Content

Tassilo Pellegrini, Michael Litschka, Überlegungen zur Governance von Open Data – eine institutionenökonomische Perspektive in:

Jörg Müller-Lietzkow (ed.)

Beyond Digital, page 111 - 130

Zeit für die global vernetzte Echtzeitmedienwirtschaft - Zeit für neue Theorie?

1. Edition 2020, ISBN print: 978-3-8487-6479-2, ISBN online: 978-3-7489-0524-0, https://doi.org/10.5771/9783748905240-111

Series: Reihe Medienökonomie, vol. 13

Bibliographic information
Citation download Share
Überlegungen zur Governance von Open Data – eine institutionenökonomische Perspektive Tassilo Pellegrini & Michael Litschka Einleitung und Problemstellung Dieser Beitrag diskutiert die Gütercharakteristika und daraus resultierende wettbewerbspolitische Fragestellungen von Open Data vor dem Hintergrund der zunehmenden kommerziellen Bewirtschaftung von Open Data durch Medienunternehmen.1 Aktuelle Entwicklungen wie etwa Open (Government) Data, die Renaissance des Datenjournalismus und der Trend in Richtung Service-Orientierung sind Indizien für einen zunehmenden Wertschöpfungsbeitrag der Datenbewirtschaftung in der digitalen Contentproduktion und -distribution. Dies zeigt sich einerseits in der wachsenden Bedeutung von Metadaten in der digitalen Content-Vermarktung (Pellegrini, 2009; Morris, 2012; Loosen et al., 2017) – speziell im Kontext der stark auf Daten-Analytik, Co-Produktion und Vertriebsautomatisierung basierenden service-orientierten Logik des eCommerce – und andererseits in der fortwährenden Entwicklung neuer technischer Standards und Methoden zur Bewirtschaftung von Daten unter netzökonomischen Bedingungen (Pellegrini, 2014). Damit stellen sich aber auch Fragen, welche Aufgaben und Rollen Medien- und Internetunternehmen in offenen, d.h. durch geteilte Nutzungsrechte und Gemeinfreiheit gekennzeichnete Daten-Ökosystemen haben (sollen) und wie sich dieses Engagement angesichts möglicher wettbewerbspolitischer Probleme von Open Data aus medienpolitischer Sicht darstellt (Lewis & Usher, 2013). Die leitende Frage dieses Beitrags ist, wie ein Governance-Modell in groben Zügen aufgebaut sein müsste, um Nutzungs- und Konzentrationsprobleme in diesem Feld mindern zu können. Der bisherige Diskurs um die ökonomische Funktion von Open Data findet vornehmlich im Kontext der Veröffentlichung und Wiederverwendung von Regierungsdaten statt (Yang et al., 2015; Lundqvist et al., 2015) 1. 1 Beispiele der proaktiven Nutzung von Open Data zur Geschäftsdiversifikation finden sich bei The Guardian, BBC, NY Times, Reed Elsevier, Wolters Kluwer, Springer Nature, Thomson Reuters. u.a.m. 111 und ist stark durch den Ansatz des New Public Management geprägt (Schrock & Shaffer, 2017). Eine bisher vernachlässigte Frage im Diskurs über Open Data ist eine, die den spezifischen Wirkungsbereich der Public Sector Information transzendiert und nach den allgemeinen wettbewerbspolitischen Konsequenzen fragt. Denn wie im Folgenden zu zeigen sein wird, bringt Open Data ein erhebliches konzentrationsförderndes Moment mit sich, dessen Funktionsprinzip oftmals durch den vordergründig gemeinwohlorientierten und nichtkommerziellen Charakter von Open Data Initiativen verschleiert wird. Medienökonomisches und medienpolitisches Ziel müsste es sein, ein Gleichgewicht in Open Data Ökosystemen herzustellen, das den reziproken Nutzen zwischen Datenanbietern und Datennutzern steigert und Free- Rider-Phänomene, die zu einer Austrocknung der Wissensallmende (s. dazu unten) führen können, weitestgehend unterbindet. In diesem Zusammenhang kommt eine weite Definition des Datenbegriffs zur Anwendung. Open Data steht hierbei nicht nur für Rohdaten oder Datensammlungen in Form von Datenbanken, die unter einer offenen Lizenz bereitgestellt werden, sondern auch für Software und digitalen Content, die (bisweilen) unter denselben Lizenzen verfügbar gemacht werden können. Dies ist für Medienunternehmen deshalb relevant, da die nachhaltige Etablierung von Open Data Policies vielfach auf der langfristigen und vertrauensvollen Verfügbarkeit von offenen (digitalen) Ressourcen basiert. Die dazu zwingende Kombination von offenen und geschlossenen Lizenzmodellen, sei es zu Zwecken der differenzierten Verfügbarmachung von Daten mit unterschiedlichem Schutzniveau (Alter & Vardigan, 2015) oder zur Geschäftsmodelldiversifikation mittels neuer Organisationsmodelle für Produktion, Vertrieb und Innovation von Content (Aitamurto & Lewis, 2013), wird langfristig erst die Wirkung von Open Data Policies entfalten. Insbesondere die Diversifikation der Lizenzierungsstrategie durch die Kopplung von offenen und geschlossenen Lizenzmodellen macht deutlich, dass in digitalen Ökosystemen der Gütercharakter einer Ressource von den jeweiligen Nutzungsbedingungen abhängig ist, unter denen eine Ressource verfügbar gemacht wird. Mittels einer differenzierten Lizenzpolitik entscheidet ein Medienunternehmen über seine strategische Positionierung in Daten-Ökosystemen. Die Grundproblematik aus unternehmerischer Sicht ist also, mit offen lizenzierten Datensätzen (Open Data) ökonomisch effektiv umzugehen, was in einer gesamtökonomischen Sicht aber auch die Berücksichtigung von Marktmachteffekten einschließen muss. Entsprechend bedarf es der Ausgestaltung einer (Open-) Data-Governance und daraus abgeleitete Policy-Richtlinien, um dieser Problematik zu entgegnen. Tassilo Pellegrini & Michael Litschka 112 Eine effektive Governance-Regelung wird somit am Ende weniger das bei Informationsgütern kaum vorhandenen Übernutzungsproblem behandeln (denn diese werden ja nicht durch Nutzung erschöpft), sondern die möglichen Konzentrationstendenzen, die durch starke Nutzung entstehen können, adressieren, um MedienrezipientInnen nicht von großen Anbietern abhängig zu machen. In diesem Sinn ist die bekannte „Wissensallmende“ keine Allemendeproblematik, sondern eine Clubgüterproblematik. Die Kernproblematik der Common Pool Resources wäre somit weniger die Ressourcenerschöpfung, sondern die wettbewerbliche Konzentration und die Strategie des „Permissive Licensing“ (freizügige Lizenzierung) ein strategischer Mechanismus zur Ausschaltung des Wettbewerbs. Um diese Problematik genauer zu analysieren und einen institutionen- ökonomischen Lösungsvorschlag anzubieten, gliedert sich der Beitrag wie folgt: In Kapitel 2 erfolgt eine Diskussion der Güter- und Anreizcharakteristika von Open Data. Danach wird der Governance-Ansatz von Ostrom kurz dargestellt und auf die Open Data Problematik angewendet (Kapitel 3); es wird ein Drei-Ebenen-Modell der Governance für Medienunternehmen vorgeschlagen. Kapitel 4 fasst die daraus folgenden medienökonomischen und -politischen Schlussfolgerungen für eine Open-Data-Governance zusammen. Dabei wird sich zeigen, dass bei einer Anwendung des institutionenökonomischen Ansatzes nach Ostrom (z.B. 1999) die normativen Konzepte „Vertrauen“, „Transparenz“, „Kommunikation“ und „Sanktion“ eine zentrale Rolle für eine Open Data Policy spielen. Open Data aus der Sicht der Gütertheorie Open Data: Eine erste Einordnung Idealtypisch bedeutet Open Data, dass ursächlich schutzwürdige Daten bzw. Datenwerke für jegliche Nutzung freigegeben sind. Gemäß der Definition der Open Knowledge Foundation wird unter Open Data verstanden: “[…] data that can be freely used, re-used and redistributed by anyone – subject only, at most, to the requirement to attribute and sharealike”.2 Laut dieser Definition zeichnet sich Open Data durch den weitgehenden Verzicht auf durch das Urheberrecht gewährte Nutzungsrechte aus. Offen 2. 2.1. 2 Siehe auch: http://opendatahandbook.org/guide/en/what-is-open-data/ [25.1.2018]. Überlegungen zur Governance von Open Data 113 lizenzierte Daten sind damit entweder gemeinfrei (Public Domain) oder mittels geringfügiger Auflagen für die Weiterverwendung freigegeben (wenngleich das Urheberrecht dadurch bestehen bleibt). Diese Auflagen erschöpfen sich laut Definition in einer Nennungspflicht des Urhebers (Attribuierung) bzw. in der Verpflichtung, derivative Werke unter der ursprünglichen Lizenz der Öffentlichkeit wieder zugänglich zu machen (Share-Alike). Während also Derivate von offenen Daten, die gemeinfrei oder unter einem Attribuierungszwang lizenziert wurden, uneingeschränkt kommerziell verwertet werden können, sind der kommerziellen Aneignung und Nutzung durch eine Share-Alike- oder Re-Lizenzierungsklausel klar definierte Grenzen gesetzt.3 Open Data ist damit klar abgrenzbar von öffentlichen Daten, d.h. Daten, die zwar der Öffentlichkeit einsichtig und zugänglich sind, deren Nutzung aber an Bedingungen geknüpft ist, die deren Wiederverwendung (teilweise stark) einschränken. Dazu gehören etwa Verbote der kommerziellen Nutzung, der Bearbeitung und Modifikation oder der Weiterverbreitung, ohne vorher mit den Lizenzinhabern Rücksprache gehalten zu haben. Abbildung 1 veranschaulicht das gängige Lizenzspektrum und die Abgrenzbarkeit von offenen und nicht-offenen Daten entlang unterschiedlicher Grade der Offenheit. Abb 2 Open Data (real) Public Domain Weakly Protective Permissive Proprietary ------------- Some rights reserved ----------------- All rights reservedNo rights reserved Open Data (ideal) Closed Data Abbildung 1: Die Einordnung von Open Data im Lizenzspektrum Open Data ist gekennzeichnet durch einen dualen Charakter, wie er insbesondere Mediengütern an der Schnittstelle zwischen Wirtschafts- und Kulturgut eigen ist. Aus kultureller Perspektive hat Open Data eine demokra- 3 So verbieten etwa Copyleft-Lizenzen (z.B. GPL) die Proprietarisierung eines Gutes und seiner Modifikationen von Grund auf, wohingegen freizügige Lizenzen (z.B. Apache) dem Nutzer das Recht einräumen abgewandelte (derivate) Werke des Gutes unter einer beliebig anderen Lizenz weiterzuverbreiten. Tassilo Pellegrini & Michael Litschka 114 tiepolitische und emanzipatorische Funktion, die sich in neuen Verhaltensmodellen manifestiert und an den Prinzipien der Transparenz, der Ermächtigung, der Interaktion und der Partizipation orientiert (Baack, 2015; Lewis & Usher, 2013). Aus ökonomischer Perspektive ist Open Data Grundlage und Treiber digitaler Innovationen unter Bedingungen der Co- Produktion sowie Impulsgeber für wirtschaftliches Wachstum (The World Bank, 2014; CapGemini, 2013). Die jeweiligen daran geknüpften institutionellen Arrangements manifestieren sich in Anlehnung an Iansiti & Levien (2004) als „Open Data Ökosysteme“ und die darin stattfindende synergetisch-funktionale Kopplung von Akteuren mit heterogenen Interessen, Wertvorstellungen und Zielen. Unter solchen Umständen fungieren offene Lizenzen als „institutioneller Klebstoff“, der das Ökosystem zusammenhält und gemeinsame Wertschöpfung ermöglicht (vgl. Vargo & Lush, 2014, S. 241). Gütercharakteristika von Open Data Laut Kiefer & Steininger (2014, S. 156f.) sind Informationsgüter in der traditionellen ökonomischen Vierteilung der Güterarten entweder öffentliche Güter (es herrscht keine Konsumrivalität, und niemand kann vom Konsum ausgeschlossen werden) oder Clubgüter (es herrscht keine Konsumrivalität, aber Personen können aufgrund technologischer Gegebenheiten, rechtlicher Möglichkeiten und fehlender Zahlungsbereitschaft vom Konsum ausgeschlossen werden). Private Güter können sie nur bezüglich der materiellen Trägerart (bspw. die CD als physischer Träger von Musikinformation) oder als Verbundgüter mit Werbung sein (da Werbung als wichtiger Finanzierungsfaktor für Medien durch Marktpreise charakterisiert ist); dann besteht Konsumrivalität und die Möglichkeit der Ausschließbarkeit vom Konsum gleichzeitig, die wesentlichen Merkmale privater Güter. Wendet man diese Charakteristika auf Open Data an, so wird auf den ersten Blick offenbar, dass es im Wesen von Open Data liegt, durch Maßnahmen der offenen Lizenzierung einer künstlichen Proprietarisierung und damit einhergehenden Knappheit und Exklusivität entgegenzuwirken. Auf den ersten Blick ist Open Data als ökonomisches Gut nicht abnutzend im Konsum, im Gegenteil, oftmaliger Konsum kann ihren Wert (z.B. für die Gesellschaft als Ganzes durch die Weitergabe von Wissen) erhöhen. Es fehlt also der Aspekt der Konsumrivalität. Weiters ist auf den ersten Blick auch das Ausschlussprinzip nicht vorhanden, was aber nicht bedeutet, dass die Daten auch tatsächlich weitreichend genutzt wer- 2.2. Überlegungen zur Governance von Open Data 115 den; es kann sogar zur Unternutzung vorhandener Ressourcen kommen, z.B. wenn die Erschließung der Ressource aufgrund von zu strengen Nutzungsvorgaben, Qualitätsmängeln, Rechtsunsicherheiten oder technischen Hürden zu hohe Transaktions- oder Opportunitätskosten verursacht. Diese Betrachtung offenbart den durchwegs komplexen Gütercharakter von Open Data, was im Folgenden vertieft werden soll. In einem ersten Schritt könnte man davon ausgehen, dass sich die verschiedenen Lizenzierungsstrategien in die klassische Unterteilung der Güterarten (nach Rivalität und Exklusivität) einfügen, was in Abbildung 2 dargestellt. Im Folgenden möchten wir u.a. die Belastbarkeit dieser Einteilung anhand institutionenökonomischer Kriterien erläutern und auf ihre wettbewerbsrelevanten Effekte prüfen. Abb 3 Rivalität hoch Allmende-Güter Private Güter niedrig Öffentliche Güter Clubgüter niedrig hoch Exklusivität Proprietary Public Domain Permissive Protective Abbildung 2: Güterarten in der Ökonomik und Lizenzierungsstrategien Private Güter sind in der Diskussion um Open Data nicht weiter von Interesse, weshalb diese in Folge nicht weiter behandelt werden. Wie oben bereits angeführt, zeichnen sich öffentliche Güter durch fehlende Konsumrivalität und Exklusivität im Konsum aus. Dieser Umstand trifft per definitionem auf all jene Güter zu, die gemeinfrei, d.h. Gegenstand der Public Domain sind und deren Nutzung an keinerlei Bedingungen geknüpft ist. Entsprechend können alle Daten, die unter einer gemeinfreien Lizenz verfügbar gemacht werden als öffentliche Güter klassifiziert werden. Auch diese Güterform soll uns in Folge nicht weiter beschäftigen, da mögliche Nutzungs- und Konzentrationsproblematiken im Informationsgüterbereich v.a. bei Club- und Allmendegütern vorkommen. Tassilo Pellegrini & Michael Litschka 116 Clubgüter zeichnen sich durch fehlende Rivalität, jedoch bestehende Exklusivität aus. Dies trifft etwa auf protektive Lizenzmodelle zu und leitet sich aus dem Umstand ab, dass diese Lizenztypen über eine Share-Alike- Klausel einen Zwang zur Kooperation herstellen. Eine Share-Alike-Klausel besagt, dass die Nutzung des Gutes nur unter der Bedingung zulässig ist, ein zuvor definiertes Lizenzmodell, das eine Proprietarisierung verhindert, weiterzuverwenden. Durch den Zwang zur Kooperation soll der Zugang zum Gut konditioniert werden. Dies geschieht dies unter Maßgabe einer gezielten Nutzungsbeschränkung, die in Folge jene Gruppen, die keine Bereitschaft zur Kooperation mitbringen, von der Nutzung des Gutes ausschließt. Entsprechend führt diese auch als Copyleft bekannte Lizenzierungsstrategie zur Herausbildung von Clubgütern, zumal das dezidierte Ziel von Copyleft eine durch Pflichten gekennzeichnete Lizenzgebarung ist. Diese Zugangshürden können u.U. eine Unternutzung der Ressource begünstigen, wie es vielfach im Kontext der „Wissensallmende“ diskutiert wird.4 Denn Unternutzung entsteht durch Zugangshürden (technischer, rechtlicher oder wirtschaftlicher/sozialer Natur); hierfür sind ungenutzte Bibliotheken ein gutes Beispiel (Dobusch & Quack, 2011). Dieses Problem ist analog auf Open Data übertragbar; so droht eine „Austrocknung“ der Wissensallmende bspw. durch zu strenge Lizenzierungsvorgaben (besagter Zwang zur Kooperation) oder fehlende Transparenz bzw. Gewährleistung der Datenqualität (im Sinne von Herkunft, Vollständigkeit, Aktualität, Haftung etc.). Diese Aspekte stellen in der kommerziellen Verwertung von Open Data eine ernstzunehmende Hürde dar, wie etwa eine Untersuchung von Ermilov & Pellegrini (2015) zu Beschaffenheit von Lizenzinformationen von Open-Data-Portalen illustriert. Darin wird deutlich, dass ein Großteil der aktuell über das World Wide Web verfügbaren offenen Datensätze keine hinreichenden Informationen für eine rechtssichere Nutzung bereitstellen. Entsprechend ist ein Trend zur Unternutzung protektiver Lizenzen auch empirisch belegbar, wie etwa Studien und Befunde aus der Open Source Community zeigen (z.B. Proffitt, 2016; Bacon, 2017; Hecht, 2018; Surace, 2018). Allmendegüter (oder Common Pool Resources) zeichnen sich durch niedrige Exklusion und hohe Rivalität aus. Bedrohungen für klassische Allmendegüter sind charakteristische menschliche Verhaltensweisen wie Nutzungskonkurrenz, Free Riding und Übernutzung. Bei der speziellen Form der Wissensallmende (knowledge commons), die insbesondere im Kontext 4 Ohne zu implizieren, dass bereits hier die Allmende Problematik zum Tragen kommt, s.u. Überlegungen zur Governance von Open Data 117 der Informationsgüter relevant ist, treten jedoch andere Verhaltensformen ins Zentrum des Interesses. Denn während das Rivalitätsproblem (oder „Subtrahierbarkeit“) bei Informationsgütern vernachlässigbar ist, machen Hess und Ostrom (2005, S. 5) deutlich, dass die Wissensallmende aus mehreren Arten von Gütern und Regimen bestehen können und diese dennoch viele Eigenschaften eines klassischen Allmendegutes aufweisen. Typische Bedrohungen für die Wissensallmende (Knowledge Commons) sind demnach Kommodifizierung oder Proprietarisierung, Verschlechterung bzw. Relevanzverlust und insbesondere die Gefahr der Unterversorgung. Dies trifft besonders auf Open Data zu, die unter sogenannten permissive licenses (freizügigen Lizenzen) zur Verfügung gestellt werden. Diese Lizenzen erlauben dem Nutzer zu wählen, ob ein Derivat unter derselben Lizenz oder unter einer anderen – auch proprietären – Lizenz wieder verfügbar gemacht werden. Auf den ersten Blick könnte dies gemäß der bekannten „Tragedy of the Commons“ (Hardin, 1968) zu einer Übernutzung führen, da jeder einen Anreiz hat, das Gut zu konsumieren, aber keine bzw. geringe Anreize bestehen selbst zum Erhalt der Ressource beizutragen; damit würde ein klassisches „free rider“-Problem schlagend, wie bei vielen Common Pool Ressourcen theoretisch und empirisch nachgewiesen (vgl. eindrücklich Ostrom, 1990). Im Kontext von nicht-rivalisierenden Allmendegütern stellt sich die Situation jedoch differenzierter dar; es zeigt sich, dass hier eine Übernutzung im klassischen Sinne keine Rolle spielt, sondern v.a. Konzentrationstendenzen eine Austrocknung der Allmende begünstigen: Denn nicht nur beschleunigen Datenanbieter durch ihre Non-Exklusivität die rasche Verbreitung, Adoption und Nutzung eines Gutes (so erlauben sie, Veränderungen an diesem Gut durchzuführen und die modifizierten Versionen unter einer beliebigen anderen Lizenz zu vermarkten), sondern begünstigen in Kombination mit einer Zero-Price Policy die Herstellung einer kritischen Masse und könnten ihre daraus resultierende marktdominante Stellung u.U. zum Nachteil der KonsumentInnen ausnutzen. Die oben erwähnte Rivalität entsteht somit weniger auf der Ebene des Konsums (nachfragerseitig) wie beim klassischen Allmendegut, sondern auf der Ebene der marktlichen Produktion (anbieterseitig). Denn durch universelle Zugänglichkeit und eine Nullpreispolitik entziehen sich Anbieter offen lizenzierter Daten den Regularien des Kartell- und Wettbewerbsrechts (Kubeša, 2015) und damit den behördlichen Aufgriffs- und Eingriffsmöglichkeiten. Gleichzeitig beeinflussen sie durch die freizügige Lizenzierungsstrategie die bestehenden Marktverhältnisse, indem sie Wettbewerber im selben Markt zwingen, ihre Geschäftspraktiken und -modelle anzupassen bzw. Wettbewerber überhaupt aus dem Markt gedrängt werden (Lundqvist et Tassilo Pellegrini & Michael Litschka 118 al., 2015). Es ist keine „Tragödie des Gemeinwesens“, die hier das Grundproblem darstellt, sondern eine „Tragödie der Open Data Commons“: Sie sind das Resultat des wirtschaftlichen Anreizsystems und der damit verbundenen Konzentrationseffekte, die sich aus dem Regime des „permissive licensings“ ergeben. Man kann hier auch ganz generell von zwei ökonomischen Effekten sprechen: Einerseits gibt es Netzwerkeffekte, die bereits große Unternehmen noch größer werden lassen und die NutzerInnen einem Lock-In-Effekt unterwerfen (s. dazu auch gleich unten). Andererseits ist die „Austrocknung“ der Allmende hier ein Unterversorgungsproblem, während es (s. oben) bei Informationsgütern mit Clubgutcharakteristik typischerweise zu einer Unternutzung kommen. Beide Phänomene bedürfen somit (s.a. Kapitel 3) einer erweiterten Governance-Strategie. Als ein Beispiel kann die Strategie Googles betreffend seines Betriebssystems Android gelten. So entschied sich Google, Android unter einer freizügigen Lizenz zur Verfügung zu stellen, um anderen Unternehmen die Möglichkeit zu geben, ihre Entwicklungen auf Basis von Android zu kommerzialisieren. Entsprechend entscheiden sich viele Unternehmen, ihre Derivate, z.B. in Form eines von Android abgeleiteten Betriebssystems oder einer App, zu proprietarisieren und darauf ein Geschäftsmodell aufzubauen. Google benutzt also eine freizügige Lizenz, um einerseits die Verbreitung von Android als Betriebssystem zu beschleunigen und andererseits wettbewerbspolitischen Eingriffen zuvorzukommen, indem ein kommerzielles Ökosystem geschaffen wird, an dem neue Unternehmen andocken und partizipieren können. Der dabei entstehende Lock-In Effekt, der unter anderem durch Folgekosten, die bei der Akkreditierung von Android-Derivaten für die von Google betriebenen Vermarktungsplattformen (z.B. Google Play) auftritt, kann in Folge zu einer Austrocknung der Allmende führen, sofern sich nicht andere Ökosysteme herausbilden, die sich von Google emanzipieren und durch freiwillige Selbstbeschränkung in der Nutzung (d.h. Verzicht auf die Proprietarisierung) die nötige kritische Masse erreichen. Im schlimmsten Fall kann hier sogar folgendes Paradoxon entstehen: Erst eine marktbeherrschende Stellung incentiviert einen Beitrag zur Allmende seitens des Unternehmens; diese Stellung kann aber nur nach Bereitstellung der Informationsgüter aufgrund freizügiger Lizenzen erlangt werden. Folgende Abbildung 3 zeigt nochmals die beschriebenen Zusammenhänge: Überlegungen zur Governance von Open Data 119 Güter- und Lizenzart spezifischer Open Data Beispiel Charakteristika Ökonomische Folgen Clubgut (protective licenses) Copyleft/Share Alike (nicht-proprietäre Lizenz (wiss. Bibliotheken?) Zwang zur Kooperation, Zugangshürden Austrocknung durch Unternutzung Allmendegut (nicht erschöpflich) (permissive licenses) Proprietäre Lizenz möglich, Android Zero price policy, Nicht-Exklusivität, marktverdrängende Eigenschaften Austrocknung durch Unterversorgung Abbildung 3: Open Data nach Lizenzierungsstrategie und ökonomische Folgen Governance von Open Data – ein institutionenökonomischer Vorschlag Der institutionenökonomische Zugang von Ostrom und dessen Implikationen In unserem Zusammenhang sollte nicht nur das rechtliche (Lizenzierungs-)Problem, sondern v.a. auch (wie oben angedeutet) das Anreiz (Incentivierungs-) und Governance-Problem angesprochen werden. Diese Anreizlücken können auf der Beiträgerseite oder Nutzungsseite entstehen, gerade bei institutionellen Akteuren ist dies entscheidend. Dobusch & Quack (2011, S. 41) argumentieren für beide Problematiken, also Überund Unternutzung von Informationsgütern, dass Regeln für Zugang und Nutzung von Informationsgütern nötig sind; es bedarf der „Governance“. In diesem Beitrag vertreten die Autoren die These, dass viele Governance-Prinzipien, die für die Lösung des „Commons“ (also Allmende)-Problems entwickelt wurden, auch zur Lösung des „Clubgut-Problems“ dienlich sein können und Medienunternehmen somit Organisationsprinzipien für Common Pool Resources, aber auch Open Data, enthalten können, die das „Unternutzungs-“ und „Unterversorgungsproblem“ verbessern helfen. Denn zum nachfrageökonomischen (zu wenig Zahlungsbereitschaft) und wettbewerbspolitischen (große Konzentrationstendenz, möglicherweise zu wenig Angebot) Problem kommt auch ein 3. 3.1. Tassilo Pellegrini & Michael Litschka 120 normativ medienpolitisches: Wissen wird u.U. nicht adäquat und egalitär verbreitet, obwohl dies gerade bei Open Data oft als politische Maxime gewünscht wird. Das nachfrageökonomische Problem kann z.B. gemildert werden durch entsprechende Qualitätsversprechen für Open Data, z.B. das Versprechen von Transparenz, Relevanz und Zugänglichkeit der Daten. Diese Elemente sollen die mit der Beschaffung und Nutzung verbundenen Transaktions- und Opportunitätskosten senken. Das wettbewerbspolitische Problem verlangt möglicherweise nach einer verstärkten Regulierung mancher unter Permissive Licences (freizügigen Lizenzen) produzierten Daten und den verantwortlichen Unternehmen. Das medienpolitische Problem wird u.a. durch die Diskussion um „digital divide“, den „öffentlichen Auftrag“ von (Medien-) Unternehmen und den freien Zugang zu jenem Wissen, das erst demokratische Teilhabe und informierte Entscheidungen (aber auch die Teilnahme an vielen Märkten) ermöglicht, angesprochen. Alle drei Ebenen können aber durch ein effizientes Governance-Regime behandelt werden, bevor allzu große politische Eingriffe drohen. Die theoretische Fundierung für diese Überlegungen finden wir in Elinor Ostroms institutionenökonomischen Zugang, den sie u.a. in der „Verfassung der Allmende“ (Ostrom, 1999) dargelegt hat. Im Folgenden beschreiben wir diesen kurz und versuchen dessen Anwendung auf die oben dargelegte Governance-Problematik. Ostrom geht davon aus, dass bisherige Standardmodelle der Ökonomik entweder auf eine staatliche oder eine reine Marktlösung der „Tragedy of the Commons“ setzen und dies den vielfältig empirisch beobachtbaren und theoretisch (etwa auch durch spieltheoretische Ergebnisse) gestützten alternativen Governance-Mechanismen zu wenig Raum gebe. Wenn mehrere NutzerInnen frei über eine gemeinsame Ressource verfügen, sei die Summe der aus ihr entnommenen Ressourceneinheiten größer als das optimale ökonomische Entnahmeniveau, so der Standardansatz (Ostrom, 1999, S. 3). Neben dem Hardin’schen Beispiel der Allmende zeigen auch das Gefangenendilemma und die Logik kollektiven Handelns (Olson, 1965) ähnliche Problemlagen auf und alle beinhalten die „Free Rider Problematik“ als zentrales Thema. Die Politik hätte als Reaktion darauf ebenfalls nur zwei Extreme vorgeschlagen: einen „Leviathan“, also einen starken Staat, der Allmenderessourcen behördlich verwaltet, oder eine Marktlösung durch Privatisierung. Ersteres leide an Informationsmängeln, Überwachungskapazitäten, fehlenden Sanktionsmöglichkeiten und hohen Verwaltungskosten (Ostrom, 1999,S. 13), letzteres an der Schwierigkeit, private Rechte an Allmenden einzuführen und durchzusetzen, an einem womöglich teuren Versicherungssystem bei flüchtigen Ressourcen oder einfach an der nicht vorhandenen Homogenität der Ressource (ebd., S. 16). Überlegungen zur Governance von Open Data 121 Nicht zuletzt sei auch ein Wettbewerbsmarkt eine „öffentliche Institution“, die jeder frei betreten und verlassen könne, ohne zu ihr beigetragen zu haben, also auch ein „staatlich“ gestütztes Projekt (ebd., S. 19). Eine mögliche Lösung dieser Problematik besteht nun laut Ostrom (ebd., S. 22) darin, dass die beteiligten Akteure Kontrakte ausverhandeln, die die Nutzungsmöglichkeiten der Allmende definieren und von einer privaten externen Instanz (bspw. einem Schiedsgericht) durchgesetzt werden können. Einigen sich die „Spieler“ auf diesen Modus, können durch Kommunikation, Vertrauensaufbau, Informationsnutzung und Sanktionierung die Probleme der „Extrem“-Lösungen vermieden werden. Genauer wird der Vorgang von Ostrom (ebd., S. 117f.) mit sieben Bauprinzipien langlebiger Allmenderessourcen-Institutionen beschrieben: 1. Personen oder Haushalte und deren Rechte zur Bewirtschaftung der Allmende müssen klar definiert sein, ebenso die Grenzen der Allmende selbst. 2. Aneignungsregeln sind auf lokale Bedingungen und Bereitstellungsregeln abgestimmt. 3. Die betroffenen Personen können über die operativen Regeln mitbestimmen. 4. Die Überwacher sind den Aneignern gegenüber rechenschaftspflichtig oder selbst Aneigner. 5. Aneigner, die operative Regeln verletzen, werden von den Bevollmächtigten glaubhaft mit abgestuften Sanktionen bedacht. 6. Es gibt kostengünstige lokale Arenen, die Konflikte zwischen Aneignern schlichten. 7. Der Staat akzeptiert das Recht der Aneigner, ihre eigenen Institutionen zu entwickeln. Selbstverständlich kommt in einem institutionenökonomischen Ansatz wie diesem der richtigen Setzung von Anreizen eine wichtige Rolle zu; diese kann man grob in Normen, die sich als langfristig sinnvoll erwiesen haben, und Sanktionen, die Personen zur Kooperation zwingen können, einteilen. Letztere ermöglichen die „Quasi-Freiwilligkeit“ des Handelns der Beteiligten (ebd., S. 123): Sie erwarten kooperatives Verhalten von allen anderen und steuern ihren Beitrag bei, auch wenn sie gerade nicht überwacht und dazu gezwungen werden; da sie aber, wenn sie beim Missachten der Regeln erwischt werden, zur Kooperation gezwungen werden, ist die Freiwilligkeit eingeschränkt. Hier sieht man eine interessante Parallele zwischen Institutionenökonomik und Ethik: Institutionelle Regeln sind präskriptive Aussagen, die eine Handlung oder ein Ergebnis verbieten, gebieten oder erlauben. Die Entstehung und die Transformation von Institu- Tassilo Pellegrini & Michael Litschka 122 tionen sind dann Änderungen der (oder zumindest einer) jeweiligen „Status-Quo-Regeln“ (ebd., S. 183f.). Legen wir diese Gedanken auf die Aufgabe von Medienunternehmen5 um, die auf Basis von Open Data ökonomisch tragfähige und medienpolitisch legitimierte Geschäftsmodelle erstellen wollen, sehen wir die zentrale Bedeutung einiger Grundprinzipien im Governance-Ansatz von Ostrom. Allmenderessourcen, die nachhaltig, langfristig und möglichst selbstverwaltet (sprich ohne ein Übermaß an staatlicher Kontrolle und ohne blindes Vertrauen in Marktkräfte) bewirtschaftet werden wollen, benötigen für eine effektive und effiziente Governance detaillierte Normen (ebd., S. 115). Zu diesen zählen die Einhaltung gegebener Versprechen, der ehrliche Umgang und Verlässlichkeit; alles Normen, die bei geeigneten Anreiz- und Kontrollsystemen sowie dem Nachweis langfristiger Nutzenerhöhung für die Teilnehmer noch stabiler sein sollten. Für die ökonomische Wertschöpfung in Medienunternehmen ist eine weitere Unterscheidung zentral: Für Daten kann es „Common Property“- Regelungen geben (es werden gemeinsame Nutzungsrechte definiert und überwacht) oder „Open Access“ gestattet sein (Nutzungsrechte sind frei, insofern kenntlich gemacht). Der große Unterschied liegt im Anreizsystem, das diese Regelungsarten implizit bereitstellen. In vielen experimentellen Studien, die u.a. auf dem „Vertrauensspiel“ aus der Spieltheorie aufbauen (bspw. Berkes et al., 2006; Dolšak & Ostrom, 2003), zeigt sich, dass Menschen in Settings mit Common-Property-Regeln viel eher ihr streng nutzenmaximierendes Verhalten (das ja zur Tragedy of the Commons führt) einschränken und Kooperation in den Vordergrund stellen. Vertrauen (Ostrom, 2007; Hess & Ostrom, 2005) ist dabei das entscheidende Konzept; dieses Vertrauen wird durch die entsprechenden Regeln und Anreize dauerhaft gestützt (s. oben). Information, Kommunikation und Sanktion sind die Schlüsselbegriffe erfolgreicher Kooperation bei Freifahrerproblemen; diese bauen das Vertrauen auf kooperatives Verhalten auf. Insofern ist es auch schon rein modelltheoretisch nicht fruchtbar, profitmaximierendes Verhalten und kurzfristige Nutzenmaximierung als handlungsleitende Motive anzunehmen, denn diese wären laut Ostrom nur in Gleichgewichtssituationen hilfreich, um Verhalten vorherzusagen (Ostrom, 1999, S. 267). In Allmendesituationen spielen reine Effizienz oder der Marktpreis eine kleinere Rolle und profitmaximierendes Verhal- 5 Und dazu gehören unserer Ansicht nach auch Plattformunternehmen wie Facebook, Google oder Amazon, da diese immer auch neben ihrer Technologieträgerfunktion Content produzieren (lassen). Überlegungen zur Governance von Open Data 123 ten kann die Allmende sogar austrocknen. Vereinfachte Marktmodelle scheinen also nur sehr „allgemein“ zu sein, obwohl sie doch nur einen Ausschnitt aus der Realität abbilden; die komplexen Fallstudien z.B. in der „Verfassung der Allmende“ und die daraus deduzierten Regeln und institutionellen Arrangements sind so gesehen eher geeignet, z.B. politische Ratschläge zu vermitteln. Bausteine einer Open-Data-Governance Obwohl der Ansatz von Ostrom (s. oben, aber auch Hess & Ostrom, 2005) viele Hinweise auf eine Governance von Open Data und Common Pool Resources gibt, die Medienunternehmen anwenden können, können nur erste Hinweise auf eine Open-Data-Governance gegeben werden, die gemeinsam mit Governance-Richtlinien zu einer Policy für Open Data führen. Wie Abbildung 4 illustriert, kann eine Open-Data-Governance als ein Mehrebenensystem konzeptualisiert werden, das über drei Ebenen (Makro-, Meso-, Mikroebene) mit den entsprechenden Problemlagen verbunden ist.Abb 4 Data Governance Data Policy Intellect. PropertyPrivacy Law Compet. Law Data Licenses Practice / Usage Rights Institutions / Code of Conduct Norms / Terms of Trade ------------------------ Some rights reserved ---------------- Public Domain Permissive Protective Proprietary All rights reservedNo rights reserved Trust, Transparency, Communication & Accountability Abbildung 4: Mehrebenen-Governance in der Datenbewirtschaftung (eigene Darstellung) Auf der Makroebene, also der Ebene der wirtschaftlichen, rechtlichen und politischen Rahmenordnung, stellen sich Fragen zur Wünschbarkeit von Regulierungssystemen, Förderungen und Subventionen, Pressefreiheit, Wandel des Berufsbildes Journalismus, Online-Marktplätze und deren Probleme u.v.a.m. Hinzu kommt der Diskurs um mögliche öffentliche Aufträge (public value, Publizität, demokratische Funktion der Medien etc.). 3.2. Tassilo Pellegrini & Michael Litschka 124 Medienökonomisch stellt sich nach unserer Analyse der möglichen negativen Effekte von Open-Data-Strategien (s. oben die Diskussion zur Clubund Allmendegüter-Charakteristik) die Frage der Regulierung der Unternutzung und Unterversorgung. Während die Clubgüter-Folgen durch verbesserte Anreize zur Nutzung (bspw. erleichterter Zugang und bessere Information über die Qualität der Güter) gemindert werden können, sollten vermehrte Konzentrationstendenzen als Folder der Allemdegüter-Strategien wettbewerbspolitisch beobachtet und u.U. eingedämmt werden. Nicht zuletzt ist dies die Ebene, wo das „duale“ Wesen von Mediengütern als Kultur- und Wirtschaftsgüter thematisiert werden muss. Aus institutioneller Perspektive sind also u.a. informations- und medienpolitische Regulierungssysteme angesprochen und es sollten sich auch normative Überlegungen wiederfinden, die sich in einer medienpolitischen „Data Politics“ als übergeordnete institutioneller Rahmen und einen daraus abgeleiteten Code of Conduct manifestieren. Auf der Mesoebene findet sich die organisationsinterne Dimension mit den Fragen der Unternehmensverantwortung und der Verpflichtung auf weitere als nur ökonomische Zielsetzungen, wie es etwa in der CSR (Corporate Social Responsibility) Debatte diskutiert wird (vgl. hierzu Litschka & Karmasin, 2012). In Zeiten der technologischen und wirtschaftlichen Disruption, wo der Zwang zu Effizienz und Effektivität oft vor Qualitäts- überlegungen und ethischen Bedenken kommt, scheint diese Ebene wichtiger zu werden. Auf dieser Ebene kann Governance z.B. durch Verhaltensnormen, die sich aus einem Code of Conduct ableiten, erfolgen, der den Umgang mit Open Data in Unternehmen, aber auch die Unternehmenspolitik nach außen steuert; es geht hier also um „Data Policies“. Auf der Mikroebene sind individuelle Rechte und Pflichten angesprochen, die sich auf Sorgfalt, Qualität der Daten, Transparenz, aber auch den (ermöglichten) Umgang mit Daten beziehen können. Im Bereich Medienmanagement ist hier u.a. auch die Verantwortung des Medienmanagers/der Medienmanagerin gemeint, diese Daten zu bewirtschaften (beschaffen, qualitätssichern, bereitstellen) und nutzbar zu machen. Wie Individuen über Daten verfügen dürfen, wird u.a. durch Usage Rights definiert und die entsprechenden „Data Licenses“. Wenn Open Data den Bildungs- und Informationsauftrag der Medien bedienen, stehen sie oft gleichzeitig in Konflikt zu auf dem Ausschlussprinzip basierenden Geschäfts- und Erlösmodellen. Normativ kann nun argumentiert werden, dass der Bildungs- und Informationsauftrag einen höheren Wert darstellt als ökonomische Interessen, und die „licence to operate“ erst herstellt; allerdings soll die ökonomische Überlebensfähigkeit des Unternehmens nicht von vornherein gefährdet werden. Vermutlich Überlegungen zur Governance von Open Data 125 wird diese Debatte durch die normative Kraft des Faktischen beendet, denn die digitale Content-Produktion und -Distribution ist in vielen Bereichen bereits Realität und Open Data eine weitere Möglichkeit, die eigenen Geschäftsmodelle zu erneuern oder zu diversifizieren (Janssen & Zuiderwijk, 2014). Die Rolle von Medienunternehmen ist dabei, abseits der normativen Grundaufgaben (s. oben), eine doppelte: Sie können selbst Open Data bereitstellen und somit die eigene Transparenz (s. oben bei den Qualitätskriterien guter Governance) beweisen, oder sie nutzen Open Data von Drittanbietern und evaluieren diese, um deren Qualität in der Öffentlichkeit (Relevanz der „Publizität“ nach Habermas) zu diskutieren. Ihre Kontrollfunktion erweitert sich dann von der Glaubwürdigkeit von Informationen zu der Glaubwürdigkeit von Daten (als Grundbausteine der (semi-)automatisierten Contentproduktion und -distribution). Nicht zuletzt haben Medienökonomen wie Vincent Mosco (2009) Creative Commons als alternatives Urheberrecht auf marktlicher Basis betrachtet und kritisiert, dass auf diese Art einer so genannten Kommodifizierung („Commodification“) Vorschub geleistet wird. Dies würde bedeuten, dass Informationen „verdinglicht“ und „vermarktet“ werden, obwohl sie eigentlich (als Ideen oder bereits als Wissen für Unternehmen) erst als Inputfaktoren für den Produktionsprozess, und zunächst von geldwerten Überlegungen befreit, betrachtet werden sollten. Dieser, aus der „kritischen“ politischen Medienökonomie stammende Gedanke weist Medienunternehmen auf den besonderen Status von zuerst frei verfügbaren Informationen hin und dass die Entwicklung von auf solchen beruhenden Geschäftsmodellen zwar rechtlich machbar, aber nicht immer ethisch (und medienpolitisch betrachtet) unproblematisch ist. Conclusio und Ausblick: Open-Data-Governance Der Beitrag hat medienökonomische Grundlagen der kommerziellen Nutzung von Open Data diskutiert. Dabei wurde ausgehend von gütertheoretischen Überlegungen eine Systematik entwickelt, die die besonderen Eigenschaften (und möglichen negativen Folgen) von Open Data als Clubund Allmendegütern aufzeigt. Es wurde argumentiert, dass es erweiterter Prinzipien der Governance (sowie eine damit einhergehende Diskussion möglicher Anreizsysteme) für Open Data und Common Pool Resources bedarf. Aufgrund des Governance-Modells, das E. Ostrom für Allmendegüter entwickelt hat, könnten nun in Hinkunft erste Richtlinien für eine Open Data Policy für Medienunternehmen entwickelt werden, die eine gesamthafte (ökonomischen und politischen Kriterien genügende) Manage- 4. Tassilo Pellegrini & Michael Litschka 126 mentstrategie für solche Ressourcen ermöglicht. Das dabei verwendete Governance-Modell wurde ansatzweise für die Mikro-, Meso- und Makroebene der Medienökonomie und –unternehmen vorgestellt und basiert neben institutionenökonomischen Überlegungen v.a. auf den Kernbegriffen „Vertrauen“, „Transparenz“, „Kommunikation“ und „Sanktion“, die sich in einem entsprechenden Anreizsystem wiederfinden sollten. Die institutionenökonomisch orientierte Medienökonomie ist eine für diese Vorgehensweise geeignete Theoriegrundlage und sollte aus Sicht der Autoren verstärkt in die Open-Data-Diskussion eingebracht werden. Das bis hierher Gesagte kann selbstverständlich nur erste Anhaltspunkte für eine Open-Data-Governance für Medienpolitik und Medienunternehmen aufzeigen. Es ging uns v.a. darum, die konzeptionelle Basis für die Governance ökonomisch und politisch unerwünschter Unternutzungsund Unterversorgungssituationen bei Open-Data-Geschäftsmodellen zu legen. Wir können Wege zu einer solchen Governance unter folgenden Designvorgaben (und stichwortartig) formulieren, bzw. andeuten. • Es braucht Maßnahmen, um die drohende Austrocknung der Wissensallmende durch „Unternutzung“ oder „Unterversorgung“ zu vermeiden, und zwar aus ökonomischen ebenso wie aus medienpolitischen Gründen. • Common-Property-Regelungen wäre vor Open-Access-Regelungen der Vorzug zu geben; das Anreizsystem der ersteren ist (ökonomisch gesprochen) für eine Wissensallmende das geeignetere. Allerdings müsste dann der Grundgedanke von Open Access eingeschränkt und ein „Gemeinschaftseigentum“ an Open Data definiert (und überwacht) werden. • Jedes Governance-System für Open-Data-Geschäftsmodelle sollte die Elemente „transparente Information“, „Kommunikation“, „Überwachung“ und „Sanktion“ beinhalten und so nachhaltig das Vertrauen aufbauen, das ein „Commons“- oder Open Data-System benötigt. • Eine bereits empirisch getestete Möglichkeit solcher Governance ist das „IAD-Framework“ (Institutional Analysis and Development) von Ostrom. Dieses müsste nun weiter für Open-Data-Situationen angepasst werden (da es bislang nur für Common Pool Resources designt wurde). Für weitere Studien wäre z.B. ein experimentelles Design denkbar, in dem getestet wird, ob sich dieses Framework für plattformhafte Medienunternehmen auf Angebotsseite und die Open-Data-KonsumentInnen auf Nachfrageseite spieltheoretisch modellieren ließe. Letztendlich zeigt sich, dass die Erstellung einer Governance für Open Data ein multidisziplinäres Projekt ist, das vermutlich nur unter Einbe- Überlegungen zur Governance von Open Data 127 zug von Erkenntnissen der Medienökonomik, Technologieforschung (IT, Medientechnologie, Mathematik/Statistik etc.), Medienpolitik, Ethik und Kommunikationswissenschaft erfolgsversprechend sein wird. Literatur Aitamurto, T./Lewis, S. C. (2013): Open innovation in digital journalism: Examining the impact of Open APIs at four news organizations. In: New Media & Society 15, H. 2, S. 314–331. http://doi.org/10.1177/1461444812450682. Alter, G. C./Vardigan, M. (2015): Addressing Global Data Sharing Challenges. In: Journal of Empirical Research on Human Research Ethics 10, H. 3, S. 317–323. http://doi.org/10.1177/1556264615591561. Baack, S. (2015): Datafication and empowerment: How the open data movement re-articulates notions of democracy, participation, and journalism. In: Big Data & Society 2, H. 2. http://doi.org/10.1177/2053951715594634. Bacon, J. (2017): The decline of GPL? Verfügbar unter: https://opensource.com/arti cle/17/2/decline-gpl [5.4.2018]. Berkes, F. et al. (2006): Globalization, Roving Bandits, and Marin Resources. In: Science 311, H. 5767, S. 1557–1558. Capgemini Consulting (2013): The Open Data Economy. Verfügbar unter: https:// www.capgemini-consulting.com/resource-file-access/resource/pdf/opendata_pov _6feb.pdf [25.1.2016]. Dobusch, L./Quack, S. (2011): Auf dem Weg zu einer Wissensallmende? In: Aus Politik und Zeitgeschichte 28–30, S. 41–46. Dolšak, N./Ostrom, E. (2003): The Commons in the New Millennium: Challenges and Adaptations. Cambridge, MA: MIT Press. Ermilov, I./Pellegrini, T. (2015): Data licensing on the cloud: empirical insights and implications for linked data. ACM Press, S. 153–156. Doi:10.1145/2814864.2814878. Flick, U. (2000): Qualitative Forschung. Theorie, Methoden, Anwendung in Psychologie und Sozialwissenschaften. 5. Aufl. Reinbek bei Hamburg: Rowohlt. Hardin, G. (1968): The Tragedy of the Commons. In: Science 162, H. 3859, S. 1243–1248. Hecht, L. (2018): 20 Years on, Interest in ‘Open Source’ is Declining. Verfügbar unter: https://thenewstack.io/20-years-interest-open-source-declining/ [5.4.2018]. Heller, M. (1998): The Tragedy of the Anticommons. In: Harvard Law Review 111, H. 3. Hess, C./Ostrom, E. (2005): A Framework for Analyzing the Knowledge Commons: a chapter from Understanding Knowledge as a Commons: from Theory to Practice. Libraries’ and Librarians’ Publications. Paper 21. Tassilo Pellegrini & Michael Litschka 128 Iansiti, M./Levien, R. (2004): The keystone advantage: what the new dynamics of business ecosystems mean for strategy, innovation, and sustainability. Boston, Mass: Harvard Business School Press. Janssen, M./Zuiderwijk, A. (2014): Infomediary Business Models for Connecting Open Data Providers and Users. In: Social Science Computer Review 32, H. 5, S. 694–711. Kiefer, M. L./Steininger, C. (2014): Medienökonomik. 3. Aufl. München: Oldenbourg Verlag. Kubeša, T. (2015): Competition Aspects of Public Licenses. In: Masaryk University Journal of Law and Technology 9, H. 2. https://doi.org/10.5817/MUJLT2015-2-1. Lewis, S. C./Usher, N. (2013): Open source and journalism: toward new frameworks for imagining news innovation. In: Media, Culture & Society 35, H. 5, S. 602–619. Litschka, M./Karmasin, M. (2012): Ethical implications of the mediatization of organizations. In: Journal of Information, Communication and Ethics in Society 10, S. 222–239. https://doi.org/10.1108/14779961211285863. Loosen, W./Reimer, J./De Silva-Schmidt, F. (2017): Data-driven reporting: An on-going (r)evolution? An analysis of projects nominated for the Data Journalism Awards 2013–2016. In: Journalism: Theory, Practice & Criticism. https:// doi.org/10.1177/1464884917735691. Lundqvist, B./Forsberg, Y./De Vries, M./Maggiolino, M. (2015): Open Data and Competition Law Some Issues Regarding Access and Pricing of Raw Data. In: Masaryk University Journal of Law and Technology 9, H. 2. Morris, J. W. (2012): Making music behave: Metadata and the digital music commodity. In: New Media & Society 14, H. 5, S. 850–866. Mosco, V. (2009): The political economy of communication. Los Angeles: Sage. Olson, M. (1965): The Logic of Collective Action. Public Goods and the Theory of Groups. Cambridge: Harvard Univ. Press. Ostrom, E. (1999): Die Verfassung der Allmende. Tübingen: Mohr Siebeck. Ostrom, E. (2007): To Trust or Not to Trust? That is the Question. Paper presented at the symposium on “Games, Groups, God(s), and the Global Good”. 4–6 October 2007. Princeton University Press. Pellegrini, T. (2009): Kollaborative Strategien der Klassifizierung von AV-Content. In: Fernsehen im Wandel. Mobile TV & IT-TV in Deutschland und Österreich. Baden-Baden: Nomos, S. 107–132. Pellegrini, T. (2014): Linked Data Licensing – Datenlizenzierung unter netzökonomischen Bedingungen. In: E. Schweighöfer/F. Kummer/W. Hötzendorfer (Hrsg.): Transparenz. Tagungsband Des 17. Internationalen Rechtsinformatik Symposium IRIS 2014. Wien: Verlag der Österreichischen Computergesellschaft, S. 159–168. Pellegrini, T./Dirschl, C./Eck, K. (2014). Linked data business cube: a systematic approach to semantic web business models. ACM Press, S. 132–141. https:// doi.org/10.1145/2676467.2676489. Überlegungen zur Governance von Open Data 129 Proffitt, B. (2016): GPL, copyleft use declining faster than ever. Verfügbar unter: https://www.itworld.com/article/2832379/it-management/gpl–copyleft-use-decli ning-faster-than-ever.html [5.4.2018]. Schrock, A./Shaffer, G. (2017): Data ideologies of an interested public: A study of grassroots open government data intermediaries. In: Big Data & Society 4, 205395171769075. Surace, K. (2018): 5 Reasons Why Open Source Test Automation is declining. Verfügbar unter: https://appvance.com/5-reasons-open-source-test-is-declining [5.4.2018]. The World Bank (2014): Open Data for Economic Growth. Verfügbar unter: http:// www.worldbank.org/content/dam/Worldbank/document/Open-Data-for-Econo mic-Growth.pdf [25.1.2016]. Vargo, S. L./Lusch, R. F. (2014): Inversions of service-dominant logic. In: Marketing Theory 14, H. 3, S. 239–248. Yang, T.-M./Lo, J./Shiang, J. (2015): To open or not to open? Determinants of open government data. In: Journal of Information Science 41, H. 5, S. 596–612. Tassilo Pellegrini & Michael Litschka 130

Chapter Preview

References
Aitamurto, T./Lewis, S. C. (2013): Open innovation in digital journalism: Examining the impact of Open APIs at four news organizations. In: New Media & Society 15, H. 2, S. 314-331. http://doi.org/10.1177/1461444812450682.
Alter, G. C./Vardigan, M. (2015): Addressing Global Data Sharing Challenges. In: Journal of Empirical Research on Human Research Ethics 10, H. 3, S. 317-323. http://doi.org/10.1177/1556264615591561.
Baack, S. (2015): Datafication and empowerment: How the open data movement re-articulates notions of democracy, participation, and journalism. In: Big Data & Society 2, H. 2. http://doi.org/10.1177/2053951715594634.
Bacon, J. (2017): The decline of GPL? Verfügbar unter: https://opensource.com/article/17/2/decline-gpl [5.4.2018].
Berkes, F. et al. (2006): Globalization, Roving Bandits, and Marin Resources. In: Science 311, H. 5767, S. 1557-1558.
Capgemini Consulting (2013): The Open Data Economy. Verfügbar unter: https://www.capgemini-consulting.com/resource-file-access/resource/pdf/opendata_pov_6feb.pdf [25.1.2016].
Dobusch, L./Quack, S. (2011): Auf dem Weg zu einer Wissensallmende? In: Aus Politik und Zeitgeschichte 28-30, S. 41-46.
Dolšak, N./Ostrom, E. (2003): The Commons in the New Millennium: Challenges and Adaptations. Cambridge, MA: MIT Press.
Ermilov, I./Pellegrini, T. (2015): Data licensing on the cloud: empirical insights and implications for linked data. ACM Press, S. 153-156. Doi:10.1145/2814864.2814878.
Flick, U. (2000): Qualitative Forschung. Theorie, Methoden, Anwendung in Psychologie und Sozialwissenschaften. 5. Aufl. Reinbek bei Hamburg: Rowohlt.
Hardin, G. (1968): The Tragedy of the Commons. In: Science 162, H. 3859, S. 1243-1248.
Hecht, L. (2018): 20 Years on, Interest in ‘Open Source’ is Declining. Verfügbar unter: https://thenewstack.io/20-years-interest-open-source-declining/ [5.4.2018].
Heller, M. (1998): The Tragedy of the Anticommons. In: Harvard Law Review 111, H. 3.
Hess, C./Ostrom, E. (2005): A Framework for Analyzing the Knowledge Commons: a chapter from Understanding Knowledge as a Commons: from Theory to Practice. Libraries’ and Librarians’ Publications. Paper 21.
Iansiti, M./Levien, R. (2004): The keystone advantage: what the new dynamics of business ecosystems mean for strategy, innovation, and sustainability. Boston, Mass: Harvard Business School Press.
Janssen, M./Zuiderwijk, A. (2014): Infomediary Business Models for Connecting Open Data Providers and Users. In: Social Science Computer Review 32, H. 5, S. 694-711.
Kiefer, M. L./Steininger, C. (2014): Medienökonomik. 3. Aufl. München: Oldenbourg Verlag.
Kubeša, T. (2015): Competition Aspects of Public Licenses. In: Masaryk University Journal of Law and Technology 9, H. 2. https://doi.org/10.5817/MUJLT2015-2-1.
Lewis, S. C./Usher, N. (2013): Open source and journalism: toward new frameworks for imagining news innovation. In: Media, Culture & Society 35, H. 5, S. 602-619.
Litschka, M./Karmasin, M. (2012): Ethical implications of the mediatization of organizations. In: Journal of Information, Communication and Ethics in Society 10, S. 222-239. https://doi.org/10.1108/14779961211285863.
Loosen, W./Reimer, J./De Silva-Schmidt, F. (2017): Data-driven reporting: An on-going (r)evolution? An analysis of projects nominated for the Data Journalism Awards 2013-2016. In: Journalism: Theory, Practice & Criticism. https://doi.org/10.1177/1464884917735691.
Lundqvist, B./Forsberg, Y./De Vries, M./Maggiolino, M. (2015): Open Data and Competition Law Some Issues Regarding Access and Pricing of Raw Data. In: Masaryk University Journal of Law and Technology 9, H. 2.
Morris, J. W. (2012): Making music behave: Metadata and the digital music commodity. In: New Media & Society 14, H. 5, S. 850-866.
Mosco, V. (2009): The political economy of communication. Los Angeles: Sage.
Olson, M. (1965): The Logic of Collective Action. Public Goods and the Theory of Groups. Cambridge: Harvard Univ. Press.
Ostrom, E. (1999): Die Verfassung der Allmende. Tübingen: Mohr Siebeck.
Ostrom, E. (2007): To Trust or Not to Trust? That is the Question. Paper presented at the symposium on “Games, Groups, God(s), and the Global Good”. 4-6 October 2007. Princeton University Press.
Pellegrini, T. (2009): Kollaborative Strategien der Klassifizierung von AV-Content. In: Fernsehen im Wandel. Mobile TV & IT-TV in Deutschland und Österreich. Baden-Baden: Nomos, S. 107-132.
Pellegrini, T. (2014): Linked Data Licensing - Datenlizenzierung unter netzökonomischen Bedingungen. In: E. Schweighöfer/F. Kummer/W. Hötzendorfer (Hrsg.): Transparenz. Tagungsband Des 17. Internationalen Rechtsinformatik Symposium IRIS 2014. Wien: Verlag der Österreichischen Computergesellschaft, S. 159-168.
Pellegrini, T./Dirschl, C./Eck, K. (2014). Linked data business cube: a systematic approach to semantic web business models. ACM Press, S. 132-141. <https://doi.org/10.1145/2676467.2676489>.
Proffitt, B. (2016): GPL, copyleft use declining faster than ever. Verfügbar unter: https://www.itworld.com/article/2832379/it-management/gpl-copyleft-use-declining-faster-than-ever.html [5.4.2018].
Schrock, A./Shaffer, G. (2017): Data ideologies of an interested public: A study of grassroots open government data intermediaries. In: Big Data & Society 4, 205395171769075.
Surace, K. (2018): 5 Reasons Why Open Source Test Automation is declining. Verfügbar unter: https://appvance.com/5-reasons-open-source-test-is-declining [5.4.2018].
The World Bank (2014): Open Data for Economic Growth. Verfügbar unter: http://www.worldbank.org/content/dam/Worldbank/document/Open-Data-for-Economic-Growth.pdf [25.1.2016].
Vargo, S. L./Lusch, R. F. (2014): Inversions of service-dominant logic. In: Marketing Theory 14, H. 3, S. 239-248.
Yang, T.-M./Lo, J./Shiang, J. (2015): To open or not to open? Determinants of open government data. In: Journal of Information Science 41, H. 5, S. 596-612.

Abstract

In recent years, digitisation has significantly changed the media industry. Today, digital business models are at home in almost all forms of the media. But what will come next? Will new technological developments in the field of AI or block chain, for example, have an impact? And above all: Where does media economic research go from the debate about business models? Are these developments happening so fast that we hardly have time to develop real (new) theories? This volume seeks answers to these pressing questions. The further development of media economics as an academic field will depend on whether and how this is achieved. With contributions by Harald Rau; Daniela Marzavan & Anke Trommershausen; Henriette Heidbrink; Tassilo Pellegrini & Michael Litschka; Britta M. Gossel, Andreas Will & Julian Windscheid, Christian Zabel, Sven Pagel, Verena Telkmann & Alexander Rossner; Sibylle Kunz, Sven Pagel & Svenja Hagenhoff; Jonas D. Bodenhöfer, Christopher Buschow & Carsten Winter and Jörg Müller-Lietzkow.

Zusammenfassung

In den letzten Jahren hat die Digitalisierung maßgeblich die Medienwirtschaft verändert. Heute sind digitale Geschäftsmodelle in nahezu allen Medien beheimatet. Doch was kommt danach? Wir wirken sich z. B. neue Technologieentwicklungen im Bereich KI oder Blockchain aus? Und vor allem: Wo setzt die medienökonomische Forschung jenseits der Debatte um Geschäftsmodelle an? Sind die Entwicklungen so schnell, dass wir kaum noch Zeit haben echte (neue) Theorien zu entwickeln? Der Band sucht Antworten auf diese drängenden Fragen. Die Weiterentwicklung der Medienökonomie als wissenschaftliches Feld wird davon abhängen, ob und wie dies gelingt. Mit Beiträgen von Harald Rau; Daniela Marzavan & Anke Trommershausen; Henriette Heidbrink; Tassilo Pellegrini & Michael Litschka; Britta M. Gossel, Andreas Will & Julian Windscheid, Christian Zabel, Sven Pagel, Verena Telkmann & Alexander Rossner; Sibylle Kunz, Sven Pagel & Svenja Hagenhoff; Jonas D. Bodenhöfer, Christopher Buschow & Carsten Winter und Jörg Müller-Lietzkow.