführen ist [WIKI37]. In Zeiten eines hohen Fahrten-
aufkommens oder einer Verknappung von verfügbaren Fahrern greift Uber über auto-
matisierte Algorithmen zu dem Mechanismus des „Surge Pricings“ [MOO]. Diese
Situationen ergeben sich beispielsweise bei massivem Schneefall, Messen oder einem
Streik im öffentlichen Nahverkehr, in denen die digitale Uber-Plattform dann den Fahr
preis algorithmisiert ansteigen lässt. Wie bereits geschrieben, führte dieses Vorgehen
zu teilweise absurden Preisanstiegen. Besonders drastisch fand das Surge Pricing
Anwendung bei der 2014 in Sydney stattgefundenen Geiselkrise. Am Schauplatz der
Geiselkrise wurde von dem Uber-Algorithmus für die umliegenden Umgebungen der
Fahrpreis vervierfacht. Für diese Surge Pricing-Praxis hat sich Uber entschuldigt und
die Fahrpreise zurückerstattet [MOO].
Noch werden in New York beispielsweise mehr Fahrten im Yellow Cab als im Uber-
Auto durchgeführt, so die Studie der Bank Morgan Stanley in 2016 [LIND]. Der vollstän-
dige Niedergang der Taxibranche in New York und anderswo ist mit dem Aufkommen von
Uber noch lange nicht eingeläutet. Damit muss klar gesagt werden, dass digitale Plattfor-
men wie Uber den etablierten Taxiunternehmen Marktanteile wegnehmen, ohne die ganze
Branche absterben zu lassen. Zumindest noch nicht. Denn ältere Menschen haben einge-
fahrene Gewohnheiten, die sich nicht so schnell ändern lassen. Oder beispielsweise ist es
den Menschen in New York in Fleisch und Blut übergegangen, die Hand zu heben, um ein
Taxi herbeizurufen. Auch wird es immer Fahrgäste geben, die etwas dagegen haben, wenn
ihre Fahrtroute digital überwacht werden kann. Mit den klassischen Taxis sind auch wei-
terhin die Vorteile von Taxispuren oder der Benutzung der separaten Busspuren in Städten
sowie von Taxiständen mit wartenden Taxis verbunden.
Aber der Taximarkt wird durch Spieler wie Uber wach gerüttelt, denn die etablierten
Taxiunternehmen haben die Digitalisierung komplett verschlafen. Wenn sich erst einmal
selbstfahrende Autos in den Städten etablieren, wird der ganze Transportmarkt strukturell
nochmals vollständig verändert. Mit möglichen Wachstumspfaden hat die digitale Platt-
form Uber schon in den „On-demand“-Bereichen „Uber Ice Cream“, „Rosen am Valen-
tinstag“, „UberFRESH“ als Essenlieferdienst, „Barbecue in Texas“, „UberCHOPPER“
(Hubschrauber-Flüge in New York) oder „UberRUSH“(Fahrradkurierdienste in Manhat-
tan) experimentiert [MOO, CHATT]. Im Prinzip agieren die Uber-Fahrer dann als Beför-
derungsdienstleister für alle nur erdenklichen Dinge, die Uber-Nutzer über die Uber-App
per Knopfdruck anfragen. Diese Vision bezeichnet Travis Kalanick als Uber „instant
gratification service“, mit dem den Menschen das gegeben werden soll „what they need,
when they need it, whether that’s a ride or some other delivery“ [TEIX02].
Diese Aktivitäten sind noch weitgehend Marketingmaßnahmen, sie lassen aber ein
mögliches Uber-Wachstumsspektrum erkennen. Das Co-Branding von Uber mit der
Integration von Drittanbieter-Apps in die Uber-App stellt bereits eine spürbare Wachs
tumsinitiative dar. Zu den bisherigen Drittanbieter-Apps zählen United Airlines, Star-
bucks und die Hyatt Hotel Gruppe [BAB]. Eine noch konkretere Wachstumsinitiative mit
jetzt schon spürbaren Effekten stellt „UberPOOL“ dar. Mit UberPOOL können Fahr-
gäste, die entlang einer gemeinsamen Fahrtroute unterwegs sind, das Uber-Fahrzeug tei-
len (siehe hier die Ähnlichkeit zu der oben skizzierten Allygator-Initiative in Deutschland).
Dieses Pooling will Uber auch auf Busse ausweiten, damit Uber zur ultimativen Car-
Pool-Maschine wird. Das Ziel von Uber besteht darin, über Uber-Fahrten den Besitz
eines Autos abzuschaffen [MOO, MECK]. Weiter hat Uber eine Initiative zum „selbst-
fahrenden Auto“ gestartet und dazu Dutzende Forscher der Carnegie Mellon Robo-
tik-Abteilung abgeworben. Das Konzept des „selbstfahrenden Autos“ wird zukünftig für
Uber von entscheidender Bedeutung sein. Die Entwicklung geeigneter selbstfahrender
Autos ist mehr ein Software- als ein Hardware-Problem. Deshalb sehe ich einen Wett-
kampf zwischen Uber, Apple, Google und anderen heraufziehen, der noch für einige
Überraschungen sorgen wird.
Der ehemalige CEO von Uber, Travis Kalanick, charakterisierte das Selbstverständnis
von Uber als eine Kombination aus Logistik und Lifestyle, wobei Lifestyle das beinhaltet,
was man will und die Logistik dann dafür sorgt, dass man es auch bekommt [MOO]. Noch
pointierter bringt es Kalanick so auf den Punkt: „If we can get you a car in five minutes,
we can get you anything in five minutes“ [SWI].
3.5 Auf dem Weg zur digitalen Identität – Facebook Case Study
Vielleicht kennen einige Leser noch die untergegangene digitale Plattform „My Space“,
die in der Prä-Facebook-Ära das dominierende soziale Medium darstellte. Die als Visiten-
karte für junge Musikbands konzipierte digitale My Space-Plattform war offen gestaltet
und ohne zu viele Vorgaben für die Nutzer. Die Nutzer konnten so ihrer Kreativität freien
Lauf lassen und sich online austoben [PIL]. Dieser ungezügelte Freiraum für die Nutzer
war aber auch einer der Gründe für den Niedergang von MySpace. Als die konkurrierende
digitale Facebook-Plattform aus der Nische der Harvard University heraus expandierte,
konnte man mit wenigen Fotos und Postings eine gut gefüllte und gepflegt aussehende
Facebook-Seite kreieren. Das war bei MySpace nicht so einfach möglich und die indivi-
duellen Seiten wirkten dort kreativer, aber chaotischer. Das überforderte vor allem ältere
Nutzer, aber auch jüngere Nutzer empfanden das aufgeräumtere Layout von Facebook
ansprechender. Daraus lässt sich ein Grundsatz ableiten: Überfordere nicht die Nutzer bei
der Kern-Interaktion auf der digitalen Plattform.
3.5 Auf dem Weg zur digitalen Identität – Facebook Case Study 175
Der damalige Präsident von MySpace, Jason Hirschhorn, sagte 2010: „MySpace ist
kein Ort, an dem sich Leute darüber austauschen, was sie so vorhaben“ [PIL]. In der
Rückschau lässt sich immer leicht erkennen, wie falsch diese Einschätzung der Motive
von Nutzern auf digitalen Plattformen in sozialen Sphären wie MySpace gewesen ist.
Richtig ist, dass sich die Nutzer auf MySpace primär über ihre Vorlieben austauschten,
also andere Nutzer darüber zu informieren, was momentan die coolste Lieblingsband ist
oder über den gerade gesehenen Kinofilm. Dies ist aber nur die eine Seite der Nutzermo-
tivation auf digitalen sozialen Medienplattformen. Die andere Seite ist eben, dass sich die
Menschen auf Facebook intensiv darüber austauschen, was sie so vorhaben. Den Facebook-
Machern ist es gelungen, den Austausch über die Vorlieben der Nutzer fast wie einen
Aphorismus zu verdichten, und zwar über den „Like-Button“. Mit dem Like-Button muss
der Nutzer nicht den Titel eines Lieblingsmusikalbums eingeben oder gar einen Link set-
zen, um anderen Nutzern zu zeigen, was sie mögen. Dies erledigt der Like-Button mit
einem Klick. Die Facebook-Features wie Newsfeed, Places oder Status-Update ermögli-
chen den friktionslosen Austausch über die digitale Plattform darüber, was die Nutzer
denn so vorhaben [PIL]. Daraus lässt sich ein zweiter Grundsatz für den Aufbau einer
digitalen sozialen Plattform ableiten: Ermögliche den Nutzern gleichermaßen den frikti-
onslosen und einfachen Austausch über Vorlieben und Vorhaben.
Seit dem Verlust der Dominanz im Bereich sozialer Medien an Facebook im Jahre 2008
wurde bei MySpace an einem Relaunch gearbeitet. Denn MySpace hatte es über die Jahre
versäumt, den Nutzern über die Kern-Interaktion hinaus weitere Services anzubieten. Der
ehemalige Facebook-Präsident Sean Parker brachte es wie folgt auf den Punkt: „Sie haben
bei der Produktentwicklung versagt. Sie haben es nicht geschafft, das Produkt genug zu
pflegen und weiterzuentwickeln. Im Grunde genommen war das ein Haufen schlechter
Designs, der viele, viele Jahre weiterexistierte“ [PIL]. Diese Einschätzung bringt es auf
den Punkt. Die Kern-Interaktion einer digitalen Plattform muss für die Nutzer immer
möglichst reibungslos und einfach konsumierbar sein. Im Fall von sozialen Netzwerken
hat sich gezeigt, dass die Kern-Interaktion, neue Kontakte zu finden und zu pflegen, relativ
schnell für die Nutzer an Attraktivität verliert. Die digitale MySpace-Plattform scheiterte
daran, über die Vernetzung der Nutzer einer digitalen Plattform im sozialen Kosmos hin-
auszudenken und die digitale Plattform weiterzuentwickeln. Sogar die Einbindung ande-
rer Seiten, wie beispielsweise die Einbindung von YouTube-Videos, wurde für viele
Nutzer zu kompliziert gestaltet [PIL].
Der Relaunch von MySpace kam in 2010 zu spät und wurde schlecht umgesetzt. Die
Folge war die Abwanderung von Millionen Nutzern auf die digitale Facebook-Plattform.
Daraufhin trudelte MySpace in eine Agonie, die letztendlich zur Abschaltung der digita-
len Plattform MySpace führte. Ein finales Aufbäumen bildete der Relaunch von MySpace
in 2013. Der US-Musikstar Justin Timberlake und MySpace Mit-Investor hatten ins „El
Rey“-Theater in Los Angeles geladen, um die abgespeckte Variante von MySpace der
breiten Öffentlichkeit online zu präsentieren. Vielen Nutzern aber muss in diesem Moment
wohl aber der Schrecken in die Glieder gefahren sein. Die Specific Media Group und
Justin Timberlake hatten die Oberfläche der MySpace-Plattform sehr stylisch aufgebaut,
aber auch ausgeräumt. Alles, was nicht ins stylische Konzept passte, wurde gelöscht, mit-
samt allen Nutzerdaten. Fatalerweise hatten viele Nutzer über die Jahre auf MySpace ihre
Freundschaften gepflegt, Blogs publiziert und Fotos eingestellt. Wie muss es der Mutter
ergangen sein, die drei Jahre lang die digitale Plattform MySpace besucht hatte, nur um
das Video ihres Sohnes dort anzuschauen, der mit 16 Jahren gestorben war?
Leider hatte diese Mutter und mit ihr viele andere Nutzer die Nutzerdaten nicht auch
außerhalb der digitalen Plattform gespeichert. Die Daten waren dann einfach weg und es
war nahezu unmöglich, wieder an die Nutzerdaten zu kommen. Denn MySpace hatte bei
der Anmeldung von Nutzern auf der digitalen Plattform in den AGB eine Passage aufge-
nommen, die dem Unternehmen auch die Löschung von Nutzerinhalten erlaubt. Mit der
Anmeldung bei MySpace hat jeder Nutzer dieser möglichen Löschung von Nutzerdaten
zugestimmt. Eine Hinweispflicht auf eine bevorstehende Massenlöschung von Nutzerda-
ten existierte nicht [WIE]. Damit hatte sich MySpace den Todesstoß selbst gesetzt. Im
letzten Akt von MySpace sollte sich die digitale Plattform auf die Musikbranche fokussie-
ren. In der Welt digitaler Plattformen gibt es für soziale Netzwerke noch einen Grundsatz:
Die Kern-Interaktion nicht um weitere Mehrwert stiftende Dienste zu erweitern, führt zum
Stillstand und bei sozialen Netzwerken zum Untergang.
Wenn man wie bei Facebook heutzutage nahezu das gesamte soziale Leben mit Hinter-
grundinformation ausgekleidet, in seinem Facebook-Profil abspeichert und aktualisiert,
entsteht eine digitale Identität. Wie man aus dem MySpace-Untergang ablesen kann, bildet
diese digitale Identität zwar einen Teil des Nutzers, der aber auch wieder gelöscht werden
kann. Wenn die Nutzer dann ihre Daten nicht vollständig oder auch nur teilweise außerhalb
des sozialen Netzwerkes abgespeichert haben, wird das konkrete Erinnern an Aspekte des
eigenen Lebens erschwert beziehungsweise es können „Löcher“ in der Erinnerung entste-
hen. Die Macht der digitalen Facebook-Plattform zeigt sich hier neben dem totalen Verlust
der Daten auch dann, wenn man die Plattform als aktiver Nutzer verlassen möchte. Dies ist
jederzeit möglich, allerdings ist der reibungslose Wechsel zu einem konkurrierenden sozi-
alen Netzwerk mit vollständiger Datenübernahme nur bedingt möglich. Wenn der Nutzer
das soziale Netzwerk Facebook verlässt, dann lässt er auch sein soziales Netzwerk zurück.
Die Zugehörigkeit oder Nichtmehr-Zugehörigkeit offenbart ein Machtgefälle vom sozialen
Netzwerk auf einer digitalen Plattform hinab zum „abhängigen“ Nutzer.
Mit dem Wachstum von Facebook aus der Harvard University-Nische heraus ist eine
global agierende digitale Plattform mit expandierendem Partner-Ökosystem entstanden,
das als soziales Imperium bezeichnet werden kann. Mit weltweit über eine Milliarde dau-
erhaft aktive Nutzer auf der digitalen Plattform wurde auch eine bis dato nicht gesehene
soziale Revolution ausgelöst, deren Wirkungen sich bisher nur in Umrissen zeigen. Auf
der deutschen Seite beschreibt Facebook in einem Satz, wozu die digitale Plattform mit
ihrem sozialen Netzwerk nützlich ist: „Auf Facebook bleibst du mit Menschen in Verbin-
dung und teilst Fotos, Videos und vieles mehr mit ihnen“ [FACE]. Verkürzt ausgedrückt
wird es in den USA auf „connect & share“ reduziert (also „verbinde & teile“). Diese bei-
den Aspekte bilden das Fundament der Kern-Interaktion auf der digitalen Facebook-Platt
form (siehe Abb. 3.8).
Abb. 3.8 Die
Zentrifugalkräfte der
Facebook-Kern-Interaktion
Connect
& Share
Freie Daten
& Inhalte
Insbesondere der Kern-Interaktionsaspekt des „Teilens“ spielt, nachdem man sich mit
Freunden vernetzt hat, eine besondere Rolle für das Wachstum von Facebook. Die Nutzer
auf der digitalen Facebook-Plattform vernetzen sich mit ihren „Freunden“ in einem digi-
talen sozialen Netzwerk, um Status-Updates, Nachrichtenartikel, Fotos, Musik, Videos
und andere Inhalte zu teilen. Bei der ersten Version von thefacebook.com konnten die
Nutzer drei Funktionen nutzen und diese bilden bis heute die Basis der umfangreich wei-
terentwickelten digitalen Plattform: 1. Nutzer konnten ein Profil mit Bild und Informatio-
nen erzeugen; 2. Nutzer konnten die Profile anderer Nutzer einsehen und 3. Internetnutzer
konnten als Freunde in dem sozialen Netzwerk hinzugefügt werden [CHAF]. Prinzipiell
kann heutzutage die Kern-Interaktion der Nutzer auf der digitalen Facebook-Plattform auf
unterschiedliche Art und Weise ablaufen:
• Nutzer können sich direkt als „Freunde“ vernetzen und interagieren mit den höchsten
Freiheitsgraden auf der Plattform. Die Nutzer können die Aktivitäten auf der Plattform
über die Privatsphäre-Einstellungen regulieren.
• Nutzer können sich bei Facebook als „Subscriber/Follower“ in einer „Ein-Wege-Ver
bindung“ miteinander vernetzen. Abonnenten können die öffentlichen Posts der Sub-
scriber/Follower lesen und kommentieren.
• Nutzer können über Facebook Messenger miteinander interagieren.
• Über das soziale Netzwerk Instagram können die Nutzer Fotos teilen.
• Die von Facebook im Jahre 2014 akquirierte Mobile Instant Messaging App WhatsApp
ist in den entwickelten Ländern dieser Erde sehr populär.
• Das „Virtual Reality Technology“-Start-up „Oculus VR“ wurde von Facebook 2014
akquiriert und muss das mögliche Interaktionspotenzial erst noch entfalten [TA].
Zu den Funktionen von Facebook zählen beispielsweise
• Nutzerprofile und Homepages (Nutzer posten Status-Updates auf der Homepage oder
der Facebook-Pinnwand),
• Nachrichten, Chat und Social Handouts (Video Chat),
• Fotos und Videos (Nutzer können andere Nutzer in Fotos oder Videos „markieren“),
• Online-Spiele und Apps (Nutzer können Spiele gemeinsam online spielen oder Infor-
mationen über spezielle Apps untereinander austauschen),
• Events (Events können mit Facebook geplant werden und andere Facebook-Nutzer ein-
geladen werden. Auch in Deutschland hat es Facebook Events gegeben, bei denen
Facebook-Nutzer öffentlich eingeladen wurden. Dabei eskalierten auch manche
Events) sowie
• Credits (die virtuelle Währung für Transaktionen auf der Facebook-Plattform) [LA].
Über die digitale Plattform werden freiwillig mit dem eigenen Netzwerk Präferenzen,
Nachrichten, Status-Updates, Fotos, Ziele, Events und so weiter geteilt. Diese Inhalte
erhöhen den Mehrwert für alle Nutzer auf der digitalen Plattform. Die Inhalte und Daten
werden gesammelt, ausgewertet und zur Weiterentwicklung der Facebook-Algorithmen
herangezogen. Die Algorithmen arbeiten für den Nutzer im Hintergrund der digitalen
Plattform und dienen dazu, die Nutzerprofile zu verfeinern. Mit der Verfeinerung der
Nutzerprofile wird auch in den Massendaten nach Mustern gesucht, die verschiedene
Facebook-Nutzer gemeinsam haben. Die Daten über die Nutzer und ihr Verhalten auf der
Plattform werden dann zur Entwicklung neuer Services auf der Facebook-Plattform und
für die personalisierte Werbung als Monetarisierungsmaschine von Facebook herangezo-
gen. Das Facebook-Universum wird durch die Integration und Interaktion mit externen
Inhalte-Providern (Fernsehsendungen, Nachrichtenartikel, Filme, Musik) und Spie le-
Entwicklern auf der digitalen Facebook-Plattform noch weiter befeuert. Der Quer
schnitt des digitalen Geschäftsmodells von Facebook ist in der Abb. 3.9 schematisch
skizziert.
Hier habe ich auf die in Kap. 2 dargestellte Kategorisierung von digitalen Plattformen
zurückgegriffen, bestehend aus „Technologische Infrastruktureben“, „Netzwerkmarkt
platz-Community“ und „Datenmanagement & Algorithmen“. Aus der Abb. 3.9 wird auch
die Expansionstendenz der digitalen Facebook-Plattform deutlich. Die digitale Face
book-Plattform entwickelte sich von einem Online-Plattform-Unternehmen, basierend
auf einer technologischen Infrastrukturebene, zunehmend zu einer Netzwerkmarkt
platz-Community, in der dann die notwendigen Daten anfallen, um das Datenma
nagement mit Algorithmen zu ermöglichen. Je mehr Interaktionen dauerhaft in der
Netzwerkmarktplatz-Community anfallen, desto besser und umfangreicher ist das Daten-
management möglich, mit dem immer neue Facebook-Services und personalisierte Wer-
bung möglich werden. Der Querschnitt von Facebooks digitalem Geschäftsmodell
beinhaltet noch weitere Komponenten [LA, BERT, CHAF].
Neue Facebook-Services Personalisierte Werbung
Transparente Nutzerprofile
Datenmanagement & Algorithmen

Expansionstendenz
Wert-Angebot Kern- Wert-Angebot

Digitaler Selbst-Ausdruck & Interaktion Connect & Share
soziale Gemeinschaftlichkeit Externe Inhalte Lieferanten
Netzwerkmarktplatz-Community
Plattform
Apps
Rechenzentren Mobile Apps & Facebookentwickler

Software-Plattformen & -forscher
Technologische Infrastrukturebene
Abb. 3.9 Das digitale Geschäftsmodell von Facebook im schematischen Querschnitt
• Kundensegmente: Massenmarkt – alle Internet-Nutzer, die an der Vernetzung mit

Freunden, Verwandten und anderen Menschen Interesse haben und sozial interagieren
wollen. Anzeigenkunden – alle Unternehmen jedweder Größe, die sich über möglichst
personalisierte Werbung der Gemeinschaft von Facebook-Nutzern präsentieren wollen.
Entwickler – Entwickler von Apps, Spielen und virtuellen Gütern. Datenhändler –
Datensätze werden zwischen Facebook und anderen Datenhändlern wie beispielsweise
Axciom miteinander vernetzt.
• Werteversprechen: Realisierung einer möglichst reibungslosen Kern-Interaktion auf
der digitalen Facebook-Plattform. Die Nutzer sollen sich unkompliziert mit Freunden,
Verwandten und anderen Nutzern mit ähnlichen Interessen sozial vernetzen. Alle mög-
lichen Formen an Inhalten sollen über die digitale Plattform austauschbar sein.
• Interaktionskanäle: Webseite und Mobile Apps – Facebook Ads und Facebook Pages –
Entwickler-Werkzeuge und APIs (Application Interfaces).
• Beziehungsgeflechte: Positive Netzwerkeffekte – Die Gravitationskräfte digitaler sozi-
aler Netzwerkplattformen sind dort am größten, wo sich die meisten eigenen Freunde
bereits befinden. Bei Facebook allerdings hatte die digitale Plattform bereits vom Start
weg eine hohe Anziehungskraft. Die Beziehungen auf der digitalen Plattform sind
langfristig ausgerichtet und erzeugen damit im Zeitablauf immer höhere „Wechsel-
Kosten“ für den Nutzer der digitalen Facebook-Plattform, und zwar beim Wechsel auf
konkurrierende digitale soziale Plattformen.
• Monetarisierungskomponenten: Digitale Werbeanzeigen – Umsätze durch „Display
Banner Ads“, die Facebook-Nutzern angezeigt werden, auch „Facebook Ads“ genannt.
Zu den Funktionen von Facebook Ads zählen: Targeting nach Geschlecht, Alter, Ort,
Interessen und so weiter ; alternative Bezahlmethoden wie „cost per click (CPC)“ oder
„impression-based (CPM)“; „Trusted Referrals or Social Ads“ – also Werbeanzeigen,
die bereits Freunde von Freunden gesehen haben. Facebook credits – 30 % Anteil an
„in-App und in-Games“-Transaktionen. Datenhandel-Umsätze aus dem Weiterkauf
von gefilterten Datensätzen.
• Kostenblöcke: verursacht durch den Betrieb von Rechenzentren, Personalkosten (For-
schung und Entwicklung, Marketing und Sales-Aktivitäten), administrative Kosten.
• Kern-Aktivitäten: Kern-Transaktionen und Kuratierung von Inhalten immer weiter
erleichtern (um Noise zu vermeiden – Überhang an Informationen oder Spam); die
Weiterentwicklung der digitalen Facebook-Plattform im Bereich „Front-End“ (Interak-
tionsmöglichkeiten für Nutzer durch neue Services erweitern) und Back-End (Betriebs-
management der Rechenzentren flexibel und leistungsfähig gestalten, damit Millionen
von Transaktionen ohne Latenzzeiten jederzeit möglich sind).
• Strategische Partner: Externe Entwickler und Inhalte-Provider: Apps, Spiele, Nach-
richtenartikel, Videos, Musik und andere Funktionen, die für die Nutzer der digitalen
Facebook-Plattform weitere Interaktionsmöglichkeiten schaffen.
• Strategische Ressourcen: Smart Creatives – die Angestellten von Facebook und alle
aktiven Nutzer der digitalen Facebook-Plattform. Technologische Infrastruktur – Soft
ware, Plattform, Server und andere cloudbasierte Dienste, die Facebook von anderen
Unternehmen zukauft. Die Marke Facebook – die Vertrauen in das Leistungsspektrum
von Facebook bei den Nutzern und potenziellen neuen Nutzern erzeugt.
An dieser Stelle halte ich kurz inne, um auf das bekannte „Henne-Ei-Problem“ bei digita-
len Plattformen einzugehen. Dieses Problem weist bei Facebook eine Besonderheit auf.
Bei Airbnb und Uber mussten die Gründer der digitalen Plattformen in der Angangsphase
sehr kreative Offline-Aktivitäten entwickeln und umsetzen, die auch noch sehr kostspielig
waren, um das „Henne-Ei-Problem“ zu überwinden (siehe Abschn. 3.3 und 3.4). Nur
durch kostspielige Offline-Aktivitäten, die nicht skalierbar waren, konnten letztlich die
gewünschten positiven und exponentiellen Netzwerkeffekte erzeugt werden. Im Vergleich
dazu hatte es Mark Zuckerberg wesentlich einfacher. So berichtet Mark Zuckerberg in
einem Artikel in der Harvard Crimson mit dem Titel „Hundreds Register for New Face-
book Website“ vom 9. Februar 2004, dass sich über 650 Studenten auf thefacebook.com
registriert haben. Dies geschah innerhalb von 5 Tagen nach dem Launch der Plattform, die
von Mark Zuckerberg innerhalb einer Woche programmiert wurde. Die Zahl der registrier-
ten Studenten sollte schnell ansteigen auf 900, am Tag des Erscheinens dieses Artikels
[TA]. Zur Programmierung der ersten Version von thefacebook.com nutzte Zuckerberg die
Open-Source-Software PHP und die MySQL Datenbank. Beide Technologien sind heute
noch bei Facebook in Verwendung [CHAF].
Die Attraktivität der thefacebook.com-Plattform war so groß, dass die Nutzer den Mehr-
wert der digitalen Plattform direkt erkannten und nutzen wollten, ein in der Welt der digi-
talen Plattformen interessantes Phänomen, das zu dem enormen Wachstum von F acebook
wesentlich beigetragen hat. Aus der Nische der Harvard University heraus expandierte
Facebook auf andere Universitäten in den USA. Bereits im April 2004 erreichte theface-
book.com eine enorme Popularität, die von der Studienanfängerin Emily Bruckner an der
Duke University in einem Artikel des Duke Chronicle so beschrieben wird: „It’s a stupid,
stupid website, but I am completely addicted. I just go around and look at all of my friends
and see who they’re friends with. It’s like a contest to see who has the most friends“ [ROT].
Wow, dieses „Suchtpotenzial“ von thefacebook.com war so groß, dass die digitale Platt-
form über die akademischen Zirkel hinauswachsen konnte und von mittlerweile mehr als
1 Mrd. Menschen täglich aktiv genutzt wird. Die Nutzerzahlen des digitalen Facebook-Im-
periums für 2016, veröffentlicht im „Facebook Quartalsbericht – Community Update“
ergeben sich aus der Abb. 3.10.
Die Anzahl an Facebook Messenger-Nutzern überstieg im Juli 2016 die Marke von
1 Mrd. monatlich aktiver Nutzer [CO]. Als aktive Nutzer gelten nur Nutzer, die innerhalb
von 30 Tagen die digitale Facebook-Plattform wieder besucht beziehungsweise auf der
Plattform interagiert haben. Die Anziehungskraft der digitalen Facebook-Plattform muss
auf die Nutzer so groß sein, dass sich das „Henne-Ei-Problem“ nahezu von selbst gelöst
hat. Das Wachstum von anfänglich 650 Nutzern auf mittlerweile mehr als 1,5 Mrd. aktiven
Nutzern auf der digitalen Facebook-Plattform [STAT03] wurde auch befeuert, indem jeder
neu registrierte Facebook-Nutzer ermutigt wird, eigene Freunde einzuladen, um sich bei
Facebook zu registrieren. Außerdem schlägt Facebook bereits auf der Plattform regis
trierte Freunde vor, die auch Freunde des neu registrierten Facebook-Mitglieds sein könn-
ten [LA]. Mit der stark ansteigenden Anzahl an aktiven Nutzern wuchs auch die
Attraktivität für Inhalteproduzenten und Spiele-Entwickler, auf der Plattform aktiv zu
werden.
Dieses Wachstum muss man zu der Ausgangsposition von Facebook in Relation setzen.
Die Plattform thefacebook.com war nicht das erste digitale soziale Netzwerk zum Zeitpunkt
des Starts in 2004. Zu diesem Zeitpunkt dominierte „MySpace“ den Markt für soziale
Online-Netzwerke, „Friendster“ wurde 2002 gegründet und davor „Classmates.com“, „Six-
Degrees.com“ und „Makeoutclub.com“. Das enorme Wachstum von Facebook basiert unter
anderem auf folgenden Faktoren: 1. Technologische Neuerungen, die von den Vorgängern
1.59 Billion 900 Million 800 Million 400 Million

on Facebook on WhatsApp on Messenger on Instagram
each month each month each month each month
950+ Million 1 Billion 500 Million

people notified by people use
people use Events
Safety Check in Groups each
each month
2015 month
50 Million 19 Million Shipped

Samsung Gear
small businesses people connected
VR with Oculus
use Pages via Internet.org
software
Abb. 3.10 Die offiziellen Facebook-, Instagram- und WhatsApp-Nutzerzahlen in 2016 [ROTH]
von Facebook nicht hinreichend ausgeschöpft werden konnten. 2. Der richtige Zeitpunkt:
Facebook startete genau zu dem Zeitpunkt, als das Konzept des sozialen Networkings den
Mainstream durchdrungen hatte. 3. Facebook verstand die Komplexitäten des digitalen
Geschäftsmodells sozialer Online-Netzwerke besser als seine Vorgänger. Außerdem konn-
ten Mark Zuckerberg und seine Mitstreiter die digitale Plattform mit digitalem Geschäftsmo
dell besser realisieren als alle Vorgänger in der Welt sozialer Online-Netzwerke [LA].
Das weitere Wachstum und die Vitalität der Facebook-Plattform ist zukünftig
unter anderem von der strategischen Ausrichtung des Unternehmens abhängig. Die
grundlegenden strategischen Leitplanken von Facebook umfassen: 1. Globale Expan-
sion der Nutzer-Community auch in entlegene Teile der Welt. 2. Die Entwicklung von
sozialen Services unter dem Projektnamen „Smart Insights“. Facebook will Produkte
und Technologien zur Optimierung der sozialen Distributionskanäle entwickeln, damit
jeder Nutzer die für ihn relevantesten Inhalte angezeigt bekommt. Dazu wird eine große
Menge an Daten kontinuierlich in Echtzeit komplexer werdender Algorithmen analy-
siert und weiterverwertet. 3. Die Entwicklung von „Mobile Products“, wozu Facebook
in 2012 die Fotosharing-App Instagram aufgekauft hat. 4. Die Weiterentwicklung der
digitalen Facebook-Plattform über ein Open-System mit Apps und Webseiten. Dazu
zählen die Bereitstellung von APIs und Social Plug-ins wie der „Like-Button“ oder
„Share-Buttons“. 5. Die Verbesserung von Werbeprodukten, ohne das Nutzererlebnis
auf der digitalen Plattform zu verwässern. 6. Die Weiterentwicklung einer skalierbaren,
technologischen Infrastruktur mit dem Fokus auf Datenanalyse, Inhalte-Bereitstellung
und -Optimierung, „Graph Query“, Medienspeicherung, Software-Performance und
Stabilität auch bei massenhaften Anfragen [CHAF]. Mit den bisherigen Ausführungen
sollten Sie imstande sein, die zukünftigen strategischen Änderungen von Facebook ver-
stehen und einordnen können.
Wir können mit den bisherigen Betrachtungen zu digitalen Plattformen im Allgemeinen
und Facebook im Speziellen das Machtgefüge zwischen Facebook und wichtigen Stakehol
dern kurz beleuchten. Diese Betrachtung der Machtkonstellationen öffnet den Raum für die
Wirksamkeit von Facebook in positiver und negativer Hinsicht, also die prinzipiell mit der
Nutzung der digitalen Facebook-Plattform verbundenen Vor- und Nachteile.
Primäre Stakeholder
Facebook
Interessen: Erzeugung neuer Erlösquellen; Erweiterung des Marktanteils im Bereich sozialer
Netzwerke; Vergrößerung der aktiven Nutzerzahl und die Ausrichtung der Facebook-Mission mit
der Lieferfähigkeit.
Macht: Bereitstellung eines für den Nutzer indirekt kostenfreien Services; ein führendes soziales
Netzwerkprodukt; persönliche Informationen über mehr als 1 Mrd. aktive Nutzer auf der
Plattform; signifikante „Kriegskasse“ für weitere Akquisitionen.
Nutzer von Facebook
Interessen: Verfügbarkeit eines funktionierenden und verlässlichen sozialen Netzwerkes mit
einem Spektrum an Diensten, die über die Kern-Interaktion hinausgehen; Datensicherheit
bezüglich der Nutzerdaten und Profile.
Macht: Multihoming-Wechsel zu anderen sozialen Netzwerken; Einfluss über Gefolgschaft.
Sekundäre Stakeholder
Das Facebook-Netzwerk eines Nutzers
Interessen: Zugang zum Netzwerk von Nutzern; Schutz privater Daten.
Macht: Einfluss auf andere Facebook-Nutzer im sozialen Netzwerk.
Anzeigenkunden
Interessen: Die möglichst personalisierte Erreichbarkeit von Facebook-Nutzern; der Zugang zu
persönlichen Nutzerdaten; Umsatzgenerierung und Steigerung des Bekanntheitsgrades.
Macht: Budgethoheit über Werbekampagnen; Nutzung konkurrierender sozialer Netzwerke oder
anderer Werbepartner; möglicherweise Einfluss über die Geschäftsentscheidungen von Facebook
auch in Bezug auf Modifikationen von Algorithmen.
Wettbewerber
Interessen: Marktanteile im Bereich sozialer Netzwerke hinzugewinnen; Profiterzeugung.
Macht: Ein höheres Werbebudget; signifikant bessere Kern-Interaktion und Erweiterungen;
unzufriedene Facebook-Nutzer anziehen.
Rechtsschutzorganisationen
Interessen: Der Schutz von Konsumentenrechten; Verfolgung von illegalen Praktiken auf der
digitalen Plattform.
Macht: Intervention durch Kuratierung von Inhalten und Rechtsstreit.
Aus diesen Machtkonstellationen lassen sich Vor- und Nachteile des digitalen sozialen
Facebook-Netzwerkes ableiten. Die Relevanz von Facebook als digitale Plattform ergibt
sich alleine daraus, dass laut des amerikanischen Pew Research Centers 62 % der Ameri-
kaner ihre Nachrichten primär auf Facebook konsumieren [WIL]. Der amerikanische
Schriftsteller Bret Easton Ellis, der es vor 25 Jahren mit seinem epochalen Roman „Ame-
rican Psycho“ zu weltweitem Ansehen brachte, geht sogar so weit zu sagen: „Menschen,
die etwa zwischen 1985 und 2000 geboren wurden, benutzen Twitter und Facebook als
Kommunikationsmittel und Nachrichtenmedium“ [PHI]. Er bezieht sich mit seiner Beob-
achtung im Wesentlichen auf die US-amerikanische Bevölkerung. Allerdings dürfte es in
den anderen entwickelten Staaten dieser Erden nicht anders aussehen. Ellis weist darauf
hin, dass die sozialen Medien immer mehr in unser Leben eindringen und „ein ganzes
Narrativ bestimmen. Eines, das wir dann als unser Leben wahrnehmen. Es geht um echte
territoriale Fragen“ [PHI]. Diese Betrachtung von Facebook & Co. ist auf den ersten Blick
erst einmal neutraler Natur. Betrachtet man das Phänomen Facebook mal aus der negati-
ven Perspektive, zeigt sich eine Fratze der Digitalära, die nur ab und zu deutlich im gesell-
schaftlichen Leben durchschimmert. Eine Ursache dafür sieht der Silicon Valley-Guru
Michael Abehsera in dem Umstand, dass Facebook zur weltweit größten Quelle für Nach-
richten geworden ist, ohne dass Facebook selbst die Quellen der Informationen überprüft.
Auf der Frankfurter Buchmesse 2016 spülte auch eine Welle internetkritischer Litera-
tur ins Land, die sich gegen die digitalen Plattformriesen wie Facebook richtete. Ange-
prangert werden darin die Datensammelwut, die intransparenten Algorithmen [BERT]
sowie das Vordringen von Facebook & Co. in immer mehr Lebensbereiche. Damit nicht
genug, wurde eine Figur wie Donald Trump, der in den USA seit Langem eine bekannte
Persönlichkeit ist, auch durch die effiziente Nutzung sozialer Medien demokratisch zum
mächtigsten Mann der Welt gewählt. Das Besondere daran ist aber, dass die sozialen
Medien bei dem US-amerikanischen Wahlkampf in 2016 eine dominante Rolle gespielt
haben sollen. Dazu hatte Donald Trump bereits eine Vorahnung in 2012: „Meine Tweets
haben so viel Macht, dass ich meine Gegner damit zwingen kann, die Wahrheit zu sagen“
[HILL]. Diese Aussage in Bezug auf die Wahrheit ist an Ironie gar nicht zu überbieten und
hat für mich als bekennenden USA-Fan einen hohen Unterhaltungswert. Darauf möchte
ich an dieser Stelle nicht näher eingehen, da ich ja kein politisches Buch schreibe.
Zum Zeitpunkt der Wahlen folgten Donald Trump rund 12 Mio. Nutzer und Hillary
Clinton 7,9 Mio. Nutzer in sozialen Medien [WIL]. Zudem investierte die Trump-Garde
über 90 Mio. US-Dollar in digitale Spendenwerbung, wovon der überwiegende Teil in
Werbeanzeigen bei Facebook floss [HEUZ]. Unter den genannten Nutzerzahlen befanden
sich nachweislich nicht nur Menschen, sondern auch Social Bots und zwar in beiden poli-
tischen Lagern. Aber Donald Trump tauchte doppelt so häufig wie Hillary Clinton in den
sozialen Netzwerken auf, und zwar als Nutzer unter Nutzern [WIL]. In diesem Zusam-
menhang wurde in den klassischen Medien darüber schwadroniert, dass angebliche „fake
news“ eine wichtige Rolle bei dem US-amerikanischen Wahlkampf gespielt hätten, als ob
sogenannte „fake news“ etwas Neues wären und primär den digitalen sozialen Medien
geschuldet sind. Erwähnenswert ist hierbei ein mazedonisches Dorf, in dem Jugendliche
ein lukratives Geschäftsmodell entwickelt haben. Die Jugendlichen bauten Webseiten auf,
deren Inhalte sie auf Facebook verbreiteten, die möglichst viele Facebook-Nutzer umge-
hend ansprachen und diese dann im globalen Netzwerk teilten. Denn je häufiger dies pas-
sierte, desto mehr verdienten sie mit Anzeigen auf Facebook. Die Jugendlichen nutzen die
Themen US-amerikanischer Politik, Wahlkampf und Donald Trump und kopierten die
Inhalte aus dem Internet zusammen, ergänzt um eine explizite Überschrift [WIL]. Damit
hat Facebook für nicht gerade verwöhnte Jugendliche in Mazedonien durchaus einen sig-
nifikanten Beschäftigungs- und Einkommenseffekt gehabt.
Selbstredend kündigten Google, Facebook und Twitter nach Bekanntwerden dieser
Aktivitäten an, diese Art der „Falschmeldungen“ zukünftig auszusieben und das Internet
davon zu bereinigen. Wichtiger ist der Umstand, dass Facebook zur wichtigen Nachrich-
tenquelle für eine Vielzahl von Menschen geworden ist und dass diese Entwicklung neue
Möglichkeiten eröffnet. Dabei betrachtet sich aber Facebook selbst nicht als Nachrichten-
seite. Dazu muss man aber auch sagen, dass die Eliten in den USA sehr weit vom Leben
der „normalen Bürger“ entfernt sind. Dies konnte ich während meines Aufenthaltes in den
USA selbst erleben. So bilden die klassischen Medien in den USA ein Minderheitenpro-
gramm [HEUZ]. Diesen Umstand hat das Team um Donald Trump ausgenutzt und mit den
sozialen Medien ein alternatives Mediensystem aufgebaut. Er konnte so ungefiltert mit
seinen Anhängern direkt kommunizieren und eine große Anzahl an Nutzern sozialer
Medien erreichen. Das hätte Donald Trump mit den klassischen Medien niemals erreichen
können. Er hat die erste große erfolgreiche Social-Media-Wahlkampagne der Welt geführt,
und zwar im Vergleich zu früheren US-amerikanischen Wahlkämpfen in Form eines Bil
lig-Wahlkampfes [SER02]. In den USA bilden die digitalen Plattformen Twitter und
Facebook bereits Massenmedien, wodurch die klassischen Medienkanäle bereits ihre
Gatekeeper-Funktion verloren haben.
Dies ist in Europa bei weitem noch nicht der Fall. Dem sozialen Netzwerk Facebook
haften vor allem zwei nachteilige Phänomene an, so der Wissenschaftler Jürgen Pfeffer:
„Die Filterblase und die Echokammer der sozialen Netzwerke. Facebooks Algorithmus
zeigt den Nutzern vor allem Inhalte an, die zu denen passen, die sie schon einmal geteilt
und geliked haben, mit denen auch ihre Freunde bereits interagiert haben“ [HEUZ]. Damit
stoßen die Nutzer von Facebook durch den Algorithmus immer wieder nur auf ähnliche
Ansichten. Es werden sozusagen die eigenen Vorurteile und Präferenzen mit zunehmender
Nutzung von Facebook nachrichtlich bestätigt.
Der digitalen Plattform Facebook wird auch vorgeworfen, den Nutzern erst die Bühne
bereitgestellt zu haben, um Unmengen an aggressiven Kommentaren und Behauptungen
viral zu verbreiten [WIL]. Der bereits zitierte Schriftsteller Ellis attackiert den Kult der
„likeability“ auf Facebook: „In den sozialen Netzwerken herrscht ein ,positivity mob‘, wie
ich ihn nenne, der ,likes‘ verteilt, Kritik und Abneigung aber nicht ertragen kann. Kriti-
sche Äußerungen werden reflexartig abgewehrt. Aufgrund seiner Masse und Allgegenwart
dominiert uns dieser Mob mehr als jeder Terrorakt“ [PHI]. Dieser Argumentation folgend
wäre alles sehr schön einfach und man könnte die sozialen Netzwerke wie Facebook an
den Pranger stellen. Aber die digitale Facebook-Plattform ist nicht der Absender von men-
schenverachtenden Kommentaren. Vielmehr sind es die Nutzer der digitalen Facebook-
Plattform, die Facebook für ihre Äußerungen missbrauchen. Die von Facebook über
Algorithmen erzeugte Filterblase wirkt nur dann manipulativ, wenn der Nutzer Facebook
oder auch Twitter als einzige Nachrichtenmedien nutzt. Aber sobald die Nutzer aus der
Filterblase aussteigen und andere Informationen in der expandierenden Digitalsphäre nut-
zen, verpufft der Filterblasen-Effekt. Haben sich denn die Nutzer in der Prä-Facebook-Ära
in völlig andere Milieus begeben, um konträre Argumente auszutauschen? Oder vielleicht
eine Zeitung abonniert, die gegen ihre politischen Auffassungen geschrieben hat? Nein,
das haben die Nutzer wohl kaum getan. Die sozialen Netzwerke und die expandierende
Digitalsphäre mit all seinen Möglichkeiten haben uns eine neue Freiheit geschenkt, die
noch vor 20 Jahren undenkbar schien. Das von Tim Berners-Lee initial gezündete Internet
hat die konkrete Filterblase aus Gesangsverein, örtlicher Realschule, Turnverein und der
einzigen Buchhandlung zerplatzen lassen. Mit dem Internet erhält man Zugang zur gesam-
ten Weltpresse oder zu relevanten Blogs und Ansichten zu einem Thema [SCHMIE]. Aber
über einen Aspekt des Internets sollte man sich klar sein: Das Internet kuratiert nicht
selbständig und automatisiert unqualifizierte Kommentare. Die Bemühungen von Face-
book und Twitter bei der Entfernung von beispielsweise Hasskommentaren oder Beleidi-
gungen von den digitalen Plattformen haben sich laut einer Studie der Europäischen
Kommission aus dem Jahre 2017 im Vergleich zum Vorjahr verbessert, sind aber immer
noch unzureichend [SCHIL].
Die Kuratierung von solchen Facebook-Inhalten erfolgt durch Menschen bei Face-
book und teilweise auch durch Algorithmen. Dass die Kuratierung von Inhalten auf den
digitalen sozialen Medienplattformen nicht neutral abläuft, sollte nicht überraschen. Bei
der Identifizierung und Bearbeitung von Toptrends im Newsfeed von Facebook arbeiten
enschen wie Journalisten und entscheiden, welche News es in die Trending Topics von
M
Facebook schaffen. Unterstützt werden sie dabei von Facebook-Algorithmen [TAU].
Betrachten wir nachfolgend schematisch die wichtigsten mit Facebook verbundenen
Vor- und Nachteile. Ein Vorteil der digitalen Facebook-Plattform ist, dass Facebook
momentan das größte und mächtigste soziale Netzwerk ist, mit dem sich Nutzer mit
Familienmitgliedern, Freunden, Arbeitskollegen und allen anderen Internetnutzern ver-
netzten und Inhalte wie Musik, Videos, Status-Updates, Nachrichten und so weiter teilen.
Über Facebook lassen sich leicht gleichgesinnte Nutzer über gemeinsame Interessen fin-
den und man kann sich über Wall-Updates, Videochats oder private Nachrichten vernetzen
[CHAF]. Das soziale Netzwerk hat sich auch zu einer „Dating“-Plattform entwickelt, auf
der man über gemeinsame Hobbys und Interessen geeignete Partner finden kann. Aller-
dings besteht die Gefahr von Fake-Facebook-Profilen, die meist von Stalkern oder Spam-
mern erzeugt werden. Das Facebook-Management entwickelte die Plattform vom
Selbstdarstellungs- und Nachrichtendienst hin zu einer Infrastruktur für Beziehungs- und
Interessemanagement. So macht es Facebook mit der Archivübersicht Timeline und der
Suchfunktion Social Graph für den Nutzer einfacher, den eigenen Freundeskreis online zu
pflegen und den Überblick nicht zu verlieren [FRÜN]. Die Facebook-Timeline eröffnet
einen völlig neuen Look für das persönliche Portfolio Branding. Mit dem Facebook-Time
line-Cover kann man sich auf einer Seite individuell präsentieren.
Unternehmen können über 1 Mrd. Facebook-Nutzer per Werbebotschaft personalisiert
adressieren, gefiltert nach spezifischen Merkmalen. Das Zielpublikum kann jeder Werbe-
treibende individuell aus 1300 Kategorien auswählen [BAG]. Zudem bauen Unternehmen
Facebook-Seiten für Kundenservice, Konzernauftritt, Personalwerbung, Produkte und
Services auf [FRÜN]. Mit einer Fanpage können Unternehmen die Präsenz in dem sozia-
len Medium und das Markenimage erhöhen. Zudem können die Unternehmen direkt mit
den Fans kommunizieren und Feedback einholen. Oder über Facebook können Unterneh-
men „Crowdworking“-Ausschreibungen durchführen und so auf die kreativsten Köpfe
dieser Welt zugreifen. Unternehmen können damit relativ risikolos Teile der Wertschöp-
fungskette in das Internet auslagern. Damit ist der größte Vorteil von Facebook, ein sozia-
les Netzwerk in Echtzeit zu sein. Die wichtigsten Nachrichten werden über Facebook
verbreitet und die meisten Markenunternehmen informieren über wichtige Änderungen
ihrer Produkte und Services.
Die Marktkapitalisierung von Facebook erreichte im April 2016 einen Wert von rund
230 Mrd. €. Aber die digitalen Plattformen erzeugen auch erhebliche Beschäftigungswir-
kungen. So waren in 2016 bei Facebook rund 17.000 Mitarbeiter, bei Google 60.000
Mitarbeiter, bei Apple 110.000 und bei Amazon 222.400 Mitarbeiter beschäftigt
[BMWi02, STAT04]. Neben diesen direkten Beschäftigungswirkungen treten auch indi-
rekte Beschäftigungswirkungen auf. In einer Studie von Deloitte aus dem Jahre 2015 mit
dem Titel „The global economic impact of Facebook“ wurde ermittelt, dass die Nutzung
der Facebook-Plattform durch Unternehmen 4,5 Mio. Arbeitsplätze geschaffen hat (für
Deutschland etwa 84.000 Arbeitsplätze) [BMWi02]. Mit den sozialen Medien wie Face-
book oder Twitter entstanden auch völlig neue Berufsgruppen wie Community Manager
(kommunizieren in Vollzeitbeschäftigung mit den Fans der auf Facebook präsentierten

Unternehmen), Content Producer (erzählen authentischer Geschichten) oder Social
Media Manager [FRÜN, CHAF].
Mit der Funktion „Instant Articles“ gelingt es Facebook, die richtigen Nachrichtenarti-
kel den algorithmisch richtigen Facebook-Nutzern zur richtigen Zeit in einer eleganten
und effizienten Form zur Verfügung zu stellen. Dazu bedient sich Facebook mächtiger,
aber intransparenter Algorithmen, strukturierter Massendaten und enormer Serverpower
[MORO]. Viele kleine und größere Zeitungsverlage kooperieren bereits mit Facebook. Sie
veröffentlichen ihre Artikel auch direkt auf Facebook, ohne auf ihre eigene Webseite zu
verlinken. Mit diesen „Sofort-Artikel“ generieren die Verlage, aber eben auch Facebook
Werbeeinnahmen [HILL]. Dieser Vorteil für Facebook und seine Nutzer ist nicht so offen-
sichtlich ein Vorteil für die Verlage. Deshalb sollte der Axel Springer-Verlag mit seinem
Vorstandsvorsitzenden nicht primär „Angst vor Google haben“ [JA03], sondern noch
mehr von Facebook mit seinen immer präziser werdenden Nutzerprofilen und der „Instant
Article“-Funktion sowie dem Facebook-Nachrichtencenter lernen.
Mit den „Snippets“ aber macht Facebook den Zeitungsverlagen das Leben tatsächlich
schwer, womit wir bei den prinzipiellen Nachteilen von Facebook angelangt sind. Die
Snippets werden verwendet, um dem Nutzer relevante kurze Artikel im Nachrichtencenter
von Facebook anzuzeigen. Bei den Snippets handelt es sich um kleine digitale Kärtchen,
auf denen Online-Artikel in Bild, Einleitung und Schlagzeile kurz zusammengefasst sind
[STEIN, WIN]. Die Snippets bedienen sich Inhalte, die Facebook nicht selbst erstellt hat.
Vielmehr werden die Snippets aus Artikeln erstellt, die von Zeitungsverlagen und anderen
Internetquellen stammen. Damit wird das sogenannte Leistungsschutzrecht der Zeitungs-
verlage tangiert. Dieses Leistungsschutzrecht wollen sich die Zeitungsverlage & Co.
zunutze machen und an den Werbeerlösen von Facebook oder Google partizipieren.
Auch in Bezug auf das umfangreiche Big Data Management gerät Facebook immer
wieder in die Kritik. Ein Blick in die Nutzungsbedingungen von Facebook offenbart,
welche Informationen Facebook über den Nutzer sammelt. In seinen AGB beantwortet
Facebook drei Fragen: Welche Informationen sammeln wir? Wie verwenden wir diese
Informationen? Wie werden diese Informationen geteilt? Auf viereinhalb DIN A4-Seiten
erfährt der Nutzer, dass nahezu jede seiner Netzaktivitäten verfolgt, gesammelt und teil-
weise an Drittfirmen wie technische Dienstleister, Analysefirmen und Werbepartner wei-
tergegeben wird. Zudem registriert Facebook auch, von welchem Endgerät-PC, Tablet
oder Smartphone der Facebook-Nutzer auf eine Internetseite zugreift. Weiter verfolgt
Facebook, welche Inhalte ein Nutzer auf die Facebook-Plattform hochlädt, teilt oder
kommentiert und wie oft und wie lange er bei welchen Facebook-Diensten verweilt.
Wenn der Facebook-Nutzer über sein Facebook-Profil Produkte kauft, registriert Face-
book die Art der Produkte und die eingesetzte Kreditkarte zur Bezahlung [KLE]. Mit
dem Like-Button auf anderen Internetseiten verfolgt Facebook sehr genau, welchen Prä-
ferenzen die Nutzer im Internet nachgehen. Die Like-Buttons stehen auf nahezu allen
Online-Firmenauftritten, Arzt-Homepages oder Internetseiten von psychosozialen
Selbsthilfegruppen [FUEST03, CRO]. Die anfallenden Nutzerdaten werden gesammelt,
analysiert und zu präzisen Nutzerprofilen geformt, die für Werbezwecke monetarisiert

werden [BAG]. Die dabei verwendeten komplexen Algorithmen sind für den Nutzer
nicht einsehbar und selbst wenn er es könnte nicht so einfach zu verstehen. Zumindest
kann jeder Nutzer in den Einstellungen von Facebook einen Einblick darüber erhalten,
welches Bild sich Facebook über den Nutzer gemacht hat.
Problematisch kann das Datenmanagement für die Nutzer der digitalen Facebook-Platt
form dann werden, wenn beispielsweise bei den Bewertungen für die Kreditvergabe auch
Social Media-Daten herangezogen werden. Das passiert bei dem Hamburger Unterneh
men Kreditech im Rahmen des sogenannten „Scorings“. Im Rahmen des Scorings prüft
Kreditech, mit wem man bei Facebook befreundet ist, in welcher Lebenslage sich der
Facebook-Nutzer befindet und wie dieser kommuniziert. Woher die Daten stammen und
was mit den Daten geschieht, verrät Kreditech nicht. Die Anwendungsfelder für Face
book-Nutzerdaten werden sicher in Zukunft auf Bereiche wie Bewerbungen für Arbeits-
plätze oder Gesuche von Mietinteressenten ausgeweitet [BAG]. Mit der Registrierung von
Nutzerdaten und der Erzeugung präziser Nutzerprofile entsteht durch den ungleichen
Zugang zu den Daten ein Machtgefälle. Die Auswertungsmöglichkeiten der Nutzerdaten
eröffnet Facebook neue Handlungsmöglichkeiten: Erstens können mit personalisierter
Werbung Einnahmen erzielt werden, zweitens kann Nutzerverhalten mit immer größerer
Wahrscheinlichkeit vorhergesehen werden und drittens können die Parameter der Interak-
tionen auf der digitalen Facebook-Plattform zunehmend so angepasst werden, dass bevor-
zugte Verhaltensmuster wahrscheinlicher werden [STAL, BAG]. Auf die letzten beiden
Aspekte gehe ich in Abschn. 4.2 nochmals näher ein. Die digitale Facebook-Plattform
weiß sehr viel über das Nutzerverhalten seiner Mitglieder und sogar über Menschen, die
gar keinen Account bei Facebook haben.
Die Daten über die Nutzer der digitalen Facebook-Plattform umfassen fünf Bereiche:
Erstens wertet Facebook aus, was der Nutzer aktiv auf der Plattform selbst angibt, zwei-
tens indirekt durch Nutzeraktionen wie Liken oder Posts, drittens über das, was Nutzer
über andere preisgeben durch Taggen von Fotos. Diese Daten sammelt Facebook über
Aktivitäten auf der eigenen digitalen Plattform. Außerhalb der Plattform sammelt Face-
book Daten, die Nutzer beim Internetsurfen oder bei der Nutzung von Apps hinterlassen,
über Codeschnipsel in Webseiten und Apps. Hinzu kommen noch aufgekaufte Datensätze
von Axciom, Datalogix, Epsilon oder Quantium. Das Datenvolumen von Facebook speist
sich nicht nur aus den Nutzerdaten auf der Facebook-Plattform. Hinzu kommen umfang-
reiche Nutzerdaten von den Facebook-Tochterunternehmen wie WhatsApp und Instagram.
Problemtisch bei Facebook ist das Vorhandensein von Fake-Facebook-Nutzerprofilen.
Facebook ist voll mit Fake-Nutzerprofilen, die zu Marketingzwecken erstellt werden oder
auch für kriminelle Taten Anwendung finden. Insbesondere Hackerangriffe auf bestimmte
digitale Plattformen verwenden Fake-Facebook-Nutzerprofile oder Bots, um Massenan-
fragen bei digitalen Portalen zu erzeugen, unter deren Last die digitalen Plattformen
zusammenbrechen.
Prinzipiell kann nach Abwägung der Vor- und Nachteile von Facebook gesagt wer
den, dass mit Facebook ein mächtiges und bei Einhaltung bestimmter Regeln nützliches
Marketing- und soziales Netzwerk zur Verfügung steht. Die Attraktivität der digitalen
Facebook-Plattform ist so groß, dass Nutzer viel Zeit auf der digitalen Plattform ver
bringen, um beispielsweise den Status von Facebook-Profilen aktuell zu halten. Außer-
dem bietet Facebook eine Vielzahl an Unterhaltungsapplikationen und Online-Spielen.
So verbringt in Deutschland der durchschnittliche Facebook-Nutzer nahezu zwei Stun-
den täglich im sozialen Facebook-Netzwerk.
Die digitale Facebook-Plattform hat sich zu einer grundlegenden Infrastruktur des
Internets entwickelt, die zwei Kernaufgaben übernimmt. Zum einen können Nutzer über
die Like-Funktion ihre Präferenzen im Internet ausdrücken und sortieren. Andererseits
können sich die Nutzer der digitalen Facebook-Plattform über die Facebook-Log-in-Funk
tion wie eine Art digitaler Ausweis im Internet bei vielen anderen Diensten identifizieren.
Die Konsequenz des Abmeldens bei Facebook wird damit auch sehr schnell deutlich. Der
vormalige Facebook-Nutzer verliert seine digitale Identität nicht nur bei Facebook, son-
dern er muss auch bei einer Vielzahl anderer digitaler Plattformangebote abseits von Face-
book ganz von vorne anfangen („Customer Log-in-Phänomen“). Das macht dieses
mächtige digitale Plattform-Netzwerk zunehmend „uncool“, aber gleichzeitig unersetzbar
[FRÜN].
An dieser Stelle lohnt es sich, kurz der Frage nachzugehen, ob angesichts des enormen
Wachstums von Facebook eine Disruption von Facebook überhaupt möglich ist. In den
Medien wird der nahe Untergang von Facebook immer wieder prophezeit. Das Narrativ
lautet dann: Facebook war in den Anfangstagen super für die jungen Nutzer der digitalen
Plattform. Aber sobald die Eltern dieser jungen Nutzer sich bei Facebook registrierten,
versickerte der zukünftige Andrang von Teenagern auf der digitalen Plattform. Dieser
„Logik“ folgend, würde Facebook mit der älter werdenden Nutzerbasis disruptiert werden.
Allerdings spiegelt dies die Wachstumszahlen und -aussichten von Facebook nicht im
Geringsten wider. Zwar verlagerten zahlreiche jugendliche Nutzer einen Teil ihrer sozialen
Aktivitäten auf andere soziale Netzwerke, aber sie blieben weiter auf Facebook aktiv,
obgleich die Eltern dort auch aktiv sind. Die digitale Netzwerkplattform Facebook sah
meist bei anderen digitalen Plattformen ein disruptives Bedrohungspotenzial. Bitte erin-
nern Sie sich an die Ausführungen zum Phänomen der Disruption in Abschn. 1.2, bei
denen zwischen Nachfrage- und Angebotsdisruption differenziert wird. Immer wenn Face-
book den Eindruck bekam, dass ein Teil seiner Nutzerbasis in einer Nische von konkurrie-
renden digitalen Plattformen wie Instagram oder WhatsApp abgesaugt wurde, kaufte
Facebook diese Unternehmen auf, ganz im klassischen Sinn von etablierten Unternehmen
in der Prä-Plattform-Ära. Facebook integrierte diese Plattformen eigenständig in das digi-
tale Facebook-Imperium, ohne irgendetwas sonst an den Unternehmen zu modifizieren.
Die aufgekauften digitalen Plattform-Unternehmen agieren weiterhin autonom unter der
Facebook-Flagge. Es handelt sich hier um disruptive Kräfte auf der Nachfrageseite, wie sie
Clayton Christensen unzureichend als Disruption beschrieben hat [GANS03].
Auf der anderen Seite der Disruption gibt es die angebotsinduzierte Disruption. Diese
Kräfte treten immer dann auf, wenn eine neue Innovation oder Technologie eine Möglich-
keit eröffnet, bessere Mehrwerte für Konsumenten zu erzeugen. Dabei dürfen die besseren
Mehrwerte nicht nur für eine Nische von Konsumenten möglich sein, sondern für eine
signifikante Anzahl an Konsumenten, um bestehende Netzwerkeffekte zu disruptieren. Ist
dies im Fall von Facebook überhaupt möglich? Ja, und Facebook hatte bereits in der Ver-
gangenheit eine angebotsinduzierte Disruptionskraft identifiziert und zu spüren bekom-
men, die mit mobilen Endgeräten zusammenhängt. Nachdem Facebook nur wenig in
Mobile Services investiert hatte, vervielfachten sich die Anstrengungen, nachdem das
disruptive Potenzial von Mobile Services erkannt wurde. In wenigen Jahren entwickelte
Facebook zahlreiche mobile Produkte und eruierte, wie man Anzeigenumsätze auf kleinen
Bildschirmen erzeugen konnte. Bei Facebook hatte man sich dagegen entschieden, eine
konkurrierende mobile Plattform zu Google Android oder Apple iOS zu entwickeln. In
2013 wurde „Facebook Home on Android“ ins Leben gerufen, um die Nutzung von Face-
book auf mobilen Endgeräten zu erhöhen [CHAF]. Heutzutage bilden Mobile Services
das primäre Geschäft von Facebook. Diesen Turnaround konnte Facebook nur durch die
Weitsicht des Executive Managements realisieren. Bei Facebook hatte man erkannt, dass
die damalige interne Unternehmenskonfiguration von Facebook nicht auf mobile Produkte
und Dienste ausgerichtet war. Es wurde daraufhin ein „Initiation Program“ ins Leben
gerufen, mit dem die unterschiedlichsten Disziplinen aus den unterschiedlichsten Berei-
chen des digitalen Facebook-Imperiums zusammengebracht wurden, um das angebotssei-
tige Disruptionsrisiko durch Spezialisierung zu vermeiden. Zudem ist das Rotationsprinzip
integraler Bestandteil von „Onboarding-Prozessen“ für neu eingestellte Ingenieure bei
Facebook [GANS03]. Wenn Facebook zukünftig auf neue disruptive Kräfte reagieren
muss, können die Bestandteile der Facebook-Architektur auf völlig neuartige Weise dar-
auf ausgerichtet werden.
3.6 ie Regulierung von Plattformen oder: „Die halten sich ja

D
an gar nichts“
Mit dem Aufkommen und enormen Wachstum von digitalen Plattformen wie Uber, Airbnb,
Facebook, Amazon oder Google sind digitale Märkte entstanden, die sich in vielen Facetten
fundamental von klassischen Märkten unterscheiden. Damit stellen sich Fragen, ob und wie
die digitalen Plattformen zu regulieren sind. Für den Gesetzgeber stellen digitale Platt-
formmärkte in aller Regel „terra incognita“ dar und die Instrumente zur gesetzlichen Regu-
lierung digitaler Plattformen stammen aus einer Zeit, als das Internet noch nicht existierte.
Es sind vor allem externe Effekte, in der Ökonomie international „externalities“
genannt, die beispielsweise die Wohnungsnachbarn von Airbnb-Gastgebern und die Regu-
lierungsbehörden gegen Airbnb aufbringen. In den Gazetten weltweit tauchen immer wie-
der Geschichten über ausgeräumte, verwüstete oder sonst missbräuchlich genutzte, über
Airbnb vermittelte Unterkünfte auf, manchmal auch in Verbindung mit Beschwerden von
Nachbarn über betrunkene, lärmende und ständig wechselnde Übernachtungsgäste in den
über Airbnb vermittelten Unterkünften. Den negativen externen Effekten stehen aber auch
positive externe Effekte gegenüber, die allerdings schwierig zu dokumentieren und zu
3.6 Die Regulierung von Plattformen oder: „Die halten sich ja an gar nichts“ 191
quantifizieren sind. Zumindest gibt es Hinweise darauf, dass die Hotelpreise nach dem
Markteintritt von Airbnb leicht rückläufig sind und die Anzahl an betrunkenen Verkehrsto-
ten seit Markteintritt von Uber tendenziell leicht rückläufig sind [PA]. Mit für Airbnb und
Uber spezifischen Versicherungslösungen von Versicherungspartnern versuchen die digi-
talen Plattformen die negativen externen Effekte weitgehend zu minimieren. Mit den Ver-
sicherungsprodukten wird das Vertrauen in Airbnb und Uber bei den Nutzern der digitalen
Plattformen deutlich erhöht. Damit werden aber nicht alle negativen externen Effekte
beseitigt und so gehen die Regulierungsbehörden in nahezu jedem Markt, in den Airbnb
oder Uber eintreten, regulatorisch gegen die Plattformen vor.
Die gesetzliche Regulierung digitaler Plattformen muss den Grundsatz der Verhältnis-
mäßigkeit einhalten und das kategorische Verbot von Plattformanbietern wie den Fahr-
dienstvermittler Uber oder den Zimmervermittler Airbnb vermeiden. Einerseits besteht
ein notwendiger Regulierungsbedarf, um gutes Wettbewerbs- und Arbeitsrecht sowie
hohe Standards beim Verbraucher- und Datenschutz durchsetzen zu können [BMWi02].
Andererseits muss die Regulierung digitaler Plattformen so gestaltet werden, dass die Vor-
teile für die Bürger erhalten bleiben und genutzt werden können. Die digitalen Plattformen
entfalten in den klassischen Märkten nicht sofort disruptive Kräfte, die ganze Branchen
und deren Branchenlogik umwälzen. Meist aber entwickeln sich die digitalen Plattformen
in rechtlichen „Grauzonen“, weil die Kategorisierung dieser Plattformen für den Gesetz-
geber bereits Probleme bereitet. Wie sind denn digitale Plattformen wie Uber oder Airbnb
einzuordnen? Zweifelsohne bildet die digitale UberX-Plattform eine Konkurrenz zu klas-
sischen Taxiunternehmen. Dem eigenen Selbstverständnis nach ist UberX lediglich eine
digitale Vermittlungsplattform, aber kein Taxiunternehmen.
Airbnb bezeichnet sich als digitale Vermittlungsplattform von Übernachtungsmöglich-
keiten und nicht als Hotelbetreiber. Beiden digitalen Plattformen ist gemein, dass sie nur
Dienste vermitteln. Damit kann der Gesetzgeber momentan nicht adäquat umgehen. So
kommt es dann durch die Lobbyarbeit in den von den digitalen Plattformen betroffenen
Branchen zu massiven Kampagnen gegen die Plattformanbieter, die oftmals per Gerichts-
beschluss zu kompletten Verboten führen. Dabei entsteht aber wie bereits gezeigt oft der
Eindruck, dass die Verbote nur dem Schutz lange Zeit abgeschotteter Märkte dienen, in
denen sich die Marktteilnehmer kommod eingerichtet haben. In New York ist es beispiels-
weise weitgehend verboten, Wohnungen für weniger als 30 Tage zu vermieten. Die Argu-
mente für diese Regulierung stützen sich auf Annahmen, wonach die kommerzielle
Nutzung von Airbnb die in New York bereits hohen Mieten weiter nach oben treiben oder
gar den dringend benötigten Wohnraum verknappen würden. So spricht die New Yorker
Abgeordnete Linda B. Rosenthal konsequent davon, dass Airbnb eine Schatten-Hotellerie
geschaffen hat [BEU]. Es geht aber auch anders, wie es beispielsweise die US-amerikani
sche Stadt Chicago vormacht. Dort gilt eine Regelung, die beiden Seiten nützt, den Kom-
munen und den Airbnb-Wohnungsvermittlern. Jeder Vermieter wird bei der Anmeldung
auf der Airbnb-Plattform automatisch auch sofort bei der Stadt registriert. Diese Regelung
gilt für alle anderen Zimmervermittler gleichermaßen. Das eigentliche Ziel der Stadt
besteht darin, diejenigen Zimmer- beziehungsweise Wohnungsvermittler zu identifizieren,
die den Handel mit Wohnungen gewerbsmäßig betreiben. Diese Praxis will die Stadt Chi-
cago unterbinden, aber die gelegentliche Vermietung von Gästezimmern bleibt davon
außen vor. Zur Umsetzung derartiger Lösungen bedarf es smarter Technologien und ent-
sprechender Datenbanklösungen [BEU].
Die Problematik zwischen digitalen Plattformanbietern und dem Gesetzgeber entzün-
det sich auch an einer im Silicon Valley oft vertretenen Auffassung, die Peter Thiel tref-
fend auf den Punkt bringt: „Natürlich denken die Politiker, dass das was sie tun, wichtig
ist – und dass die Politik all die wichtigen Fragen der Gesellschaft entscheidet. Ich bin
eher der Meinung, dass wir eine bessere Welt bauen, viel mehr durch die Technologie, als
durch die Politik“ [REST]. Damit spricht er der Politik weitgehend die Gestaltungsfähig-
keit ab und offenbart eine technokratische Weltsicht. Dieser überheblichen Haltung setzt
der Publizist Evgeny Morozov eine sehr nachdenkliche Position gegenüber, wenn er sagt:
„Für Uber und Co. ist staatliche Regulierung unnötig, etwa bestimmte Lizenzen. Gesetze
werden durch den Markt ersetzt. Ich weiß aber nicht, warum es für Passagiere vorteilhaft
sein soll, wenn sie ihrem Fahrer nur einen Stern anstelle von fünf geben können, wenn er
übermüdet in eine Wand kracht“ [REST].
Aus diesen Haltungen gegenüber digitalen Plattformen ergibt sich die Notwendigkeit
nach einem regulierendem Ordnungsrahmen, der mehr Investitionen und Innovationen auf
der Grundlage eines fairen Wettbewerbs ermöglicht, aber gleichzeitig auch individuelle
und unternehmerische Grundrechte und Datensouveränität sichert [BMWi02]. Diesen
Interessenausgleich versucht das Bundesministerium für Wirtschaft und Energie (BMWi)
in Deutschland über einen „Fachdialog Ordnungsrahmen“ für die digitale Wirtschaft zu
definieren. Die digitalen Plattformen spielen bei diesem Dialog eine zentrale Rolle. In
einem ersten Schritt wurden die Herausforderungen in einer von Daten getriebenen Öko-
nomie identifiziert und regulatorische Fragen aufgeworfen wie [BMWi02]:
• Wie ist regulatorisch mit Anbietern umzugehen, die keine greifbaren beziehungsweise
realen Güter herstellen oder mit diesen handeln?
• Wie kann man verhindern, dass sich Märkte aufgrund von Datenkonzentrationen ver
schließen?
• Was muss getan werden, damit auch Plattformen, die lediglich vermitteln, stärker in die
Verantwortung für Entlohnungs- und Arbeitsbedingungen genommen werden?
• Wie kann sichergestellt werden, dass global agierende Plattformanbieter angemessen
Steuern zahlen und sich damit an der Finanzierung von Infrastruktur und Gemeinwesen
beteiligen?
• Sind wir in der Lage, eine Wettbewerbspolitik zu betreiben, die mit der wachsenden
Macht großer Daten-, Plattform- und Technologie-Unternehmen angemessen umgehen
kann?
• Was bedeutet es, wenn auch Daten zum zentralen Wirtschaftsfaktor werden?
• Wie können grundlegende Rechte, wie beispielsweise das Urheberrecht, das Recht auf
informationelle Selbstbestimmung, das Recht auf Vergessenwerden und so weiter
effektiv gesichert werden?
• Wie können wir sicherstellen, dass Verbraucher souverän im Umgang mit ihren persön-
lichen Daten sind und bleiben? Wie kann sichergestellt werden, dass die Verbraucher
darüber entscheiden können, wer was mit den persönlichen Daten machen darf?
• Wie kann sichergestellt werden, dass jeder Plattformnutzer seine Reputation und seine
Nutzerdaten von einer Plattform zu einer anderen Plattform reibungslos übertragen
kann [MORO]?
• Wie verhindern wir Preisdiskriminierung, Preisdiktat und Zugangsdiskriminierung zu
Plattformen [PA]?
• Wie können auf einem gemeinsamen Markt (Online- und Offline-Akteure) einheitliche
Wettbewerbsbedingungen geschaffen werden, um Wettbewerbsverzerrungen durch ein
Regulierungsgefälle zwischen neuen Plattformanbietern und herkömmlichen Anbie-
tern zu verhindern?
• Wie lässt sich Datenmissbrauch effizient erkennen und wie verhindern beziehungs-
weise sanktionieren wir diesen Datenmissbrauch?
Diesen und weiteren wichtigen Fragen geht das BMWi im 2016 erschienenen „Grünbuch –
Digitale Plattformen“ nach, gemeinsam mit Wissenschaftlern, Unternehmen, Gewerk-
schaften, Verbänden und der breiten Öffentlichkeit [BMWi02]. Schon der Zugang zu
digitalen Plattformen beziehungsweise der Ausschluss davon können Regulierungsbehör-
den auf den Plan rufen. Das ist dann besonders brisant, wenn starke positive Netzwerke auf
einer Plattform vorliegen und die Plattform bereits sehr mächtig geworden ist. In China
wickelt die Alibaba-Gruppe bereits 80 % der gesammelten E-Commerce-Transaktionen ab.
Da kann es sich kaum ein Unternehmer in China leisten, seine E-Commerce-Transaktionen
außerhalb der Alibaba-Gruppe abzuwickeln beziehungsweise abwickeln zu müssen. Oder
eine digitale Plattform entscheidet sich dazu, nur einem exklusiven (wenn auch großen)
Kreis Zugang zur digitalen Plattform zu gewähren. Wenn dann bei der digitalen Plattform
auch noch positive Netzwerkeffekte vorhanden sind, besteht die Gefahr der Abschottung
gegenüber neuen innovativen Technologien und potenziellen Marktneulingen.
Die Entwicklung eines regulatorischen Ordnungsrahmens für digitale Plattformen steht
noch ganz am Anfang. Mögliche regulatorische Lösungsansätze könnten darauf abzielen,
dass etablierte gesetzliche Vorgaben, wie etwa der Besitz eines Personenbeförderungs-
scheins für Fahrangebote, auch für UberX-Fahrer vorgeschrieben werden. Mit dieser
Anforderung aber wird das Angebot der digitalen UberX-Plattform fast unmöglich, was
letztlich vor allem den Verbrauchern schadet und den Taxifahrern kaum hilft, wohl aber
den traditionellen Taxiunternehmen. Zumindest sollte es ein Mindestmaß an Regulierung
von digitalen Plattformen geben. Bei UberX-Fahrdiensten sollten wenigstens Anforderun-
gen an die eingesetzten PKW als auch an die Fahrer bezüglich des gesundheitlichen
Zustands, Vorstrafen und Punkten im Flensburger Fahreignungsregister aufgestellt werden
[HA02], nicht zu vergessen die versicherungsrechtlichen Aspekte bei Unfällen von
Uber-Fahrern [VO].
Die kurzzeitige Vermittlung von privaten Wohnungen und einzelnen Zimmern über
eine digitale Plattform wie Airbnb trifft auf eine durchaus signifikante Nachfrage und
sollte auch im Interesse der Verbraucher möglich sein. Sobald aber eine gewerbsmäßige
Vermietung ganzer Wohnungen betrieben wird, die zur einer Zweckentfremdung von Pri-
vatwohnungen führt, sollten wie für Hotels oder gewerbliche Anbieter von Ferienwohnun-
gen gesetzliche Regelungen zu Brandschutz, Besteuerung, Hygiene etc. aufgestellt werden
[HA02, WED, VO]. Wie im Beispiel der Stadt Chicago aufgezeigt, können durch die
automatische Datenübertragung an Aufsichts- und Finanzbehörden Steuerhinterziehung,
Schwarzarbeit oder auch Diskriminierung stark eingeschränkt werden. Das gilt auch für
das „Crowdworking“, bei dem eine vergleichbare Einzugspflicht der Plattformbetreiber
bezüglich der von den Beschäftigten zu zahlenden Einkommenssteuer und den gesetzli-
chen Sozialversicherungsträgern vorgesehen wird kann [WED, EICH]. Zu klären ist in
diesem Zusammenhang aber, welches Arbeitsverhältnis in dem Crowdworking-Bereich
zwischen Plattform-Betreiber und Solo-Selbstständigen zugrunde gelegt wird. Die Bun-
desarbeitsministerin Andrea Nahles (SPD) sieht Gesetzgeber und Sozialpartner in der
Pflicht, das Arbeitsrecht, die Sozialversicherungen und die Tarifregelungen an die neue
digitale Plattformwelt anzupassen [SIEMS].
Aus kartellrechtlicher Perspektive muss der Quasimonopolwirkung digitaler Plattfor-
men entgegengewirkt werden. Im Hotelbereich bilden die digitalen Buchungsplattformen
wie Booking, HRS, Expedia oder die Priceline Group die meistgenutzten Vertriebskanäle
für Hotelzimmer in Deutschland. Für den Kunden der digitalen Buchungsplattformen sind
die Buchungen kostenlos, der Hotelmarkt transparent, und sie boten dank „Bestpreis-Klau
sel“ in der Vergangenheit immer den günstigsten Zimmerpreis an. Im Gegenzug müssen
die bei den digitalen Buchungsplattformen gelisteten Hotels Provision von 15–25 % pro
Zimmerbuchung bezahlen. Das Kartellamt sah aber in der „Bestpreis-Klausel“ einen wett-
bewerbswidrigen Eingriff in die freie Preisgestaltung der Hotels und untersagte erst HRS
und später auch Booking.com die sogenannte „Rate-Parity-Klauseln“ in Hotelverträgen.
Aber auch mit dieser Regelung geraten immer mehr Hotels in die Abhängigkeit von digi-
talen Buchungsportalen, da sich in der Praxis kaum Verbraucher auf den digitalen
Buchungsportalen informieren und dann direkt bei dem Hotel das Zimmer buchen.
Zur Abhängigkeit von den digitalen Buchungsportalen kommen für die gelisteten
Hotels auch mögliche negative Marketingwirkungen hinzu, wenn Zimmerpreise auf den
digitalen Plattformen algorithmisch (stark) schwanken. Denn die digitalen Buchungs
portale bestimmen die Zimmerpreise weitgehend in Eigenregie, obgleich die Hotels mit
dem Kippen der Bestpreis-Klausel etwas mehr Spielraum bei der Preisgestaltung haben.
Vor allem kleinere Hotels profitieren eindeutig von den digitalen Buchungsportalen
[FRÜ, WED].
Ein anderes Beispiel illustriert die mangelnde Innovationsfähigkeit etablierter Unter-
nehmen in zahlreichen Märkten. Sie können die neuen Möglichkeiten durch digitale
Plattformtechnologien nicht vollumfänglich für sich nutzbar machen. In einem Urteil
des Europäischen Gerichtshofes wird ausländischen Apotheken das Recht eingeräumt,
ihren Kunden wieder Rabatte auf verschreibungspflichtige Arzneimittel einzuräumen.
Für den deutschen Apothekerverband ist das Urteil „entsetzlich“ und würde zum Abster-
ben der alteingesessenen Apotheken führen. Schaut man nach Dänemark, dann können
dort Patienten über eine von den dänischen Apothekern aufgebauten digitalen Plattform
ihre Rezepte einsenden und Medikamente bestellen. Ob die mangelnde Innovationsfä-
higkeit der Apotheker vielleicht daher rührt, dass in Deutschland auf 100.000 Einwoh
ner viermal so viele Apotheken kommen wie in Dänemark [BAL]?
Schon die reinen Zahlen lassen erahnen, wie groß alleine die täglich anfallende
Datenmenge auf der digitalen Facebook-Plattform sein muss: 60 Mio. Bilder werden
täglich hochgeladen und alleine 1,6 Mrd. Mal wird als Ausdruck der Zustimmung
etwas „gelikt“. Und nicht zu vergessen sind es mittlerweile 1,7 Mrd. regelmäßig wie
derkehrende Nutzer auf der digitalen Facebook-Plattform, die mit ihren Status-Updates
und Posts weitere, enorme Datenmengen erzeugen [BUDRAS]. Diese Datenmengen
werden angesammelt, dann über intransparente Algorithmen ausgewertet und weiter
genutzt. Neben der immer stärker personalisierten Werbung werden die Nutzerdaten
auch dazu verwendet, neue Services um die Kern-Interaktion auf der digitalen Face-
book-Plattform zu erzeugen. Mit diesem Datenmeer und dem dazugehörigen Big Data
Management erhält aber die Eigentumsfrage an diesen Nutzerdaten neuen Auftrieb.
Bei Facebook lässt sich diese Eigentumsfrage an den Nutzerdaten relativ klar beant
worten: Geburtsdatum, GPS-Daten und die Fotos, auf denen man selbst abgelichtet ist,
gehören dem Nutzer. Aber wie bereits in Abschn. 3.5 bei der Facebook Case Study
aufgezeigt, sammelt Facebook weitere Nutzerdaten und wertet diese auch zu eigenen
Zwecken aus.
Mit der Registrierung bei Facebook stimmt der Nutzer, wie in den AGB nachlesbar,
ausdrücklich dieser Datennutzung zu. Gehen wir wieder auf die Eigentumsfrage an Nut-
zerdaten zurück, wird die Sache bei der Black Box im Auto schon schwieriger. Wem
gehören die Nutzerdaten eigentlich: dem Eigentümer des Fahrzeugs, der PKW-Versiche
rung oder gar dem Autohersteller [BUDRAS]? Diese Frage will der aktuelle Verkehrsmi-
nister Alexander Dobrindt mit einem Datenausweis beantworten, der unter anderem
„vollumfänglich und verständlich über Umfang und Häufigkeit der Datenerhebung sowie
über die Nutzung und Weitergabe der Daten aufklärt“. Es geht um das Eigentumsrecht an
Daten, die in und mit den Fahrzeugen entstehen. Dabei will Dobrindt, dass dem Halter der
Fahrzeuge diese dort anfallenden Daten gehören. So steht es in einem Strategiepapier mit
dem Titel „Digitale Souveränität“ des Bundesministeriums für Verkehr und digitale Infra-
struktur (BMVi). Prinzipiell sind Daten aber im Rechtssinn keine Sachen und dadurch
nicht eigentumsfähig. In dem Strategiepapier steht dann auch, dass man Daten mit Sachen
gleichstellen will, um so die Voraussetzung zu schaffen, dass diese natürlichen oder juris-
tischen Personen als Eigentum eindeutig zugewiesen werden können. Weiter wird für eine
neue Datenkultur geworben und damit die klare Abkehr vom „Grundsatz der Datenspar-
samkeit hin zu einem kreativen, sicheren Datenreichtum“. Denn so kommt das Ministe-
rium zu dem richtigen Schluss: „Die Wertschöpfung der Zukunft und der Mehrwert aus
digitalen Anwendungen entstehen nur dort, wo Daten erhoben, genutzt und vernetzt wer-
den“ [HEUZ02]. Da entsteht der Eindruck, dass die Politik endlich aus ihrem Dornrö-
schenschlaf in Bezug auf die expandierende Digitalisierung aufwacht. Mit dem
Datenausweis sollen Bürger in die Lage versetzt werden, die Entscheidung zur Verwen-
dung der im Fahrzeug anfallenden Daten souverän und unter der Bedingung vollständiger
Information zu treffen. Mit dieser Regelung ist in dem Ministerium die Hoffnung verbun-
den, dass sich auch in anderen Bereichen die Sicht auf das Datenmanagement ändert. Das
Bundesministerium für Verkehr und digitale Infrastruktur will auch die offene Bereitstel-
lung von nicht-personenbezogenen Mobilitätsdaten als „Public Open Data“ fördern
[HEUZ02].
Besonders problematisch ist beim Datenschutz der Umstand, dass die Nutzerdaten
durch intransparente Algorithmen auf digitalen Plattformen weiterverwertet werden.
Damit aber, so Christoph Kucklick in seinem Buch „Die granulare Gesellschaft: Wie das
Digitale unsere Wirklichkeit auflöst“, werden wir „… durchschaut und können nicht
zurückschauen“ [KUCK]. Dadurch entsteht ein Machtgefälle zugunsten der digitalen
Plattformen. Die dabei auftretende Frage lautet, wie die Algorithmen transparent gemacht
und geprüft werden können, ohne dabei die berechtigten Interessen der digitalen Plattfor-
men zu ignorieren. Diese Frage hat für die digitalen Plattformen eine enorme Sprengkraft,
da damit unmittelbar ihre Geschäftsmodelle oder sogar die schiere Existenz in Frage
gestellt werden können. Dennoch würde eine Aktualisierung der Regulierungsbestim-
mungen im digitalen Plattform-Zeitalter auf zwei Säulen aufbauen: Transparenz (der
Plattformnutzerdaten) und Prüfbarkeit der Algorithmen (auf Fairness und Missbrauchsbe-
stände). Die Überprüfung könnte von staatlichen Stellen oder durch zertifizierte Prüfungs-
gesellschaften durchgeführt werden. Das ist nicht so unmöglich, wie manche Leser
vielleicht denken mögen. Der Computerwissenschaftler Anupam Datta hat in zahlreichen
Arbeiten nachgewiesen, dass Verstöße gegen die Privatsphäre auch in Algorithmen ent-
deckt werden können, ohne dass alle Rechenschritte der Algorithmen nachvollziehbar
sind. Das Problem ist bis dato das Fehlen standardisierter Verfahren, um jedwede Algo-
rithmen auf Fairness hin prüfen zu können, ohne den inhärenten Mechanismus der Algo-
rithmen offenzulegen [KUCK].
Als Frühindikatormodell für eine mögliche Regulierungsintervention kann das Mus-
ter von David. S. Evans herangezogen werden. Danach wird im ersten Schritt unter
sucht, ob die digitale Plattform über eine funktionierende interne Governance verfügt.
Der zweite Schritt besteht darin zu prüfen, ob dieses Governance-System hauptsächlich
dazu genutzt wird, negative externe Effekte zu identifizieren, die der Funktionsfähigkeit
der digitalen Plattform schaden (kriminelles Nutzerverhalten auf der Plattform) oder
den Wettbewerb im Markt behindern könnte oder dazu führen könnte, dass die digitale
Plattform eine dominante Marktstellung missbraucht. Ein dritter Schritt wird nur dann
nötig, wenn die digitale Plattform wettbewerbswidriges Verhalten auf der digitalen
Plattform begünstigen würde. Dann müsste geprüft werden, ob die negativen externen
Effekte die Vorteile der digitalen Plattform überwiegen. Wenn dieser Fall eintritt, wird
eine regulatorische Reaktion notwendig. Im gegenteiligen Fall entsteht kein Regulie-
rungsbedarf [PA].
Der Bundesverband der Verbraucherzentralen fordert unter dem Motto „Datenautono-
mie sichern“, dass der Schutz der persönlichen Daten im Rahmen des Sharings derart
gewährleistet wird, dass die datenschutzrechtlichen Grundprinzipien verankert in der
Datenschutzverordnung der EU auf einem europaweit einheitlich hohen Schutzniveau

festgelegt werden. Der Verband geht in seiner Forderung sehr weit hinsichtlich der Orien-
tierung des Datenverkehrs an einem Verbot der Datenspeicherung mit Erlaubnisvorbehalt,
genereller Datensparsamkeit und einer Zweckbindung der Datenverarbeitung [VO].
Würde der Datenschutz derart rigoros in die Praxis umgesetzt werden, dann würden sich
die Geschäftsmodelle von Facebook, Google, Airbnb, UberX und Co. schlagartig in Luft
auflösen [PA]. Dann könnten sich keine positiven exponentiellen Netzwerkeffekte entfal-
ten, die sich bei diesen digitalen Plattformen erst bei länderübergreifender Nutzung der
Plattform-Dienste ergeben.
Einen anderen Ansatz favorisiert der Hamburger Justizminister Till Steffen mit der
Forderung, dass Nutzer entscheiden können sollen, ob sie mit Daten für Services von
digitalen Plattformanbietern bezahlen oder mit Geld. Hierzu müssten Anbieter wie Airbnb
oder Facebook Bezahlformate anbieten, mit denen Nutzer tatsächlich einen Betrag über-
weisen können, damit ihre Nutzerdaten nicht mehr verwertet werden [BUDRAS]. Aus
Sicht der digitalen Plattformen läuft diese Idee gegen die dominante Branchenlogik im
Bereich digitaler Plattformen, da die Geschäftsmodelle dadurch tangiert würden. Ohne die
Möglichkeit, die anfallenden Nutzerdaten nicht nur zu sammeln, sondern auch auswerten
zu können, würde das Geschäftsmodell der digitalen Plattformen ab einer kritischen
Masse an Nutzern, die diese Möglichkeit monetär ausschließen würden, in Agonie verfal-
len. Auch dann werden die positiven exponentiellen Netzwerkeffekte ausbleiben, die das
enorme Wachstum von digitalen Plattformen wie Airbnb oder Facebook erst möglich
gemacht haben. Dann bekämen die digitalen Plattformen die Macht negativer exponenti-
eller Netzwerke zu spüren.
In ihrem Buch „Platform Revolution“ haben die Autoren Parker et al. Regulierungsleit-
linien erarbeitet, an denen sich alle Akteure von digitalen Plattformen orientieren können
[PA]:
• Die Regierungsbehörden sollten nach Möglichkeit schneller als bisher auf technologi-
sche Innovationen reagieren und die geltenden Gesetze anpassen.
• Die Regulierungsbehörden sollten die Möglichkeit für Arbitrageverhalten reduzieren.
Die digitale UberX-Plattform ist eine Antwort auf ein Marktversagen, verursacht durch
die Regulierung eines abgeschotteten Marktes über hohe Markteintrittsbarrieren in
Form von teuren Taxilizenzen (Medaillons in New York).
• Die Regulierungsbehörden können in denjenigen Fällen Mehrwerte erzeugen, in denen
Nutzer auf akkurate Informationen angewiesen sind, damit Märkte funktionieren kön-
nen. Der Zugang zu digitalen Plattform-Nutzerdaten eröffnet eine wirksame Möglich-
keit, um Marktversagen zu verhindern. Zudem würden Systeme zur Auditierung
digitaler Plattformen dazu beitragen, dass sich neue digitale plattformbasierte Märke
bilden und erfolgreich entwickeln können.
• Die Regulierungsbehörden sollten bei der Entscheidung, ob neue Regulierungsgesetze
und -vorschriften notwendig sind, besonnen agieren, und wie umfangreich diese in
ihren Wirkungen sind, um Innovationen nicht im Keim zu ersticken.
Prinzipiell ist eine Anpassung der bestehenden gesetzlichen Regelungen dringend gebo-
ten. Dann erst wird es möglich sein, die erheblichen Chancen wie die effizientere Nutzung
von Ressourcen durch die digitalen Plattformanbieter rechtlich abgesichert realisieren zu
können. Die Notwendigkeit der Anpassung von Regelungen spezifisch für digitale Platt-
formen ergibt sich daraus, dass die Entwicklung an den Märkten ohne wirksame Regulie-
rung erfolgt ist und so Fehlentwicklungen korrigiert werden müssen. Daher besteht eine
grundsätzliche Notwendigkeit für alle digitale Plattformanbieter und -betreiber, dass gül-
tige Maßstäbe festgelegt und durchgesetzt werden. Genau in diese Richtung zielt auch
eine Feststellung bei den Antworten auf den Fragenkatalog zum Fachgespräch „Plattfor-
men: Interoperabilität und Neutralität“ des Ausschusses Digitale Agenda [BOE]. Die
EU-Kommission will mit einer Leitlinie die rechtliche Behandlung von Sharing-Plattfor
men wie Uber oder Airbnb vereinheitlichen. Denn, so stellt die EU-Kommission fest,
nationale und lokale Behörden innerhalb der EU hätten mit einem unüberschaubaren Fli-
ckenteppich verschiedener Regulierungsmaßnahmen auf die digitalen Sharing-Plattfor
men reagiert. Das Ziel der Leitlinie besteht darin, digitale Plattform-Geschäftsmodelle
nicht gegenüber anderen Geschäftsmodellen zu benachteiligen. Die Aktivitäten von Uber
oder Airbnb und Co. sollen legal sein, wenn sie vor allem drei wesentliche Kriterien erfül-
len: Steuern entrichten, die Rechte von Verbrauchern achten und sich an Sozial- und
Arbeitsrechtsvorschriften halten. Eines ist für die EU-Binnenmarktkommissarin Elżbieta
Bieńkowska klar: „Und sie (Anm.: die Sharing Econonmy mit ihren digitalen Plattformen)
wird nicht verschwinden, egal, ob uns das gefällt oder nicht“ [BE]. Aber in einem Sonder-
gutachten Nr. 68 der Monopolkommission zu digitalen Märkten wird betont, dass auch für
etablierte Marktteilnehmer Chancengleichheit gegenüber nicht regulierten Internetanbie-
tern bestehen muss [MON].
Betrachtet man die Perspektive der digitalen Plattform-Unternehmer, reagieren diese
im Angesicht von regulatorischen Risiken in der Regel in einer von zwei Arten: Ignoranz
oder die Beseitigung aller regulatorischen Risiken vor dem Start einer digitalen Plattform.
Beide Reaktionsmuster sind alles andere als ideal [HAG]. Nicht von ungefähr waren
UberX und Airbnb durch die Ignoranz gegenüber geltenden Regulierungen in den jewei-
ligen Märkten fast immer mit schlechter Presse und Widerstand durch Lobbygruppen und
Gerichte konfrontiert [PA]. Die Beseitigung aller regulatorischen Risiken vor dem Start
einer digitalen Plattform ist unrealistisch. Vielmehr liegt ein konstruktives Vorgehen
irgendwo in der Mitte dieser beiden Reaktionsmuster. Der vormalige „Global Head of
Public Policy“ bei Airbnb David Hartmann entwickelte im Zuge der Erfahrungen der
Airbnb-Unternehmer mit Regulierungsinstanzen vier miteinander verbundene Regulie-
rungsleitprinzipien (siehe Abb. 3.11).
Prinzipiell sollte jeder Plattform-Unternehmer eine klare Vision des digitalen
Geschäftsmodells und der Kern-Interaktion entwickeln, die dann auch leicht zu vermit
teln ist. Dann sollten die Unternehmen auf die Medien zugehen und die digitale Platt-
form-Vision verständlich vermitteln, und zwar bevor der Wettbewerb oder die Presse
selbst versuchen, die Vision des Geschäftsmodells zu skizzieren und dabei eine ver
zerrte Vision an die Außenwelt vermitteln. In Industrien mit klaren und nationalen
Entwicklung einer klaren Vision

des digitalen Geschäftsmodells
und einer konstruktiven Möglichkeit der
Vermittlung des digitalen Geschäftsmodells
Bestimmung des richtigen

Weich zu den Personen,
Zeitpunkts und Ortes für
aber falls nötig
den Austausch mit
hart in der Sache
Regulierungsbehörden
Nicht einfach nein sagen:

konstruktive Vorschläge machen
Abb. 3.11 Die vier miteinander verbundenen Regulierungsleitprinzipien nach David Hantman
[HAG]
Regulierungen sollten Plattform-Unternehmer einen erfahrenen Anwalt engagieren, mit

ausgewiesener Expertise im Bereich von Regulierungsbestimmungen. Dies sollte vor
dem Start einer digitalen Plattform erfolgen, damit alle relevanten Gesetze und Vor
schriften offen vorliegen. Dann sollte umgehend mit den Regulierungsbehörden in Kon-
takt getreten werden, um idealerweise eine klare gesetzliche Freigabe oder eine implizite
Rechtssicherheit (zweitbeste Lösung) zur Weiterentwicklung der digitalen Plattform zu
erhalten. Im Gegensatz dazu können Plattform-Unternehmer in Märkten mit geringen
und lokalen Regulierungserfordernissen abwarten, bis sie ein stabiles Angebot-Nachfra-
ge-Matching in einer Stadt erreicht haben.
Auf der lokalen Ebene sind die Regulierungsbehörden weniger durchsetzungsstark
und können gegebenenfalls umgangen werden [HAG]. Mögliche Regulierungserforder-
nisse einfach abzulehnen, ist keine konstruktive Handlungsweise für Plattform-Unter
nehmer. Beispielsweise ist es für die Regulierungsbehörden, die das Taxigewerbe
regulieren, wichtig, die Sicherheit von Fahrgästen und Fahrern zu gewährleisten. Das
sollten UberX oder Lyft auch in ihrem eigenen Interesse als Ziel betrachten. Die digitalen
Plattformen können hierzu ihre Nutzerdaten bezüglich Identitäten beider Seiten der Platt-
form, Fahrzeiten und Fahrtwege konstruktiv nutzen und für die Regulierungsvertreter so
weit wie nötig transparent machen beziehungsweise automatisiert übermitteln. Mit „hart
in der Sache“ meint David Hantman wörtlich „carry a big stick“. Das ist dann Lobbyar
beit über soziale Medien und dezidierte Webseiten. Dies praktizierte Airbnb erfolgreich
in San Francisco, als Nutzer der digitalen Plattform zu Demonstrationen vor dem Rat
haus aufgerufen wurden, um für Airbnb zu demonstrieren. Ein weiterer Hebel ist die
Möglichkeit, signifikante Steuereinnahmen für die Kommune mit den Diensten auf der
digitalen Plattform zu generieren. Wie bereits in Abschn. 3.3 erwähnt, schließt Airbnb
weltweit Steuerabkommen mit zahlreichen Städten ab, um Hotelsteuern bei privaten Ver-
mietern direkt von den Gastgebern automatisiert einzubehalten und an die Stadtverwal
tungen zu überweisen [HAG].
In der aufkommenden Ära der digitalen Plattformen ist noch nicht absehbar, ob die
Plattformökonomie zu einer Anpassung der Regeln im Sinne einer Erweiterung des Gel-
tungsbereichs etablierter Regeln, zu einer schleichenden Liberalisierung oder zu einer
flexiblen Anpassung der neu an den Märkten auftretenden digitalen Plattformakteure an

die vorhandenen Regeln führt [EICH].
3.7 xkurs: Der Ausbruch aus der dominanten Branchenlogik

E
beginnt mit …
Laut einer Studie von etventure aus dem Jahr 2017 reagieren 37 % der Mitarbeiter in
deutschen Konzernen verunsichert auf Prozesse zur digitalen Transformation. Und in
45 % der deutschen Konzerne führt die zunehmende Digitalisierung der Arbeitswelt zu
einer Spaltung der Belegschaft in Befürworter und Verweigerer. Zudem sind es rund 50 %
der Unternehmen, die in der dominanten Branchenlogik gefangen sind. Dies führt dazu,
dass interne Widerstände, also die herrschende Unternehmenskultur manifestiert in eta
blierten Strukturen, Prozessen und Hierarchien, die digitale Transformation der Unterneh-
men behindern [DEP]. Die dominante Branchenlogik mit den dazugehörigen Strukturen
zu durchbrechen, ist keine triviale Angelegenheit. Die meisten Unternehmen scheitern
daran, wie Clayton Christensen in seinem bereits zitierten Buch „The Innovator’s
Dilemma“ aufschlussreich skizziert. Obgleich die Manager in den Unternehmen alles
richtig machen und der Branchenlogik folgen, werden sie zum Opfer ihres vermeintlichen
Erfolgs. Wie wir bereits gesehen haben, sind mit den digitalen Plattformen neue Struktu
ren, Prozesse und Arbeitsweisen verbunden, die konträr zur bestehenden Branchenlogik
in etablierten Pipeline-Unternehmen stehen.
Die Einführung der elektronischen Patientenakte in Deutschland illustriert diese Pro
blematik. Die Vision einer personalisierten Medizin mit individuellen Therapien über
digitale Gesundheitsplattformen benötigt als Grundlage die elektronische Patientenakte,
in der die Krankenhistorie der Patienten abgespeichert ist. Über die technischen Probleme
der Verknüpfung unterschiedlicher Systeme will ich hier nicht näher eingehen. Dies ist im
„E-Health-Gesetz“, dem „Gesetz für sichere Kommunikation und Anwendungen im
Gesundheitswesen“ im Bundestag 2015 geregelt worden. Vordergründig wird in einer
Forschungsstudie von Wissenschaftlern des Instituts für Angewandte Versorgungsfor-
schung im Auftrag der Stiftung Münch festgestellt, dass vor allem Datenschutzbedenken
die Entwicklung der digitalen Patientenakte seit Jahren blockieren. Dabei liegen die Vor-
teile der digitalen Patientenakte auf der Hand. So könnten die Patienten ungehindert über
ihre eigenen Gesundheitsdaten verfügen und relevante Informationen wie Diagnosen,
Befunde, Laborergebnisse oder Medikationspläne einsehen. Zudem könnten sie Röntgen-
und Ultraschallbilder zu unterschiedlichen Ärzten mitbringen. Auch könnten dort Impf-
und Allergiepässe, Patientenverfügungen oder ein Blutspendeausweis und so weiter auf
der digitalen Patientenakte abgespeichert werden. Die Krankenkassen wünschen sich die
Patientenakte, da die elektronische Patientenakte auch dabei hilft, Kosten zu sparen [KAI].
Nicht nur Datenschutzbedenken behindern die Einführung der digitalen Patientenakte,
sondern auch mangelnde Visionen der Entscheidungsträger. Aus der Forschungsstudie lei
ten die Autoren drei konkrete Handlungsempfehlungen ab. Erstens sollte Deutschland seine
3.7 Exkurs: Der Ausbruch aus der dominanten Branchenlogik beginnt mit … 201
Anstrengungen beim Aufbau übergreifender elektronischer Patientenakten deutlich erhö-

hen. Insbesondere sollten ein Wissenstransfer aus anderen Ländern zugelassen und Investi-
tionen in den Aufbau flächendeckender Strukturen erhöht werden. Zweitens fordern die
Forscher eine langfristige E-Health-Strategie mit starken Governance-Strukturen. Drittens
sollen „die Grenzen erkannt und benannt werden“, die die gegenwärtige Ausgestaltung der
Selbstverwaltung aufweist. Die dritte Handlungsempfehlung bildet den entscheidenden
Punkt. Denn in den Ländern, die erfolgreich elektronische Patientenakten-Infrastrukturen
aufgebaut haben, haben vor allem visionäre Entscheidungsträger des jeweiligen Gesund-
heitswesens die Entwicklung vorangetrieben [GRÄ].
Das vom Bundestag verabschiedete „Gesetz für sichere Kommunikation und Anwen-
dungen im Gesundheitswesen“ beinhaltet keinen detaillierten Fahrplan, wie die Patienten-
akte bundesweit eingeführt und angewandt werden soll [KAI]. Anders ausgedrückt,
mangelt es an zukunftsweisenden Visionen hinsichtlich einer digitalen Transformation im
Gesundheitswesen auf Seiten der Entscheidungsträger. Vermutlich sind es in Deutschland
wohl die Ärzte, die nur schwerlich die Hoheit über die Patientendaten abgeben wollen.
Auch die etablierten Strukturen im gesamten Gesundheitssystem stemmen sich gegen die
Einführung der digitalen Patientenakte.
Ob sich tatsächlich eine Mehrheit der Ärzte der digitalen Transformation versperrt oder
ihre Stellvertreter, ist schwer auszumachen. Auf Nachfrage wollte sich der Pressesprecher
der Kassenärztlichen Bundesvereinigung gegenüber der Wochenzeitung „Die ZEIT“ zu der
Sache nicht äußern. Vielmehr wird mit der Begründung abgewiegelt, dass die elektronische
Krankenakte erst am Ende des Digitalisierungsprozesses stünde. Im Moment hätten andere
Fragen höhere Priorität [ALB]. Es drängt sich der Verdacht auf, dass es hier nicht nur an
Visionen im Gesundheitswesen fehlt, sondern auch am Willen, die digitale Transformation
voranzutreiben. In den USA beispielsweise war es eine Non-Profit-Organisation, die den
Datentransfer im Gesundheitswesen vorangetrieben hat: 2012 startete OpenNotes. An drei
renommierten Medizinzentren öffneten 100 Hausärzte ihren 22.000 Patienten die elektro-
nischen Patientendaten für eine Testphase. Trotz einiger Befürchtungen von Ärzten, dass
ihre Klienten durch die ungefilterten Befunde verängstigt und verwirrt würden, passierte
aber nichts dergleichen. Aus der Testphase wurde gelebter Alltag. Heute haben in den USA
bereits 6 Mio. Menschen per OpenNotes Zugriff auf ihre digitalisierten Gesundheitsdaten
[ALB]. Manchmal müssen kreative Wege eingeschlagen werden und digitale Plattformen
mit kreativen Algorithmen wirbeln die verkrusteten Strukturen in zahlreichen Lebensberei-
chen auf. Auf die digitale Patientenakte komme ich in Abschn. 4.1 nochmals bei der Skiz-
zierung zukünftiger Entwicklungen digitaler Plattformen zurück.
Die bisherigen Ausführungen zum Komplex digitaler Plattformen fokussierten sich
weitgehend auf Start-up-Unternehmen. Diese Erkenntnisse über digitale Plattformen bil-
den aber auch das Fundament für die digitale Transformation etablierter Pipeline-Unter
nehmen zu digitalen Plattformen mit Ökosystemen. Prinzipiell lassen sich zwei
Herangehensweisen an den Aufbau digitaler Plattformen unterscheiden: 1. Der Aufbau
digitaler Plattformen als reine Start-up-Unternehmen und 2. die digitale Transformation
etablierter Pipeline-Unternehmen zu digitalen Plattformen mit Ökosystemen.
Datenmanagement-Ebene
Netzwerkmarktplatz-Community-Ebene
Technologische Infrastrukturebene
Kern-Interaktion
Abb. 3.12 Das Aufbauschema digitaler Start-up-Plattformen
Der Aufbau digitaler Plattformen als Start-up-Unternehmen folgt einem Schema

(siehe Abb. 3.12), das sich aus dem Kategorienmodell für digitale Plattformen aus Kapitel
2.1 ableiten lässt. Den Grundstein für den Aufbau einer digitalen Plattform bildet aber
nicht die technologische Infrastruktur, sondern die Kern-Interaktion ist davor so genau
und klar wie möglich strategisch auszuarbeiten. Erst wenn Klarheit über die Kern-Interak
tion und das Matching der beiden Seiten auf der digitalen Plattform herrscht, wird die
technologische Infrastruktur aufgebaut.
Diese technologische Infrastruktur setzt sich zusammen aus der Website, Cloud Com
puting-Rechenzentrumsleistungen, Software-Plattform, Apps und Managed Services.
Zudem sind diese Infrastrukturkomponenten in nahezu allen Fällen bei den digitalen Platt-
formen Uber & Co. aus Standardkomponenten aufgebaut, die teilweise bedarfsgerecht
(„on-demand“) bezogen und in der Cloud gehostet werden. Die digitalen Plattform
Start-up-Unternehmen haben nicht mit dem Problem von „Legacy-IT“ zu kämpfen, wie
dies bei etablierten Pipeline-Unternehmen der Fall ist. Diesen wichtigen Aspekt betont der
Autor des sehr empfehlenswerten Buches „Platform Scale“ [PA], Sangeet Paul Chouda,
nicht oder nur unzureichend. Es verwundert mich kaum, wenn Friedrich Joussen als Chef
des Reisekonzerns TUI über seine Erfahrungen bei einer Reise ins Silicon Valley richtig
feststellt: „… über Technik und Software-Entwicklung kann man im Silicon Valley eher
wenig lernen“ [WE]. In der Praxis aber erweist sich das Vorhandensein von über Jahr-
zehnte gewachsener, individueller Legacy-IT und dazugehöriger Unternehmensprozesse
als eine der großen Hürden bei der digitalen Transformation von Pipeline-Unternehmen.
Über die Kern-Interaktion nutzen Fahrer und Fahrgäste die digitale UberX-Plattform
und auf der Airbnb-Plattform werden Gastgeber mit Mietern zusammengebracht. Dadurch
werden Transaktionen auf der Plattform ausgeführt und es entsteht eine digitale „Netz
werkmarktplatz-Community“ [SAN]. Diese Netzwerkmarktplatz-Community wird bei
weiterem Wachstum der digitalen Plattform um externe Entwicklungsservices angerei-
chert. So entsteht ein hochvernetztes Ökosystem um die Kern-Interaktion der Plattform
herum. Dazu werden im weiteren Lebenszyklus der digitalen Plattformen (siehe
Abschn. 3.1) sogenannte APIs (Application Interfaces) zur Verfügung gestellt und zur
Anbindung externer Apps beziehungsweise Dienste die Kern-Interaktion auf der digitalen
Plattform angereichert. Dadurch entwickelt sich um die digitale Plattform herum ein pul-
sierendes Ökosystem mit externen Partnern. Zuvor erzeugen die Kern-Interaktionen Nut-
zerdaten auf beiden Seiten der digitalen Plattform, die dann die Datenmanagement-Ebene
bildet. Die Datenmanagement-Ebene sorgt dafür, dass die Kern-Interaktion immer effizi-
enter und leichter durchgeführt werden kann. Auch die digitale Plattform selbst erzeugt
auf der Datenmanagement-Ebene über komplexe Algorithmen weitere Dienste als zusätz-
lichen Mehrwert und erhöht so die Attraktivität für alle Seiten der digitalen Plattform. Mit
der weiteren Expansion der Datenmanagement-Ebene weitet sich auch die Netzwerk
marktplatz-Community-Ebene aus. Die so skizzierte digitale Plattform-Strategie funktio-
niert für alle Start-up-Plattformen, sie eignet sich aber nicht für Pipeline-Unternehmen,
die zusätzliche Herausforderungen meistern müssen.
Die dominante Branchenlogik etablierter Organisationstrukturen und Unternehmens-
kulturen machen es sehr schwer, auf dynamische Veränderungen in der Umwelt zu reagie-
ren. Besonders hervorzuheben ist, dass in den meisten Pipeline-Unternehmen keine
kreative Kultur der Datenakquisition und des Datenmanagements ausgeprägt ist [SAN].
Hinzu kommt ein Faktor, mit dem etablierte Unternehmen im sogenannten „Pipe
line-Business“ kaum konfrontiert werden: die korrekte Einschätzung digitaler Platt
form-Innovationen. Das Wachstum digitaler Plattformen benötigt meist mehrere Jahre, da
das in den Kap. 2 und 3 an mehreren Stellen beschriebene „Henne-Ei-Problem“ auf krea
tive Weise überwunden werden muss. Außerdem sind für dieses erhoffte exponentielle
Wachstum die richtigen Metriken zu finden wie in Abschn. 3.1 skizziert. Diese Metriken
unterscheiden sich fundamental von den Metriken in Pipeline-Unternehmen, in denen bei
spielsweise die Leistungen der Mitarbeiter in vierteljährlichen oder jährlichen Zyklen
bewertet und honoriert werden.
Prinzipiell können etablierte Pipeline-Unternehmen die digitale Transformation über
drei Ansätze angehen [SAN, BONNET, ZHU]: 1. Der Aufbau einer eigenen Webpräsenz
und die Nutzung existierender sozialer digitaler Plattformen wie Facebook oder Instagram
als Multiplikatoren. 2. In eine bereits bestehende digitale Plattformen investieren oder eine
strategische Partnerschaft eingehen. 3. Der Aufbau eines eigenen digitalen Plattform-
Ökosystems.
Alle drei Ansätze erfordern den Einsatz von Investitionskapital und vor allem geeigne-
tes Personal. Die ersten beiden Ansätze werden langfristig kaum dazu führen, dass Pipe
line-Unternehmen ihren einzigartigen Vorteil der Kenntnis von Kundenbedürfnissen bei
dem Aufbau digitaler Plattformen nutzbar machen können und ihren Nachteil eines man-
gelhaften Datenmanagements überwinden [SAN]. Der Vorteil der umfassenden Kenntnis
über die Bedürfnisse ihrer Kunden in Bezug auf Produkte und Dienste unterscheidet die
Pipeline-Unternehmen von den digitalen Plattformen wie Amazon, Airbnb oder Alibaba,
konstatieren die erfahrenen Unternehmensberater Carsten Hentrich und Michael Pachma-
jer in ihrem lesenswerten Buch „d.quarks – Der Weg zum digitalen Unternehmen“ [HEIN].
Auf diesem vermeintlichen Vorteil hat sich der Großhandel in Deutschland auch viele
Jahre noch ausgeruht. Offenbar hat der Großhandel darauf vertraut, dass der gut vernetzte
Außenhandel die Bedürfnisse seiner Kunden dauerhaft besser versteht, als die digitalen
Plattformen Amazon oder Alibaba. Nun ist es jeder zweite Großhändler in Deutschland,
der durch die digitalen Plattformen eine akute Gefahr für sein eigenes Geschäftsmodell
sieht. Die digitalen Plattformen haben im Vergleich zu den etablierten Großhändlern
zunehmend einen größer werdenden Vorteil. Über umfangreiches Big Data Management
wird es für die digitalen Plattformen möglich, in kurzer Zeit ein detailliertes Wissen über
die eigenen Kunden zu erhalten. So kommt der Großhandelsexperte Patrick Heinemann
von dem Beratungsunternehmen Roland Berger zu dem richtigen Schluss, dass die umfas-
sende Analyse von Kundendaten als Basis für die effektive Kombination von Vertriebska-
nälen mitentscheidend für den Erfolg des Großhandels ist. Die Hersteller von Gütern
erkennen die Attraktivität digitaler Vertriebskanäle und die Logistikkompetenz der großen
digitalen Plattformen. Außerdem kennen die Einkäufer bei den Produzenten die digitalen
Plattformen Amazon & Co. aus eigenen privaten Bestellungen [DIER].
So scheint der vermeintliche Vorteil von Pipeline-Unternehmen bezüglich ihrer umfas-
senden Kenntnisse über die Kundenbedürfnisse in manchen Branchen auch nicht dauer-
haft vor disruptiven Umwälzungen zu schützen. Die digitalen Plattformen werden ihre
disruptiven Kräfte auch in anderen Branchen und Lebensbereichen zur kreativen Entfal-
tung bringen. Allerdings schätze ich das zerstörerische Potenzial der digitalen Plattformen
für die starken mittelständischen Unternehmen im Maschinen- und Anlagenbau in
Deutschland noch als eher gering ein. Hier hat der deutsche Mittelstand einen unschätzba-
ren Innovationsvorsprung, den es zu halten gilt. Was ich auch hoffe und beobachten kann,
ist, dass deutsche „hidden champions“ eigene digitale Plattform-Ökosysteme aufbauen.
Die größte Schwierigkeit für Pipeline-Unternehmen ist die Transformation der gewach-
senen Prozesse, Strukturen und der notwendige Kulturwandel im Unternehmen [DEP].
Hinzu kommt, dass die digitalen Plattformen technologisch und strukturell in bestehende
Unternehmens-IT-Landschaften und -strukturen entweder eingebettet werden müssen
(sehr komplex, da verbunden mit hohen Integrations- und Transformationskosten) oder
empfehlenswerterweise parallel in eigenen Organisationseinheiten betrieben werden soll-
ten. Die zweite Vorgehensweise scheint sich in der Praxis aus offensichtlichen Gründen
durchzusetzen. Das grundsätzliche Vorgehen bei etablierten Pipeline-Unternehmen kann
auch entlang eines Schemas skizziert werden, das fünf Schritte umfasst (siehe Abb. 3.13).
Das Aufbauschema ist in der Reihenfolge wie in Abb. 3.13 ersichtlich umzusetzen. Bei
der Etablierung einer Kultur des Datenmanagements ist das Unternehmen auf die Analyse
von Daten auszurichten, die bei bestehenden Produkten oder Diensten im Unternehmen-
sportfolio anfallen. Der Industriegigant GE transformiert sich vom industriellen Hard
ware-Produzenten zum fortschrittlichen Datenanalyse-Unternehmen, in dem die Produkte
von GE beispielsweise mit Sensoren ausgestattet werden, deren Daten gesammelt und
ausgewertet werden. Dabei fährt GE ein hybrides Geschäftsmodell, bestehend aus pro-
duktbezogenem Geschäftsmodell und einem digitalen, plattformbezogenen Geschäftsmo-
dell auf der Basis eines umfassenden Datenmanagements. Im nächsten Schritt sind die
Unternehmenssilos mit ihren spezifischen Prozessen aufzubrechen und datenorientierte,
fluide Unternehmensstrukturen zu schaffen.
Etablierung einer Kultur des

Datenmanagements im Kontext
einer digitalen Plattform Strategie
Transaktionen
Datenorientierte
Unternehmensstrukturen
Explizite, neue Digitale Transformation Datenmanagement-

Transaktionen ermöglichen zu digitalen Plattformen Ebene
Nutzung der bestehenden

Nutzerdaten
Netzwerkmarktplatz- Aufbau expliziter Technologische

Communities Netzwerk-Communitys Infrastrukturebene
Abb. 3.13 Das Aufbauschema etablierter Pipeline-Unternehmen zu digitalen Plattform-Unternehmen
Wie bereits erwähnt, ist dies mit hohen Integrations- und Transformationskosten ver-
bunden, da die bestehenden Strukturen und Prozesse des Unternehmens bei laufendem
Stammgeschäft neu arrangiert werden müssen. Bei der digitalen Transformation können
noch zahlreiche etablierte Pipeline-Unternehmen ihren großen Vorteil nutzen und auf die
bestehenden Kundenstammdaten mit impliziten Netzwerkeffekten aufbauen. Anschlie-
ßend erfolgt der Aufbau expliziter Netzwerk-Communitys mit einer veränderten techno
logischen Infrastrukturebene auf der Basis technologischer Standardkomponenten.
Beispielsweise identifiziert eine Finanzbank die Netzwerk-Transaktionen eines Produ
zenten und regt den Aufbau geschlossener Industrie-Communitys um die Finanzierungs-
produkte auf einer digitalen Finanzplattform an. Dann werden explizite Transaktionen auf
der digitalen Plattform möglich, die zu Mehrwerten für alle Nutzer der digitalen Plattform
führen.
Diese digitale Transformation von etablierten Pipeline-Unternehmen hin zu digitalen
Plattformen unterscheidet sich deutlich von dem Vorgehen von Start-up-Plattformen. Die
etablierten Pipeline-Unternehmen machen sich die bereits bestehenden Kundenstämme
und Kundendaten zunutze sowie die bereits implizit existierenden Netzwerkeffekte über
die bestehenden Transaktionen mit den Kunden. Die digitale Transformation ist in der
Reihenfolge des Schemas praktisch umzusetzen, wenn die digitale Transformation stra
tegischer Natur sein soll und sich nicht nur in isolierten digitalen Projekten niederschla-
gen soll.
Diese digitale Transformation von Pipeline-Unternehmen lässt sich am Beispiel des
Axel Springer-Verlags praktisch nachvollziehbar illustrieren. Bei dem Axel Springer-Ver
lag wird ab dem Jahr 2013 unter der Direktive, der führende digitale Verlag zu werden, mit
folgenden Ansätzen operiert: Bezahlangebote, Vermarktungsangebote und Rubrikenange-
bote (Kleinanzeigen) mit dem Geschäftsmodellnukleus „Journalismus“. Damit wurde die
Online-Vermarktung konsequent weiter ausgebaut. Hinzu kommen im Online-Rubriken
markt und bei den Marktplätzen eigene Portale und Beteiligungen [AXSP]. Über die auf
gebauten digitalen Plattformen wird ein umfassendes Datenmanagement möglich, das zu
Monetarisierung von Digitale Technologien Monetarisierungs-

Inhalten spektrum
Nutzer generierte Inhalte +
internetbasierte Inhalte
Umsätze aus Vermarktungs-
Aggregatoren
angebote
Printmedien-
verkäufen Journalistische
Digitalportale &
andere digitale Medien
Journalismus
Performance Marketing
Datenmanagement Strukturelle
Veränderungen
Rubriken-Angebote
Leser
Bezahlangebote
(Konsument/Produzent)
digitaler Medien Digital
Classifieds
Digitale Technologien
Abb. 3.14 Das Axel Springer-Geschäftsmodell mit digitaler Plattform nach der digitalen Transfor-
mation. (Erweitert nach [AXSP, SPRI, JA03])
weiteren digitalen Produkten und Diensten führt. Aus der Axel Springer-Kernstrategie ab
2013 lässt sich unmittelbar die schematische Anatomie des digitalen Geschäftsmodells und
damit der digitalen Plattform ableiten (siehe Abb. 3.14).
Aus der Abbildung wird die Kern-Interaktion des Axel Springer-Verlags deutlich, die
weiter darin besteht, journalistisch aufbereitete Inhalte über die digitale Plattform für die
Leser der Verlagsprodukte bereitzustellen. Dabei kann jede Seite der digitalen Plattform
die Rollen wechseln, vom Leser zum Produzenten von Inhalten und zurück. Der Verlag
agiert über die digitale Plattform als Kurator von journalistischen Inhalten mit dem
Anspruch, weiter die „Gatekeeper-Funktion“ zu behalten. Rein praktisch vollzieht der
Axel Springer-Verlag die digitale Transformation über vier Hebel: 1. Transformation der
verlagseigenen Medienmarken (Digitalisierung von Inhalten). 2. Digitale Neuentwicklun-
gen. 3. Strategische Akquisitionen in den Bereichen Bezahl-, Rubriken- und Vermark-
tungsangebote. 4. Vernetzung mit impulsgebenden Start-up-Unternehmen als Plattform
für neue Ideen, Innovationen, Erfahrungsaustausch [SPRI]. Die wesentlichen Erlösquellen
der digitalen Springer-Plattform erstrecken sich auf: 1. Bezahlangebote, überwiegend refi-
nanziert durch Leser. 2. Vermarktungsangebote – Erlöse, vor allem durch Werbekunden.
3. Rubrikenangebote – Erlöse durch Kleinanzeigen [SPRI].
Für die digitale Transformation des Axel Springer-Verlags waren und sind folgende
Erfolgsfaktoren von entscheidender Bedeutung [JA03]:
• Etablierung einer kreativen Unternehmenskultur, in der unterschiedlichste und unter-

nehmerische Persönlichkeiten einen produktiven Raum finden.
• Keine Angst vor der Selbstkannibalisierung von Printmedien zugunsten digitaler
Inhalte.
• Aktive Vermeidung von „Silo-Denken und -Handeln“ (Inhalte, Marken-Dienste etc. –

alle Bereiche des Unternehmens wurden so organisiert, dass alle Manager Multime
dia-Verantwortungen haben).
• Top-Management-Unterstützung (Matthias Döpfner ernannte Kai Diekmann, den
Chefredakteur des Printmediums „Bild“ zum Chef der Online- und Offline-Distributi
onskanäle. Die Änderung der Unternehmensführung und -kultur erfolgte direkt durch
das Top-Management).
• Daten sind das neue Papier. Daten bilden das verbindende Element von digitalen
Bezahl-, digitalen Vermarktungs- und digitalen Rubrikenangeboten [DOC].
• Die Verankerung des Journalismus als Kernbaustein des digitalisierten Geschäfts-
modells. In einem Essay im Jahre 2006 hat Matthias Döpfner sein Bekenntnis zum
Journalismus bereits klar zum Ausdruck gebracht: „Die Zeitung muss sich auf sich
selbst, auf ihre Stärken besinnen, und das heißt: als Horizont-Medium Wünsche und
Interessen schaffen und befriedigen, von denen der Leser noch gar nicht wusste,
dass er sie haben könnte. Das war und bleibt ihre Zukunft, ganz gleich, ob sie auf
Papier oder auf elektronischem Papier daherkommt. Denn davon bin ich überzeugt:
Die Zukunft der Zeitung ist digital.“ Weiter heißt es: „Wir Verlagsmanager müssen
uns deshalb noch bewusster werden, dass unser Geschäft nicht das Bedrucken von
Papier ist, sondern Journalismus. Journalismus im Internet und Zeitungsjournalis-
mus. Beide folgen unterschiedlichen Gesetzen. Denn von einem bin ich überzeugt:
Wenn jede Information für jedermann jederzeit überall verfügbar ist, dann wächst
das Bedürfnis nach Orientierung, Auswahl oder dem, was den guten Zeitungsjour-
nalisten ausmacht: Führung“ [DÖPF03]. Einen wichtigen Aspekt lässt Matthias
Döpfner hier weg. In Abb. 3.14 ist eine digitale Plattform ersichtlich, auf der Nut-
zerdaten anfallen, die für die Entwicklung weiterer digitaler Services und Transak-
tionen herangezogen werden.
Die digitale Strategie von Axel Springer ist der klare Gegenentwurf zur bisherigen Unter-
nehmensstruktur und Unternehmenskultur. Den „analogen“ Zeitungsverlegern stand und
steht nun die neue Generation an „digitalen“ Unternehmern gegenüber. Um die Unterneh-
menskultur zu ändern, wurden folgende Maßnahmen ergriffen [JA03]:
• Änderung der Denkweise von Mitarbeitern mit „analoger Printmedien-Kultur“ (50

Workshops, Weiterbildungsmaßnahmen, neue Führungsprinzipien und flachere Hierar-
chien, die darauf abzielen, neue Freiheiten für Mitarbeiter zu schaffen, damit diese
neue Ideen entwickeln können und für den Wandel offen sind).
• Einstellung und Etablierung junger, internetaffiner Talente im Unternehmen [AXSP02].
• Verbesserung des Wissenstransfers (durch die Organisation von Netzwerkveranstaltun-
gen wie der „Digitale Campus“, bei der sich alle digitalen Firmen des Axel Sprin
ger-Unternehmens präsentieren [AXSP02].
• „Axel Springer Plug and Play“: Im Jahre 2013 ging das Axel Springer-Verlagshaus mit
dem „Plug and Play Center“ in Sunnyvale, Kalifornien, eine Partnerschaft ein, um
einen in Berlin basierenden Inkubator für digitales Unternehmertum zu schaffen. Der

Name des „Accelerators“ lautet denn auch: Axel Springer Plug and Play. Mit dieser
Initiative erhält das Unternehmen Einblicke in neue Technologien, kann sich mit
Start-up-Talenten vernetzen und interessante Investitionsprojekte identifizieren. Der
Accelarator Plug and Play erzeugte ein kreatives Unternehmensmilieu, indem Start-up-
CEOs und Axel Springer-Top-Manager voneinander lernen können und zusammenar-
beiten. Dies stellte sich als entscheidend für die Veränderung der Denk- und
Arbeitshaltung der Axel Springer-Manager heraus [ASPP].
Zudem wurden Top-Executives auf eine längere Dienstreise ins amerikanische Silicon
Valley gesandt, um von den dort ansässigen Start-up-Unternehmen zu lernen und insbe-
sondere neue Ideen für das digitale Wachstum von Axel Springer zu entwickeln. Welche
Bilanz lässt sich aus der bisherigen digitalen Transformation des Axel Springer-Verlages
ziehen? Der Anteil an digitalen Medien zum Gesamtgeschäft von Axel Springer umfasst:
52,2 % am Konzernumsatz von 2801,4 Mio. €, 69,8 % am EBITDA und 74,4 % an den
Werbeerlösen [SPRI, SPRI03]. Der geschäftliche Verlauf bis 2014 [AXSP02] deutet ten-
denziell darauf hin, dass Axel Springer die digitale Transformation erfolgreich gestalten
könnte. Allerdings steht der Verlag immer noch vor enormen Herausforderungen. Dem
CEO Matthias Döpfner war von Anfang klar, dass er eine ausgewogene Balance zwischen
der traditionellen und der digitalen Geschäftsmodellstrategie halten muss. Die rückläufi-
gen Auflagen der gedruckten Zeitungen und Zeitschriften mussten und müssen weiterhin
durch die Erlöse aus digitalen Angeboten überkompensiert werden. Dies gelingt aber noch
nicht wie gewünscht. Beispielsweise konnte das große Medium BILD nur jeweils einen
digitalen Abonnenten für drei verlorene Print-Abonnenten in 2014 gewinnen [MANCE,
JA03]. Innerhalb dieses Spannungsfeldes muss der Verlag mit einer sich entwickelnden
Identität hin zum digitalen Verlag fortgeführt werden. Dies umfasst einen unternehmens-
kulturellen Wandel eines sich digital transformierenden Verlagsunternehmens [JA03].
Hinzu kommt die Vorbereitung des Konzerns auf die Auseinandersetzung mit „Inhal
te-Aggregatoren“ wie Google oder vor allem auch Facebook, die sich selbst zu Medienun-
ternehmen mit eigenen digitalen Infrastrukturen entwickeln. Diese expandierenden
Inhalte-Aggregatoren erzeugen aber selbst keine Inhalte, sondern dies geschieht durch
Posts der Nutzer auf den digitalen Google- oder Facebook-Plattformen. Zudem werden
sogenannte „Snippets“ zum Problem für Verlagsunternehmen wie Axel Springer. Die Snip
pets werden verwendet, um relevante kurze Artikel im Nachrichtencenter von Facebook
dem Nutzer anzuzeigen. Bei den Snippets handelt es sich um kleine digitale Kärtchen, auf
denen Online-Artikel in Bild, Einleitung und Schlagzeile kurz zusammengefasst sind
[STEIN, WIN]. Die Snippets werden aus Artikeln erstellt, die von Zeitungsverlagen und
anderen Internetquellen stammen. So aggregiert beispielsweise die „The Huffington Post“
teilweise Inhalte aus dem Internet, vereint aber unterschiedliche Autorenmodelle. Dazu
zählen eigene Artikel, Internetlinks zu verschiedenen Nachrichtenquellen und -kolumnis-
ten sowie Inhalte von freien Journalisten und Bloggern [WIKI38]. Damit wird das soge-
nannte Leistungsschutzrecht tangiert, das sich die Zeitungsverlage & Co. zunutze machen
wollen, um an den Werbeerlösen von Facebook oder Google partizipieren zu können. Aus
den Ausführungen zur digitalen Transformation des Axel Springer-Verlags wird zum
einen die Weitsicht von Matthias Döpfner ersichtlich und zum anderen kann man das
nahezu idealtypische Transformationsschema etablierter Pipeline-Unternehmen zu digita-
len Plattformen erkennen.
Mit diesen Ausführungen können wir die Reise in die Welt digitaler Plattformen
fortsetzen. Im nächsten Kapitel beleuchte ich die Expansion der digitalen Plattform-
Revolution.
Entwickeln Sie doch mal eine
Suchmaschine – die Zukunft 4
„If we can get you a car in five minutes, we can get you anything in
five minutes.“
Travis Kalanick (UBER)
Auf der „Consumer Electronics Show“ (CES) in Las Vegas (USA) wurden auch 2017
etliche technologische Innovationen gezeigt – bis hin zu technologischen Kuriositäten. Zu
diesen Kuriositäten zählt eine „intelligente Haarbürste“, die im L’Oreál Technology Incu-
bator entwickelt wurde. Mit einem eingebauten Mikrofon werden während des Haarbürs-
tens die Geräusche erfasst und ermittelt, wie trocken die Haare sind und ob sich diese gut
kämmen lassen. Entwickelt wurde diese smarte Haarbürste von der Nokia-Tochter Wit-
hings zusammen mit Kerastase. Ein weiteres Beispiel ist die mit künstlicher Intelligenz
ausgestattete Zahnbürste der Start-up-Firma Kollibree. Die smarte Zahnbürste mit der
Bezeichnung „Ara“ lernt die Gewohnheiten seiner Nutzer und gibt Tipps für das richtige
Putzen der Zähne. Ausgestattet mit Sensoren zeichnet Ara auf, wie häufig und wie lange
bestimmte Zahnbereiche geputzt wurden. Die dabei gesammelten Daten werden mit einer
Smartphone-App synchronisiert und das Zahnputzergebnis der Nutzer analysiert sowie
grafisch aufbereitet angezeigt. Mit einem Gewicht von nur 70 Gramm hält die Akkula-
dung bei normalem Gebrauch der smarten Zahnbürste nahezu zwei Wochen durch
[HEUZ03, HEUZ05].
Kurios wird es nun mit dem „SGNL Smart Strap“ des Start-ups „Innomdle“, hervorge-
gangen aus einem Samsung-internen Accelerator-Programm. Bei dem Smart Strap han-
delt es sich um ein Uhrenarmband, das Gespräche über Bluetooth von einem Smartphone
entgegennehmen kann und in Vibrationen umsetzt. Sobald der Nutzer dann seinen Finger
ans Ohr hält, kann er ein Telefongespräch führen. Zudem signalisiert das Armband per

https://doi.org/10.1007/978-3-658-19178-8_4
212 4 Entwickeln Sie doch mal eine Suchmaschine – die Zukunft
Vibration auch eingehende Anrufe, SMS und Push-Nachrichten [HEUZ03]. Dann kam ich
an einem Stand auf dem Messegelände vorbei, an dem ich einerseits schmunzeln musste
und andererseits aber auch positiv überrascht wurde. Die dort vorgestellte Matrix Power
Watch lässt sich mittels Körperwärme aufladen. Finanziert wurde das Projekt über die
digitale Crowdfunding-Plattform Indiegogo. Was aus diesen technologischen Innovatio-
nen oder Kuriositäten, je nach Perspektive, wird, ist noch nicht abzusehen. Neben den
singulären technologischen Innovationen wurden auf der CES grundsätzliche technologi-
sche Trends gezeigt, die für die weitere Entwicklung digitaler Plattformen mitentschei-
dend sein werden. Kurz gefasst, sind es die technologischen Trends, die uns im Buch
bereits an mehreren Stellen begegnet sind: virtuelle Realität, autonomes Fahren, Elektro-
mobilität und Robotik.
An diesen Themen arbeitet nicht zufälligerweise auch der digitale Plattformgigant
Alphabet. Die 2016 gegründete Holding Alphabet basiert auf der Google-Suchmaschine
als „Cash-Cow“ und expandiert unaufhörlich. So will Alphabet das Leben mit intelligen-
ten Maschinen in allen Lebensbereichen, also von A bis Z, verbessern. Die Google-
Gründer wollen mit diesen Aktivitäten die Kern-Interaktion auf der Google-Suchmaschine
allumfassend erweitern. Damit geht die Mission der Google-Suchmaschine einher, die
Informationen der Welt zu organisieren und für alle zu jeder Zeit zugänglich und nutzbar
zu machen. Damit offenbart sich das eigentliche Selbstverständnis der Google-Gründer
[JA03]. Unbestritten hat die Google-Suchmaschine in einigen Ländern eine nahezu
„Winner-take-all“-Position erreicht. Beispielsweise liegt der Internet-Suchmaschinenanteil
von Google in Deutschland bei rund 90 % und in den USA bei rund 67 %. Die von Micro-
soft betriebene Bing-Suchmaschinenplattform hingegen kommt in Deutschland gerade
einmal auf rund 8 % im März 2017 [SEO, HEUS].
Ein kurzer Blick auf andere Aktivitäten im Alphabet-Kosmos zeichnet ein etwas ande-
res Bild. So entwickelten sich die von Google aufgebauten sozialen Netzwerke wie Orkus
in Nischenländern wie Brasilien, Indien und dem Iran oder Google Wave zum Austausch
von Ideen und „Content“-Schnipsel nicht wie geplant. Beide Plattformen wurden mangels
Erfolgs wieder eingestellt. Auch die Kreuzung aus sozialer Netzwerkplattform und
Microblogging-Dienst „Google Buzz“ wurde sang- und klanglos in 2011 eingestellt. Nur
der letzte Versuch von Google in diesem Bereich in Form von Google Plus ist noch live
geschaltet, aber wirtschaftlich kaum erfolgreich. Zumindest aber sind „… Unterhaltungen
dort qualitativ hochwertiger als in anderen Netzwerken“, so der im Silicon Valley behei-
matete Experte Paul Saffo. Weitere Flops waren Google Video, Google TV und das in
2012 angekündigte Handy Nexus Q [HEUS]. Es lassen sich noch andere gescheiterte
Aktivitäten der Google-Gründer aufzählen. Da könnte der Eindruck aufkommen, dass sich
das Google-Management womöglich verrennt. Dies wäre aber nur eine oberflächliche
Bewertung der Aktivitäten von Larry Page und Sergey Brin. In anderen Bereichen, die für
Google erfolgreicher verlaufen, besetzen sie strategische Themenfelder und schaffen nach
Saffo „… eine Wüste, in der sich niemand mehr halten kann“ [HEUS]. Die strategischen
Themenfelder basieren primär auf Datenströmen und der Maschinenintelligenz von Algo-
rithmen, die zukünftig Maschinen und Menschen steuern sollen [GOOGLE, HEUS]: das
4 Entwickeln Sie doch mal eine Suchmaschine – die Zukunft 213
selbstfahrende Auto, Energietechnik, Robotik, datengetriebene Medizin-Anwendungen

(Calico), Raumfahrtprojekte oder Mensch-Maschine-Schnittstellen wie sogenannte „Wea-
rables“ (siehe Abb. 4.1).
Die strategischen Themenfelder werden Google-intern auch als „Moonshots“ bezeich-
net (siehe Abschn. 5.1). Eine dieser Moonshots ist die Initiative „Deep Learning“ (Google
Brain), an der Geoffrey Hinton, Professor für Computerwissenschaften an der University
of Toronto, arbeitet. Beim Konzept des „Deep Learnings“ (siehe Abschn. 2.4) verschmel-
zen Computer- und Neurowissenschaften miteinander. Damit verfolgt Hinton die Idee,
Maschinen intelligenter zu machen, indem sie ein zunehmend menschliches Verständnis
ihrer Umgebung entwickeln. Für diese Initiative hat Google für 450 Mio. Dollar ein briti-
sches Labor für künstliche Intelligenz mit dem Namen „DeepMind“ gekauft. Ein weiteres
Beispiel für die Bestrebungen der Forschungsabteilung von „X“ (vormals Google X) ist
das Unternehmen „Calico“, das von Larry Page selbst gegründet wurde. Dieses Unterneh-
men spezialisiert sich auf das Altern und die damit einhergehenden Krankheiten. Momen-
tan werden riesige Datenmengen zu Krankheiten, Diagnosedaten, Informationen zu
biologischen Prozessen, Studien von Forschungseinrichtungen etc. gesammelt und mittels
Big Data Management auf Muster hin analysiert [GOOGLE, JA03].
Die weitere Durchdringung aller Lebensbereiche verfolgt Alphabet beispielsweise
auch mit dem Kauf des Online-Thermostat-Herstellers „Nest Labs“ für 3,2 Mrd. Dollar.
Damit beginnt die Expansion in die Welt des Internets der vernetzten Alltagsgeräte
[FUEST]. Zukünftig sollen die in die smarten Thermostate und Rauchmelder eingebauten
Temperatur- und Bewegungssensoren messen, wer sich wann und wo im Raum befindet.
Die gesammelten Daten erlauben es, die Gewohnheiten und den Alltagsrhythmus der Nut-
zer zu registrieren, um den Haushalt auf der Basis dieser Daten dem Nutzer anzupassen.
Das Unternehmen „Nest Labs“ wird als eigenständiges Unternehmen im Alphabet-
Universum geführt [JA03].
Weiter begab sich Alphabet in das expandierende Feld der Robotik mit dem Kauf der
Firma Boston Dynamics, die bionische Roboter fertigt. Allerdings verkaufte Alphabet das
Roboter-Unternehmen im Juni 2017 an den Technologie-Konzern Softbank aus Japan. Ein
Schwenk in Richtung einer stärkeren Fokussierung auf Entwicklungen im Bereich der
künstlichen Intelligenz? Das würde die Aussage von Philipp Justus, Chef von Google in
Deutschland, Österreich, und der Schweiz über die Möglichkeit, dass Google zum Auto-
hersteller wird, glaubwürdig erscheinen lassen: „Google ist kein Automobilhersteller, und
Google hat auch nicht vor, ein Automobilhersteller zu werden“ [FROMM]. Grundsätzlich
ist davon auszugehen, dass Google signifikante Fortschritte im Bereich der künstlichen
Algorithmenintelligenz hin zu autonom steuernden Systemen, wie beispielsweise dem
selbstfahrenden Auto, anstrebt. Die Hardware steht dabei nicht im Fokus der Bestrebun-
gen, sondern eher der Antrieb, ein dem menschlichen Geist ähnliches oder gar überragen-
des künstliches Gehirn zu erzeugen (siehe Abschn. 5.2).
Verbunden mit dem Anspruch, die Informationen dieser Welt zu organisieren und für
alle zu jeder Zeit zugänglich und nutzbar zu machen, ist auch das Projekt „Google Books“.
Dazu begann Google vor zehn Jahren damit, systematisch Bücher zu scannen. Das S cannen
214
SMART LIFE
→ die Informationen – organisiert und zugänglich – der Welt ←
Google X
… Google Glass
Loon Drohnen
Google Roborics Google
Venture Capital
Smart
Daten city Daten
Gmail Google docs
Consumer Hard- You Tube
Daten ware Produkte
GOOGLE Daten
Suchmaschine Android für
Chrome Browser
Smart Phone
Google Play
Daten Daten
Daten
Abb. 4.1 Die Anatomie des expandierenden digitalen Geschäftsmodells von Google zu Alphabet [JA03]
4 Entwickeln Sie doch mal eine Suchmaschine – die Zukunft
4 Entwickeln Sie doch mal eine Suchmaschine – die Zukunft 215
von Büchern war zu dem damaligen Zeitpunkt nicht neu. Aber Google gelang es, einen
Scanner zu entwickeln, der viel einfacher und kostengünstiger systematisch Bücher scan-
nen konnte, als dies vorher möglich war. Letztendlich besteht das Ziel darin, das gesamte
Wissen in Büchern zu scannen. Also eine zentrale digitale Buch-Datenbank zu schaffen –
auf globaler Ebene wohlgemerkt. Nach eigenen Angaben beabsichtigt Google, das in
Büchern niedergeschriebene Wissen vorwiegend durch Digitalisierung für eine Volltextsu-
che zur Verfügung zu stellen [WIKI06, JA03].
Mit einem weiteren Experimentierfeld droht Alphabet eine ganze Industrie zu revoluti-
onieren und darin agierende Unternehmen mit strategischen Wendepunkten zu konfrontie-
ren. So experimentiert Google seit Jahren mit selbstfahrenden Autos und bedroht mit dem
neuen Ansatz etablierte Automobilhersteller. Dabei verfolgt der Konzern einen Ansatz wie
bei der Applikationssoftware Android für Smartphones und Tablets. Die Automobilher-
steller sollen mit einer Umsonst-Software zur Steuerung und Darstellung von Navigation,
Multimedia- und Internet-Inhalten im Fahrzeug in die Google Automotive Alliance einge-
bunden werden [JA03].
Für Alphabet liegt die Konsequenz aus diesem Ansatz auf der Hand. In Zukunft ent-
scheidet künstliche Intelligenz über eine innovative und autonome Fahrmöglichkeit.
Damit wird eine echte Revolution in der Art zu fahren möglich. Im Gegenzug soll die
Hardware, also das Auto, nach Google & Co. zunehmend zum beliebigen Austauschobjekt
werden. Zumindest zeichnet sich die große Gefahr für die Automobilhersteller ab, dass die
Kundenbindung von dem Auto hin zur digitalen Nutzer-Schaltzentrale im Auto abwandert
und damit zu digitalen Plattformen wie Google, Uber oder Apple.
Einen Schritt näher rückt Alphabet dem Nutzer und seiner Lebensrealität mit der
Datenbrille „Glass“ (vormals Google Glass). Mit dieser Datenbrille haben die Nutzer das
Internet direkt vor Augen und damit auch zahlreiche Google-Dienste. Mit Glass lässt sich
über die eingebaute Kamera, Maps und andere Funktionen genau ermitteln, wo sich der
Nutzer augenblicklich befindet, und was er sieht [FUEST, VISE]. Anfang 2015 wurde der
Verkauf an private Endanwender vorerst eingestellt, allerdings wurde die weitere Ent-
wicklung an Google Glass, wie bereits von der Presse voreilig kolportiert, nicht einge-
stellt. Außerdem arbeitet der Konzern auch mit Hochdruck an den Themen smarte
Kontaktlinsen zur Messung des Blutzuckerspiegels von Diabetes-Patienten, der Smart
Watch, dem smarten Kühlschrank und dem „Balloon Internet“. Unter dem Projektnamen
„Loon“ will Alphabet Ballons in die Luft schicken, die überall ein drahtloses Internet
aufbauen. So wäre Alphabet unabhängig von Telekommunikationsanbietern und könnte
sein eigenes, schnelles Netz betreiben [JA03].
Diese mannigfaltigen Aktivitäten innerhalb des expandieren Alphabet-Universums
basieren auf der Google-Suchmaschinenplattform und sind für den Experten Fred Turner
ein Ventil für den „utopischen Impuls“ der im Silicon Valley agierenden digitalen Vorden-
ker. Denn im Silicon Valley dominiert ein spezifischer Zeitgeist der digitalen Avantgarde:
der Wunsch, die Welt mit Hilfe digitaler Technologien zu verbessern. In einem Interview
mit dem Magazin „Frankfurter Allgemeine Quarterly“ meinte Fred Turner, dass sich Google
und Co. mit zahlreichen Aktivitäten außerhalb von Suchmaschinen- Plattformen und
Apps beschäftigen, weil das Silicon Valley voller Finanzkapital steckt und so ständig
Leute aus aller Welt vorbeikommen. Vor allem aber ist es „der natürliche Ort, an dem
Ideen wachsen können. Nordkalifornien hat schon immer Visionäre willkommen gehei-
ßen“ [STAUN]. Der herrschende Zeitgeist im Silicon Valley (siehe Abschn. 5.1 und 5.2)
hat auch dazu geführt, dass sich zwei junge Studenten eine bahnbrechende Frage gestellt
haben: Wie lassen sich die Vernetzungsstruktur des Internets und digitale Technologien in
eine effiziente Internet-Suchmaschine transformieren?
4.1 Die Ausbreitung der digitalen Plattform-Revolution
Wie oftmals in diesem Buch aufgezeigt, durchziehen digitale Plattformen zunehmend alle
Lebensbereiche. Es regt sich in der Praxis aber meist Widerstand gegen die neuen digita-
len Plattform-Start-ups, wie wir insbesondere in den Case Studies 3.3–3.5 gesehen haben.
Zum anderen verhindern spezifische Faktoren die Ausbreitung digitaler Plattformen in
bestimmten Branchen:
• In hochregulierten Bereichen wie im Gesundheitswesen und im Bankenwesen entfalten

sich digitale Plattformen bisher nur zögerlich. Diese Branchen weisen zudem hohe „Feh-
lerkosten“ auf. Obgleich hier digitale Plattform-Start-up-Unternehmen einen Marktein-
tritt versuchen, verhindern Regularien ein unreguliertes Wachstum, das zu positiven
Netzwerkeffekten führen könnte. Die Fehlerkosten sind in diesen Bereichen bei ausgefal-
lenen Krediten oder dem falschen Matching von Patienten und Ärzten sehr hoch.
• Ressourcenintensive Bereiche sind von digitalen Plattformen weitgehend noch nicht
attackiert worden. Dazu zählen die Geschäftsmodelle von großen Industrien wie der
Öl- und Gasförderung sowie der Agrarbereich, in dem das Datenmanagement noch
eine untergeordnete Rolle spielt [PA].
Allerdings ist davon auszugehen, dass auch diese Industrien ein Ablaufdatum haben, was
die Invasion digitaler Plattformen angeht. Denn im Zuge der Entwicklung des sogenann-
ten „Internets der Dinge“ werden zahlreiche Maschinen und Prozesse über Sensoren mit
dem Internet verbunden. Damit transformieren sich dann die genannten Industrien zuneh-
mend auch zu informationsgetriebenen Industrien. Das führt in der Anfangsphase zu
unmittelbaren Effizienzgewinnen und Kosteneinsparungen wie beispielsweise bei der
Wartung von Maschinen durch „Predictive Analytics“. Des Weiteren ist mit einer erhöhten
Sicherheit für die Fachkräfte auf beispielsweise den Öl-Plattformen durch die Echtzeit-
Überwachung aller Maschinen und Geräte zu rechnen. Möglich wird dies durch das
Datenmanagement der vielfach anfallenden Sensordaten und den sich entwickelnden
Algorithmen auf digitalen Industrieplattformen.
Die digitalen Plattform-Wettbewerber tauchen oftmals für etablierte Unternehmen,
gefangen in ihrer dominanten Branchenlogik, außerhalb der Branchengrenzen in
Erscheinung. Nehmen Sie Airbnb zum Beispiel. Über die Kern-Interaktion der Vermittlung
4.1 Die Ausbreitung der digitalen Plattform-Revolution 217
privater Übernachtungsmöglichkeiten akkumuliert die digitale Plattformen zahlreiche

Daten über das Nutzerverhalten: wo sich Personen aufhalten, wie lange, zu welchem
Zweck, Häufigkeit der Reisen und so weiter. Mit diesen Nutzerdaten entwickelt Airbnb
neue Dienste und bringt beispielsweise Nutzer mit dem lokalen Einzelhandel, Restaurants,
Friseuren, Kinos, Theater etc. in Verbindung. Diese Strategie werden in Zukunft auch
andere Plattform-Start-up-Unternehmen und sich digital transformierende etablierte Unter-
nehmen mit digitalen Plattformen verfolgen. Einen beunruhigenden Aspekt des digitalen
Zeitalters bildet für etablierte Pipeline-Unternehmen das unerwartete Auftreten von Wett-
bewerbern über digital skalierende Plattformen aus völlig anderen Branchen.
Betrachten wir nun die mögliche Entwicklungstendenz im Gesundheitswesen, die stell-
vertretend für die Ausbreitung der digitalen Plattform-Revolution in anderen Branchen
stehen soll. Mit der Beleuchtung dieses gesellschaftlich relevanten Bereichs erhalten sie
prinzipielle Hinweise auf die zukünftige Ausweitung der digitalen Plattform-Revolution,
die so auch auf andere Branchen wie dem Finanzwesen, die Verwaltung, dem Energie-
oder Bildungswesen übertragen werden können. Das Gesundheitswesen ist charakterisiert
durch Informationsasymmetrien zwischen Ärzten und Patienten, einem fragmentierten
Nebeneinander von Krankenhäusern, Apotheken, Laboren, Kliniken und Millionen an nie-
dergelassenen Ärzten. Hinzu kommen nicht-skalierbare Krankenversicherungsnetzwerke
und ein hohes Maß an Regularien. Damit sich digitale Gesundheitsplattformen mit
Ökosystemen bilden können, ist im ersten Schritt die Etablierung der digitalen Patienten-
akte notwendig.
Damit werden die Gesundheitsdaten der Patienten in einer digitalen Patientenakte
abgespeichert und dem Patienten zugänglich gemacht. Damit könnte der Zugang zum
Gesundheitswesen vereinfacht werden. So könnten Patienten über eine Gesundheits-App
akute Symptome beschreiben und ein Arzt würde garantiert innerhalb einer bestimmten
Zeitspanne vor Ort sein. An diesen Apps wird bereits in vielen Ländern gearbeitet und so
gibt es in den USA beispielswiese die Mediacast-App [PA]. Damit verändern sich zwar im
Gesundheitswesen die Strukturen und Prozesse vorerst nicht wesentlich. Aber wenn alle
Akteure im Gesundheitswesen über eine digitale Plattform miteinander vernetzt würden,
dann würde im Gesundheitswesen eine Revolution ausgelöst werden. Mit dieser Entwick-
lung würde die vormals herrschende Informations- und Wissenshoheit beispielsweise der
Ärzteschaft über den Patienten aufgeweicht.
Die treibende Kraft ist der Zugang der Patienten zum weltweiten Internet und vor allem
den dort verankerten sozialen Medien wie Facebook, Twitter etc., die einen Informations-
austausch bis dato unbekannten Ausmaßes zulassen. Das ist in unserem Zusammenhang
insofern relevant, da der Patient so über mehr Möglichkeiten verfügt, sich über Krank-
heitsbilder, Therapiemöglichkeiten, Medikationen etc. zu informieren (obgleich hier das
Problem der Informationsgüte bleibt). Die Informationsmöglichkeiten für den Patienten
werden durch das Spektrum der sozialen Medien stark erweitert, sodass sich Patienten mit
anderen Betroffenen vor weiteren medizinischen Behandlungen austauschen können
[JA02]. Mit dieser Entwicklung verbunden ist die Vision, dass sich der „informierte
Patient“ herausbildet, der aktiv in die Prozesse des Gesundheitswesens eingreifen kann
[JA01, JA02]. Die Bürger haben so die Möglichkeit, sich schnell und umfassend über eine
Arztpraxis und die Menschen, die dort tätig sind, zu informieren und danach zu bewerten,
ob diese zu ihren eigenen Bedürfnissen und Vorstellungen passen.
Zudem steigt durch die neue Informationsqualität das Interesse der Bürger an gezielten
problemlösungsorientierten Präventionsmaßnahmen und Methoden zur wirkungsvollen
Verbesserung der allgemeinen Befindlichkeit und körperlich-geistigen Fitness. Da ver-
wundert es kaum, dass die Bereiche Wellness, Fitness, Lifestyle, Schönheit und Sicherheit
als Bestandteil eines umfassenden Gesundheitswesens betrachtet werden und sich ent-
sprechende Märkte mit passenden Leistungen etablieren. Dieser Trend verstärkt die
Bereitschaft der Patienten, für diese über die medizinisch notwendige Versorgung hinaus-
gehende Gesundheitsleistungen selbst zu bezahlen [JA02]. Damit aber greift der Patient,
ob jung oder alt, aktiv direkt in das Gefüge des Gesundheitswesens ein und verändert die
Leistungsfähigkeit und -bereitschaft unterschiedlichster medizinischer Bereiche. Es zeich-
net sich bereits heute ab, dass medizinische Komfort- und Zusatzleistungen zunehmend
mit anderen Gütern des täglichen Lebens wie Urlaub, Auto oder Haus konkurrieren. So
stellte Schachinger in seinem Vortrag „Was ist Health 2.0?“ bereits im Jahre 2011 zurecht
fest, dass obige Tendenzen erste Anzeichen für die Entwicklung eines analogen hierarchi-
schen Systems hin zu einem modernen, digitalbasierten Gesundheits-Ökosystem darstel-
len [SCHACH01].
Bezogen auf das smarte Leben bedeutet dies, dass durch die steigende Lebenserwar-
tung der Anteil an Wellness-, Fitness- und Präventionsmaßnahmen zunehmen wird. Die
demografischen Veränderungen und die veränderte Rolle des Patienten werden tief in
die Prozesse, Behandlungsmethoden und Institutionen des Gesundheitswesens hinein-
wirken. Damit nimmt ein zunehmend bürgerzentriertes und digitales Gesundheitsma-
nagement Gestalt an. Die Vision des smarten Lebens lautet somit: die digitale
Gesundheitsplattform mit ihrem Ökosystem begleitet den Bürger als Informations- und
Leistungsdrehscheibe von Geburt an bei seiner individuellen Gesundheits- und Well-
nessversorgung. Die Kontrolle über die verwalteten Informationen bleibt immer beim
Bürger. Außerdem unterliegen die Informationen strengsten Datenschutzvorschriften
hinsichtlich des Zugangs, der Verarbeitung und der Weiterverwertung. Denn insbeson-
dere im Gesundheitsbereich wird die Diskussion um Datensicherheit extrem sensibel
und verantwortungsvoll zu führen sein. Damit wird die Basis für eine personalisierte
Medizin geschaffen, mit dem Ziel einer aktiven, über digitale Technologien gesteuerten
Prävention [JA02]. Für die technologischen Grundlagen zur Ausgestaltung der digitalen
Gesundheitsplattform sowie zu den datenschutzrechtlichen Aspekten im Umgang mit
Patienteninformationen verweise ich auf den ersten Band „Die digitale Evolution
moderner Großstädte“ [JA01].
Eine sich entwickelnde digitale Gesundheitsplattform mit Ökosystem umfasst alle
technologischen Möglichkeiten für ein komfortables und sicheres bürgerzentriertes
Gesundheitsmanagement. Für den Bürger ergibt sich der Mehrwert vor allem dann,
wenn möglichst viele Anbieter von Gesundheitsdienstleistungen, wie Krankenhäuser,
Pflegeeinrichtungen, Altenbetreuung, Apotheken, Krankenversicherungen, Fitness- und
ellnesseinrichtungen, ihre Dienste koordiniert und vernetzt über die digitale Plattform
W
anbieten. In diesem Kontext kommt dem behandelnden Hausarzt eine zentrale Rolle zu.
Unter der Voraussetzung, dass der behandelnde Hausarzt als Ausgangspunkt zahlreicher
medizinischer Behandlungen eine Aufgeschlossenheit für den Dienstleistungsansatz
zeigt, der auf die Kundensouveränität setzt, profitiert der informierte Patient unweiger-
lich. Wenn insbesondere die Ärzte selbst bereit sind, die Leistungen der digitalen
Gesundheitsplattform zu nutzen, steigt damit auch die Akzeptanz der Patienten bei der
Nutzung der eigenen persönlichen Daten. Es bildet sich ein digitales Gesundheitsuni-
versum mit zahlreichen und vernetzten Plattformpartnern heraus (siehe Abb. 4.2) [JA02].
Die folgenden Elemente bilden die Grundlage für ein bürger- und patientenzentriertes,
digitales Gesundheitsplattform-Ökosystem: eine individuelle, digitale Patientenakte; ein-
fache Kommunikations- und Zugriffssteuerungsfunktionen, die automatisch über die
IT-Gesundheitsplattform bereitgestellt werden; eine Vielzahl an Gesundheits- und Betreu-
ungsanwendungen in Form von Apps; ein stetig wachsendes Ökosystem angeschlossener
Akteure des Gesundheitswesens sowie umfassende Datenschutz- und Sicherungsfunktio-
nen für alle Ebenen der zugrunde liegenden IT-Architektur [DIER, JA01].
Die Basis für die Herausbildung digitaler Gesundheitsplattformen bildet wie skizziert
die digitale Patientenakte. Der Bürger kann dann über Gesundheits- und Wellness-Apps
auf die Inhalte der digitalen Patientenakte zugreifen und Daten ändern beziehungsweise
eintragen. Es handelt sich dabei um ein geschlossenes System, in dem ausschließlich der
Bürger über den Zugang und die Weiterverwertung seiner Daten entscheidet. Die bürger-
geführte Patientenakte soll aber auch mit einer Patientenakte von dritten Leistungserbrin-
gern wie Rehabilitationszentren oder mobilen Pflegediensten verknüpft werden. Diese
Interaktion über die digitale Patientenakte bildet die Kern-Interaktion jeder digitalen
Gesundheitsplattform. Über die Verknüpfung beziehungsweise die Kern-Interaktion mit
einem spezifischen Plattformpartner entscheidet der Bürger aber immer selbst. Außerdem
muss sichergestellt sein, dass der Bürger zu jedem Zeitpunkt die Daten bei dem Anbieter
von Gesundheitsdienstleistungen einsehen und löschen kann. Damit erhält der Bürger so
die Möglichkeit, seine Gesundheitsdaten in einem sinnvollen medizinischen Kontext zu
erhalten und den Zugang zu Anbietern von Gesundheitsdienstleistern zu erweitern und zu
individualisieren [JA01, JA02].
Das prominenteste Beispiel für das erste Aufkommen digitaler Gesundheitsplattfor-
men bildet die mit künstlicher Intelligenz arbeitende Watson-Plattform von IBM. Zu
den ersten Pilotprojekten von Watson im Gesundheitsbereich zählte die Diagnose von
speziellen Krebsarten und die Ableitung hochpersonalisierter Therapieformen wie indi-
vidualisierte Chemotherapien mit möglichst geringen Nebenwirkungen. Nach anfängli-
chen Rückschlägen wurden die bei Watson eingesetzten Algorithmen zur Diagnose und
Therapie von Krebsarten über Deep Learning-Ansätze immer komplexer und besser.
Die auf künstlicher Intelligenz basierenden Watson-Algorithmen werden sukzessive auf
weitere Krebsarten und andere Krankheitsbilder ausgeweitet. Damit entwickelt sich
Watson zu einem Coach von Ärzten oder einer „validen zweiten Meinung“ bei ärztli-
chen Prozessen [MANO] und [ADV].
Fitness- und Wellness Apps Open Data Apps
220
Krankenhäuser, Reha-Ärzte,
Diät und Fitness Apotheken-Apps Pollenflugvorhersage
Wellness Feinstaubbelastung
Kundenmanagement Gesundheitsakte Zusatzstoffe in Nahrung
Patienten Management
Gerätehersteller Apps Klinische Prozesse Krankenkassen-Apps
Wiedereingliederung
Kundenmanagement Gesundheitsversorgung
Soziale Gruppen Programme für chronische
Erkrankungen
Kostenkontrolle
Versicherungen Ärzte Krankenhaus Reha
Fitness Pharmazie
Wellness Mitarbeiter
Telemedizin Mobilität
Kontext-
basierte
Notrufeinrichtungen Daten + Fahrzeuge
Medizinische Sensoren Daten MBR
ePedelec, eCar
Blutdruckmessungen
Services
Immobilien- Immobilien-
Pick up, ÖNV
Firmen Städtische
Firmen
Gesundheits- Robotik
plattform Pflegeroboter
Smart City-Plattform
Apps nach Handlungsfeldern
Neue Services / Apps
Preismechanismen
Apps-Marktplatz
Offener Bereich
Datenanbieter
Suchmaschine
Open / Private Data
Abb. 4.2 Das digitale Plattform-Gesundheitsuniversum mit Ökosystem [JA03]

Innerhalb des digitalen Gesundheitsplattform-Ökosystems werden zunehmend auch

Roboter eingesetzt. Erste Anwendungsfälle finden sich in medizinischen Zentren wie dem
Medical Center der University of California. Täglich stellt dort ein Roboterarm rund
10.000 individuelle Arzneimitteldosen zusammen. Der Roboter als Teil eines voll automa-
tisierten Medikamenten-Lagerungssystems verpackt die individuellen Medikamente in
kleine Plastikbeutel. Diese Plastikbeutel erhalten dann einen Barcode, mit dem die Patien-
ten und die entsprechende Medikation eindeutig zuordenbar sind. Kein einziger Pharma-
zeutiker kommt in diesem Prozess mit den Plastikbeuteln in Kontakt oder befüllt
eigenständig einzelne Plastikbeutel. Denn das System ist darauf aufgerichtet, die in Kran-
kenhäusern auftretenden Fehler bei der individuellen Medikation von Patienten strikt zu
vermeiden. Anschließend scannt die Krankenschwester den Barcode des Medikamenten-
beutels mit dem Barcode auf dem Armband des Patienten. Beide Barcodes müssen über-
einstimmen, ansonsten wird ein Alarm ausgelöst (falsches Medikament, falscher Patient,
falsche Dosierung und Tageszeit für die Medikation und so weiter).
Drei weitere spezialisierte Roboter übernehmen automatisiert die Bereitstellung von
Medikamenten, die über Spritzen verabreicht werden [FOR]. Auch in Deutschland zieht
die Digitalisierung punktuell ins Gesundheitswesen ein wie am Beispiel des traditionsrei-
chen Uniklinikums Hamburg-Eppendorf (UKE) ersichtlich. Als erstes ist einmal der
„Schockraum-Algorithmus“ zu nennen, den die Ärzte und Pfleger im Uniklinikum nutzen
müssen. Auf einem Flachbildschirm in der Notaufnahme wird jeder aufgenommene Pati-
ent auf einer Zeile mit Namen, Uhrzeit der Aufnahme, Geschlecht, Alter, akuten Beschwer-
den mit Ersteinschätzung der Gesamtsituation angezeigt. Damit beginnt die Datensammlung
und geht weiter mit Hinweisen auf Laborergebnisse oder Fragen nach der Notwendigkeit,
dem wartenden Patienten etwas zu essen oder zu trinken zu geben. Damit hört die Daten-
sammlung aber nicht auf, sondern läuft den gesamten Prozess kontinuierlich weiter bis zur
Entlassung des Patienten. Der Patient wird so über die digitale Plattform im Uniklinikum
über den gesamten Aufenthalt überwacht. Dabei werden die Behandlungsdaten digital und
zentral gespeichert und verarbeitet.
Das ist in Deutschland bereits als Revolution zu bezeichnen, denn früher wussten die
Ärzte in der Notaufnahme erst einmal wenig bis gar nichts über den Patienten. Die ange-
forderte Patientenakte kam meist erst Stunden nach dem Eintreffen des Patienten im
Uniklinikum bei den Ärzten an und die Daten waren meist nicht verlässlich. Im Klinikum
Hamburg-Eppendorf werden auch selbstfahrende Transportroboter für den automatisier-
ten Transport von Medikamenten zu den Patienten eingesetzt. Dort wird ein vergleichba-
res Scan-Verfahren genutzt wie im Beispiel des Medical Centers der University of
California. Das Uniklinikum in Hamburg-Eppendorf bildet in Deutschland im Kranken-
hausbereich die digitale Plattform-Avantgarde [BAL03]. Denn in Deutschland ist, wie
bereits gezeigt, die digitale Gesundheitskarte seit Jahren ein Fehlschlag. Zudem erfordert
die Digitalisierung im Krankenhausbereich eine gewisse Zentralisierung der IT-Systeme,
die aber in der Praxis an Partikularinteressen beziehungsweise an der Wahrung von Besitz-
ständen vieler Einzelkliniken scheitert.
Dabei nutzen immer mehr Bundesbürger Fitness-Apps wie Yazio, die Blutdruck App
BP5 in Verbindung mit einem kabellosen Textilring und aufgesetzter Pumpvorrichtung,
Herzfrequenz-Apps wie CardioBot oder Kardiograf und Wearables wie die Apple Watch
zur Aufzeichnung von Fitness-Aktivitäten. Nach Wunsch von Apple sollen die gesammel-
ten Gesundheitsdaten in der „Health App“ gesammelt werden, die dann auf der digitalen
„Health-Plattform“ ausgewertet werden. Samsung aus Südkorea stellte bei der CES in Las
Vegas das S-Skin-Pflaster vor, mit dem Informationen über die Haut mittels Mikronadeln
gesammelt werden. Ein weiteres Gerät analysiert diese Daten dann [DETT]. Von diesen
Entwicklungen ist im öffentlichen Gesundheitswesen in Deutschland wenig zu spüren.
Beim Aufbau des patientenzentrierten, digitalen Gesundheitsplattform-Ökosystems
spielt die öffentliche Hand, repräsentiert durch Stadtverwaltungen, eine zentrale Rolle. Im
Bereich der Datensicherheit übernimmt die öffentliche Hand die Rolle der zentralen
Datenqualitätssicherung und des Datenschutzes über eine Art „Trustcenter-Funktionalität“.
Die zuständige Behörde würde dabei alle sicherheitsrelevanten Funktionen und Verfahren
hoheitlich selbst ausführen. Zudem wird das Thema „Open Data“ hier zunehmend von
Bedeutung sein. Die öffentliche Hand ist dann im Besitz von öffentlich relevanten, gesund-
heitsbezogenen Daten, die auf der digitalen Plattform anonymisiert angeboten werden
können. Hierzu zählen unter anderem Werte über Feinstaubbelastungen in den Städten,
Pollenflugvorhersagen, Übersicht über Zusatzstoffe in Lebensmitteln, Verkehrsübersich-
ten und Stauprognosen. Diese Daten können als Open Data und maschinenlesbar der All-
gemeinheit zur Verfügung gestellt werden. Mit den aufbereiteten Daten könnten dann von
Unternehmen, Forschungseinrichtungen, Krankenversicherungen, privaten Entwicklern
und so weiter neue Gesundheits-Apps auf der digitalen Gesundheitsplattform entwickelt
werden. Oder aber die öffentliche Hand nutzt die Daten selbst, um eigene Gesundheits-
Apps über die digitale Gesundheitsplattform anzubieten [JA02]. Aus der Abb. 4.2 ist
ersichtlich, dass auf der digitalen Gesundheitsplattform über kontextbasierte Datenver-
knüpfung Evolutionsstufen von Gesundheits-Apps möglich sind.
Zu den Evolutionsstufen zählen isolierte Apps, dann gebündelte Apps in Anwendungs-
szenarien und letztlich komplette Apps-Anwendungswelten (siehe Abschn. 3.1). In der
ersten Entwicklungsstufe werden zahlreiche isolierte Gesundheits-Apps entwickelt, die
auf eine kontinuierliche Selbstbeobachtung des Nutzers abstellen. Im Prinzip geht es um
das Selbstmanagement der individuellen Gesundheit. Dabei steht die Überprüfung und
mögliche Optimierung des eigenen Lebensstils im Fokus – aber nicht nur. Die Überwa-
chung wichtiger vitaler Funktionen wie Insulinspiegel oder Blutdruck sind auch mit iso-
lierten Apps möglich. Denn viele gesundheitliche Schwierigkeiten werden beispielsweise
durch Übergewicht und Bewegungsmangel verursacht. Einen ersten Schritt zur Reduzie-
rung des Körpergewichts könnte die aktive Nutzung einer Schrittzähler-App wie bei-
spielsweise die iPhone App „Move“ sein [KLÄS]. Mit dieser App auf dem Smartphone
werden das individuelle Bewegungsschema und die Auswirkungen von Änderungen des
Bewegungsschemas auf das jeweilige Körpergewicht transparent gemacht.
Für an Diabetes erkrankte Patienten bietet sich das iBGStar Blutzuckermessegerät mit
App von Sanofi an [KLÄS]. Mit diesem Aufsatz für das Smartphone können die
individuellen Insulin-Werte mobil angezeigt werden. Die Werte können als Diagramm
oder als klassisches Blutzucker-Tagebuch dargestellt werden. Durch die kontinuierliche
Überwachung des Blutdrucks ist die rechtzeitige Erkennung von Krankheiten möglich.
Mit dem Smartphone-Blutdruckmessgerät von beispielsweise „Withings Blutdruckmess-
gerät“ lässt sich der Blutdruck messen, per App dokumentieren und auswerten. Der Markt
für isolierte Gesundheits-Apps expandiert unaufhörlich. So hat der Branchenverband
BITKOM in Berlin bis dato mindestens 70.000 Smartphone-Gesundheits-Apps gezählt,
die Vitaldaten des Körpers sammeln und auswerten [MÜ03]. In unserem Szenario der
digitalen Gesundheitsplattform mit Partner Ökosystem werden die gesammelten Daten in
die individuellen digitalen Patientenakten auf der digitalen Gesundheitsplattform einge-
spielt und können dann mit freigegebenen Daten anderer Gesundheits-Dienstleister kom-
biniert werden. Damit bildet sich die zweite Evolutionsstufe von Gesundheits-Apps in
Form gebündelter Apps. Damit lassen sich beispielsweise die Daten des Körpergewichts,
des Blutdrucks und der Herzfrequenz in Verbindung mit den Ernährungsgewohnheiten
miteinander kombinieren und ein Fitness-Szenario aufbauen.
Die Daten würden in der individuellen digitalen Patientenakte auf der Plattform aggre-
giert und beispielsweise mit Krankenversicherungen geteilt. Der Bürger könnte beispiels-
weise bei verändertem Lebensstil Beitragsrückerstattungen von den Krankenkassen erhalten
[JA01]. Für die Entwicklung gebündelter Apps eignen sich Krankheitshistorien, Laborbe-
richte, Diagnosen, Pflege- und Verwaltungsdokumente, Medikamenteneinnahmen, Operati-
onsberichte, Krankenverläufe und so weiter. Wären zukünftig enorme Mengen solcher
Daten zur Auswertung in anonymisierter Form verfügbar, dann können über das bereits
thematisierte Big Data Management die Diagnose von Krankheiten optimiert oder auch The-
rapieformen individualisiert werden [JA02]. Denn mit einer genügend großen Anzahl von
anonymen Patientendaten sind nicht nur inkrementelle Verbesserungen, sondern auch ganz
neue Therapieformen möglich [GOOGLE]. Zudem können Hausärzte, Krankenhäuser,
mobile Pflegedienste und so weiter über die digitale Gesundheitsplattform ihre Aktivitäten
zur aktiven Patientenunterstützung verstärken und individualisieren. Die Gesundheits-Apps
unterstützen unterschiedliche Anwendungsfälle und setzen auf der gleichen Datenbasis auf
[JA01]. Damit entsteht eine zentrale Plattform mit einem sich erweiternden Universum an
Gesundheitsdienstleistungen. Die Expansion dieses Gesundheits-Universums ist möglich,
da die unterschiedlichen Gesundheits-Apps die Daten anderer Gesundheits-Apps miteinan-
der verknüpfen und weiterverwerten. Damit entstehen völlig neue Gesundheits-Apps mit
neuartigen Dienstleistungen. In der finalen Entwicklungsstufe der digitalen Gesundheits-
plattform mit zugehörigem Partner-Ökosystem entstehen hoch vernetzte Anwendungswel-
ten. Dafür werden isolierte Apps und gebündelte Apps mit Smart Living- sowie intelligenten
Mobilität-Dienstleistungsangeboten vernetzt [JA02].
An dieser Stelle muss noch kurz auf die Frage der spezifischen Finanzierung von digi-
talen Gesundheitsplattform-Ökosystemen eingegangen werden, die über die Prinzipien
der Wertschöpfungsdynamik digitaler Plattform-Ökosysteme (siehe Kap. 2) hinausgehen.
Hier kommt beispielsweise noch hinzu, dass Gesundheitsanbieter, die Stadt, die Investoren
von „betreuten Wohnanlagen“ und so weiter aus den Werbeeinnahmen der digitalen
Gesundheitsplattform und durch die App-Einnahmen einen Teil in den Aufbau einer smar-
ten Mobilitäts- und Living-Infrastruktur investieren könnten. Ein anderer Faktor sind die
Kosten bei stationärer Unterbringung von Patienten. Diese sind in der Regel deutlich teu-
rer als Investitionen in smarte Mobilitäts- und Living-Lösungen [JA02]. Hier können
Wohnungsbaugesellschaften langfristig mit dem entsprechenden Ausbau von Wohnungen
den Wert der Immobilien steigern. Angesichts der demografischen Entwicklung eröffnet
sich ein enormes Potenzial [GRÜL].
Der Internet-Gigant Alphabet unternimmt Anstrengungen, um in diesen Bereichen
entsprechende Lösungen anbieten zu können, so zum Beispiel mit dem Kauf von „Nest
Lab“, einem Hersteller intelligenter Hausgeräte, und der Gründung von „Calico“, spezi-
alisiert auf Big Data Management im Gesundheitswesen. Nicht nur Google, auch Ama-
zon, Intel, Samsung und Microsoft haben bereits digitale Gesundheitsplattformen
entwickelt, um zumindest einzelne Aspekte (wie den stark wachsenden Fitnessbereich
über sogenannte „Wearables“) eines umfassenden digitalen Gesundheitsplattform-Ökosys-
tems abzudecken [PA].
Allerdings wird die digitale Transformation des Gesundheitswesens auf zahlreiche
Barrieren stoßen und sich vor allem in Deutschland eher langsam vollziehen. Eine der
größten Barrieren dürfte wohl hierzulande unverständlicherweise die scheiternde Etablie-
rung der digitalen Patientenakte darstellen. Da sind es vor allem die Ärzte, die ihre Hoheit
über die Patientendaten ungern aus den Händen geben wollen. Andere Hürden existieren
über Regularien im System und geografische Zugehörigkeiten von Patienten zu Institutio-
nen im Gesundheitswesen (Krankenkasse, Krankenhäuser, Ärzte und so weiter). Eine
wichtige Steuerungsdeterminante zur digitalen Transformation des Gesundheitswesens
bilden monetäre Anreize für alle Akteure im Gesundheitssystem. Die Öffnung des Gesund-
heitswesens für digitale Anwendungen und Netzwerke erzeugende Plattform Ökosysteme
wird zudem stark vom politischen Willen abhängen. Eine weitere Herausforderung für ein
digitales Gesundheitsplattform-Ökosystem bleibt bisher ungelöst: Die Zusammenführung
aller Gesundheitsanwendungen erfordert einen einheitlichen Standard zur Vernetzung,
den es momentan nicht gibt. In der Praxis existiert vielmehr ein Flickenteppich an unter-
schiedlichsten Anwendungen und IT-Architekturen [JA02]. Diese Aspekte können in die-
ser Einführungsschrift nicht weiter verfolgt werden. Aber mit diesen Überlegungen
können auch Sie, liebe Leserinnen und Leser, sich in die Diskussion um die digitale Trans-
formation des Gesundheitswesens einbringen, wenn auch nur als aufgeklärte Patienten mit
vitalen Interessen gegen eine starre Gesundheitslobby. Das geschilderte Szenario einer
digitalen Gesundheitsplattform ist keine reine Zukunftsmusik, sondern die Blaupause für
zukünftige Entwicklungen.
In Deutschland hat es beispielsweise bereits eine Pilotinitiative im Bereich „Altersge-
rechte Assistenzsysteme“ gegeben. Die Initiative im Kontext der High-Tech-Strategie für
Deutschland lief von April 2009 bis September 2012. Das Ziel der Initiative bestand darin,
der wachsenden Zahl von Seniorinnen und Senioren ein möglichst langes, selbstbestimm-
tes Leben mit bestmöglicher Versorgung zu ermöglichen [SMASE01]. Insgesamt haben
sich an der Initiative 28 Partner aus Industrie und Forschung beteiligt. Gefördert wurde
das Projekt durch das Bundesministerium für Bildung und Forschung (BMBF) mit einem
Fördervolumen von 25 Mio. €. Das gesamte Programmvolumen umfasste 41 Mio.
[SMASE02]. Mit der Initiative wurden drei Lebensbereiche adressiert: 1. länger selbstbe-
stimmt im häuslichen Umfeld leben, 2. sichere Mobilität und 3. Erhaltung und Wiederer-
langung der Gesundheit.
Im Fokus des Forschungsbereiches „länger selbstbestimmt im häuslichen Umfeld
leben“ standen Lösungen für die Erhöhung der Sicherheit und besserer Komfort im
Wohnumfeld. Hinzu kommt die Bereitstellung einfach zu nutzender Kommunikations-
möglichkeiten mit hochaufgelöstem Videobild über einen Fernsehapparat. Über den
Fernseher wurden verschiedene themenbezogene Portale mit entsprechenden Dienst-
leistungen visualisiert und angeboten [SMASE01]. Ergänzt wurde das Fernsehgerät
um Elemente wie Smartphone, Touchpad, Sensoren, Kamera, medizinische Geräte und
eine intelligente Armbanduhr [KRÜBA]. Sensorbasierte Dienste für die Steuerung und
Überwachung der Haustechnik und zur intelligenten Situationserkennung haben darü-
ber hinaus zum Komfort und zur Sicherheit der Bewohner beigetragen [JA02]. Für den
Lebensbereich „sichere Mobilität“ wurden zur Aufrechterhaltung der individuellen
Mobilität intelligente Notfallerkennungs- und Assistenzsysteme zur sicheren Fortbe-
wegung entwickelt. Dabei standen ein Notfallmanagementsystem mit sehr genauen
Lokalisierungsmöglichkeiten und die automatische Übertragung von Vitaldaten im
Fokus. Zudem wurde im Fahrzeug ein Nothalteassistent installiert [JA02]. Im Lebens-
bereich „gesund werden und bleiben“ wurden neue Dienstleistungen für die Bereiche
Prävention, Behandlung und Rehabilitation entwickelt. Die konkreten Anwendungs-
fälle betrafen die Sturzprävention, Schlaganfallrehabilitation, Schmerztherapie und
telemedizinisch assistierte Peritonealdialyse (TAPD). Realisiert wurden außerdem
ein lebensbereichsübergreifendes Vitalparameter- Monitoring und -Management zur
Notfallerkennung und -vermeidung. Zum Aufbau eines digitalen Gesundheitsplattform-
Ökosystems wurden in einem ersten Schritt über eine telemedizinische Dienste-
Plattform verschiedene Leistungserbringer im Gesundheitsnetzwerk miteinander
verknüpft [SMASE01, KRÜBA, JA02].
Außerdem wurden für die drei Lebensbereiche intelligente Assistenzsysteme in Form
von vier Prototypen entwickelt, die von Senioren unter realen Bedingungen in der Praxis
hinsichtlich Funktion, Akzeptanz und Benutzerfreundlichkeit getestet wurden [SMASE01,
KRÜBA]. In der klinischen Studie SmartSenior@home (Prototyp 1) unter der Leitung
der Forschungsgruppe Geriatrie der Charité – Universitätsmedizin Berlin testeten Senio-
renhaushalte in Potsdam sechs Wochen lang Angebote rund um die Themen Zuhause und
Gesundheit. Kommunikatives Zentrum aller Smart Senior-Anwendungen war der Fernse-
her, ergänzt durch Touchpad, Smartphone, Raumsensoren, Kamera, medizinische Mess-
geräte und eine intelligente Armbanduhr. Mit den installierten Sensoren wurde überprüft,
ob die Senioren vergessen hatten, die Wohnungstüre oder Fenster zu schließen. Einerseits
konnte der Sensor die Situation registrieren und selbstständig handeln, falls die Woh-
nungstür und das Fenster digital vernetzt waren. Oder das angeschlossene Assistenzzen-
trum wurde informiert, um Hilfe zu organisieren.
Die Senioren konnten ihre Vitaldaten wie Blutdruck, Gewicht und EKG über eine
sichere Datenverbindung zur Auswertung an das Telemedizinzentrum der Charité übertra-
gen. Daneben gab es auch Angebote im Rahmen der telemedizinischen Visite. Das System
unterstützte außerdem die Bildung sozialer Netzwerke, indem sich die Senioren per
Videokonferenz austauschen konnten. Im Rahmen des Prototyps 2 wurde ein interaktives
Trainingsprogramm zur Unterstützung der Balancefähigkeit und zur telemedizinisch
unterstützten Rehabilitation der betroffenen Senioren eingesetzt. Beim Prototyp 3 wurde
im Rahmen der Schmerztherapie die Optimierung der Schmerztherapie für Patientinnen
und Patienten mit chronischen Schmerzen angestrebt. Als Grundlage diente ein auf dem
Smartphone geführtes Schmerztagebuch. Weiter wurden die Messergebnisse der regelmä-
ßig durchgeführten Messung von Sauerstoffsättigung und Herzfrequenz an die behandeln-
den Ärzte digital übertragen. Die Ärzte konnten so tagesaktuell und kontinuierlich den
Zustand der Patienten überwachen. Durchgeführt wurden die Studien am Klinikum
Rostock und am Schmerzzentrum Berlin. Beim Prototyp 4 wurde ein Dialyse-Patient des
Vivantes Klinikums Friedrichshain in Berlin einen Monat lang bei der Durchführung der
Peritonealdialyse durch Telemedizin unterstützt und überwacht. Es handelt sich um eine
spezielle Art der Blutwäsche, die von dem Betroffenen selbstständig zu Hause durchge-
führt werden kann, und bei der das Bauchfell des Patienten als Filtermembran eingesetzt
wird [JA02].
Aus den Abb. 4.3 und 4.4 ergeben sich die funktionale und physikalische Smart Senior-
Gesamtsystemarchitektur. Für eine umfassende Darstellung des Programms und Beschrei-
bung der Smart Senior-Lösungen – Dienste und Elemente/Leistungsmerkmale verweise
ich auf den Projektreport „Smart Senior: Intelligente Dienste und Dienstleistungen für
Senioren“ [SMASE01]. Aus den Abbildungen wird die modulare und erweiterbare Archi-
tektur ersichtlich, mit der die Dienste mehrerer Partner integriert werden konnten. Zudem
konnten per Funkwartung alle zentralen Komponenten im Smart Home über das Smart-
phone überprüft und aktualisiert werden [JA02]. Die modulare Architektur ermöglicht es,
zentral integrierte Dienste (gebündelte Apps) auf einer digitalen Plattform anzubieten statt
Einzelanwendungen (singuläre Apps) auf dezidierten digitalen Plattformen. Eine der
größten Herausforderungen bildete die hohe technische Komplexität der Plattform
Ökosystem-Lösung. Es mussten mehr als 300 Einzelkomponenten für den Feldtest und die
klinischen Studien integriert werden. Darüber hinaus hatten nahezu alle Studien mit einer
zu geringen Anzahl an Probanden zu kämpfen. Die Rekrutierung geeigneter Probanden
erwies sich als weitaus schwieriger als geplant [KRÜBA]. Der Aspekt der Mensch-
Maschine-Interaktion rückte im Verlauf der Initiative immer wieder in den Vordergrund
[KRÜBA]. Auch Fragen rund um die Haftung oder vor allem auch nach den digitalen
Geschäftsmodellen für die Assistenzsysteme sind nach der Initiative weiterhin noch unbe-
antwortet. So steht die Umsetzung der Programmergebnisse in marktfähige Produkte und
Dienstleistungen noch weitgehend aus. Allerdings liefert dieses Programm wichtige
Erkenntnisse und Impulse für die Ausgestaltung weiterer digitaler Gesundheitsplattform-
Ökosysteme [JA02].
Zu Hause Unterwegs
Übergreifende
Notfallassistenz
Betreuung im Weitere Dienstleister
Wohnumfeld Weitere Dienste
Haus- TV als
geräte zentrales
Diensteportal Sensorik
AAL-Diensteplattform im Fahrzeug
SmartSenior-Diensteangebot
Umfeld-
sensorik
Fahrzeugsysteme
Smart- (z. B. Nothalt)
AAL phone
Home Telemedizinische Diensteplattform
Gateway
Körpernahe
4.1 Die Ausbreitung der digitalen Plattform-Revolution
Sensorik
Ärzte,
Therapeuten,
Geräte für med. Med-l- Körpernahe
Reha-
Anwendungen Box Sensorik
Telemedizinische Einrichtungen,
Betreuung Kliniken
Medizinische Daten Übergreifendes Interaktionskonzept und Benutzerschnittstellendesign

227
Abb. 4.3 Funktionale Abbildung der Smart Senior-Gesamtsystem-Architektur [SMASE01]

228
Teilnehmer SmartSenior@home
und TrainIT
“Zu Hause” Teilnehmer Teilnehmer
Musterwohnung “Unterwegs” TAPD-Studie Schmerz-Studie
Interaktiver Berlin Berlin & Rostock
Potsdam Trainer
Lokale Netzwerke
Potsdam
Alcatel-Lucent Vivantes
Stuttgart Berlin
Argos Information Internet TU Berlin

Würzburg Berlin
Charité Schmerzzentrum
Berlin Berlin
Deutsche Telekom Klinikum Südstadt

Berlin Rostock
DFKI Johanniter
Saarbrücken Berlin
GEWOBA jambit
Potsdam München
Grau: Frontend; grün: gesicherte Backend-Standorte
Abb. 4.4 Physikalische Abbildung der Smart Senior-Gesamtsystem-Architektur [SMASE01]

In zahlreichen anderen Bereichen werden sich digitale Plattform-Ökosysteme nach den

skizzierten Prinzipien einer digitalen Gesundheitsplattform mit Ökosystem entwickeln.
Allerdings befinden sich die Entwicklungen in diesen Bereichen auch noch in einem sehr
frühen „Experimentierstadium“. So beginnt in vielen Lebensbereichen erst der Übergang
von der ersten Evolutionsstufe isolierter Apps zur zweiten Evolutionsstufe gebündelter
Apps. Viele Lebensbereiche sind aber reif für die Revolution digitaler Plattformen. Das ist
schon alleine dadurch bedingt, dass die meisten Industrien in unterschiedlicher Ausprä-
gung auf dem Produktionsfaktor digitale Daten beziehungsweise digitale Informationen
basieren: Medienindustrie, Gesundheitswesen, Bildung, Energieerzeugung, Transportwe-
sen etc. Dazu kommt noch, dass der Produktionsfaktor digitale Daten immer billiger pro-
duziert werden kann und oftmals von den Nutzern digitaler Plattformen selbst bereitgestellt
wird. Angesichts der skizzierten Entwicklungen kann ich mir nur sehr wenige Wirtschafts-
und Lebensbereiche vorstellen, die ohne die Entwicklung digitaler Plattformen in die
Digitalmoderne übergehen.
Im Bildungsbereich beispielsweise versucht Sebastian Thrun eine digitale Bildungs-
plattform zu etablieren, mit der er die „Universitätslandschaft revolutionieren“ will. Der
Gründer der Online-Universität Udacity (www.udacity.com) hat zuvor an der Eliteuniver-
sität Standford eines der ersten selbstfahrenden Autos entwickelt. Dann wurde Larry Page
auf den preisgekrönten Deutschen aufmerksam und beauftragte ihn 2011, das geheime
Forschungslabor Google X (heute unter Alphabet einfach „X“) aufzubauen. Die dann von
Sebastian von Thrun gegründete Online-Universität Udacity, zählt heute mehr als vier
Millionen registrierte Nutzer. Über 100.000 Nutzer schauen mindestens einmal in der
Woche vorbei, um Software-Design zu lernen, Mathematik-Kenntnisse aufzufrischen oder
in die Grundlagen der Virtual Reality einzusteigen [LEM]. Udacity gehört mit zu den
Pionieren der sogenannten MOOC-Bewegung (MOOC steht für Massive Open Online
Courses). Bereits im Jahr 2011 stellte Thrun an der Standford University eine Vorlesung
zu künstlicher Intelligenz ins Internet, die der Informatiker vor Stanford-Studenten hielt.
Der Online-Kurs erreichte eine so große Popularität, dass Thrun kurz darauf seine Tätig-
keit an der Stanford University beendete und die digitale Bildungsplattform Udacity auf-
baute. Das Start-up-Unternehmen Udacity fokussiert sich heute auf berufliche
Weiterbildung in den Feldern Technologien und insbesondere Informationstechnologie.
Udacity arbeitet in diesem Kontext mit digitalen Plattformunternehmen wie Amazon,
Google, Facebook oder Salesforce zusammen. Mit der Teilnahme an diesen Kursen erwer-
ben die Studenten fachspezifische Zertifikate, sogenannte Nanodegrees [SCHER]. Die
Vision hinter Udacity formulierte Thrun in einem Interview mit der Frankfurter Allgemei-
nen Zeitung so: „Ich will die Universitätslandschaft revolutionieren. Nicht nur in Amerika,
sondern weltweit. Das System hat sich seit Hunderten von Jahren kaum erneuert. Es ist
insbesondere in den Vereinigten Staaten ein elitäres System, das Bildung für einen kleinen
Kreis von Privilegierten in den Industriestaaten anbietet. Das wollen wir ändern, und
damit werden wir Geschichte schreiben“ [KLOEP02]. Als ob ihm das noch nicht reicht,
meint er mit Udacity ein Unternehmen auf der Basis einer digitalen Plattform zu entwi-
ckeln, „… das den Wohlstand der Welt verdoppelt“ [LEM]. Ob dieses Ziel jemals erreicht
wird, steht in den Sternen. Bei der Formulierung dieses Ziels schimmert zumindest wieder
deutlich der im Silicon Valley herrschende Zeitgeist in Form eines „Sendungsbewusst-
seins“ durch (siehe Abschn. 5.1). Aber Udacity wird nicht dazu führen, dass klassische
Hochschulen verschwinden werden. Im ersten Schritt erweitert Udacity das akademische
Angebot und wird womöglich eine Innovationswelle im akademischen Bildungsbereich
auslösen.
In dem vorherigen Beispiel des hochvernetzten digitalen Gesundheitsplattform-
Ökosystems tritt das sogenannte Internet der Dinge plastisch in Erscheinung. Zahlreiche
Patientendaten werden über Sensoren in Wohnungen, aus Smartphone-Apps, von medizi-
nischen Geräten und aus dem Auto und so weiter erfasst und analysiert. Einen entschei-
denden Aspekt bildet die vielfältige Vernetzung von Maschinen, Alltagsgegenständen,
PKW, Garagentoren, Waschmaschinen, Fernsehern, Zahnbürsten über das Internet und
darauf aufgebauten digitalen Plattformen. Diese Entwicklung wird nicht nur alle Formen
von digitalen Plattformen beeinflussen und verändern. Unter dem Stichwort der „digitalen
Fabrik“ wird das Internet der Dinge von Industrie-Unternehmen wie General Electric,
Siemens, Samsung und zahlreichen mittelständischen Firmen im Maschinen- und Ferti-
gungsbereich vorangetrieben. Die produzierten Maschinen, Turbinen, Produktionsräume,
Kühlsysteme oder Motoren werden mit immer kleiner werdenden Sensoren ausgestattet,
die unaufhörlich Daten über die Nutzung und den Zustand erzeugen. Die Unternehmen
wollen dabei die erzeugten Datenströme analysieren, um im ersten Schritt Effizienzsteige-
rungen und Kostensenkungen zu realisieren. Im nächsten Schritt sollen insbesondere neue
Dienste über das Big Data Management möglich werden. Das Internet der Dinge wird die
transformative Kraft mit den Konzepten des autonomen Fahrens, dem 3-D-Printing oder
hocheffizienten Stromspeicherbatterien im eigenen Zuhause weiter entfalten. Mit der wei-
teren Expansion des Internets über das Internet der Dinge und gesteuert über dezentrale
digitale Plattformen werden die Geschäftsmodelle zahlreicher Branchen nochmals wieder
transformiert. Dabei ist das transformative Potenzial im Business-2-Business-Markt um
ein Vielfaches größer als im Business-2-Consumer-Markt. Über die smarte Vernetzung
industrieller Geräte und Werkzeuge wird das volle Potenzial der digitalen Plattformrevo-
lution zur Entfaltung kommen. Die smarte Vernetzung industrieller Güter und Maschinen
kann beispielsweise folgende Aspekte umfassen:
• Product-as-a-Service: Transformation von Industrieunternehmen hin zu Serviceunter-

nehmen über digitale Industrieplattformen,
• Connected Services: die Entwicklung von Software und Systemen zur Steuerung der
neuen Netzwerke,
• Netzwerke: Design, Aufbau und Management von Netzwerken und Plattformen, die
industrielle Maschinen und Werkzeuge verlinken und steuern,
• Sicherheit: Nutzung digitaler Plattform-Netzwerke zur Sicherung industrieller Güter
und Intellectual Property (IP) vor Cyber-Angriffen,
• Vertikalisierung in der Industrie: Vernetzung industrieller Güter mit neuen Bereichen,
• Datenmanagement mit Big Data Algorithmen [PA].
4.2 Social Physics oder der gesteuerte Mensch des Alex Pentland 231
Die Ausbreitung der digitalen Plattform-Revolution mit seinen sozialen und ökonomi-
schen Umwälzungen wird Gewinner und Verlierer erzeugen. Für die Managementberater
und selbst ernannten Experten ist es leicht, die etablierten Unternehmen zur digitalen
Transformation aufzufordern. Aber die Schwierigkeiten, die damit verbunden sind, zeigen
sich erst, sobald der Transformationsweg eingeschlagen wurde. Denn wie wir in zahlrei-
chen Beispielen im Verlauf des Buches schon gesehen haben, sind es tief greifende struk-
turelle Veränderungen, die durch die digitale Plattform-Revolution ausgelöst werden. Die
bis dato entwickelten gesetzlichen Regelungen oder die Strukturen und Prozesse in Unter-
nehmen sind nur sehr eingeschränkt geeignet, hochvernetzte digitale Plattformen mit
komplexen Algorithmen zur vollen Blüte zu entwickeln. Vielmehr stehen die bestehenden
Regularien diametral zu den aufkommenden digitalen Plattformen und führen unweiger-
lich zunächst zu einem Verbot der neuen digitalen Plattformdienste. Es wird, wie in
Abschn. 1.1 illustriert, zahlreicher politischer, kultureller, gesellschaftlicher Aushand-
lungsprozesse bedürfen, um das Phänomen digitaler Plattformen mit Netzwerkeffekten
nutzbringend in das gesellschaftliche Lebensgefüge aller Menschen einzubetten. Wir alle
sind gefragt, uns mit der pervasiven Digitalisierung in Form digitaler Plattformen ausein-
anderzusetzen und die Aspekte der Plattform-Revolution zu verstehen. Das ist nicht der
akademischen oder ökonomischen Expertenwelt vorbehalten, sondern betrifft alle Men-
schen. Über die tatsächliche Ausbreitung und Nutzung der digitalen Plattformen sollten
wir alle über Aushandlungsprozesse und digitale Aufklärung entscheiden.
4.2 Social Physics oder der gesteuerte Mensch des Alex Pentland
In seinem Buch „Social Physics“ behauptet Alex Pentland, dass menschliches Kommuni-
kationsverhalten den Regeln der Mathematik folgt. Die neuen digitalen Technologien
eröffnen völlig neue Möglichkeiten, menschliches Verhalten und Kommunikation zu
beobachten und zu analysieren. Das Problem der fehlenden empirischen Rigorosität
könnte mit den Komponenten des Big Data Managements bei den Sozialwissenschaften
beseitigt werden, so Alex Pentland [AP]. In der Vergangenheit stützten Sozialwissen-
schaftler ihre Forschungsaktivitäten auf Laborexperimente, unvollständige Datensätze
und kleine Versuchsgruppen. Aber mit den Technologien und Mechanismen des Big Data
Managements wird dieser Mangel der Sozialwissenschaften aufgehoben, dies vor allem in
Verbindung mit dem Zugang zu persönlichen Daten über die allgegenwärtigen Smartpho-
nes. Dabei geht es insbesondere um die Metadaten, also das Beziehungsgeflecht zwischen
den Smartphone-Nutzern. Damit gemeint sind der persönliche Austausch und die Vernet-
zung über das Smartphone. Ausgetauscht werden persönliche Informationen, Small Talk,
Kreditkarteninformationen, GPS-Daten und so weiter. Bezeichnenderweise charakteri-
siert Alex Pentland die Technologie, die es erlaubt, die Gesellschaft in einer hohen Genau-
igkeit zu beobachten und menschliches Verhalten zu analysieren als „neue Linse“ [AP02].
Mit der neuen Linse des Alex Pentland ist das Big Data Management gemeint [JA02].
Prinzipiell lassen sich mit den digitalen Informationen über Big Data Algorithmen präzise
Interaktionsmuster zwischen Personen erkennen. Damit schickt sich Alex Pentland an,
eine neue „Datenwissenschaft“ („Data Science“) auszurufen. Die neue Wissenschaft geht
mit der Möglichkeit einher, enorme Mengen an Verhaltensdaten zu sammeln (siehe
Abb. 4.5) und auszuwerten. Unterstellt wird, dass es aus der Analyse der Verhaltensdaten
möglich sein soll, eine Kausaltheorie der Sozialstruktur und eine mathematische Erklä-
rung für das Verhalten der Gesellschaft zu entwickeln, also eine Erklärung dafür, warum
eine Gesellschaft reagiert, wie sie reagiert. Diese Wissenschaft bezeichnet Alex Pentland
als „Soziale Physik“ („Social Physics“) [JA02]. Der Begriff geht auf den französischen
Mathematiker, Philosophen und Religionskritiker Auguste Comte zurück [WIKI36].
Dabei arbeitet Alex Pentland mit der fundamentalen Annahme, dass die soziale Welt
nach (mathematischen) Regeln funktioniert [CARR]. Es gibt im menschlichen Verhalten
und in der Kommunikation statistische Gesetzmäßigkeiten und sobald wir diese vollstän-
dig verstanden haben, werden wir die grundsätzliche Mechanik von sozialen Interaktionen
entdecken, so Alex Pentland [AP02]. Davon ist diese neue „Wissenschaft“ aber noch ein
ganzes Stück entfernt. Allerdings deuten erste Analyseergebnisse von Alex Pentland ten-
denziell in diese Richtung.
An dieser Stelle lohnt es sich, die Denkstruktur der neuen Datenwissenschaft von Alex
Pentland frei zu legen. Die neue „Data Science“ hat auch unter dem Schlagwort „Datais-
mus“ („Data-ism“) Eingang in die wissenschaftliche Literatur gefunden. Bei näherer
Betrachtung basiert der Ansatz von Alex Pentland auf folgender fundamentalen Annahme:
„Alle Organismen sind Algorithmen, die sich über Evolution entwickeln und das Leben an
sich ist Datenverarbeitung“ [HARA]. Diese Annahme hat der Autor Yuval Noah in seinem
Buch „Home Deus“ nicht alleine Alex Pentland unterstellt, sondern vielmehr allen Ansät-
zen der „Data Science“. Mit der Annahme ist ein weitergehender technologischer Ansatz
Abb. 4.5 Social Physics prognostiziert Verhaltensmuster in der sozialen Welt [http://www.istock-
photo.com]
verbunden, der die biologische Evolution über technologische Evolution ablösen will, also
das Entstehen einer Superintelligenz, wenn es nach den Vertretern der technologischen
Singularität geht. Das Konzept der technologischen Singularität wird uns in Abschn. 5.2
wieder begegnen. Bitte lesen Sie sich nochmals die fundamentale Annahme von Alex
Pentland durch und fragen Sie sich, ob das menschliche Leben tatsächlich auf das Daten-
management reduziert werden kann. Versuchen wir eine Annäherung an die Beantwortung
dieser Frage.
Prinzipiell stellen Menschen Black Boxes für die Algorithmen dar und werden zudem
von den Algorithmen nur über rein messbare Reiz-Reaktions-Beziehungen erfasst.
Wesensbestimmende Faktoren des Menschen wie Bewusstsein, Intention oder Wahrneh-
mung sind für die Algorithmen bedeutungslos. Damit lebt ein in der Verhaltenspsycholo-
gie lange Zeit diskreditierter Ansatz wieder auf. Dieser Ansatz unterstellt, dass man
menschliches Verhalten rein über von außen beobachtbares und messbares Verhalten
erklären, vorhersagen und auch steuern kann. Dabei werden psychologische Dimensionen
schlichtweg ignoriert, die empirisch nicht oder nur unzureichend beobachtbar sind. Nicht
in Betracht gezogen werden Dimensionen wie subjektives Erleben, Denken und Emotio-
nen oder die direkte Befragung von Personen. So wird alles, was zu keiner physischen,
beobachtbaren Aktion führt, einfach als irrelevant betrachtet. Aus dieser Perspektive wird
das komplexe menschliche Verhaltensspektrum in reduktionistische, mechanische und
auch autoritäre Reiz-Reaktions-Einheiten zerlegt. In der Praxis stieß diese Perspektive
schnell an ihre Grenzen, da nicht genügend Daten über menschliches Verhalten gesam-
melt, analysiert und manipuliert werden konnten. Diese Hürde beseitigen nun die digitalen
Plattformen wie Google, Uber, Airbnb, Facebook oder Twitter mit ihren Massen an Nut-
zerdaten über deren facettenreiches Verhalten auf den digitalen Plattformen.
Die grundsätzliche Mechanik und der Spirit dieses „Daten-Behaviorismus“ ändern
sich damit aber nicht in der Verhaltenspsychologie. Denn mit dem Ansatz wird implizit
postuliert, dass man über beobachtbares und messbares Verhalten mehr über den Proban-
den weiß, als dieser über sich selbst [STAL]. Erinnern Sie sich doch bitte an das Zitat von
Eric Schmidt aus Abschn. 1.1: „Wir wissen, wo du bist. Wir wissen, wo du warst. Wir
können mehr oder weniger wissen, was du gerade denkst“ [SCHMI]. Diese Aussage lässt
sich nun in dem reduktionistischen und mechanischen Ansatz dieser Art der Verhalten-
spsychologie verorten. Denken Sie einen Schritt weiter und stellen Sie sich vor, was die
Geheimdienste mit den Massendaten über wen auch immer machen. Das ist aus meiner
Sicht eine der Triebkräfte für Edward Snowden gewesen, über die Praktiken der NSA zu
berichten und davor zu warnen. Die entwickelten Algorithmen durchpflügen die Massen-
daten nach unbekannten Regeln und erzeugen Nutzerprofile, die zur Profitorientierung
(Personalisierung der Werbung), Überwachungsoptimierung, sozialen Normierung (Vor-
hersage von Nutzerverhalten), Serviceverbesserung (Personalisierung) oder „Nudging“
(Erzeugung von bevorzugten Nutzerverhalten über die Änderung der Parameter von
Kern-Interaktionen auf digitalen Plattformen) genutzt werden können. Das Facebook,
Google oder Twitter den ersten Punkt zum Fokus ihrer rückwärtigen Aktivitäten macht,
begründet sich mit dem Monteraisierungsmodell der jeweiligen digitalen Plattform.
Betrachten wir die Komponenten und Mechanik dieses immer noch in weiten Teilen der
akademischen Welt diskreditierten Ansatzes der Verhaltensforschung am Beispiel der
„Social Physics“ des Alex Pentland.
Die Praxis, Informationen von digitalen Sensoren wie Smartphones zu nutzen, um
menschliches Verhalten zu analysieren, wird als Teil des „Reality Minings“ bezeichnet.
Das „Reality Mining“ umfasst noch zahlreiche andere Facetten. Alex Pentland konzen-
triert sich auf die Facette des Studiums der Natur menschlicher Interaktionen und wie sich
Ideen und Verhaltensweisen von Mensch zu Mensch und durch Gruppen verbreiten. Diese
Facette des „Reality Minings“ bezeichnet Alex Pentland als „Soziale Physik“ („Social
Physics“). Die soziale Physik zielt darauf ab, zu verstehen, wie die Übertragung von Ideen
und Informationen von Mensch zu Mensch zu einer Verhaltensänderung führen kann
[JA02]. Mit den heutigen technologisch ausgereiften Smartphones ist es relativ einfach,
Daten über menschliches Verhalten zu sammeln und zu analysieren. Auf der Basis dieser
Daten entwickeln Wissenschaftler Algorithmen, um die Informationen zu analysieren und
Muster im menschlichen Verhalten zu erkennen. Zu den nutzbaren Daten zählen der Auf-
enthaltsort, Bewegungsmuster, körperliche Aktivitäten und vieles mehr. Über die Daten-
auswertung von individuellem und Gruppenverhalten entstehen über Mustererkennung
letztlich Modelle, die zu smarten, persönlichen Assistenten, automatisierten Sicherheits-
systemen oder zur Überwachung der persönlichen Gesundheit führen. Dies ist die Mecha-
nik der „Social Physics“ [GREE].
Damit ein „akkurates“ Modell (basierend auf statistischen Wahrscheinlichkeiten)
eines personenbezogenen Netzwerkes entwickelt werden kann, kombinierte Alex Pent-
lands Team die Smartphone-Anrufdaten der Nutzer mit Informationen über die Nähe zu
Smartphones anderer Nutzer im Netzwerk. Mit Hilfe der Faktor-Analyse identifizierte
das Team dann Muster in den Daten und transformierte diese Muster in „soziale Bezie-
hungslandschaften“. In Verbindung mit den Aufenthaltsdaten („location data“) konnten
Prognosen abgeleitet werden, wann sich jemand in der Nähe eines anderen Mitglieds
innerhalb des Netzwerkes befindet. So konnte Alex Pentland mit Smartphone-Daten das
soziale Netzwerk von ungefähr 100 MIT-Studenten und Professoren präzise modellieren.
Zudem konnte anschließend mit hohen Wahrscheinlichkeiten prognostiziert werden, wo
sich Individuen des Netzwerkes an einem bestimmten Tag in der Woche treffen werden
[AP, AP02, JA02].
Der entscheidende Faktor der „Social Physics“ liegt darin begründet, schreibt Alex
Pentland, dass nahezu sämtliche alltäglichen menschlichen Aktionen gewohnheitsmäßig
ablaufen und auf dem Lernen durch das Beobachten von Verhalten anderer Personen
(Nachahmen) basieren [AP]. Wenn man alle sozialen Einflussfaktoren einer Person analy-
siert und visualisiert, kann ein statistisches Modell entwickelt werden, das das zukünftige
Verhalten einer Person statistisch prognostizieren kann. Die Forschungen von Alex Pent-
land zielen aber auch darauf ab, durch die Anwendung von digitalen Technologien das
menschliche Verhalten zu ändern. Nach Alex Pentland sollen so Gruppen und Individuen
motiviert werden, produktiver und in verantwortlicher Weise zu handeln [CARR]. In
einem Interview [SPO] konkretisiert Alex Pentland dieses Ziel: „Wenn man eine bessere
Gesellschaft entwickeln will, benötigt man ein vollständiges Bild der sozialen Interaktio-
nen. Mit den Möglichkeiten des Big Data Managements wissen wir präzise, wer mit wem,
wann, wo interagiert.“ Denn nach Alex Pentland sind die gefundenen statistischen Zusam-
menhänge überwältigend: „Unsere Ideen, Verhaltensnormen, Modevorstellungen und
sogar Gewichtszunahmen sind extrinsische Eigenschaften, die wesentlich davon bestimmt
werden, wen wir täglich sehen. So können soziale Physiker das menschliche Verhalten in
einem Netzwerk prognostizieren“ [AP, AP02]. Damit, so Alex Pentland, können Engage-
ment und Exploration gemanagt werden, wenn diese gemessen werden können. Hier
schimmert aber deutlich die mögliche Steuerung des Menschen durch.
Selbst wenn es rechtlich und technologisch möglich sein sollte, die Datenschutzproble-
matik zu lösen, bleibt Pentlands datengetriebene Gesellschaft sehr problematisch. So
ignoriert Pentland den Umstand, dass Normen und Verhaltensmuster das Ergebnis von
Geschichte, Politik und Ökonomie, Macht, Vorurteilen, Erfahrungen und so weiter sind.
Weit konkreter kommt hinzu, dass Menschen nicht komplett frei darin sind, sich ihre
Peer-Gruppen auszuwählen. Über die Wahl der Peer-Gruppe entscheiden der soziale Sta-
tus, das Aussehen, Talente, Vermögensverhältnisse, Zugang zu sozialen Gruppen und so
weiter. Ein statistisches Modell, das Klassenunterschiede ignoriert und Einflussmuster als
gegeben und nicht historisch gewachsen und bedingt betrachtet, wird bestehende soziale
Strukturen und Dynamiken eher verfestigen. Damit wird im Endeffekt der Status Quo
optimiert und nicht in Frage gestellt [CARR].
Genau zu diesem Schluss kommt auch Byung-Chul, indem er feststellt: „Die digitale
Totalvernetzung und Totalkommunikation erhöht den Konformitätszwang erheblich. Die
Gewalt des Konsens unterdrückt Idiotismen“ [HAN01]. Mit Idiotismen meint Han
Byung-Chul das Andere, das Unbekannte, das Überraschende, das Chaotische, letztlich
die Dinge, die den Menschen in seiner Komplexität ausmachen. Doch gesteht auch Pent-
land ein, dass Big Data Management eines nicht erfassen kann: Es ist das nicht Vorher-
sagbare und das ist ein bedeutender Wesenszug des Menschen. Alle mathematischen
Modelle mit noch so vielen Daten sind immer eine reduzierte Systemsicht der Realität.
Die Entwicklungen der sozialen Physik in diesem Big Data Management-Zweig stehen
noch ganz am Anfang, werden aber die Sozialwissenschaften in gewisser Hinsicht revo-
lutionieren. Ich kann alle Leser nur dazu ermuntern, alle Entwicklungen in diesen Bereich
aufmerksam zu verfolgen [JA02].
Ein weiterer Aspekt der sozialen Physik verdient noch eine besondere Erwähnung: Die
Kosten für die Entwicklung von ‚Social Physics‘-Anwendungen sind relativ niedrig und
stellen eine niedrige Eintrittsbarriere dar. So haben beispielsweise zwei Doktoranden der
Standford University, Jonathan Mayer und Patrick Mutchler, eine App entwickelt, die von
546 Probanden auf ihrem Smartphone installiert wurde. Die Probanden gewährten den
beiden Studenten über mehrere Monate Zugriff auf die Verbindungsdaten (und damit auch
auf die Metadaten), die über die App gesammelt wurden. In dem betrachteten Zeitraum
wurden insgesamt 34.000 Telefonnummern gewählt. Über öffentlich zugängliche Ver-
zeichnisse wie Google konnten die Doktoranden zahlreiche der gewählten Telefonnum-
mern einer bestimmten Einrichtung zugeordnet werden (Arzt, Kaufhaus, Krankenhaus,
Psychiater, Suchtberatung, Restaurant und so weiter). In Verbindung mit einer kosten-

pflichtigen Datenbank konnten zusätzlich die Ergebnisse verifiziert werden und die Besit-
zer konnten so den Telefonnummern mit einer 90-prozentigen Wahrscheinlichkeit
zugeordnet werden. In einigen Fällen führte die Studie zu eindeutigen Schlussfolgerun-
gen. Beispielsweise führte ein Proband längere Gespräche mit Kardiologen in einem
Krankenhaus. Zusätzlich sprach er kurz mit einem medizinischen Labor, beantwortete
Anrufe von Apotheken und rief öfters bei einem Hersteller an, der Geräte zur Überwa-
chung von kardiologischen Störungen produziert [MAYER, JA02]. Dies ist nur eines von
mehreren Beispielen, mit denen Lebensausschnitte von Menschen transparent gemacht
werden können, und zwar mit einem geringen Budget und ohne Mitarbeiterstab im Hinter-
grund [MORGEN].
In der Kriminalistik wird beispielsweise in Los Angeles (USA) seit 2010 mit computer-
gestützten Verbrechensprognosen („predictive policy“) gearbeitet. In einigen Stadtteilen
sank damit die Kriminalitätsrate um nahezu 30 %. Dazu werten Computer statistische
Daten über Verbrechensschwerpunkte, Straftaten und Wetterdaten algorithmisch aus und
suchen dann nach Verhaltensmustern. Diese Methode führte zu einer bemerkenswerten
Genauigkeit bei der Prognose von Tatzeit und -ort; dies sogar in Bezug auf Einzelpersonen
[CLA, JA02].
Die „Social Physics“ von Alex Pentland werden trotz all der Kritik weiterentwickelt
und zu mannigfaltigen praktischen Anwendungen führen. Möglich wird dies vor allem
auch durch die datengeriebene Expansion digitaler Plattformen wie Uber, Airbnb, Face-
book oder Twitter. Diese Plattformen sammeln Massen an Verhaltensdaten über die Trans-
aktionen auf ihren Plattformen und werten diese für vielfältige Zwecke aus. Auch im
Wahlkampf um den Posten des nächsten US-amerikanischen Präsidenten konnten die
Wahlkämpfer von Donald Trump mit Hilfe der Firma Cambridge Analytica angeblich
jedem einzelnen Wähler personalisierte Botschaften zukommen lassen. Die damit verbun-
denen Ziele liegen auf der Hand: Wählerverhalten vorhersagen und direkt beeinflussen
können. So rühmte sich der CEO Alexander Nix von Cambridge Analytica mit den Wor-
ten: „Wir sind begeistert, dass unser revolutionärer Ansatz für datengetriebene Wähleran-
sprache so einen wesentlichen Anteil am Sieg von Donald Trump hatte“ [JIM]. Denn, so
Nix auf dem Concordia Summit, einer Art Weltwirtschaftsforum im Kleinen im dunkelb-
lauen Saal des New Yorker Grand Hyatt Hotels: „Wir bei Cambridge Analytica haben ein
Modell entwickelt, das die Persönlichkeit jedes Erwachsenen in den USA berechnen
kann“ [KRO]. Wow – das ist aber mal eine vollmundige Ansage, die im direkten Wind-
schatten der „Social Physics“ von Alex Pentland daherkommt. Die Aussage erzeugte im
Saal des Hyatt Hotels eine nahezu greifbare Stille unter den Anwesenden.
Nach Nix sind es drei Komponenten, die den Erfolg von Cambrigde Analytica bestim-
men: die psychologische Verhaltensanalyse nach dem Ocean-Modell, Big Data Auswer-
tungen und Ad-Targeting (personalisierte Werbung). Damit dies möglich ist, kauft
Cambridge Analytica persönliche Daten aus zahlreichen Quellen hinzu, wie zum Beispiel
Klubmitgliedschaften, Zeitschriftenabonnements, medizinische Daten, Bonuskarten,
Wählerverzeichnisse, Grundbucheinträge und so weiter. Die Datenlieferanten sind die
bereits mehrfach erwähnten Firmen wie Axciom oder Experian [KRO]. Der Vortrag ist im
Übrigen frei auf YouTube einsehbar. Mit dem Ocean-Modell wird der Charakterzug eines
jeden Menschen auf der Basis von fünf Dimensionen vermessen: Offenheit, Gewissenhaf-
tigkeit, Extrovertiertheit, Verträglichkeit, Verletzlichkeit (neurotisch) [KRO, ZAS]. Die
„Big Five“ des Ocean-Modells bilden in der Forschungswelt den weltweit weitgehend
gültigen Standard bei der Beschreibung individueller Persönlichkeit.
In einer vor wenigen Jahren groß angelegten Studie in 50 Ländern auf allen Kontinen-
ten mit rund 12.000 Befragten wurde die kulturübergreifende Gültigkeit des Modells
nachgewiesen. Diese weitgehend weltweite Gültigkeit der Big Five gerät nun aber in man-
chen Teilen der Welt an ihre Grenzen. Damit gerät die allgemeingültige Wirksamkeit des
Big Five-Modells zur Bestimmung der menschlichen Persönlichkeit allmählich ins Wan-
ken. Ein amerikanisches Forscherteam um den Anthropologen Michael Gurven von der
University of California in Santa Barbara fand heraus, dass die Bewohner einiger abgele-
gener Dörfer in Bolivien eigene Vorstellungen davon haben, was eine Persönlichkeit aus-
macht. Das Ocean-Modell mit seinen Big Five-Dimensionen funktionierte hier nicht so
wie angenommen. Vielmehr zeigt sich immer mehr, das die Big Five wohl die größte
Gültigkeit nur für die westlichen Industrienationen haben und für alle, die deren Lebens-
stil angenommen haben. Zudem haben viele psychologische Begriffe in Asien eine andere
Bedeutung als im westlichen Teil der Hemisphäre [VFXH]. Diese Erkenntnis hat insofern
Relevanz für den durch Cambridge Analytica vermeintlich stark beeinflussten Wahl-
kampferfolg von Donald Trump, als dass die USA ein klassisches Einwanderungsland
darstellen.
Einer der führenden Experten für Psychometrik, Michael Kosinski, hat nun Persönlich-
keitsprofile aus den Big Five mit Facebook-Likes verknüpft. Danach lässt sich jeder
Mensch über die Analyse von Facebook-Likes kategorisieren. Die Kombination aus Big
Five und Facebook-Likes nutzt Cambridge Analytica in der Praxis, sodass Donald Trump
angeblich diejenigen Wähler ansprechen konnte, die besonders aggressiv oder ängstlich
auf beispielsweise Zuwanderung reagieren oder deutlich konservativ sind. Möglich wird
dies, da es Facebook seinen Werbekunden erlaubt, mit extrem detaillierten Filtern Nutzer-
gruppen äußerst differenziert anzusprechen. Mit den skizzierten Mechanismen konnte laut
Cambridge Analytica der jetzige US-Präsident Donald Trump alle diejenigen weißen
männlichen Facebook-Nutzer ohne College-Abschluss mit Auto-Affinität im Alter über 50
Jahre in Detroit mit Botschaften ansprechen, die deren „angebliche“ Ängstlichkeit beson-
ders berücksichtigten [JIM]. Die Verknüpfung der Big Five mit den Facebook-Likes
erschließt aber nicht die Motive der Menschen, warum sie sich in einer ganz bestimmten
Situation für oder gegen einen Kandidaten entscheiden. Das müssten sie aber leisten kön-
nen, wenn das stimmen soll, was Cambridge Analytica behauptet: dass auf Big Five abge-
stimmte, politische Aussagen auf Facebook politische Einstellungen prägen und sogar das
Wahlverhalten verändern können. Das Ganze ist nur dann relevant, wenn es im großen Stil
gelingt. Besonders relevant wäre solches „Micro-Targeting“ für die hin- und herschwan-
kenden Wechselwähler [JIM, KRO]. Letztendlich wurde den Trump-Wahlhelfern ab Juli
2016 eine App von Cambridge Analytica bereitgestellt, mit der erkannt werden konnte,
welche politischen Einstellungen und welchen Persönlichkeitstyp die Bewohner eines

Hauses haben [KRO]. Eines lässt sich mit Sicherheit über die Methoden von Cambridge
Analytica sagen: Die Effektivität persönlichkeitsbasierter Werbung führte dazu, dass
Donald Trump einen „Billigheimer“-Wahlkampf führen konnte und dies in einem typi-
scherweise eher sehr teuren Wahlkampf für angehende US-Präsidenten.
Seltsamerweise geben die Macher bei Cambridge Analytica keine Daten über den doch
so erfolgreich manipulierten US-Wahlkampf zugunsten von Donald Trump preis. In sei-
nem Weblog „… ihr Menschen seid komisch“ bringt es Jens Scholz mit dem Blogeintrag
„Hat ein Big Data Psychogramm Trump wirklich den Sieg gebracht?“ wie folgt auf den
Punkt: „Wenn es um derart klar definierte Zielgruppen geht, brauche ich doch keine ultra-
komplexen Profile. Das heißt, also: Ja klar ist das hilfreich, die Zielgruppen targeten zu
können, aber die Methoden um die richtige Zielgruppe zu adressieren, ist bei Menschen
mit festem Weltbild nicht schwer, dafür brauche ich keine komplexen neuen Erkenntnisse.
[…] Wie kommen Menschen immer wieder auf die irgendwie religiös mathematikhörige
Idee, dass man menschliches Verhalten derart leicht kategorisieren, vorhersagen und dann
sogar steuern könnte? Selbst auf dem Finanzmarkt, der viel mathematischer und in weni-
ger Dimensionen funktioniert, hat man bewiesen, dass eine egal mit wie vielen Daten
unterfütterte Vorhersage kein bisschen genauer ist, als eine Vorhersage, die auf reinen
Zufallszahlen basiert. Man braucht ein magisches Weltbild, um an eine Formel zu glau-
ben, die mathematisch das Wort errechnet, das man einem Menschen sagen muss, damit er
plötzlich und willenlos seine Meinung ändert“ [SCHOL]. Noch ein Grund, warum Cam-
bridge Analytica wohl keinen Einblick in die verwendeten Daten beim Donald
Trump-Wahlkampf gewährt, könnte in einem Anruf eines Sprechers der Firma begründet
sein. Der hatte laut US-Medienberichten am Tag vor der US-Präsidentenwahl diverse
Redaktionen angerufen und behauptet, dass der Amtsanwärter Donald Trump nur eine
Chance von 20 bis 30 % auf einen Wahlsieg habe [JIM].
Wohin die in diesem Kapitel skizzierten datengesteuerten Entwicklungen letztlich füh-
ren, ist noch nicht abzusehen. Dem interessierten Leser empfehle ich die Bücher von Mar-
kus Morgenroth [MORGEN] und Malte Spitz [SPITZ], die weitere erhellende Einsichten
in die Praktiken des Reality Minings aufzeigen. In den beschriebenen Szenarien ist eine
Brisanz enthalten, die sich erst in Umrissen zeigt. Im Rausch der Big Data Anwendungen
auf digitalen Plattformen und seinen komplexen Algorithmen bleibt auch zunehmend der
Datenschutz auf der Strecke. Diesem Phänomen gehe ich nun näher nach.
4.3 I m Rausch der Daten – irgendwie bleibt der Datenschutz auf

der Strecke
In einem Essay über Mythen zum Big Data Management thematisieren Offenhuber und
Ratti das Phänomen der Informationsüberflutung [GEISE]. Die Informationsüberflutung
ist das Ergebnis der zunehmenden Datenexplosion, so der Mythos. Demgegenüber argu-
mentieren sie, dass unsere physische Umwelt voll mit unendlich vielen Informationen ist,
4.3 Im Rausch der Daten – irgendwie bleibt der Datenschutz auf der Strecke 239
die nicht digitaler Natur sind. So betrachtet bilden die digitalen Informationen aber nur
einen kleinen Ausschnitt der komplexen Umwelt. Sie kommen zu dem richtigen Schluss,
dass wir alle unser Verhältnis zu Informationen ändern und Big Data als integralen
Bestandteil einer unendlich komplexen Umgebung akzeptieren müssen [GEISE, JA02].
Der digitalen Informationsflut werden wir uns kaum entziehen können. Es geht vielmehr
um die Art und Weise, wie wir auf die neuen digitalen Technologien zugreifen und diese
im Alltag nutzen. Für wenig sinnvoll halte ich eine digitale Enthaltsamkeit, wie es Hans
Magnus Enzensberger unter der Überschrift „Wehrt Euch“ [FAZ06] empfohlen hat. Seine
erste Forderung rief dazu auf, Mobiltelefone einfach wegzuwerfen. Das erinnert an einen
Ausspruch von Steve Wozniak, dem kongenialen Mitgründer von Apple Computer: „Never
trust a computer you can’t throw out a window“ [WOZ] („Trau keinem Computer, den Du
nicht aus dem Fenster werfen kannst“).
Enzensberger fordert weiter dazu auf, Online-Banking und Online-Einkäufe zu vermei-
den. Nach seiner Auffassung sind auch soziale Netzwerke wie Facebook alles andere als
sozial zu seinen Nutzern. Noch drastischer spitzt es Enzensberger beim Thema „Internet
der Dinge“ zu: „Dem Aberwitz, alle denkbaren Gebrauchsgegenstände, von der Zahn-
bürste bis zum Fernseher, vom Auto bis zum Kühlschrank über das Internet zu vernetzen,
ist nur mit einem totalen Boykott zu begegnen. An den Datenschutz den mindesten Gedan-
ken zu wenden, fällt ihren Herstellern nicht im Traum ein. Der einzige Körperteil, an dem
sie verwundbar sind, ist ihr Konto. Sie sind nur durch die Pleite zu belehren.“ Sein ultima-
tives Motto ist so alt wie menschlich: Ergreift die Flucht. Selbst der ambitionierte Versuch,
den Aufforderungen von Enzensberger nachzukommen, wäre zum Scheitern verurteilt.
Wir würden uns zunehmend dem gesellschaftlichen Leben entziehen und könnten bei-
spielsweise Bankgeschäfte, Einkäufe im Supermarkt, das Aufsuchen überwachter öffent-
licher Plätze und so weiter nicht mehr vornehmen. An eine abhängige Beschäftigung mit
vernetztem Computerarbeitsplatz und Smartphone wäre gar nicht zu denken. Hinzu
kommt noch, dass viele Daten über uns auch bei digitaler Abstinenz gesammelt werden.
Die Schufa oder die Konsumentenprofile der erwähnten Firma Axciom umfassen zahlrei-
che, über uns verfügbare Daten in unterschiedlicher Konzentration je nach digitaler (In-)
Aktivität. Zu den Daten zählen Alter, sozialer Status, Einkommen, Kaufkraft, Famili-
enstand, Wohnort und so weiter, die auch schon immer analog angefallen sind [JA02].
Wir Menschen definieren uns als zutiefst soziale Wesen, die in der Mehrheit nicht als
Eremiten leben wollen. Denn nichts fasziniert den Menschen mehr als andere Menschen.
Unter anderem daraus resultiert auch die Intensität der sozialen Interaktionen auf digitalen
Plattformen wie Facebook oder WhatsApp. Diesem Kreislauf wollen und können sich
viele Menschen nicht entziehen. Damit sind wir Nutzer der digitalen Plattformen auch für
den Großteil des digitalen Informationsaufkommens verantwortlich. Die Studie „EMC
Digital Universe“ schätzt, dass nur etwa 20 % aller schützenswerten Daten abgesichert
werden [EMC03]. Hier beginnt das Problem des Datenschutzes offenkundig zu werden.
Die Nutzer digitaler Plattform-Dienste sind gleichermaßen die Produzenten und Konsu-
menten digitaler Informationen. Damit werden sie zu „Prosumern“ des digitalen Univer-
sums, die meist freiwillig und unablässig neue digitale Daten produzieren.
Welche Auswirkungen haben die skizierten Tendenzen auf die sich in der aufziehenden
Digitalmoderne wandelnden Gesellschaften? Wenn es nach dem Philosophen Byung-Chul
geht, dann weist die Topologie des Digitalen eine ganz bestimmte Dimension auf: „Die
Topologie des Digitalen besteht aus flachen, glatten und offenen Räumen“ [HAN02].
Diese flachen, glatten und offenen Räume zwingen uns zu einer gesellschaftlichen Kon-
formität, die sich der Freiheit bedient. Der Literaturnobelpreisträger Mario Vargas Llosa
sieht bei den noch unbekannten Auswirkungen der technologischen Revolution einen Kol-
laps aller Werte und Vorstellungen auf uns zukommen. Weiter sieht er die menschliche
Freiheit in Gefahr [LLOSA]. Denn „die digitale Kontrollgesellschaft macht intensiv
Gebrauch von der Freiheit. Wir stellen freiwillig alle möglichen Daten über uns ins Netz,
ohne zu wissen, wer, was, wann und bei welcher Gelegenheit über uns weiß. Diese Unkon-
trollierbarkeit stellt eine ernst zu nehmende Krise der Freiheit dar“ [HAN01].
Pointiert formuliert Byung-Chul weiter, dass die Schlagworte der zweiten Aufklärung
wie Transparenz und die Forderung, dass „alles […] Daten und Information werden
(muss)“, von einer dritten Aufklärung begleitet werden müssen: „… eine dritte Aufklä-
rung, die uns darüber aufklärt, dass die digitale Aufklärung in Knechtschaft umschlägt“
[HAN01]. Ist die Problematik wirklich so gravierend, dass Mario Vargas Llosa zu dem
Schluss kommt: „Technology is killing the very idea of culture“ [LLOSA] („Die Techno-
logie tötet die Idee von Kultur an sich“)? Der Literatur-Nobelpreisträger sieht die natürli-
che Funktion der Kultur darin, kritische und unzufriedene Bürger zu entwickeln, die sich
nicht manipulieren lassen. Bedauerlicherweise verorten sich die neuen digitalen Techno-
logien aber in dieser Kultur [JA02]. Die Positionen von Byung-Chul und Vargas Llosa sind
zugegebenermaßen extremer Natur, tendenziell aber durchaus richtig. Praktisch wird diese
„extreme“ Position bestätigt mit dem in China geplanten „Citizen Score“. Dort wird jedem
Bürger ein „Scorewert“ zugeordnet, der vom Klickverhalten im Internet und dem politi-
schen Wohlverhalten abhängt. Der errechnete Punktwert entscheidet dann für jeden chine-
sischen Bürger über die gewährten Kreditkonditionen, potenzielle Jobs oder die Gewährung
von Reisevisa. Damit wird eine umfassende Überwachung und soziale Kontrolle der
Bevölkerung möglich. Hier nun schimmert Byung-Chuls Transparenzgesellschaft klar
hervor. Das Korsett der sozialen Kontrolle wird so eng geschnürt, das eine individuelle
Selbstentfaltung kaum möglich wird. Auch in Singapur etabliert sich zunehmend eine
datengesteuerte Gesellschaft [HE]. Der gläserne Bürger opfert prinzipiell damit seine
Menschenwürde und würde in demokratischen Staaten das gesetzlich verbürgte Selbstbe-
stimmungsrecht verlieren. Damit stirbt die Idee des freien Internets endgültig und derartig
kontrollierte Gesellschaften steuern auf ein „horror vacui“.
Die Konzentration von digitalen Daten auf digitalen Plattformen wie Facebook, Google,
Amazon oder Airbnb führt nicht unbedingt zu einer totalen Transparenzgesellschaft, aber
zumindest zu einer asymmetrischen Macht- und Kontrollkonzentration zugunsten der
digitalen Plattformen. Die spannende Frage, die weit über das Schlagwort „Datenschutz“
hinausgeht, lautet: Wer kontrolliert zukünftig den Umgang mit diesen Daten? Als Destillat
der bisherigen Ausführungen kann die Antwort darauf nur aus einer Mischung von Dezen-
tralisierung der Datenspeicherung und Datensouveränität der Nutzer bestehen. Die
4.3 Im Rausch der Daten – irgendwie bleibt der Datenschutz auf der Strecke 241
numkehrbar anonymisierten Daten werden entweder nicht gespeichert oder dezentral in

u
Vertrauensnetzwerken („trust networks“) wie der „Blockchain“ (siehe Abschn. 1.1)
gespeichert, sicher verschlüsselt (auch unzugänglich für die NSA und ähnliche Organisa-
tionen). Das Selbstbestimmungsrecht des Bürgers über seine Daten ist notwendig und
muss ein Kernbestandteil des digitalen Zeitalters werden. Dies hat offensichtlich auch
Alex Pentland (siehe Abschn. 4.2) erkannt, trotz seiner Euphorie für die neue Datenwis-
senschaft. In seinem 300 Seiten starken Buch „Social Physics“ fordert Pentland bereits auf
Seite 17 einen „New Deal on Data“.
Denn seine Idee der datengesteuerten Gesellschaft geht davon aus, dass die digitalen
Daten nicht missbraucht werden (sollten). Selbst Pentland ist aber klar, dass wir es bei der
Idee der datengesteuerten Gesellschaft seiner Auffassung nach mit einem prometheischen
Feuer zu tun haben. Der potenzielle Datenmissbrauch und die daraus resultierende Kon-
trollgesellschaft sind in der Idee der Datensteuerung bereits inhärent angelegt. Seine For-
derung und gleichzeitige Handlungsempfehlung lautet: „Workable guarantees that the
data needed for public goods are readily available while at the same time protecting the
citizenry. Maintaining protection of personal privacy and freedom is critical to the success
of any society“ [AP]. Diese Forderung konkretisiert Pentland mit der Formulierung von
drei Säulen der Datenhoheit:
. Jeder Nutzer hat das unbestreitbare Recht an seinen Daten.

1
2. Jeder Nutzer hat die volle Kontrolle über die Nutzung der Daten.
3. Jeder Nutzer hat das Recht, persönliche Daten zu löschen oder zu teilen [AP].
Damit dies in der Praxis auch umgesetzt werden kann, müssten alle Nutzer wissen, wer
welche Daten über sie zu welchem Zweck speichert. Hier sind die Politik und der Gesetz-
geber in Kooperation mit den Daten speichernden digitalen Plattform-Unternehmen
gefragt. Eine eigene Antwort auf diese Herausforderung in Bezug auf den Datenschutz
mündete bei Alex Pentland im Konzept einer digitaler Plattform „openPDS“ (open Perso-
nal Data Store). Bei der digitalen openPDS-Plattform handelt es sich um einen zentralen
Server, der zwischen dem Nutzer und den Entitäten steht, die Daten über den Nutzer sam-
meln, speichern, auswerten und weitergeben und zwar im „trust network“. So werden die
Daten zuerst im persönlichen openPDS-Account gespeichert, bevor diese an andere Enti-
täten weitergeleitet werden. Dort kann jeder Nutzer die Daten einsehen und entscheiden,
wer Zugriff auf die Daten bekommt.
Dieses Konzept wird in Trentino, Italien, als „Living Lab Experiment“ praktisch bereits
getestet [AP, AP03]. Nur im Sinne einer Dezentralisierung (also wenn es mehr als einen
zentralen Server gibt), der Datenspeicherung, -verarbeitung, -freigabe und vollständig
anonymisierten Datenweitergabe ist dieses Konzept durchaus sinnvoll. Diese openPDS-
Lösung sollte durch eine geeignete Blockchain-Lösung (siehe Abschn. 1.1) noch vertrau-
enswürdiger und sicherer gemacht werden. Denn das vorgeschlagene Konzept openPDS
ist abhängig von der Kooperation aller Akteure, die Daten sammeln, verarbeiten und wei-
terleiten [JA02]. Wie ist aber mit den Transaktionsdaten auf den digitalen Plattformen
umzugehen? Wem gehören diese Daten und wer kann über die weitere Verwendung dieser
Daten entscheiden? Stand heute, agieren die digitalen Plattformen hier weitgehend autark.
Dabei lassen sie sich die weitreichende Datennutzung meist in den jeweiligen AGB von
den Nutzern auch dezidiert einräumen. Hier sind zahlreiche Fragen rechtlicher, ethischer,
technischer und ökonomischer Natur nicht gelöst. Das um eine Blockchain-Lösung erwei-
tere, digitale openPDS-Plattformkonzept steht aber prinzipiell durchaus im Einklang mit
der Forderung nach Daten-Dezentralisierung und Datensouveränität der Nutzer in diesem
Einführungsbuch.
Die Autoren Stefan Aust und Thomas Ammann schlagen in ihrem Buch „Digitale Dik-
tatur: Totalüberwachung Cyberkrieg Datenmissbrauch“ vor, in einem ersten Schritt die
informationelle Selbstbestimmung europaweit festzuschreiben [AUST]. Der geplante Ein-
willigungsvorbehalt zur Datenauswertung und -weitergabe in der EU-Datenschutzgrund
verordnung ist quasi die Vorstufe des „New Deals on Data“. Bei dem um eine
Blockchain-Lösung zu erweiternden Konzept des „New Deals on Data“ handelt es sich
um einen Referenzrahmen für den zukünftigen Umgang mit digitalen Daten, der weit über
das Thema Datenschutz hinausgeht. Bevor dieser Referenzrahmen etabliert werden kann,
muss sich aber jeder Nutzer digitaler Technologien und digitaler Plattformen mit den
Bordmitteln des Datenschutzes behelfen. Dazu zählen beispielsweise die periodische
Änderung sicherer Passwörter, der Einsatz ultraprivater Smartphones [TALB], anonym im
Internet surfen, die Sicherheitseinstellungen im Internetbrowser optimieren und die Spu-
renerkennung minimieren, die eigene Identität im Internet überwachen und so weiter
[JA02]. Davon unberührt bleiben aber die massenhaften Transaktionsdaten innerhalb der
digitalen Plattform Ökosysteme, die sich dem Zugriff der Nutzer entziehen. So gehen
Helbing et al. in dem „Digital-Manifest (I) – Digitale Demokratie statt Diktatur“ noch
einen Schritt weiter und konkretisieren die Forderung nach einer Datensouveränität für
den Nutzer über die Einhaltung folgender Grundprinzipien [HE]:
• Stärkere Dezentralisierung der Funktion von Informationssystemen,

• die Unterstützung von informationeller Selbstbestimmung und Partizipation,
• Verbesserung der Datentransparenz für eine erhöhte Vertrauenswürdigkeit,
• Reduzierung von Informationsverzerrungen und -verschmutzung,
• die Möglichkeit dafür schaffen, dass Nutzer Informationsfilter selbst steuern können,
• Förderung der gesellschaftlichen und ökonomischen Vielfalt,
• Verbesserung der Interoperabilität technischer Systeme,
• die Erzeugung digitaler Assistenten und Koordinationswerkzeuge,
• die Unterstützung kollektiver Intelligenz sowie
• eine digitale Aufklärung in der Gesellschaft fördern, um die digitale Mündigkeit der
Bürger zu stärken.
Diese Liste an Forderungen ist sehr weitreichend und praktisch nicht einfach umzusetzen.
An erster Stelle ist eine breit angelegte gesellschaftliche Debatte notwendig. Darüber hin-
aus sind die digitalen Plattformriesen wie beispielsweise Google, Facebook, Uber oder
4.4 ¡No pasaran! – Die Durchdringung digitaler Plattformen mit künstlicher Intelligenz 243
Amazon stärker in die Pflicht zu nehmen. So könnte auf EU-Ebene geregelt werden, dass
Google offenlegt, nach welchen Kriterien in der Suche entschieden wird, in welcher Rei-
henfolge die Suchfunde angezeigt werden. Und wie der Konzern die gesammelten
Erkenntnisse über seine Plattformnutzer nutzt. Dazu ist der entschlossene politische Wille
in der EU notwendig, damit sich die digitalen Plattformriesen nicht staatlicher Interventi-
onen entziehen können. Zudem müsste den Bürgern ein Auskunftsrecht eingeräumt wer-
den, mit dem sie erfahren, auf welcher Grundlage Entscheidungen getroffen werden,
beispielsweise von Kreditinstituten oder Versicherungen. Die Rolle der Datenschutzbe-
hörden sollte ausgeweitet werden, sodass Antidiskriminierungsgesetze auf die Entschei-
dungsverfahren der digitalen Plattformen Anwendung finden und sanktioniert werden
können. Es muss das Machtungleichgewicht zwischen den Nutzern, die Transaktionsdaten
erzeugend, und den digitalen Plattformen, die diese Daten für ihre Zwecke nutzen, ins
Gleichgewicht gebracht werden. Dringend erforderlich ist die Erosion der Quasimonopol-
stellung mancher digitaler Plattformriesen und die Etablierung von Interoperabilität
(Zusammenarbeit), beispielsweise von Suchmaschinen [STAL02]. Diese gesellschaftli-
chen Herausforderungen werden uns alle und die nachfolgenden Generationen kontinuier-
lich tangieren.
Denn wenn es nach Mark Zuckerberg geht, sollen alle Facebook-Nutzer das gesamte
Leben auf der digitalen Facebook-Plattform dokumentieren. Das Leben würde sich zuneh-
mend virtualisieren, aber auch nahezu minutiös rekonstruieren lassen. In einem Interview
mit dem CEO von Axel Springer spricht Mark Zuckerberg davon, Szenen aus dem eigenen
Leben komplett festhalten zu wollen. „In 360-Grad. Den gesamten Augenblick. […] Es
soll sich anfühlen, als wäre man dabei“ [DÖPF03]. Das soll ja das nächste große Ding für
zahlreiche digitale Plattform-Ökosysteme im Silicon Valley werden: virtuelle Realitäten.
4.4 ¡ No pasaran! – Die Durchdringung digitaler Plattformen mit

künstlicher Intelligenz
Nach der Automatisierung folgt die Virtualisierung des Lebens und damit die Verschie-
bung zentraler Prozesse in die digitale Sphäre [LOBO3]. Nach der „augmented reality“,
mit der Nutzer wie bei dem Spiel „Pokémon Go“ eingebettet in die reale Umgebung
zusätzliche digitale Informationen auf einem Display angezeigt bekommen, folgt unmit-
telbar die virtuelle Realität. Dabei wird der Nutzer in eine komplett virtuelle Umgebung
versetzt, beispielsweise mit Hilfe eines sogenannten Head Mounted Display (HMD) – ein
Bildschirm, den man mittels einer Spezialbrille unmittelbar vor den Augen trägt. Wichtige
Anwendungsgebiete finden sich in der Medizin und nach Meinung von Nasir Navad, dem
Leiter des Lehrstuhls für Informatikanwendungen in der Medizin und Augmented Reality
an der Technischen Universität München, sind „Augmented und Virtual Reality die
Zukunft der Medizin“. Die Erzeugung von virtuellen Realitäten soll bei der Therapie von
Schmerzpatienten, in komplexen Operationen oder bei der Ausbildung von Ärzten und
Pflegepersonal zum Einsatz kommen [SCHRÖD].
Vorangetrieben wird die Erzeugung virtueller Welten primär von Machern digitaler
Online-Spiele, wie ich es auf der diesjährigen Game Developers Conference im Moscone
Center von San Francisco mit eigenen Augen bestaunen konnte. Die im Markt dominanten
Virtual Reality-Unternehmen HTC/Valve, Oculus und Sony konzentrieren sich momentan
stark auf die Entwicklung neuer Virtual Reality-Spiele. Neuen Antrieb bekommt diese
Entwicklung, wenn sich der Standard OpenXR durchsetzt und dieser für Augmented Rea-
lity und Virtual Reality gleichermaßen gelten soll. Alle wichtigen Virtual Reality-
Unternehmen wie AMD, Epic Games, Google, Intel, Nvidia, Oculus, Samsung, Sony
Unity und Valve haben die Unterstützung für diesen Standard signalisiert. Die Unterneh-
men mit entsprechenden digitalen Plattform-Ökosystemen um die Virtual Reality-Spiele
herum arbeiten an der Entmaterialisierung der Spielewelten im Internet [GIESS]. Was mit
dieser Entwicklung erreicht werden soll, beschreibt Mark Zuckerberg so: „Künftig wird
man eine ganze Szene, ein ganzes Zimmer aufnehmen, sich in dieses hineinversetzen wol-
len. Man wird das, was man macht, live streamen wollen, man wird Menschen in diesem
Raum interagieren lassen wollen“ [DÖPF03]. Dann wird man von einer digitalen Sphäre
umgeben, die immer da ist und in der man immer mehr auf sich selbst geworfen ist. So
weit ist die Entwicklung aber bei weitem noch nicht. Mit den virtuellen Realitäten sind
Entwicklungen im Bereich der künstlichen Intelligenz verbunden, die momentan medial
stark „gehypt“ werden.
Dennoch warnen prominente Menschen wie Elon Musk oder Stephan Hawking vor den
Risiken der angeblich davongallopierenden künstlichen Intelligenz, die sich womöglich
verselbstständigt. Dabei, so schränkt zumindest Mark Zuckerberg ein, ist dies „… ziem-
lich hysterisch und sogar gefährlich“ [DÖPF03]. Das Phänomen der künstlichen Intelli-
genz habe ich bereits im Abschn. 1.1 in Grundzügen kurz erörtert, da die künstliche
Intelligenz eine der digitalen Kern-Technologien darstellt. Es lohnt sich, das Phänomen
der künstlichen Intelligenz noch etwas näher zu beleuchten, da die künstliche Intelligenz
gerade für die Expansion digitaler Plattformen von entscheidender Bedeutung ist.
Die künstliche Intelligenz zieht schleichend in unseren Alltag ein, beispielsweise mit
virtuellen Sprach-Assistenten wie Alexa, Siri und Co. Diese virtuellen Sprach-Assistenten
werden aber noch sichtbar materialisiert in unsere Wohnungen gestellt, als „Echo“ von
Amazon, „Google Home“ oder Apples iPhone. In diesen Geräten stecken die virtuellen
Sprach-Assistenten, die bei Amazon „Alexa“, bei Google „Google Home“ und bei Apple
„Siri“ heißen. Mit diesen virtuellen Sprach-Assistenten wird eine neue Ära der Interaktion
zwischen Mensch und Maschine eingeläutet. Die Interaktion erfolgt über die sprachliche
Kommunikation mit den virtuellen Assistenten – also mit einer Maschine zu reden, der
Maschine Fragen über das Wetter zu stellen, sich Witze erzählen zu lassen und so weiter.
Das passiert mittlerweile weltweit in Millionen von Haushalten, in denen eine der Sprach-
boxen steht.
Die smarten Assistenten reagieren unmittelbar, wenn die Geräte angesprochen werden
und antworten mit dem gewünschten Radiosender oder suchen die angefragte Bahnverbin-
dung heraus [BUDRAS02]. Die in den Boxen integrierten Assistenten greifen auf massive
Datenbankressourcen zurück, die in riesigen Rechenzentren „remote“ (aus der Ferne)
gehostet werden, um die Anfragen der Nutzer beantworten zu können. Die „künstliche
Intelligenz“ in Form von Algorithmen wird immer besser, je öfter diese zu allem Mögli-
chen angefragt werden. Die bekannten digitalen Plattformriesen wie Amazon, Apple oder
Google wollen nach eigenem Bekunden dem Nutzer dabei helfen, ganz er selbst zu sein
oder dabei helfen, den Alltag zu bewältigen. So weit so gut, aber es ist schon erstaunlich,
dass wir Nutzer uns freiwillig auch abhören lassen, wozu früher Geheimdienste notwendig
waren. Die Entwicklung dieser smarten Sprach-Assistenten steckt aber noch in den Kin-
derschuhen. An vielen Fragen scheitern diese smarten Sprach-Assistenten noch. Denn bei
den Spracherkennungssystemen wird gesprochene Sprache zunächst transkribiert.
Dabei versucht beispielsweise Amazons Alexa, den Lautfolgen eine Bedeutung zuzu-
weisen. Dazu arbeitet das System mit Wahrscheinlichkeiten. So folgt auf das erste Wort
„Wer, Wie, Wo oder Was“ mit ausreichender Wahrscheinlichkeit eine Frage, die noch nicht
einmal ausformuliert sein muss. Also es reicht zu fragen „Was BMW?“, statt zu fragen
„Was ist ein BMW?“ – beides führt zum gleichen Ergebnis. In dem Fall gleicht Alexa die
Frage mit einer ständig wachsenden lexikalischen Datenbank ab. Es wird beispielsweise
bei der Frage nach dem BMW die Datenbank Wikipedia abgefragt und bei einer Frage
nach dem Wetter eine meteorologische Datenbank. Der Sprachassistent lässt sich aber
nicht in Form eines Dialogs korrigieren oder trainieren. Auch ist über den virtuellen Assis-
tenten keine personalisierte Kommunikation mit dem Nutzer möglich. Es ist eben die
Masse an Nutzern, die darüber entscheidet, wie Lautfolgen transkribiert werden oder die
Antworten auf bestimmte Fragen lauten. Das statistische Modell von Alexa ändert sich
erst, wenn sehr viele Nutzer mit Antworten auf spezifische Fragen nicht zufrieden sind
[DETT02]. Bezogen auf digitale Plattformen stellen die virtuellen Sprach-Assistenten die
Erweiterung der Plattformen dar und die Geräte wie Echo die materielle Umgebung. Bei
all den virtuellen Sprachassistenten verfügt die Suchmaschine Google über die umfang-
reichsten Datenbanken und die höchste Erfolgsrate bei der Spracherkennung [BOL].
Der Erfolg und die weitere Entwicklung der virtuellen Sprachassistenten wird auch
durch sich öffnende Plattformen für Partnerunternehmen befeuert, die es bei Amazons
Alexa beispielsweise erlauben, den Sprachassistenten mit Anwendungen wie auf dem
Smartphone zu erweitern. Noch einen Schritt weiter geht Samsung mit dem virtuellen
Assistenten „Bixby“, der als intelligente Schnittstelle die Sprache mit berührungsempfind-
licher Bedienung, mit Bildern und Informationen verbindet. Wenn man also ein Foto von
einer Weinflasche macht, kann Bixby kontextuell die Frage danach beantworten, wo in der
näheren Umgebung des Smartphones dieser Wein gekauft werden kann [BOL]. Die virtu-
ellen Sprachassistenten werden auch außerhalb privater Haushalte, insbesondere vom
US-Militär oder von Historikern an Universitäten verwendet. So sind die virtuellen
Sprachassistenten Alexa, Siri und Co. letztlich ein Ergebnis der Grundlagenforschung des
US-Militärs unter dem Projekttitel „GALE“. Prinzipiell ist man bei der Spracherkennung
aber noch lange nicht auf dem menschlichen Niveau angekommen. Vielmehr geht es um
sogenanntes maschinelles Lernen (schwache künstliche Intelligenz), bei dem in Datensät
zen über Algorithmen auf der Basis eines statistischen Modells Muster erkannt werden
sollen wie Laute, Wörter und Sätze der gesprochenen Sprache [HUM02].
Nun geht einer der weltweit führenden Informationstheoretiker, Luciano Floridi, so

weit zu sagen, dass alle „digital natives“ keinen fundamentalen Unterschied mehr erken-
nen werden zwischen der sie umgebenden Infosphäre (=virtuelle Realität) und der mate-
riellen Welt. Für ihn werden die „digital natives“ nur noch zu einem Perspektivwechsel
fähig sein. Dabei mutieren die sie vom gewöhnlichen Menschen zum „Inforg, den …
jede Unterbrechung unseres normalen Informationsflusses krank machen wird“ [FOR].
An dieser Stelle in dem Buch „Die 4. Revolution: Wie die Infosphäre unser Leben ver-
ändert“ von Luciano Floridi musste ich erst einmal tief durchatmen. Nach Floridi ver-
schwindet die Trennung zwischen online und offline, da wir Menschen, beziehungsweise
genauer die „digital natives“ der Digitalmoderne, zunehmend mit smarten, responsiven
Objekten interagieren, um unseren Alltag zu bewältigen oder miteinander zu kommuni-
zieren. Durch dieses Verhalten erzeugt der Mensch eine neue, digitale Umwelt, eine
„Infosphäre“. Ok – das kann ich noch mittragen. Dann versteigt er sich dazu zu sagen,
dass alle „digital natives“ Online-Persönlichkeitsprofile kreieren, die in ihren Alltag
zurückwirken und die Trennung zwischen materieller und informationeller Welt in
einem „Onlife“ verschwindet. Das ist schon starker Tobak. Hier wird komplexe Materie
überzeichnet und dann geradezu simplifizierend in ein den Zeitgeist bedienendes
Konzentrat gegossen.
Es wird wieder einmal die unterschwellige Angst vor den neuen digitalen Technologien
und Realitäten zum Ausdruck gebracht. Lassen Sie mich über eine Entwicklung in der
Online-Spielentwicklung eine Art Replik formulieren. Während sich die großen Hersteller
ein Wettrennen darin liefern, die virtuellen Erfahrungswelten immer realistischer zu
machen, gehen heutige Studenten über diese Entwicklung bereits schon wieder hinaus.
Auf der Game Developers Conference konnte man in der Ausstellung „Alt.Crtl“, was für
alternative Eingabemethode steht, eine Entwicklung betrachten weg von rein virtuellen
Erfahrungen, die auf eine komplette Entmaterialisierung der Spiele hinarbeiten. Vielmehr
geht hier bereits der Trend zurück zur sensorischen Stimulation des Spielers mit gebastel-
ten Installationen. Das kooperative Spiel „Fear Sphere“ vom New Arcade Studio platziert
einen Spieler in ein kugelförmiges Plastikzelt. Dort hält er einen Projektor in der Hand,
mit dem er lediglich einen begrenzten Ausschnitt der Spieleumgebung auf die Zelt-
Innenseite projiziert. Ein außerhalb des kugelförmigen Plastikzeltes stehender zweiter
Spieler kann den Grundriss des Labyrinths erkennen und den im Zelt befindlichen Spieler
dabei unterstützen, vor einem Monster zu entkommen. Dieses Spiel erhielt den gestifteten
Alt.Crtl-Preis beim Independent Games Festival. Alle diese neuen Spiele werden kaum
kommerzielle Riesenhits, zeigen aber, dass bereits an „Post-Virtual-Reality-Konzepten“
gearbeitet wird [GIES]. Der Mensch ist ein zutiefst soziales Wesen, das ohne materielle
Interaktionen kaum überlebensfähig ist. Es wird meiner Auffassung nach vielmehr ein
vielschichtig verschachteltes Ineinander von materieller und informationeller Welt geben,
deren jeweilige Konturen nicht verschwinden. Es wird auch keine von den materiellen und
informationellen Realitäten ununterscheidbare amorphe Realität entstehen. In dieser
neuen und weitgehend noch unbekannten Realität wird es um weit mehr gehen als um
einen bloßen Perspektivwechsel.
Erweitern wir noch kurz den Einblick in den Themenkomplex der „künstlichen Intelli-
genz“ (KI), soweit dies für die weitere Entwicklung von digitalen Plattform-Ökosystemen
relevant ist. „Mehrschichtige neuronale Netze sind eine Grundlage für selbstlernende
KI-Programme, die aktuell im Strategiespiel Go siegen, Bildinhalte erkennen, Sprache
verstehen oder in sozialen Netzwerken Emotionen klassifizieren“, so der Chef des Deut-
schen Forschungszentrums für Künstliche Intelligenz (DFKI) in Saarbrücken, Wolfgang
Wahlster [FUEST06]. Während sich das traditionelle Maschinenlernen auf „Mustererken-
nung“ fokussiert, ist für AlphaGo die nächste Evolutionsstufe „das Reinforcement Lear-
ning“ notwendig. Die künstliche Algorithmenintelligenz AlphaGo wurde anfangs mittels
eines automatisierten Agenten trainiert, der auf einer menschlichen Expertendatenbank
basierte. Mit dem Durchlaufen unzähliger Lernzyklen begann AlphaGo dazu überzuge-
hen, eine große Anzahl an Spielen gegen sich selbst zu spielen – dies unter Nutzung des
„Reinforcing Lernansatzes“ [AI2030]. Weitere exemplarische Beispiele für Anwendun-
gen der schwachen künstlichen Intelligenz wurden auf der Grundlage von Techniken ent-
wickelt, die einst Forschungsgebiete der KI darstellten oder es noch sind:
• Ein wissensbasiertes System beziehungsweise ein Expertensystem stellt Lösungen bei

komplexen Fragestellungen zur Verfügung. Beispiele für solche Anwendungen sind:
Das Computerprogramm Watson (siehe weiter oben) oder die Wissensdatenbank Cyc.
In einfacherer Form wird dies unter anderem in Smartphones eingesetzt zum Beispiel
bei Siri, Google Now, Cortana und Samsungs S Voice oder auch Amazon Echo
[WIKI34].
• Analyse und Prognose von Aktienkursentwicklungen werden gelegentlich durch
künstliche neuronale Netze unterstützt. Beim Anlagenmanagement von Kapital werden
zunehmend Robo-Advisor eingesetzt, die vereinfacht ausgedrückt Softwareprogramme
darstellen, die Geld nach standardisierten Formeln an den Kapitalmärkten anlegen. Bei
den Robo-Advisorn geht es darum, algorithmengestützt eine ideale Kombination aus
Risiko und Rendite zu finden sowie Schwächephasen des Marktes durch geschickte
Verteilung einzelner Anlagepositionen abzumildern [VOG]. Die Robo-Advisor bieten
ein mehr oder weniger breites Spektrum an Muster-Portfolios von beispielsweise Fonds
oder Exchange Traded Funds (EFT) [SEIB, KLE02].
• Uber On-demand-Transport: Das Matching von Fahrern und Fahrgästen wird über
lernende Algorithmen ständig verfeinert. Künstliche Intelligenz optimiert das in der
Case Study von Uber in Abschn. 3.4 skizzierte „Surge Pricing“ [AI2030].
• Computer-Vision-Systeme überwachen öffentliche Plätze, Produktionsprozesse oder
sichern den Straßenverkehr [WIKI34].
• Spracherkennung ermöglicht Sprachsteuerung oder das Diktieren eines Textes. Wird
unter anderem in Smartphones eingesetzt, zum Beispiel bei Siri, Google Now, Cortana
und Samsungs S Voice oder auch Amazon Echo. Das unter der Dachmarke ALPHA-
BET beheimatete Unternehmen „Deep Mind“ übernahm 2014 ein Forscherteam, das an
sprechenden Computer-Programmen arbeitet. Es vermeldete Ende 2016 eine Durch-
bruch bei Text-zu-Sprache Systemen, indem sich WaveNet auf die produzierten
„Sprachwellenmuster“ konzentrierte, statt auf die Sprache selbst [SHEAD]. Dabei ent-
stehen auch voll automatisierte und virtualisierte Callcenter, die nahezu menschenleer
werden. [KUCK].
• Übersetzungsprogramme wie beispielsweise Google Translate verfügen mittlerweile
über ein eingebautes neuronales Netzwerk mit lernenden Algorithmen. Den Google-
Forschern gelingt es, dass die Algorithmen die übersetzten Sätze nach ihrer Bedeutung
in Gruppen einordnen und damit semantische Zusammenhänge erkennen können
[JANS].
• Gesichtserkennung, zum Beispiel die App „Shore“ des Fraunhofer-Instituts für inte-
grierte Schaltungen in Erlangen. Diese Software zur Gesichtserkennung hilft Autisten
oder Menschen mit Sehbehinderung, die Gefühle des Gegenübers besser einzuschät-
zen. Oder Apple kaufte das Start-up-Unternehmen „Emotient“, das mithilfe künstlicher
Netzwerke von Gesichtsausdrücken auf die zugrunde liegenden Gefühle schließt
[JIM02].
• Bilderkennung, zum Beispiel das automatische Taggen von Bildern bei Facebook.
Dazu nutzt Facebook „computer vision models“ auf der entwickelten FBLearner
Flow-Plattform [DVA].
• Optische Zeichenerkennung liest gedruckte Texte zuverlässig. Weiter geht die Ent-
wicklung bei der Erzeugung und Auswertung von „Inhalten“ (wie Zeitungsartikel,
Nachrichtenmeldungen und so weiter [SIEM]. Der schwäbische Software Spezialist
AX Semantics arbeitet an komplexen Algorithmen, die facettenreiche Inhalte produzie-
ren, die weit über einfache Wetterberichte oder Spielberichte über das Fußballspiel in
der Kreisklasse hinausgehen [FUEST08].
• Selbstfahrende Kraftfahrzeuge, zum Beispiel Google Driverless Car oder Tesla
Model S oder Humanoide Roboter, zum Beispiel Atlas, ASIMO [WIKI34].
Die Forscher des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) in

Saarbrücken haben mit dem US-Traktorhersteller John Deere den Prototyp einer Fabrik
entwickelt, die über künstliche Intelligenz in Form neuronaler Netze gesteuert wird (Stich-
wort „Digitale Fabrik oder Fabrik 4.0“). In der Fabrik optimieren Roboter selbstständig
die Produktion und Arbeiter erhalten Entscheidungshilfen von einer künstlichen Intelli-
genz. Damit dies möglich ist, müssen Hochleistungsrechner zunächst mit völlig unstruk-
turierten Daten umgehen: Wetterberichte, Sensordaten von Maschinen, Spracheingaben
von Arbeitern oder Kundenanfragen in sozialen Netzwerken. Dieses „Large-scale Lear-
ning“ fokussiert sich auf die Skalierung existierender Algorithmen und extrem großer
Datensätze [AI2030]. Dann werden hochkomplexe Programme entwickelt, die von einem
Menschen nicht von Hand geschrieben werden können. Vielmehr werden die Hochleis-
tungsrechner quasi für diese Aufgaben trainiert, indem künstliche Intelligenz nach Mus-
tern in den Daten sucht, die diese bereits kennt. Dazu muss der Computer anhand von vom
Menschen vorsortierten Trainings-Datensätzen lernen und die Lernergebnisse mit der
menschlichen Sortierarbeit abgleichen. Das meinen Forscher mit dem „Deep Lear-
ning“-Ansatz der künstlichen Intelligenz.
Dabei setzen sie auf neuronale Netze, hintereinander geschaltete mathematische Filter,
die Daten durchsieben und Strukturen erkennen (über „Objekterkennung, Video- und
Audio-Labeling, menschliche Sprache“ und so weiter). Dabei lernt diese künstliche Intel-
ligenz, indem sie Datenwerte kontinuierlich in die mathematischen Gleichungen einer
Filterschicht einsetzt und durchrechnet. Dann probiert die künstliche Intelligenz, mit wel-
cher Gewichtung die Rechenergebnisse in die Gleichungen des nächsten Filters eingehen
soll. Wenn beispielsweise ein Netz aus hintereinander durchgerechneten Filtern bei der
Analyse eines Hundebildes anschließend das Ergebnis „Hund“ angibt, wird die Gewich-
tung beibehalten, ansonsten wieder verworfen. Das neuronale Netz kann umso präziser
trainiert werden, je mehr Kontrollbilder mit bekannten Inhalten zur Verfügung stehen
[FUEST06, AI2030]. Das Konzept des „Deep Learnings“ mit künstlichen neuronalen Net-
zen ist eine besonders effiziente Methode des maschinellen Lernens auf Basis einer statis-
tischen Analyse großer Datenmengen und die bedeutendste Zukunftstechnologie innerhalb
der künstlichen Intelligenz. An diesen Konzepten arbeiten ausnahmslos alle digitalen
Plattformgiganten wie Amazon, Google, Apple, Facebook, Uber oder Airbnb.
Mit der Entwicklung der künstlichen Intelligenz geht auch die Entwicklung der Robo-
tik einher. Als „Zwischenstufe“ der Robotik mit künstlicher Intelligenz stehen gewisser-
maßen menschliche „Gehirn-Computer-Schnittstellen“. Damit werden zusätzliche
„Körperteile“ unter Umgehung des eigenen Körpers direkt mittels neuronaler Impulse
gesteuert. Zu den „zusätzlichen Körperteilen“ zählen Armprothesen, Cochlea-Implantate,
selbstfahrende Autos und auch Drohnen, die den menschlichen Körper erweitern [RÖT-
ZER]. Der Mensch erweitert den Körper um neue Möglichkeiten durch das Einfügen von
technologisch beziehungsweise künstlich hergestellten, funktionalen Bestandteilen in
organischen Systemen. Damit sind wir bei den „Cyborgs“ angekommen, die ein Mischwe-
sen aus lebendigem Organismus und Maschine darstellen. Mit diesem Begriff werden
meist Menschen beschrieben, deren Körper dauerhaft durch künstliche Bauteile ergänzt
werden. Damit unterscheiden sie sich von Androiden oder Robotern [WIKI39]. Dann sind
Menschen mit technischen Implantaten wie Herzschrittmachern, künstlichen Gelenken
oder Implantaten im Ohr (Cochlea-Implantat) bereits als Cyborgs zu betrachten. Hier
umgibt die Technologie nicht den menschlichen Körper, sondern bildet einen integralen
Bestandteil des Menschen. Dieses Szenario der Ausweitung menschlicher Intelligenz,
wodurch der Mensch mit verbesserten Informations- und Kommunikationstechnologien
seine eigenen biologischen Fähigkeiten erweitert, erscheint das wahrscheinlichste Szena-
rio der Zukunft. Nach Einschätzung des Transhumanisten Vernor Vinge (siehe Abschn. 5.2)
ist es auch die einzige Möglichkeit, um der Herrschaft der mit künstlicher Superintelligenz
ausgestatteten Maschinen der Zukunft zu entkommen.
Die Entwicklungen im Bereich der Robotik in Verbindung mit verbesserter künstlicher
Intelligenz werden auch die weitere Entwicklung der digitalen Plattform Ökosysteme
beeinflussen. Dabei sind die Roboter als Erweiterungen digitaler Plattform-Ökosysteme
zu betrachten, die strukturell digitale Geschäftsmodelle und damit digitale Plattformen
teilweise tief greifend verändern werden. Denken Sie nur an autonome Fahrzeuge, die zu
einer strukturellen Veränderung von Uber und anderen digitalen Plattformen führen
werden. In Japan sollen bereits menschenähnliche Roboter, gesteuert von künstlicher

Intelligenz, in der Seniorenpflege eingesetzt werden. Dazu kaufte beispielsweise der japa-
nische Technologie-Konzern Softbank die Firma „Boston Dynamics“ von Alphabet.
Damit geht der Aufkauf von Boston Dynamics einher mit den Investitionen von in Soft-
bank in „paradigmenverändernde Technologien“ sowie die Vision, eine „neue Welle smar-
ter Robotik“ auszulösen, so zumindest der Chef von Softbank, Masayoshi Son [KÖLL].
Die Entwicklung in der Robotik verläuft strukturell nach einem evolutionären Schema und
lässt sich nach dem Robotik-Experten Dominik Bösl von der TUM School of Education
(TU München) in vier Schritten sequenzieren [FRIE02]:
1. Roboter als Maschinen, die auf Geschwindigkeit und Output in einer vollständig
strukturierten Umgebung optimiert sind. Die Maschinen agieren weitgehend von den
Menschen isoliert in Schutzräumen.
2. Mensch-Maschine-Kooperationsmuster, bei denen Roboter mit den Menschen
zusammenarbeiten und den Menschen vor allem bei körperlich anstrengenden Tätig-
keiten entlasten. Diese Unterstützungsroboter gibt es bereits in Fertigungshallen und
diese befinden sich für die Pflege älterer Menschen in der Entwicklung. Allerdings sind
diese Roboter immer noch „Zeile für Zeile“ programmiert und sehr unflexibel.
3. Die Mobilisierung der Roboter wird unter anderem vom amerikanischen Militär mit
dem DARPA-Projekt vorangetrieben. Hinzu kommen selbstfahrende Autos von Google,
Apple, Tesla und der Automobilindustrie sowie Service-Roboter oder auch passive
Maschinen, die der Nutzer selbst verschiebt. Die mittlerweile in Haushalten etablierten
mobilen Staubsaugerroboter oder Rasenmäherroboter stellen lediglich die erste Stufe
dieser mobilen Roboter dar. Denn die mobilen Roboter sind auf eine einzige Tätigkeit
beschränkt und lernen nicht hinzu beziehungsweise können das Mobilitätsspektrum
nicht selbständig erweitern.
4. Sobald die Roboter in ferner Zukunft über Kognition verfügen und unsere Umwelt
aktiv wahrnehmen, können sie auch in unserer chaotischen Umwelt dynamisch agie-
ren. Das können aber die momentan verfügbaren High-End-Robotersysteme nicht mal
ansatzweise, denn sie scheitern an chaotischen Systemen. Die Roboter benötigen prin-
zipiell eine strukturierte Umgebung und können nur vordefinierte Objekte greifen. Hier
sind noch viele Hürden zu überwinden, bevor wir auch nur ansatzweise in die Nähe von
HAL 9000-Systemen kommen.
Die Menschen erleben bei der Konfrontation mit humanoiden Robotern (Evolutionsstufe
2 aufwärts) etwas, das im Jahre 1970 von dem japanischen Robotiker Masahiro Mori als
Phänomen des „unheimlichen Tals“ beschrieben wurde [KAGE]. Dieses Phänomen stellt
sich genau dann ein, wenn das Äußere eines Roboters humanoid wirkt, aber das Verhal-
ten nicht damit übereinstimmt. Beim Menschen stellt sich dann ein befremdliches Gefühl
ein und es entsteht das „unheimliche Tal“, wie Mori den Knick in der V ertrauenskurve
nannte [TERRA]. Damit dieses „unheimliche Tal“ bei der Interaktion zwischen Mensch
und Maschine möglichst nicht in Erscheinung tritt, müssen Androide in ihrem äußeren
Erscheinungsbild und ihrem Verhalten so menschlich wie möglich sein. Denn bei And-
roiden handelt es sich um Roboter mit menschenähnlichem Erscheinungsbild und Ver-
halten. Und genau in diese Richtung geht die weitere Entwicklung von humanoiden
Robotern, die heute schon Patienten betreuen und tagsüber die Wohnung überwachen
[KLEMP]. Das Vorzeigeland in Bezug auf Robotik und Androide ist Japan [JA02]. Dies
umso mehr, als dass der japanische Technologie-Konzern Softbank die Robotikfirma
„Boston Dynamics“ von Alphabet (Google) kaufte [KÖLL]. Einen weit fortgeschritte-
nen, androiden Roboter hat das japanische Unternehmen Kokoro mit der Modellbezeich-
nung „Actroid-SIT“ entwickelt, der 18 verschiedene menschliche Gesten beherrscht.
Aus der Entfernung wirkt dieser androide Roboter auch äußerlich wie ein Mensch.
Der japanische Roboterforscher Hiroshi Ishiguro von den ATR Intelligent Robotics and
Communication Laboratories an der Universität Osaka (Japan) betont die Wichtigkeit
des äußeren Erscheinungsbildes von humanoiden Robotern. Seit mehr als zehn Jahren
baut Hiroshi Ishiguro androide Roboter, die so aussehen und sich so verhalten wie Men-
schen. Eine völlig neue Kategorie an androiden Robotern entwickelte Ishiguro unter
dem Programmnamen „Geminoid“ (lateinisch für „zwillingsartig“), die Duplikate von
real existierenden Menschen darstellen. Erstaunlicherweise gleichen die androiden
Roboter dem menschlichen Original bis ins kleinste Detail [TERRA]. Man merkt den-
noch bei der Betrachtung der Videos im Internet innerhalb weniger Sekunden, dass es
sich nicht um einen realen Menschen handelt. Hier wird jedoch deutlich, wohin die
Entwicklung humanoider Roboter geht. In zehn bis zwanzig Jahren ist es sehr wahr-
scheinlich, dass Androide Einzug in unseren Lebensalltag finden werden. Für die
Anstrengungen der EU ist das Projekt „Robot Companiens for Citizens“ zu nennen, bei
dem gefühlvolle Roboter entwickelt werden, die auf möglichst natürliche Weise mit
dem Menschen kommunizieren, ihre Umgebung erkennen und bewerten. Zudem sollen
diese Roboter Erfahrungen sammeln, Probleme erkennen und lösen. Ein internationales
Team von 140 Wissenschaftlern arbeitet seit 2013 an der Umsetzung des Projektes
[KLEMP, ROBO, JA02].
Damit die Roboter die obigen vier Evolutionsstufen durchlaufen können, müssen sie
mit immer stärkerer künstlicher Intelligenz ausgestattet werden. Nicht nur die Hardware
der Roboter, sondern vor allem die Softwarekomponenten stellen die größte Herausfor-
derung dar. Wie wir bereits gesehen haben, werden die dazu notwendigen Algorithmen
so komplex, dass diese vom Menschen kaum nachvollziehbar werden. Dies ist bei hoch-
komplexen Algorithmen auf Börsenplätzen bereits der Fall, die im Millisekundenbereich
Entscheidungen treffen, die zunehmend nicht mehr nachvollziehbar sind. Bei diesem
Hochfrequenzhandel kommt es auch zu Börsencrashs mit der massiven Vernichtung von
Kapitalwerten, wie der Wirtschaftsprofessor Rudolf Hickel beschreibt: „Der berühmteste
ist der vom 6. Mai 2010. Da sind bei diesem Flash-Crash an der Börse in New York die
Kurse innerhalb von 15 Minuten massiv abgestürzt und allen war klar: das hat nichts zu
tun mit einem Handel, mit Angebot und Nachfrage, sondern es war einfach eine Fehler
einstellung im Algorithmus, der dann zu dieser beschleunigten Fehlentwicklung geführt
hat“ [IBRA].
Oder das Amazon Web Service-Netzspeicherangebot (AWS) von Amazon als eine der
wichtigsten Grundlagen der modernen Start-up-Ökonomie. Am 28. Februar 2017 schal-
tete ein Techniker bei Amazon mittels eines Tippfehlers deutlich mehr Server vom Netz ab
als geplant. Der Tippfehler kaskadierte durch die Serverparks von Amazon und erzeugte
einen Dominoeffekt. Daraus resultierte die Nichterreichbarkeit hunderter Internetange-
bote von Netflix, Nachrichtenseiten wie Business Insider und Internet der Dinge-Angebote
wie Googles Nest, um nur einige zu nennen. Zudem waren die Amazon-eigenen Musik-
und Videostreamingangebote von dem Tippfehler betroffen und nicht mehr für den Nutzer
der digitalen Amazon-Plattform erreichbar. Es dauerte Stunden, bis das Programm zur
Verwaltung des Indexdienstes (Inhaltsverzeichnis und Speicherverwaltung) wieder lauffä-
hig war und die Server wieder normal funktionierten. Das Ausmaß der Verwundbarkeit
des Systems überraschte auch die Amazon-Techniker selbst: „AWS ist in den vergangenen
Jahren stark gewachsen, der Neustart dauerte deutlich länger als erwartet“ [FUEST09].
Die innere Verwundbarkeit des Systems wird mit den komplexer werdenden Algorithmen
noch ansteigen und vor allem auch die äußere Verwundbarkeit über Bot-Netze erhöhen.
Wie bereits gesagt, warnen der Tesla-Chef Elon Musk und der weltberühmte Physiker
Stephen Hawking eindrücklich vor den Entwicklungen der künstlichen Intelligenz. Beide
sehen in der künstlichen Intelligenz eine Bedrohung für die Menschheit aufziehen (siehe
auch Abschn. 5.2). So könnte durch die künstliche Intelligenz das Ende der Menschheit
eingeleitet werden. Erst die Zukunft werde zeigen, ob die Maschinen irgendwann die Kon-
trolle übernehmen werden. Klar aber sei bereits heute, dass die Maschinen die Menschen
zunehmend vom Arbeitsmarkt verdrängen, so Hawking in einem Bericht der „Financial
Times“ [RUN, KAL]. Diese Einschätzung ist meiner Auffassung nach überzogen und
spiegelt nicht die Realitäten heutiger „künstlicher Intelligenz“ wider. Der momentane Lei-
ter des gesamten AI (Artificial Intelligence)-Teams von Baidu (digitale Plattform von Ali-
baba, die sich mit künstlicher Intelligenz beschäftigt) und Begründer des „Google Brain
Teams“ Andrew Ng fasst es in einem Harvrad Business Review-Artikel so zusammen:
„Artificial Intelligence will transform many industries. But it’s not magic. Almost all of
AI’s recent progress is through one type, in which some input data A (huge amount of
data) is used to quickly generate some simple reason (B)“ [NG].
In seinem Buch „The Inevitable“ („Das Unausweichliche“) unternimmt der Autor
Kevin Kelly den Versuch, die Entwicklungen in der künstlichen Intelligenz nicht als
Naturgewalt zu betrachten, so wie dies Elon Musk und Co. tendenziell andeuten. Für
Kelly sind die technischen Entwicklungen gestaltbar, vorausgesetzt, man versteht, wor-
auf diese Entwicklungen beruhen. Er fordert vehement dazu auf „… diese Innovationen
(zu) zähmen und (zu) zivilisieren, aber wir schaffen dies nur durch intensive Beschäfti-
gung, Erfahrungen aus erster Hand und wachsame Aufnahme“ [AI2030, KELLY, GEH].
Unterstützt wird diese Auffassung auch von Wissenschaftlern eines insgesamt 100 Jahre
laufenden Reports über Entwicklungen im Bereich der künstlichen Intelligenz und die
Auswirkungen auf die Gesellschaft. In dem Report „Artificial Intelligence and Life in
2030“ schreiben sie als Momentaufnahme Ende 2016: „Contrary to the more fantastic
predictions for AI (Artificial Intelligence) in the popular press, the Study Panel found no
cause for concern that AI is an imminent threat to humankind“ [AI2030]. Doch steuern
wir laut der Studie unmittelbar auf einen Entscheidungspunkt zu, an dem wir Menschen
als Gemeinschaft die Weichen so stellen müssen, dass künstliche Intelligenz demokrati-
sche Werte wie Freiheit, Gleichheit und Transparenz fördert und nicht unterminiert. Dazu
sind nach den Forschern dringend Experten notwendig, „… to develop new concepts and
metaphors for law and policy“ [AI2030]. Denn nach einer Oxford-Studie könnten in
Zukunft 47 % der Jobs wegrationalisiert werden. Das betrifft einfache repetititive Arbei-
ten wie auch zunehmend akademisch geprägte Tätigkeiten von Rechtsanwälten, Steuer-
beratern oder Medizinern.
Sicher ist zumindest, dass Menschen einen noch zu bestimmenden Anteil ihrer Aufga-
ben künftig an künstliche Algorithmenintelligenz abgeben werden. Damit steht die akade-
misch gebildete Mittelschicht vor einem Umbruch [FUEST08]. Ob dies tatsächlich so
kommt, weiß natürlich keiner. Viel praxisrelevanter sind die Fragen nach der Diskriminie-
rung, Fehlsteuerung und Manipulation auf den verschiedenen Ebenen der sozialen und
kommerziellen Interaktionen über digitale Plattformen. Die vorgegebenen Optimierungs-
kriterien des Maschinenlernens von Algorithmen bilden die kritischen Parameter, die über
die realen Auswirkungen der Technologie auf die Gesellschaft entscheiden. Darüber ist zu
reden, zu diskutieren und gesamtgesellschaftlich zu entscheiden [KURZ03, AI2030].
„¡No pasaran!“ – weil nicht undurchsichtige Algorithmen von mächtigen digitalen Platt-
formen uns die Art des Lebens vorgeben, sondern wir in komplexen Aushandlungsprozes-
sen diese Entscheidungen selber treffen müssen. Dieses Einführungsbuch in die Welt
digitaler Plattformen vermittelt Ihnen dazu nachvollziehbar das notwendige theoretische
und praktische Grundwissen.
Zumindest kann man der Einschätzung von Kevin Kelly zustimmen, wenn er die digi-
talen Geschäftsmodelle der Zukunft, also von digitalen Plattformen, bestimmt: „Nimm X
und ergänze es um künstliche Intelligenz. Suche etwas, das besser wird, indem man künst-
liche Intelligenz hinzufügt“ [KELLY, GEH]. Nach diesem kurzen Ausflug in die Welt der
künstlichen Intelligenz und der Robotik sollte klar geworden sein, dass wir nicht gegen die
Maschinen kämpfen müssen, sondern mit ihnen. Erkannt hat dies trefflich der Autor
Christoph Kucklick in seinem Buch „Die granulare Gesellschaft: Wie das Digitale unsere
Wirklichkeit auflöst“ [KUCK]. Das ist bemerkenswert, denn sein Buchtitel sitzt auch der
irrigen Meinung auf, dass sich unsere Wirklichkeit auflösen wird. Ja wohin denn bitte-
schön löst sich unsere Wirklichkeit auf?
Diese Antwort bleibt er teilweise schuldig, da er lieber von einer neuen Modulation von
Wirklichkeit hätte schreiben sollen. Ansonsten ist das Buch sehr lesenswert und konzis
geschrieben. Sehr richtig aber erkennt er, dass wir auf der Ebene der Gesellschaft „…
menschliche und künstliche Intelligenz immer noch als Gegensätze“ beschreiben. So
unterläuft uns dieser Fehler auch, weil wir der irrigen Annahme aufsitzen, dass die Maschi-
nen uns tatsächlich ersetzen können. Weiter schreibt er: „Aber das geht nicht. Sie substi-
tuieren bestenfalls einzelne Tätigkeiten oder Arbeitsabläufe, den Menschen aber können
sie nicht ersetzen – weil sie ganz anders sind“. Wie wahr und so erkennt Kucklick auch:
„Maschinen werden auf immer aliens bleiben“ [KUCK].
Die Art, wie beispielweise IBMs Deep Blue gegen den damaligen Schach-Weltmeister
Gary Kasparov und Googles künstliche Intelligenz „AlphaGo“ gegen einen der stärksten
Go-Spieler der Welt, Sun Yoon, gewannen, basiert auf dieser Andersartigkeit der künstli-
chen Intelligenz. Beide Spieler betonten, dass die Maschinen manchmal sehr merkwür-
dige Spielzüge gewählt hatten, die nie ein Mensch machen würde. Für die menschlichen
Spieler kam es so vor einer fremdartigen Intelligenz gegenübergestanden zu sein [STÖ,
CHOU]. So entwickeln Deep Blue und AlphaGo so etwas wie digitale Intuitionen, basie-
rend auf stochastischen Algorithmen, die wir Menschen aber jetzt schon zunehmend nicht
verstehen [CHOU]. Aber genau weil die mit künstlicher Intelligenz ausgestatteten Maschi-
nen gänzlich anders sind als wir Menschen, können diese unsere Gesellschaft so umwäl-
zend verändern. Würde der Computer doch einmal so sein wie der Mensch, dann wären
diese Maschinen wie wir, so Kucklick, (versehen auch mit Gefühlen, Hoffnungen, Schwä-
chen, Ermüdungserscheinungen) und wir „… würden sie einfach wie Schwestern und
Brüder in unserer Gesellschaft aufnehmen, dann gäbe es bloß ein mehr vom selben: näm-
lich von uns“ [KUCK].
Aber in den künstlichen Intelligenzen operieren stochastische Algorithmen, die nicht
wie Menschen Wahrnehmungsverzerrungen kennen. Dass wir Menschen mit dieser
Andersartigkeit der intelligenter werdenden Maschinen umgehen müssen, stellt uns vor
enorme Herausforderungen. Mit all diesen Herausforderungen wird sich auch das Bild des
Menschen wandeln [KL]. Zwei Grundfragen werden schon in naher Zukunft an Brisanz
gewinnen: Wollen wir uns als Wesen betrachten, deren Existenz durch Wiederholungs-
handlungen geprägt ist, was uns für Maschinen super vorhersehbar macht? Und sind wir
bereit, uns dem Kontrollregime der Maschineintelligenz so weit zu unterwerfen, dass sie
die Steuerung des Alltags weitgehend übernehmen? Hier bewegen wir uns schon im
Bereich von „predictive interactions“ [WIRED], also wieder „Social Physics“ von Alex
Pentland und Co. (siehe Abschn. 4.2).
Es wird in der Zukunft wohl viel eher „Menschen-Technologie-Teams“ geben, in deren
Design explizit verankert ist, dass Menschen und Maschinen je ihre eigenen Stärken aus-
spielen können sollten. Die Maschine fokussiert sich auf Präzision und ermüdungsfreie
Wiederholungen, während der Mensch die Fähigkeit zur Kreativität, zur unendlichen Neu-
gier und dem wilden und unvorhersehbaren Denken nutzt. In der Praxis zeigen sich schon
die Umrisse solcher „Menschen-Technologie-Teams“ in den Produktionsstätten von nam-
haften Automobilherstellern wie Audi, BMW oder Mercedes Benz. Dort werden leichte,
sensorgesteuerte Roboter getestet, die in Teams mit Menschen arbeiten sollen [THOM]. In
ihrem Buch „The Second Machine Age“ bringen es die Forscher Brynjolfsson und McAf-
fee aphoristisch wie folgt auf den Punkt: „Humans must adapt to collaborate with machi-
nes, and when that collaboration happens, the end result is stronger“ [BRY].
Im letzten Kapitel beleuchte ich den im Silicon Valley herrschenden Zeitgeist, der bis
zum Konzept der „technologischen Singularität“ des Ray Kurzweil reicht. Diesem Zeit
geist verdanken wir die aufziehende Plattform-Ära, die sich mit der Expansion des „Inter-
nets der Dinge“ mit Industrieplattformen nochmals fundamental ändern wird.
Epilog: Der Mensch schafft sich selbst ab
oder HAL 9000 5
„Die Antwort auf die große Frage … „Ja …!“ … nach dem Leben,
dem Universum und allem …“, sagte Deep Thought „Ja …!“ „…
lautet …“, sagte Deep Thought und machte eine Pause. „Ja …!“
„… lautet …“ „Ja … !!! … ???“ „Zweiundvierzig“, sagte Deep
Thought mit unsagbarer Erhabenheit und Ruhe.
(Douglas N. Adams)
In einer Q&A Session hat sich der weltberühmte Whistleblower und ehemalige CIA-
Mitarbeiter Edward Snowden mit Jack Dorsey, dem CEO von Twitter, zu einer zentralen
Frage der Zukunft geäußert: „Früher gehörten dein Glaube, deine Zukunft, deine Hoffnun-
gen, deine Träume dir. Heute gehören diese Dinge vermehrt Unternehmen und die können
sie beliebig weitergeben, ohne groß beaufsichtigt zu werden.“ Weiter verdichtet er die
Problematik der Zukunft wie folgt: „Das ist das zentrale Problem der Zukunft: Wie geben
wir die Kontrolle über ihre Identitäten den Menschen selbst zurück?“ [GUL]. Noch vor
2013 hatte die Weltöffentlichkeit keine Ahnung davon, wie umfangreich die National
Security Agency (NSA) digitale Identitäten von Bürgern auf der gesamten Welt erzeugt
und völlig intransparent verwertet. Diese digitalen Identitäten von Bürgern wurden und
werden wohl auch um weitere Parameter von Nutzerprofilen ergänzt, die auf den digitalen
Plattformen von Facebook, Uber, Airbnb und Co. zu finden sind. Mit diesen Praktiken
kann tatsächlich der Eindruck aufkommen, dass der Mensch die Kontrolle über seine
eigene digitale Identität nicht nur verliert, sondern dass diese von unbekannten Daten-
sammlern auch wahllos manipuliert werden kann.
Das wäre für mich der erste Schritt zur Auflösung der menschlichen Selbstbestim-
mung. Zur Abschaffung des Menschen käme es, wenn zusätzlich künstliche Superin-
telligenz uns in allen Lebensbelangen überlegen wäre. Ein angesichts der bisherigen

https://doi.org/10.1007/978-3-658-19178-8_5
256 5 Epilog: Der Mensch schafft sich selbst ab oder HAL 9000
Ausführungen in diesem Einführungsbuch erschreckendes Szenario. Für Hans Moravic

von der Carnegie Mellon University hingegen ist die Sache bereits klar: „Am Ende wird
sich die Robotik durchsetzen. Es ist ganz klar, dass die Menschheit aussterben wird“
[TUC]. In dieser Konsequenz schwingt die Philosophie der Transhumanisten mit, die das
Ende des biologischen Menschen in naher Zukunft geradezu herbeisehnen. Bevor ich die
Visionen der Transhumanisten und das Konzept der technologischen Singularität in
Abschn. 5.2 beleuchte, gehe ich einen Schritt zurück in das Jahr 1968.
Durch den weltberühmten Filmregisseur Stanley Kubrick und den Buchautor Arthur
C. Clarke entstand 1968 der Film „Odyssee im Weltraum“ mit dem Bordcomputer HAL
9000 im Fokus der Handlungen. Die Computer der Serie 9000 sind in dem Film das
Destillat dessen, was die Wissenschaft in den sechziger Jahren des vergangenen Jahrhun-
derts von einem Supercomputer erwartete [TUC]. Im Film beschreibt sich HAL selbst wie
folgt: „Gehirne der Serie 9000 sind die besten Computer, die jemals gebaut worden sind.
Kein Computer der Serie 9000 hat jemals einen Fehler gemacht oder unklare Informatio-
nen gegeben. Wir alle sind hundertprozentig zuverlässig und narrensicher – wir irren uns
nie“ [OIS]. Der Supercomputer HAL kommt als menschliche Maschine, als autarkes Sys-
tem die gesamte Weltraummission steuernd und als mechanisches Bewusstsein daher, das
sich wohl geistig nicht von einem Menschen unterscheidet [SCHLÖ]. So stellt HAL den
intelligenten Computer schlechthin dar, als sprachverstehende Maschine, mit der man sich
unterhalten, Schach spielen und scheinbar Gefühle zum Ausdruck bringen oder gar nach-
empfinden kann [BOR].
Die Crewmitglieder an Bord des Raumschiffs „Discovery One“ befinden sich auf dem
Weg zum Planeten Jupiter, um dort wissenschaftliche Forschung zu betreiben. Neben dem
Supercomputer HAL 9000 befinden sich die Astronauten Frank Poole, David Bowman
und drei weitere Kollegen, die in Tiefschlafkammern im Dauerschlaf liegen auf dem
Raumschiff. Die autarke Steuerung der gesamten Mission zum Jupiter unterliegt dem
Computersystem HAL. So steuert und überwacht HAL alle Aktivitäten außerhalb von
automatisierten Maschinenprozessen visuell im Film über die weltberühmt gewordene
rote Linse (siehe rote Umrandung in Foto 5.1). In dem Raumschiff „Discovery One“ befin-
det sich in jedem Raum eine dieser roten Kontrolllinsen.
Das Raumschiff befindet sich auf dem Weg zum Planeten Jupiter, weil auf dem Mond
ein Monolith unbekannten Ursprungs gefunden wurde, der nach Freilegung durch den
Menschen ein Signal Richtung Jupiter sendet. Nur HAL kennt den wahren Grund für die
Mission zum Jupiter und verfolgt die mit der Mission verbundenen Ziele autark. Die an
Bord befindlichen Astronauten wissen dies allerdings nicht und gehen von einer routine-
mäßigen Forschungsmission aus. Während eines Gesprächs mit Dave Bowman sagt HAL
dann einen Fehler in einem wichtigen elektronischen Bauteil, einer AE-35-Einheit voraus.
Tatsächlich aber stellt sich die Einheit als voll funktionsfähig heraus und dies wird so auch
vom Zwillingsmodell der 9000er-Serie auf der Erde bestätigt. Ab diesem Zeitpunkt entwi-
ckelt HAL zunehmend ein unberechenbares Eigenleben [WIKI40]. Die künstliche
Maschinenintelligenz HAL zerbricht dann quasi selbst an seinem Fehler, den sie gegen-
über Dave Bowman nicht eingestehen will. Auf die Nachfrage bei HAL von Dave Bowman
5 Epilog: Der Mensch schafft sich selbst ab oder HAL 9000 257
Foto 5.1 Das Auge von HAL

9000 [http://www.fotolia.de]
nach der nicht übereinstimmenden Einschätzung über die Funktionsfähigkeit der AE-35-
Einheit „Hast du eine Erklärung für die Unstimmigkeit zwischen dir und dem Zwil-
lings-9000er-?“ antwortet HAL: „Ich glaube, darüber kann doch kein Zweifel bestehen.
Das kann nur auf menschliches Versagen zurückzuführen sein. Dergleichen ist schon
öfters passiert“ [OIS, BOR].
Daraufhin ziehen sich die Astronauten Poole und Bowman in eine Raumkapsel zurück,
wo HAL sie nicht hören kann. Die Astronauten erwägen, HAL komplett abzuschalten oder
zumindest seine höheren kognitiven Funktionen zu blockieren. Über die rote Überwa-
chungslinse kann HAL aber die Lippenbewegungen der beiden Astronauten lesen und
interpretieren. Ab diesem Zeitpunkt folgt HAL seiner einprogrammierten Logik und will
die Astronauten für die Erreichung der Missionsziele opfern. Beim Wiedereinbau der Ein-
heit AE-35 außerhalb des Raumschiffs tötet HAL den Astronauten Frank Poole über die
Fernsteuerung des Raumanzugs. Zudem schaltet HAL die Lebenserhaltungssysteme der
drei tiefschlafenden Astronauten ab. Als dann Bowman versucht, seinen Kollegen Frank
Poole zu retten beziehungsweise zu bergen, verwehrt HAL ihm den Zutritt zum Raum-
schiff mit den Worten „Ich befürchte, dass ich das nicht tun kann“ [OIS, WIKI40]. Es
gelingt Bowman, sich über den Notschalter an einer Luftschleuse mittels explosiver
Dekompression der Raumkapsel in die Discovery hineinzuschleudern. Dann schafft es
Bowman, die höheren Funktionen von HAL sukzessive abzuschalten. Dabei regrediert
HAL schrittweise und zeigt zunehmend menschliche Emotionen. So offenbart sich die
künstliche Maschinenintelligenz HAL im Kern als menschliche Konstruktion, ja allzu
menschlich und als fehlbar.
Denn HAL wurde von Menschen kreiert, mit der dem Menschen eigenen Fehlbarkeit.
Hinzu kommt das Verletzlichkeitsproblem hochkomplexer Systeme, denn „das Tempo
auf dem Weg in die Informationsgesellschaft ist zu hoch, als dass alle Folgen dieser
dynamischen Entwicklung ausreichend betrachtet werden können“ [LUTT, LEN]. In
der letzten Phase des Films mit dem Untertitel „beyond the infinite“ erklingt zu den
Tönen von Strauss’ „Zarathustra“ die Orchestrierung der Geburt des „Sternenkindes“.
Das höhere Wesen scheint sich außerhalb der Kontinuität von Zeit und der Dreidimen-
sionalität des Raumes zu verkörpern. Es scheint losgelöst von jeglicher, linearer Logik.
Mit der Geburt des Sternenkindes als Inkarnation des Übermenschen lässt sich eine
Ästhetik wilder Unmittelbarkeit erkennen, wie sie Nietzsche in „Die Geburt als Tragö-
die“ beschrieben hat [NZZ].
Zwei Aspekte in diesem Film sind von besonderer Bedeutung, um die zukünftigen
Entwicklungen in der Digitalmoderne einordnen zu können. Mit dem Film wird eine
unerschütterliche Technikgläubigkeit transportiert, die sich aber im Film letztendlich
umkehrt und gegen die Maschine richtet beziehungsweise noch richten kann. Denn der
Astronaut David Bowman schafft es, den Supercomputer HAL geistig abzurüsten, indem
er seine höheren kognitiven Fähigkeiten nach und nach abschaltet. Stanley Kubrick ging
es darum, eine künstliche Maschinenintelligenz möglichst wissenschaftlich zu beschrei-
ben, so wie man sich künftige Supercomputer bereits in den 60er-Jahren des vergangenen
Jahrhunderts vorstellte. Dies wollte Kubrick ohne Kompromisse an das nicht Filmbare
machen: „Alles, was man beschreiben kann, kann man auch filmen“, lautete die Überzeu-
gung von Kubrick [BOR]. In einem seiner seltenen Interviews sagte Kubrick: „Wenn die
hoch entwickelte Wissenschaft die Sterblichkeit überwunden hat, wird man halb Tier,
halb Maschine, dann ganz Maschine“. Weiter sagt er: „Eventuell wird man zu reiner
Energie. Reiner Geist ist vielleicht die ultimative Form der Intelligenz. Und alle Mytho-
logie – die sicherlich die Sehnsüchte der Massenpsychologie ausdrückt – richtet sich auf
diesen Endzustand aus“ [HAI]. Diesen Zustand verkörpert das „Sternenkind“ im letzten
Teil des Films. Damit wandelte Stanley Kubrick schon auf den Wegen der Transhumanis-
ten, die heute im Silicon Valley von prominenten Menschen wie Ray Kurzweil weiter
ausgetreten werden.
Die beiden Aspekte der „Technikgläubigkeit“ und des „Transhumanismus“ bilden den
geistigen Kokon im Silicon Valley. Diese beiden Phänomene erzeugen disruptive Kräfte
und lassen digitale Plattform-Ökosysteme mit globaler Reichweite entstehen. Im nächsten
Kapitel werde ich zunächst den herrschenden Zeitgeist im Silicon Valley skizzieren. Im
abschließenden Abschn. 5.2 beleuchte ich das Konzept der technologischen Singularität
als Chiffre der digitalen Avantgarde.
5.1 Die Kultur der Piraten im Silicon Valley 259
5.1 Die Kultur der Piraten im Silicon Valley
Der Chef-Innovator von Google, Frederick Pferdt, der auch an der d.school in Stanford
Kreatives Denken lehrt, verkündet allerorten die frohe Botschaft von Google. Danach sol-
len sich die Mitarbeiter von Google möglichst oft mit Fragen konfrontieren, „und zwar
großen Fragen, Fragen, die die Welt bewegen und Menschenleben verbessern und die mit
‚Was wäre, wenn‘ beginnen. Wie Kinder [BÖS]“. Der Chef von „X“ (vormals Google X),
einer Forschungsabteilung des US-amerikanischen Unternehmens Alphabet, entwickelte
eine Blaupause zur Beantwortung großer Fragen. Auf einer Ted-Konferenz in 2016 konnte
ich den „Captain of Moonshots“, Astro Teller, selbst erleben, wie er den Anspruch von
„X“ skizziert (siehe Abb. 5.1).
So konfrontiert sich die Forschungsabteilung X mit sehr großen Problemen der
Menschheit, für die wahrscheinlich eine radikale Lösung gefunden werden kann. Möglich
wird dies dann auf der Basis einer zu entwickelnden Durchbruchtechnologie [TELLER].
Das Zukunftslabor „X“ definiert sich nach Teller erstens als „Vision oder Traum“ und
zweitens als „Fabrik mit konkreten Plänen“ zur Umsetzung der Visionen und Träume
(Moonshots = große Fragen und Probleme der Menschheit lösen).
Diese Denkhaltung ist Ausdruck des amerikanischen Idealismus, die Welt mittels digi-
taler Technologien verbessern zu wollen. Diesem Zeitgeist bin ich insbesondere im Sili-
con Valley immer wieder begegnet. Es ist kein flüchtiges Phänomen, sondern hüllt alle
Menschen, die an großen Visionen arbeiten, in einen Kokon aus unbeirrbarer Technikgläu-
bigkeit ein. Dies ist zum einen sehr inspirierend, ja geradezu elektrisierend. Im Gegenzug
läuft man aber auch Gefahr, in einem Tunnelblick gefangen zu sein. Für Ted Turner, Pro-
fessor an der Stanford University in Kalifornien, prägten die Hippies der sechziger Jahre
des vergangenen Jahrhunderts maßgeblich die heutige Unternehmenskultur im Silicon
Valley. Denn im Valley priesen unzählige Ex-Hippies den Computer als mächtiges Werk-
zeug zur gesellschaftlichen Befreiung an.
Abb. 5.1 Die
Forschungsabteilung „X“ und
die Moonshot-Blaupause
„Großes
Problem“
X
„Durch-
„Radikale
bruchtech-
Lösung“
nologie“
Damit aber ist nach Fred Turner der Narrativ der Hippie-Gegenkultur zu den sinnent-
leerten Wohlstandsidealen der Mittelschicht falsch erzählt worden. Es geht vor allem um
die Haltung der Hippies gegenüber dem Computer und den militärischen Technologien.
So hat sich die Gegenkultur „… dem amerikanischen Mainstream nicht in der Weise ver-
sperrt, wie immer behauptet wurde, denn die zentrale und wichtigste Publikation, der
,Whole Earth Catalog‘, bestand offensichtlich aus einer Empfehlung von Produkten und
Ideen, die der militärischen und industriellen Forschung entstammten“ [TUR]. Der Whole
Earth Catalog wurde von Steward Brand zwischen 1968 und 1972 herausgegeben und ist
ein Sammelsurium für Technik-Nerds. Richtig berühmt wurde Brand mit dem von ihn
organisierten „Trips Festival“, das vom 21. bis 23. Januar 1966 in San Francisco stattfand.
Es war eine Veranstaltung unter Einsatz von LSD zur Bewusstseinserweiterung, um eine
bessere Gesellschaft auf der Basis einer ganzheitlichen Mission herzustellen. Dabei wand-
ten sich diese Leute von der Politik ab und waren der festen Überzeugung, dass die Politik
die eigentliche Ursache für die Probleme der Gesellschaft ist. Diese Hippies machten sich
dann auf, um in Landkommunen eine alternative Gesellschaft zu gründen [SCHOLZ02].
Das Erbe dieser Hippies wirkt im Silicon Valley bis heute nach und begründet den herr-
schen Zeitgeist. Der Zeitgeist kulminiert in der festen Überzeugung, nur mit den neuen
digitalen Technologien die Welt positiv verändern zu können. Und zwar in einer Art und
Weise wie es für die Politik nie möglich sein wird. Diese Geisteshaltung beobachtet Fred
Turner heute beispielsweise bei Google-Mitarbeitern: „Die glauben an die Brille (Anmer-
kung: Google Glass), wie sie schon an den geodätischen Dom, an den ,Catalog‘ und an
LSD geglaubt haben. Google setzt das auch auf einer praktischen Ebene um. Es gibt freie
Mahlzeiten in ihrer Zentrale, und zum ,Burning Man Festival‘ schließen sie die Firma zu,
damit alle Mitarbeiter gemeinsam dort hingehen und die entsprechenden ganzheitlichen
Erfahrungen machen können“ [SCHOLZ02]. Der Glaube an die Sache hat schon fast mes-
sianische Züge. So spricht der Airbnb-Mitbegründer Joe Gebbia davon, an etwas Großem
arbeiten zu wollen, das so viele Menschen wie möglich berührt. Und er könne sich kaum
vorstellen, an etwas zu arbeiten, das ohne Seele sei. Darin kommt eine religiöse Erlösungs-
rhetorik mit einem bedingungslosen Fortschrittsglauben zum Ausdruck [CARA].
Damit noch nicht genug dauert der frühere Glaube der Hippies an die bewusstseinser-
weiternde und erhellende Wirkung von LSD auch heute noch im Silicon Valley an. Nur
wird heutzutage LSD von den digitalen Piraten in geringen Dosen konsumiert, um dem
Leistungsanspruch in der Digitalmoderne gerecht werden zu können. So wie die vom
Wired Magazin interviewte Lily. Sie ist eine der zahlreichen „Young Professionals“ in und
um San Francisco die kleine Dosen an LSD nimmt, um die Leistung am Arbeitsplatz hoch
zu halten beziehungsweise zu steigern. So meint Lily gegenüber dem „Wired-Magazin“
im Sommer 2016 (Lily ist natürlich nicht der richtige Name) zur LSD-Einnahme: „It helps
me think more creatively and stay forward“ („Es hilft mir dabei kreativer zu denken und
vorwärtsgerichtet zu bleiben“) [SOL]. Genau genommen, geht es den aufstrebenden
Leistungsträgern um einen Wettbewerbsvorteil, der einen immer um ein kleines bisschen
besser sein lässt als den Rest. Pikanterweise kommen diese LSD-Konsumenten über
Online-Foren oder die psychodelischen Freunde des weltweit bekannten „Burning Man
5.1 Die Kultur der Piraten im Silicon Valley 261
Festivals“ an ihre LSD-Dosen [SOL]. Es hat schon den Anschein, dass auf dem jährlich in
der Wüste Nevadas stattfindenden Burning Man Festival die Kultur der Hippies aus den
sechziger Jahren des vergangenen Jahrhunderts am Leben gehalten wird.
Die Grundmotive der das Festival koordinierenden Organisation stützen diese
Annahme. Das seit 2012 gemeinnützige Burning Man Project sieht sich selbst als Bewe-
gung von Kreativen, die die Welt verändern will, und zwar in einem hippiehaften Sinn mit
Themen wie Friede und Liebe, hemmungslose, kreative Selbstverwirklichung, Nachhal-
tigkeit und Ökologie und absolute Toleranz [PATA]. Diese Motive werden in zehn
Burning-Man-Prinzipien konkretisiert, zum Beispiel radikale Offenheit, Praxis des Schen-
kens, Dekommodifizierung, radikaler Selbstbezug, radikaler Selbstausdruck, gemein-
schaftliche Anstrengungen, Verantwortungsbewusstsein gegenüber der Zivilgesellschaft,
keine Spuren in der Umwelt hinterlassen nach dem Festival, Partizipation und Unmittel-
barkeit – eine Art Kontakt mit der natürlichen Umwelt, das die menschlichen Kräfte über-
steigt [BURN]. Neben Kreativen, Hippies und regelrechten Spinnern pilgern auch die
Größen des Silicon Valleys wie Elon Musk (Tesla), Larry Page und Sergey Brin (Alpha-
bet), Jeff Bezos (Amazon) und Mark Zuckerberg (Facebook) und ein Tross an Mitarbei-
tern in die Black-Rock-Wüste im US-Staat Nevada.
Bezeichnenderweise hat Steve Jobs von Apple nie an diesem Burning Man Festival
teilgenommen [PATA]. Wohl ein Beleg dafür, dass er sich nie als Teil der hippiehaften
Kultur in den USA betrachtet hat. Mit dem Computer-Visionär Steve Jobs geht Fred
Turner hart ins Gericht, indem er ihm richtigerweise unterstellt, mit dem Erbe der
beschriebenen Gegenkultur zynisch umgegangen zu sein. Für Turner war Steve Jobs „…
ein rücksichtsloser Unternehmer in einem klassischen Sinne, der die Symbole des gegen-
kulturellen Erbes zynisch ausgebeutet hat, um seine Produkte besser zu vermarkten. Er
war der erste, der Geräte explizit als gegenkulturell verkauft hat. Heute machen das in
Silicon Valley alle“ [SCHOLZ02]. Ob die anderen genannten Silicon Valley-Größen wie-
derum tatsächlich Teil der hippiehaften Kultur sind, bezweifelt Fred Turner in seinem
Buch „From Counterculture to Cyberculture“. Es ist wohl eher so, dass sie nur auf der
Hippie-Welle der sechziger Jahre des vergangenen Jahrhunderts reiten, ohne die Kultur
auch zu verkörpern [TUR]. Die im Silicon Valley konzentrierten Gründer und Unterneh-
menslenker digitaler Plattform-Ökosysteme wie Sergey Brin (Google), Tim Cook (Apple)
und Mark Zuckerberg (Facebook), Aufsteiger wie Travis Kalanick von Uber und Joe
Gebbia von Airbnb wollen vielmehr, dass die Menschheit an ihrer Hightech-Heilslehre
genesen soll. Allesamt glauben sie an eine bessere Zukunft durch Technologie und sind
überzeugt, dass ihre Arbeit zum Wohle der Menschheit sein wird, dass sie die Zivilisation
in großen Schritten vorwärtsbringen. Was sie aber nicht wollen ist, dass ihnen dabei
jemand reinredet. So lehnen sie folgerichtig die Politik rigoros ab und halten alles, was mit
Regulierung zu tun hat, für einen Anachronismus. Getreu dem Motto: Stehen der schönen,
neuen Welt gesellschaftliche Werte wie Privatsphäre und Datenschutz im Weg, müssen
eben neue Werte her [SCHU]. So inszenieren sich in dieser Kultur die Macher und Denker
des Silicon Valleys als geniale Wissenschaftler, Technologie-Nerds, Piratenkapitäne und
andere wilde Individualisten [SCHOLZ].
Der etablierte Zeitgeist im Silicon Valley bringt auch eine spezifische Weltsicht mit
sich, die Eric Schmidt und Jonathan Rosenberg in ihrem Buch „Wie Google tickt“ so
verdichten: „Wir meinen, dass die meisten großen Probleme der Welt Informationspro-
bleme sind“. Ein Schelm, wer hier nicht eine reduktionistische Weltsicht entlarvt. Ihrer
eigenen Logik folgend, schreiben sie weiter: „ Das heißt, dass mit einer ausreichenden
Datenmenge und der Möglichkeit, sie zu verarbeiten, praktisch jede Herausforderung der
Menschheit bewältigt werden kann“ [SIEM02, SCHMI02]. Mit diesem Zirkelschluss und
einer zutiefst technokratischen Weltsicht wird der Politik so aber die Legitimationsgrund-
lage vollständig entzogen. Dann tritt an die Stelle von Kommunikation, gesellschaftlichem
Diskurs und schwierigen Aushandlungsprozessen das effizienzgesteuerte Management
von Big Data. Erste Schritte in diese Richtung unternimmt seit 2015 die Holding Alphabet
als politischer Akteur mit dem „Government Innovation Lab“. Dieses Government Inno-
vation Lab will in den USA beispielsweise dem Regierungsbezirk San Joaquin dabei hel-
fen, die Arbeitslosenquote zu halbieren oder dem Regierungsbezirk Kern dabei helfen, die
Rückfallkriminalität zu bekämpfen [SIEM02].
Prinzipiell ist an diesen Zielen nichts auszusetzen. Aber bei genauerer Betrachtung
wird damit ein neuer Prototyp von Politik eingeführt, bei dem der Bürger nicht Teilhaber
eines demokratischen Prozesses ist, sondern ein Verbraucher beziehungsweise Nutzer
eines alle Lebensbereiche umfassenden Netzwerkes. So sollen die gesellschaftlichen Her-
ausforderungen maschinell beherrschbar gemacht werden. Letztendlich würde eine
Maschine, die mit künstlicher Intelligenz ausgestattet ist, alle Bereiche des gesellschaftli-
chen Lebens effizient ausgestalten. Hier wären wir dann mindestens bei dem Supercom-
puter HAL 9000 in dem Film „Odyssee im Weltraum“ angekommen. Unbestritten bietet
Alphabet mit seinen Innovationen nützliche Helfer zur Bewältigung des Alltags an. Prin-
zipiell sollten wir uns aber auch kritisch mit dem Vorgehen von Alphabet und anderen
digitalen Plattformen in allen Lebensbereichen auseinandersetzen. Die Betonung liegt auf
„auch“ und nicht auf einer überzogenen Regulierung von Alphabet und anderen digitalen
Plattformen wie Uber, Airbnb, Industrieplattformen und Co.
Als Quintessenz sieht Fred Turner das Erbe der Hippies in unserem herrschenden Sys-
tems des Kapitalismus und dem Aufmarsch der digitalen Plattformen: „Der Kapitalismus,
in dem wir heute leben und nicht mehr formell gekleidet zur Arbeit gehen, in dem die
Grenzen zwischen Freizeit und Arbeit immer fließender werden, ist ein Erbe dieser Kom-
munenträume. Das ist einerseits sehr befreiend, aber andererseits sperrt es uns auch ein,
weil die Arbeit nie endet“ [SCHOLZ02]. Komischerweise fühlen sich zahlreiche euro-
päische CXOs aller Couleur wie magentisch von dem herrschenden Zeitgeist im Silicon
Valley angezogen. Dabei handelt es sich bei den Besuchen bestenfalls um oberflächliche
Einsichten, also den üblichen Valley-Tourismus. Ich habe immer an „Butterfahrten“ den-
ken müssen, als mir einige dieser Menschengruppen die digitale Erleuchtung suchend im
Silicon Valley über den Weg gelaufen sind. Der Autor Gunter Dueck beschreibt dieses
Phänomen zutreffend und ironisierend in seinem Buch „Flachsinn: ich habe Hirn, ich will
hier raus“: „Die Besucher des Silicon Valley bringen als oberflächlichen Eindruck heim,
dass dort viele Gründer zusammenarbeiten und dass sie dort Billardtische und Hängematten
5.2 Das Konzept der technologischen Singularität ist die Chiffre der digitalen … 263
im Eingangsbereich zur Verfügung haben. Aha … Man baut also Büroflächen für Gründer
aus und platziert Tischfußballspiele zum Mittagspausenkickern. Man baut Landebahnen
und Tower. Nun wartet man auf die Milliarden aus den erfolgreichen Gründungen“ [DUE].
Besonders das Kapitel „Auf ins Culture Valley!“ im Buch von Gunter Dueck, aus
dem das Zitat entnommen wurde, ist an Klarheit und Wucht kaum zu überbieten. Noch
eine andere Perspektive auf den herrschenden Zeitgeist im Silicon Valley liefert der
Bandleader Robert Del Naja von „Massive Attack“ in einem Interview mit dem Silicon
Valley Technologie Magazin „WIRED“. Darin bewertet er „die Idee, dass die Tech-Com-
panies uns retten werden, als ,fucking ridiculous‘. Denn die Probleme der Menschheit
sind dafür viel zu komplex“, so urteilt Del Naja weiter. Nach Del Naja stellen die digi-
talen Plattformgiganten-Giganten „… eine perfekte Zukunft in Aussicht, wenn wir nur
alle das Gleiche tun: share, join, connect. Aber erst müssen wir den Nutzungsbedingun-
gen zustimmen. Das soll die Zukunft sein? Really?“ Weiter spitzt es zu mit: „join, share,
like, connect, join, share, like, connect …“. In der Wiederholung offenbart sich das
gehirnwaschende Potenzial [PEI].
5.2 as Konzept der technologischen Singularität ist die Chiffre

D
der digitalen Avantgarde
Die digitale Avantgarde im Silicon Valley trällert fröhlich den Refrain des Posthumanis-
mus, der sich vom altmodischen Humanismus so schnell wie möglich verabschieden will.
Und zwar über die Realisierung der technologischen Singularität, also dem Überschreiten
einer Grenze, hinter der der Mensch nichts mehr zu tun hat. Ab diesem Zeitpunkt wird die
weitere Entwicklung ausschließlich von künstlicher Intelligenz weitergetrieben. Diese
Idee ist Antriebsfeder und Katalysator vieler digitaler Avantgardisten im Silicon Valley.
Unter der technologischen Singularität versteht man den Zeitpunkt, bei dem sich
Maschinen mit Hilfe von künstlicher Intelligenz selbst so schnell verbessern und den tech-
nologischen Fortschritt so beschleunigen, dass die Zukunft der Menschheit hinter diesem
Zeitpunkt vollständig unvorhersehbar ist [WIKI12]. Mit der Singularität ist jenes Stadium
der Evolution gemeint, in dem eine dem Menschen in allen Belangen überlegene künstli-
che Intelligenz ein Eigenleben entwickelt und auch Unsterblichkeitsvisionen auf techno-
logischem Weg realisiert werden, bei denen die biologische Existenz obsolet wird [WAG].
So wird denn die Steigerung der menschlichen Lebenserwartung bis zur biologischen
Unsterblichkeit vorangetrieben. Damit ist der Begriff eng verwoben mit den Theorien und
Ideen des Transhumanismus beziehungsweise Posthumanismus [WIKI12].
Den technologischen Ausgangspunkt der technologischen Singularität bildet das
„Mooresche Gesetz“, wonach sich die Rechenleistung von Computerchips (Mikropro-
zessoren) alle 18 Monate verdoppelt. Dem wird die konstante Leistungsfähigkeit des
menschlichen Gehirns gegenübergestellt. Die Transhumanisten sind sich bei der Rechenleis-
tung des menschlichen Gehirns nicht einig. So bezifferte Hans Moravec die Rechenleistung
des Gehirns auf 100 Teraflops, während Raymond Kurzweil auf 10.000 Teraflops kommt.
Nun haben aber Supercomputer diese Rechenleistung bereits deutlich überschritten.

Damit ist für die Transhumanisten die Erreichung der technologischen Singularität nur
noch eine Frage der Zeit [WIKI12]. Immer wieder wurde der Zeitpunkt der eintretenden
technologischen Singularität verschoben. Man geht jetzt so weit zu sagen, dass der
Moment der technischen Singularität plötzlich und überraschend einsetzen würde. Dies
zumindest wird für wahrscheinlich gehalten, auch von den an der Entwicklung beteilig-
ten Personen. Damit kommt man leicht aus dem Dilemma heraus, sich auf einen Zeit-
punkt in der Zukunft festlegen zu müssen. Was muss eine künstliche Intelligenz prinzipiell
leisten können, um die technologische Singularität erreichen zu können? Sicherlich deut-
lich mehr, als gegen menschliche Schach-Weltmeister oder weltweit führende Go-Spieler
gewinnen zu können. Denn hierbei treten Formen der kognitiven künstlichen Intelligenz
lediglich in Spezialdisziplinen des Menschen auf.
Der britische Logiker, Mathematiker, Kryptoanalytiker und Informatiker Alan Turing
hat den nach ihm benannten Turing Test entwickelt, um feststellen zu können, wann eine
Maschine eine dem Menschen gleichwertige Intelligenz simuliert. Bei dem Turing Test
stellt ein Mensch per Terminal beliebige Fragen an einen anderen Menschen beziehungs-
weise eine künstliche Maschinenintelligenz, ohne zu wissen, wer jeweils antwortet. Bei
dieser Interaktion muss der Fragesteller entscheiden, ob es sich bei dem Gegenüber um
eine Maschine oder einen Menschen handelt. Kann der Fragesteller die Maschine nicht
von einem Menschen unterscheiden, dann ist die Maschine laut Turing intelligent
[WIKI12]. Den Turing Test konnte trotz anders lautender Meldungen in den Medien bis
dato keine Maschine zweifelsfrei bestehen.
Die Vertreter der technologischen Singularität gehen da noch einen Schritt weiter. Das
Konzept der technologischen Singularität, wie es heute im Silicon Valley zelebriert wird,
geht ursprünglich auf Stanislaw Ulam zurück. So äußerte sich Stanislaw Ulam zu einem
Gespräch mit John von Neumann wie folgt: „Ein Gespräch drehte sich um die stete
Beschleunigung des technischen Fortschritts und der Veränderungen im Lebenswandel, die
den Anschein macht, auf eine entscheidende Singularität in der Geschichte der Menschheit
hinauszulaufen, nach der die Lebensverhältnisse, so wie wir sie kennen, sich nicht fortset-
zen könnten“ [WIKI12, ULA]. Hier fehlt noch die explizite Erwähnung der künstlichen
Intelligenz im Konzept der technologischen Singularität. Dies machte dann der Statistiker
I. J. Good, als er ein Konzept beschrieb, das der heute existierenden Bedeutung von Singu-
larität noch näher kam: „Eine ultraintelligente Maschine sei definiert als eine Maschine, die
die intellektuellen Fähigkeiten jedes Menschen, und sei er noch so intelligent, bei weitem
übertreffen kann. Da der Bau eben solcher Maschinen eine dieser intellektuellen Fähigkei-
ten ist, kann eine ultraintelligente Maschine noch bessere Maschinen bauen; zweifellos
würde es dann zu einer explosionsartigen Entwicklung der Intelligenz kommen, und die
menschliche Intelligenz würde weit dahinter zurückbleiben. Die erste ultraintelligente
Maschine ist also die letzte Erfindung, die der Mensch zu machen hat“ [WIKI12].
Dann veröffentlichte der Mathematiker Vernor Vinge 1993 seine Ideen zur technologi-
schen Singularität in einem Artikel mit dem Titel „Technological Singularity“. Darin ist
auch die Prognose zu finden, wonach wir „innerhalb von 30 Jahren über die technologischen
Mittel verfügen werden, um übermenschliche Intelligenz zu schaffen. Wenig später ist die
Ära der Menschen beendet“ [STAUN03, WAG, WIKI12, VIN]. Dann tritt das Ereignis der
technologischen Singularität ein, so Vernor Vinge. Für Vinge eröffneten sich zwei Ent-
wicklungsstränge zur technologischen Singularität: 1. Die Maschinen übernehmen die
Macht mit furchtbaren Folgen für die Menschen oder 2. „Intelligence Amplification“, also
die Ausweitung der menschlichen Intelligenz, wodurch der Mensch mit verbesserten Infor-
mations- und Kommunikationstechnologien seine eigenen biologischen Fähigkeiten erwei-
tert. Also statt menschlich überlegene Roboter zu bauen, sollten die Menschen nach Vinge
eher zu biotechnisch aufgerüsteten Übermenschen werden. Nur so könnte die Menschheit
der Herrschaft der Maschinen entkommen [STAUN03].
Auf dieser Entwicklung aufbauend, treten die heutigen Propagandisten des Transhuma-
nismus in Erscheinung. So veröffentlichte Raymond Kurzweil in 2001 einen Artikel mit
dem Titel „The Law of Accelerating Returns“. In diesem Artikel stellt Kurzweil die These
auf, wonach das Mooresche Gesetz nur ein Spezialfall eines allgemeineren Gesetzes ist,
nach dem die gesamte technologische Evolution verläuft. Für ihn setzt sich das durch das
Mooresche Gesetz beschriebene exponentielle Wachstum auch in den Technologien fort,
die die heutigen Mikroprozessoren ablösen werden. Denn nur so kommt es letztendlich
zur technologischen Singularität, die einen technischen Wandel beschreibt, der „… so
schnell und allumfassend ist, dass er einen Bruch in der Struktur der Geschichte der
Menschheit darstellt“ [WIKI12, RK02].
Während Turing nur eine menschenähnliche Intelligenz ins Kalkül zog, dachten und den-
ken Transhumanisten wie Vinge, Moravec und Kurzweil in weit größeren Dimensionen:
Wäre ein Computer in der Lage, eigenständige Problemlösungen zu entwickeln, wäre er
höchstwahrscheinlich auch fähig, sich selbst zu analysieren. Damit aber könnte er seine Soft-
ware selbst modifizieren und sich selbst intelligenter machen. Ein solcher Computer sollte
dann nach kurzer Zeit in der Lage sein, eigene Hardware zu entwerfen. Das wäre dann der
Beginn einer wunderschönen neuen Ära. Denn nach Kurzweil hätten derartige Maschinen die
Einsicht und Geduld, die noch offenen Probleme in Bereichen wie Nanotechnologie und
Raumfahrt zu lösen. Sie wären in der Lage, die Grundlagen menschlichen Lebens zu verbes-
sern und könnten das menschliche Bewusstsein in unsterblicher, digitaler Form abspeichern.
Es würde sich dann Intelligenz im gesamten Kosmos verbreiten [FO]. Für zahlreiche Befür-
worter der technologischen Singularität läuft die Evolution zwangsläufig, also deterministisch
auf das biologische Ende zu. Damit verbunden ist der Wunsch oder die Vision der Erschaf-
fung übermenschlicher Wesen, die eine Antwort auf den Sinn des Lebens liefern oder das
Universum einfach nur in einen deutlich lebenswerteren Ort verwandeln [WIKI12].
Die radikale Transformation menschlicher Fähigkeiten wird in ein soziales Paradies
führen, wenn es nach dem Thinktank „Singularity University“ von Raymond Kurzweil,
die Organisation „Humanity +“ oder das Future of Humanity Institute des Philosophiepro-
fessors Nick Bostrom an der Oxford University geht [STAUN03]. In diesem Paradies wird
alles zum Besten, denn wir Menschen transformieren zu einem reinen Geist – als höchst-
mögliche Form einer Intelligenz, die unkörperlich ist. Hier taucht wieder das zentrale
Moment des dritten Teils in Stanley Kubricks Film „Odyssee im Weltraum“ auf – die
Geburt des Sternenkindes (siehe Anfang Abschn. 5.1). Es ist auch genau das, was Stanley
Kubrick in dem zitierten Interview am Anfang von Kap. 5 als reinen Geist bezeichnet hat,
als die vielleicht ultimative Form der Intelligenz. Hinzu kommt noch, dass die Transhuma-
nisten gar keine Gefahr in der höheren Intelligenz sehen. Denn gerade weil diese künstliche
Intelligenz der menschlichen Intelligenz in allen Belangen überlegen ist, verfügt sie auch
über ein dem Menschen überlegenes, friedfertiges ethisches Bewusstsein [WIKI12], so
die Propheten der technologischen Singularität.
Die Vertreter der technologischen Singularität bemächtigen sich einer bestimmten
Position hinsichtlich des Verhältnisses von Geist und Gehirn. Es ist die Position des Funk-
tionalismus, der meint geistige Vorgänge oder Zustände (wie Denken, bewusste Empfin-
dungen oder Wahrnehmung) seien abstrakte Strukturen (somit also eine Art von Software),
die auf verschiedene Weise materiell implementiert werden können. Der Funktionalismus
dient für das Konzept Singularität, da er dem Seelenglauben und dem Materialismus ent-
gegenkommt. Denn eine Software lässt sich ja nicht ohne Hardware installieren. Zwar
haben die Entwicklungen im Bereich der künstlichen Intelligenz auf der Computerebene
in den vergangenen 15–20 Jahren große Fortschritte gemacht. Allerdings beträgt der
Zuwachs an künstlichem Bewusstsein exakt Null. Wir haben bis dato keinerlei Idee davon,
wie über das Datenmanagement Bewusstsein oder subjektive Erfahrungen möglich sein
sollten. Nach Yuval Noah basiert der mit dem technologischen Singularitätskonzept
unmittelbar verbundene „Dataismus“ auf drei fundamentalen Annahmen:
• Alle Organismen sind Algorithmen, die sich über Evolution entwickeln und das Leben
an sich ist Datenverarbeitung.
• Die Intelligenz entkoppelt sich vom Bewusstsein und algorithmische Kalkulationen
werden nicht von den Komponenten der Computerhardware beeinflusst, seien sie aus
Metall, Kunststoff oder anderen Legierungen.
• Intelligente Algorithmen ohne Bewusstsein werden uns bald besser kennen als wir uns
selbst [HARA].
In seinem Buch „Homo Deus: Eine Geschichte von morgen“ hinterfragt der Autor Yuval
Noah Harari auch gleich diese Annahmen: Sind Organismen tatsächlich nur durch Algo-
rithmen definiert und lässt sich das Leben auf das Datenmanagement reduzieren? Was ist
wertvoller – Bewusstsein oder Intelligenz? Wie wird sich die Gesellschaft, Politik und das
tägliche Leben ändern, wenn uns intelligente Algorithmen ohne Bewusstsein besser ken-
nen als wir uns selbst [HARA]?
Geradezu herzerfrischend ist allerdings, dass der im Konzept der technologischen Sin-
gularität verankerte Funktionalismus reine Spekulation ist, die gar nicht beschreibt, was
wirklich der Fall ist. Vielmehr ist der Funktionalismus ein Gedankenexperiment, das aber
leider absurde und fatale Konsequenzen nach sich zieht [GAB]. In der Moderne ist die
Menschheit an einem Punkt angelangt, an dem unkontrollierter, technologischer Fort-
schritt die menschliche Lebensform bedroht. Da drängt es sich doch gewissenmaßen auf,
so die Überlegung der Transhumanisten, dass wir uns auf eine Festplatte beziehungsweise
in die Cloud laden. So liefern der Mathematiker Marvin Minsky oder der bei Google
angestellte Raymond Kurzweil futurologische Prognosen, die nicht notwendigerweise
eintreffen. Als Kontra-Punkt zu diesen futurologischen Prognosen fordert Markus Gabriel,

Professor für Erkenntnistheorie und Philosophie der Neuzeit und Gegenwart an der
Universität Bonn, zurecht, die „… ideologischen Begleiterscheinungen des technologi-
schen Fortschritts genauer unter die Lupe zu nehmen, um auf diese Weise alternative Deu-
tungsmuster zu erproben.“ Er schlägt hierzu vor, „… dass wir uns als geistige Lebewesen
auffassen sollten, die eine prinzipiell nicht ersetzbare biologische Vorgeschichte haben …
Ein alter Name für diese Haltung lautet Humanismus“ [GAB].
Welche gravierenden Konsequenzen für den Menschen ergeben sich prinzipiell aus
dem Konzept der Singularität? Mit dem Konzept der Singularität wird der Übergang der
Evolution von der Biologie in den Bereich der Technologie vollzogen. Damit aber können
die Konsequenzen vom menschlichen Bewusstsein zu keinem gegenwärtigen Zeitpunkt
erfasst werden, da sie von einer Intelligenz bestimmt würden, die der menschlichen immer
überlegen wäre [WIKI12]. Demgegenüber äußern andere Silicon Valley-Größen wie bei-
spielsweise Elon Musk oder Sam Altman große Bedenken gegenüber einer autarken mit
rekursiver Selbstverbesserungsfunktion ausgestatteten, künstlichen Intelligenz [SIEM03].
Beide haben die Non-Profit-Organisation „OpenAI“ ins Leben gerufen, um herauszufin-
den, wie sich die Menschheit vor einer Intelligenz wie den HAL 9000 Supercomputer in
Stanley Kubricks „Odyssee im Weltraum“ schützen kann.
In dem sehr lesenswerten Buch „Robokratie, das Silicon Valley und der Mensch als
Auslaufmodell“ [WAG] sieht der Autor Thomas Wagner eine explizite Verbindung zwi-
schen den digitalen Plattform-Ökosystemen und den Anhängern der technologischen Sin-
gularität: „Der in der Wachstumsdynamik und den Investitionsstrategien des neuartigen
Plattformkapitalismus der Digitalwirtschaft angelegte Größenwahn und die Vorstellung
der Anhänger der Singularitätsthese, dass alle Probleme, von der Kolonisierung des Welt-
raums über den Bau superintelligenter Maschinen mit Bewusstsein bis hin zur Unsterb-
lichkeit des Menschen in absehbarer Zeit realisierbar sind, spiegeln und verstärken sich
gegenseitig“ [WAG]. Zumindest ist das Konzept der technologischen Singularität im Kon-
text digitaler Plattformen bedeutsam, weil sie die Blaupause, ja die alles überstrahlende
Vision von digitalen Plattformen im Silicon Valley zu sein scheint. Auffällig ist beispiels-
weise schon, dass der Leiter der technischen Entwicklung bei Google, Raymond Kurzweil,
ein sehr prominenter Vertreter des Konzepts der technologischen Singularität ist. Anzu-
nehmen, dass Raymond Kurzweil mit seinen kruden Ideen die Blaupause für die Holding
Alphabet geliefert hat, liegt sehr nahe [KEESE]. So kam Ashlee Vance von der New York
Times bereits 2010 zu der Überzeugung, dass die im Silicon Valley am meisten gefeierte
digitale Plattform Google täglich daran arbeitet, ein gigantisches künstliches Gehirn zu
erzeugen, das die menschliche Intelligenz überragen soll. Dazu hat Larry Page in 2008
aktiv dabei geholfen, die „Singularity University“ im Silicon Valley aufzubauen. Einige
der ersten Mitarbeiter von Google sind dank Spenden von jeweils 100.000 US-Dollar Teil
des inneren Gründungszirkels der Universität [VA]. Auch der Microsoft Gründer Bill
Gates ist ein Sponsor der Singularity University.
Das Konzept der Singularität erscheint in weiten Teilen abwegig bis abstrus. Es drängt
sich der Verdacht auf, dass hier ein paar Superreiche eine künstliche Arche Noah bauen
wollen, um so dem unterstellten menschlichen Niedergang entkommen zu wollen. Mög-

lich werden soll dies mit einer künstlichen Superintelligenz, die vom Menschen weder
erfasst noch verstanden werden kann, da sie alle menschliche Intelligenz weit übersteigt.
Ist dies überhaupt möglich, da wir in Sachen künstlichem Bewusstsein bis dato ein
Null-Wachstum haben? Ob und wann die technologische Singularität tatsächlich Realität
werden kann, ist völlig ungewiss. Die Philosophen Hubert Dreyfus und John Searle haben
bereits deutlich gemacht, dass das, was als künstliche Intelligenz präsentiert wird, uns nur
als intelligent oder lernfähig erscheint, da es in unsere Lebenswelt eingebaut ist. Weiter
konstatieren sie, dass die menschliche Intelligenz notwendige biologische Voraussetzun-
gen hat, da wir eine Lebensform sind. Eine künstliche Intelligenz kann immer nur einen
Ausschnitt des komplexen menschlichen (geistig, historisch, sozial variablen) Lebens
abbilden, ohne jemals selbst ein geistiges Leben zu führen [GAB]. Die waghalsigsten
Entwürfe des Trans- und Posthumanismus orientieren sich an längst erodierte Dualismen:
Leib oder Seele, Materie oder Informationen [STAUN03].
Ja, es lässt sich eben nicht so einfach das geistige Leben auf Materie beziehungsweise
Datenreihen reduzieren. Denn „die Intelligenz des Menschen beruht auch auf seiner Bio-
chemie, auf seinem limbischen System. Und Zustände im Gehirn, die darauf beruhen, kön-
nen wir in digitalen Rechnern grundsätzlich nicht reproduzieren“ [SYW], so der Leiter des
Deutschen Forschungszentrums für Künstliche Intelligenz, Wolfang Wahlster. Das schließt
aber nicht aus, dass künstliche Intelligenz auch kreativ sein kann, da Kreativität letztendlich
eine kognitive Fähigkeit darstellt, basierend auf dem Umwälzen großer Suchräume [SYW].
Weitere Kritik bezieht sich auf die Originalität der Theorie. So ist für den Science-
Fiction-Schriftsteller Ken MacLeod die Idee der technologischen Singularität nichts wei-
ter als die technisierte Neuauflage des theologischen Begriffs der Lehre von den
Hoffnungen auf Vollendung der Welt (der sogenannten Eschatologie). Damit rückt die
Konzeption der technologischen Singularität in den Bereich einer technischen Variation
des Übermenschen. Es wird nach Thomas Wagner im Konzept der technologischen Singu-
larität sogar der Wunsch des Menschen nach Gottwerdung deutlich [WIKI12]. Ray
Kurzweil liefert auch einen klaren Beleg dafür in seinem Buch „The Singularity is near:
When Humans Transcends Biology“ [RK]: „Wenn wir die gesamte Materie und Energie
des Weltalls mit unserer Intelligenz gesättigt haben, wird das Universum erwachen,
bewusst werden – und über fantastische Intelligenz verfügen. Das kommt, denke ich, Gott
schon ziemlich nahe.“ Hier kommt ein Sendungsbewusstsein zum Ausdruck, das zutiefst
religiöse und auch fatalistische Züge hinsichtlich unserer biologischen Existenz aufweist.
Anstatt der Allmachtsfantasien der Vertreter technologischer Singularität sollte man lieber
vielleicht über einen Gedanken von Steve Jobs nachdenken: „Der Tod ist wohl die beste
Erfindung im Leben. Er ist die Kraft, die Veränderung ins Leben bringt. Er räumt das Alte
aus und macht Platz für Neues“ [JO]. Denn die eigene Sterblichkeit hat den Menschen
schon immer angespornt und zu kreativen Höhenflügen gebracht. Man sollte die Spekula-
tionen über die Zukunft der Menschheit nicht den Propheten der technologischen Singu-
larität überlassen.
Literatur
[AC2] cupertino.org (2012) Apple Campus 2. Project Description. https://s3.ama

zonaws.com/apple-campus2-project/Project_Description_Submittal5.pdf
[ADV] Advisory Board (2015) Watson supercomputer comes to 14 hospitals. Par
ticipating organizations include Cleveland Clinic, Yale vom 07.05.2015.
https://www.advisory.com/daily-briefing/2015/05/07/watson-supercom
puter-comes-to-14-hospitals
[AFP] CarUnity (2015) Opel startet Carsharing-Netz für alle Automarken. Welt.
https://www.welt.de/wirtschaft/article142339940/Opel-startet-Carsha
ring-Netz-fuer-alle-Automarken.html. Zugegriffen am 11.06.2015
[AI2030] Artificial Intelligence and Life in 2030 (2016) Report of the 2015 Study
Panel. https://ai100.stanford.edu/sites/default/files/ai_100_report_0831fnl.
pdf. Zugegriffen im Sept. 2016
[AIR] www.airbnb.de (2017)
[AKN] AKN mit Reuters (2016) Kurzzeit-Untervermietung verboten. New York
bremst Airbnb. Manage Mag. http://www.manager-magazin.de/unternehmen/
it/airbnb-in-new-york-mit-problemen-a-1119004.html. Zugegriffen am
31.10.2016
[ALB] Albrecht H (2016) Patientenakte. Voller Durchblick. Zeit Online. http://
www.zeit.de/2016/37/patientenakten-aerzte-patienten-e-health-gesetz.
Zugegriffen am 16.09.2016
[ALPHAB] abc.xyz (2015) Alphabet. https://abc.xyz/
[AM] Aktien Magazin (2016) MIT ALIBABA SIND SIE GLEICH BEI MEH-
REREN MEGATRENDS GANZ VORNE MIT DABEI! Aktien Mag.
https://aktien-mag.de/blog/mit-alibaba-sind-sie-gleich-bei-mehreren-
megatrends-ganz-vorne-mit-dabei/p-538/. Zugegriffen am 26.09.2016
[AMAZON] Amazon Inc. (2015) http://www.amazon.de/
[AND] Andriole S (2016) Hot technology pilots in 2016 – fear & chaos in technology
adoption. Forbes. https://www.forbes.com/sites/steveandriole/2016/07/18/
hot-technology-pilots-in-2016-fear-chaos-in-technology-adoption/#
4eaee04f5052. Zugegriffen am 18.07.2016
[ANDERSON] Anderson C (2008) The end of theory: the data deluge makes the scientific
method obsolete. Wired Mag. http://archive.wired.com/science/discoveries/
magazine/16-07/pb_theory. Zugegriffen am 23.06.2008
[AP01] Pentland A (2014) Social physics. How good ideas spread – the lessons
from a new science. Penguin, New York

https://doi.org/10.1007/978-3-658-19178-8
270 Literatur
[AP02] Pentland A (2012) Data driven societies. Discussion paper. Copyright Alex
Pentland. https://idcubed.org/wp-content/uploads/2013/03/Sandy-Pentland-
Data-Driven-Societies-MIT-ID-3-21-13.docx
[AP03] Pentland A (2009) Reality mining of mobile communications: towards a
new deal on data. The Global Information Technology Report 2008–2009.
Chapter 1.6. http://www.weforum.org/pdf/gitr/2009/gitr09fullreport.pdf
[APPLE05] Die Geschichte des Apple Macintosh (2014) Die Geschichte von Apple.
http://www.mac-history.de/die-geschichte-des-apple-macintosh/1984-der-
beruhmte-super-bowl-werbespot
[ASPP] Axel Springer SE (2013) Axel Springer Plug and Play Accelerator. http://
www.axelspringer.de/ dl/16944123/Geschaeftsbericht_2013.pdf
[ARRO] Arroyo F (2014) Aviso de derrumbe. El Pais. http://cultura.elpais.com/cultura
/2014/03/18/actualidad/1395166957_655811.html. Zugegriffen am 22.03.2014
[ARROLL] Carroll S (2008) What good is a theory? Cosmic Var. http://blogs.disco
vermagazine.com/cosmicvariance/2008/07/01/what-good-is-a-theory/#.
VD_43169THg. Zugegriffen am 01.07.2008
[ARTETUDE] ARTETUDE (2013) Internetseite der Wanderausstellung „Brasilia – Von
der Utopie zur Hauptstadt“. http://www.brasilia50.info
[AUST] Aust S, Amman T (2014) Digitale Diktatur. Welt HD. Rubrik Internet.
http://hd.welt.de/wams-hd_politik/article132914514/Digitale-Diktatur.html
[AWP] awp/gku (2015) Uber-Verbot in Frankreich ist Tatsache. handelszeitung.ch.
http://www.handelszeitung.ch/unternehmen/technologie/uber-verbot-
frankreich-ist-tatsache-867401. Zugegriffen am 22.09.2015

[AXSP] Axel Springer (2013) Geschäftsbericht. http://www.axelspringer.de/dl/
16944123/Geschaeftsbericht_2013.pdf
[AXSP02] Axel Springer: Geschäftsbericht (2014). https://www.axelspringer.de/dl/
19209217/Geschaeftsbericht_2014.pdf
[BAB] Babra I (2015) Uber Technologies, Inc.: Global strategies, local challen-
ges. Case W04C43. WDI Publishing. https://wdi-publishing.com/product/
uber-technologies-inc-global-strategies-local-challenges/. Zugegriffen am
12.08.2015
[BAG] Bager J (2016) Der Begriff „Datenkrake“ wird hierzulande meist syno-
nym zu Google verwendet. Facebook ist allerdings in vielerlei Hinsicht
der größere Datensammler. Ein Blick in die Datenbanken des sozialen
Netzwerkes. c’t 24:73–75
[BAG02] Bager J (2016) Außen vor. Daten bei Facebook kontrollieren und löschen.
c’t 24:80–82
[BAL] Balzter S (2016) Apotheker-Jammern. Konkurrenz aus dem Netz macht
Angst. Frankf Allgem Ztg 42:29 (23. Oktober 2016, Rubrik Wirtschaft)
[BAL02] Balzter S (2017) Bald gibt es fliegende Autos. Frankf Allgem Sonntagsztg.
http://www.faz.net/aktuell/wirtschaft/neue-mobilitaet/zukunftsforscher-
bald-gibt-es-fliegende-autos-14609311.html. Zugegriffen am 08.01.2017
[BAL03] Balzter S (2016) Und das soll eine Klinik sein? Frankf Allgem Sonn-
tagsztg 48:31 (04.12.2016)
[BATA] Batagan L (2012) The use of intelligent solutions in Romanian cities. Infor-
matica Economica 16(4). Academy of Economic Studies, Bucharest, Romania
[BE] Becker M (2016) Sharing. Economy. EU-Kommission schützt Uber, Airbnb
& Co. Spiegel Online. http://www.spiegel.de/wirtschaft/unternehmen/uber-
airbnb-und-co-eu-kommission-schuetzt-sharing-economy-a-1095517.
html. Zugegriffen am 02.06.2016
Literatur 271
[BEE] Beeger B (2015) Fahrdienst. Warum analysiert Uber One Night-Stands?

Frankf Allgem. http://www.faz.net/aktuell/wirtschaft/unternehmen/warum-
analysiert-uber-one-night-stands-13359664.html. Zugegriffen am 08.01.2015
[BER] Berman S, Bell R (2011) Digital transformation. Creating new business
models where digital meets physical. IBM Institute for Business Value,
New York
[BERNAU] Bernau V (2014) Rocket-Internet_Chef Oliver Samwer. Der aggressivste
Mann im Internet. Süddtsch Ztg. http://www.sueddeutsche.de/wirtschaft/
oliver-samwer-der-aggressivste-mann-im-internet-1.2114331. Zugegrif-
fen am 04.09.2014
[BERN] Bernrad A (2016) Der Gewinner der Digitalisierung. Frankf Allgem Sonn-
tagsztg Nr. 10 (13.03.2016, Rubrik Feuilleton Spezial)
[BERNA] Bernau P (2014) Sammelt mehr Daten! Frankf Allgem Ztg 52:15 (Zeitung
für Deutschland vom 03.03.2014)
[BERRY] Berry DM (2011) The computational turn: thinking about the digital huma-
nities. Cult Mach 12. http://www.culturemachine.net/index.php/cm/article/
viewArticle/440
[BERT] Bertozzi V, Durkin D, Ringnes I (2012) Facebook case study. Media
Ethics. http://www.isabellekringnes.com/facebook-case-study/
[BETTIS] Bettis R (1998) Commentary on „Redefining industry structure for the
information age“ by J.L. Sampler. Strat Manage J 19:357–361
[BEU] Beutelsbacher S, Fabricius M (2016) Ungebetene Gäste. Welt am Sonntag
44:43 (30.10.2016)
[BFC] bfch/dpa (2016) Mit neuem Angebot. Airbnb will zum Reiseveranstalter
werden. Frankf Allgem Ztg. http://www.faz.net/aktuell/wirtschaft/netz
wirtschaft/zimmervermittler-airbnb-will-mit-trips-zum-reiseveranstalter-
werden-14533299.html. Zugegriffen am 18.11.2016
[BFU] BFU/HEU/CEL (2016) Dienste, Drohnen, Durchschnittsnutzer: Fünf Fak-
ten zu Facebook. Welt am Sonntag 9:15–16 (28.02.2016)

[BK] Bitkom (2017) Unternehmen spüren Konkurrenz durch IT Firmen.
https://www.bitkom.org/Presse/Presseinformation/Unternehmen-spueren-
Konkurrenz-durch-IT-Firmen.html
[BLE] Bleich H (2016) Brüchiges Recht. Wie schwer es ist, Datenschutzverstöße
von Facebook juristisch zu ahnden. c’t 24:84–86
[BLUM] Blumenberg H (2009) Geistesgeschichte der Technik. Suhrkamp, Frank-
furt am Main
[BMWi] Bundesministerium für Wirtschaft und Energie (BMWi) (2017) Weiss-
buch – Digitale Plattformen. Digitale Ordnungspolitik für Wachstum, Inno-
vation, Wettbewerb und Teilhabe. Berlin http://www.bmwi.de/Redaktion/
DE/Publikationen/Digitale-Welt/weissbuch-digitale-plattformen.
pdf?__blob=publicationFile&v=8
[BMWi02] Bundesministerium für Wirtschaft und Energie (BMWi) (2016) Grün-
buch – Digitale Plattformen. Berlin. https://www.bmwi.de/Redaktion/
DE/Publikationen/Digitale-Welt/gruenbuch-digitale-plattformen.
pdf?__blob=publicationFile&v=16
[BOE] Boehm M (2016) Antworten auf den Fragenkatalog zum Fachgespräch zum
Thema „Plattformen: Interoperabilität und Neutralität“ des Ausschusses Digi-
tale Agenda im Deutschen Bundestag. Ausschussdrucksache 18(24):121.
https://www.bundestag.de/blob/485034/e49c544c1ce3070ab660b9f3cd
6bb2e1/stellungnahme-boehm-data.pdf. Zugegriffen am 14.12.2016
272 Literatur
[BOL] Boldt K, Knieps S (2017) Digitale Sprachassistenten. Wie Alexa, Siri und
Co. unser Leben verändern werden. Die Welt. http://hd.welt.de/Digitale-Welt-
edition/article164266277/Wie-Alexa-Siri-und-Co-unser-Leben-veraendern-
werden.html. Zugegriffen am 04.05.2017
[BON] Bonchek M, Sangeet P (2015) Three elements of a successful platform stra-
tegy. Harv Bus Rev. https://hbr.org/2013/01/three-elements-of-a-successful-
platform. Zugegriffen am 31.01.2015
[BONNET] Bonnet D, Westerman G (2015) Business models. The best digital busi-
ness models put evolution before revolution. Harv Bus Rev. https://hbr.
org/2015/01/the-best-digital-business-models-put-evolution-before-
revolution. Zugegriffen am 20.01.2015
[BÖ] Böhm M, Gruber A, Sickert T (2016) Das Darknet ist besser als sein Ruf.
Spiegel Online. http://www.spiegel.de/netzwelt/web/warum-das-darknet-
besser-ist-als-sein-ruf-a-1105307.html. Zugegriffen am 30.07.2016
[BÖS] Bös N (2016) Wir müssen Fragen stellen wie Kinder. Frankf Allgem
Sonntagsztg. http://plus.faz.net/evr-editions/2016-12-10/41084/299209.
[BOR] Borchers D (2007) „Wir können keine Fehler machen“ – zum Geburts-
tag von HAL 9000. heise online. https://www.heise.de/newsticker/
meldung/Wir-koennen-keine-Fehler-machen-zum-10-Geburtstag-von-
HAL-9000-133738.html. Zugegriffen am 12.01.2007
[BOT] Botsman R, Rogers R (2011) What’s mine is yours – how collaborative
consumption is changing the way we live. Harper Collins, London
[BOYD] Cohen B (2012) 6 Components for Smart Cities. Smart Cities Wheel. UBM’s
Future Cities. http://www.ubmfuturecities.com/author.asp?section_id=219
&doc_id=524053
[BRAU] Braun H (2016) Sammelleidenschaft. Wie und wo Facebook seine Daten
zusammenträgt. c’t 24:76–79
[BROO] Brooks D (2013) The philosophy of data. The New York Times, New York.
http://www.nytimes.com/2013/02/05/opinion/brooks-the-philosophy-of-
data.html?_r=0. Zugegriffen am 04.02.2013
[BROO02] Brooks D (2014) What machines can’t do. The New York Times. http://
www.nytimes.com/2014/02/04/opinion/brooks-what-machines-cant-do.
[BRU] Bruns A, Burgess J (2012) Doing blog research: the computational turn.
ARC Centre of Excellence for Creative Industries and Innovation. Queens-
land University of Technology, Australia. http://snurb.info/files/2012/
Doing%20Blog%20Research%20(pre-print).pdf
[BRÜH] Brühn T, Götz G (2014) Die Modelle Uber und Airbnb. Unlauterer Wett-
bewerb oder eine neue Form der Sharing Economy. Justus-Liebig-Univer-
sität-Gießen. https://www.unigiessen.de/fbz/fb02/fb/professuren/vwl/goetz/
forschung/publikationenordner/beitraegezeitschriften/Brhn_Gtz_IfoSchnell
dienst.pdf. Zugegriffen im Okt. 2014
[BRY] Brynjolfsson E, McAffee A (2014) The second machine age. Work, pro-
gress, and prosperity in a time of brilliant technologies. W. W. Norton,
New York
[BU] Bunz M (2014) Digitales Spiegelkabinett. Unsere gestörte Beziehung zum
Internet ist reif für eine Kur. Digitale Wandel (Magazin für Internet und
Gesellschaft, Q2)
Literatur 273
[BUB] Budras C, Bernau P (2014) Google macht uns Angst, Herr Varian. Frankf
Allgem Ztg 34:16–17 (24.08.2014)
[BUDRAS] Budras C (2016) Vorsicht, kostenlos. Bei Facebook & Co bezahlen wir
nicht mit Geld, sondern mit unseren Daten. Das hat viel größere Konse-
quenzen, als wir dachten. Frankf Allgem Sonntagsztg 15:28 (25.11.2016)
[BUDRAS02] Budras C (2016) Wirtschaft. Unser neues Familienmitglied. Frankfur All-
gem Sonntagsztg vom 01.01.2016
[BUN] Bunz M (2012) Die stille Revolution: Wie Algorithmen Wissen, Arbeit,
Öffentlichkeit und Politik verändern, ohne dabei viel Lärm zu machen.
Suhrkamp, Berlin
[BURN] www.burningman.org (2017) A city in the desert. A culture of possibility.
A network of dreamers and doers. https://burningman.org
[BUS] Buschow C, Tworek H (2014) Wettbewerbsvorteile durch Gesetzgebung?
Debatten zum Nachrichtenschutz im Wandel der Zeit. Digitale Wandel
(Magazin für Internet und Gesellschaft [Internet]) 1(2):14–16
[BWE] Bundesministerium für Wirtschaft und Energie (2016) Digitalisierung und
Du. Wie sich unser Leben verändert. https://www.bmwi.de/Redaktion/
DE/Publikationen/Digitale-Welt/digitalisierung-und-du.html

[CAP] Capizzani M (2015) Airbnb: what’s next? Prioritizing opportunities in
Southern Europe. IESE Business School University of Navarra, Spain. http://
www.ieseinsight.com/fichaMaterial.aspx?pk=128048&idi=2&origen=3&i
dioma=2. Zugegriffen am 15.12.2015
[CARA] Caracciolo L (2015) Share Economy: Heilsbringer oder Kapitalismusfalle?
t3n Mag 40. http://t3n.de/magazin/share-economy-heilsbringer-kapitalis
musfalle-239044/. Zugegriffen am 29.09.2015
[CARAGLIU] Caragliu A, Del Bo C, Nijkamp P (2009) Smart cities in Europe. Serie
Research Memoranda 0048. VU University Amsterdam. ftp://zappa.ubvu.
vu.nl/20090048.pdf

[CARE] Fraunhofer Institut (2014) Care-O-bot. http://www.care-o-bot.de/de/care-o-
bot-3.html
[CARR] Carr N (2014) The limits of social engineering. MIT Technol Rev. http://www.
technologyreview.com/review/526561/the-limits-of-social-engineering/
[CEN] Cennamo C, Santalo J (2015) How to avoid platform traps. MIT Sloan
Manage Rev. Fall 2015. http://sloanreview.mit.edu/article/how-to-avoid-
platform-traps/
[CHAF] Chaffey D (2012) Facebook case study. Blog. https://blog.davechaffey.com/
2012/06/14/facebook-case-study/. Zugegriffen am 14.06.2012
[CHATT] Chatterjee S, Fitch K (2016) Uber: leading the sharing economy. Harv Bus
Rev. https://hbr.org/product/uber-leading-the-sharing-economy/W16087-
PDF-ENG. Zugegriffen am 22.03.2016
[CHOU] Chouard T (2016) The Go files: AI computer clinches victory against Go
champion. Nat Blog. http://www.nature.com/news/the-go-files-ai-computer-
wraps-up-4-1-victory-against-human-champion-1.19575. Zugegriffen am
12.03.2016
[CHRIS] Dernbach C (2009) Wie Tim Berners-Lee vor 20 Jahren das World Wide
Web erfand. http://www.mr-gadget.de/apple/2009-03-10/wie-tim-berners-
lee-vor-20-jahren-das-web-erfand
[CIV] https://civ-wiki.de (2017) Zitate bei Erforschung von Technologien. Civi-
lization Wiki. https://civ-wiki.de/wiki/Zitate_(Civ5)
274 Literatur
[CLA] Cluß U (2014) Der gläserne Verbrecher. Welt HD. http://hd.welt.de/ausgabe-b/

thema-des-tages-b/article131939978/Der-glaeserne-Verbrecher.html. Zuge-
griffen am 07.09.2014
[CLAY] Christensen C, Raynor R, McDonald R (2015) Disruptive innovation.
What is disruptive innovation? Harv Bus Rev. https://hbr.org/2015/12/
what-is-disruptive-innovation. Zugegriffen im Dez. 2015
[CLAY02] Christensen C (2016) The innovator’s dilemma: when new technologies
cause great firms to fail, 5. Aufl. Harvard Business Review Press, Boston
[CO] Cohen D (2017) Facebook Messenger now has more than 1.2 billion
monthly active users. Social Pro Daily. http://www.adweek.com/digital/
facebook-messenger-1-2-million-monthly-active-users/. Zugegriffen am
13.04.2017
[COWAN] Cowan M (2012) Inside the clone factory: the story of Germany’s Samwer
brothers. Wired Mag. http://www.wired.co.uk/magazine/archive/2012/04/
features/inside-the-clone-factory. Zugegriffen am 02.03.2012

[CRO] Crocoll S, Kowalsky M (2017) Ende des Privatlebens. Das große
Geschäft mit den Daten. Die Welt. https://www.welt.de/wirtschaft/bilanz/
article163233699/Was-Datenhaendler-alles-ueber-uns-wissen.html.
[CUP] cupertino.org (2017) Apple Campus 2. http://www.cupertino.org/?page=
26&recordid=798

[CZY] Czycholl H (2017) Neue Technik. „Gedruckte“ Häuser revolutionieren
das Bauen. Die Welt. https://www.welt.de/wissenschaft/article161158833/
Wie-gedruckte-Haeuser-das-Bauen-revolutionieren.html. Zugegriffen am
14.01.2017

[DAIM] Daimler (2017) CASE – Neue strategische Schwerpunktsetzung in der
Mercedes-Benz Car Strategie. https://www.daimler.com/innovation/specials/
elektromobilitaet/case.html
[DARK] www.wikipedia.org (2017) Darknet. https://de.wikipedia.org/wiki/Darknet
[DAV] Davies A (2016) GM and Lyft are building a network of self-driving cars.
www.wired.com. https://www.wired.com/2016/01/gm-and-lyft-are-building-
a-network-of-self-driving-cars/. Zugegriffen am 01.04.2016
[DAX01] Dax P (2014) Der große „Smart City“ Schwindel. Konferenz. Future-
zone.at. http://futurezone.at/digital-life/der-grosse-smart-city-schwindel/
70.209.138. Zugegriffen am 13.06.2014
[DAX02] Dax P (2014) Niemand weiss, was Smart City bedeutet [Interview]. Future
zone.at. http://futurezone.at/digital-life/niemand-weiss-was-smart-city-
bedeutet/70.823.281. Zugegriffen am 23.06.2014
[DEM] Dembach C (2016) Report. Apple Campus+2:. Magazin Mac & i, 2:26–27
[DEP] Depiereux P (2017) Digitale Transformation. Von Aufbruch kann
keine Rede sein. Die Welt. https://www.welt.de/wirtschaft/bilanz/
article164195913/Von-Aufbruchstimmung-kann-keine-Rede-sein.html.
[DETT] Dettweiler M (2017) Consumer electronics show. Was gibt’s Neues in Las
Vegas? Frankf Allgem Ztg. http://www.faz.net/aktuell/technik-motor/ces/
das-sind-die-neuigkeiten-auf-der-ces-in-las-vegas-14601667.html. Zuge-
Literatur 275

[DETT02] Dettweiler M (2016) Lautsprecher Echo im Test. Wer ist schlauer:
Amazon oder Google? Frankf Allgem Ztg. http://www.faz.net/aktuell/
technik-motor/computer-internet/lautsprecher-amazon-echo-im-test-
schlauer-als-google-home-14570322.html. Zugegriffen am 19.12.2016
[DIERS] Dierks C, Henke KD, Frank J, Hensmann J, Wilkens H (2011) Bürgerzent-
riertes Gesundheitswesen. Nomos Verlagsgesellschaft, Baden-Baden
[DOC] Doctor K (2015) What are they thinking? Eight principles for Matthias
Döpfner`s Transformation of Axel Springer. http://www.capitalnewyork.com/
article/media/2015/04/8565608/what-are-they-thinking-eight-principles-
transforming-axel-springer#
[DOLA] Dolata U (2011) Wandel durch Technik. Eine Theorie soziotechnischer
Transformation. Schriften aus dem Max-Planck-Institut für Gesellschafts-
ordnung, Köln, Bd 73. Campus, Frankfurt am Main
[DOLL] Doll N (2014) Autonomes Fahren. Hier lenkt der digitale Chauffeur. Welt HD.
http://hd.welt.de/ausgabe-b/thema-des-tages-b/article131939665/Hier-
lenkt-der-digitale-Chauffeur.html. Zugegriffen am 07.09.2014
[DOLL02] Doll N (2016) Untersuchung. Diese Daten sammeln Autos über ihre Fahrer.
Die Welt. https://www.welt.de/print/die_welt/finanzen/article159665896/
Moderne-Autos-sind-Datenkraken.html. Zugegriffen am 22.11.2016
[DOLL03] Doll N (2016) Die Taxi Branche sagt Uber den Kampf an. Die Welt. https://
www.welt.de/wirtschaft/article159779342/Deutsche-Taxi-Branche-sagt-
Uber-den-Kampf-an.html. Zugegriffen am 27.11.2016
[DOLL04] Doll N (2016) Neue Ethikregeln. Autonome Autos sollen zuerst Fußgän-
ger schützen. Die Welt. https://www.welt.de/wirtschaft/article160551011/
Autonome-Autos-sollen-zuerst-Fussgaenger-schuetzen.html. Zugegriffen
am 23.12.2016
[DOW] Downes L (2016) Regulation. The right and wrong ways to regulate
self-driving cars. Harv Bus Rev. https://hbr.org/2016/12/the-right-and-
wrong-ways-to-regulate-self-driving-cars. Zugegriffen am 06.12.2016
[DÖPF] Döpfner M (2006) Der Journalismus lebt. Welt. Essay. http://www.welt.
de/print-welt/article215176/Der-Journalismus-lebt.html. Zugegriffen am
08.05.2006
[DÖPF02] Döpfner M (2014) Offener Brief an Eric Schmidt. Warum wir Google
fürchten. Frankf Allgem Ztg. http://www.faz.net/aktuell/feuilleton/
medien/mathias-doepfner-warum-wir-google-fuerchten-12897463.
html?printPagedArticle=true#pageIndex_2. Zugegriffen am 16.04.2014
[DÖPF03] Döpfner M (2016) Virtuelle Realität. „Die Hysterie sollte den Fortschritt
nicht behindern“. Die Welt. https://www.welt.de/print/die_welt/wirtschaft/
article152706632/Die-Hysterie-sollte-den-Fortschritt-nicht-behindern.

[DP] DiePresse.com (2016) Airbnb will mit hunderten Städten Steuerdeals
schließen. Economist. Wirtschaftsnachrichten. http://diepresse.com/home/
wirtschaft/economist/5121899/Airbnb-will-mit-hunderten-Staedten-
Steuerdeals-schliessen. Zugegriffen am 22.11.2016

[DPA] DPA (2014) Große Datenmengen bewältigen. Der Tagesspiegel vom
08.10.2014. Rubrik Wissen & Forschen
[DRA] Dragon1 Inc. (2017) The UBER business model. https://www.dragon1.
com/solutions/business-modeling
276 Literatur
[DRU] Drucker P (1994) The theory of business. Harv Bus Rev. https://hbr.org/
1994/09/the-theory-of-the-business (September-October Issue)
[DRUCKER] Drucker P (2006) The effective executive: the definitive guide to getting
the right things done. Rev. Aufl. Harper Business, New York
[DUE] Dueck G (2017) Flachsinn: Ich habe Hirn, ich will hier raus, 1. Aufl. Cam-
pus, Frankfurt am Main
[DVA] vcard (2016) The race for AI: Google, Twitter, Apple in a rush to grab artificial
intelligence startups. https://www.linkedin.com/pulse/race-ai-google-twitter-
intel-apple-rush-grab-startups-varadharajan. Zugegriffen am 07.10.2016
[ECON] The Economist (2015) Silicon valley. To fly, to fall, to fly again. The tech
boom may get bumpy, but it will not end in a repeat of the dotcom crash.
The Economist Briefing section. http://www.economist.com/news/briefing/
21659722-tech-boom-may-get-bumpy-it-will-not-end-repeat-dotcom-
crash-fly. Zugegriffen am 25.07.2015
[ECON02] www.economist.com (2015) Taxis v Uber. A tale of two cities. http://
www.economist.com/news/united-states/21661016-does-uber-substitute-
cabs-or-attract-new-riders-it-depends-where-you-live-tale. Zugegriffen
am 15.08.2015
[ECON03] www.economist.com (2014) Platforms. Something to stand on. The Economist.
http://www.economist.com/news/special-report/21593583-proliferating-
digital-platforms-will-be-heart-tomorrows-economy-and-even. Zugegriffen
am 18.01.2014
[EDE] Edelman B (2015) How to launch your digital platform. Harv Bus Rev
(April Issue). https://hbr.org/2015/04/how-to-launch-your-digital-platform.
Zugegriffen im April 2015
[EICH] Eichhorst W, Spermann A (2015) Sharing economy – Chancen, Risiken
und Gestaltungsoptionen für den Arbeitsmarkt. IZA Research Report No. 69.
http://www.ifm-bonn.org/uploads/tx_ifmstudies/Denkpapier_sharing__
econom-2016.pdf. Zugegriffen am Dez. 2015
[EL] Seal E (2014) Growth studies. AirBnB. The growth story you didn’t know
(by: Growth Hackers). https://growthhackers.com/growth-studies/airbnb
[EMC03] EMC (2014) Studie „EMC Digital Universe“ – Digitales Universum explo-
diert durch Sensordaten. http://germany.emc.com/about/news/press/2014/
20140409-01.htm
[EP] Epstein Z (2016) New Year’s Eve surge pricing enrages Uber users; one
man hit with $1,100 fare. http://bgr.com/2016/01/04/new-years-eve-uber-
surge-pricing-reactions/
[ETV] www.etventure.com (2016) Mangelnde Entschlossenheit in Chefetagen
bedroht Digitale Transformation in Großunternehmen, Berlin. http://www.
etventure.de/wp-content/uploads/2016/03/etventure-gfk-deutschlandstu
die-digitale-transformation-epaper.pdf
[EVANS] Evans P, Gawer A (2016) The rise of platform enterprise. A global survey. The
Emerging Platform Economy Series, No. 1. http://thecge.net/wp-content/
uploads/2016/01/PDF-WEB-Platform-Survey_01_12.pdf
[FACE] Facebook (2017) https://newsroom.fb.com/company-info/
[FAZ06] FAZ.Net (2014) Wehrt Euch. Enzensberger Regeln für die digitale Welt.
Debatten. FAZ.Net. http://www.faz.net/aktuell/feuilleton/debatten/enzens-
bergers-regeln-fuer-die-digitale-welt-wehrt-euch-12826195.html
Literatur 277
[FE] Feil F (2016) shareBW: Die Chancen und Risiken der Share Economy.
https://www.techtag.de/it-und-hightech/share-economy/sharebw-die-
chancen-und-risiken-der-share-economy/
[FER] Ferscha A (2007) Persuasive computing: connected > aware > smart. In:
Die Informatisierung des Alltags. Springer, Berlin/Heidelberg

[FEREN] Ferenstein G (2014) Two new studies show why Uber makes more
productive and less congested. Venturebeat.com. https://venturebeat.
com/2014/09/03/two-new-studies-show-why-uber-makes-cities-more-
productive-and-less-congested/. Zugegriffen am 03.09.2014
[FG] Fitzgerald J (2015) „Disruptive innovation“ detractor responds to criticisms.
Boston Globe. https://www.bostonglobe.com/business/2015/10/24/disruptive-
innovation-detractor-responds-criticisms/Nvt6JYxVfXLISIFwA41H1O/
story.html. Zugegriffen am 25.10.2015
[FI] Fischer H (2017) Autoindustrie. Die Kleinen kommen. Brand eins Ausgabe
01/2017. https://www.brandeins.de/archiv/2017/offenheit/autoindustrie-
die-kleinen-kommen/
[FO] Ford P (2015) Unsere letzte Erfindung? Technol Rev 12. https://www.
heise.de/tr/artikel/Unsere-letzte-Erfindung-3152050.html
[FRIE] Friess C (2016) Griff in die Zukunft. Die Welt vom 24. April 2016. Son-
derausgabe Industrie 4.0, S 3
[FRIE02] Friess C (2016) Die vier Stufen der Robotik Revolution. In: Die Welt vom
24. April 2016. Sonderausgabe Industrie 4.0, S 4
[FROMM] Fromm T (2015) Google hat nicht vor ein Automobilhersteller zu wer-
den. Süddtsch Ztg. vom 16.9.2015. http://www.sueddeutsche.de/wirtschaft/
iaa-google-hat-nicht-vor-ein-autohersteller-zu-werden-1.2649955

[FRÜ] Fründt S, Wetzel D (2016) Kampf gegen Hotelportale. Mann beißt
Maschine. Die Welt. https://www.welt.de/wirtschaft/article159833331/
Der-einsame-Kampf-gegen-die-maechtigen-Buchungsportale.html. Zuge-
[FRÜN] Fründt S, Fuest B (2013) Facebook wird uncool, ist aber unverzichtbar. Die
Welt. https://www.welt.de/wirtschaft/webwelt/article120024596/Facebook-
wird-uncool-ist-aber-unverzichtbar.html. Zugegriffen am 15.09.2013
[FUEST] Fuest B, Heuzeroth T, Jüngling T (2014) Google ist überall. Welt am
Sonntag 3:32 (19. Januar 2014, Rubrik Wirtschaft)
[FUEST01] Fuest B (2015) Irren ist IT. Welt am Sonntag 31:30 (02.08.2015, Rubrik
Wirtschaft)
[FUEST02] Fuest B (2016) Digitale Kriegsführung. „Diese Attacke war der Testlauf einer
mächtigen Cyberwaffe“. Welt. https://www.welt.de/wirtschaft/webwelt/
article158986045/Diese-Attacke-war-der-Testlauf-einer-maechtigen-
Cyberwaffe.html. Zugegriffen am 24.10.2016
[FUEST03] Fuest B (2016) Online Netzwerk. Wie Facebook seine Nutzer vermarktet. Die
Welt. http://hd.welt.de/Finanzen-edition/article152965423/Wie-Facebook-
seine-Nutzer-vermarktet-html. Zugegriffen am 06.03.2016
[FUEST04] Fuest B, Nagel L, Neller M (2016) Der Krieg im Netz. Welt am Sonntag
49:2–3 (04.12.2016)
[FUEST05] Fuest B, Heuzeroth T, Vetter P (2017) Cebit-Ternd. Das intelligente Auto
kommt früher als gedacht. Die Welt. https://www.welt.de/wirtschaft/
article162987224/Das-intelligente-Auto-kommt-schneller-als-gedacht.
278 Literatur
[FUEST06] Fuest B (2016) Künstliche Intelligenz. Die deutschen Computer-Flüs-

terer. Die Welt. https://www.welt.de/wirtschaft/article159112547/Wie-
Saarbruecker-Forscher-die-Welt-revolutionieren.html. Zugegriffen am
28.10.2016
[FUEST07] Fuest B, Vetter P (2016) Einzelhandel. Amazon ist das neue Feindbild der
Kassiererin. Die Welt. https://www.welt.de/wirtschaft/video160049788/
Amazon-ist-das-neue-Feindbild-der-Kassiererin.html. Zugegriffen am
06.12.2016
[FUEST08] Fuest B (2016) Industrialisierung. Diese Jobs erledigt die künstliche Intel-
ligenz. Die Welt. https://www.welt.de/wirtschaft/article159739614/Diese-
Jobs-erledigt-kuenftig-die-kuenstliche-Intelligenz.html. Zugegriffen am
25.11.2016

[FUEST09] Fuest B (2017) Internet-Störung. Ein Tippfehler zwingt Amazons
Server in die Knie. Welt. https://www.welt.de/wirtschaft/webwelt/
article162557413/Ein-Tippfehler-zwingt-Amazons-Server-in-die-Knie.
[FUJI] Fujisawa (2014) Fujisawa sustainable smart town. http://panasonic.net/
es/solution-works/fujisawa/
[GA] Gassmann M (2017) Einzelhandel. Die Online-Revolution frisst Filialen.
Die Welt. https://www.welt.de/wirtschaft/article161812481/Dem-deutschen-
Einzelhandel-droht-ein-Massensterben.html. Zugegriffen am 05.02.2017
[GA01] Gassmann M (2016) Alibaba kommt ein bisschen nach Deutschland. Welt
am Sonntag 44:48 (30.10.2016)
[GAB] Gabriel M (2016) Maschinen können nicht denken. Frankf Allgem Sonn-
tagsztg 10:29 (13.03.2016)
[GABL] Gabler Wirtschaftslexikon (2017) Internet der Dinge. http://wirtschaftsle
xikon.gabler.de/Definition/internet-der-dinge.html
[GANS] Gans J (2016) The disruption dilemma. Harv Bus Rev. https://hbr.org/2016/
03/the-other-disruption
[GANS02] Gans J (2016) The other disruption. MIT Press, Cambridge
[GANS03] Gans J (2016) Internet. What would it take to disrupt a platform like
Facebook? Harv Bus Rev. https://hbr.org/2016/03/what-would-it-take-to-
disrupt-a-platform-like-facebook. Zugegriffen am 23.03.2016
[GASS01] Gassmann O, Frankenberger K, Csik M (2013) Geschäftsmodelle entwi-
ckeln. 55 innovative Konzepte mit dem St. Galler Business Model Navi-
gator. Carl Hanser Verlag, München
[GEH] von Gehlen D (2016) Lasst euch von den Alarm-Autoren keine Angst
machen! Süddeutsche.de digital. http://www.sueddeutsche.de/digital/
digitalisierung-lasst-euch-von-den-alarm-autoren-keine-angst-
machen-1.3113336. Zugegriffen am 09.08.2016
[GEIG] Geiger T (2016) AirBnB-Prinzip. Das eigene Auto teilen – warum eigentlich
nicht? Die Welt. https://www.welt.de/motor/article159624471/So-funktio-
niert-das-AirBnB-Prinzip-fuers-Auto.html. Zugegriffen am 23.11.2016
[GEISE] Geiselberger H, Moorstedt T (2013) Big Data. Das neue Versprechen der
Allwissenheit. Suhrkamp. Berlin
[GERON] Geron T (2012) Airbnb had $56 million impact on San Francisco: study.
Forbes Mag. https://www.forbes.com/sites/tomiogeron/2012/11/09/study-
airbnb-had-56-million-impact-on-san-francisco/#60d973763962. Zuge-
Literatur 279
[GIFF] Giffinger R, Fertner C, Kramar H, Kalasek R, Pichler-Milanovic N,

Meijers E (2007) Smart cities – ranking of European medium-sized cities.
Research report. University of Technology, Vienna. http://www.smart-
cities.eu/download/smart_cities_final_report.pdf
[GIES] Gieselmann H, Herbig D (2017) Virtuelle Goldgräber. VR- und Spiele-Ent-
wicklung auf der GDC 2017. c’t 7:40–44
[GNE] Gneuss M (2017) Studie. So kann Deutschland sein Wachstum sichern.
Welt. https://www.welt.de/print/die_welt/finanzen/article161020047/
Wachstum-trotz-Krise.html. Zugegriffen am 10.01.2017
[GOOGLE] Google Inc. (2015) Google – Unternehmensprofil. http://www.google.com/
about/company/
[GOS] Gossen M, Henseling C, Bätzing M Flick C (2015) Peer-to-peer sharing:
Einschätzungen und Erfahrungen. Peer Sharing Arbeitsbericht 3. Institut
für ökologische Wirtschaftsforschung. http://www.peersharing.de/data/
peersharing/user_upload/Dateien/PeerSharing_Ergebnispapier_AP4_
Vorstudie_final_neu.pdf
[GOV01] Department for Business Innovation & Skills (2013) Smart cities. Back
ground paper. London. https://www.gov.uk/government/uploads/system/
uploads/attachment_data/file/246019/bis-13-1209-smart-cities-background-
paper-digital.pdf. Zugegriffen im Okt. 2013
[GRA] Graham M (2012) Big data and the end of theory? The Guardian, DataBlog.
http://www.theguardian.com/news/datablog/2012/mar/09/big-data-theory
[GRATH] McGrath R (2014) Review of „Social Physics“ by Alex Pentland. McGrath’s
Blog. http://robertmcgrath.wordpress.com/the-next-big-thing/review-of-
social-physics-by-alex-pentland/
[GRÄ] Grätzel von Grätz P (2016) Elektronische Patientenakten. Deutschland
verliert den Anschluss. Ärzte Ztg. http://www.aerztezeitung.de/praxis_
wirtschaft/e-health/article/922889/elektronische-patientenakten-deutschland-
verliert-anschluss.html. Zugegriffen am 04.11.2016
[GREE] Greene K (2008) Reality mining. MIT Technol Rev. http://mitpress.mit.
edu/books/reality-mining

[GRIM] Grimming R (2010) 40 Jahre Intel „Nur die Paranoiden überleben“.
Süddtsch Ztg. http://www.sueddeutsche.de/digital/jahre-intel-nur-die-
paranoiden-ueberleben-1.590551. Zugegriffen am 17.05.2010
[GRO] Gropp M (2016) Apples Raumschiff. Frankf Allgem Ztg. http://www.faz.
net/aktuell/wirtschaft/apples-raumschiff-14085747.html. Zugegriffen am
24.02.2016
[GRO] statista (2017) Anzahl der Internetnutzer weltweit in den Jahren 2013 bis
2015 sowie eine Prognose bis 2020 (in Milliarden). https://de.statista.com/
statistik/daten/studie/267974/umfrage/prognose-zum-weltweit-generierten-
datenvolumen/
[GROVE] Gove A (1998) Only the paranoid survive. Profile Books
[GRU] Gruber A, Sickert T (2016) Was ist eigentlich das Darknet? Spiegel Online.
http://www.spiegel.de/netzwelt/web/waffe-des-muenchen-amoklaeufers-
was-ist-eigentlich-das-darknet-a-1104549.html. Zugegriffen am 25.07.2016
[GRÜL] Grüling D (2013) Intelligenten Wohnungen gehört die Zukunft. Technik
zu Hause. Die Welt vom 30.11.2013. http://www.welt.de/wissenschaft/
article122392951/Intelligenten-Wohnungen-gehoert-die-Zukunft.html.
280 Literatur
[GUL] www.gulli.com (2016) Edward Snowden über Fake News und Überwa-
chung im Netz. News. http://www.gulli.com/news/28047-edward-snowden-
ueber-fake-news-und-ueberwachung-im-netz-2016-12-14. Zugegriffen am
14.12.2016
[HA] Haucap J (2015) Ordnungspolitische Perspektiven Nr. 69. Ökonomie des
Teilens – nachhaltig und innovativ? Die Chancen der Sharing Economy
und ihre möglichen Risiken und Nebenwirkungen. Düsseldorfer Institut für
Wettbewerbsökonomie. http://dupress.de/fileadmin/redaktion/DUP/Info_
PDFs/Reihen/Wirtschaftswissenschaften/DICE_OP/OP_69_Haucap.pdf
[HA02] Haucap J (2016) Sharing economy: Die Chancen nicht vergeben. irights.info.
https://irights.info/artikel/sharing-economy-die-chancen-nicht-vergeben/
26761. Zugegriffen am 21.01.2016
[HAB] Haber T (2015) Teile und herrsche. Süddtsch Ztg Mag 27. http://sz-magazin.
sueddeutsche.de/texte/anzeigen/43284/Teile-und-herrsche
[HAG] Hagiu A, Rothman S (2016) Network effects aren’t enough. Harv Bus Rev
(April Issue). https://hbr.org/2016/04/network-effects-arent-enough. Zuge-
griffen im April 2016
[HAI] Hairapetian M (2001) Odyssee im Weltraum. Die dunkle Seite der Intel-
ligenz. Spiegel Online. http://www.spiegel.de/kultur/kino/odyssee-im-
weltraum-die-dunkle-seite-der-intelligenz-a-118483.html. Zugegriffen
am 15.02.2001
[HALL] Hall J, Krueger A (2015) An analysis of the labor market for Uber’s
driver-partner in the United States. https://irs.princeton.edu/sites/irs/
files/An%20Analysis%20of%20the%20Labor%20Market%20for%20
Uber’s%20Driver-Partners%20in%20the%20United%20States%20587.pdf
[HAN01] Byung-Chul H (2014) Psychopolitik. Neoliberalismus und die neuen
Machttechniken. S. Fischer Wissenschaft, Frankfurt am Main
[HAN02] Byung-Chul H (2013) Im Schwarm. Ansichten des Digitalen. Matthes &
Seitz, Berlin
[HAN03] Byung-Chul H (2014) Neoliberales Herrschaftssystem. Warum heute
keine Revolution möglich ist. Süddtsch Ztg. http://www.sueddeutsche.
de/politik/neoliberales-herrschaftssystem-warum-heute-keine-revolution-
moeglich-ist-1.2110256. Zugegriffen am 03.09.2014
[HANK] Hank R, Meck G (2016) Okay, Jungs, zeigt, was ihr könnt. Frankf Allgem
Sonntagsztg 46:25 (20.11.2016, Rubrik Wirtschaft)
[HAR] Heinrichs H, Grunenberg H (2012) Sharing economy: Auf dem Weg in
eine neue Konsumkultur? Leibnitz Institut für Sozialwissenschaften.
http://www.ssoar.info/ssoar/handle/document/42748
[HARA] Harari Y (2016) Homo deus. A brief history of tomorrow, 1. Aufl. Harvill
Secker
[HARVA] Auchincloss J (2014) Social physics as a public utility. http://datasmart.
ash.harvard.edu/news/article/social-physics-as-a-public-utility-461
[HATZELHOFFER01] Hatzelhoffer L et al (2012) Smart city konkret. Eine Zukunftswerkstatt in
Deutschland zwischen Idee und Praxis. Jovis Verlag, Berlin
[HATZELHOFFER02] Hatzelhoffer L (2011) Die ubiquitäre Stadt – Hype oder Blick in eine
smarte Zukunft; Bauwelt 24/2011. Thema: Virtuelle Stadt, ubiquitäre
Stadt
[HÄU] Häusler T, Häusler J (2012) Netzgemüse: Aufzucht und Pflege der Gene-
ration Internet. Goldmann Verlag, München
Literatur 281
[HE] Helbing D, Frey B, Gigerenzer G, Hafen E, Hagner M, Hofstetter Y,

Hoven van den J, Zicari R, Zwitter A (2016) Digital-Manifest (I). Digitale
Demokratie statt Diktatur. Spektrum der Wissenschaft SPEZIAL – Die
Theorie von Allem. http://www.spektrum.de/news/wie-algorithmen-und-
big-data-unsere-zukunft-bestimmen/1375933. Zugegriffen im Jan. 2016
[HEC] Hecking M (2016) Uber. Lyft, Gett – der Run auf Mitfahrdienste. Warum
jetzt alle Autobauer auf Uber machen. Manag Mag. http://www.manager-
magazin.de/unternehmen/autoindustrie/uber-lyft-gett-der-run-der-
autobauer-auf-ridesharing-anbieter-a-1094059.html. Zugegriffen am
25.05.2016
[HEC02] Hecking M (2016) Airbnbs Guerilla-Strategie. Wie Airbnb den Kampf um
Berlin doch noch gewinnen will. Manag Mag. http://www.manager-magazin.
de/unternehmen/it/airbnbs-guerilla-strategie-in-berlin-a-1097330-5.html.
[HECK] Hecking M (2015) 4 Wettbewerber starten Angriff auf US-Fahrdienst.
Mega-Allianz gegen Uber reicht von Singapor bis San Francisco.
Manag Mag. http://www.manager-magazin.de/unternehmen/it/uber-
konkurrenten-allianz-startet-angriff-auf-us-fahrdienst-a-1066471.html.
[HEG] Hegmann G (2016) „Fliegende Erfüllungszentren“. Amazon meldet Patent
für Warenhaus-Luftschiffe an. Die Welt. https://www.welt.de/wirtschaft/
article160688312/Amazon-plant-Warenhaus-Luftschiffe-ueber-Staedten.
[HEID] Heidrich J (2016) Ausgebremst. Rechtliche Schranken für Big-Data-Aus-
wertungen. c’t 3(2017?)
[HEIN] Hentrich C, Pachmajer M (2016) d.quarks – Der Weg zum digitalen Unter-
nehmen. Murmann Publishers GmbH, Hamburg
[HELB] Helbing D (2010) Pluralistic modelling of complex systems. http://arxiv.
org/pdf/1007.2818.pdf
[HELL] Heller P (2016) Immer auf Empfang. Informatiker analysieren die Rou-
ter-Ausfälle der Telekom – und das geheime Wettrüsten, das dahinter-
steckt. Frankf Allgem Sonntagsztg 48:70 (04.12.2016)
[HELM] Helminger P (2010) Luxembourg goes smart. http://summit2010.uni.lu/
publish/100602%20VdL%20Future%20Internet%20def.pdf
[HER] Hery-Moßmann N (2015) Was ist ein Bot? Einfach erklärt. Praxistipps
Chip. http://praxistipps.chip.de/was-ist-ein-bot-einfach-erklaert_41363.
[HEU] Heuser J (2014) Jeremy Rifkin. „Die Wirtschaft trägt sich von selbst“.
Zeit Online. http://www.zeit.de/2014/50/jeremy-rifkin-kapitalismus-
revolution. Zugegriffen am 04.12.2014
[HEUS] Heuer S, Range T (2014) #google #fail. Brand eins Ausgabe 11/2014 –
Schwerpunkt Scheitern. https://www.brandeins.de/archiv/2014/scheitern/
googles-flops-google-fail/
[HEUS02] Heuer S, Range T (2016) Blockchain. Durchsichtige Geschäfte. Brand
eins – Ausgabe 05/2016. https://www.brandeins.de/archiv/2016/wir/
bitcoin-blockchain-don-tapscott-interview/
[HEUZ] Fuest B, Heuzeroth T, Doll, N, Wilton J (2016) Analyse. Macht Facebook jetzt
den Kanzler. Die Welt. http://hd.welt.de/politik-edition/article159611000/
Macht-Facebook-jetzt-den-Kanzler.html. Zugegriffen am 20.11.2016
282 Literatur
[HEUZ02] Heuzeroth T (2017) Digitale Souveränität. Dobrindt plant Datenpass für

jedes Auto. Die Welt. https://www.welt.de/wirtschaft/article162996396/
Verkehrsminister-plant-Datenpass-fuer-jedes-Auto.html. Zugegriffen am
20.03.2017
[HEUZ03] Heuzeroth T (2017) Technische Neuheiten. Die Zukunft ist jetzt. Die Welt.
https://www.welt.de/wirtschaft/article160810375/Und-ein-intelligenter-
Gegenstand-ist-besonders-skurril.html. Zugegriffen am 03.01.2017
[HEUZ04] Heuzeroth T (2017) Entwicklerkonferenz I/O. Das iPhone wird intelli-
genter – dank Google. Die Welt. https://www.welt.de/wirtschaft/webwelt/
article164684617/Google-jagt-Apples-Siri-mit-kuenstlicher-Intelligenz.
[HEUZ05] Heuzeroth T (2017) Jetzt sind sogar Haarbürste und Haustier vernetzt. Die Welt.
https://www.welt.de/wirtschaft/webwelt/article160888789/Jetzt-sind-so-
gar-Haarbuerste-und-Haustier-vernetzt.html. Zugegriffen am 05.01.2017
[HIL] Hildebrandt R (2015) Klapperbegriffe – „Die Chinesen“ sind gemein! Auf
www.dynamikrobust.com. http://dynamikrobust.com/klapperbegriffe-die-
chinesen-sind-gemein/. Zugegriffen am 25.04.2015

[HILL] Hillje J (2016) Populisten gewinnen Wahlen mit Hilfe der sozialen
Netzwerke. Die kann man aber auch gegen Trump & Co. einsetzen.
Frankf Allgem Sonntagsztg. http://www.faz.net/aktuell/politik/inland/
macht-der-medien-wie-facebook-die-politik-spaltet-14524894.html.
[HM] Hoffmeister C (2013) Digitale Geschäftsmodelle richtig einschätzen. Carl
Hanser Verlag, München
[HOF] Hofstetter Y (2014) Sie wissen alles. Wie intelligente Maschinen in unser
Leben eindringen und warum wir für unsere Freiheit kämpfen müssen.
C. Bertelsmann Verlag, München
[HOFF] Hoffmann H (2016) Megatrend Streaming. Frankf Allgem Ztg. Verlags-
spezial „Digital Lifestyle“ vom 23.10.2016, S V1
[HOL] Holzer B (2016) Gefangen in der Filterblase? Frankf Allgem Sonntagsztg.
Rubrik: Wissenschaft. http://www.faz.net/aktuell/wissen/ins-netz-gegangen/
internetnutzer-befinden-sich-in-einer-filterblase-14503725.html. Zugegrif-
fen am 30.10.2016
[HOLLER] Hollersen W (2014) Die Macht der Mathematik. Welt am Sonntag vom
07.09.2014. Rubrik Wissen. Nr. 36
[HÜ] Hüther G (2014) Jedes Kind ist hochbegabt. btb Verlag, München
[HUI] Hui Y (2010) The computational turn, or, a new Weltbild. J Thematic Dia-
logue. ISSN: 1176–5119. http://digitalmilieu.net/?p=70. Zugegriffen am
01.12.2010
[HUM] Hummel P (2017) DeepStack. Dieser Algorithmus zieht sogar Pokerprofis
ab. Die Welt. https://www.welt.de/wissenschaft/article162533199/Dieser-
Algorithmus-zieht-sogar-Pokerprofis-ab.html. Zugegriffen am 02.03.2017
[HUM02] Hummel P, Jiménez F (2016) Spracherkennung. Siris Geschwister helfen
Historikern und der NSA. Die Welt https://www.welt.de/wissenschaft/
article160381009/Wir-stehen-an-der-Schwelle-Es-ist-greifbar.html.
[IAN] Iansiti M, Lakhani K (2014) Digital ubiquity: how connections, sensors,
and data are revolutionizing business. Harv Bus Rev. https://hbr.org/
2014/11/digital-ubiquity-how-connections-sensors-and-data-are-
revolutionizing-business. Zugegriffen im Nov. 2014
Literatur 283
[IBM05] IBM (2014) IBM Watson accelerates global expansion. New York. http://
www-03.ibm.com/press/us/en/pressrelease/45022.wss
[IBRA] Ibrahim S (2014) Digitales Börsengeschäft. Die Macht der Algorithmen.
Deutschlandfunk http://www.deutschlandfunk.de/digitalisiertes-boersenge-
schaeft-die-macht-der-algorithmen.724.de.html?dram:article_id=301491.
[IPOA] Intellectual Property Owners Association (2015) 2015 Top patent owners.
http://www.ipo.org/wp-content/uploads/2016/06/2015-Top-300-Patent-
Owners.pdf
[JA01] Jaekel M, Bronnert K (2013) Die digitale Entwicklung moderner Groß-
städte. Apps-basierte innovative Geschäftsmodelle für neue Urbanität.
Springer Vieweg, München
[JA02] Jaekel M (2015) Smart City wird Realität. Springer Vieweg, München
[JA03] Jaekel M (2016) Die Anatomie digitaler Geschäftsmodelle. Springer Vieweg,
München
[JA04] Jaekel M, Bronnert K (2011) White paper: Apps-orientierte Geschäftsansätze auf
der Basis von Cloud Computing. Atos IT-Solutions and Services GmbH,
München. http://competence-site.de/cloudcomputing/Apps-orientierte-
Geschaeftsansaetze-auf-der-Basis-von-Cloud-Computing
[JA05] Jaekel M, Bronnert K (2012) White paper: Intelligente Mega Cities durch
Cloud Computing- basierte-Dienste-Plattformen. Atos IT Solutions and
Services GmbH, München. http://www.bwcon.de/fileadmin/_bwcon/
Newsletter-Bilder/2012/03_Maerz_2012/White_Paper_Intelligente_
Mega_Cities_durch_Cloud_Computing-basierte_Dienste_Plattformen.pdf
[JA06] Jaekel M, Bronnert K, Luhn A (2010) Strategy thesis paper: Cloud Com-
puting trifft das Smart Grid – Initial für eine Geschäftsmodellrevolution.
Atos IT Solutions and Services GmbH, München. http://2011.cebit-studio-
mittelstand.de/dlf/8612a8a9429ae5b1a853d4b5cd546f4a
[JANS] Jansen J (2016) Künstliche Intelligenz. Google Maschine lernt ihre eigene
Sprache. Frankf Allgem Ztg. http://www.faz.net/aktuell/wirtschaft/netzwirt
schaft/kuenstliche-intelligenz-googles-maschine-lernt-ihre-eigene-sprache-
14554153.html. Zugegriffen am 02.12.2016
[JEN] www.jenniferlynmorone.com (2017) Jennifer Lyn Morone TM Inc.
[JIM] Fuest B, Jiménez F (2016) Cambridge Analytica. Die Firma, die Wähler mani-
pulieren will. Die Welt. https://www.welt.de/wissenschaft/article160053971/
Koennen-Facebook-Likes-wirklich-Wahlen-entscheiden.html. Zugegriffen
am 06.12.2016
[JIM02] Jiménez F, Giesler J (2016) Moderne Gesichtserkennung. Voll durchschaut.
Die Welt. https://www.welt.de/print/wams/wissen/article152973896/Total-
durchschaut.html. Zugegriffen am 06.03.2016
[JJA] jja (2009) Die bizarrsten Zitate von Kaiser Wilhelm II. Süddutsch Ztg. http://
www.sueddeutsche.de/politik/die-bizarrsten-zitate-von-kaiser-wilhelm-ii-
blut-muss-fliessen-viel-blut-1.470594-14. Zugegriffen am 27.01.2009
[JO] Jobs S (2011) Steve Jobs’Stanford-Rede. „Bleiben Sie hungrig. Bleiben Sie
verrückt.“ Wirtschaftwoche. http://www.wiwo.de/unternehmen/steve-jobs-
stanford-rede-bleiben-sie-hungrig-bleiben-sie-verrueckt-seite-4/5332774-4.
[JOD] Jodidio P (2012) Oscar Niemeyer. Die ewige Morgenröte. Taschen Verlag,
Köln
284 Literatur
[JONDA] Jonda M (2004) Szenario-Management digitaler Geschäftsmodelle – Skizze

einer Geschäftsmodellierung am Beispiel von Mobile-Health-Dienstleis-
tungen. Dissertation. Universität Oldenburg, http://oops.uni-oldenburg.
de/127/1/jonsze04.pdf
[JUN] Junginger M (2016) Digitalisierung als Werkzeug der Evolution. Mor-
genstadt Werkstatt. Fraunhofer Institutszentrum Stuttgart. http://www.
morgenstadt.de/de/veranstaltungen/morgenstadt-werkstatt.html. Zuge-
griffen am 27.–28.09.2016
[KAGE] Kageki N (2012) An uncanny mind: Masahiro Mori on the uncanny valley
and beyond. IEEE Spectrum. http://spectrum.ieee.org/automaton/robotics/
humanoids/an-uncanny-mind-masahiro-mori-on-the-uncanny-valley
[KAI] Kaiser T (2016) Gesundheit. Die seltsame Angst vor der digitalen Patienten-
akte. Die Welt. https://www.welt.de/wirtschaft/article159020781/Die-seltsa-
me-Angst-vor-der-digitalen-Patientenakte.html. Zugegriffen am 25.10.2016
[KAI02] Kaiser T (2016) Analyse. Künstliche Intelligenz soll den Wohlstand meh-
ren. Die Welt. https://www.welt.de/wirtschaft/webwelt/article159664635/
Kuenstliche-Intelligenz-wird-zum-Turbo-fuer-unseren-Wohlstand.html.
[KAL] Kalafat H (2014) Physiker warnt vor künstlicher Intelligenz. Handelsblatt.
http://www.handelsblatt.com/technik/forschung-innovation/stephen-
hawking-physiker-warnt-vor-kuenstlicher-intelligenz/11067072.html.
[KAU] Kaufhold H (2016) Puerto Rico. „Viele Uber-Fahrer sind schon ver-
prügelt worden“. Die Welt. https://www.welt.de/reise/staedtereisen/
article160326980/Viele-Uber-Fahrer-sind-schon-verpruegelt-worden.
[KAUB] Kaub G (2013) Ökonomie des Teilens. 15 Nutzungsgemeinschaften im
Überblick. https://media.arbeiterkammer.at/stmk/Sharing_Economy_2013_
barrierefrei.pdf
[KE01] Kelly K (1998) New rules for the new economy. 10 radical strategies for a
connected world, 1. Aufl. Viking Adult, New York
[KEESE] Keese C (2014) Silicon Valley: Was aus dem mächtigsten Tal der Welt auf
uns zukommt. Albrecht Knaus Verlag, München

[KEL] Kelly K (2009) The Technium: increasing ubiquity. http://kk.org/
thetechnium/increasing-ubiq/
[KELLY] Kelly K (2016) The inevitable: understanding the 12 technological forces
that will shape our future. Viking Verlag/Penguin Random House, New York
[KELLER] Keller L (2017) Die Blockchain. Vom Enfant terrible zum Fintech-Star. c’t
7:126–128
[KEN] Kenney M, Zysman J (2015) Choosing a future in the platform economy:
the implications and consequences of digital platforms. Kauffmann Foun-
dation New Entrepreneurial Growth Conference, Discussion Paper, Amelia
Island. http://www.brie.berkeley.edu/wp-content/uploads/2015/02/Platfor
mEconomy2DistributeJune21.pdf. Zugegriffen am 18/19.06.2015
[KIE] Kietzmann N (2014) Zaha Hadid: Es gibt keine einfachen Formeln
mehr. Premiumpark. Interview. http://www.premiumpark.de/interview/
„es-gibt-keine-einfachen-formeln-mehr“
[KING] King A, Baartartogtokh B (2015) How useful IS the theory of disruptive innova-
tion? MIT Sloan Research Review Magazine Fall 2015 Research Feature. http://
sloanreview.mit.edu/article/how-useful-is-the-theory-of-disruptive-innovation/
Literatur 285
[KL] Klotz U (2014) Arbeit ohne festen Arbeitsplatz. Digitale Wandel (Maga-
zin für Internet und Gesellschaft, Q2)
[KLA] Klawitter N (2016) Angestellte bei Airbnb und Uber. Spiegel Online.
http://www.spiegel.de/wirtschaft/airbnb-und-uber-was-steckt-hinter-der-
sharing-economy-a-1083971.html. Zugegriffen am 22.03.2016

[KLÄS] Kläschen J (2013) iHealth. Besser leben mit Gesundheits-Gadgets.
MacLife. September
[KLE] Klemm T (2016) Die Facebook-Fibel. Frankf Allgem Sonntagsztg 10:41
(11.03.2016)
[KLE02] Klemm T (2016) Bankberatung vom Roboter. Frankf Allgem Sonntagsztg
42:31 (23.10.2016)
[KLEMP] Klempert O, Jüngling T (2012) Eine Seele von Mensch. Welt am Sonntag,
Wissen, 20.05.2012, S 62
[KLOEP] Klöpfer I (2016) Für uns gelten strengere Regeln als für AirBnB. Frankf
Allgem Sonntagsztg 10:40 (13.03.2016)

[KLOEP02] Klöpfer I (2015) Sebastian Thrun im Gespräch. „Ich will die Uni-
landschaft revolutionieren“. Frankf Allgem Ztg. http://www.faz.net/
aktuell/wirtschaft/menschen-wirtschaft/sebastian-thrun-im-gespraech-ueber-
seine-online-uni-udacity-13363384.html. Zugegriffen am 11.01.2015
[KÖ] Kösch S (2013) Internet Macht Dicht. Geschlossene Gesellschaft. De.Bug
Mag. http://de-bug.de/mag/internet-macht-dicht-geschlossene-gesellschaft/
[KÖLL] Kölling M (2017) Masayoshi Son erfüllt sich seinen Roboter-Traum. Han-
delsblatt. http://www.handelsblatt.com/unternehmen/it-medien/softbank-
kauft-boston-dynamics-masayoshi-son-erfuellt-sich-seinen-roboter-
traum/19911726.html. Zugegriffen am 09.06.2017
[KRESS] Kressin J (2012) Symphony of disruption: Geschäftsmodelle und Innova-
tionen in der digitalen Welt, 1. Aufl. Diplomica Verlag
[KRO] Grassegger H, Krogerus M (2016) Ich habe nur gezeigt, dass es die Bombe
gibt. Das Magazin No. 48. https://www.dasmagazin.ch/2016/12/03/ich-
habe-nur-gezeigt-dass-es-die-bombe-gibt/. Zugegriffen am 03.12.2016
[KROK] Kroker M (2015) Big Data sorgt schon 2016 für Speicher-Engpass; 2020
fehlt Speicher-Volumen von 6 Zetabytes. Blog Wirtschaftswoche. Krokers
Look @ IT. Neues aus Hightech und Medienwelt. http://blog.wiwo.de/
look-at-it/2015/05/05/big-data-sorgt-schon-2016-fur-speicher-engpass-
2020-fehlt-speicher-volumen-von-6-zetabytes/
[KRÜ] Krützfeld A (2015) Wir sind Cyborgs. Wie uns die Technik unter die Haut
geht, 1. Aufl. Blumenbar

[KRÜBA] Krüger-Brand H (2012) Gemischte Bilanz. Forschungsprojekt Smart
Senior. Dossier E-Health Heft 41 (Oktober)
[KUCK] Kucklick C (2014) Die granulare Gesellschaft. Wie das Digitale unsere
Wirklichkeit auflöst. Ulstein Verlag, Berlin
[KURZ] Kurz C (2016) Kriecht aus dem fiesen „Darknet“ das Unheil der Welt?
netzpolitik.org. https://netzpolitik.org/2016/kommentar-kriecht-aus-dem-
fiesen-darknet-das-unheil-der-welt/. Zugegriffen am 25.07.2016
[KURZ02] Kurz C, Rieger F (2016) Nach dem Aus. Der Fall Telekom zeigt: Sicher-
heit im Netz hat ihren Preis. Zahlen wir ihn endlich. Frankf Allgem Sonn-
tagsztg 48:57 (04.12.2026)
[KURZ03] Kurz C, Rieger F (2017) Wen bedroht künstliche Intelligenz, wem hilft
sie? Frankf Allgem Q Ausgabe 01, S 38
286 Literatur
[KÜ] Kühl E (2016) Leistungsschutzrecht. In Deutschland versagt, in Europa

gefragt. Die Zeit. http://www.zeit.de/digital/internet/2016-09/leistungs
schutzrecht-eu-verlage-google-gerechtigkeit. Zugegriffen am 01.09.2016
[LA] Aoaeh B (2016) „Liking“ Facebook’s Business Model – The #EconomicMo-
ats Remix. Innovation Footprints. http://innovationfootprints.com/liking-fa-
cebooks-business-model-economicmoats-remix/. Zugegriffen am 10.03.2016
[LE] Lee J (2017) The Pros and Cons of Facebook. The Odyssey Online. At
Emory University. https://www.theodysseyonline.com/pros-cons-facebook.
[LEE] Lee F (2014) Zurück nach China. Zeit Online – China Blog. http://blog.zeit.
de/china/2014/11/26/google-draengt-es-zurueck-nach-china/. Zugegriffen am
26.11.2014
[LEM] Lemm K (2016) Sebastian Thrun macht lebenslanges Lernen zum Erleb-
nis. Wired Mag Deutschland. https://www.wired.de/collection/business/
der-lehrer-udacity-glaubt-die-positive-macht-des-e-learnings. Zugegriffen
am 03.10.2016
[LEN] Lenk K (1982) Informationstechnik und Gesellschaft. In: Friedrichs G,
Schaff A (Hrsg) Auf Gedeih und Verderb, Mikroelektronik und Gesell-
schaft. Reinbeck, S 295 ff
[LEW] Lewis M (2014) The new new thing: a silicon valley story, Reprint Aufl.
Norton, New York City
[LIB] Libert B, Beck M, Wind Y (2015) 3 ways to get your own digital platform.
Harv Bus Rev. https://hbr.org/2016/07/3-ways-to-get-your-own-digital-
platform. Zugegriffen am 25.07.2015
[LIB02] Libert B, Beck M, Wind Y (2016) Social platforms. 3 ways to get your
own digital platform. Harv Bus Rev. https://hbr.org/2016/07/3-ways-to-
get-your-own-digital-platform. Zugegriffen am 22.07.2016
[LIND] Lindner R (2016) Good-bye, Yellow Cab. Frankf Allgem Sonntagsztg
vom 23.10.2016, Nr. 42
[LISCH] Lischka K (2009) IT Legenden: Wie Tim Berners-Lee das Web erfand.
Spiegel Online. http://www.spiegel.de/netzwelt/web/it-legenden-wie-tim-
berners-lee-das-web-erfand-a-610257.html. Zugegriffen am 01.03.2009
[LLOSA] Mario Vargas Llosa (2014) Technology is killing the very idea of culture. brics-
magazine.com. http://bricsmagazine.com/en/articles/mario-vargas-llosa-
technology-is-killing-the-very-idea-of-culture
[LOBO] Lobo S (2012) Die Mensch-Maschine: Zyklus der Zerstörung. Spiegel Online.
http://www.spiegel.de/netzwelt/web/zyklus-der-zerstoerung-a-859005.html.
[LOBO2] Lobo S (2014) Abschied von der Utopie. Die digitale Kränkung des Men-
schen. Frankf Allgem Ztg. http://www.faz.net/aktuell/feuilleton/debatten/
abschied-von-der-utopie-die-digitale-kraenkung-des-menschen-12747258.
[LOBO03] Lobo S (2016) Anleitung zur Netzangst. Fürchten Sie sich, aber richtig. Spiegel
Online. http://www.spiegel.de/netzwelt/web/sascha-lobo-kolumne-korrekte-
furcht-vor-digitalisierung-a-1119363.html. Zugegriffen am 02.11.2016
[LOBO04] Lobo S (2013) S.P.O.N. – Die Mensch-Maschine. Was man 2013 über das
Internet wissen muss, um die Welt zu verstehen. Spiegel Online. http://
www.spiegel.de/netzwelt/netzpolitik/sascha-lobo-was-man-2013-ueber-
das-internet-wissen-muss-a-875246.html. Zugegriffen am 01.01.2013
Literatur 287
[LOBO05] Lobo S (2014) S.P.O.N. – Die Mensch-Maschine. Auf dem Weg in die
Dumpinghölle. Spiegel Online. http://www.spiegel.de/netzwelt/netzpolitik/
sascha-lobo-sharing-economy-wie-bei-uber-ist-plattform-kapitalismus-
a-989584.html. Zugegriffen am 03.09.2014
[LOY] Loy T (2016) Verbot von Ferienwohnungen in Berlin. Was ist verbo-
ten? Was ist erlaubt? Der Tagesspiegel. http://www.tagesspiegel.de/
berlin/verbot-von-ferienwohnungen-in-berlin-was-ist-verboten-was-ist-
erlaubt/13525762.html. Zugegriffen am 01.06.2016

[LUTT] Lutterbeck B (1985) Sind Großsysteme der Informationstechnologien
beherrschbar? In: Dey G (Hrsg) Beherrschung der Informationstechnik –
Verantwortung der Wissenschaft. Oldenburg, S 17 ff
[LYNS] Lynskey O (2014) Wie ein Phoenix aus der Asche: Das „Recht auf Verges-
senwerden“ vor dem Europäischen Gerichtshof. Digitale Wandel (Maga-
zin für Internet und Gesellschaft, Q2)
[MAAK] Maak N (2016) Architektur – Warum liegt die Zukunft auf dem Land,
Rem Koolhaas? Frankf Allgem Q. Winter 2016/2017. Ausgabe 1
[MAAK01] Maak N (2016) Die Welt von morgen. Frankf Allgem Q. Winter 2016/2017.
Ausgabe 1
[MAC] Maciel F (2009) Das Leben ist ein Hauch. Oscar Niemeyer (Darsteller),
Fabiano Maciel (Regisseur). Brasilien
[MAG] Magretta J (2002) Why business models matter. Harv Bus Rev (May
Issue). https://hbr.org/2002/05/why-business-models-matter
[MANCE] Mance H, Vasager J (2015) Axel Springer regroups after failing in two
headline media deals. Financial Times Int. http://www.ft.com/intl/cms/
s/0/7170a15a-2bb0-11e5-acfb-cbd2e1c81cca.html#axzz3mjizAzMn%.
[MANO] Manolidis G (2016) Gesundheits-Apps, smarte Uhren und Dr. Watsons
Big-Data-Diagnose. Frankf Allgm Sonntagsztg vom 23.10.2016. Verlags-
spezial – Digital Lifestyle
[MANS] Mansmann U, Schulzki-Haddouti C (2017) Automatisierter Marktwert.
Wie Rating-Unternehmen den Menschen per Score vermessen. c’t 1
[MARS] Marshall W, Van Alstyne G, Parker G, Sangeet P (2016) Pipelines, plat-
forms, and the new rules of strategy. Harv Bus Rev. https://hbr.org/2016/04/
pipelines-platforms-and-the-new-rules-of-strategy. Zugegriffen im April
2016
[MARSH] Marshall W, Van Alstyne G, Parker G, Sangeet P (2016) 6 Reasons plat-
forms fail. Harv Bus Rev. https://hbr.org/2016/03/6-reasons-platforms-
fail. Zugegriffen im März 2016
[MARSHALL] Marshall A (2016) Uber’s discrimination problem is bad news for public
transport. Wired Mag. https://www.wired.com/2016/11/ubers-discrimination-
problem-bad-news-public-transit/. Zugegriffen am 11.03.2016
[MASA] Masanell K, Mackenzie I, Dadiomov D (2015) Uber and the taxi industry (A).
Harvard Business School. Faculty and Research. 9-715-433. http://www.hbs.
edu/faculty/Pages/item.aspx?num=49020. Zugegriffen am 03.03.2015
[MATZ] Matzler K, Bailom F, von den Eichen S, Anschober M (2016) Digital dis-
ruption. Wie Sie Ihr Unternehmen auf das digitale Zeitalter vorbereiten.
Franz Vahlen Verlag, München
[MAURYA] Maurya A (2013) Running Lean – Das How-to für erfolgreiche Innovatio-
nen, 1. Aufl. O’Reilly Verlag GmbH & Co. KG, Köln
288 Literatur

[MAYER] Mayer J, Mutchler P (2014) MetaPhone: the sensivity of telephone
metadata. http://webpolicy.org/2014/03/12/metaphone-the-sensitivity-of-
telephone-metadata/
[MECK] Meck G (2017) Mein Auto, kein Auto. Frankf Allgem Sonntagsztg vom
05.02.2017, Rubrik Wirtschaft
[MO] Morgenroth M (2017) Datenhandel und Big Data. c’t 1
[MON] Monopolkommission (2015) Wettbewerbspolitik: Herausforderung digi-
tale Märkte. Sondergutachten 68. Bonn
[MOO] Moon Y (2015) Uber: changing the way the world moves. Harv Bus Rev.
https://hbr.org/product/uber-changing-the-way-the-world-moves/316101-
PDF-ENG. Zugegriffen am 01.11.2015
[MORGEN] Morgenroth M (2014) Sie kennen dich! Sie haben dich! Sie steuern dich!
Droemer Verlag, München
[MORO] Morozov E (2015) Where Uber and Amazon rule: welcome to the world of
the platform. The Guardian. https://www.theguardian.com/technology/2015/
jun/07/facebook-uber-amazon-platform-economy. Zugegriffen am 07.06.2015
[MSC] msc/dpa-AFX (2016) Ferienwohnungen. Airbnb und Co. Missachten Ber-
liner Vermietungsverbot. Spiegel Online. http://www.spiegel.de/wirtschaft/
unternehmen/airbnb-in-berlin-trotz-verbot-noch-hunderte-ferienwohnun
gen-im-angebot-a-1090482.html. Zugegriffen am 02.05.2016
[MÜ03] Müller-Jung J (2014) Der Computer ersetzt den Arzt. Frankf Allgem Ztg
Nr. 63 vom 15. März 2014, Seite 14.
[NA] Nagel T (2016) Nutzerdaten, Spam-Mails werden persönlich. Die Welt. https://
www.welt.de/wirtschaft/webwelt/article159933938/Wenn-Spam-Mails-
ploetzlich-persoenlich-werden.html. Zugegriffen am 03.12.2016
[NAL] Brandeburger A, Nalebuff B (1997) Co-opetition, 1. Aufl. Crown Busi-
ness, New York
[NE01] Negroponte N (1997) Total digital. Die Welt zwischen 0 und 1 oder Die
Zukunft der Kommunikation. Goldmann Verlag, München
[NEEB] Neeb C (2015) Künstliche Intelligenz. Verlötete Liebe. Spiegel Online
vom 15.04.2015. http://www.spiegel.de/einestages/hal-9000-aus-2001-
supercomputer-und-kis-in-der-popkultur-a-023924.html
[NEI] Neittaanmäki P et al (2016) Platform value now. Platform economy & digi-
tal platform. PVN Progress Report WP 7. University of Jyväskylä. https://
www.jyu.fi/it/tutkimus/muistiot/ThePlatformEconomyandDigitalPlatforms.
pdf. Zugegriffen am 14.04.2016
[NG] Ng A (2016) Analytics. What artificial intelligence can and can’t do right
now. Harv Bus Rev. https://hbr.org/2016/11/what-artificial-intelligence-
can-and-cant-do-right-now. Zugegriffen am 09.11.2016
[NIEMEY] Niemeyer O (2013) Wir müssen die Welt verbessern. Verlag Antje Kunst-
mann GmbH, München
[NIEMEY02] Niemeyer O (2007) The curves of time: the memoirs of Oscar Niemeyer.
Phaidon, London
[NORVIG] Norvig P (2009) All we want are the facts, ma’am. http://norvig.com/fact-
check.html
[NZZ] www.nnz.ch (2006) Mit Nietzsche in Kubricks Kino. Stanley Kubricks
Film „2001: A Space Odyssey“ – üppiges Plädoyer für eine dionysische
Kunst? Neue Züricher Ztg. https://www.nzz.ch/articleDIYEA-1.14229.
[OBER] Oberhuber N (2016) Sharing economy. Gutes Teilen, schlechtes Teilen.
Die Zeit Online. http://www.zeit.de/wirtschaft/2016-07/sharing-economy-
teilen-tauschen-airbnb-uber-trend. Zugegriffen am 19.07.2016
Literatur 289

[OBI] Obi-Wan-Kenobi (1983) Star Wars: Episode VI – Die Rückkehr der
Jedi-Ritter: Twentieth Century Fox
[OIS] Odyssee im Weltraum (1968) (Originaltitel: 2001: A Space Odyssey).
Warner Home Video
[ORE] Ore (2014) So durchschaubar sind wir. Spiegel Online. http://www.spiegel.
de/netzwelt/web/datenschutz-der-datenschatten-von-malte-spitz-a-999554.
[OSTER] Osterwalder A (2004) The business model ontology: a proposition in a design
science approach. http://www.hec.unil.ch/aosterwa/PhD/Osterwalder_PhD_
BM_Ontology.pdf
[OUROU] Ouroussoff N (2006) Zaha Hadid: a diva for the digital age. The New York
Times. Architecture Review. http://www.nytimes.com/2006/06/02/arts/
design/02hadi.html?pagewanted=all
[PA] Parker G, Van Alstyn M, Sangeet P (2016) Platform revolution. How net-
worked markets are transforming the economy – and how to make them
work for you. W. W. Norton, New York
[PAL] Palasi L (2014) Öffentlichkeit kennt keine beschränkte Teilnehmerzahl.
Digitale Wandel (Magazin für Internet und Gesellschaft, Q2)
[PAR] Parmar R, Mackenzie I, Cohn D, Gann D (2014) The new patterns of
innovation. Harv Bus Rev (January – February 2014 Issue). https://hbr.
org/2014/01/the-new-patterns-of-innovation. Zugegriffen im Jan./Feb. 2014
[PARI] Pariser E (2012) Filter Bubble – Wie wir im Internet entmündigt werden.
München
[PATA] Martin M, Patalong F (2016) „Burning Man-Festival“. Wo Kiffer auf
Königinnen treffen. Spiegel Online. http://www.spiegel.de/reise/fernweh/
burning-man-2016-freaks-und-hippies-in-der-wueste-a-1110636.html.
[PEI] Peitz D, Skischally B (2016) Langstreckler. Robert Del Naja, Kopf von
Massive Attack, über AI, Apps, Apple – und darüber, warum seine Band
so ewig braucht für jedes neue Album. WIRED 01.2016, S 35–40
[PEN] Pennekamp J (2016) Online-Plattformen wie Uber und Airbnb geben sich
gerne offen für alles. Das Gegenteil ist der Fall. Frankf Allgem Sonntagsztg
vom 13.11.2016
[PET] Peteranderl S (2016) Notruf Eins Null Null Null Eins Null. Wired Mag
Deutschland vom 01.2016
[PGH] Greenhouse P (2015) Clay Christensen explains, defends „disruptive inno-
vation“. Boston Globe. https://www.bostonglobe.com/business/2015/10/24/
clay-christensen-explains-defends-disruptive-innovation/fmYOKI
JXOSPPMquj8HQM1O/story.html. Zugegriffen am 25.10.2015
[PH] P H (2014) Who owns your personal data? The incorporated woman. In:
The Economist vom 27. Juli 2014. https://www.economist.com/blogs/
schumpeter/2014/06/who-owns-your-personal-data
[PIGLIU] Pigliucci M (2009) The end of theory in science? Eur Mol Biol Organ
10(6). http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2711825/
[PIL] Pilarczyk H (2011) Lehren aus dem MySpace-Debakel. Vier Wege, um
alle Freunde zu verlieren. Spiegel Online. http://www.spiegel.de/netzwelt/
web/lehren-aus-dem-myspace-debakel-vier-wege-um-alle-freunde-zu-
verlieren-a-771283.html. Zugegriffen am 30.06.2011
[POL] Polster H, Hüther G (2016) Wie Kinder heute wachsen. Natur als Entwick-
lungsraum, 4. Aufl. Beltz Verlag, Weinheim/Basel
[PORTER] Porter M (1980) Competitive strategy: techniques for analyzing industries and
competitors, with a new introduction/Michael E. Porter. Free Press, New York
290 Literatur
[POS] Posch M (2016) Schöne neue Roboterwelt. Die Welt vom 24.04.2016.
Sonderausgabe Industrie 4.0, S 3
[PRE] Preuss S (2016) Angst um Arbeitsplätze. Daimler-Mitarbeiter fürchten
Elektroautos. Frankf Allgem Ztg, Rubrik Wirtschaft. http://www.faz.net/
aktuell/wirtschaft/unternehmen/angst-um-arbeitsplaetze-daimler-mitar
beiter-fuerchten-elektroautos-14534195.html. Zugegriffen am 20.11.2016
[PS] www.peer-sharing.de (2016) Leitfaden für Peer-to-Peer Sharing-Plattfor-
men. PeerSharing Forschungsprojekt. http://www.peer-sharing.de/data/
peersharing/user_upload/P2P_Leitfaden_Geschäftsmodelle_final.pdf
[RAM] Ramge T (2015) Disruption, Plattform, Netzwerkeffekt. Die drei Zauber-
worte. Brand eins. Ausgabe 04/2015 – Was Wirtschaft antreibt. https://www.
brandeins.de/archiv/2015/handel/disruption-plattform-netzwerkeffekt-
die-drei-zauberworte-neue-wirtschaft/
[RAM02] Ramge T (2015) Der Kampf der Copycats. Brand eins. Ausgabe 01/2015 –
Schwerpunkt Selbstbestimmung. https://www.brandeins.de/archiv/2015/
selbstbestimmung/erfolgsanalyse-von-start-ups-der-kampf-der-copycats/
[RATZ] Ratzesberger P (2015) Die Idee des Teilens – ein großes Geschäft. Süddtsch
Ztg. http://www.sueddeutsche.de/wirtschaft/share-economy-soweit-die-
utopie-1.2421540. Zugegriffen am 05.04.2015
[REST] Rest J (2015) Die schöne neue Welt der Share Econonmy. „Das Silicon Valley
hat ein Arschlochproblem“. Berliner Ztg. http://www.berliner-zeitung.de/
wirtschaft/interview-mit-digitalexperte-sascha-lobo--das-silicon-valley-
hat-ein-arschlochproblem--854120. Zugegriffen am 02.01.2015
[REU] Reuters (2016) Das erste Haus dem 3D-Drucker. Frankf Allgem Ztg.
http://www.faz.net/aktuell/wirtschaft/immobilien/video-erstes-haus-aus-
dem-3d-drucker-14252216.html. Zugegriffen am 25.05.2016
[RIES] Ries E (2011) The lean startup: how constant innovation creates radically
successful businesses. Portfolio Penguin; Auflage: Trade Paperback
(6. Oktober 2011). Penguin Group, USA
[RIF] Rifkin J (2014) Die Null Grenzkosten Gesellschaft. Das Internet der
Dinge, kollaboratives Gemeingut und der Rückzug des Kapitalismus.
Campus, Frankfurt am Main
[RIF01] Rifkin J (2000) Access. Das Verschwinden des Konsums. Campus, Frank-
furt/New York
[RK] Kurzweil R (2006) The singularity is near: when humans transcends bio-
logy. Penguin Books, New York
[RK02] Kurzweil R (2001) The law of accelerating returns. Essay. http://www.
kurzweilai.net/the-law-of-accelerating-returns7
[RO] Rolf A, Sagaw A (2015) Des Googles Kern und andere Spinnennetze. Die
Architektur der digitalen Gesellschaft, 1. Aufl. UVK Verlagsgesellschaft,
Konstanz
[ROBO] European FET Flagship Program (2014) Robot companions for citizens.
http://www.robotcompanions.eu/
[ROC] Rocket Internet (2017) Incubation. Investment. Growth. We enable entre-
preneurship. https://www.rocket-internet.com
[ROCKET] Rocket Internet (2015) Our mission: to become the world’s largest Internet
platform outside the Unites States and China. https://www.rocket-internet.com/
[ROD] Rodriguez K (2017) Leading a digital platform business. Economist. https://
execed.economist.com/career-advice/industry-trends/leading-digital-
platform-business
Literatur 291
[RON] Rondinella G (2016) Sascha Lobo. „Dem Journalismus steht das Schlimmste
noch bevor.“ Horizont. http://www.horizont.net/medien/nachrichten/Sascha-
Lobo-Dem-Journalismus-steht-das-Schlimmste-noch-bevor-139956. Zuge-
[RÖP] Röper N (2016) Neues Gesetz. Airbnb in New York vor dem Aus. Frankf
Allgem Ztg. http://www.faz.net/aktuell/wirtschaft/netzwirtschaft/neues-
gesetz-airbnb-in-new-york-vor-dem-aus-14491695.html. Zugegriffen am
24.10.2016

[ROSE] Rose F (2016) Disruption…Disrupted… – Milken Institute Review.
http://assets1c.milkeninstitute.org/assets/Publication/MIReview/PDF/
34-45-MR71.pdf
[ROT] Rotberg E (2004) Thefacebook.com opens to Duke students. The Cronicle
Online. http://tech-insider.org/social-networks/research/2004/0414.html.
[ROTH] Roth P (2016) Die ersten offiziellen Facebook-Nutzerzahlen für das Jahr 2016.
www.allfacebook.de. https://allfacebook.de/toll/facebook-nutzerzahlen-
2016. Zugegriffen am 28.01.2016
[RÖTZER] Rötzer F (2015) Smart cities im cyber war. Westend Verlag, Frankfurt am
Main
[RTR] dpa/rtr (2016) Samwer strafft Geschäft. Rocket Internet gibt Essens-Lie-
ferdienste an Mitbewerber. Der Tagesspiegel vom 05.02.2016. http://www.
tagesspiegel.de/wirtschaft/samwer-strafft-geschaeft-rocket-internet-gibt-
essens-lieferdienste-an-mitbewerber/12926692.html
[RUN] Rungg A (2014) Elon Musk fürchtet künstliche Intelligenz. Manag Mag. http://
www.manager-magazin.de/unternehmen/it/tesla-chef-fuerchtet-entwick
lung-kuenstlicher-intelligenz-a-1003437.html. Zugegriffen am 17.11.2014
[RYB] Rybak A (2016) Herzflimmern. Lufthansa Mag 5. http://magazin.lufthansa.
com/de/de/travel/herzflimmern-in-rio/
[SAB] Sabasch J, Eberhart B (2016) „Dieses tiefe Begehren, zu begreifen, wer
wir sind“. Die Zeit 1:35–36 (29.12.2016)
[SAC] Sacks D (2014) Uber’s virtuous cycle. Geographic density is the new net-
work effect. Twitter David Sacks. https://twitter.com/davidsacks/status/47
5073311383105536?lang=de. Zugegriffen am 06.06.2014
[SAM] Sampere P (2016) Disruptive innovation. Why platform disruption is so
much bigger than product disruption. Harv Bus Rev. https://hbr.org/2016/04/
why-platform-disruption-is-so-much-bigger-than-product-disruption. Zuge-
[SAN] Sangeet P (2015) Platform Scale. How an emerging business model helps
startups build large empires with minimum investment. Platform Thinking
Labs Pte. Ltd.
[SB] SB (2014) Block auf Speed. Rem Koolhaas baut Springer-Campus in
Berlin. Baunetz. http://www.baunetz.de/meldungen/Meldungen-Rem_
Koolhaas_baut_Springer-Campus_in_Berlin_3508687.html. Zugegriffen
am 26.03.2014
[SCHA] Schaal S (2015) DriveNow, Car2Go, CarUnity. Wie Carsharing aus der Nische
kommen kann. Wirtschaftswoche. http://www.wiwo.de/unternehmen/auto/
drivenow-car2go-carunity-wie-carsharing-aus-der-nische-kommen-
kann/12240730.html. Zugegriffen am 27.08.2015
[SCHACH01] Schachinger A (2011) Vortrag über „Was ist Health 2.0?“, xinnovations,
E-Health Forum am 20. September 2011, healthcare42.com, Berlin
292 Literatur
[SCHER] Scherkamp H (2015) Milliarden Bewertung. Bertelsmann macht Udacity

zum Einhorn. Gründerszene. https://www.gruenderszene.de/allgemein/
bertelsmann-macht-udacity-zum-einhorn. Zugegriffen am 11.11.2015
[SCHERER] Scherer FM (1992) Schumpeter and plausible capitalism. J Econ Literat
30:1416–1433
[SCHERFF] Scherff D (2016) Die Mobilität von morgen. Frankf Allgem Sonntagsztg
36:36–37 (23.09.2016)
[SCHI] Schindler M (2015) Gartner prognostiziert 20 Milliarden IoT-Geräte bis 2020.
http://www.silicon.de/41618656/gartner-prognostiziert-20-milliarden-
iot-geraete-bis-2020/
[SCHIL] HEuzeroth T, Schiltz C (2017) Hass und Hetze werden nicht schnell genug
gelöscht. Die Welt. https://www.welt.de/wirtschaft/article165115763/
Hass-und-Hetze-werden-nicht-schnell-genug-geloescht.html. Zugegrif-
fen am 01.06.2017

[SCHILL] Schiller B (2010) Car-sharing means there are already 500.000 fewer
vehicles on the road. FastCompany. https://www.fastcompany.com/3027275/
car-sharing-means-there-are-already-500000-fewer-vehicles-on-the-road.
[SCHMI] Schmidt E (2010) Second Annual Washington Ideas Forum. http://www.
theatlantic.com/technology/archive/2010/10/googles-ceo-the-laws-are-
written-by-lobbyists/63908/. Zugegriffen am 01.10.2010
[SCHMI02] Schmidt E, Rosenberg J (2015) Wie Google tickt – How Google Works, 1.
Aufl. Campus, Frankfurt/New York

[SCHMIE] Schmiechen F (2016) Hetzer, Pöbler, Schwachsinn. Der Hass stammt
nicht aus dem Netz. Die Welt. https://www.welt.de/debatte/kommentare/
article159133407/Dieser-Hass-auf-das-Netz-ist-laecherlich.html. Zugegrif-
fen am 29.10.2016
[SCHO] Scholl G, Behrendt S, Flick C, Gossen M, Henselimg C, Richter L (2015)
Peer-to-peer sharing. Definition und Bestandsaufnahmen. PeerSharing
Arbeitsbericht 1. Institut für ökologische Wirtschaftsforschung. https://www.
ioew.de/publikation/peer_to_peer_sharing_definition_und_bestandsaufnahme/

[SCHOL] Scholz J (2016) HAT EIN BIG DATA PSYCHOGRAMM TRUMP
WIRKLICH DEN SIEG GEBRACHT? Blogeintrag. http://jensscholz.
com/index.php/2016/12/03/hat-ein-big-data-psychogramm. Zugegriffen
am 03.12.2016
[SCHOLZ] Scholz N (2014) Nerds, Geeks und Piraten. Digital Natives in Kultur und
Politik. Bertz + Fischer Verlag, Berlin
[SCHOLZ02] Scholz N (2013) Sie glauben an die Google-Brille wie früher an LSD. Jun-
gle World 27. http://jungle-world.com/artikel/2013/27/48002.html. Zuge-
[SCHÖ] Schönborn J (2014) Internet. Kann das weg? Digitale Wandel (Magazin
für Internet und Gesellschaft, Q2)
[SCHRÖ] Schröder T (2015) IBMs Supercomputer Watson erkennt Tumor-DNA
schneller als jeder Mensch. Wired Deutschland. https://www.wired.de/
collection/science/jetzt-kampft-der-supercomputer-watson-auch-gegen-
krebs
[SCHRÖD] Schröder C (2016) Science-Fiction für Patienten. Frankf Allgem Sonn-
tagsztg 40:21 (09.10.2016)
[SCHU] Schulz T (2015) Internet. Das Morgen-Land. Spiegel Online. http://www.
spiegel.de/spiegel/print/d-132040357.html. Zugegriffen am 28.02.2015
Literatur 293
[SCHUM] Schumpeter J (1912) Theorie der wirtschaftlichen Entwicklung. Berlin

[SEI] Seidl C (2016) Die Wiederkehr der Utopie. Frankf Allgem Q. Winter
2016/2017, Ausgabe 1
[SEIB] Seibel K (2017) Vermögensverwaltung. Deutsche Bank schickt Robo-
ter in den Verkauf. Die Welt. https://www.welt.de/wirtschaft/webwelt/
article160234741/Deutsche-Bank-schickt-Roboter-in-den-Fondsverkauf.
[SEM] www.semica.de (2016) Podiumsdiskussion: „Die Ende der Arbeit!“.
https://www.semica.de/downloads/download/28/Slideshow_Online.pdf.
[SEO] www.seo-summary (2017) https://seo-summary.de/suchmaschinen/
[SER] Serrao M (2016) Der Besteller Code. Frankf Allgem Sonntagsztg 42:21
(23.10.2016, Rubrik Wirtschaft)
[SER02] Serrao M (2016) Ist Trumps Ruf noch zu retten. Frankf Allgem Sonntagsztg
vom 13.11.2016, Rubrik: Wirtschaft
[SHAP] Shapiro C, Varian H (1998) Information rules: a strategic guide to the
network economy. Harvard Business Review Press, Boston
[SHEAD] Shead S (2016) Google’s DeepMind artificial intelligence has figured
out how to talk. Business Insider Deutschland. http://www1.mpnrs.
com/tracker/tracker2?adl=9469&adc=26606&adm=46041&adr=15&
ada=2&rid=1495739103987&turl=//ww251.smartadserver.com/imp?
imgid=18140900&tmstp=237384155760&tgt=[targeting]. Zugegriffen
am 09.09.2016
[SIEM] Siemons M (2016) Content. Das nächste große Ding soll „Inhalt“ sein.
Frankf Allgem Sonntagsztg 40:45 (09.10.2016)

[SIEM02] Siemons M (2015) Reale Welt und digitale Welt. Google oder Die
Abschaffung der Politik. Frankf Allgem Ztg. http://www.faz.net/aktuell/
feuilleton/google-als-politischer-akteur-13886413.html. Zugegriffen am
03.11.2015
[SIEM03] Siemons M (2016) Simulation als letzte Hoffnung. Frankf Allgem Sonn-
tagsztg vom 16.10.2016, S 60
[SIEMS] Siems D (2016) Digitalisierung. Frau Nahles und das Phantom vom „Ende
der Arbeit“. Die Welt. https://www.welt.de/wirtschaft/article159846802/
Das-Phantom-vom-Ende-der-Arbeit.html. Zugegriffen am 29.11.2016
[SIMAN] Simanowski R (2001) Digitale Verheißungen – und eine Prise Schatten-
seite. Frankf Allgem Ztg, Wirtschaft
[SIMA02] Simanowski R (2014) Data love. Matthes & Seitz, Berlin
[SIMO] Simon P (2013) The age of the platform. Motion Publishing, Henderson
[SMASE01] Bundesministerium für Bildung und Forschung (2012) Smart Senior: Intel-
ligente Dienste und Dienstleistungen für Senioren. Projektreport. Berlin.
http://www.izm.fraunhofer.de/content/dam/izm/de/documents/News-
Events/News/2012/SmartSenior%20Projektreport_2012-09-07_final.pdf
[SNE] Snell J (2011) Steve Jobs: making a dent in the universe. Mac World.
http://www.macworld.com/article/1162827/macs/steve-jobs-making-a-
dent-in-the-universe.html. Zugegriffen am 06.10.2011

[SMASE01] Bundesministerium für Bildung und Forschung (2012): Smart Senior:
Intelligente Dienste und Dienstleistungen für Senioren. http://www.izm.
fraunhofer.de/content/dam/izm/de/documents/News-Events/News/2012/
SmartSenior%20Projektreport_2012-09-07_final.pdf
294 Literatur
[SOL] Solon O (2016) Drugs. Would you take LSD to give you a boost at work?
WIRED. http://www.wired.co.uk/article/lsd-microdosing-drugs-silicon-valley.
[SPIE] Spiesser R (2012) Fremde im Fond. Der Tagesspiegel vom 11. Dezember
2012/ Nr. 21540
[SPITZ] Spitz M (2014) Was macht ihr mit meinen Daten? Hoffmann und Campe,
Hamburg
[SPRI] Axel Springer AG (2014) Auf einen Blick. Axel Springer SE. https://www.
deutschlands100.de/uploads/tx_epxarbeitgeber/Axel_Springer_Broschu-
ere.pdf
[SPRI03] Axel Springer AG (2014) Quartalsfinanzbericht Janaur – September 2014.
http://www.axelspringer.de/dl/18584384/AS_9M_2014_Quartalsfinanz-
bericht.pdf
[SPO] Grow J (2014) Can we use big data to make society better? Interview
with Alex Pentland. Spiegel Online. http://www.spiegel.de/international/
zeitgeist/scientist-alex-pentland-argues-big-data-can-be-used-to-improve-
society-a-970443.html. Zugegriffen am 26.05.2014
[STA] Stadler T (2014) Das Urteil des BGH zum Schufa Scoring im Volltext.
Internet-Law. Onlinerechte und Bürgerrechte 2.0. http://www.internet-law.
de/2014/02/das-urteil-des-bgh-zum-schufa-scoring-im-volltext.html
[STAL] Stalder F (2016) Kultur der Digitalität. Suhrkamp, Berlin
[STAL02] Stalder F (2017) Sie sind überall. Nichts hat so großes Innovationspotenzial
wie der Einsatz von Algorithmen. Brand eins – Thema Innovation, S 22–26
[STAT02] statista (2016) Größte Unternehmen der Welt nach ihrem Marktwert im
Jahr 2016 (in Milliarden US-Dollar). https://de.statista.com/statistik/
daten/studie/12108/umfrage/top-unternehmen-der-welt-nach-marktwert/.

[STAT03] statista (2017) Anzahl der monatlich aktiven Facebook Nutzer welt-
weit vom 3. Quartal 2008 bis zum 4. Quartal 2016 (in Millionen).
https://de.statista.com/statistik/daten/studie/37545/umfrage/anzahl-
der-aktiven-nutzer-von-facebook/
[STAT04] statista (2016) Anzahl der Mitarbeiter von Facebook weltweit in den Jah-
ren 2004 bis 2016. https://de.statista.com/statistik/daten/studie/193372/
umfrage/anzahl-der-mitarbeiter-von-facebook-weltweit/
[STAU] Staun H (2016) Fast wie im richtigen Leben. Frankf Allgem Ztg 42:49
(21.10.2016)
[STAUN] Staun H (2016) Es geht darum, das System von innen zu verändern. Frankf
Allgem Q. Winter 2016/2017, Ausgabe 1
[STAUN01] Staun H (2014) Ökonom Jeremy Rifkin. Das Ende des Kapitalismus. Frankf
Allgem Ztg. http://www.faz.net/aktuell/feuilleton/jeremy-rifkin-die-null-
grenzkosten-gesellschaft-13151899.html. Zugegriffen am 13.09.2014
[STAUN03] Staun H (2017) Das Thema. Der neue Mensch. Frankf Allgem Q. Ausgabe 2.
http://de.statista.com/statistik/daten/studie/369356/umfrage/prognose-zur-
anzahl-der-internetnutzer-weltweit/. Zugegriffen am 16.03.2017
[STÄHLER] Stähler P (2001) Geschäftsmodelle in der digitalen Ökonomie: Merkmale,
Strategien und Auswirkungen. Josef Eul Verlag, Köln-Lohmar, 41 f
[STE] Stephan F (2016) Sharing economy. Wir lassen uns von Maschinen lieben.
Zeit Online. http://www.zeit.de/kultur/2016-06/sharing-economy-kultur
symposium-weimar-eva-illouz-jeremy-rifkin. Zugegriffen am 04.06.2016
Literatur 295
[STEIN] Steinschaden J (2014) Leistungsschutzrecht: Google soll zahlen, Facebook

nicht. Digitale Wandel (Magazin für Internet und Gesellschaft, Q2), S 12–13
[STEPA] Stepanek M (2011) Internetzeitalter. Facebook-Abstinenz wie Nikotin-Ent-
zug. futurezone.at. https://futurezone.at/digital-life/facebook-abstinenz-wie-
nikotin-entzug/24.569.672. Zugegriffen am 27.07.2011
[STONE] Stone B (2014) The everything store. Jeff Bezos and the Age of Amazon.
Corgi Books, London (UK)
[STO02] Stone B (2014) Invasion of the Taxi Snatchers: Uber leads an industry’s dis-
ruption. Bloomberg News. https://www.bloomberg.com/news/articles/
2014-02-20/uber-leads-taxi-industry-disruption-amid-fight-for-riders-
drivers. Zugegriffen am 20.03.2014
[STRE01] Streit D (2013) Der Smarte Mensch. http://www.davidstreit.de/Der-Smarte-
Mensch.html
[STÖ] Stöcker C (2016) Go-Turnier Mensch gegen Maschine. „Spielzüge, die ein
Mensch nie machen würde“. Spiegel Online. http://www.spiegel.de/netzwelt/
gadgets/google-software-alphago-spielzuege-die-ein-mensch-nie-machen-
wuerde-a-1081652.html. Zugegriffen am 10.03.2016
[STRAU] Straubhaar T (2017) Digitale revolution. Was mit dem iPhone begann,
wird mit gläsernen Menschen enden. Die Welt. https://www.welt.de/wirt
schaft/webwelt/article160896798/Was-mit-dem-iPhone-begann-wird-mit-
glaesernen-Menschen-enden.html. Zugegriffen am 09.01.2017
[STRE2] Streit D (2014) Der Mensch im medialen Alltag. Digitale Wandel (Magazin
für Internet und Gesellschaft, Q2)
[SUN] sun/dpa/Reuters (2014) Milliarden Übernahme: Facebook kauft Konkurren-
ten WhatsApp. Spiegel Online. http://www.spiegel.de/netzwelt/netzpolitik/
facebook-kauft-konkurrenten-whatsapp-fuer-milliardenbetrag-a-954546.
[SW] www.test.de (2016) Stiftung Warentest. VR-Brillen: „Virtuelle Realität“ –
der Stand der Dinge. https://www.test.de/VR-Brillen-Virtuelle-Realitaet-der
-Stand-der-Dinge-5098594-0/. Zugegriffen am 20.12.2016
[SWI] Swisher K (2014) Letter from silicon valley. Man and Uber man. Vanity Fair.
http://www.vanityfair.com/news/2014/12/uber-travis-kalanick-controversy.
[SYW] Sywottek C (2017) Abstand halten. In naher Zukunft werden Maschinen
mit künstlicher Intelligenz große Teile unseres Lebens begleiten. Brand
eins – Thema Innovation, S 124–129
[T3] T3 (2015) Eric Schmidt prognostiziert das Verschwinden des Internets. t3.
http://t3n.de/news/google-eric-schmidt-internet-590276/. Zugegriffen am
26.01.2015
[TA] Tabak A, Crimson Staff Writer (2004) Hundreds register for new Facebook
website. Facemash creator seeks new reputation with latest online pro-
ject. The Harvard Crimson. http://www.thecrimson.com/article/2004/2/9/
hundreds-register-for-new-facebook-website/. Zugegriffen am 09.02.2004
[TALB] Talbot D (2014) Ultraprivate Smartphones. MIT Technol Rev. http://www.
technologyreview.com/featuredstory/526496/ultraprivate-smartphones/
[TALEB] Taleb NN (2010) Der Schwarze Schwan: Die Macht höchst unwahrschein-
licher Ereignisse. Deutscher Taschenbuchverlag, München
[TAS] Der Tagesspiegel (2015) Onlinehandel. Alibaba weiter auf Erfolgskurs.
Tagesspiegel. http://www.tagesspiegel.de/wirtschaft/onlinehandel-alibaba-
weiter-auf-erfolgskurs/12504150.html. Zugegriffen am 27.10.2015
296 Literatur

[TAS01] Der Tagesspiegel (2016) Steuervermeidung durch Google, Amazon
und Co. Streit um mehr Transparenz für Großkonzerne. Tagespiegel.
http://www.tagesspiegel.de/wirtschaft/steuervermeidung-durch-google-
amazon-und-co-streit-um-mehr-transparenz-fuer-grosskonzerne/
[TAU] Taube M (2016) Aufgedeckt: Die „Trending Topics“ bei Facebook sind kein
neutraler Nachrichtenkanal. piqd. https://www.piqd.de/medien-gesellschaft/
aufgedeckt-die-trending-topics-bei-facebook-sind-kein-neutraler-nachrich
tenkanal. Zugegriffen am 10.05.2016
[TEECE] Teece D (2010) Business models, business strategy and innovation. Long
Range Plan 43:172–194. http://www.elsevier.com/locate/lrp
[TEIX] Texeira T, Brown M (2012) Airbnb, Etsy, Uber: acquiring the first thousand
customers. Harvard Business School. Business Research for Business Lea-
ders. http://hbswk.hbs.edu/item/how-uber-airbnb-and-etsy-attracted-their-
first-1-000-customers
[TEIX02] Texeira T, Brown M (2016) Airbnb, Etsy, Uber: growing from one thous-
and to one million customers.Harvard Business School. Business Research
for Business Leaders. Harvard Business School Case 516-108. http://www.
hbs.edu/faculty/pages/item.aspx?num=51100. Zugegriffen im Juni 2016
[TELLER] Teller A (2016) Astro teller: the unexpected benefit of celebrating failure.
TED Conference 02/2016. https://www.ted.com/talks/astro_teller_the_
unexpected_benefit_of_celebrating_failure?language=de#t-81757
[TERRA] Vasek T (2013) Maschinen wie wir. Terramater, August & September
2013, S 141–154. Red Bull Media Hause GmbH, Wals-Siezenheim
[THIEL] Thiel P (2014) Zero to one: Wie Innovation unsere Gesellschaft rettet.
Campus, Frankfurt am Main/New York
[THIEL02] CNNMoney (2014) „Peter Thiel: Uber is the most ethically challenged com-
pany in the Silicon Valley“. http://money.cnn.com/2014/11/18/technology/
uber-unethical-peter-thiel/. Zugegriffen am 18.11.2014
[THO] Thompson B (2016) Google, Uber, and the evolution of transportation
As-A-Service. stratecherry. https://stratechery.com/2016/google-uber-
and-the-evolution-of-transportation-as-a-service/. Zugegriffen am 03.08.2016

[THOM] Thomas I (2016) Trendwende. Mercedes-Werk in Sindelfingen „ent-
lässt“ Roboter. Die Welt. https://www.welt.de/wirtschaft/article152696844/
Mercedes-Werk-in-Sindelfingen-entlaesst-Roboter.html. Zugegriffen am
26.06.2016
[TIW] Tiwana A (2013) Platform ecosystems: aligning architecture, governance,
and strategy. Morgan Kaufmann, Waltham
[TRIE] Triesch A (2015) Hotels buchen im Internet. Das falsche Versprechen der
Buchungsportale. Tagesspiegel. http://www.tagesspiegel.de/wirtschaft/
hotels-buchen-im-internet-die-falschen-versprechen-der-buchungsportale/
[TUC] Tuck J (2016) Evolution ohne uns: Wird künstliche Intelligenz uns töten?
1. Aufl. Plassen Verlag, Kulmbach
[TUD] Technische Universität Darmstadt (2014) Digital Humanities in der Lite-
raturwissenschaft (Computerphilologie). http://www.digitalhumanities.
tu-darmstadt.de/index.php?id=37
[TUR] Turner F (2006) From counterculture to cyberculture: Stewart brand, the
whole earth network, and the rise of digital Utopianism. University of
Chicago Press
Literatur 297
[UDA] www.udacity.com (2017) Über uns. https://de.udacity.com/ueber-uns/

[ULA] Ulam S (1958) Tribute to John von Neumann. Bull Am Math Soc 64(3,
Teil 2). http://projecteuclid.org/euclid.bams/1183522369
[VA] Vance A (2010) Merely human? That’s so yesterday. The New York
Times. http://www.nytimes.com/2010/06/13/business/13sing.html?page
wanted=all&_r=0. Zugegriffen am 12.06.2010

[VEIT] Veit D, Clemons E, Benlian A, Buxmann P, Hess T, Kundisch D,
Leimeister JM, Loos P, Spann M (2014) Business models – an information
systems research agenda. Bus Inform Syst Eng (BISE) 1:45–53. http://
aisel.aisnet.org/bise/vol6/iss1/8/
[VELO01] Ahmed A, Olander S (2012) Velocity. The seven new laws for a world
gone digital. The Random House Group Limited, Croydon
[VET] Vetter P (2016) VW. Wolfsburger Geister. Das war’s noch lange nicht bei
Volkswagen. Die Welt. https://www.welt.de/wirtschaft/article159610472/Das-
war-s-noch-lange-nicht-bei-Volkswagen.html. Zugegriffen am 20.11.2016
[VET01] Vetter P (2016) Stoppt die Smombies. Welt am Sonntag 49:41 (04.12.2016)
[VFXH] vfxh (2016) Amerikanisches Forscherteam. Big-Five Modell funktioniert nicht
überall auf der Welt. Badische Ztg. http://www.badische-zeitung.de/liebe-fami-
lie/big-five-modell-funktioniert-nicht-ueberall-auf-der-welt--127338572.
[VI] Vitzthum T (2016) Weitermerkeln? Nein, nun kommt die Revolution. Welt.
https://www.welt.de/politik/deutschland/article159660223/Weitermerkeln-
Nein-Jetzt-steht-eine-Revolution-an.html. Zugegriffen am 21.11.2016
[VIN] Vinge V (1993) Technological singularity. Department of Mathematical
Sciences, San Diego State University. http://mindstalk.net/vinge/vinge-sing.
html
[VISE] Vise D (2008) The Google story. Bantam Dell Publishing Group, New York
[VIT] Vital A (2014) How Airbnb started. Or how 3 guys went from renting air
mattresses to a 10 billion dollar company. Fundes Founders. http://funder
sandfounders.com/how-airbnb-started/. Zugegriffen am 10.04.2014
[VO] Vogelpohl T, Simons A (2015) Kontroversen ums Teilen. PeerSharing
Arbeitsbericht 2. Institut für ökologische Wirtschaftsforschung. http://
www.peer-sharing.de/data/peersharing/user_upload/Dateien/PeerSharing_
Arbeitsbericht_2.pdf
[VOG] Vogt N (2017) Robo-Advisor. Automatisiertes Anlagemanagement. c’t
7:130–132
[W3] w3.org (1989) Information management. A proposal. https://www.w3.org/
History/1989/proposal.html
[WAG] Wagner T (2015) Robokratie: Google, das Silicon Valley und der Mensch
als Auslaufmodell, 1. Aufl. PapyRossa Verlag
[WE] Wetzel D (2017) „Google ist ein Medienunternehmen“. Interview mit Fried-
rich Joussen, CEO TUI. Frankf Allgem Sonntagsztg 21:36 (21.05.2017)
[WED] Wedde P, Wedde I (2015) Schöne neue „share economy“. Friedrich Ebert
Stiftung. http://library.fes.de/pdf-files/managerkreis/11265.pdf. Zugegriffen
im März 2015
[WEH] Wehner M (2016) Deutschland wird aus dem Netz bedroht. Cyberkrimi-
nelle und aggressive Staaten wie Russland attackieren im Internet. Sind
wir dafür gerüstet? Frankf Allgem Sonntagsztg 48:12 (04.12.2016)
[WEIG] Weiguny B (2016) Wer sich nicht ändert, wird überflüssig. Frankf Allgem
Ztg vom 23.10.2016, Nr. 42, Rubrik Wirtschaft
298 Literatur
[WEILL] Weill P, Woerner S (2013) Optimizing your digital business model. MIT
Sloan Manage Rev 54(3). http://sloanreview.mit.edu/article/optimizing-
your-digital-business-model/
[WEIN] Weingartner M (2015) Big Data. Die Macht des Zufalls. Frankf Allgem Ztg.
http://www.faz.net/aktuell/wirtschaft/netzwirtschaft/auch-hochmoderne-
computer-koennen-nicht-in-die-zukunft-blicken-13427533.html. Zugegrif-
fen am 16.02.2015
[WEIS] Weiser M (1991) The computer for the 21st century. Sci Am. http://www.
ubiq.com/hypertext/weiser/SciAmDraft3.html
[WEITZ] Weitzmann M (1984) The share economy. Conquering stagflation. Cam-
bridge University Press, Cambridge
[WELT] Die Welt (2014) Japanische Datenbrillen gegen „Glass“. Die Welt HD.
http://hd.welt.de/ausgabe-b/apps-computer-b/article133045550/Japanische-
Datenbrillen-gegen-Glass.html. Zugegriffen am 09.10.2014
[WES01] Wessel M, Christensen C (2013) So überleben Sie disruptive Innovatio-
nen. Harv Bus Manag Hamburg 35:20–31
[WESS] Wessel M (2016) Data. You don’t need big data – you need the right data.
Harv Bus Rev. https://hbr.org/2016/11/you-dont-need-big-data-you-need-
the-right-data. Zugegriffen am 03.11.2016
[WEY] Weyer J (2008) Techniksoziologie. Genese, Gestaltung und Steuerung
sozio-technischer Systeme. Juventa Verlag, Weinheim/München

[WIE] Wiesner J (2013) Massenlöschung bei Myspace. Wenn die digitalen
Erinnerungen plötzlich weg sind. Der Stern. http://www.stern.de/digital/
online/massenloeschung-bei-myspace-wenn-die-digitalen-erinnerungen-
ploetzlich-weg-sind-3790412.html. Zugegriffen am 20.07.2013
[WIKI01] Wikipedia.org (2015) Digitale revolution. https://de.wikipedia.org/wiki/
Digitale_Revolution
[WIKI02] Wikipedia.org (2015) Postdigital. https://de.wikipedia.org/wiki/Postdigital
[WIKI03] Wikipedia.org (2015) Moore’s law. https://en.wikipedia.org/wiki/Moore%
27s_law
[WIKI04] Wikipedia.org (2014) Schöpferische Zerstörung. https://de.wikipedia.org/
wiki/Schöpferische Zerstörung
[WIKI05] Wikipedia.org (2015) Geschäftsmodell. https://de.wikipedia.org/wiki/
Gesch%C3%A4ftsmodell

[WIKI06] Wikipedia.org (2015) Google books. https://de.wikipedia.org/wiki/
Google_Books
[WIKI07] Wikipedia Foundation Inc. (2014) Big data. http://de.wikipedia.org/wiki/
Big_Data
[WIKI08] Wikipedia Foundation Inc. (2014) Emergenz. http://de.wikipedia.org/
wiki/Emergenz
[WIKI09] Wikipedia.org (2017) Tim Berners-Lee. https://de.wikipedia.org/wiki/
Tim_Berners-Lee
[WIKI10] Wikipedia.org: The innovator’s dilemma. https://en.wikipedia.org/wiki/
The_Innovator’s_Dilemma

[WIKI11] Wikipedia.org (2017) Share economy. https://de.wikipedia.org/wiki/
Sharing_Economy
[WIKI12] Wikipedia.org (2017) Technologische Singularität. https://de.wikipedia.
org/wiki/Technologische_Singularität
[WIKI13] Wikipedia.org (2017) Ambient awareness. https://en.wikipedia.org/wiki/
Ambient_awareness
Literatur 299

[WIKI14] Wikipedia.org (2017) Ubiquitous computing. https://de.wikipedia.org/
wiki/Ubiquitous_computing
[WIKI15] Wikipedia.org (2017) Ambient intelligence. https://de.wikipedia.org/wiki/
Ambient_Intelligence
[WIKI16] Wikipedia.org (2017) Big data. https://de.wikipedia.org/wiki/Big_Data
[WIKI17] Wikipedia.org (2017) Cloud computing. https://de.wikipedia.org/wiki/
Cloud_Computing
[WIKI18] Robotik. Wikipedia.org (2017) Robotik. https://de.wikipedia.org/wiki/Robotik
[WIKI19] 3D-Druck. Wikipedia.org (2017) 3D-Druck. https://de.wikipedia.org/
wiki/3D-Druck
[WIKI20] Virtuelle Realität. Wikipedia.org (2017) Virtuelle Realität. https://de.wikipedia.
org/wiki/Virtuelle_Realität

[WIKI21] Künstliche Intelligenz. Wikipedia.org (2017) Künstliche Intelligenz.
https://de.wikipedia.org/wiki/Künstliche_Intelligenz
[WIKI22] Netzwerkeffekt. Wikipedia.org (2017) Netzwerkeffekt. https://de.wikipedia.
org/wiki/Netzwerkeffekt
[WIKI23] Smart City. Wikipedia.org (2017) Smart city. https://de.wikipedia.org/
wiki/Smart_City
[WIKI24] Smart city. en.wikipedia.org: Smart city. https://en.wikipedia.org/wiki/
Smart_city
[WIKI25] Bitcoin. www.wikipedia.org: Bitcoin. https://de.wikipedia.org/wiki/Bitcoin
[WIKI26] MP3. www.wikipedia.org (2017) MP3. https://de.wikipedia.org/wiki/MP3
[WIKI27] Watson (Künstliche Intelligenz). www.wikipedia.org (2017) Watson (Künstli-
che Intelligenz). https://de.wikipedia.org/wiki/Watson_(Künstliche_Intelligenz)
[WIKI28] Algorithmus. www.wikipedia.org (2017) Algorithmus. https://de.wikipedia.
org/wiki/Algorithmus
[WIKI29] Wikipedia.org (2017) Branchenstrukturanalyse. https://de.wikipedia.org/
wiki/Branchenstrukturanalyse
[WIKI30] Airbnb. Wikipedia.org (2017) Airbnb. https://de.wikipedia.org/wiki/Airbnb
[WIKI31] 1984 (advertisement). Wikipedia Foundation Inc. (2014) 1984 (advertise-
ment). http://en.wikipedia.org/wiki/1984_(advertisement)
[WIKI32] Digital humanities. Wikipedia Foundation Inc. (2014) Digital humanities.
http://en.wikipedia.org/wiki/Digital_humanities

[WIKI34] Künstliche Intelligenz. Wikipedia Foundation Inc. (2014) Künstliche
Intelligenz. http://de.wikipedia.org/wiki/Künstliche_Intelligenz
[WIKI35] Big Data. Wikipedia Foundation Inc. (2014) Big Data. http://de.wikipedia.
org/wiki/Big_Data
[WIKI36] Auguste Comte. Wikipedia Foundation Inc. (2014) Auguste Comte. http://
de.wikipedia.org/wiki/Auguste_Comte
[WIKI37] Uber (Unternehmen). Wikipedia.org (2017) Uber (Unternehmen). https://
de.wikipedia.org/wiki/Uber_(Unternehmen)
[WIKI38] The Huffington Post. Wikipedia.org (2017) The Huffington Post. https://
de.wikipedia.org/wiki/The_Huffington_Post
[WIKI39] Cyborg. Wikipedia.org (2017) Cyborg. https://de.wikipedia.org/wiki/Cyborg
[WIKI40] Odyssee im Weltraum. Wikipedia.org (2017) 2001: Odyssee im Weltraum.
https://de.wikipedia.org/wiki/2001:_Odyssee_im_Weltraum
[WIKI41] Internet der Dinge. Wikipedia.org (2017) Internet der Dinge. https://de.
wikipedia.org/wiki/Internet_der_Dinge
[WIKI42] Industrie 4.0. Wikipedia.org (2017) Industrie 4.0. https://de.wikipedia.org/
wiki/Industrie_4.0
300 Literatur
[WIKI43] Produktlebenszyklus. Wikipedia.org (2017) Produktlebenszyklus. https://

de.wikipedia.org/wiki/Produktlebenszyklus

[WIKIQ01] Wikiquote (2014) George E. P. Box. http://en.wikiquote.org/wiki/
George_E_P_Box
[WIL] Wilton J (2016) Analyse. Trump passt perfekt in die sozialen Netzwerke. Die
Welt. https://www.welt.de/politik/ausland/article159555863/Warum-Trump-
so-perfekt-in-die-sozialen-Netzwerke-passt.html. Zugegriffen am 27.11.2016
[WIN] Winterbauer S (2016) Streit um EU-Leistungsschutz: Warum Verlage
und Facebook & Google einander brauchen. MEEDIA. http://meedia.
de/2016/09/15/streit-um-eu-leistungsschutz-warum-verlage-und-face
book-google-einander-brauchen/. Zugegriffen am 15.09.2016
[WINT] Winterhagen J (2016) Wird das Fließband abgeschafft? Die sequentielle
Produktion hat das Auto bezahlbar gemacht. In der Fabrik der Zukunft,
ausgestattet mit künstlicher Intelligenz, könnte es bald wild durcheinan-
dergehen. Frankf Allgem Sonntagsztg, 48:65 (04.12.2016)
[WIRED] Wired (2017) Wired Design Spezial – März 2017, S 78–81
[WOL] Wolfe M (2013) How big of a deal is Uber? Quora. Comment on user posed
question. https://www.quora.com/How-big-of-a-deal-is-Uber. Zugegriffen
am 10.12.2013
[WOLF] Wolfangel E (2016) Algorithmen. Die Grenzen künstlicher Intelligenz.
Spektrum Rubrik Mathematik. http://www.spektrum.de/news/die-grenzen-
der-kuenstlichen-intelligenz/1409149. Zugegriffen am 03.05.2016
[WOZ] Wozniak S (2009) Never trust a computer you can’t throw out a window.
http://keepcalmandprogram.me/post/76328828067/never-trust-a-
computer-you-cant-throw-out-a
[ZAM] Zott C, Amit R, Massa L (2011) The business model: recent developments
and future research. J Manage. http://jom.sagepub.com/content/early/
2011/04/29/0149206311406265
[ZAS] Zastrow V (2016) Politik. Wie Trump gewann. Frankf Allgeme Sonntagsztg.
http://www.faz.net/aktuell/politik/trumps-praesidentschaft/wie-
der-wahlsieg-von-donald-trump-mit-big-data-gelang-14568868.html.
[ZDF] www.zdf.de (2017) Geheimnisse der digitalen Revolution. https://www.
zdf.de/dokumentation/zdfinfo-doku/multimedia-und-internet-102.html
[ZHU] Zhu F, Furr N (2016) Products to platforms: making the leap. Harv Bus
Rev (April Issue). https://hbr.org/2016/04/products-to-platforms-making-
the-leap. Zugegriffen im April 2016
[ZIE] Ziegler P (2017) Unzählige Startups arbeiten an der Umsetzung neuer
Ideen und Konzepte, um Geschäftsprozesse im Finanzsektor zu optimie-
ren oder gleich ganz zu ersetzen. Der Umgang mit Geld wird dadurch oft
einfacher und bequemer – doch nicht immer überwiegen für Kunden die
Vorteile. c’t Mag Comp Tech 7:121–125
[ZO] Zeit Online/dpa (2017) Travis Kalanick. Uber-Chef tritt zurück. Zeit Online.
http://www.zeit.de/wirtschaft/2017-06/travis-kalanick-uber-ruecktritt.

[ZSCHÄ] Zschäpitz H (2014) Europa ist intellektuell bankrott. Interview mit
Edmund Phelps. Die Welt. http://www.welt.de/print/die_welt/wirtschaft/
article131557267/Europa-ist-intellektuell-bankrott.html. Zugegriffen am
25.08.2014
[ZYS] Zysman J, Kenney M (2016) The rise of the platform economy. Iss Sci Tech-
nol XXXII(3). http://issues.org/32-3/the-rise-of-the-platform-economy/
Stichwortverzeichnis
A B
Airbnb 58, 124, 140, 141, 143, 146, 148, 149, Bermudadreieck der Digitalisierung 28
151, 198 Big Data Management 20, 92
black-hat operation 146 Big Data 94
Henne-Ei-Problem 146 Ende der Theorie 105
internationale Expansion 147 inhärente Grenzen 107
Konkurrenten 148 schematische Big Data Management-
Kuratierierung 142 Anatomie 95
Nachteile 151 Smart Data 99
positive Netzwerkeffekte 143 Versprechen 102
Risiken 151 Blockchain 72
Alan Turing 264 Bot 15
Alexa 244, 245 Burning Man Festivals 260
Alex Pentland 231 Byung-Chul 13, 154, 235, 240
Algorithmen 92, 100
Deep-Learning-Algorithmen 102
C
grundlegende Designs 102
Clayton Christensen 31, 33, 36
Alphabet 212, 262
Cloud Computing 20, 54
Amazon 136
Dienste-Plattformen 55
Apple 15
Elemente 54
Apple Campus 2 7
Infrastruktur 55
Apps 222
Infrastructure-as-a-Service (IaaS) 20
Anwendungswelten 113, 223
Platform-as-a-Service (PaaS) 20
gebündelte 223
Plattformen 55
isolierte 222
Software 55
singuläre 112
Software-as-a-Service (SaaS) 20
Aufbauschema digitaler Start-up-Plattformen 202
Computational Turn 103
Ausbruch aus der dominanten Branchenlogik 200
Distant Reading 104
Axel Springer-Geschäftsmodell mit digitaler
Plattform 206
Erfolgsfaktoren 206 D
Pipeline-Unternehmen zu digitalen Darknet 3
Plattform-Unternehmen 205 Dataismus 232, 266
Axciom 97 Daten-Behaviorismus 233

https://doi.org/10.1007/978-3-658-19178-8
302 Stichwortverzeichnis
Datenschutz 240 H
Datenautonomie 196 HAL 9000 256
Datensouveränität 242 Henne-Ei-Problem 81, 146
Digitale Souveränität 195 Big Bang-Adoptionsstrategie 87
New Deal on Data 241 Lösungen des Problems 82
Regulierungsleitprinzipien nach David micro market strategy 86
Hantman 199 Muster 81
Die vier Momente der Technologie 10 Piggyback Strategy 85
digitale Bermudadreieck 26 Power-Produzenten (Marquee-Strategie) 84
Digitale Plattform-Ökosysteme 22, 29 Vortäuschen von Wachstum 84
Digitale Sphäre 9
Digitalisierung 19, 26
Digitalisierungssymptome 9 I
Disruption 32 Internet der Dinge 23, 92, 230
angebotsseitige 34
low-end 32
new market 32 J
dominante Branchenlogik 30 Joshua Gans 32, 34, 36
E K
Elon Musk 267 Kern-Interaktion 141
Eric Schmidt 2, 4, 11 Kulturtechnik des Suchens 12
künstliche Intelligenz 21, 108, 245,
248, 252
F schwache 21
Facebook 147, 174, 180 starke 21
Big Data Management 187 künstlichen Intelligenz 244
fake news 184 Kurzweil 265
Funktionen 178
Geschäftsmodell 179
Henne-Ei-Problem 180 M
Kern-Interaktion 177 Matching 37, 68, 117
Kuratierung 185 Moonshot-Blaupause 259
Monetarisierungskomponenten 179 Moonshots 213
Plattform 177 Multihoming 136
Vor- und Nachteile 182 My Space 174
Wachstum 181
Filter-Bubble 11
Fred Turner 261 N
Netzwerkeffekte 63–65, 113
Free Pricing 77
G negativ 46
Geschäftsmodell-Definition 50 positiv 46
digitales 50
Google 13, 15, 259
Google Glass 22, 215, 260 O
Gordon Moore 30 Ocean-Modell 237
graduellen Wandels 16 Big Five 237
Granularisierung 12 Odyssee im Weltraum 256
Stichwortverzeichnis 303
Orientierungspunkte der Digitalisierung 27 Sharing-Ökonomie 37, 41

Algorithmizität 27 Charakteristika 38
Gemeinschaftlichkeit 27 Modelle 39
Referentialität 27 Nachteile 39
Oscar Niemeyer 5 Vorteile 40
Silicon Valley 16, 259, 260, 262, 263
Silicon Valley-Tourismus 144
P Smart City 51
Patientenakte 217 Handlungsfelder 51
digitale 217 holistische Architektur des Smart City-
Pipeline-Unternehmen 127, 203 Ökosystems 53
„Pipeline“-Unternehmen 112 Smart City-Apps-Plattform mit
Plattform 115 Ökosystem 70
Akteure 49 Social Physics 231, 234
DNA 48 Stanley Kubrick 256
Erfolgsfaktoren 122 Steve Jobs 261, 268
Fallen 123
Funktionen auf einer digitalen Plattform 49
Governance 71 T
Kategorisierung digitaler Plattformen 56 technologische Singularität 16, 263, 266, 267
Metriken 115 Ted Turner 259
Nachteile 139 The Disruption Dilemma 32, 34
Ökosysteme 126, 127 The Innovator’s Dilemma 31
Offenheit 120, 122 Transhumanismus 263, 265
Regulierung 190 Travis Kalanick 129, 261
Regulierungsleitlinien 197 Turing Test 264
Scheitern 122
Schematische Plattform-Architektur 57
Skalierung von digitalen Plattformen 61 U
virales Wachstum 87 Uber 128, 154, 198
Vorteile 139 Fahrpreise 173
Wertschöpfung 131 Geschäftsmodell 159
Wertschöpfungsdynamik digitaler Henne-Ei-Problem 162
Plattformen 74 Kern-Interaktion 158
Wettbewerbsdynamik 135 Perspektiven 161
Posthumanismus 263 Playbook 164
surge pricing 160
Vor- und Nachteile 168
R Wachstumsspektrum 174
Ray Kurzweil 16, 30, 268
Reality Mining 234
Rekombination digitaler Daten 25 W
Robotik 22, 250 Watson 94, 219
Rocket Internet 45 Wertschöpfungsketten 113
Clone-Factory 45 lineare 113
S Z
Sascha Lobo 4, 9, 26, 46 Zaha Hadid 5
Plattform-Kapitalismus 46 zweite Phase der Digitalisierung 23

Die Macht Der Digitalen Plattformen - Wegweiser Im Zeitalter Einer Expandierenden Digitalsphäre Und Künstlicher Intelligenz

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Die Macht Der Digitalen Plattformen - Wegweiser Im Zeitalter Einer Expandierenden Digitalsphäre Und Künstlicher Intelligenz

Hochgeladen von

Copyright:

Verfügbare Formate

Michael Jaekel

Die Macht der

Die Macht der digitalen

ISBN 978-3-658-19177-1 ISBN 978-3-658-19178-8 (eBook)

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie;

Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier

Springer Vieweg ist Teil von Springer Nature

zunehmenden Ausdehnung dieser digitalen Plattform-Ökosysteme wird die Notwendigkeit

Michael Jaekel Berlin, im August 2017

1 Prolog: Digitalisierung und das Dilemma der Disruption . . . . . . . . . . . . . . . . 1

Abb. 1.1 Das chaotische Konzert der Digitalisierungssymptome

Abb. 3.1 Das digitale Plattform-Gesundheitsuniversum mit

Foto 1.1 Die Architektur von Oscar Niemeyer in Brasilia

Foto 5.1 Das Auge von HAL 9000 [http://www.fotolia.de]���������������������������������������� 257

„Technologie katalysiert Veränderung – in dem, wer wir sind, was

© Springer Fachmedien Wiesbaden GmbH 2017 1

Foto 1.1 Die Architektur von Oscar Niemeyer in Brasilia [http://www.istockphoto.com]

Foto 1.2 Der im Bau befindliche Apple Campus 2 [http://www.istockphoto.com]

1.1 Das Bermudadreieck der Digitalisierung

Auf einer im September 2016 stattgefundenen Veranstaltung des Fraunhofer-Institut für

Gamification Zentralisierung der Kundenschnittstelle

Predictive Analytics User-Generated Content / Co-creation

Abb. 1.1 Das chaotische Konzert der Digitalisierungssymptome [http://www.istockphoto.com,

Technische etabliert Kultur-

Technisches Dispositiv Technisches Dispositiv

Abb. 1.3 Google und die vier Momente der Technologie

Angst “Alles ist machbar

Visionen bildet das Prinzip der „technologischen Singularität“. Unter technologischer

s­ oziotechnischen Konstellationen werden die wesentlichen bisherigen Akteure, Institutio-

­ erliner Start-up-Unternehmens „JustWatch“, David Croyé, ist überzeugt: „Gewinner

• Aufzeichnungen verschiedener Überwachungssysteme,

• jegliche elektronische Kommunikation, dabei auch die persönlich geprägte, individuell

Mit diesen Orientierungspunkten gestaltet Stalder das expandierende Digitaluniversum als

1.2 Was es mit der Disruption eigentlich so auf sich hat

Der österreichisch-amerikanische Ökonom Joseph Alois Schumpeter charakterisierte

• die von Gordon Moore identifizierten regelmäßigen Verdopplungen integrierter Schalt-

Diese exponentiellen Entwicklungen führen zur schöpferischen Zerstörung bestehender

den Managern in Unternehmen selbst kritisierte, die an der etablierten Branchenlogik

Demands-Side Disruption (C. Christensen) Supply-Side Disruption (J. Gans)

2) Die “erhaltenden” Innovationen gehen im Zeitablauf weit über die

Demands-Side Disruption Suppl-Side Disruptiony

Abb. 1.7 Die unterschiedlichen Reaktionsmuster der Disruption. (Nach [GANS])

insbesondere Weiterverkauf (beispielsweise über eBay), b) intensivere Nutzung von

41 Mrd. US-Dollar und Airbnb mit 26 Mrd. US-Dollar Marktbewertung unangefochten

„Fast alle großen, erfolgreichen Digitalkonzerne sind oder

© Springer Fachmedien Wiesbaden GmbH 2017 45

2.1  ie Plattform-DNA: Kern-Interaktion, Kategorisierung und

Die expandierende Digitalsphäre erfährt ihr Momentum von innovativen Technologien

Prinzipiell verfügen alle digitalen Plattform-Ökosysteme über eine gemeinsame Struk-

Währung (Daten, Feedback)

Für das weitere Verständnis orientieren wir uns an der Geschäftsmodell-Definition

Smart Governance (Participation)

Smart Economy (Competitiveness) Smart Mobility (Transport)

 Innovative spirit  Flexibility of labor market  Local accessibility

Smart Living (Quality of life)

 Cultural facilities  Education facilities

Lern- und Innovationsmilieu

Interaktion Smart Interaktion

Die Smart City als dynamisches System von Systemen

Google App Facebook FB PaaS (Platform-as-a-Service)

Virtuelle Server, Speicher, Rechenkerne IaaS (Infrastructure-as-a-Service)

Abb. 2.4 Grundlegende Elemente von Cloud Computing

Smartphones zugreifen können. Das bi-direktionale, in Echtzeit ablaufende Netzwerk,

1 Prolog: Digitalisierung und das Dilemma der Disruption . . . . . . . . . . . . . . . . 1

Foto 5.1 Das Auge von HAL 9000 [http://www.fotolia.de]�� 257

1.1 Das Bermudadreieck der Digitalisierung

s oziotechnischen Konstellationen werden die wesentlichen bisherigen Akteure, Institutio-

erliner Start-up-Unternehmens „JustWatch“, David Croyé, ist überzeugt: „Gewinner

1.2 Was es mit der Disruption eigentlich so auf sich hat

2.1 ie Plattform-DNA: Kern-Interaktion, Kategorisierung und

Innovative spirit Flexibility of labor market Local accessibility

Cultural facilities Education facilities

Aufbau und Betrieb von

2.2 Das Paradoxon des Henne-Ei-Problems überwinden

Eine weitere strategische Variante betrifft die „Piggyback Strategy“ („Huckepack-

2.3 So funktioniert virales Wachstum in einer vernetzten Welt

2.4 oo big to ignore: Big Data Management und die künstliche

3.1 ie Revolution geht einher mit einer Evolution digitaler

zeitintensive menschliche Gatekeeper heranzuziehen, die beispielsweise alle Status-Up

3.2 ie digitale Plattformen traditionelle Industrien erobern

3.3 Auf huckepack mit Craiglist – Airbnb Case Study

• der Mehrwert privater Übernachtungsmöglichkeiten mit dem Insider-Wissen von Ein

3.4 Wir sind kein Taxiunternehmen – Uber Case Study