Plattformneutralität und datengetriebene Geschäftsmodelle: Daten als Gegenleistung für eine prominente Platzierung von Anbietern auf Onlineplattformen
Zusammenfassung der Projektergebnisse
Online-Plattformen (z.B. Amazon, Facebook oder Google) nehmen eine Schlüsselrolle im Internet-Ökosystem ein, da sie als Intermediäre die Geschäftsbeziehungen zwischen Nutzern und Inhalteanbietern vermitteln. Plattformen schaffen für ihre Kunden einen Mehrwert, indem sie die verfügbaren Inhalte ordnen und so aufbereiten, dass sie schnell gefunden werden können. In dieser Funktion erhalten Plattformen auch eine Vielzahl von Daten, nicht nur von den Nutzern, sondern auch von den Inhalteanbietern. Diese Daten können von Plattformen genutzt werden, um sich einen Wettbewerbsvorteil zu verschaffen. Im Projekt wurden zwei Ausprägungen der möglichen Vorteilsschöpfung durch privilegierten Zugang zu Daten untersucht und die Auswirkungen einer nicht „wettbewerbsneutralen“ Plattformverhaltens in Bezug auf die Nutzung dieser Daten ermittelt. Im ersten untersuchten Szenario können Plattformen potenziell mehr wertvolle Daten von Inhalteanbietern verlangen (z.B. um Kundenprofile zu erstellen), wenn sie im Gegenzug eine höhere Sichtbarkeit auf der Plattform anbieten. Mit Hilfe eines spieltheoretischen Modells kann gezeigt werden, dass dies wiederum zu einer erhöhten Datensammlung bei den Inhalteanbietern führt und in einigen Fällen auch den Bias der Plattform erhöht, d.h. die Nutzer werden nicht mehr zu dem für sie besten Angebot geleitet. Beide Effekte reduzieren die Konsumentenrente. Im zweiten Szenario wird davon ausgegangen, dass eine Plattform in einem (primären) Markt (z.B. dem Suchmaschinenmarkt) bereits eine Dominanz erreicht hat und daher in der Lage ist, umfassende Daten über Nutzende zu sammeln. Diese Daten können jedoch nicht nur im Primärmarkt von Bedeutung sein, sondern ggf. auch in einem Sekundärmarkt (z.B. Versicherungsmarkt) zu Wettbewerbsvorteilen führen (z.B. bessere Einschätzung des Kundenrisikos). Im Projekt wurde mit Hilfe eines spieltheoretischen Modells untersucht, ob das Teilen von Daten mit Wettbewerbern im Sekundärmarkt oder ein Verbot der Datennutzung im Sekundärmarkt zu besseren Marktergebnissen führt. Die Ergebnisse sprechen eher für die Datenweitergabe, zeigen aber auch, dass es Wechselwirkungen zwischen beiden Maßnahmen geben kann, die bei einer möglichen Regulierung berücksichtigt werden müssen. Insgesamt leistete das Projekt damit einen Beitrag zum besseren Verständnis der wettbewerblichen und gesellschaftlichen Auswirkungen der Datennutzung durch Plattformen, die im Zuge der weltweiten Bemühungen um eine stärkere Regulierung marktbeherrschender Plattformen von Bedeutung sind.
Projektbezogene Publikationen (Auswahl)
-
Prominence-for-Data Schemes in Digital Platform Ecosystems: Implications for Platform Bias and Consumer Data Collection. SSRN Electronic Journal.
Bourreau, Marc; Kraemer, Jan & Hofmann, Janina
-
Regulating Algorithmic Learning in Digital Platform Ecosystems through Data Sharing and Data Siloing: Consequences for Innovation and Welfare. Proceedings of the Forty-Second International Conference on Information Systems, Austin 2021.
Krämer, J.; Shekhar, S. & Hofmann, J.
-
Regulating Algorithmic Learning in Digital Platform Ecosystems through Data Sharing and Data Siloing: Consequences for Innovation and Welfare. SSRN Electronic Journal.
Kraemer, Jan & Shekhar, Shiva
