6.1 GrundsÀtzliches
Im Unterschied zu klassischen GeschÀftsmodellen ergeben sich bei digitalen GeschÀftsmodellen die folgenden Herausforderungen, zu deren Lösung das Controlling beitragen muss (vgl. Plath 2018):
- komplexere immaterielle VermögensgegenstÀnde,
- Allokation von Kosten und Erlösen zwischen verschiedenen Teilnehmern im Falle von digitalen Plattformen,
- Erfassung neuartiger digitaler Risiken.
- Bestimmung von innovativen Erlöspotenzialen ohne PrÀzedenzfÀlle.
Zudem verfolgen digitale GeschÀftsmodelle nicht immer »klassische« Monetarisierungsstrategien. Entsprechende Erlösmodelle können
- indirekt (Monetarisierung nicht des digitalen Produkts selbst, sondern eines damit in Zusammenhang stehenden physischen Produkts) oder direkt (unmittelbare Monetarisierung des digitalen Produkts) sein.
Der Unterscheid zwischen indirekter und direkter Monetarisierung kann am Beispiel der Landwirtschaft verdeutlicht werden. Hier setzen die meisten Hersteller von Pflanzenschutzmitteln bzw. Saatgut digitale Instrumente im Rahmen des Customer Experience Management ein. Deren Wertbeitrag kann z. B. darin bestehen, dass sie Landwirten hochprĂ€zise Vorhersagen in Bezug auf KrankheitsverlĂ€ufe (bspw. Pilzkrankheiten) in einer bestimmten Region liefern. Diese Vorhersagen basieren auf komplexen, digitalen agronomischen Modellen. Einige Produzenten stellen Landwirten diese Informationen »kostenlos« zur VerfĂŒgung und verfolgen damit das Ziel, dass der Landwirt dies indirekt dadurch »honoriert«, dass er ggf. notwendige Pflanzenschutzmittel dann von ihnen bezieht. Hierbei handelt es sich um ein hybrides GeschĂ€ftsmodell (siehe dazu Abschnitt 2). Eine andere Art von GeschĂ€ftsmodell, diesmal mit direkter Monetarisierungsstrategie, besteht darin, dass Pflanzenschutzunternehmen Landwirten â gegen eine flĂ€chenabhĂ€ngige GebĂŒhr â ein Gesundheits- oder Ertragsversprechen geben. Die Leistungserbringung, also »die Einlösung des Versprechens« erfolgt dabei weitgehend digital. So werden die entsprechenden Felder bspw. mit Sensoren und Drohnen ĂŒberwacht. Gegebenenfalls notwendige BewĂ€sserung wird dabei automatisiert ausgelöst. Sofern der Einsatz von Pflanzenschutzmitteln angezeigt ist, erfolgt deren Applikation durch Sub-Kontraktoren. Sofern diese Sub-Kontraktoren bei der Auswahl des Herstellers der Pflanzenschutzmittel frei, d. h. nicht an den Produzenten gebunden sind, der das Gesundheits- bzw. Ertragsversprechen gegeben hat, erfolgt die Monetarisierung vollumfĂ€nglich direkt, und das GeschĂ€ftsmodell ist weitgehend digital und nicht hybrid wie im vorstehend beschriebenen Fall.
6.2 Ermöglichung digitaler GeschĂ€ftsmodelle â Integrated Data Layer (IDL)
Viele digitale GeschĂ€ftsmodelle basieren auf »dem intangiblen Produktionsfaktor Informationen beziehungsweise Daten« (Jaekel 2015, S. 3). Dieser »Produktionsfaktor« liegt im Unternehmen in der Regel nicht in so strukturierter und v.a. integrierter Form vor, dass er sich einfach »verarbeiten« lĂ€sst. Das ERP-System (Enterprise Ressource Management-System) eines Unternehmens ist zwar Dreh- und Angelpunkt fĂŒr Daten und Informationen, reicht jedoch als Daten- und Informationsquelle fĂŒr die digitale Leistungserbringung allein nicht aus. Vielmehr ist es um sonstige, fĂŒr das jeweilige Unternehmen relevante Daten und Informationen zu ergĂ€nzen (z. B. volkswirtschaftliche Informationen wie Wirtschaftswachstum oder geografische Informationen wie Wetterentwicklung). Der Ort, an dem alle relevanten Daten- und Informationsquellen des Unternehmens zusammengebracht und nutzbar gemacht werden, ist der Data Integration Layer (synonym: Data Lake). Da das Controlling eine SchlĂŒsselrolle zumindest in Bezug auf das ERP-System des Unternehmens spielt, kommt ihm auch fĂŒr die Schaffung des Data Integration Layer und damit einer wesentlichen Voraussetzung digitaler GeschĂ€ftsmodelle, eine besondere Verantwortung zu. Der Data Integration Layer ist grundlegend sowohl fĂŒr Leistungsversprechen als auch fĂŒr Leistungserbringung vieler hybrider und digitaler GeschĂ€ftsmodelle.
6.3 Mitgestaltung digitaler GeschÀftsmodelle
Insbesondere ĂŒber den Integrated Data Layer kann das Controlling nicht nur wesentliche BeitrĂ€ge zur Ermöglichung digitaler GeschĂ€ftsmodelle leisten, sondern diese auch aktiv mitgestalten. Dies ist dann der Fall, wenn auf Basis des Integrated Data Layer nicht nur die Leistungserbringung ermöglicht wird, sondern Inhalte des Data Integration Layer selbst Gegenstand der Leistungserbringung sind. Es ist z. B. einerseits vorstellbar, dass das Unternehmen selbst komplexe, datenanalytische Modelle auf dem Integrated Data Layer aufsetzt und die Erkenntnisse daraus Teil des Leistungsversprechens sind. Andererseits sind FĂ€lle denkbar, wo die Leistung des Unternehmens nicht in einer abgeschlossenen Analyse (also den Rohstoff Daten in »veredelter Form«), sondern vielmehr in (zumindest partiellen) direktem Zugang zu diesem Rohstoff besteht.
6.4 Bewertung digitaler GeschÀftsmodelle
In der Industrie zeichnen sich klassische GeschĂ€ftsmodelle oft dadurch aus, dass zunĂ€chst in Produktionsanlagen investiert wird, um dann anschlieĂend bestimmte Produkt-Volumina an Kunden zu verĂ€uĂern. Auf derartigen GeschĂ€ftsmodellen basieren meist Asset-basierte, Volumen-orientierte Strategien. Auch hier stellen sich unter UmstĂ€nden komplexe Bewertungsfragen, jedoch innerhalb eines klar abgegrenzten Rahmens.
Bei digitalen GeschĂ€ftsmodellen ist diese Abgrenzung weniger klar, insbesondere bei indirekter Monetarisierung. Zwar kann es noch relativ einfach sein, die mit den digitalen GeschĂ€ftsmodell-Komponenten verbundenen Kosten zu identifizieren. Bei den diesen Kosten zuzuordnenden Erlösen wird es da schon problematischer. Hier besteht die Schwierigkeit darin, die digital induzierten von den nicht digital induzierten Umsatzkomponenten abzugrenzen. Anhand des o. g. Beispiels aus der Landwirtschaft bedeutet dies, dass UmsĂ€tze, die auch ohne die Bereitstellung hochprĂ€ziser Vorhersagen von KrankheitsverlĂ€ufen erzielbar wĂ€ren von denjenigen UmsĂ€tzen abzugrenzen sind, bei denen dies nicht der Fall ist â die also ausschlieĂlich auf die Vorhersage-Bereitstellung zurĂŒckzufĂŒhren sind.
In der Praxis ist diese Abgrenzung keine einfache Aufgabe. Sie wird zudem dann erschwert, wenn das GeschĂ€ftsmodell mehrere digitale Komponenten enthĂ€lt, die zur Umsatzsteigerung beitragen könnten. Hierbei kommt es natĂŒrlich insbesondere darauf an, die indirekt digital induzierten Umsatzkomponenten nicht »mehrfach zu zĂ€hlen«.
Ein Lösungsansatz fĂŒr das Grundsatzproblem, indirekt digital induzierte UmsĂ€tze zu differenzieren, kann in der Schaffung eines tatsĂ€chlich durchgĂ€ngigen digitalen GeschĂ€ftsmodells bestehen. Am Beispiel der Bereitstellung von Vorhersagen fĂŒr Krankheitsentwicklungen in der Landwirtschaft könnte dies z. B. dadurch implementiert werden, dass die in einer App, ĂŒber die die Vorhersageinformationen ggf. bereitgestellt werden, auch unmittelbar eine (quasi online) Bestellfunktion fĂŒr entsprechende Pflanzenschutzmittel integriert wird.
Im Rahmen von Akquisitionen wird eine weitere Herausforderung indirekt monetarisierender digitaler bzw. hybrider GeschÀftsmodelle deutlich. Besteht das Ziel einer Akquisition z. B. darin, Methodenkompetenz zu erwerben bzw. zu verstÀrken, ohne dass diese spÀter Gegenstand separater Verpreisung sein wird, ist die Anwendung klassischer Verfahren der Unternehmensbewertung (z. B. Discounted-Cash-Flow-Verfahren) unzureichend. Folgende alternative LösungsansÀtze sind in diesen FÀllen vorstellbar:
- Anterogrades Verfahren: Hierbei erfolgt die Bewertung auf Basis der SchÀtzung der Investitionen, die zur organischen Erlangung der entsprechenden Methodenkompetenz notwendig wÀre.
- Retrogrades Verfahren: Bei dieser Methode wird zunĂ€chst das erreichbare inkrementelle Umsatzpotenzial identifiziert und die Bewertung auf dieser Basis durchgefĂŒhrt. Hierbei sind insbesondere SensitivitĂ€tsanalysen hilfreich, mit denen berechnet werden kann, welche Werte sich fĂŒr verschieden aggressive Umsatzsteigerungen ergĂ€ben. Die QualitĂ€t und Entscheidungsrelevanz einer solchen Analyse kann weiter erhöht werden, indem eine Wahrscheinlichkeitsgewichtung verschiedener Szenarios erfolgt.
Ein weiterer bewertungsrelevanter Aspekt digitaler und insbesondere hybrider GeschĂ€ftsmodelle besteht darin, dass deren digitale Komponente die analoge Komponente zumindest teilweise kannibalisieren kann. Auch dies gilt es im Rahmen der Bewertung korrekt abzubilden. Anhand des o. g. Beispiels kann dies dann auftreten, wenn Landwirte auf Grund der bereitgestellten Vorhersage-Informationen Pflanzenschutzmittel zielgerichteter und effizienter einsetzen â und damit ihr Nachfragevolumen insgesamt reduzieren.
Nicht zuletzt besteht eine Bewertungsherausforderung bei digitalen GeschĂ€ftsmodellen auch darin, dass die Monetarisierung gar nicht notwendigerweise in Geld erfolgen muss, sondern alternativ auch in Daten bestehen kann. In Bezug auf das bereits mehrfach herangezogene Beispiel von Vorhersage-Informationen in der Landwirtschaft ist dies dann der Fall, wenn ein Teil der Kompensation fĂŒr die Bereit...