1. ZHAW digitalcollection
  2. School of Engineering
  3. Publikationen
  4. Publikationen School of Engineering
Full metadata record
DC FieldValueLanguage
dc.contributor.authorBenedech, Rodolfo Andres-
dc.contributor.authorVogt, Helen-
dc.contributor.authorMeierhofer, Jürg-
dc.contributor.authorKugler, Petra-
dc.contributor.authorStrittmatter, Marc-
dc.contributor.authorDobler, Martin-
dc.contributor.authorMeyer, Johanna-
dc.contributor.authorTreiterer, Manuel-
dc.date.accessioned2024-01-12T14:41:13Z-
dc.date.available2024-01-12T14:41:13Z-
dc.date.issued2023-11-
dc.identifier.urihttps://www.researchgate.net/publication/376811588_Data_Sharing_Framework_fur_KMUde_CH
dc.identifier.urihttps://digitalcollection.zhaw.ch/handle/11475/29572-
dc.description.abstractDas Forschungsprojekt Data Sharing Framework untersuchte Data Sharing im Kontext von datenbasierten Services und Produkten in Ökosystemen aus fünf Perspektiven: Kultur, Vertrauen, Wert, Recht & Governance, Sicherheit. Die Forschungsergebnisse bestätigen die Relevanz dieser Perspektiven und es hat sich gezeigt, dass diese Aspekte sowohl Barrieren als auch Treiber für Datennutzung und -austausch zwischen Unternehmen darstellen. Ausgangspunkt waren die folgenden forschungs- und praxisleitenden Annahmen: • These 1: KMU können durch die Nutzung und das Teilen von Daten Mehrwerte in Form neuer Produkte und Services generieren. Aus wissenschaftlicher Sicht liegt der Fokus des Themas Daten und Data Science bisher überwiegend auf der technischen Umsetzung datenintensiver Geschäftsmodelle und Kooperationen durch die Unternehmen. • These 2: Die technische Umsetzung ist eine notwendige Bedingung für die datenbasierte Leistungen, sie reicht jedoch nicht aus, um eine Kooperations- und Teilbereitschaft bei KMU hinsichtlich ihrer Daten (Daten-Teilbereitschaft) auszulösen. Zahlreiche Stakeholder zögern, Daten zu teilen, vor allem in einem grenzüberschreitenden Kontext, wie z.B. in der Programmregion. • These 3: KMU benötigen Data Access und Data Trust Strukturen, um mögliche Kooperationspotenziale tatsächlich zu heben. Dies erfordert u.a. gemeinsame Standards, ein annäherndes Verständnis vom Wert der Daten, Data-Governance in Kombination mit zu definierenden Trust-Standards, welche die erforderliche formelle und informelle Sicherheit bieten. Nachfolgend wird ein Überblick über die hieraus hervorgegangenen Ergebnisse gegeben. Kultur: Die Perspektive der Organisationskultur stellt das Denken und Handeln im Unternehmen und im Ökosystem in den Mittelpunkt. Eine Organisationskultur, welche die Arbeit mit Daten, Data Science Praktiken und vor allem das Teilen von Daten ermöglicht, stellt Daten in den Mittelpunkt des Wertschöpfungsprozesses. Dies erfordert eine generelle Sensibilisierung für das Thema Daten, durchlässige Grenzen im und zwischen Unternehmen, ebenso wie ein neues Verständnis von Rollen, Strukturen und Prozessen im Unternehmen. Vertrauen: Das Vertrauen ist im Ökosystem von großer Bedeutung. Das Einbeziehen von internen Stakeholdern und das Starten mit kleineren Pilotprojekten wird vorgeschlagen, um Vertrauen innerhalb der Organisation und mit externen Partnern zu schaffen. Wert: Als notwendige Voraussetzung wird der Wert der Daten hervorgehoben. Unternehmen sollten den potenziellen Wert der Datenflüsse kennen, bevor sie sich entscheiden, ob sie diese Daten teilen und nutzen möchten. Es wird empfohlen, eine grobe Quantifizierung des Wertflusses vorzunehmen oder gegebenenfalls eine detailliertere Analyse durchzuführen. Recht & Governance: Für die Berücksichtigung rechtlicher Rahmenbedingungen gemeinsamer Datennutzung sollten Organisationen zunächst eine interne Data Governance etablieren, um auf neue regulatorische Entwicklungen reagieren zu können. Die Einrichtung von Data- Asset-Management, Data-IP und -Compliance-Management und Data-Contract-Management wird hier empfohlen. Datensicherheit: Im Sicherheitskontext sind Methoden zur Gewährleistung der Datenintegrität, Privatsphäre und Sicherheit entscheidend. Es wird empfohlen, einen kollaborativen Ansatz zur Implementierung von Sicherheitsstandards zu verfolgen und dabei IKT-Experten einzubeziehen. Anfänglich können Best Practices ausreichen, aber längerfristig sollte eine kontinuierliche Sicherheitsrisikobewertung und Geschäftsprozessintegration angestrebt werden.de_CH
dc.format.extent40de_CH
dc.language.isodede_CH
dc.publisherResearchGatede_CH
dc.rightsLicence according to publishing contractde_CH
dc.subject.ddc658.403: Entscheidungsfindung, Informationsmanagementde_CH
dc.titleData Sharing Framework für KMUde_CH
dc.typeWorking Paper – Gutachten – Studiede_CH
dcterms.typeTextde_CH
zhaw.departementSchool of Engineeringde_CH
zhaw.departementSchool of Management and Lawde_CH
zhaw.organisationalunitInstitut für Datenanalyse und Prozessdesign (IDP)de_CH
zhaw.organisationalunitInstitut für Marketing Management (IMM)de_CH
zhaw.funding.euNode_CH
zhaw.originated.zhawYesde_CH
zhaw.webfeedDatalabde_CH
zhaw.webfeedDIZH Fellowshipde_CH
zhaw.webfeedIndustrie 4.0de_CH
zhaw.funding.zhawData Sharing Frameworkde_CH
zhaw.author.additionalNode_CH
zhaw.display.portraitYesde_CH
Appears in collections:Publikationen School of Engineering

Files in This Item:
There are no files associated with this item.
Show simple item record
Benedech, R. A., Vogt, H., Meierhofer, J., Kugler, P., Strittmatter, M., Dobler, M., Meyer, J., & Treiterer, M. (2023). Data Sharing Framework für KMU. ResearchGate. https://www.researchgate.net/publication/376811588_Data_Sharing_Framework_fur_KMU
Benedech, R.A. et al. (2023) Data Sharing Framework für KMU. ResearchGate. Available at: https://www.researchgate.net/publication/376811588_Data_Sharing_Framework_fur_KMU.
R. A. Benedech et al., “Data Sharing Framework für KMU,” ResearchGate, Nov. 2023. [Online]. Available: https://www.researchgate.net/publication/376811588_Data_Sharing_Framework_fur_KMU
BENEDECH, Rodolfo Andres, Helen VOGT, Jürg MEIERHOFER, Petra KUGLER, Marc STRITTMATTER, Martin DOBLER, Johanna MEYER und Manuel TREITERER, 2023. Data Sharing Framework für KMU [online]. ResearchGate. Verfügbar unter: https://www.researchgate.net/publication/376811588_Data_Sharing_Framework_fur_KMU
Benedech, Rodolfo Andres, Helen Vogt, Jürg Meierhofer, Petra Kugler, Marc Strittmatter, Martin Dobler, Johanna Meyer, and Manuel Treiterer. 2023. “Data Sharing Framework für KMU.” ResearchGate. https://www.researchgate.net/publication/376811588_Data_Sharing_Framework_fur_KMU.
Benedech, Rodolfo Andres, et al. Data Sharing Framework für KMU. ResearchGate, Nov. 2023, https://www.researchgate.net/publication/376811588_Data_Sharing_Framework_fur_KMU.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.