Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

Technopolis Group

Wissenschaftliche Begleitung und Vernetzung der Projekte zur Entwicklung und praktischen Erprobung von Datentreuhandmodellen in den Bereichen Forschung und Wirtschaft – AP 1.2 Anforderungen und Umsetzungshemmnisse für Datentreuhandmodelle

Publication date: 22 April 2024 | Report language: DE

Um das Teilen von Daten zwischen Akteuren aus unterschiedlichen Anwendungsdomänen in Forschung und Wirtschaft zu steigern, fördert das BMBF 20 Pilotprojekte zur Entwicklung von Datentreuhandmodellen (DTM) in verschiedenen Sektoren. Der vorliegende Bericht präsentiert Ergebnisse aus dem Arbeitspaket 1.2 der Begleitforschung zu den vom BMBF geförderten Projekten zur Entwicklung von Datentreuhandmodellen in Forschung und Wirtschaft.

Als zentrale Erkenntnis geht hervor, dass DTM ein Instrument darstellen, welches Anreize für das Datenteilen innerhalb und zwischen Wissenschaft und Wirtschaft schaffen und die verschiedenen Interessen von Datennutzenden und -gebenden ausgleichen kann. Dabei zeichnet sich ab, dass es kein universelles DTM geben wird, sondern dass sich vielmehr ein Werkzeugkasten an Services und Governance-Modellen etabliert, der auf verschiedene Domänen übertragbare Lösungen in der Praxis erlaubt.

Eine zentrale Voraussetzung für Datentreuhandservices ist eine solide technische Infrastruktur. DTM verwenden eine Vielzahl von technischen Architekturen und Bausteinen. Die Festlegung von generischen und wiederverwendbaren technischen Bausteinen wäre an dieser Stelle wünschenswert, gestaltet sich durch branchenspezifische Anforderungen und rechtliche Beschränkungen jedoch schwierig.

Fehlende Rechtssicherheit in Bezug auf Datenschutz und Geschäftsgeheimnisse wird in vielen Förderprojekten als Umsetzungshemmnis wahrgenommen. Schwierigkeiten bereiten hier insbesondere die Frage zur technisch-organisatorischen Umsetzung rechtlicher Anforderungen und Haftungsfragen. Einer der wichtigsten Ansätze, den extremen Aufwand in Sachen Koordination und technisch-organisatorischer Implementierung und so die Kosten zu reduzieren, ist die Standardisierung der Lösungsmodelle.

Geschäftsmodelle für DT müssen nicht nur finanziell tragfähig sein, sondern auch Neutralitätsanforderungen konkret adressieren. Die durch die Regulierung vorgegebenen Neutralitätsanforderungen stellen eine Herausforderung für das Geschäftsmodell der privatwirtschaftlich finanzierten DT dar, da sie die Wertschöpfungsmöglichkeiten einschränken. Auch ist bisher nicht juristisch eindeutig, wie weit die Neutralitätsanforderungen reichen und welchen Spielraum Datentreuhänder in der Entwicklung von Geschäftsmodellen haben.

Die Steigerung der Akzeptanz von DTM ist von entscheidender Bedeutung für deren Erfolg. Wichtigste Treiber sind hierbei Vertrauen in die Sicherheit des Datentreuhänders und den Umgang mit den geteilten Daten, sowie der Nutzen, den Datengebende und -nutzende aus der Verarbeitung der Daten ziehen. Überzeugende exemplarische Use-Cases aber auch Standards und Zertifizierungen können dabei helfen, Vertrauen bei den Datennutzenden und -gebenden zu schaffen.