Grundidee der digitalen Transformation

Die digitale Transformation wird durch verschiedene Basistechnologien ermöglicht, die sich über Jahrzehnte entwickelt haben. Sie bilden heute die Grundlage für:

• neue Geschäftsmodelle

• Produktinnovationen

• veränderte Arbeitsprozesse

Für Unternehmen ist entscheidend:

• welche Technologien für die eigene Branche relevant sind

• wie diese strategisch eingesetzt werden können

Cloud Computing

Definition

Grundidee

Digitale Transformation braucht eine technische Basis, zum Beispiel:

• Rechenleistung

• Speicherplatz

• Software

• Netzwerke

• Datenverarbeitung

Früher mussten Unternehmen dafür oft eigene Server kaufen, betreiben und warten. Das war teuer und unflexibel.

Cloud Computing löst dieses Problem:

• Unternehmen mieten IT-Ressourcen über das Internet.

• Sie müssen keine eigene große Server-Infrastruktur aufbauen.

• Sie zahlen meist nur das, was sie tatsächlich nutzen.

• Sie können Ressourcen schnell erhöhen oder reduzieren.

Einfach gesagt: Cloud Computing bedeutet: IT-Leistung aus dem Internet mieten statt eigene Server besitzen.

Warum ist Cloud Computing wichtig?

Cloud Computing macht Unternehmen:

• flexibler, weil IT-Leistung schnell angepasst werden kann

• kostengünstiger, weil keine hohen Anfangsinvestitionen nötig sind

• skalierbarer, weil Ressourcen bei Bedarf wachsen können

• schneller, weil neue digitale Angebote leichter gestartet werden können

Beispiel: Ein Online-Shop braucht am Black Friday plötzlich viel mehr Serverleistung. Mit Cloud kann diese Leistung kurzfristig dazugeschaltet und danach wieder reduziert werden.

NIST-Definition von Cloud Computing

National Institute of Standards and Technology (NIST)

Die NIST-Definition gilt als internationaler Standard. Sie beschreibt Cloud Computing über:

• 5 zentrale Merkmale

• 3 Service-Modelle

• 4 Deployment-Modelle

Fünf Charakteristika des Cloud Computings

1. On-Demand Self-Service

Bedeutung:

• Nutzer können Cloud-Ressourcen selbstständig abrufen.

• Kein direkter Kontakt zum Anbieter nötig.

• Ressourcen können über ein Online-Portal gebucht werden.

Beispiel: Ein Unternehmen braucht mehr Speicherplatz und aktiviert ihn selbst im Cloud-Dashboard.

Merksatz: On-Demand Self-Service = IT-Ressourcen selbst und sofort buchen.

2. Broad Network Access

Bedeutung:

• Cloud-Dienste sind über Netzwerke erreichbar.

• Zugriff ist über verschiedene Geräte möglich.

Zum Beispiel über:

• Smartphone

• Tablet

• Laptop

• Workstation

Beispiel: Du kannst mit Laptop und Smartphone auf denselben Cloud-Speicher zugreifen.

Merksatz: Broad Network Access = Zugriff über das Netzwerk, unabhängig vom Gerät.

3. Resource Pooling

Bedeutung:

• Der Cloud-Anbieter bündelt seine Ressourcen.

• Viele Kunden nutzen dieselbe Infrastruktur.

• Die Ressourcen werden je nach Bedarf verteilt.

• Die Daten der Kunden bleiben trotzdem getrennt.

Multi-Tenant-Modell

Das Multi-Tenant-Modell bedeutet:

• Viele Kunden nutzen dieselbe Software oder Infrastruktur.

• Jeder Kunde hat aber seinen eigenen geschützten Bereich.

• Die Daten werden sauber voneinander getrennt.

Vergleich: Wie ein Mietshaus:

• alle nutzen dasselbe Gebäude

• jede Mietpartei hat aber eine eigene Wohnung

Vorteile:

• geringere Kosten

• weniger Wartungsaufwand

• einfachere Updates

• bessere Skalierbarkeit

Typisch bei:

• CRM-Systemen

• E-Mail-Plattformen

• Cloud-Software

Merksatz: Resource Pooling = viele Kunden teilen sich Ressourcen, aber ihre Daten bleiben getrennt.

4. Rapid Elasticity

Bedeutung:

• Cloud-Ressourcen können schnell erweitert werden.

• Sie können auch schnell wieder reduziert werden.

• Das kann teilweise automatisch passieren.

Beispiel: Wenn eine App plötzlich viele Nutzer hat, wird automatisch mehr Rechenleistung bereitgestellt.

Wichtig: Für Nutzer wirken Cloud-Ressourcen fast unbegrenzt verfügbar.

Merksatz: Rapid Elasticity = IT-Leistung wächst oder schrumpft schnell mit dem Bedarf.

5. Measured Service

Bedeutung:

• Die Nutzung von Cloud-Ressourcen wird automatisch gemessen.

• Anbieter und Nutzer sehen, wie viel verbraucht wurde.

• Dadurch kann nach tatsächlicher Nutzung abgerechnet werden.

Gemessen werden zum Beispiel:

• Speicherplatz

• Rechenleistung

• Datenvolumen

• Nutzungsdauer

Vorteile:

• transparente Kosten

• bessere Kontrolle

• bessere Optimierung der Ressourcen

Merksatz: Measured Service = Nutzung wird gemessen und nach Verbrauch abgerechnet.

Zentrale Klausuraussage

Cloud Computing verändert klassische IT-Strukturen:

Früher: Unternehmen kauften eigene Server und mussten diese selbst betreiben.

Heute: Unternehmen mieten IT-Ressourcen flexibel über das Internet.

Dadurch entstehen:

• geringere Anfangsinvestitionen

• flexible Skalierung

• nutzungsabhängige Kosten

• schnellere Umsetzung digitaler Geschäftsmodelle

Superkurze Merkformel

Die fünf Cloud-Merkmale:

1. Selbst buchen

2. Überall zugreifen

3. Ressourcen teilen

4. Schnell anpassen

5. Nutzung messen

Cloud Computing = flexible IT aus dem Internet, die nach Bedarf genutzt und bezahlt wird.

Nachdem klar ist, was Cloud Computing grundsätzlich bedeutet, geht es jetzt darum:

• Was genau kann man aus der Cloud nutzen? → Service-Modelle

• Wie wird die Cloud organisiert oder bereitgestellt? → Deployment-Modelle

Das Studienheft bezieht sich hier auf die NIST-Systematik mit drei Service-Modellen und vier Deployment-Modellen.

Drei Service-Modelle

Die Service-Modelle beschreiben, wie viel Verantwortung der Cloud-Anbieter übernimmt und wie viel das Unternehmen selbst macht.

Man kann sich das wie verschiedene Mietmodelle vorstellen:

• Bei IaaS mietest du nur den „Rohbau“.

• Bei PaaS bekommst du zusätzlich eine Arbeitsumgebung.

• Bei SaaS bekommst du die fertige Anwendung.

1. Infrastructure as a Service (IaaS)

Bedeutung

Bei IaaS stellt der Cloud-Anbieter grundlegende IT-Infrastruktur bereit.

Dazu gehören zum Beispiel:

• virtuelle Server

• Speicherplatz

• Netzwerke

• Rechenleistung

Das Unternehmen muss also keine eigenen physischen Server kaufen.

Einfach gesagt

IaaS = technische Grundausstattung aus der Cloud.

Das Unternehmen bekommt die Infrastruktur, muss aber vieles selbst verwalten, zum Beispiel:

• Betriebssysteme

• Anwendungen

• Daten

• Sicherheitseinstellungen

Beispiel

Ein Unternehmen mietet virtuelle Server bei AWS oder Microsoft Azure und installiert darauf eigene Software.

Merksatz

IaaS = Ich miete Server, Speicher und Netzwerk, kümmere mich aber selbst um meine Anwendungen.

2. Platform as a Service (PaaS)

Bedeutung

Bei PaaS bekommt das Unternehmen nicht nur Infrastruktur, sondern auch eine Plattform zum Entwickeln und Bereitstellen eigener Anwendungen.

Dazu gehören zum Beispiel:

• Entwicklungsumgebungen

• Datenbanken

• Programmiertools

• Schnittstellen

• Laufzeitumgebungen

Einfach gesagt

PaaS = eine fertige Entwicklungsumgebung aus der Cloud.

Das Unternehmen muss sich weniger um die technische Basis kümmern und kann sich stärker auf die Entwicklung eigener Anwendungen konzentrieren.

Beispiel

Ein Entwicklerteam erstellt eine App und nutzt dafür eine Cloud-Plattform, auf der die App direkt getestet und veröffentlicht werden kann.

Merksatz

PaaS = Ich entwickle eigene Anwendungen, ohne mich um die komplette technische Infrastruktur kümmern zu müssen.

3. Software as a Service (SaaS)

Bedeutung

Bei SaaS nutzt das Unternehmen eine fertige Software direkt über das Internet.

Es muss nichts selbst installieren oder entwickeln.

Beispiele:

• E-Mail-Systeme

• CRM-Systeme

• Buchhaltungssoftware

• Microsoft 365

• Salesforce

• Google Workspace

Einfach gesagt

SaaS = fertige Software aus der Cloud.

Der Anbieter kümmert sich um:

• Betrieb

• Updates

• Wartung

• Sicherheit

• technische Infrastruktur

Beispiel

Ein Unternehmen nutzt ein CRM-System über den Browser, ohne die Software lokal auf jedem Computer zu installieren.

Merksatz

SaaS = Ich nutze fertige Software online.

Service-Modelle als einfache Treppe

Je weiter man nach oben geht, desto mehr übernimmt der Anbieter:

IaaS: Infrastruktur wird gemietet

PaaS: Entwicklungsplattform wird bereitgestellt SaaS: fertige Software wird genutzt

Oder noch kürzer:

• IaaS: Server mieten

• PaaS: Anwendungen entwickeln

• SaaS: Software nutzen

Die Deployment-Modelle beschreiben, für wen die Cloud gedacht ist und wie sie betrieben wird.

1. Public Cloud

Bedeutung

Die Public Cloud ist eine öffentlich angebotene Cloud-Infrastruktur.

Merkmale:

• gehört einem Cloud-Anbieter

• wird von vielen Kunden genutzt

• Zugriff erfolgt meist über das Internet

• Ressourcen werden geteilt

Beispiel

Ein Unternehmen nutzt AWS, Microsoft Azure oder Google Cloud.

Einfach gesagt

Public Cloud = öffentliche Cloud eines großen Anbieters.

Vorteil

• günstig

• sehr flexibel

• schnell verfügbar

• gut skalierbar

Nachteil

• weniger direkte Kontrolle

• stärkere Abhängigkeit vom Anbieter

Merksatz

Public Cloud = viele Kunden nutzen die Infrastruktur eines Cloud-Providers.

2. Private Cloud

Bedeutung

Die Private Cloud wird exklusiv von einer Organisation genutzt.

Merkmale:

• nur ein Unternehmen oder eine Organisation nutzt sie

• kann im eigenen Rechenzentrum oder bei einem Anbieter betrieben werden

• mehr Kontrolle über Daten und Sicherheit

Einfach gesagt

Private Cloud = Cloud nur für ein Unternehmen.

Vorteil

• mehr Kontrolle

• höhere Anpassbarkeit

• oft besser für sensible Daten geeignet

Nachteil

• meist teurer

• weniger flexibel als Public Cloud

• mehr Verwaltungsaufwand

Merksatz

Private Cloud = exklusive Cloud für eine Organisation.

3. Community Cloud

Bedeutung

Die Community Cloud wird von mehreren Organisationen genutzt, die ähnliche Anforderungen haben.

Das können zum Beispiel sein:

• Behörden

• Forschungseinrichtungen

• Krankenhäuser

• Unternehmen einer bestimmten Branche

Einfach gesagt

Community Cloud = gemeinsame Cloud für Organisationen mit ähnlichen Bedürfnissen.

Beispiel

Mehrere Krankenhäuser nutzen gemeinsam eine Cloud, weil sie ähnliche Datenschutz- und Sicherheitsanforderungen haben.

Merksatz

Community Cloud = Cloud für eine bestimmte Gruppe mit gemeinsamen Anforderungen.

4. Hybrid Cloud

Bedeutung

Die Hybrid Cloud kombiniert mehrere Cloud-Formen miteinander, meistens:

• Private Cloud

• Public Cloud

Das Unternehmen nutzt also nicht nur eine Cloud-Art, sondern verbindet verschiedene Infrastrukturen.

Einfach gesagt

Hybrid Cloud = Mischung aus privater und öffentlicher Cloud.

Beispiel

• Ein Unternehmen speichert sensible Kundendaten in einer Private Cloud, nutzt aber für hohe Rechenleistung zusätzlich die Public Cloud.

• Das Studienheft beschreibt Hybrid-Cloud-Modelle als Kombination aus privaten, unternehmensinternen Cloud-Infrastrukturen und öffentlichen Cloud-Services. Dadurch entsteht eine Balance zwischen Kontrolle und Skalierbarkeit.

Merksatz

Hybrid Cloud = sensible Daten privat, flexible Zusatzleistung öffentlich.

Cloud Computing verändert nicht nur die Technik, sondern auch die Kostenstruktur von Unternehmen.

Früher: CapEx

CapEx bedeutet: hohe Investitionen am Anfang.

Früher mussten Unternehmen zum Beispiel:

• Server kaufen

• Rechenzentren betreiben

• Hardware warten

• Kapazitäten für Spitzenlasten einplanen

Problem:

• teuer

• unflexibel

• Risiko von Überkapazitäten

Einfach gesagt

CapEx = viel Geld im Voraus ausgeben.

Heute: OpEx

OpEx bedeutet: laufende Betriebskosten.

Mit Cloud Computing können Unternehmen:

• IT-Ressourcen mieten

• nach Bedarf skalieren

• nach tatsächlicher Nutzung zahlen

• keine großen Anfangsinvestitionen tätigen

Einfach gesagt

OpEx = laufend bezahlen, was wirklich genutzt wird.

Pay-per-Use

Ein wichtiger Begriff ist Pay-per-Use.

Das bedeutet:

• bezahlt wird nach tatsächlicher Nutzung

• ähnlich wie bei Strom oder Wasser

• wer mehr nutzt, zahlt mehr

• wer weniger nutzt, zahlt weniger

Merksatz

Pay-per-Use = bezahlen nach Verbrauch.

Für Start-ups

Cloud Computing senkt Eintrittsbarrieren.

Start-ups brauchen nicht sofort:

• eigene Server

• große IT-Abteilungen

• teure Infrastruktur

Sie können direkt starten und Cloud-Ressourcen mieten.

Einfach gesagt

Start-ups können mit wenig Geld professionelle IT nutzen.

Für mittelständische Unternehmen

Cloud Computing hilft bei schwankender Nachfrage.

Beispiel:

• In Hochzeiten wird mehr Rechenleistung genutzt.

• In ruhigeren Phasen wird die Leistung wieder reduziert.

Das ist besonders hilfreich bei:

• saisonalem Geschäft

• Online-Shops

• Buchungssystemen

• Kampagnen

• stark schwankenden Zugriffszahlen

Einfach gesagt

• Mittelständische Unternehmen zahlen nicht dauerhaft für Kapazitäten, die sie nur manchmal brauchen.

Für Softwarebereitstellung

Früher musste Software oft auf jedem einzelnen Rechner installiert werden.

Mit Cloud-Software:

• läuft die Anwendung zentral

• Zugriff erfolgt über den Webbrowser

• Updates werden zentral durchgeführt

• Nutzer brauchen meist nur Internetzugang

Einfach gesagt

Software muss nicht mehr überall einzeln installiert werden.

Cloud Computing ist nicht nur eine technische Lösung. Es verändert auch Machtverhältnisse.

Denn große Cloud-Anbieter kontrollieren wichtige Teile der digitalen Infrastruktur.

Hyperscaler

Als Hyperscaler bezeichnet man sehr große Cloud-Anbieter.

Dazu gehören vor allem:

• Amazon Web Services, AWS

• Microsoft Azure

• Google Cloud

Diese Anbieter betreiben riesige Rechenzentren und stellen weltweit Cloud-Infrastruktur bereit.

Einfach gesagt

Hyperscaler = sehr große Cloud-Anbieter mit globaler Infrastruktur.

Das Studienheft weist darauf hin, dass Cloud- und Plattformanbieter zentrale Infrastrukturen kontrollieren und dadurch Abhängigkeiten sowie Lock-in-Effekte entstehen können.

Lock-in-Effekt

Der Lock-in-Effekt bedeutet:

Ein Unternehmen wird so stark an einen Anbieter gebunden, dass ein Wechsel schwierig oder teuer wird.

Ursachen

Ein Lock-in kann entstehen durch:

• spezielle technische Systeme eines Anbieters

• proprietäre Plattformen

• inkompatible Schnittstellen

• langfristige Verträge

• hohe Wechselkosten

• Mitarbeitende, die nur auf ein bestimmtes System geschult sind

• bereits entwickelte Anwendungen, die nur in dieser Cloud gut funktionieren

Einfach gesagt

Lock-in = Man kommt schwer wieder raus.

Warum ist das problematisch?

Ein Anbieterwechsel kann dann bedeuten:

• hohe Kosten

• technische Probleme

• Zeitverlust

• neue Schulungen

• Risiko für laufende Systeme

• Abhängigkeit von Preisen und Regeln des Anbieters

Beispiel

Ein Unternehmen baut seine gesamte App auf speziellen Diensten von AWS auf. Später möchte es zu Google Cloud wechseln. Das ist dann schwierig, weil viele Bausteine angepasst oder neu gebaut werden müssen.

Zentrale Klausuraussage

Cloud Computing bietet Unternehmen große Vorteile:

• weniger Anfangsinvestitionen

• flexible Skalierung

• schnellere Innovation

• einfacherer Markteintritt

• Nutzung nach Bedarf

Gleichzeitig entstehen Risiken:

• Abhängigkeit von großen Cloud-Anbietern

• Lock-in-Effekte

• weniger Kontrolle über Infrastruktur

• mögliche Wechselkosten

Superkurze Merkformel

Service-Modelle

• IaaS: Infrastruktur mieten

• PaaS: Plattform zum Entwickeln nutzen

• SaaS: fertige Software verwenden

Deployment-Modelle

• Public Cloud: öffentlich beim Anbieter

• Private Cloud: exklusiv für eine Organisation

• Community Cloud: gemeinsam für ähnliche Organisationen

• Hybrid Cloud: Kombination mehrerer Cloud-Formen

Kerngedanke

Cloud Computing macht IT flexibel und bezahlbar, kann Unternehmen aber auch abhängig von großen Anbietern machen.

Cloud Computing bringt viele Vorteile, aber es gibt auch wichtige Herausforderungen.

Die zwei zentralen Themen in deinem Abschnitt sind:

• Datenschutz und Datensicherheit

• Strategien gegen Abhängigkeit und Ausfallrisiken

Datenschutz und Datensicherheit

Grundproblem

Bei Cloud Computing liegen Daten nicht mehr nur auf den eigenen Servern des Unternehmens.

Stattdessen werden sie bei externen Cloud-Anbietern gespeichert oder verarbeitet.

Das betrifft zum Beispiel:

• Kundendaten

• Mitarbeiterdaten

• Finanzdaten

• Produktionsdaten

• Geschäftsgeheimnisse

Einfach gesagt

Das Unternehmen gibt einen Teil der Kontrolle über seine Daten an einen externen Anbieter ab.

Warum ist das kritisch?

Sensible Unternehmensdaten sind besonders schützenswert.

Wenn sie in der Cloud liegen, stellen sich wichtige Fragen:

• Wer darf auf die Daten zugreifen?

• Wer kontrolliert die Daten?

• Wo werden die Daten physisch gespeichert?

• In welchem Land stehen die Server?

• Welche Datenschutzgesetze gelten dort?

• Was passiert bei einem Datenleck?

• Wer haftet bei Sicherheitsproblemen?

Physischer Speicherort der Daten

Auch wenn Cloud Computing „virtuell“ klingt, liegen Daten trotzdem auf echten Servern.

Diese Server stehen in Rechenzentren, zum Beispiel in:

• Deutschland

• anderen EU-Ländern

• den USA

• Asien

• weltweit verteilten Standorten

Das ist wichtig, weil je nach Standort unterschiedliche Gesetze gelten können.

Beispiel

Ein deutsches Unternehmen nutzt einen Cloud-Anbieter aus den USA.

Dann stellt sich die Frage:

• Gelten deutsche Datenschutzregeln?

• Gelten EU-Regeln wie die DSGVO?

• Können ausländische Behörden Zugriff verlangen?

Merksatz

Cloud-Daten sind digital verfügbar, aber physisch irgendwo gespeichert. Dieser Ort ist rechtlich wichtig.

Unterschiedliche nationale Datenschutzregelungen

Datenschutz ist nicht überall gleich geregelt.

In der EU gelten strenge Datenschutzregeln, besonders durch die DSGVO.

In anderen Ländern können andere Regeln gelten, zum Beispiel:

• weniger strenge Datenschutzstandards

• andere Zugriffsrechte für Behörden

• andere Meldepflichten bei Datenpannen

• andere Anforderungen an Verträge

Deshalb müssen Unternehmen genau prüfen, mit welchem Cloud-Anbieter sie arbeiten und wo ihre Daten verarbeitet werden.

Einfach gesagt

Cloud ist global, Datenschutz ist aber oft national oder regional geregelt.

Datensicherheit

Datenschutz und Datensicherheit hängen zusammen, sind aber nicht genau dasselbe.

Datenschutz

Datenschutz fragt:

Wie werden personenbezogene Daten rechtlich korrekt verarbeitet?

Zum Beispiel:

• Kundendaten

• Mitarbeiterdaten

• Gesundheitsdaten

• Nutzungsdaten

Datensicherheit

Datensicherheit fragt:

Wie werden Daten technisch geschützt?

Zum Beispiel durch:

• Verschlüsselung

• Zugriffskontrollen

• Backups

• Firewalls

• Sicherheitsupdates

• Notfallpläne

Merksatz

Datenschutz = rechtlicher Schutz von Daten. Datensicherheit = technischer Schutz von Daten.

Multi-Cloud-Strategie

Bei einer Multi-Cloud nutzt ein Unternehmen mehrere Cloud-Anbieter gleichzeitig.

Ziele

• Abhängigkeit von einem einzelnen Anbieter verringern

• Ausfallrisiken reduzieren

Beispiel: Ein Unternehmen nutzt nicht nur AWS, sondern zusätzlich Microsoft Azure oder Google Cloud.

Merksatz: Multi-Cloud = mehrere Cloud-Anbieter parallel nutzen.

Hybrid Cloud

Bei einer Hybrid Cloud kombiniert ein Unternehmen:

• private, interne Cloud-Infrastrukturen

• öffentliche Cloud-Services

Vorteil

Die Hybrid Cloud verbindet:

• Kontrolle, weil sensible Bereiche intern bleiben können

• Skalierbarkeit, weil öffentliche Cloud-Dienste flexibel genutzt werden können

Merksatz: Hybrid Cloud = Mischung aus eigener/private Cloud und öffentlicher Cloud.

Zentrale Klausuraussage

Cloud Computing bietet Flexibilität, bringt aber Herausforderungen mit sich:

• Daten liegen bei externen Anbietern.

• Speicherort und Datenschutzgesetze müssen beachtet werden.

• Unternehmen können durch Multi-Cloud Abhängigkeiten reduzieren.

• Unternehmen können durch Hybrid Cloud Kontrolle und Skalierbarkeit verbinden.

Kurzformel

Multi-Cloud: mehrere Anbieter

Hybrid Cloud: private + öffentliche Cloud

Kernproblem: mehr Flexibilität, aber auch mehr Fragen zu Kontrolle, Datenschutz und Sicherheit.

Superkurze Merkformel

Datenschutz: Wer darf was mit den Daten machen? Datensicherheit: Wie werden die Daten technisch geschützt?

Multi-Cloud: mehrere Anbieter nutzen Hybrid Cloud: private und öffentliche Cloud kombinieren

Kerngedanke: Cloud Computing ist flexibel und leistungsfähig, aber Unternehmen müssen Daten, Sicherheit und Abhängigkeiten aktiv steuern.

Cloud Computing wird als Basistechnologie verstanden.

Ein anderer Begriff dafür ist:

General Purpose Technology, kurz GPT

Damit ist gemeint: Cloud Computing ist nicht nur für eine einzelne Branche wichtig, sondern kann in sehr vielen Bereichen eingesetzt werden.

Merkmale einer General Purpose Technology

Solche Technologien haben zwei zentrale Eigenschaften:

• sie sind branchenübergreifend einsetzbar

• sie ermöglichen viele weitere Innovationen

Historische Beispiele sind:

• Dampfmaschine

• Elektrizität

Diese Technologien waren nicht nur einzelne Erfindungen. Sie haben viele weitere Entwicklungen möglich gemacht.

Rolle von Cloud Computing

Cloud Computing ist ähnlich wichtig, weil es die Grundlage für viele digitale Anwendungen bildet.

Aber wichtig ist:

• Cloud Computing ist nicht automatisch ein Wettbewerbsvorteil

• nur eine Cloud zu nutzen, macht ein Unternehmen noch nicht besonders

• viele Unternehmen können auf dieselben Cloud-Dienste zugreifen

Einfach gesagt: Die Cloud allein macht ein Unternehmen noch nicht erfolgreicher.

Strategische Relevanz

Wirklich wichtig wird Cloud Computing erst durch das, was Unternehmen damit machen.

Zum Beispiel durch:

• eigene Anwendungen

• neue digitale Services

• datenbasierte Geschäftsmodelle

• Innovationen

• digitale Ökosysteme

Der Wettbewerbsvorteil entsteht also nicht durch die Cloud selbst, sondern durch die Lösungen, die darauf aufbauen.

Zentrale Klausuraussage

Unternehmen sollten Cloud Computing nicht nur als Kostenfaktor sehen.

Sie sollten Cloud Computing verstehen als:

• Grundlage für Innovation

• technische Basis für digitale Geschäftsmodelle

• Möglichkeit, neue Anwendungen schneller umzusetzen

Kurzformel

Cloud Computing = Basistechnologie

Aber:

Cloud allein schafft keinen Vorteil.

Der Vorteil entsteht erst durch:

Cloud + gute Anwendungen + Innovationen.

Mobile Technologien meinen vor allem:

• Smartphones

• Tablets

Sie haben stark verändert:

• wie Menschen mit Unternehmen Kontakt aufnehmen

• wie Kund:innen digitale Angebote nutzen

• wie Arbeit organisiert wird

Mobile Geräte sind heute oft der wichtigste Zugang zum Internet.

Bedeutung für Unternehmen

Unternehmen müssen digitale Angebote vor allem für mobile Geräte optimieren.

Das betrifft zum Beispiel:

• Websites

• Online-Shops

• Apps

• digitale Services

Wichtig ist: Viele Nutzer:innen greifen zuerst mit dem Smartphone auf Angebote zu, nicht mit dem Computer.

Mobile First

Mobile First bedeutet:

• zuerst wird die mobile Version entwickelt

• danach wird die Desktop-Version angepasst

Früher war es andersherum:

• zuerst Desktop-Version

• danach Anpassung für Smartphones oder Tablets

Heute steht die mobile Nutzung im Mittelpunkt.

Warum ist Mobile First wichtig?

Mobile Geräte haben andere Bedingungen als Desktop-Computer:

• kleinere Bildschirme

• andere Bedienung, zum Beispiel Touchscreen

• Nutzung oft unterwegs

• kürzere Aufmerksamkeitsspanne

• andere Nutzungssituationen

Beispiel:

• unterwegs möchte man schnell etwas finden oder buchen

• am Computer zu Hause nimmt man sich eher mehr Zeit

Deshalb müssen mobile Angebote einfach, übersichtlich und schnell nutzbar sein.

Strategische Bedeutung mobiler Technologien

Mobile Technologien sind nicht nur eine Designfrage.

Sie beeinflussen auch:

• digitale Geschäftsmodelle

• Wertschöpfung

• Kundenbeziehungen

• Kommunikation zwischen Unternehmen und Kund:innen

Da Smartphones fast immer verfügbar sind, können Unternehmen Kund:innen jederzeit und ortsunabhängig erreichen.

Mobile Technologien als Grundlage digitaler Plattformen

Viele Plattformunternehmen wären ohne Smartphones kaum so erfolgreich geworden.

Beispiele:

• Uber

• Airbnb

Der Grund:

• Nutzer:innen sind jederzeit erreichbar

• Dienste können ortsabhängig genutzt werden

• Angebote und Nachfrage können schnell zusammengebracht werden

Beispiel: Uber funktioniert besonders gut, weil Fahrer:innen und Kund:innen per Smartphone in Echtzeit verbunden werden.

Veränderung der Machtbalance

Mobile Technologien verändern auch die Erwartungen der Kund:innen.

Kund:innen erwarten heute:

• permanente Verfügbarkeit

• schnelle Reaktionen

• einfachen Zugriff von überall

• Nutzung über das Smartphone

Dadurch geraten Unternehmen stärker unter Druck, digitale Services jederzeit bereitzustellen.

Zentrale Klausuraussage

Mobile Technologien sind ein wichtiger Treiber der digitalen Transformation.

Sie verändern:

• den Zugang zum Internet

• das Verhalten von Kund:innen

• die Gestaltung digitaler Angebote

• digitale Geschäftsmodelle

• die Beziehung zwischen Unternehmen und Konsument:innen

Kurzformel

Mobile Technologien = Internetzugang jederzeit und überall

Mobile First = zuerst für Smartphone entwickeln

Strategische Bedeutung: Mobile Geräte sind nicht nur ein zusätzlicher Kanal, sondern Grundlage vieler digitaler Geschäftsmodelle und Plattformen.

Location-based Services sind Dienste, die den Standort des Smartphones nutzen.

Sie bieten Informationen oder Angebote passend zum aktuellen Ort.

Beispiele:

• Restaurant-Finder zeigt Lokale in der Nähe

• Einzelhandels-App informiert über Angebote in einer Filiale in der Nähe

• Navigations-Apps zeigen passende Wege oder Verkehrsinformationen

Merksatz: Location-based Services = digitale Dienste, die den Standort der Nutzer:innen einbeziehen.

Mobile Payment

Mobile Payment bedeutet Bezahlen mit dem Smartphone oder mobilen Geräten.

Merkmale:

• bargeldloses Bezahlen

• schnelles Bezahlen

• auch bei kleinen Beträgen geeignet

• oft über Apps oder digitale Wallets

Mobile Payment verändert das Bezahlverhalten, weil Zahlungen einfacher und schneller werden.

Beispiele für Mobile Payment

China

In China sind mobile Bezahlsysteme besonders stark verbreitet.

Wichtige Beispiele:

• WeChat Pay

• Alipay

Diese Dienste prägen dort den Alltag sehr stark.

Europa

In Europa gewinnen mobile Bezahlsysteme ebenfalls an Bedeutung.

Beispiele:

• Apple Pay

• Google Pay

• Twint in der Schweiz

• Mobile Pay in Skandinavien

Gatekeeper-Rolle mobiler Ökosysteme

Mobile Ökosysteme haben eine wichtige Kontrollfunktion.

Dazu gehören zum Beispiel:

• App-Stores

• In-App-Payments

Sie entscheiden oft darüber:

• welche Apps sichtbar sind

• welche Zahlungswege genutzt werden können

• welche Gebühren Entwickler zahlen müssen

• wie einfach Anbieter Kund:innen erreichen

Merksatz: Mobile Ökosysteme können wie Torwächter wirken.

Zweiseitige Märkte

App-Stores sind ein Beispiel für zweiseitige Märkte.

Das bedeutet:

Eine Plattform verbindet zwei Seiten miteinander:

• Nutzer:innen

• Entwickler:innen oder Anbieter

Beispiel App-Store:

• Nutzer:innen wollen Apps finden und nutzen

• Entwickler:innen wollen Apps anbieten und verkaufen

Die Plattform legt Regeln und Preise für beide Seiten fest.

Merksatz: Zweiseitiger Markt = Plattform verbindet zwei verschiedene Nutzergruppen.

Ex-ante-Regulierung

Ex-ante-Regulierung bedeutet:

Regeln werden schon vorher festgelegt, bevor ein konkreter Missbrauch passiert.

Das betrifft besonders marktmächtige Plattformen.

Mögliche Vorgaben:

• faire Gebühren

• Interoperabilität

• Datenzugang

• Verbot von Self-preferencing

Merksatz: Ex-ante = Regeln greifen vorbeugend.

Self-preferencing

Self-preferencing bedeutet:

Ein Plattformbetreiber bevorzugt seine eigenen Angebote gegenüber denen anderer Anbieter.

Beispiel:

Ein App-Store zeigt eigene Apps besser sichtbar an als vergleichbare Apps anderer Anbieter.

Merksatz: Self-preferencing = Plattform bevorzugt eigene Angebote.

Ex-ante-Regulierung vs. Ex-post-Kartellrecht

Ex-ante-Regulierung

• greift vorbeugend

• Regeln gelten schon vorher

• soll Missbrauch verhindern

Ex-post-Kartellrecht

• greift erst nachträglich

• Behörden reagieren erst, wenn Missbrauch festgestellt wurde

Kurz gesagt: Ex-ante = vorher regeln Ex-post = nachher eingreifen

Bedeutung für Geschäftsmodelle

Mobile Ökosysteme beeinflussen Geschäftsmodelle stark.

Wichtige Faktoren sind:

• Gebührenstrukturen

• Default-Kanäle

• Steering

Diese Faktoren beeinflussen:

• Sichtbarkeit von Angeboten

• Entscheidungen der Nutzer:innen

• Zugang zum Markt

Zentrale Klausuraussage

Mobile Technologien ermöglichen neue Geschäftsmodelle, zum Beispiel durch:

• standortbezogene Dienste

• mobiles Bezahlen

• App-basierte Plattformen

Gleichzeitig entstehen neue Machtfragen, weil App-Stores und mobile Ökosysteme kontrollieren, welche Anbieter Zugang zu Nutzer:innen bekommen.

Kurzformel

Location-based Services: Dienste nutzen Standortdaten

Mobile Payment: Bezahlen per Smartphone Gatekeeper: Plattform kontrolliert Zugang

Ex-ante: Regeln vorher

Ex-post: Eingriff nach Missbrauch

Self-preferencing: eigene Angebote bevorzugen

Mobile Technologien ermöglichen flexiblere Arbeitsmodelle.

Mitarbeitende sind nicht mehr zwingend an einen festen Arbeitsplatz gebunden, sondern können auch unterwegs auf wichtige Informationen zugreifen.

Beispiele

Mobile Technologien ermöglichen zum Beispiel:

• Zugriff auf Unternehmensdaten von unterwegs

• Servicetechniker:innen erhalten Aufträge direkt auf Tablets

• Vertriebsmitarbeitende können beim Kunden Produktinformationen abrufen

• Bestellungen können direkt beim Kunden digital erfasst werden

Einfach gesagt: Arbeit kann schneller und ortsunabhängiger erledigt werden.

Vorteile für Unternehmen

Mobile Technologien bringen Unternehmen mehrere Vorteile:

• höhere Effizienz

• schnellere Prozesse

• weniger Papierarbeit

• ortsunabhängiges Arbeiten

• bessere Betreuung von Kund:innen vor Ort

Beispiel: Ein Servicetechniker muss nicht erst ins Büro fahren, um neue Aufträge zu bekommen. Er erhält sie direkt mobil.

Herausforderungen

Gleichzeitig entstehen neue Anforderungen.

Unternehmen brauchen:

• neue Sicherheitskonzepte

• stärkeren Datenschutz

• klare Regeln für mobilen Zugriff auf Unternehmensdaten

Der Grund: Wenn Mitarbeitende von unterwegs auf Daten zugreifen, müssen diese Daten besonders geschützt werden.

Merksatz: Mobile Arbeit macht Unternehmen flexibler, erfordert aber mehr Sicherheit.

Einordnung in die Innovationsforschung

Mobile Technologien gelten als Market-Pull-Technologie.

Das bedeutet: Die Entwicklung wurde stark durch die Nachfrage und das Verhalten der Nutzer:innen angetrieben.

Market Pull

Market Pull bedeutet:

• Nutzerbedürfnisse treiben die Entwicklung an

• Unternehmen reagieren auf verändertes Verhalten

• der Markt „zieht“ die Technologie in die Verbreitung

Bei mobilen Technologien heißt das:

Menschen nutzten Smartphones zunehmend für:

• Kommunikation

• Konsum

• Arbeit

• Organisation des Alltags

Unternehmen mussten ihre Angebote daran anpassen.

Merksatz: Market Pull = Nutzerverhalten treibt technologische Entwicklung und Verbreitung.

Technology Push

Technology Push bedeutet:

• Forschung und technische Entwicklung treiben eine Technologie voran

• neue technische Möglichkeiten entstehen zuerst

• daraus entwickeln sich Anwendungen

Beispiele:

• Cloud Computing

• Künstliche Intelligenz

Diese Technologien wurden stärker durch Forschung und technologische Fortschritte vorangetrieben.

Merksatz: Technology Push = Technologie entsteht durch Forschung und Entwicklung und wird dann angewendet.

Folgen der Marktorientierung

Weil mobile Technologien stark an Nutzerbedürfnisse anschließen, haben sie sich besonders schnell verbreitet.

Das erklärt:

• schnelle Akzeptanz

• schnelle Verbreitung

• kürzere Diffusionsphase als bei manchen anderen Technologien

Diffusion bedeutet hier: Wie schnell sich eine neue Technologie in der Gesellschaft oder am Markt verbreitet.

Zentrale Erkenntnis

Technologien verändern Wirtschaft und Gesellschaft besonders stark, wenn sie:

• echte Bedürfnisse der Menschen treffen

• im Alltag genutzt werden

• neue Geschäftsmodelle ermöglichen

Es reicht also nicht, dass eine Technologie technisch möglich ist. Sie muss auch von Menschen akzeptiert und genutzt werden.

Strategische Konsequenz für Unternehmen

Unternehmen sollten technologische Trends nicht isoliert betrachten.

Sie müssen immer auch beachten:

• Wie verändert sich das Nutzerverhalten?

• Welche neuen Erwartungen entstehen?

• Welche Nachfrage entwickelt sich?

• Welche gesellschaftlichen Veränderungen gibt es?

Kurzformel

Mobile Technologien = flexibleres Arbeiten + neue Geschäftsmodelle

Market Pull = Nutzerbedürfnisse treiben Entwicklung

Technology Push = Forschung treibt Entwicklung

Kernidee: Nicht nur die Technologie zählt, sondern ob Menschen sie wirklich nutzen und akzeptieren.

Künstliche Intelligenz, kurz KI, bedeutet:

Computersysteme sollen Aufgaben übernehmen, für die normalerweise menschliche Intelligenz nötig wäre.

Beispiele:

• Muster erkennen

• Sprache verstehen

• Texte verarbeiten

• Entscheidungen bei Unsicherheit unterstützen

• Vorhersagen treffen

Einfach gesagt: KI versucht, bestimmte menschliche Denk- oder Analysefähigkeiten technisch nachzubilden.

KI im Unternehmenskontext

In Unternehmen wird KI vor allem genutzt, um mit Daten zu arbeiten.

KI-Systeme können:

• große Datenmengen analysieren

• aus Daten lernen

• Muster erkennen

• Prognosen erstellen

• Entscheidungen vorbereiten oder unterstützen

Wichtig ist: KI trifft nicht automatisch „magische“ Entscheidungen, sondern arbeitet auf Grundlage von Daten.

KI ist keine einzelne Technologie

KI ist kein einzelnes Programm und keine einzelne Methode.

Stattdessen ist KI ein Sammelbegriff für verschiedene Verfahren.

Dazu gehören zum Beispiel:

• regelbasierte Expertensysteme

• klassisches Machine Learning

• tiefe neuronale Netze

• Large Language Models, also LLMs

Merksatz: KI = Oberbegriff für verschiedene Methoden, mit denen Computer intelligente Aufgaben bearbeiten sollen.

Schwache KI / enge KI

Heutige KI-Systeme gehören fast immer zur schwachen KI oder engen KI.

Das bedeutet:

• sie sind auf bestimmte Aufgaben spezialisiert

• sie haben kein Bewusstsein

• sie besitzen keine allgemeine Vernunft

• sie verstehen nicht wie ein Mensch

• sie funktionieren nur in abgegrenzten Bereichen

Beispiele:

• ein System erkennt Bilder

• ein Chatbot beantwortet Fragen

• ein Algorithmus empfiehlt Produkte

• ein System erstellt Absatzprognosen

Wichtig: Der praktische Nutzen für Unternehmen entsteht aktuell fast vollständig durch diese spezialisierte KI.

Merksatz: Schwache KI = spezialisiert, nützlich, aber nicht allgemein intelligent.

Starke KI / General AI

Starke KI meint eine hypothetische Form von KI, die ähnlich flexibel denken und Probleme lösen könnte wie ein Mensch.

Sie hätte:

• menschenähnliche kognitive Fähigkeiten

• allgemeine Problemlösungsfähigkeit

• flexibles Verstehen unterschiedlicher Situationen

Diese Form von KI gibt es aktuell noch nicht in der Praxis.

Sie wird zwar erforscht, liegt aber weiterhin in der Zukunft.

Merksatz: Starke KI = theoretische KI mit menschenähnlicher allgemeiner Intelligenz.

Bedeutung für Unternehmen

Für Unternehmen ist die Unterscheidung wichtig, damit Erwartungen realistisch bleiben.

Heutige KI ist:

• leistungsfähig

• datenbasiert

• spezialisiert

• für konkrete Aufgaben geeignet

Heutige KI ist aber nicht:

• allwissend

• bewusst

• allgemein vernünftig

• ein vollständiger Ersatz für menschliches Denken

Kurzformel

KI = Systeme, die Aufgaben übernehmen, die sonst menschliche Intelligenz brauchen.

Schwache KI: spezialisiert und heute praktisch relevant Starke KI: menschenähnlich, allgemein intelligent, bisher hypothetisch

Kernidee: Unternehmen nutzen KI vor allem als spezialisiertes Werkzeug zur Datenanalyse, Vorhersage und Entscheidungsunterstützung.

KI ist kein einzelnes System, sondern umfasst verschiedene Formen und Methoden.

Die wichtigsten Formen sind:

• symbolische KI

• Machine Learning

• Deep Learning

• Large Language Models

1. Symbolische KI / regelbasierte Systeme

Bei der symbolischen KI wird Wissen über feste Regeln und Logik abgebildet.

Das System arbeitet also nach dem Prinzip:

Wenn X passiert, dann tue Y.

Merkmale:

• Wissen wird ausdrücklich programmiert

• Regeln werden vorher festgelegt

• das System „lernt“ nicht selbst aus Daten

Historisch war diese Form besonders wichtig:

• vor allem von den 1950er- bis 1980er-Jahren

• sie dominierte lange die KI-Forschung

Merksatz: Symbolische KI = KI nach festen Regeln.

2. Machine Learning, kurz ML

Machine Learning bedeutet:

Systeme lernen aus Daten, ohne dass jede Regel einzeln programmiert wird.

Das System erkennt Muster in Daten und kann daraus Vorhersagen oder Entscheidungen ableiten.

Zentrale Lernformen

• überwachtes Lernen: Lernen mit Beispielen und richtigen Lösungen

• unüberwachtes Lernen: Muster in Daten erkennen, ohne vorgegebene Lösung

• bestärkendes Lernen: Lernen durch Belohnung und Bestrafung

Merksatz: Machine Learning = KI lernt aus Daten.

3. Deep Learning, kurz DL

Deep Learning ist eine spezielle Form des Machine Learnings.

Merkmale:

• arbeitet mit mehrschichtigen neuronalen Netzen

• kann sehr komplexe Muster erkennen

• braucht oft große Datenmengen und viel Rechenleistung

Deep Learning hat große Fortschritte ermöglicht bei:

• Bilderkennung

• Spracherkennung

• Texterkennung

Merksatz: Deep Learning = Machine Learning mit tiefen neuronalen Netzen.

4. Large Language Models, kurz LLMs

Large Language Models sind große Sprachmodelle.

Sie werden mit sehr vielen Textdaten vortrainiert und können danach vielseitig eingesetzt werden.

Funktionen:

• Sprache verstehen

• Texte generieren

• Fragen beantworten

• Inhalte zusammenfassen

• Texte übersetzen oder umformulieren

Merksatz: LLMs = KI-Modelle, die Sprache verstehen und erzeugen können.

Entwicklung der KI

Die Entwicklung von KI verlief nicht gleichmäßig.

Es gab Phasen mit großen Erwartungen, aber auch Phasen mit Enttäuschung.

Diese Phasen nennt man:

KI-Winter

Damit sind Zeiten gemeint, in denen das Interesse, die Finanzierung oder die Fortschritte in der KI deutlich zurückgingen.

Wichtige Einflussfaktoren für Fortschritte in der KI waren:

• mehr verfügbare Daten

• mehr Rechenleistung

• bessere Algorithmen

Merksatz: KI entwickelte sich in Wellen, nicht geradlinig.

KI als strategische Ressource

Für Unternehmen ist KI nicht nur ein technisches Werkzeug.

KI kann eine strategische Ressource sein.

Der Nutzen entsteht vor allem dadurch, dass Unternehmen Daten:

• systematisch sammeln

• miteinander vernetzen

• sinnvoll auswerten

• für Entscheidungen und Geschäftsmodelle nutzen

Dadurch wird KI wichtig für datengetriebene Geschäftsmodelle.

Merksatz: KI wird wertvoll, wenn Unternehmen ihre Daten gezielt nutzen können.

KI als General Purpose Technology

KI gilt als General Purpose Technology, also als Basistechnologie.

Das bedeutet:

• sie ist branchenübergreifend einsetzbar

• sie ermöglicht viele weitere Innovationen

• sie verändert nicht nur einzelne Aufgaben, sondern ganze Geschäftslogiken

Potenziale von KI:

• Prozessoptimierung

• neue Produkte

• neue Geschäftsmodelle

• neue Formen der Wertschöpfung

Unterschied zu spezialisierten Tools

KI ist nicht einfach nur ein weiteres digitales Werkzeug.

Sie kann:

• Prozesse automatisieren

• Entscheidungen unterstützen

• Produkte intelligenter machen

• Geschäftsmodelle datengetrieben verändern

Kernpunkt: KI verändert nicht nur einzelne Prozesse, sondern kann ganze Wertschöpfungslogiken beeinflussen.

Kurzformel

Symbolische KI: feste Regeln

Machine Learning: Lernen aus Daten

Deep Learning: neuronale Netze

LLMs: Sprache verstehen und erzeugen

KI als Ressource: Daten sammeln, vernetzen und nutzen

KI als GPT: branchenübergreifende Basistechnologie mit großem Innovationspotenzial.

KI kann in vielen Unternehmensbereichen eingesetzt werden.

Wichtige Beispiele sind:

• Kundenservice

• Vertrieb

• Produktion und Instandhaltung

• Personalmanagement

1. Kundenservice

Im Kundenservice wird KI häufig durch Chatbots oder virtuelle Assistenten eingesetzt.

Diese Systeme können:

• Standardfragen beantworten

• einfache Probleme lösen

• komplexe Fälle an Mitarbeitende weiterleiten

Die technische Grundlage ist oft:

• Natural Language Processing, kurz NLP

• Lernen aus früheren Kundenanfragen und Konversationen

Vorteile:

• Kund:innen erhalten rund um die Uhr erste Hilfe

• Mitarbeitende werden bei Standardfragen entlastet

• das System kann sich mit mehr Daten verbessern

Merksatz: KI im Kundenservice = automatische Bearbeitung einfacher Anfragen.

2. Vertrieb

Im Vertrieb wird KI oft für Empfehlungssysteme genutzt.

Diese Systeme analysieren:

• individuelles Kaufverhalten

• Interessen einzelner Kund:innen

• Daten anderer Kund:innen

Ziel ist:

• passende Produkte vorzuschlagen

• Kaufwahrscheinlichkeit zu erhöhen

• Kund:innen stärker zu binden

Beispiel:

• Amazon empfiehlt Produkte auf Basis früherer Käufe und ähnlicher Nutzerprofile.

Auswirkungen:

• höhere Umsätze

• stärkere Kundenbindung

• personalisierte Empfehlungen werden für Kund:innen zum Standard

Merksatz: KI im Vertrieb = passende Angebote auf Basis von Daten empfehlen.

3. Produktion und Instandhaltung

Ein wichtiger KI-Einsatz ist Predictive Maintenance.

Das bedeutet:

• Maschinen werden mithilfe von Daten überwacht

• Auffälligkeiten werden früh erkannt

• Wartung kann geplant werden, bevor etwas kaputtgeht

Technische Grundlage:

• Sensoren

• Maschinendaten

• Datenanalyse

• Machine-Learning-Algorithmen

Vorteile:

• weniger ungeplante Ausfälle

• geringere Reparaturkosten

• bessere Planung

• höhere Effizienz der Anlagen

Merksatz: Predictive Maintenance = Wartung, bevor ein Schaden entsteht.

4. Personalmanagement

Im Personalmanagement kann KI Bewerbungsprozesse unterstützen.

KI-Systeme können:

• viele Bewerbungen durchsuchen

• passende Profile herausfiltern

• Rekrutierungsprozesse beschleunigen

Vorteil:

• Personalabteilungen sparen Zeit

• Bewerbungen können schneller vorsortiert werden

Risiken im Personalmanagement

Ein wichtiges Problem ist Bias.

Bias bedeutet:

• Verzerrung

• Vorurteil

• einseitiges Muster in Daten

KI lernt aus vorhandenen Daten. Wenn diese Daten bereits verzerrt sind, kann KI diese Verzerrungen übernehmen.

Beispiel:

• Wenn in der Vergangenheit bestimmte Gruppen bevorzugt wurden, kann die KI dieses Muster lernen.

• Dann werden andere Gruppen möglicherweise benachteiligt.

Wichtige Erkenntnis: KI ist nicht automatisch neutral. Sie kann bestehende Muster aus Daten verstärken.

Kurzformel

Kundenservice: Chatbots beantworten Standardfragen

Vertrieb: Empfehlungen erhöhen Kaufwahrscheinlichkeit

Produktion: Predictive Maintenance verhindert Ausfälle

Personal: KI filtert Bewerbungen, kann aber Bias verstärken

Kernidee: KI kann Prozesse effizienter machen, aber ihre Ergebnisse hängen stark von den Daten ab, mit denen sie trainiert wurde.

KI verändert Märkte und Erwartungen

• Unternehmen mit KI-gestützter Personalisierung setzen neue Standards.

• Wettbewerber müssen diese Standards häufig übernehmen.

Data Flywheel

Grundidee

Selbstverstärkender Kreislauf:

1. mehr Nutzende erzeugen mehr Daten

2. mehr Daten verbessern Algorithmen

3. bessere Algorithmen verbessern Nutzererlebnis

4. besseres Nutzererlebnis zieht neue Nutzende an

→ Kreislauf verstärkt sich selbst.

Folgen des Data Flywheel

• starke Netzwerkeffekte

• Märkte tendieren zu:

  • Oligopolen

  • Monopolen

Für Unternehmen:

• frühe KI-Investitionen können nachhaltige Wettbewerbsvorteile schaffen

Increasing Returns to Adoption

Ökonomische Erklärung des Data Flywheel.

Grundidee:

• je mehr Nutzende ein System hat, desto wertvoller wird es

Unterschied zu traditionellen Märkten:

Traditionelle Märkte

• sinkender Grenznutzen

• „Diminishing Returns“

Datengetriebene Märkte

• steigender Grenznutzen durch Dateneffekte

Folge:

• „Winner-Takes-Most“-Märkte

• Tendenz zu Monopolen/Oligopolen

Regulatorische Fragen

Zentrale Frage: Wann werden Datenvorteile zu unüberwindbaren Markteintrittsbarrieren?

Generative KI und Large Language Models

Seit 2022 erhielt generative KI starke Aufmerksamkeit.

Generative KI

Kann eigenständig erzeugen:

• Texte

• Bilder

• Code

• weitere Inhalte

Large Language Models (LLMs)

Beispiele:

• ChatGPT

• Claude

• Gemini

Technische Grundlage:

• tiefe neuronale Netze

• Training mit riesigen Textmengen

Fähigkeiten:

• natürliche Sprache verstehen

• natürliche Sprache erzeugen

Neue Anwendungsfelder für Unternehmen

• automatisierte Content-Erstellung

• Code-Generierung

• Zusammenfassungen komplexer Dokumente

• interaktive Kundenberatung

Grenzen und Herausforderungen von KI

KI kann sehr leistungsfähig sein, bringt aber auch Risiken mit sich.

Wichtige Herausforderungen sind:

• Halluzinationen

• schlechte Datenqualität

• Intransparenz

• ethische und rechtliche Fragen

• Veränderungen von Arbeit und Organisation

Halluzinationen

Halluzinationen bedeuten:

KI erzeugt Informationen, die plausibel klingen, aber falsch sind.

Das ist problematisch, weil falsche Antworten oft sehr überzeugend formuliert sind.

Weitere Probleme:

• Urheberrechtsfragen

• Desinformation durch KI-generierte Inhalte

Merksatz: Halluzination = KI klingt überzeugend, sagt aber etwas Falsches.

Abhängigkeit von Datenqualität

KI-Systeme sind nur so gut wie ihre Trainingsdaten.

Probleme entstehen durch:

• fehlerhafte Daten

• unvollständige Daten

• unausgewogene Daten

Die Folge:

• Ergebnisse können falsch, unfair oder unzuverlässig sein

Merksatz: Schlechte Daten führen zu schlechten KI-Ergebnissen.

Intransparenz von KI

Je komplexer KI-Modelle sind, desto schwerer lassen sie sich nachvollziehen.

Besonders problematisch sind:

• tiefe neuronale Netze

• sogenannte Black Boxes

Eine Black Box liefert Ergebnisse, aber der genaue Entscheidungsweg ist schwer verständlich.

Merksatz: Black Box = Ergebnis sichtbar, Entscheidungsweg unklar.

Explainable AI, kurz XAI

Explainable AI beschäftigt sich mit der Frage:

Wie können KI-Entscheidungen erklärbar gemacht werden?

Das ist wichtig für:

• Forschung

• Regulierung

• Vertrauen

Besonders relevant ist das bei sensiblen Entscheidungen, zum Beispiel:

• Kreditvergabe

• Versicherungen

• medizinische Diagnosen

Merksatz: XAI = KI soll nachvollziehbar und erklärbar werden.

Transparenz als Wettbewerbsvorteil

Transparenz wird zunehmend nicht nur als Pflicht gesehen, sondern auch als Vorteil.

Unternehmen schaffen Vertrauen, wenn KI-Systeme:

• erklärbar

• überprüfbar

• rechtlich verantwortbar

sind.

Kernidee: Wer vertrauenswürdige KI anbietet, kann sich positiv vom Wettbewerb abheben.

Ethische und rechtliche Fragen

KI wirft wichtige Fragen auf:

• Wer trägt Verantwortung bei Fehlentscheidungen?

• Wie können Diskriminierungen verhindert werden?

• Wie wird sichergestellt, dass KI fair eingesetzt wird?

EU AI Act

Mit dem EU AI Act hat die EU 2024 einen umfassenden Rechtsrahmen für KI geschaffen.

KI-Anwendungen werden nach Risiko eingeteilt:

• minimales Risiko

• geringes Risiko

• hohes Risiko

• inakzeptables Risiko

Je höher das Risiko, desto strenger die Anforderungen.

Dazu gehören zum Beispiel:

• Transparenzpflichten

• Qualitätsstandards

• Aufsichtsmechanismen

Merksatz: EU AI Act = KI wird je nach Risiko unterschiedlich streng reguliert.

Bedeutung für Unternehmen

Unternehmen dürfen KI nicht nur nach Effizienz bewerten.

Sie müssen auch beachten:

• gesetzliche Anforderungen

• gesellschaftliche Erwartungen

• ethische Fragen

• Verantwortung für KI-Ergebnisse

Auswirkungen auf Organisationen und Arbeit

KI verändert auch die Arbeitswelt.

Sie beeinflusst:

• Organisationsstrukturen

• Arbeitsrollen

• Anforderungen an Mitarbeitende

Mitarbeitende müssen lernen:

• sinnvoll mit KI-Systemen zu arbeiten

• Ergebnisse kritisch zu prüfen

• Fehler zu erkennen und zu korrigieren

Neue Berufsbilder

Durch KI entstehen neue Rollen, zum Beispiel:

• Data Scientist

• Machine Learning Engineer

• KI-Ethikbeauftragte

Diese Berufe beschäftigen sich mit Daten, Modellen, technischer Umsetzung und verantwortungsvollem KI-Einsatz.

Strategische Herausforderung

Unternehmen müssen entscheiden:

• Welche Aufgaben können automatisiert werden?

• Wo bleibt menschliches Urteilsvermögen notwendig?

• Wie werden KI-Systeme kontrolliert?

• Wer trägt Verantwortung?

Kurzformel

Halluzination: KI klingt richtig, ist aber falsch Datenqualität: schlechte Daten = schlechte Ergebnisse

Black Box: Entscheidungsweg unklar

XAI: KI erklärbar machen

EU AI Act: Regulierung nach Risiko

Kernidee: KI ist nicht nur Technik. Sie betrifft auch Verantwortung, Unternehmenskultur, Governance und den Umgang mit Mitarbeitenden.

Das Internet of Things beschreibt die Vernetzung physischer Gegenstände mit dem Internet.

Diese Gegenstände können ausgestattet sein mit:

• Sensoren

• Aktoren

• Software

Dadurch können sie:

• Daten aus ihrer Umgebung erfassen

• Daten über das Internet austauschen

• teilweise selbstständig auf Informationen reagieren

Merksatz: IoT = physische Dinge werden digital vernetzt.

Technologische Grundlagen des IoT

Das IoT wurde durch mehrere technische Entwicklungen möglich.

1. Miniaturisierung und günstigere Sensoren

Sensoren wurden:

• kleiner

• günstiger

• leichter in Alltagsgegenstände integrierbar

Dadurch können heute viele Geräte Daten erfassen.

Beispiele:

• Temperatur

• Bewegung

• Standort

• Feuchtigkeit

• Maschinenzustand

2. Energieeffiziente Funkstandards

Für IoT-Geräte ist wichtig, dass sie Daten senden können, ohne zu viel Energie zu verbrauchen.

Beispiele für Funkstandards:

• 5G

• LoRaWAN

Vorteile:

• stabile Vernetzung

• geringer Energieverbrauch

• Verbindung auch über größere Entfernungen möglich

3. Leistungsfähigere Rechenchips

Moderne Chips ermöglichen:

• mehr Rechenleistung

• schnellere Datenverarbeitung

• kleinere Geräte mit mehr Funktionen

Dadurch können IoT-Geräte Daten nicht nur sammeln, sondern teilweise auch direkt verarbeiten.

4. Cloud- und Edge-Computing

IoT nutzt häufig eine Kombination aus Cloud Computing und Edge Computing.

Edge Computing

Edge Computing bedeutet:

Daten werden direkt dort verarbeitet, wo sie entstehen.

Also zum Beispiel:

• in der Maschine

• im Sensor

• im Fahrzeug

• in einem lokalen Gerät

Vorteil:

• nicht alle Daten müssen an entfernte Rechenzentren gesendet werden

• Reaktionen können schneller erfolgen

• Netzwerke werden entlastet

Merksatz: Edge Computing = Datenverarbeitung nahe am Entstehungsort.

Smarte Dinge

Durch diese technischen Entwicklungen können alltägliche Gegenstände digital vernetzt und intelligent gesteuert werden.

Diese nennt man:

smarte Dinge

Beispiele:

• smarte Thermostate

• vernetzte Maschinen

• intelligente Haushaltsgeräte

• vernetzte Fahrzeuge

Merksatz: Smarte Dinge = Alltagsgegenstände mit digitaler Vernetzung und Steuerung.

IoT als Cyber-Physical System

Theoretisch kann IoT als Teil von Cyber-Physical Systems, kurz CPS, verstanden werden.

CPS verbinden:

• physische Prozesse

• digitale Rechenkapazitäten

• Kommunikationssysteme

Das bedeutet: Die reale Welt und digitale Systeme arbeiten eng zusammen.

Unterschied zu klassischen eingebetteten Systemen

Klassische eingebettete Systeme sind technische Systeme, die bestimmte Funktionen ausführen.

Cyber-Physical Systems gehen darüber hinaus.

Sie zeichnen sich zusätzlich aus durch:

• Vernetzung

• Autonomie

• Selbstorganisation

Merksatz: CPS = physische Systeme + digitale Steuerung + Vernetzung.

Kurzformel

IoT: Dinge sind mit dem Internet verbunden Sensoren: erfassen Daten

Aktoren: führen Aktionen aus

Edge Computing: Verarbeitung direkt vor Ort

CPS: Verbindung von physischer und digitaler Welt

Kernidee: IoT macht aus normalen Gegenständen vernetzte, datenbasierte und teilweise selbstständig reagierende Systeme.

Die Abbildung zeigt drei Ebenen der Datenverarbeitung:

Verarbeitungsebenen von Cyber-Physical Systems

Die Abbildung zeigt drei Ebenen der Datenverarbeitung:

• Edge

• Fog

• Cloud

Diese Ebenen unterscheiden sich vor allem darin, wo Daten verarbeitet werden.

1. Edge Computing

Edge Computing bedeutet:

Daten werden direkt am Gerät oder sehr nah am Gerät verarbeitet.

Beispiele aus der Abbildung:

• Smartphone

• Laptop

• Wearables

• Sensoren

• Fahrzeuge

• Roboter

Merkmale

• sehr schnelle Reaktion

• sehr geringe Latenz

• Daten müssen nicht erst weit übertragen werden

• Datenschutz kann besser sein, weil Daten lokal bleiben

• Rechenkapazität ist aber begrenzt

Besonders wichtig für:

• autonomes Fahren

• sicherheitskritische Anwendungen

Merksatz: Edge Computing = Datenverarbeitung direkt am Gerät.

2. Fog Computing

Fog Computing ist eine Zwischenebene zwischen Edge und Cloud.

In der Abbildung sind das lokale Server zwischen den Endgeräten und der Cloud.

Funktion

Fog Computing verarbeitet und filtert Daten näher am Entstehungsort, aber nicht direkt auf dem Endgerät.

Merkmale

• schneller als reine Cloud-Verarbeitung

• mehr Rechenleistung als einzelne Endgeräte

• gute Balance zwischen Nähe und Leistung

Merksatz: Fog Computing = lokale Zwischenebene zwischen Gerät und Cloud.

3. Cloud Computing

Cloud Computing bedeutet:

Daten werden zentral in großen Rechenzentren verarbeitet.

In der Abbildung ist das die oberste Ebene mit Cloud- und Datenbanksymbolen.

Merkmale

• sehr hohe Rechenkapazität

• gut skalierbar

• geeignet für große Datenmengen

• höhere Latenz, weil Daten erst übertragen werden müssen

Besonders geeignet für:

• Big-Data-Analysen

• große KI-Anwendungen

• langfristige Datenspeicherung

Merksatz: Cloud Computing = zentrale Verarbeitung in großen Rechenzentren.

Bedeutung der Architekturwahl

Die Wahl zwischen Edge, Fog und Cloud ist strategisch wichtig.

Sie beeinflusst:

• Performance

• Datenschutz

• Sicherheit

• Resilienz

Ein Unternehmen muss also überlegen:

• Müssen Daten sofort verarbeitet werden? → eher Edge

• Braucht man lokale Vorverarbeitung? → eher Fog

• Braucht man sehr viel Rechenleistung? → eher Cloud

Kurzformel

Edge: direkt am Gerät, sehr schnell, wenig Rechenleistung

Fog: lokale Zwischenebene, gute Balance

Cloud: zentrales Rechenzentrum, sehr leistungsfähig, aber mehr Latenz

Kernidee: Je näher die Verarbeitung am Gerät passiert, desto schneller ist die Reaktion. Je weiter oben Richtung Cloud, desto größer ist die Rechenleistung.

Strategische Bedeutung des IoT

IoT bedeutet nicht nur, dass Geräte mit dem Internet verbunden sind.

Strategisch wichtig ist:

• physische Produkte werden mit digitalen Services verbunden

• Produkte liefern dauerhaft Daten

• Unternehmen können daraus neue Leistungen und Geschäftsmodelle entwickeln

Merksatz: IoT macht aus physischen Produkten datenbasierte Service-Systeme.

Beispiel: Vernetztes Auto

Ein vernetztes Auto sendet Echtzeitdaten an den Hersteller.

Dadurch ist das Auto nicht mehr nur ein physisches Produkt.

Es wird Teil einer digitalen Service-Architektur.

Beispiele für solche Daten:

• Fahrzeugzustand

• Wartungsbedarf

• Fahrverhalten

• technische Störungen

Einfach gesagt: Das Auto wird nicht nur verkauft, sondern bleibt digital mit dem Hersteller verbunden.

Wandel von Geschäftsmodellen

Durch IoT verändern sich Unternehmen.

Sie entwickeln sich:

• vom klassischen Produzenten

• zum Anbieter hybrider Geschäftsmodelle

Hybrid bedeutet hier:

• physisches Produkt

• plus digitale Services

• plus datenbasierte Leistungen

Product-as-a-Service

Besonders wichtig ist das in der Industrie.

Unternehmen verkaufen nicht mehr nur Maschinen.

Stattdessen verkaufen sie zum Beispiel:

• garantierte Betriebsstunden

• Produktionskapazität

• Leistungsfähigkeit

Das nennt man Product-as-a-Service.

Beispiel: Ein Unternehmen kauft nicht mehr eine Maschine, sondern bezahlt dafür, dass eine bestimmte Produktionsleistung zuverlässig erbracht wird.

Merksatz: Product-as-a-Service = nicht das Produkt selbst steht im Mittelpunkt, sondern die nutzbare Leistung.

Verbindung physischer und digitaler Prozesse

Das Besondere am IoT ist:

Physische Prozesse können direkt digital gesteuert werden.

Beispiele:

• Heizkörper reguliert automatisch die Temperatur

• Maschinen melden Störungen selbstständig

• Fahrzeuge senden Wartungsdaten in Echtzeit

Dadurch können Unternehmen schneller reagieren und Prozesse automatisieren.

Zentrale Eigenschaft des IoT

IoT ermöglicht:

• schnelle Datenerfassung

• schnelle Verarbeitung

• automatische Reaktionen

• Verbindung von realer und digitaler Welt

Merksatz: IoT erkennt, verarbeitet und reagiert oft fast in Echtzeit.

Anwendungsbeispiele des IoT

1. Logistik

In der Logistik werden zum Beispiel genutzt:

• GPS-Tracker

• Sensoren

Sie ermöglichen:

• lückenlose Sendungsverfolgung

• Echtzeitinformationen für Kund:innen

• Kontrolle von Temperatur und Feuchtigkeit

Unternehmen erkennen dadurch sofort:

• Temperaturabweichungen

• Feuchtigkeitsprobleme

• Verzögerungen

Vorteile:

• höhere Transparenz

• schnellere Reaktion auf Probleme

2. Landwirtschaft

In der Landwirtschaft messen Sensoren zum Beispiel:

• Bodenfeuchtigkeit

• Nährstoffgehalt

• Wetterbedingungen

Darauf reagieren automatisch:

• Bewässerungssysteme

• Düngeanlagen

Vorteile:

• weniger Wasserverbrauch

• weniger Dünger

• höhere Ernteerträge

Merksatz: IoT hilft, Ressourcen gezielter einzusetzen.

3. Einzelhandel

Im Einzelhandel gibt es zum Beispiel intelligente Regale.

Diese erkennen automatisch:

• niedrige Lagerbestände

• fehlende Produkte

Ein weiteres Beispiel sind kassenlose Einkaufssysteme wie Amazon Go.

Dabei automatisieren Sensorik und Algorithmen:

• Einkaufserfassung

• Bezahlvorgang

Merksatz: IoT macht Einkaufs- und Lagerprozesse automatisierter.

4. Gesundheitswesen

Im Gesundheitswesen spielen Wearables eine wichtige Rolle.

Diese tragbaren Geräte messen zum Beispiel:

• Herzfrequenz

• Blutzucker

• weitere Vitalparameter

Bei kritischen Werten können automatische Warnungen ausgelöst werden.

Vorteile:

• bessere Versorgung chronisch Kranker

• frühere Reaktion bei Problemen

• Entlastung von Kliniken und Praxen

Kurzformel

IoT = physische Produkte + digitale Vernetzung + datenbasierte Services

Logistik: Sendungen verfolgen

Landwirtschaft: Ressourcen gezielt steuern Einzelhandel: Bestände und Bezahlung automatisieren

Gesundheit: Vitaldaten überwachen

Kernidee: IoT verändert Wertschöpfung, weil Produkte nicht mehr nur verkauft werden, sondern dauerhaft Daten liefern und digitale Services ermöglichen.

IoT, Cloud und KI

IoT-Geräte erzeugen große Mengen an Echtzeitdaten.

Diese Daten sind besonders wichtig, weil sie als Grundlage für KI-gestützte Analysen dienen.

Einfach gesagt: IoT sammelt Daten aus der realen Welt, die anschließend digital ausgewertet werden können.

Innovationsdreieck: IoT + Cloud + KI

Viele digitale Geschäftsmodelle entstehen durch das Zusammenspiel von drei Technologien:

• IoT

• Cloud

• KI

Zusammenspiel

IoT

• sammelt Daten

• erfasst Informationen aus der Umgebung

• liefert Echtzeitdaten

Cloud

• speichert große Datenmengen

• verarbeitet Daten skalierbar

• stellt Rechenleistung bereit

KI

• erkennt Muster

• erstellt Vorhersagen

• unterstützt Entscheidungen

Merksatz: IoT sammelt Daten, Cloud verarbeitet sie, KI wertet sie intelligent aus.

Bedeutung des Zusammenspiels

Das Zusammenspiel von IoT, Cloud und KI bildet die Grundlage vieler neuer Geschäftsmodelle.

Beispiele:

• Predictive Maintenance

• Smart Cities

• personalisierte Gesundheitsservices

Der eigentliche Wert entsteht also nicht durch eine Technologie allein, sondern durch ihre Verbindung.

IoT als technologisches Ökosystem

Unternehmen sollten IoT nicht isoliert betrachten.

Der Nutzen entsteht vor allem durch:

• technologische Synergien

• Kombination verschiedener Technologien

• Verbindung von Daten, Infrastruktur und Analyse

Merksatz: IoT wird besonders wertvoll, wenn es mit Cloud und KI kombiniert wird.

Risiken des IoT

Datenschutz und Privatsphäre

IoT-Systeme sammeln oft dauerhaft Daten.

Dadurch entstehen sehr genaue Informationen über:

• Personen

• Verhalten

• Bewegungen

• Nutzungsmuster

Wichtige Fragen sind:

• Welche Daten werden erhoben?

• Wofür werden sie genutzt?

• Wer hat Zugriff?

Merksatz: IoT kann sehr nützlich sein, aber auch tief in die Privatsphäre eingreifen.

IT-Sicherheit

Viele IoT-Geräte haben schwache Sicherheitsmechanismen.

Dadurch sind sie anfällig für:

• Cyberangriffe

• Manipulation

• Missbrauch

Beispiel: Mirai-Botnetz

Beim Mirai-Botnetz wurden unsichere IoT-Geräte genutzt, um große Netzwerke anzugreifen und Systeme lahmzulegen.

Merksatz: Unsichere IoT-Geräte können selbst zum Werkzeug für Angriffe werden.

Fehlende Interoperabilität

Ein weiteres Problem ist, dass Geräte verschiedener Hersteller oft nicht gut miteinander kommunizieren können.

Grund:

• fehlende einheitliche Standards

Es gibt zwar Standardisierungsinitiativen, aber bisher keinen weltweit einheitlichen Standard.

Merksatz: Interoperabilität = Geräte unterschiedlicher Hersteller können zusammenarbeiten.

IoT als sozio-technisches System

Der Erfolg von IoT hängt nicht nur von Technik ab.

Wichtig sind auch:

• organisatorische Strukturen

• rechtliche Rahmenbedingungen

• gesellschaftliche Akzeptanz

Einfach gesagt: IoT funktioniert nur dann gut, wenn Technik, Organisation, Recht und Gesellschaft zusammenpassen.

Chancen des IoT

Richtig umgesetzt kann IoT ermöglichen:

• höhere Effizienz

• mehr Nachhaltigkeit

• stärkere Personalisierung von Dienstleistungen

Herausforderungen für Unternehmen und Politik

Notwendig sind:

• besserer Datenschutz

• bessere Sicherheitskonzepte

• langfristig belastbare Standards

Zentrale Schlussfolgerung

Das Internet of Things ist nicht nur eine technische Innovation.

Es verändert:

• Wertschöpfungsketten

• Geschäftsmodelle

• den Alltag von Menschen

Kurzformel

IoT: sammelt Echtzeitdaten

Cloud: verarbeitet große Datenmengen

KI: erkennt Muster und erstellt Vorhersagen

Risiken: Datenschutz, IT-Sicherheit, fehlende Standards

Chancen: Effizienz, Nachhaltigkeit, Personalisierung

Kernidee: IoT entfaltet seinen größten Wert im Zusammenspiel mit Cloud und KI, bringt aber auch neue Anforderungen an Sicherheit, Datenschutz und Standards mit sich.

Klausurtaugliche Zusammenfassung

Das Internet of Things (IoT) beschreibt die Vernetzung physischer Objekte mit Sensoren, Software und Internetverbindungen, sodass Daten erfasst, verarbeitet und teilweise autonom genutzt werden können. Technologische Grundlagen sind leistungsfähige Sensoren, moderne Funkstandards sowie Cloud-, Fog- und Edge-Computing. Theoretisch gilt IoT als Form von Cyber-Physical Systems (CPS), bei denen physische und digitale Prozesse verschmelzen.

Strategisch verändert IoT die Wertschöpfung grundlegend, da Produkte dauerhaft mit datenbasierten Services verbunden werden. Besonders wichtig ist das Zusammenspiel von IoT, Cloud und KI: IoT sammelt Daten, Cloud verarbeitet sie und KI generiert daraus Muster und Vorhersagen. Gleichzeitig entstehen Herausforderungen wie Datenschutzprobleme, IT-Sicherheitsrisiken und fehlende Interoperabilität. IoT ist daher nicht nur eine technische, sondern auch eine organisatorische, wirtschaftliche und gesellschaftliche Transformation.

Die Blockchain ist eine Technologie, mit der Transaktionen manipulationssicher gespeichert werden können.

Wichtig dabei:

• die Speicherung erfolgt in einem dezentralen Netzwerk

• es gibt keine zentrale Verwaltungsstelle

• dieselben Daten liegen auf vielen Computern gleichzeitig vor

Einfach gesagt: Blockchain ist eine Datenbank, die nicht an einem zentralen Ort liegt, sondern auf viele Rechner verteilt ist.

Unterschied zu klassischen Datenbanken

Bei klassischen Datenbanken gibt es meist eine zentrale Stelle, die alles verwaltet.

Bei der Blockchain ist das anders:

• viele Computer speichern dieselben Informationen

• alle Kopien werden miteinander abgeglichen

• nachträgliche Änderungen sind sehr schwer möglich

Der Grund: Eine Manipulation müsste nicht nur an einer Stelle passieren, sondern gleichzeitig auf vielen Kopien im Netzwerk.

Merksatz: Blockchain macht Manipulation schwierig, weil Daten dezentral verteilt und mehrfach gespeichert sind.

Blockchain als Distributed Ledger

Blockchain ist eine besondere Form eines Distributed Ledger.

Das bedeutet:

• verteiltes Hauptbuch

• dezentrale Datenbank

• gemeinsame Dokumentation von Transaktionen

Ledger kann man sich wie ein Kassenbuch oder Hauptbuch vorstellen.

Distributed bedeutet, dass dieses Hauptbuch nicht zentral bei einer Stelle liegt, sondern auf viele Teilnehmer verteilt ist.

Merksatz: Distributed Ledger = ein gemeinsam geführtes, verteiltes digitales Hauptbuch.

Klassisches Client-Server-Modell

Auf der linken Seite der Abbildung sieht man das klassische Modell.

Merkmale:

• eine zentrale Datenbank

• alle Nutzer greifen auf diese zentrale Instanz zu

• die zentrale Stelle kontrolliert die Daten

Probleme:

• Ausfall der zentralen Stelle kann das ganze System stören

• Nutzer sind abhängig von dieser zentralen Instanz

• Manipulation ist theoretisch einfacher, weil es einen zentralen Angriffspunkt gibt

Merksatz: Client-Server-Modell = viele Nutzer greifen auf eine zentrale Datenbank zu.

Blockchain / Distributed Ledger

Auf der rechten Seite der Abbildung sieht man das Blockchain-Modell.

Merkmale:

• jede Node besitzt eine eigene Kopie des Ledgers

• alle Teilnehmer sind miteinander verbunden

• Daten werden dezentral synchronisiert

• es gibt keine zentrale Kontrollinstanz

Node bedeutet hier: ein Computer oder Teilnehmer im Netzwerk.

Vorteile:

• höhere Manipulationssicherheit

• höhere Ausfallsicherheit

• weniger Abhängigkeit von einer zentralen Stelle

• gemeinsame Datenbasis im Netzwerk

Merksatz: Blockchain = viele Nodes speichern und prüfen dieselben Daten gemeinsam.

Kurzformel

Klassische Datenbank: zentral gespeichert, zentrale Kontrolle

Blockchain: dezentral gespeichert, viele identische Kopien

Distributed Ledger: verteiltes digitales Hauptbuch Node: Teilnehmer oder Rechner im Netzwerk

Kernidee: Blockchain ersetzt zentrale Kontrolle durch ein dezentrales Netzwerk, in dem viele Teilnehmer dieselben Transaktionen speichern und absichern.

Grundprinzip der Blockchain

Eine Blockchain speichert Transaktionen so, dass sie nachträglich kaum manipulierbar sind.

Jede Transaktion wird:

• zeitlich geordnet

• kryptographisch gesichert

• auf vielen Nodes gespeichert

Nodes sind Computer oder Teilnehmer im Blockchain-Netzwerk.

• Das Studienheft beschreibt, dass Transaktionen nicht zentral gespeichert werden, sondern auf vielen Knoten im Netzwerk liegen.

• Dadurch wird Manipulation erschwert.

Warum ist Manipulation schwierig?

Eine Änderung wäre sehr aufwendig, weil:

• viele Kopien des Ledgers existieren

• eine Änderung in allen Kopien gleichzeitig erfolgen müsste

• kryptographische Verfahren Abweichungen sichtbar machen

Merksatz: Blockchain ist sicher, weil viele Kopien gemeinsam überprüft werden.

Ursprung der Blockchain

Das Konzept wurde 2008 im Bitcoin-Whitepaper beschrieben.

Der Autor wurde bekannt unter dem Namen:

• Satoshi Nakamoto

Seitdem bildet Blockchain die Grundlage vieler weiterer Anwendungen.

Strategische Bedeutung der Blockchain

Strategisch wichtig ist vor allem:

Disintermediation

Das bedeutet: Zentrale Vermittler oder Kontrollinstanzen können ersetzt werden.

Disintermediation

Bei klassischen Geschäftsprozessen braucht man oft zentrale Intermediäre.

Beispiele:

• Banken

• Notar:innen

• Plattformbetreiber

Bei der Blockchain können diese teilweise ersetzt werden durch:

• algorithmische Regeln

• kryptographische Sicherheit

• gemeinsame Prüfung im Netzwerk

Das Studienheft beschreibt genau diese Verschiebung: Blockchain ersetzt zentrale Intermediäre durch algorithmische Regeln und kryptographische Sicherheit.

Merksatz: Disintermediation = Vermittler werden durch technische Regeln ersetzt.

Veränderung des Vertrauens

Traditionell gilt:

• Vertrauen basiert auf Institutionen

• zum Beispiel Banken, Behörden oder Notar:innen

Bei Blockchain gilt:

• Vertrauen basiert auf dem Protokoll

• also auf der technischen Systemarchitektur

Einfach gesagt: Man vertraut weniger einer Organisation und stärker dem technischen System.

Merksatz: Blockchain verschiebt Vertrauen von Institutionen zum Protokoll.

Technische Grundlage der Blockchain

Datenblöcke

Eine Blockchain besteht aus einzelnen Datenblöcken.

Diese Blöcke enthalten:

• Transaktionen

• Zeitinformationen

• kryptographische Verknüpfungen

Die Blöcke sind wie eine Kette miteinander verbunden.

Hash-Funktionen

Hash-Funktionen verbinden die Blöcke kryptographisch miteinander.

Sie sorgen dafür:

• jede Änderung verändert den Hash-Wert

• Manipulationen werden dadurch sichtbar

• die Kette bleibt überprüfbar

Das Studienheft erklärt, dass jede Veränderung am Inhalt eines Blocks den Hash-Wert verändert und Manipulationen sichtbar macht.

Merksatz: Hash = digitaler Fingerabdruck eines Blocks.

Konsensmechanismen

Konsensmechanismen bestimmen:

• welche Transaktionen gültig sind

• welche Transaktionen in die Blockchain aufgenommen werden

Sie sorgen dafür, dass sich das Netzwerk auf eine gemeinsame Version der Daten einigt.

Merksatz: Konsensmechanismus = Verfahren, mit dem sich das Netzwerk einigt.

Proof of Work, kurz PoW

Proof of Work wird zum Beispiel bei Bitcoin genutzt.

Merkmale:

• basiert auf rechenintensiven Aufgaben

• benötigt sehr viel Energie

• gilt als sicher, aber ressourcenaufwendig

Merksatz: Proof of Work = Sicherheit durch Rechenaufwand.

Proof of Stake, kurz PoS

Proof of Stake wird zum Beispiel bei Ethereum seit 2022 genutzt.

Merkmale:

• basiert auf hinterlegten Token

• Token dienen als Sicherheitsmechanismus

• deutlich energieeffizienter als Proof of Work

Das Studienheft stellt Proof of Work und Proof of Stake gegenüber: PoW nutzt rechenintensive Aufgaben, während PoS auf hinterlegte Token setzt und als energieeffizienter gilt.

Merksatz: Proof of Stake = Sicherheit durch hinterlegte Werte.

Noch einfacher erklärt:

• PoW = Proof of Work

• PoS = Proof of Stake

Beides sind Konsensmechanismen. Das heißt: Sie regeln, wie sich das Blockchain-Netzwerk darauf einigt, welche Transaktionen gültig sind.

Grundproblem

Bei einer Blockchain gibt es keine zentrale Bank, die sagt:

„Diese Transaktion ist korrekt.“

Stattdessen müssen viele Computer im Netzwerk gemeinsam entscheiden:

• Ist die Transaktion echt?

• Darf sie in die Blockchain aufgenommen werden?

• Wer darf den nächsten Block hinzufügen?

Dafür braucht man Regeln. Diese Regeln heißen Konsensmechanismen.

Proof of Work, PoW

Proof of Work bedeutet: Wer einen neuen Block hinzufügen will, muss vorher eine schwere Rechenaufgabe lösen.

Das ist wie ein Wettbewerb:

• viele Computer rechnen gleichzeitig

• wer die Aufgabe zuerst löst, darf den nächsten Block hinzufügen

• dafür gibt es meistens eine Belohnung

Einfaches Bild

Stell dir vor, 100 Personen wollen entscheiden, wer das nächste Kapitel in ein gemeinsames Buch schreiben darf.

Bei PoW gilt:

Wer zuerst ein sehr schwieriges Rätsel löst, darf schreiben.

Vorteil

• sehr sicher

• Manipulation ist extrem teuer, weil man sehr viel Rechenleistung bräuchte

Nachteil

• sehr hoher Energieverbrauch

• langsam und teuer im Betrieb

Merksatz

Proof of Work = Sicherheit durch Rechenarbeit.

Proof of Stake, PoS

Proof of Stake bedeutet: Wer einen neuen Block hinzufügen darf, hängt davon ab, wie viele eigene Token jemand im System hinterlegt.

Token sind hier so etwas wie digitale Anteile oder Einheiten der Kryptowährung.

Bei PoS muss man also nicht möglichst viel rechnen, sondern man „setzt“ eigene Werte ein.

Einfaches Bild

Wieder das gemeinsame Buch:

Bei PoS gilt:

Wer einen Einsatz hinterlegt, darf mitbestimmen.

Wenn diese Person ehrlich handelt, ist alles gut. Wenn sie betrügt, kann sie ihren Einsatz verlieren.

Vorteil

• deutlich energieeffizienter als PoW

• weniger Rechenaufwand

• schneller und ressourcenschonender

Nachteil

• wer viele Token besitzt, hat oft mehr Einfluss

• dadurch kann Macht bei großen Besitzern konzentriert werden

Merksatz

Proof of Stake = Sicherheit durch hinterlegte Werte.

Superkurz

PoW: „Ich beweise, dass ich Arbeit geleistet habe.“ PoS: „Ich beweise, dass ich etwas zu verlieren habe.

Kurzformel

Blockchain: dezentrale, manipulationssichere Speicherung von Transaktionen

Node: Teilnehmer im Netzwerk

Hash: digitaler Fingerabdruck eines Blocks Konsens: Einigung darüber, welche Transaktionen gültig sind

PoW: Sicherheit durch Rechenleistung

PoS: Sicherheit durch hinterlegte Token

Kernidee: Blockchain ersetzt zentrale Kontrolle teilweise durch technische Regeln, Kryptographie und gemeinsame Prüfung im Netzwerk.

Blockchain aus Unternehmenssicht

Für Unternehmen ist Blockchain kein Selbstzweck.

Das bedeutet: Ein Unternehmen sollte Blockchain nicht nur einsetzen, weil die Technologie modern klingt.

Die zentrale Frage lautet:

Wie können Transaktionen zwischen mehreren Akteuren organisiert werden, sodass sie:

• verlässlich

• prüfbar

• fälschungssicher

sind?

Wann ist Blockchain besonders relevant?

Blockchain ist besonders interessant, wenn:

• mehrere Akteure beteiligt sind

• keine zentrale Instanz existiert

• oder bewusst auf eine zentrale Instanz verzichtet werden soll

Einfach gesagt: Blockchain ist nützlich, wenn mehrere Parteien zusammenarbeiten müssen, sich aber nicht vollständig gegenseitig vertrauen.

Blockchain-Trilemma

Das Blockchain-Trilemma beschreibt einen Zielkonflikt.

Ideal wären gleichzeitig:

• hohe Sicherheit

• hohe Dezentralität

• hohe Leistungsfähigkeit

Das Problem:

Diese drei Ziele lassen sich nicht alle gleichzeitig maximal erreichen.

Man muss also Kompromisse eingehen.

Merksatz: Blockchain-Trilemma = Sicherheit, Dezentralität und Leistung stehen im Spannungsverhältnis.

Öffentliche Netzwerke

Öffentliche Blockchain-Netzwerke setzen oft stark auf:

• Sicherheit

• Dezentralität

Nachteile:

• geringerer Durchsatz

• schwankende Kosten

• langsamere Verarbeitung

Beispielhaft gedacht: Viele unabhängige Teilnehmer prüfen mit. Das erhöht Sicherheit und Dezentralität, macht das System aber oft langsamer.

Geschlossene Unternehmensnetzwerke

Geschlossene Unternehmensnetzwerke setzen eher auf:

• stabile Leistung

• klare Verantwortlichkeiten

• kontrollierten Zugang

Nachteile:

• geringere Dezentralität

• mehr Vertrauen in die beteiligten Akteure notwendig

Einfach gesagt: Unternehmensnetzwerke sind oft praktischer und schneller, aber weniger dezentral.

Wirtschaftlicher Wert der Blockchain

Der wirtschaftliche Wert entsteht nicht allein durch die Technologie.

Entscheidend ist eine gute Governance.

Das bedeutet:

• klare Regeln

• klare Rollenverteilung

• klare Zugriffsrechte

• klare Verantwortlichkeiten

Ohne solche Regeln bringt Blockchain Unternehmen wenig.

Kurzformel

Blockchain sinnvoll: viele Beteiligte + wenig Vertrauen + fälschungssichere Dokumentation nötig

Klassische Systeme sinnvoll: bekannte Partner + hohe Geschwindigkeit + stabile Kosten wichtig

Blockchain-Trilemma: Sicherheit, Dezentralität und Leistung lassen sich nicht gleichzeitig maximieren

Kernidee: Blockchain ist nur dann wirtschaftlich sinnvoll, wenn sie zur Transaktionssituation passt und durch klare Governance geregelt ist.

Grundformen von Blockchain-Netzwerken

Blockchain-Netzwerke können unterschiedlich organisiert sein.

Wichtig sind drei Grundformen:

• öffentliche Netzwerke

• Unternehmens- oder Konsortialnetzwerke

• hybride Ansätze

1. Öffentliche Netzwerke

Öffentliche Blockchain-Netzwerke sind für alle zugänglich.

Merkmale:

• offene Teilnahme

• keine zentrale Instanz

• viele unabhängige Teilnehmer

• Vertrauen entsteht durch Offenheit und technische Regeln

Beispiele:

• Kryptowährungen

• offene digitale Ökosysteme

Merksatz: Öffentliche Blockchain = jeder kann teilnehmen, Kontrolle liegt beim Netzwerk.

2. Unternehmens- / Konsortialnetzwerke

Unternehmens- oder Konsortialnetzwerke sind geschlossene Netzwerke.

Sie bestehen aus identifizierten Organisationen.

Das bedeutet:

• die Teilnehmer sind bekannt

• es gibt vertragliche Beziehungen

• die Leistung ist besser planbar

• Regeln werden gemeinsam festgelegt

Beispiele:

• Lieferketten

• gemeinsame Register

• Bestandsabgleiche zwischen Unternehmen

Merksatz: Konsortialnetzwerk = bekannte Organisationen nutzen gemeinsam eine Blockchain.

3. Hybride Ansätze

Hybride Ansätze kombinieren Elemente aus öffentlichen und geschlossenen Systemen.

Ziel ist:

• Vorteile öffentlicher Netzwerke nutzen

• gleichzeitig mehr Kontrolle und Leistung ermöglichen

Problem:

• der Grundkonflikt bleibt bestehen

• hohe Leistung und starke Dezentralität sind schwer gleichzeitig erreichbar

Merksatz: Hybrid = Mischung aus offenem und geschlossenem Blockchain-System.

Governance-Fragen

Bei Blockchain-Projekten sind Governance-Fragen besonders wichtig.

Governance bedeutet hier:

Wie wird das Netzwerk geregelt und kontrolliert?

Wichtige Fragen:

• Wer darf Daten sehen?

• Wer darf Daten schreiben?

• Wie werden Fehler korrigiert?

• Wie werden Zugriffe geregelt?

• Wie werden Regeln nachgewiesen?

Diese Fragen sind oft wichtiger als einzelne technische Details.

Denn sie bestimmen:

• Aufwand

• Nutzen

• Vertrauen

• Verantwortlichkeiten

• praktische Umsetzbarkeit

Kurzformel

Öffentlich: offen für alle, keine zentrale Instanz Konsortialnetzwerk: geschlossen, bekannte Organisationen Hybrid: Kombination aus offen und geschlossen

Governance: Wer darf was, wer ist verantwortlich, wie werden Regeln kontrolliert?

Kernidee: Nicht nur die Technik entscheidet über den Erfolg einer Blockchain, sondern vor allem die passende Netzwerkform und klare Governance-Regeln.

Anwendungsbeispiele der Blockchain

Blockchain kann in verschiedenen Bereichen eingesetzt werden.

Wichtig ist: Der Nutzen entsteht vor allem dort, wo Informationen fälschungssicher, nachvollziehbar und zwischen mehreren Beteiligten geteilt werden sollen.

1. Supply Chain Management

Im Supply Chain Management kann Blockchain die Herkunft und Verarbeitung von Produkten dokumentieren.

Gespeichert werden zum Beispiel:

• Herkunft

• Transportwege

• Verarbeitungsschritte

• Bio-Zertifikate

• Transportbedingungen

• faire Arbeitsbedingungen

Beispiel:

• Lebensmittelindustrie

Kund:innen können Informationen zum Produkt zum Beispiel über einen QR-Code abrufen.

Merksatz: Blockchain macht Lieferketten transparenter und besser nachvollziehbar.

2. Finanzwesen und Zahlungsverkehr

Im Finanzwesen ist Blockchain besonders bekannt durch Kryptowährungen.

Beispiele:

• Bitcoin

• Ethereum

Außerdem prüfen Zentralbanken sogenannte Central Bank Digital Currencies, kurz CBDC.

Das sind staatliche Digitalwährungen.

Grenzüberschreitende Zahlungen

Blockchain kann internationale Zahlungen verändern.

Vorteile gegenüber klassischen Korrespondenzbanken:

• schneller

• günstiger

• direkter

Merksatz: Blockchain kann Zahlungsprozesse beschleunigen und Zwischenstellen reduzieren.

3. Digitale Identitäten

Blockchain kann genutzt werden, um Identitäten und Zertifikate fälschungssicher zu speichern.

Beispiele:

• Zeugnisse

• Lizenzen

• Zertifikate

• digitale Identitätsnachweise

Wichtig ist hier das Konzept der Self-Sovereign Identity.

Das bedeutet:

• Nutzer:innen kontrollieren ihre digitale Identität selbst

• sie entscheiden, welche Informationen sie teilen

Merksatz: Digitale Identität = Personen können Nachweise sicher speichern und selbst verwalten.

4. Smart Contracts

Smart Contracts sind selbstausführende Programme auf der Blockchain.

Sie können:

• Vertragsbedingungen automatisch prüfen

• Aktionen automatisch ausführen

Beispiel Logistik

Wenn:

• ein Container den Zielhafen erreicht

und:

• Sensoren oder GPS dies bestätigen

dann:

• wird automatisch eine Zahlung ausgelöst

Vorteile:

• weniger Intermediäre

• schnellere Prozesse

• geringere Kosten

Merksatz: Smart Contract = Vertrag, der sich bei erfüllten Bedingungen automatisch ausführt.

Verbindung von Blockchain und IoT

Blockchain und IoT können zusammenarbeiten.

IoT-Sensoren liefern:

• Echtzeitdaten

• Standortdaten

• Zustandsdaten

Smart Contracts können diese Daten automatisch verarbeiten.

Beispiel:

• Ein Sensor bestätigt, dass eine Lieferung angekommen ist.

• Der Smart Contract löst automatisch die Zahlung aus.

Non-Fungible Tokens, NFTs

NFTs sind digitale Eigentumsnachweise.

Sie beziehen sich auf einzigartige digitale oder physische Objekte.

Einsatzbereiche:

• Kunst

• Gaming

• Sammlerstücke

Merksatz: NFT = digitaler Nachweis, wem ein einzigartiges Objekt gehört.

Auswirkungen auf Märkte und Geschäftsmodelle

Blockchain ermöglicht:

• automatisierte Transaktionen

• neue Geschäftslogiken

• weniger Abhängigkeit von zentralen Vermittlern

• Aufbrechen klassischer Wertschöpfungsketten

Veränderung der Machtbalance

Traditionelle Plattformen kontrollieren Daten oft zentral.

Blockchain ermöglicht theoretisch mehr Dezentralisierung.

Nutzer:innen können dabei gleichzeitig sein:

• Eigentümer

• Teilnehmer

• Kontrollinstanz

Einfach gesagt: Blockchain kann Macht von zentralen Plattformen stärker auf Netzwerkteilnehmer verteilen.

Voraussetzungen für breite Durchsetzung

Damit Blockchain sich breiter durchsetzt, braucht es:

• Standardisierung

• Regulierung

• gesellschaftliche Akzeptanz

Klausurtaugliche Zusammenfassung: Blockchain-Anwendungen

Blockchain eignet sich besonders für Situationen, in denen Informationen fälschungssicher, transparent und ohne zentrale Kontrollinstanz dokumentiert werden sollen.

Wichtige Anwendungsbereiche sind:

• Supply Chain Management: Herkunft, Transport und Verarbeitung von Produkten können lückenlos dokumentiert werden, zum Beispiel in der Lebensmittelindustrie.

• Finanzwesen: Kryptowährungen wie Bitcoin und Ethereum sowie mögliche staatliche Digitalwährungen, sogenannte CBDCs, basieren auf Blockchain-Ansätzen.

• Grenzüberschreitende Zahlungen: Zahlungen können schneller und günstiger abgewickelt werden als über klassische Bankenstrukturen.

• Digitale Identitäten: Zeugnisse, Lizenzen oder Identitätsnachweise können fälschungssicher gespeichert werden. Bei Self-Sovereign Identity kontrollieren Nutzer:innen ihre Identität selbst.

• Smart Contracts: Verträge werden automatisch ausgeführt, wenn vorher festgelegte Bedingungen erfüllt sind.

• NFTs: Digitale Eigentumsnachweise für einzigartige digitale oder physische Objekte, zum Beispiel Kunst, Gaming oder Sammlerstücke.

Zentrale Bedeutung: Blockchain kann klassische Wertschöpfungsketten verändern, weil Transaktionen automatisiert und zentrale Intermediäre teilweise ersetzt werden können. Dadurch verschiebt sich Macht theoretisch von zentralen Plattformen hin zu den Netzwerkteilnehmer:innen.

Klausur-Merksatz: Blockchain ermöglicht fälschungssichere Dokumentation, automatische Transaktionen und neue dezentrale Geschäftsmodelle; ihre breite Durchsetzung hängt jedoch von Standardisierung, Regulierung und gesellschaftlicher Akzeptanz ab.

1. Energieverbrauch

Problem:

• Proof-of-Work-Systeme benötigen enorme Strommengen

Auch wenn effizientere Verfahren existieren:

• Umweltbilanz bleibt Kritikpunkt

2. Begrenzte Geschwindigkeit

Blockchain-Systeme sind oft langsamer als:

• zentralisierte Datenbanken

Problematisch bei:

• sehr hohen Transaktionsvolumina

3. Fehlende rechtliche Klarheit

Unklare Regelungen bei:

• Smart Contracts

• Haftungsfragen

• Datenschutz

4. Hohe Implementierungskosten

Erforderlich:

• spezielles Fachwissen

• hohe Anfangsinvestitionen

5. Nicht immer die beste Lösung

Für manche Anwendungen sind effizienter:

• klassische Datenbanken

• Cloud-Lösungen

Zentrale Schlussfolgerung

Blockchain ist eine Schlüsseltechnologie zur:

• sicheren

• transparenten

• dezentralen

Abwicklung digitaler Transaktionen.

Besonders wertvoll:

• wenn mehrere Parteien ohne zentrale Instanz zusammenarbeiten müssen.

Gleichzeitig bestehen weiterhin Herausforderungen bei:

• Energieverbrauch

• Skalierbarkeit

• Regulierung

• tatsächlichem Mehrwert gegenüber bestehenden Technologien.

Klausurtaugliche Zusammenfassung

Die Blockchain ist eine dezentrale Form verteilter Datenbanken (Distributed Ledger), bei der Transaktionen kryptographisch gesichert und auf vielen Netzwerkknoten gespeichert werden. Im Unterschied zu klassischen Client-Server-Systemen existiert keine zentrale Kontrollinstanz. Dadurch werden Manipulationen erheblich erschwert und Vertrauen verlagert sich von Institutionen hin zum technischen Protokoll.

Strategisch ermöglicht Blockchain Disintermediation, also die Reduktion zentraler Vermittler wie Banken oder Plattformen. Wichtige Anwendungen sind Supply Chain Management, digitale Identitäten, Smart Contracts und Kryptowährungen. Gleichzeitig bestehen Grenzen durch hohen Energieverbrauch, geringe Skalierbarkeit, regulatorische Unsicherheiten und hohe Implementierungskosten. Der wirtschaftliche Nutzen hängt deshalb stark von Governance, Anwendungsfall und Passung zur jeweiligen Transaktionsumgebung ab.

Grundidee: Technologien wirken nicht isoliert

Die bisher behandelten Technologien:

• Cloud Computing

• mobile Technologien

• Künstliche Intelligenz (KI)

• Internet of Things (IoT)

• Blockchain

dürfen nicht getrennt betrachtet werden.

Die eigentliche transformative Kraft entsteht erst durch:

• ihr Zusammenspiel

• ihre Integration

Unternehmen können dadurch:

• Prozesse optimieren

• neue Wertschöpfungslogiken entwickeln

Technologische Ökosysteme

Die Interdependenzen lassen sich über das Konzept der:

• technologischen Ökosysteme

erklären.

Definition technologisches Ökosystem

Ein technologisches Ökosystem besteht aus:

• komplementären Technologien bzw. Komponenten

deren Wert erst durch:

• Integration

• Zusammenspiel

entsteht.

Komplementaritäten

Ökonomisch spricht man von:

• Komplementaritäten

Bedeutung

Der Nutzen einer Technologie steigt, wenn:

• andere passende Technologien vorhanden sind.

Bedeutung für die digitale Transformation

Der isolierte Einsatz einzelner Technologien:

• schöpft das Potenzial nicht vollständig aus

Beispiele:

• nur Cloud

• nur IoT

→ begrenzter Nutzen

Der eigentliche Mehrwert entsteht durch:

• systemische Integration

Beispiel:

• Cloud + IoT + KI

Strategische Implikationen für Unternehmen

Unternehmen benötigen nicht nur:

• technologische Fähigkeiten

sondern zusätzlich:

• integrative Fähigkeiten

• sogenannte „architectural competencies“

Architectural Competencies

Bedeutung: Fähigkeit zur:

• Orchestrierung

• Integration

• Koordination

komplexer Technologiebündel.

Cloud Computing als infrastrukturelle Basis

Cloud Computing bildet häufig die Grundlage anderer Technologien.

Ohne Cloud:

• könnten IoT-Anwendungen keine riesigen Sensordatenmengen verarbeiten

• könnten KI-Modelle nicht mit großen Datenmengen trainiert werden

Wichtige Funktionen:

• skalierbare Rechenleistung

• skalierbarer Speicher

Rolle mobiler Technologien

Mobile Technologien fungieren als:

• Schnittstelle zwischen Nutzer:innen und digitaler Welt

Sie machen:

• Cloud-Dienste

• KI-Anwendungen

im Alltag nutzbar.

Rolle des IoT

IoT erweitert den Datenraum, indem:

• die physische Welt kontinuierlich digital erfasst wird

Dadurch entstehen:

• Echtzeitdaten

• digitale Abbilder physischer Prozesse

Rolle der Blockchain

Blockchain ergänzt das technologische Ökosystem durch:

• Vertrauen

• Transaktionssicherheit

Besonders relevant:

• wenn keine zentrale Institution vorhanden ist

• oder bewusst vermieden werden soll

Zentrale Erkenntnis

Die Technologien entfalten ihren Wert vor allem:

• durch ihr Ineinandergreifen

• nicht durch isolierte Nutzung

Beispiel 1: Logistik

Kombination aus:

• IoT

• KI

• Blockchain

Ablauf

IoT

• Sensoren erfassen Transportbedingungen

KI

• analysiert Abweichungen und Muster

Blockchain

• dokumentiert Ereignisse manipulationssicher

Ergebnis im Logistiksektor

Es entsteht ein:

• nahtloser Daten- und Entscheidungsfluss

Vorteile:

• höhere Effizienz

• mehr Transparenz

• stärkeres Vertrauen

Beispiel 2: Gesundheitswesen

Kombination aus:

• Mobile Technologien

• KI

• Cloud

Ablauf

Mobile Technologien

• Smartphone-Apps erfassen Daten

Wearables

• liefern kontinuierliche Gesundheitsdaten

Cloud

• speichert die Daten

KI

• analysiert Gesundheitsdaten

Nutzen im Gesundheitswesen

Ärzt:innen erhalten:

• kontinuierliche Gesundheitsinformationen

Dadurch können sie:

• frühzeitig auf Verschlechterungen reagieren

Strategische Bedeutung der Interdependenzen

Unternehmen müssen digitale Technologien:

• als zusammenhängendes System

• als technologisches Ökosystem

verstehen.

Der Wettbewerbsvorteil entsteht weniger durch:

• einzelne Technologien

sondern durch:

• deren intelligente Kombination

• Integration in Geschäftsmodelle und Prozesse

Klausurtaugliche Zusammenfassung

Die Schlüsseltechnologien der digitalen Transformation entfalten ihren Wert vor allem durch ihr Zusammenspiel. Cloud Computing bildet die infrastrukturelle Basis, mobile Technologien stellen die Schnittstelle zum Nutzer dar, IoT erzeugt Echtzeitdaten, KI analysiert diese Daten und Blockchain schafft Vertrauen sowie Transaktionssicherheit. Der Nutzen einzelner Technologien steigt dabei durch sogenannte Komplementaritäten mit anderen Technologien.

Unternehmen benötigen deshalb nicht nur technologische Kompetenzen, sondern auch integrative Fähigkeiten („architectural competencies“), um komplexe technologische Ökosysteme erfolgreich zu orchestrieren. Wettbewerbsvorteile entstehen weniger durch isolierte Technologien als durch deren systemische Integration in Prozesse, Produkte und Geschäftsmodelle.

Schlüsseltechnologien als General Purpose Technologies (GPT)

In der wirtschaftswissenschaftlichen Forschung werden Technologien wie:

• Cloud Computing

• Künstliche Intelligenz

• Blockchain

zunehmend als:

• General Purpose Technologies (GPT)

• Basistechnologien

verstanden.

Definition von General Purpose Technologies

General Purpose Technologies sind Technologien, die:

• branchenübergreifend eingesetzt werden können

• viele weitere Innovationen ermöglichen

Drei zentrale Eigenschaften von GPTs nach Bresnahan & Trajtenberg (1995)

1. Pervasiveness

Bedeutung

Die Technologie:

• ist in vielen Branchen einsetzbar

• durchdringt große Teile der Wirtschaft

2. Improvement

Bedeutung

Die Technologie:

• verbessert sich kontinuierlich

• wird mit der Zeit effizienter

3. Innovation Spawning

Bedeutung

Die Technologie:

• ermöglicht

• stimuliert

weitere komplementäre Innovationen in anderen Bereichen.

Klassische Beispiele für GPTs

Historische Beispiele:

• Elektrizität

• Internet

Moderne Beispiele:

• Cloud Computing

• KI

• Blockchain

Warum Cloud, KI und Blockchain GPTs sind

Diese Technologien:

• sind nicht auf einzelne Branchen beschränkt

• verändern strukturell ganze Märkte

• ermöglichen neue Geschäftsmodelle und Innovationen

Beispiel: Cloud Computing als GPT

Cloud Computing erfüllt alle drei Kriterien:

Pervasiveness

• branchenunabhängig einsetzbar

Improvement

• steigende Leistungsfähigkeit

• sinkende Kosten

Innovation Spawning

Cloud ermöglicht viele weitere Geschäftsmodelle und Technologien:

• IoT

• KI

• Streaming-Services

Diese wären ohne Cloud wirtschaftlich oft nicht tragfähig.

Diffusion von Basistechnologien

Die Verbreitung von Technologien erfolgt nicht gleichmäßig.

Nach:

• Rogers’ Diffusion of Innovations (1962)

durchlaufen Technologien typische Entwicklungsphasen.

Phasen der Diffusion

• frühe Experimente

• kritische Masse

• Massenadoption

Einordnung der Technologien nach Diffusionsgrad

Cloud und Mobile

• Diffusionsprozess weitgehend abgeschlossen

• gelten als Standardtechnologien

IoT

• befindet sich in beschleunigter Diffusion

Blockchain

• noch stark experimentell geprägt

KI

Befindet sich in einem Spannungsfeld:

Bereits weit verbreitet:

• Empfehlungssysteme

Noch frühe Diffusionsphase:

• generative KI-Verfahren

Technologische Entscheidungen sind langfristig

Unternehmen dürfen technologische Entscheidungen:

• nicht nur kurzfristig treffen

Denn Technologien sind eingebettet in:

• langfristige Entwicklungen

• Unsicherheiten

• große Chancen

Strategische Kernfragen für Unternehmen

1. Welche Technologien sind Branchenstandard?

Beispiele:

• Cloud

• Mobile

Diese sind:

• weit verbreitet

• praktisch unverzichtbar

2. Welche Technologien bieten Differenzierungsmöglichkeiten?

Beispiele:

• KI

• IoT

Diese können ermöglichen:

• neue Geschäftsmodelle

• Wettbewerbsvorteile

• Innovationen

3. Welche Technologien sind risikoreich?

Beispiel:

• Blockchain

Diese erfordern:

• selektive Experimente

• vorsichtige Implementierung

bevor sie breit eingesetzt werden.

Strategische Abhängigkeiten

Ein zentrales Problem sind:

• Abhängigkeiten von Technologieanbietern

Lock-in-Effekte bei Cloud und Plattformen

Große Anbieter kontrollieren:

• zentrale Infrastrukturen

Dadurch entstehen:

• Lock-in-Effekte

• Abhängigkeiten

KI und Oligopole

KI verstärkt durch:

• Netzwerkeffekte

• Dateneffekte

die Tendenz zu:

• Oligopolen

Blockchain und Machtkonzentration

Obwohl Blockchain Dezentralisierung verspricht, entstehen auch dort:

• Machtkonzentrationen

Beispiele:

• Miner-Communities

• Token-Communities

Strategische Konsequenz

Unternehmen müssen diese Dynamiken verstehen, um:

• strategisch souverän

• langfristig handlungsfähig

zu bleiben.

Zentrale Erkenntnis der Schlüsseltechnologien

Der Wert digitaler Technologien entsteht:

• nicht allein durch technische Effizienz

sondern erst durch:

• Integration in Geschäftsmodelle

Digitale Transformation bedeutet daher

Nicht nur:

• neue Technologien einzuführen

sondern:

• Geschäftslogiken grundlegend neu zu denken

Beispiele neuer Geschäftslogiken

• datengetriebene Services

• Plattformmodelle

• disruptive Innovationen

Zentrale Schlussfolgerung

Digitale Transformation ist:

• nicht primär ein Technikprojekt

sondern:

• eine strategische Neugestaltung von Wertschöpfung und Geschäftsmodellen

Klausurtaugliche Zusammenfassung

Cloud Computing, KI und Blockchain gelten als General Purpose Technologies (GPTs), da sie branchenübergreifend einsetzbar sind, sich kontinuierlich verbessern und zahlreiche komplementäre Innovationen ermöglichen. Nach Bresnahan & Trajtenberg zeichnen sich GPTs durch Pervasiveness, Improvement und Innovation Spawning aus. Die Verbreitung solcher Technologien erfolgt nach Rogers in typischen Diffusionsphasen – von frühen Experimenten bis zur Massenadoption.

Für Unternehmen bedeutet dies, dass technologische Entscheidungen langfristig und strategisch betrachtet werden müssen. Cloud und Mobile gelten bereits als Standard, während KI und IoT neue Differenzierungsmöglichkeiten schaffen. Blockchain bleibt stärker experimentell. Gleichzeitig entstehen neue Abhängigkeiten durch Lock-in-Effekte, Netzwerkeffekte und Machtkonzentrationen. Der eigentliche Wert digitaler Technologien entsteht nicht isoliert, sondern durch ihre Integration in neue Geschäftsmodelle und Wertschöpfungslogiken.

Aufgabe 2.1

Welche drei Servicemodelle des Cloud Computings werden unterschieden und worin bestehen ihre Unterschiede?

Aufgabe 2.2

Was bedeutet das Prinzip „Mobile First“ und welche Konsequenzen hat es für Unternehmen?

Aufgabe 2.3

Worin besteht der Unterschied zwischen schwacher (narrow) und starker (general) Künstlicher Intelligenz, und welche Form ist in der betrieblichen Praxis relevant?

Aufgabe 2.4

Welche Risiken sind mit dem Einsatz des Internet of Things (IoT) verbunden,

und warum wird es als sozio-technisches System beschrieben?

Aufgabe 2.5

Warum gilt die Blockchain als Schlüsseltechnologie der digitalen Transformation,

und welche zentralen Herausforderungen stehen ihrer breiten

Anwendung noch im Weg?