Eines der zentralen Ziele von Data Governance ist, das Teilen von Daten zwischen verschiedenen Akteuren zu koordinieren. Diese Koordinierung kann auf unterschiedliche Weise vollzogen werden. Für den Bereich der Smart City bietet sich aufgrund der Komplexität der Interessenkonflikte das Data Commons-Modell an. Bei diesem spielen Datenintermediäre in ihrer Koordinierungsfunktion eine besondere Rolle.
Datenintermediäre als Koordinatoren
Wir verstehen Datenintermediäre im weitest möglichen Sinne als jeden Dienst, der das Datenteilen zwischen verschiedenen Akteuren auf normativer, organisatorischer und technologischer Ebene erleichtert (vgl. Grafenstein, 2022). Datenintermediärsdienste können dementsprechend ganz unterschiedliche Formen annehmen, es kann sich beispielsweise um eine Vertragsvorlage für eine Datenteilungsvereinbarung oder eine juristisch eigenständige Entität handeln.
Datenintermediäre helfen bei der Überwindung des Wert-Risiko-Dilemmas, indem sie auf beiden Seiten der Gleichung ansetzen: Durch die Bereitstellung von Diensten unterstützen sie die Datenteilenden dabei, sowohl das Wertschöpfungspotential der Daten zu maximieren als auch die Compliance-Risiken und Kosten zu senken, sodass das Teilen der Daten lohnenswert erscheint.
Datenintermediäre verfügen erstens über eine besondere Möglichkeit, notwendige Expertise zu generieren und zu skalieren. Zweitens können sie mit unterschiedlichen Instrumenten als neutraler Akteur auftreten und so die Interessen aller Beteiligten ausgewogen berücksichtigen.
Diese breitere Definition von Datenintermediären erlaubt es, alles einzubeziehen, was den Datenaustausch fördert. So stellen wir sicher, auch bisher unbekannte Dienste (wie z.B. Zertifizierungsdienste) mit einzubeziehen.
Drei grundlegende Modelle
Grundsätzlich gibt es eine Vielzahl verschiedener Varianten von Intermediärsstrukturen für unterschiedliche Einsatzbereiche (siehe etwa die vom Bundesministerium für Forschung und Bildung geförderten Pilotprojekte von Datentreuhandmodellen, vgl. BMBF, 2022). Da sich die Wert-Risiko-Dilemmata jeweils unterschiedlich darstellen, bedarf es unterschiedlicher Intermediärsstrukturen, um eine kontextangemessene Auflösung des Wert-Risiko-Dilemmas zu ermöglichen. Es ist anerkannt, dass es keine “one size fits all”-Lösung gibt (vgl. z.B. Specht-Riemenschneider, 2021).
Gleichwohl gibt es Grundkategorien und Unterkategorien von Intermediärsmodellen, die übertragbar sind und sich für verschiedene Kontexte mit vergleichbaren Interessenkonstellationen ergeben. Intermediärsmodelle lassen sich in drei grundlegende Kategorien einfügen: offene Daten, geteilte Daten und geteilte Analyseergebnisse. Alle drei Kategorien enthalten jeweils mehrere Unterkategorien mit unterschiedlichen Nutzungsbedingungen. Die Unterscheidung beruht auf einer explorativen Analyse und Systematisierung der o.g. geförderten Pilotprojekte von Datentreuhandmodellen (vgl. dazu und zum Folgenden: v. Grafenstein, 2024).
Diese Modelle und ihre Kategorisierung sind Gegenstand laufender Forschung.
Zentrales Unterscheidungskriterium der Modelle ist die Qualität des Datenzugangsrechts des Datennutzers. Der Datenzugang ist dort am weitreichendsten, wo die Compliance-Risiken am geringsten und dementsprechend die Schutzinteressen des Datenhalters am geringsten sind. Mit ansteigenden Risiken ist der Datenzugang zunehmend restriktiv ausgestaltet.
Mit ansteigenden Risiken ist der Datenzugang zunehmend restriktiv ausgestaltet.
