Portalbeitrag

High Technologies and Media Business Models - Zwei Überblicke:

Aktuelle Diskussion zum Einfluss von High Technologies auf die Geschäftsmodelle sowie Investitionen etablierter Medienunternehmen in High Technology Startups

1. Problemstellung und Zielsetzung                                                                     

Sogenannte High-Technologies verändern die Art und Weise, wie Medien produziert, vermarktet und konsumiert werden - und das mit zunehmender Intensität sowie mit zunehmender Geschwindigkeit (vgl. Jacobs Technion-Cornell Institute 2017). 

Insbesondere in den Wertschöpfungsbereichen Konzeption, Produktion und Vermarktung (Kernwertschöpfungsstufen der Massenmedien) ergeben sich zum einen Chancen für Medienunternehmen, auf der Basis neuer technologischer Entwicklungen, ihr Geschäftsmodell (bestehend aus Leistungsmodell, Wertschöpfungsmodell und Ertragsmodell) anzupassen und/oder gänzlich neue Geschäftsmodelle zu entwickeln (Technologie als „Enabler"). Auf der anderen Seite machen neue Technologien Anpassungen im/des Geschäftsmodells notwendig (Technologie als „Driving Force").

Unter High-Technologies werden Technologien verstanden, die es auf Basis von Algorithmen ermöglichen, automatisiert Daten zu sammeln, auszuwerten, zu interpretieren, anzureichern und neu zusammenstellen.

Übergreifende Zielsetzung des Forschungsprojekts (im Rahmen des G-Forums soll nur ein Teilbereich des übergreifenden Projekts präsentiert werden) ist die Untersuchung der Auswirkungen sogenannter High-Technologies auf die Geschäftsmodelle und Wertschöpfungsketten von Medienunternehmen. Es gilt, zentrale Implikationen und darauf aufbauend anwendungsorientierte Gestaltungsvorschläge für die Geschäftsmodellentwicklung und Geschäftsmodellinnovation der Medienunternehmen abzuleiten.

Somit beschäftigt sich das Forschungsprojekt (unter anderem) in zweierlei Hinsicht mit dem Leitthema (und den Themengebieten) des Call for Papers der 22. Interdisziplinäre Jahreskonferenz zu Entrepreneurship, Innovation und Mittelstand: Zum einen verändern diese High Technologies nachhaltig die Geschäftsmodelle der etablierten Unternehmen (hier Medienunternehmen), was unter anderem bedeutet (Stichwort „Entrepreneurship"), dass Unternehmensgründer, Startups und Spin-offs neue Lösungen für die Herausforderungen der etablierten Unternehmen (an-)bieten. Zum anderen geht es um Innovation und die Frage, wie Innovation im Bereich der Technologieintegration (bei Medienunternehmen) entstehen und organisatorisch gelingen kann. 

Für den hier (für das G-Forum) vorgeschlagenen Beitrag lassen sich vor diesem Hintergrund zu Forschungsfragen konkretisieren - deren zu erwartende Erkenntnisse für das weitere Forschungsprojekt als Basis dienen:

(1)  Welche Technologien mit Bezug zum sind aktuell in der wissenschaftlichen sowie in der unternehmenspraktischen Diskussion?

(2)  In welche Technologien investieren die Medienunternehmen aktuell im Sinne von Beteiligungen oder Akquisitionen in Startups?

2. Hintergrund und Einordnung 

Wie einleitend bereits beschrieben, verändern sich durch High-Technologies die Geschäftsmodelle und Wertschöpfungsketten von Medienunternehmen. Die in der klassischen Medien- und Informationsökonomie als Neu-Produktion (Transformation und Translation) sowie Re-Produktion (Transmission und Transport) bezeichneten (vgl. Picot/Reichwald/Wigand2001, 62-64) Wertschöpfungsstufen der Informationsproduktion werden durch den Einsatz dieser Technologien automatisiert. Unter Informationsproduktion werden dabei sowohl die Konzeption, Produktion und Vermarktung der Informations- und Unterhaltungsinhalte als auch der Werbeinhalte verstanden (vgl. Gläser2014, 69).

Je nach Art der Information (des Inhalts) und dem Einsatzbereich im Rahmen der Medienwertschöpfungskette (vgl. Gläser2014, 72), sind die Möglichkeiten dabei unterschiedlich weit fortgeschritten - von im Regelbetrieb befindlichen Systemen, über Anwendungen in der frühen Marktphase bis hin zu Experimenten in frühen Entwicklungsstadien (vgl. Napoli2014; Dörr2016; Gräfe2016). 

Auch wenn die Begrifflichkeiten bislang noch sehr unterschiedlich verwendet und definiert werden (z.B. van Dalen 2012; Clerwall 2014; Napoli 2014; Carlson 2015; Coddington 2015; Lewis/Westlund 2015; Bontchev 2016; Diakopoulus/Koliska 2017; Lindén 2017), alleine die Auflistung der folgenden Begriffe (nur ein Auszug) macht deutlich, dass insbesondere (auch) die Bereiche Konzeption und Produktion sowie Vermarktung von Inhalten teilweise bereits automatisiert sind, und zunehmend sein werden: Algorithmic Journalism, Artificial Intelligence, Automated Journalism, Automatic Content Generation, Big Data, Computational Journalism, Data Journalism, Machine Learning, Programmatic Advertising, Robot Journalism, Software Generated Content.

Die Relevanz dieser Entwicklungen verdeutlichen die folgenden vier (exemplarisch herausgegriffenen) Einsatzbeispiele:

  • Automatisierte Produktion von Nachrichteninhalten: Unter den Stichworten „Automated Journalism" oder „Algorithmic Journalism" ist die Produktion von Nachrichteninhalten mit wenig bis hin zu völlig ohne menschliche Mitwirkung (vgl.Carlson2015;Diakopoulus/Koliska2017) bereits Realität - insbesondere in den Bereichen Sport-, Wetter-, Wirtschafts- und Finanznachrichten (vgl.Dörr2016).
  • Automatisierte Produktion von Programmcode für Videospiele: Über sogenannte Procedural Content Generation werden Teile von Videospielen automatisiert erzeugt, indem Algorithmen auf Basis vorgegebener Parameter Programmcode generieren und/oder Grafikbestandteile rendern (vgl.Bontchev2016).
  • Automatisiere Ausspielung audiovisueller Unterhaltungsinhalte: Über Streamingdienste, sowohl für Musik als auch für Serien und Filme, werden, basierend auf Algorithmen und Maschine Learning, den Nutzern Unterhaltungsinhalte nicht nur vorgeschlagen, sondern auch automatisiert ab- beziehungsweise eingespielt (vgl.Gomez-Uribe/Hunt2016).
  • Automatisierte Ausspielung personalisierter Werbung: Die Ausspielung von Online-Werbung erfolgt bereits seit längerem unter Nutzung von Big-Data und KI-Algorithmen (vgl.Gensch2018). Werbeinhalte werden nicht nur automatisiert ausgespielt, sondern auch (in Echtzeit) individualisiert (unter anderem nach Ort/Umfeld, Zeit, Kontext, Stimmung etc.) und inhaltlich (Bildsprache, Tonalität etc.) angepasst (vgl.Jacob2018, 28).

Vor dem Hintergrund der beschriebenen Ausgangslage ist es zu erwarten, dass sich die Geschäftsmodelle (vgl. Gassmann/Frankenberger/Csik2013, 6) - verstanden als Kombination von Leistungsmodell (Was wird dem Kunden als Leistung angeboten?), Wertschöpfungsmodell (Wie wird die Leistung hergestellt?) und Ertragsmodell (Wie wird Wert erzielt?) - von Unternehmen der Medien- und Kreativindustrie stark verändern werden. 

In der wissenschaftlichen Auseinandersetzung mit dem Thema Geschäftsmodellentwicklung und Geschäftsmodellinnovation sind die Bezüge und Implikationen zu Technologien im Allgemeinen und zu den High Technologies im Speziellen kaum bis überhaupt nicht thematisiert, wie die Übersichtsbeiträge von Lambert/Davidson(2012) sowie Wirtz et al.(2016) zeigen. Dies überrascht, da Technologie bereits seit dem Etablieren einer managementorientierten Medienökonomie sowohl als Enabler und Driving Force gesehen wird (vgl. Zerdick et al.1999, 139-146; Scholz/Stein/Eisenbeis2001, 19-21). Entsprechend gilt es hier, eine Forschungslücke zu schließen. Erste (wirtschaftswissenschaftlich geprägte) Überlegungen zu Auswirkungen des Internets auf die Medienwirtschaft (Seufert2017) sowie, isoliert für den Bereich des Ertragsmodells (Eisenbeis/Härle/Kohlmeyer 2018), liegen inzwischen vor.

Es ist zu erwarten, dass der Zugang zu High Technologies und die Integration dieser in etablierten (Medien-)Unternehmen entweder intern durch eigene Forschung und Entwicklung (und dann organisatorisch meist über Spin-off Gründungen) oder insbesondere extern über die Beteiligung (Investition) oder Akquisition in und von Technologie-Startups erfolgt. 

3. Methodik und Vorgehen

Um die beiden oben formulierten Forschungsfragen zu beantworten, kommt ein Methodenmix von qualitativer und quantitativer Forschung zur Anwendung. 

(1) So werden zum einen (worüber wird geredet?) - um einen Überblick zu den Implikationen sowohl aus wissenschaftlicher als auch aus unternehmenspraktischer Perspektive zu erhalten - (1) einschlägige wissenschaftliche Journals, (2) von Unternehmen durchgeführte und/oder beauftragte Studien sowie (3) Vorträge auf einschlägigen Fachkonferenzen inhaltsanalytisch ausgewertet. Insgesamt wurden 201 Analyseeinheiten (Journalartikel, Studien, Vorträge) ausgewertet.

(2) Zum anderen werden die Investitionen von Medienunternehmen und deren Investment-Organisationen hinsichtlich ihrer Target Technologien und Target-Industrien analysiert und ausgewertet. Dazu werden die größten deutschen Medienkonzerne als auch die großen Fonds mit Beteiligungen von Medienunternehmen betrachtet. Insgesamt wurden 432 Investments identifiziert und analysiert.

Auswahl und Systematisierung der Technologien wird anhand des Gartner Hype Cycle of Emerging Technologies vorgenommen (Gartner Inc.2017). 

Die beiden Analysen befinden sich in der Endphase der Auswertung und die Ergebnisse werden zurzeit aufbereitet. Die gewonnenen Erkenntnisse - sowie weitere noch ausstehende Auswertungsergebnisse - können in der Präsentation im Rahmen des G-Forums vertieft und konkretisiert werden.

Die hier präsentierten Ergebnisse dienen im Sinne eines Werkstattberichts als Basis für die weitere Forschung in dem einleitend skizzierten Forschungsprojekt. 

 

Literatur

Altmeppen, K.-D./Karmasin, M., Medienökonomie als transdisziplinäres Lehr- und Forschungsprogramm, in: Altmeppen, K.-D./Karmasin, M.(Hrsg.), Medien und Ökonomie, Band 1/1, Wiesbaden (Westdeutscher Verlag) 2003, 19-51.

Bontchev, B., Modern Trends in the Automatic Generation of Content for Video Games, in: Serdica Journal of Computing 10 (2/2016) 133-166.

Boyd, C., Creative machines: How close are we to AI-Generated Content Marketing?, online: https://www.clickz.com/creative-machines-how-close-are-we-to-ai-generated-content-marketing/111950/, 12.07.2017, abgerufen am 08.03.2018.

Carlsen, M., The Robotic Reporter - Automated Journalism and the Redefinition of Labor, Compositional Forms, and Journalistic Authority, in: Digital Journalism 3 (3/2015), 416-431.

Clerwall, C., Enter the Robot Journalist, in: Journalism Practice 8 (5/2014), 519-531.

Coddington, M., Clarifying Journalism's Quantitative Turn: A Typology for Evaluating Data Journalism, Compournalism, and Computer-Assisted Reporting. Digital Journalism 3 (3/2015), 331-348.

Diakopoulos, N./Koliska, M., Algorithmic Transparency in the News Media, in: Digital Journalism 5 (7/2017), 809-828.

Dörr, K. N., Mapping the Field of Algorithmic Journalism, in: Digital Journalism 4 (6/2016), 700-722.

Eisenbeis, U./Härle, R. K./Kohlmeyer, S., Media and Internet Revenue Models: Where Western European Investors are Putting Their Money, in: Scholz, C./Wildman, S. M. (Hrsg.), Media Business Models: Connecting Media to their Markets, Porto (Formalpress) 2018, in Druck.

Fritz, W., Marketing-Management und Unternehmenserfolg. Grundlagen und Ergebnisse einer empirischen Untersuchung, Stuttgart (Schäffer-Poeschel) 2. Aufl. 1995.

Gartner Inc., The Gartner Hype Cycle of Emerging Technologies, online:https://www.gartner.com/ smarterwithgartner/top-trends-in-the-gartner-hype-cycle-for-emerging-technologies-2017/, August 15, 2017.

Gassmann, O./Frankenberger, K./Csik, M., Geschäftsmodelle entwickeln. 55 innovative Konzepte mit dem St. Galler Business Model Navigator, München (Carl Hanser) 2013.

Gensch, P., Künstliche Intelligenz für Sales, Marketing und Service. Mit AI und Bots zu einem Algorithmic Business - Konzepte, Technologien und Best Practices, Wiesbaden (Springer) 2018.

Gerpott, T. J./Schlegel, M., Online-Distributionsoptionen für Markenanbieter journalistischer Inhalte, in: Die Betriebswirtschaft 62 (2002), 133-145.

Ghoshal, S./Nohria, N., Horses for Courses: Organizational Forms for Multinational Corporations, in: Sloan Management Review 35 (2/1993), 23-35.

Gläser, M., Medienmanagement, München (Vahlen) 3. Aufl. 2014.

Gomez-Uribe, C. A., The Netflix Recommender System: Algorithms, Business Value, and Innovation, in: ACM Transactions on Management Information Systems 6 (4/2016)

Gräfe, A., Guide to Automated Journalism, New York (Tow Center for Digital Journalism), 2016 

Hannan, M. T./Freeman, J., Structural Inertia and Organizational Change, in: American Sociological Review 49 (1984), 149-164.

Jacob, M., Kundenmanagement in der digitalen Welt, Wiesbaden (Springer) 2018

Jacobs Technion-Cornell Institute, How Technology is Transforming Media Consumption, online: https://tech.cornell.edu/news/how-technology-is-transforming-media-consumption, 01.03.2017, abgerufen am 08.03.2018.

Kieser, A./Woywode, M., Evolutionstheoretische Ansätze, in: Kieser, A.(Hrsg.), Organisationstheorien, Stuttgart (Kohlhammer) 3. Aufl. 1999, 253-285.

Lambert, S. C./Davidson, R. A., Applications of the Business Model in Studies of Enterprise Success, Innovation and Classification: An Analysis of Empirical Research from 1996 to 2010. European Management Journal, 31 (2012), 668-681.

Lewis, S. C./Westlund, O., Big data and Journalism: Epistemology, Expertise, Economics, and Ethics, in: Digital Journalism, 3 (3/2015), 447-466.

Lindén, C.-G., Algorithms for Journalism: The Future of News Work, in: The Journal of Media Innovations 4 (1/2017), 60-76.

McKelvey, B./Aldrich, H. E., Populations, Natural Selection, and Applied Organizational Science, in: Administrative Science Quarterly 28 (1983), 101-128.

Miller, D., Toward a New Contingency Approach. The Search for Organizational Gestalts, in: Journal of Management Studies 18 (1981), 1-26.

Miller, D./Friesen, P. H., Archetypes of Strategy Formulation, in: Management Science 24 (1978), 921-933.

Napoli, P. M., On Automation in Media Industries: Integrating Algorithmic Media Production into Media Industries Scholarship, in: Media Industries 1 (1/2014), 33-38.

Parasie, S./Dagiral, E., Data-Driven Journalism and the Public Good: "Computer-Assisted Reporters" and "Programmer-Journalists" in Chicago, in: New Media & Society, 15 (6/2012), 853-871.

Patel, S., Will Artificial Intelligence Replace Manual Content Creation?, online: http://contentmarketinginstitute.com/2017/03/artificial-intelligence-manual-creation/, 23.03.2017, abgerufen am 08.03.2018.

Picot, A./Reichwald, R./Wigand, R. T., Die grenzenlose Unternehmung. Information, Organisation und Management, Wiesbaden (Gabler) 4. Aufl. 2001.

Raffée, H.,Grundprobleme der Betriebswirtschaftslehre, Göttingen (Vandenhoeck und Ruprecht) 1993.

Scholz, C./Stein, V./Eisenbeis, U., Die TIME-Branche: Konzepte - Entwicklungen - Standorte, München/Mehring (Hampp) 2001.

Seufert, Wolfgang (Hrsg.), Media Economics revisited: (wie) verändert das Internet die Ökonomie der Medien?, Baden-Baden (Nomos) 2017.

Simmons, G./Palmer, M./Truong, Y., Inscribing Value on Business Model Innovations: Insights from Industrial Projects Commercializing Disruptive Digital Innovations. Industrial Marketing Management,42 (5/2013), 744-754. 

Ulrich, H., Die Unternehmung als produktives soziales System. Grundlagen der allgemeinen Unternehmungslehre, Bern (Haupt) 2.Aufl. 1970.

Van Dalen, A., The algorithms behind the headlines: How Machine-Written News Redefines the Core Skills of Human Journalists, in: Journalism Practice, 6 (5-6/2012), 648-658.

Venkatraman, N., The Concept of Fit in Strategic Management. Toward Verbal and Statistical Correspondence, in: Academy of Management Review 14 (1989), 423-444.

Waterman, R. H., The Seven Elements of Strategic Fit, in: Journal of Business Strategy 2 (Winter 1982), 69-73.

Wirtz, B. W. et al., Business Models: Origin, Development and Future Research Perspectives, in: Long Range Planning, 49 (1/2016), 36-54.

Zerdick, A. et al., Die Internet-Ökonomie. Strategien für die digitale Wirtschaft, Berlin etc. (Springer) 1999.

 



Autoren

Name:
Prof. Dr. Uwe Eisenbeis  Elektronische Visitenkarte
Forschungsgebiet:
Medienmanagement und Medienökonomie, Geschäfts- und Erlösmodelle, Standortentwicklung und Ökosysteme
Funktion:
Professor
Lehrgebiet:
Medienökonomie, Medienmanagement, Strategisches Management, Unternehmensführung, Internationales Management, Volkswirtschaftslehre
Studiengang:
Medienwirtschaft (Bachelor, 7 Semester)
Fakultät:
Fakultät Electronic Media
Raum:
221, Nobelstraße 10 (Hörsaalbau)
Telefon:
0711 8923-2258
Homepage:
https://www.hdm-stuttgart.de/home/eisenbeis
Uwe Eisenbeis

Name:
Prof. Dr. Boris Kühnle  Elektronische Visitenkarte
Forschungsgebiet:
- Performance Management in der Medienbranche - Ökonomische Bedingungen und Bedeutung der Medien- und TIME-Branche (z.B. Branchenanalysen, Standortforschung)
Funktion:
Studiendekan Medienwirtschaft (Bachelor, 7 Semester)
Lehrgebiet:
Professor für Medienwirtschaft und Finanzmanagement in TIME-Märkten Schwerpunkte: - Medienwirtschaft - Verlagsmanagement und Konvergenz - Controlling, Management Accounting - Internationale Finanz- und Medienmärkte - New Business und Gaming
Studiengang:
Medienwirtschaft (Bachelor, 7 Semester)
Fakultät:
Fakultät Electronic Media
Raum:
221, Nobelstraße 10 (Hörsaalbau)
Telefon:
0711 8923-2246
Telefax:
0711 8923-2206
E-Mail:
kuehnle@hdm-stuttgart.de
Boris Kühnle

Eingetragen von

Name:
Prof. Dr. Uwe Eisenbeis  Elektronische Visitenkarte


Mehr zu diesem Autor