Unternehmen wie Google oder Amazon haben auf beeindruckende Weise die Wirkung und Bedeutung datenbasierter Geschäftsmodelle aufgezeigt. Im Zuge einer steigenden Bewusstseinsbildung für diesen Trend und der zunehmenden Digitalisierung, versuchen mehr und mehr Unternehmen datenbasierte Geschäftsmodelle zu entwickeln. Dies geschieht dabei häufig als Ergänzung zu traditionellen Geschäftsmodellen und erfolgt im Rahmen eines Geschäftsmodell-Innovationsprozesses. Dabei stellt sich zunächst einmal die Frage, inwieweit man diesen Prozess unterstützen kann? Ansätze die für allgemeine Geschäftsmodellinnovationen entwickelt wurden, wie z. B. der Business Model Canvas, sind hier natürlich grundsätzlich anwendbar. Bei näherer Betrachtung stellt man jedoch fest, dass datenbasierte Geschäftsmodelle besondere Eigenschaften haben und diese eine erweiterte Betrachtung erfordern.
Eine spezielle Herausforderung dabei ist es, Wissensrisiken zu erkennen: Die Grundlage von datenbasierten Geschäftsmodellen sind Daten. Durch moderne Sensorik und große Speicher- und Datenverarbeitungskapazitäten können diese Datensätze sehr umfangreich sein. Mit Hilfe von modernen Datenanalysewerkzeugen können aus solchen Datensätzen kritische Erkenntnisse gewonnen werden und damit möglicherweise wettbewerbskritisches Wissen nach Außen geraten. Da es nicht trivial ist zu erkennen, welches Wissen aus welchen Daten gewonnen werden kann, stellt dieses Szenario ein schwer zu kalkulierendes Risiko datenbasierter Geschäftsmodelle dar. Im Rahmen des Designprozesses von datenbasierten Geschäftsmodellen sollten jedoch Risiken und Vorteile eines möglichen Geschäftsmodells möglichst transparent sein. Denn nur auf einer möglichst umfassenden Analyse und Transparenz kann eine gute Entscheidung getroffen werden.
Im vorliegenden Buchkapitel wird anhand einer Fallstudie eines global tätigen großen Unternehmens in der Automobilbranche 1) eine systematische Vorgehensweise für die Entwicklung eines datengetriebenen Geschäftsmodells in Ergänzung zu einem bestehenden, wissensintensiven Unternehmen beschrieben, 2) dadurch veranschaulicht, welche Lücken bestehende Werkzeuge für Geschäftsmodell-Entwicklung in Bezug auf datengetriebene Geschäftsmodelle haben und 3) eine Visualisierung von Geschäftsmodellen vorgestellt, die die gezielte Identifikation von Wissensrisiken ermöglicht.
Die vorgeschlagene und in der Fallstudie bereits erfolgreich erprobte Visualisierung stellt eine interaktions-basierte Darstellung eines Geschäftsmodells dar. In dieser werden Wissensgrenzen dargestellt, über diese kein Kern-Wissen, sondern nur Daten und von Daten bzw. Wissen abgeleitete Werte (z. B. Vorhersagen) fließen sollen. Diese Visualisierung ist Diskussions- und Entscheidungsgrundlage, um für jeden Fluss von Werten über diese Wissensgrenze hinweg dieses in der Entwurfsphase sicherzustellen bzw. entsprechende Rahmen- und Handlungsrichtlinien für die Umsetzungsphase des Geschäftsmodells zu entwickeln.
