Marktmacht in der Datenökonomie und die Rolle Digitaler Identitäten

Von Ralf Keuper

Wie kann die Marktmacht der großen Datenkonzerne wie Google oder Facebook begrenzt werden? Wie bzw. woran lässt sich die Marktmacht messen? Welche Konsequenzen müssten gezogen werden, wenn sich eine marktbeherrschende Stellung und deren Missbrauch in der Datenökonomie nachweisen lässt?

Um diese Fragen dreht sich das Paper Marktmacht in der Datenökonomie begrenzen von Dr. Nicola Jentzsch.

Nötig sei nicht die Betrachtung einzelner Unternehmen, sondern die ganzer Ökosysteme. Letztere beziehen ihre Anziehungskraft und Marktstellung aus Skalen- und Verbundeffekten, wie Facebook mit Whats App und Microsoft mit LinkedIn.

Ein weiteres Kriterium ist der sog. Social Graph über den Unternehmen und Ökosysteme verfügen.

Im Qualitätswettbewerb der Datenökonomie findet eine Differenzierung der Unternehmen über den sozialen Graphen der Kunden statt. Dieser basiert auf den gesammelten Nutzerdaten. Datenerschließung und Datenanalyse haben folglich auch Wettbe- werbsimplikationen, insbesondere da Unternehmen ihre Datenschutz-Compliance strategisch ausrichten.

Tragen die Verfahren des Machine Learning und große Datenmengen automatisch zu einer marktbeherrschenden Stellung der Datenkonzerne bei? Inwieweit spielt die Verwendung synthetischer Daten hierbei eine Rolle?

Festzuhalten ist, dass große Datenmengen mit hoher Varianz bzw. Bandbreite bessere Prognosen über das Verhalten der Nutzer ermöglichen.

Eine wichtige Markteintrittsbarriere ist die Frage der Replizierbarkeit der Daten:

Die Frage nach der Bedeutung von Daten ist umstritten. Der Grund ist, dass sich Faktoren der Erhöhung als auch der Reduzierung der Replizierbarkeit von Datensätzen nden lassen.18 Replizierbarkeit bedeutet, dass gleiche oder sehr ähnliche Varianten (sogenannte noisy versions) von Datensätzen erstellt werden können, die Konkurrenten eines dominanten Unternehmens nutzen können. Fehlende Replizierbarkeit gilt als Markteintrittsbarriere.

Am Beispiel von Google-Doublecklick, Facebook-WhatsApp und Microsoft-LinkedIn wird deutlich, wie große Technologiekonzerne ihren Datenbestand, ihre Datenmacht mit einem Schlag vergrößern können.

Diese Fälle zeigen allesamt, dass die Fusionen für Datenzusammenführung genutzt wurden. In der Oberliga der Wettbewerber (bei den Cloud-Diensten) differenzieren sich die Konkurrenten in ihren Datensammlungen und den darauf basierenden sozialen Graphen. Diese Graphen erlauben eine zunehmende Personalisierung der Dienste für Nutzer:innen. Die Unternehmen bewegen sich zunehmend in einem Personalisierungswettbewerb.

Mittel der Wettbewerbsaufsicht, die Marktmacht der großen Plattformen und Ökosysteme in der Datenökonomie zu begrenzen sind laut Jentzsch:

Einsatz von Machine-Learning-Verfahren

Formale Privatheitsgarantien, insbesondere nach Übernahmen

Verhaltensökonomische Studie würdigen (Was veranlasst dazu, auf einer Plattform zu bleiben und Alternativen nicht wahrzunehmen?)

Am interessantesten ist m.E. der Punkt Synthetisierung und Daten-Pooling:

In der Vergangenheit wurde auch diskutiert, ob Wettbewerber Zugriff auf wertvolle Datensätze bekommen sollten. Gerade bei personenbezogenen Daten wird dies unter Verweis auf Daten- schutz-Regeln verworfen. Die Synthetisierung von Daten44 könnte ein praktikabler Ansatz sein, vormals exklusive Datensätze dem Markt zu öffnen. Der Zugriff könnte über Datenpools organsiert werden und müsste an ethische Bedingungen, Zweckgebundenheit und Privatheitsgarantien gebunden werden. Des Weiteren wäre die Standardisierung im Bereich der Interoperabilität und Daten-Portabilität zu prüfen.

Schlussbetrachtung

Der Hinweis auf die Schlüsselstellung des Social Graph ist von großer Bedeutung, wenn man die Funktionsweise der Datenökonomie verstehen und bewerten will. Neben Facebook und Google sind in diesem weitere Dienstleister aktiv, wie drawbridge und Tapad.

Drawbridge wirb mit seinem Identity Graph

Our graph combines billions of customer touchpoints with a breadth and depth of online and offline interactions you won’t find anywhere else. Add your customer data to the mix, and Drawbridge’s patented AI enriches and completes your data to show you your customers with unmatched clarity (Quelle: Homepage drawbridge)

Tapad hat den Tapad Graph:

Unlike most device and identity graphs, Tapad leverages both probabilistic and deterministic signals to build The Tapad Graph. Probabilistic data provides the scale that deterministic data alone can’t match, while deterministic data ingested from our brand and technology partners allows our machine learning algorithms to continuously refine themselves to maintain a high degree of data precision (Quelle: Homepage Tapad)

In die Betrachtung mit einbezogen werden sollten m.E. auch die anderen Datenkonzerne wie Acxiom und die Oracle-Tochter Datalogix.

Acxiom unterhielt bis vor einiger Zeit eine intensive Geschäftsbeziehung zu Facebook:

Zu den Kunden von Acxiom zählte auch Facebook, das seine eigenen Datenbestände unter anderem mit denen von Acxiom anreicherte, um Werbeanzeigen besser auf die Lebenssituation und Interessen seiner Nutzer zuzuschneiden. Im Zuge des Facebook-Datenskandals rund um Cambridge Analytica hat Facebook bekannt gegeben, die Zusammenarbeit mit Acxiom aufzukündigen (Quelle: Wikipedia)

Zusammenfassen könnte man die Aktivitäten der Datenkonzerne als Identity Based Marketing mittels verschiedener Social Graphs. Es geht es also im Kern um die Digitale Identität der Nutzer und der mit ihnen verbundenen Geräte. Das betrifft nicht nur Fragen des Wettbewerbsrechts. Ebenso wichtig ist der Schutz der Digitalen Identitäten der Nutzer. Wie kann der Nutzer die Kontrolle über seine Digitale Identität zurückgewinnen, wie kann er mit seiner Digitalen Identität bzw. verschiedenen Ausprägungen davon Transaktionen durchführen und dabei nur die Daten offenlegen, die für den Geschäftsvorfall benötigt werden? Mittel dazu könnten Selbstverwaltete digitale Identitäten auf Blockchain-Basis oder andere Services sein, wie VERIMI oder Open Source-Initiativen wie ID4me. Damit würde sich die Machtverhältnisse in der Datenökonomie verändern – quasi buttom-up.

Wir haben es nicht nur mit einer Datenökonomie, sondern auch und vor allem mit einer Identity Economy zu tun. Solange wir unseren Blick auf die Daten und die Ökosysteme konzentrieren, bleibt der eigentliche Hebel, die Digitale Identität, unbeachtet.

Das Datenpooling könnte demnächst von Datengenossenschaften übernommen werden.

Dieser Beitrag wurde unter Datensouveränität, Digitale Identitäten, Digitale Plattformen / Plattformökonomie veröffentlicht. Setze ein Lesezeichen auf den Permalink.