Advertisement

Medientechnologie als unternehmerischer Diversifikationsfaktor

  • Patrick GodefroidEmail author
  • Boris Alexander Kühnle
Living reference work entry
Part of the Springer Reference Sozialwissenschaften book series (SRS)

Zusammenfassung

Der nachfolgende Beitrag geht darauf ein, dass Technologie nicht nur eine wesentliche Komponente digitaler Medienprodukte darstellt, sondern vor allem die Diversifikation einerseits von Medienunternehmen sowie andererseits von Unternehmen angrenzender Branchen (Informationstechnologie, Telekommunikation) beeinflusst. Medientechnologie wird dabei in seiner Bivalenz untersucht: Zum einen als enabler von Innovation und Diversifikation, zum anderen als constraint ebendieser.

Dabei wird darauf eingegangen, dass vielfältige Formen der Medientechnologie (vom Cookie-basierten Auslesen der Mediennutzung, über automatisiertes Prognostizieren von Verhalten auf Basis Künstlicher Intelligenz und des machine learning, bis hin zum eher basalen Aspekt des Digital Rights Managements) jede einzelne Stufe der traditionellen Medienwertschöpfungskette beeinflussen, verändern und damit auch Anlass für Diversifikation bieten.

Vier Aspekte der Diversifikation durch Medientechnologie werden im Besonderen behandelt: (1) die Veränderung des Produktangebots, (2) die Veränderung der Geschäftsmodell-Portfolien, (3) der Wettbewerb durch und mit Unternehmen aus angrenzenden Branchen (IT und TK) sowie (4) die Automatisierung und Personalisierung von medialen Leistungen im Rezipienten- und Werbemarkt.

Schlüsselwörter

Diversifikation Technologie Medientechnologie Geschäftsmodelle Wettbewerb 

1 Gegenstand und Zielsetzung

Das Kapitel diskutiert, wie Medienunternehmen digitale Medientechnologie nutzen, um ihre Wertschöpfungsaktivitäten innerhalb und außerhalb der Medienmärkte zu diversifizieren. Zudem findet Berücksichtigung, dass neue, in den Medienmarkt eintretende Akteure ihre Technologiekompetenz einsetzen, um in die Wertschöpfungsketten der Medienbranche einzudringen und sie zu ihren Gunsten zu verändern. Illustriert werden diese beiden Entwicklungen am Beispiel ausgewählter Felder der Medienökonomie. Vorab stellt der Beitrag die wirtschaftliche Bedeutung von Technologie und Technik für die Medienbranche dar und gibt einen kursorischen Einblick in das Verständnis von Diversifikation.

2 Technologie als Gegenstand der Medienökonomie

Die Digitalisierung hat die Medienbranche in den vergangenen Jahren vollständig durchdrungen. Alle Medienteilmärkte sind auf sämtlichen Wertschöpfungsstufen von ihr erfasst und teilweise fundamental verändert worden. Praktisch alle in der Produktion, Distribution und Rezeption verwendeten Medientechnologien verfügen heute über einen digitalen Anteil oder sind vollständig digitalisiert. Ursächlich dafür sind primär die in die Medientechnik übernommenen Innovationen aus unterschiedlichen Bereichen der Informations- und Kommunikationstechnologie, wie beispielweise die Entwicklung neuer Kompressionsverfahren und breitbandiger drahtloser Übertragungstechnologien, sowie die fortschreitende Miniaturisierung und die weiterhin exponentielle Leistungssteigerung informationstechnischer Bauteile.

Dieser Technologiewandel kann als ein wesentlicher Treiber für die Veränderungen eingeordnet werden, die allgemein unter dem Begriff ‚Digitalisierung‘ zusammengefasst werden. Sie haben die Wertschöpfungsstrukturen der Medienbranche in vielen Teilmärkten bereits heute nachhaltig transformiert und es ist derzeit nicht absehbar, dass diese Transformationsprozesse in naher Zukunft einen Endpunkt erreichen.

Den Einfluss der Digitalisierung auf die Wertschöpfungskette von Medienunternehmen illustriert Abb. 1 beispielhaft. Aus Sicht der unternehmerischen Diversifikationsbemühungen lässt sich rasch erkennen, dass jede einzelne Technologie-induzierte Neuerung eine Herausforderung für Medienorganisationen darstellen – hinsichtlich (1) der Fähigkeit, diese zu adoptieren und zu adaptieren, und (2) der Gefahr neuer Marktteilnehmer oder Substitute –, zugleich aber auch Chancen bietet, Geschäftsmodelle, Produkt- und Kundenportfolien weiterzuentwickeln und zu innovieren und damit die Grundlage zu schaffen für unterschiedliche Diversifikationsansätze innerhalb eines Unternehmens.
Abb. 1

Einflüsse von Digitalisierung in der Wertschöpfungskette von Medienunternehmen. (Quelle: eigene Darstellung unter Verwendung der Medien-Value Chain von Wirtz 2016, S. 76)

Die zunehmende Bedeutung der Technologie für die Medienökonomie lässt sich empirisch nachvollziehen. Zwei Schlaglichter mögen dies begründen. Zuerst sei auf den mittlerweile ikonografischen Vergleich von zwei Fotografien verwiesen (vgl. Spiegel Online 2013): Die eine entstand zwei Tage nach dem Tod von Papst Johannes Paul II 2005 und zeigt die Menschenmenge, die dem Verstorbenen auf der Via Della Conciliazione im Dunkeln die letzte Ehre erweist. Kaum ein Handy und ohnehin kein Tablet sind zu sehen. Die andere Fotografie stammt aus dem Jahr 2013: Benedikt XVI. ist zurückgetreten, die Bekanntgabe der Papstwahl ist zu erwarten. Wieder steht eine Menschenmenge auf dem Petersplatz, wieder ist es Nacht – aber das Bild wird erhellt von den Displays hunderter, tausender Smartphones, Tablets und Digitalkameras. Deutlicher kann einem die Rasanz und Vehemenz der Technikdiffusion und der Digitalisierung nicht vor Augen geführt werden.

Das zweite Schlaglicht: Hubert Burda Media, ein Unternehmen mit über 100-jähriger Geschichte und eines der größten seiner Art im deutschsprachigen Raum, begann mit einer Druckerei, wuchs mit Magazinen und sagt heute über sich: „Burda ist eine Tech und Media Company“ (Hubert Burda Media 2017). Diese Selbstauskunft verdeutlicht die Bedeutung von Technologie für Medienunternehmen – nicht nur im Hinblick auf bestehende Geschäftsmodelle, Portfolien und Produkte, sondern vor allem auch auf neue.

Abseits dieser anekdotischen Indizien lässt sich die Signifikanz von Technologie für Medien auch auf makroökonomischer Ebene erkennen: So nahm die Bruttowertschöpfung der Medienwirtschaft (Verlage, AV-Medien/Rundfunk, Werbung/Marktforschung) in Deutschland zwischen 1991 und 2011 von 27,4 Mrd. EUR auf 41,7 Mrd. EUR zu, was einer Veränderung in Höhe von 52 % entspricht (Seufert 2013, S. 22 f.). Im selben Zeitraum verzeichnete die IT-Wirtschaft (Telekommunikationsdienstleister, IT- und Informationsdienstleister) ein Wachstum von 34,7 Mrd. EUR (1991) auf 65,1 Mrd. EUR (2011) und damit einen Anstieg um 88 % (ebd.). Wenn man (1) Medien als Kombination von Inhalt und Technologie betrachtet und (2) der These folgt, dass Medienentwicklungen in der Vergangenheit getrieben und ermöglicht wurden durch technologische Entwicklungen, dann zeigen diese monetären Indikatoren die zunehmende, auch wertmäßige Bedeutung von Technologie für die Medien insgesamt.

Dabei ist zugleich zu bedenken, dass sich digitale Medientechnologie einerseits als enabler verstehen lässt, die die Möglichkeiten der Konzeption, Produktion, Bündelung, Distribution und Rezeption von Medieninhalten bzw. Medienprodukten deutlich erweitert hat (die multimediale, ubiquitäre, Geräte-übergreifende oder auch non-lineare Nutzung von Medieninhalten seien lediglich als beispielgebende Stichworte angeführt). Andererseits stellt digitale Medientechnologie einen constraint dar, insofern sie die Gestaltung der Wertschöpfung vorgibt und formatiert (vgl. zur ‚Theory of Constraints‘ Stoi und Kühnle 2002). Damit ist gemeint, dass bspw. eine Änderung des Google-Algorithmus – aufgrund der marktdominierenden Stellung der Internet-Suchmaschine – Änderungen in der inhaltlichen und formalen Gestalt von Websites nach sich zieht. Google setzt mit seiner Technologie Standards, an die sich Content-Anbieter anpassen müssen, um weiterhin gute Platzierungen in der Suchergebnisseiten, den Search Engine Result Pages (SERPs), zu erzielen.

Letztlich hat eine Würdigung der Medientechnologie als Gegenstand der Medienökonomie auch darauf hinzuweisen, dass Technologie auf die Rezeption wirkt. Die Art der Geräteausstattung, -optionen und -nutzung beeinflusst – aus technikdeterministischer Perspektive (vgl. u. a. Häußling 2014) – das Medienprodukt in seinem Kern und seiner Konfiguration selbst. Die derzeitige intensive Auseinandersetzung in der Medienbranche u. a. mit Aspekten der ‚User Experience‘, des ‚Context of Use‘ und des ‚Responsive Design‘ sei stellvertretend für die Relevanz einer media follows technology-These angeführt. Allein die rasche Diffusion von Smartphones unter Jugendlichen oder von Fernsehgeräten, die ans Internet angeschlossen sind und Adressable-TV möglich machen, führen vor Augen, dass ein Technologie-getriebener ‚market pull‘ Medienunternehmen dazu zwingt, Produkt- und Geschäftsmodell-Diversifikation voranzutreiben (in durchaus ähnlicher Argumentation: vgl. Naldi et al. 2015).

Zugleich kann die Reziprozität zwischen Medien und Technik nicht als Neuigkeit des 21. Jahrhunderts dargestellt werden. Am Beispiel des Rundfunks führte bspw. Wilkens zu Beginn der 1990er-Jahre die lange Liste an technischen Neuerungen auf, die den Rundfunk als Leitmedium seit der Entdeckung elektromagnetischer Wellen 1887 durch Heinrich Hertz erst möglich bzw. weiter entwickelt haben (vgl. Wilkens 1991 und ähnlich mit Bezug auf die Filmindustrie: Kehoe und Mateer 2015). Das heißt: Schon immer war die Verbreitung von Medien und deren wirtschaftliche Nutzung eng mit technischen Innovationen verbunden – und damit ein unternehmerischer Diversifikationsfaktor. Jedoch kann man mit Broich feststellen:

Technology has always played an important part in the evolution of the mass media industries, but it is hardly disputable that the advent of the digital age has accelerated change and innovation in this sector and brought about significant changes in the way companies and consumers operate and interact. (Broich 2015, S. 238)

3 Diversifikation als Gegenstand der Managementforschung

Diversifikation spielt in der Managementforschung seit den 1950er-Jahren eine zentrale Rolle (vgl. Vollmar 2014, S. 34–44). Ursprünglich als Verfahren zur Risikostreuung und damit zur Risikoreduktion konzeptionell eingeführt (Portfoliotheorie nach Markowitz), ist Diversifikation noch heute eine wichtige Option des strategischen Managements (u. a. eng verbunden mit den Arbeiten von Ansoff und seinen Überlegungen zu Wachstumsstrategien). Dabei versteht Vollmar unter Diversifikation: „[…] den Grad der Verwandtschaft relevanter Betätigungsfelder eines Konzerns im Hinblick auf die Nutzung gemeinsamer unternehmerischer Ressourcen, Fähigkeiten und Kompetenzen“ (Vollmar 2014, S. 43). Als Argumente für Diversifikation werden vornehmlich vier Aspekte angeführt: Synergiewirkungen, Marktmacht, Kapitaleffizienz und eine Senkung des Gesamtunternehmensrisikos durch Streuung von Geschäfts- und Finanzierungsmodellen (vgl. Hungenberg 2014, S. 470–471 sowie vergleichbar: Jansen 2006, S. 21–54).

In der Managementliteratur ist der Begriff der Diversifikation auch eng mit dem Namen Ansoff verbunden (vgl. Jansen 2006, S. 7–8). In dieser Tradition wird Diversifikation als der „Eintritt eines Unternehmens in einen bisher nicht bearbeiteten Markt mit einem gleichzeitig bisher nicht angebotenen Produkt darstellt“ (ebd., S. 6 und dort Bezug nehmend auf Ansoff 1958).

Die Ertragskraft vieler klassischer Geschäftsmodelle der Medien wird durch die Digitalisierung beeinflusst und teilweise auch gefährdet. Auf diesen Umstand, der zumindest eine Bewertung der gängigen Geschäftsmodelle erforderlich macht, reagieren viele Medienunternehmen mit Diversifikationsbemühungen. So entwickeln sie beispielsweise neue Geschäftsfelder, die sie an ihr Kerngeschäft angliedern, oder sie dringen in neue (Teil-)Märkte vor, die sie innerhalb, oftmals jedoch auch außerhalb der Medienbranche finden. Das strategische Handeln von großen Medienunternehmen wie Bertelsmann, Axel Springer, ProSiebenSat.1 oder Hubert Burda Media seien – insbesondere mit Verweis auf die e-Commerce- und Technologie-Aktivitäten dieser Unternehmen – genannt.

Die Diversifikation ist somit als Reaktion auf die durch die Digitalisierung induzierten Umwälzungen der Medienbranche zu verstehen. Um ihren wirtschaftlichen Fortbestand zu sichern, sind auch Medienunternehmen darauf angewiesen, marktorientiert zu handeln. Heinrich spricht hier von allokativer Effizienz, dass nämlich das Güter- und Dienstleistungsangebot der Konsumentenpräferenz entspricht (vgl. Heinrich 2001, S. 51 und 53). Dazu gehört, dass sie, genau wie Unternehmungen anderer Branchen, im Rahmen der unternehmerischen Planungen kontinuierlich überprüfen, ob ihr Produkt- und Dienstleitungsportfolio mit den Bedarfen ihrer Zielmärkte harmoniert. Sobald absehbar wird, dass Defizite bestehen oder sich die Passung von Markt und Angebot in Zukunft verschieben wird, ist es aus unternehmerischer Perspektive notwendig, strategische Anpassungen vorzunehmen.

Diese Anpassungen können – entsprechend der Diversifikationsüberlegungen – vornehmlich darin bestehen, (1) das Portfolio an Beteiligungen, Geschäftsfeldern, Ländermärkten, Kunden- und Produktgruppen, (2) die Wertschöpfungsstrukturen und -prozesse (z. B. Fertigungstiefe/make or buy) oder (3) bestehende Ressourcen und Kompetenzen im Unternehmen so zu verknüpfen, dass neue Ländermärkte, Kunden- und Produktgruppen daraus entstehen bzw. adressiert werden.

So verstanden, fokussiert die Diversifikationsforschung auf den unternehmerischen Output (Absatz/Umsatz, segmentiert bspw. nach Ländermärkten, Kunden- und Produktgruppen) und Outcome (zur Unterscheidung von Output und Outcome vgl. Gläser 2014, S. 944). Dieser Hinweis sei deshalb erlaubt, da (Medien-)Technologie selbstverständlich auch einen Beitrag auf die Veränderung von Input-Faktoren und -Größen leistet. Digitale Workflows im Playout-Center verändern (und diversifizieren auch) die Ökonomie bspw. eines Fernsehveranstalters ebenso wie das automatisierte geräteabhängige Ausspielen von Inhalten in unterschiedlichen Formaten. Allerdings soll eine solche Betrachtung der Sourcing-Diversifikation nicht im Mittelpunkt des Beitrags stehen.

4 Anwendungsfelder für Medientechnologie-induzierte Diversifikation

Der Zusammenhang zwischen Technologie und Diversifikation im Medienbereich wird auf vier Ebenen betrachtet:
  1. (1)

    auf Ebene einzelner Produkte und Dienstleistungen,

     
  2. (2)

    auf Ebene der in einem Unternehmen praktizierten Geschäftsmodelle (Portfolio-Ebene),

     
  3. (3)

    auf Ebene des Wettbewerbs durch und mit neuen Marktteilnehmern,

     
  4. (4)

    auf Ebene der Produktionsfaktoren und des Wandels von menschlicher zu maschineller Leistungserbringung.

     
Abb. 2 zeigt die Strukturierung der Diversifikationsaspekte im Überblick.
Abb. 2

Perspektiven der Diversifikation durch Medientechnologie (eigene Darstellung)

4.1 Medientechnologie-induzierte Diversifikation durch Ausweitung des Produktangebots

Als erstes Anwendungsfeld für die Diversifikation mit Hilfe von Medientechnologie lässt sich zunächst die Digitalisierung bislang analog-physischer Medienprodukte anführen. Die Digitalisierung wirkt hierbei nicht substituierend, sondern komplementär, das bisherige Produkt- und Vertriebsportfolio ergänzend und damit diversifizierend.

Denn die digitale Medientechnologie bietet die Möglichkeit, dass Medienprodukte nicht mehr ausschließlich in ihrer klassischen, vorkonfigurierten Form zur Verfügung gestellt werden (bspw. als Printmedium, als gepresste CD oder als linear zu rezipierendes TV-/Radio-Programm), sondern auch als digitale, meist non-physische Variante. Das heißt hier eröffnet die digitale Technologie den Medienunternehmen die Möglichkeit der Portfolioerweiterung, des ‚Versioning‘ sowie des ‚Windowing‘ (vgl. Gläser 2014, S. 401 f.) und damit eine Adressierung bislang mitunter nicht erreichter Märkte und Kundengruppen (Abb. 3).
Abb. 3

dots-and-lines-Prinzip der Digitalisierungs-Potenziale (eigene Darstellung, MP=Medienprodukt)

Wirtschaftlich betrachtet, bietet die Medientechnologie Medienunternehmen mehr Optionen des ‚Skimming‘ und der Marktbearbeitung als in der früheren analogen Welt. Die multimodalen und vom Kunden individuell konfigurierbaren Produktangebote im Bereich der TV-Mediatheken, des Streamings, der Zeitschriften-Kioske oder Musikanbieter seien als Beispiele genannt.

Durch die geringen Veränderungs-, Vervielfältigungs-, Lagerungs- und Distributionskosten digitaler Medienprodukte ist eine Ausweitung des Produkt- und Leistungsangebots in allen Medienteilmärkten erkennbar – rückzuführen ist diese Entwicklung allein auf die technischen Möglichkeiten und Innovation, z. B. im bereits erwähnten Bereich der Kompression. So hat sich das Angebot an empfangbaren Fernsehsendern in Deutschland allein in den Jahren zwischen 2001 und 2011 von durchschnittlich 38 auf 78 mehr als verdoppelt (Peters et al. 2012, S. 72) – zu ergänzen bleibt, dass vor allem auch die großen Sendergruppen wie RTL und ProSiebenSat.1 ihr Portfolio um Spartenkanäle ausgeweitet und sich damit zusätzliche Verwertungsfenster eröffnet haben. Sendermarken wie Sixx oder auch RTL Nitro sind Ergebnisse dieses Trends.

War Übertragungskapazität im Rundfunk einst das knappe Gut bei der Ausweitung des Produktangebots (und, nota bene, ein Grund für Regulierung und Marktzutrittsbeschränkungen), entfiel dieser limitierende Faktor durch die Digitalisierung (Stichwort: ‚digitale Dividende‘) und ermöglichte das Entstehen neuer Medienprodukte in bestehenden Märkten. Mit Bezug auf Ansoff lässt sich insofern konstatieren, dass Technologie aus dieser Perspektive insbesondere die Produktentwicklung förderte.

Bereits in den 2000er-Jahren hat Anderson in seiner weit beachteten Studie „The Long Tail“ diesen Trend zur ‚Nischisierung‘ durch Digitalisierung betont und versucht empirisch zu belegen, dass durch den Einsatz digitaler Technologien der Anteil von Medienprodukten, die zum Zeitpunkt der Studie nicht im klassischen, stationären Einzelhandel verfügbar waren, auf bis zu 40 % stieg (Anderson 2007, S. 26). Anderson zeigte den Effekt, dass in digitalen Medienmärkten wie Musik, Film/Home Entertainment und Buch zunehmend mit so genannten C-Titeln Umsätze erzielt wurden, deren Angebot in analogen Zeiten nicht wirtschaftlich möglich gewesen war.

4.2 Medientechnologie-induzierte Diversifikation durch Veränderung des Geschäftsmodell-Portfolios

Alternativ bieten sich den Unternehmen die Entwicklung und Umsetzung von Diversifikationsstrategien auf Ebene der praktizierten Geschäftsmodelle an (vgl. zur Diversifikation von Medienunternehmen allgemein Tropp und Baetzgen 2018 in diesem Handbuch). Unter diesem Begriff werden Aktivitäten zusammengefasst, die darauf abzielen, das Produktportfolio zu verändern, also beispielsweise auf neuen Geschäftsfeldern aktiv zu werden, andere Märkte als bisher zu bearbeiten oder neue Zielgruppen zu erschließen. Die Diversifikation von Geschäftsmodellen kann dabei vier Aspekte umfassen (Gassmann et al. 2017, S. 6 f.): (1) das Leistungsmodell (Leitfrage: ‚Was bieten wir den Kunden an?‘), (2) das Wertschöpfungsmodell (Leitfrage: ‚Wie stellen wir die Leistung her?‘), (3) das Ertragsmodell (Leitfrage: ‚Wie wird Wert erzielt?‘) und (4) das Kundenmodell (Leitfrage: ‚Wer sind unsere Zielkunden?‘).

Derartige Aktivitäten sind derzeit in großem Umfang in der Medienbranche zu beobachten, in der sich beispielweise Medienkonzerne dadurch diversifizieren, dass sie ihr Beteiligungsportfolio aus Unternehmen zusammensetzen, die unterschiedlichen Medienteilmärkte angehören. Großes Augenmerk wird dabei vermehrt auf den Ausbau des sogenannten ‚Digitalgeschäfts‘ gelegt, also auf die Beteiligung an und die Entwicklung von Unternehmen, die ihren Umsatz auf digitalen Märkten erwirtschaften.

Durch digitale Medientechnologien ist es Unternehmen wie Hubert Burda Media oder ProSiebenSat.1 möglich, neben dem Content- und dem Werbe-Markt auch den Commerce-Markt zu bearbeiten. So war Hubert Burda Media seit 1999 und bis Mitte der 2010er-Jahre bei Zooplus, einer Internet-Handelsplattform für Haustierbedarf, beteiligt. Im Jahr 2013 (das letzte Jahr, in dem der Umsatz der Beteiligung im Konzernabschluss von Burda vollkonsolidiert und ganzjährig enthalten war) wies Zooplus einen Umsatz in Höhe von 407 Mio. EUR aus, was einem Anteil am Umsatz des Burda-Konzerns von immerhin 16 % entsprach (vgl. Hubert Burda Media Geschäftsbericht 2014, S. 103 und 105, sowie die Erläuterungen im Konzernabschluss 2016, S. 5). Auch Fernsehunternehmen wie ProSiebenSat.1 nutzen die Reichweite, die sie mit Medieninhalten generieren, nicht nur zur Vermarktung von Werbezeiten, sondern auch zum Erzielen von Transaktions- und Handelsumsätzen.

Bei der Entwicklung von Diversifikationsstrategien ist es für Unternehmen demnach naheliegend, zunächst zu untersuchen, ob aussichtsreiche neue Geschäftsfelder auf dem relativ bekannten Terrain der eigenen Wertschöpfungskette zu finden sind. Dieses Vorgehen hat für das Unternehmen den Vorteil, dass die Rahmenbedingungen der eigenen Medienteilbranche bekannt sind und daher verhältnismäßig sicher beurteilt werden kann, inwieweit die Investitionen in ein neues Geschäftsfeld tatsächlich lukrativ sind. Die Entscheidung, innerhalb der eigenen Wertschöpfungskette zu diversifizieren, kann folglich dabei helfen, die unternehmerische Unsicherheit und damit das Risiko zu reduzieren. Eine derartige, auch als vertikale Diversifikation bezeichnete Strategie liegt vor, wenn beispielsweise ein Verlag eine Buchhandelskette (nachgelagerte Wertschöpfungsstufe) kauft.

Bei der Auswahl neuer Geschäftsfelder ist auch deren Verwandtschaftsgrad ein Kriterium. Hierbei ist vor allem relevant, ob das neue Geschäftsfeld Ähnlichkeiten hinsichtlich der benötigten Ressourcen, der verwendeten Technologie und des einzugehenden Risikos aufweist. So ist es für Medienunternehmen naheliegend, Cross-Media-Strategien zu verfolgen und Neugeschäft über die Mehrfachvermarktung ihrer Contents über unterschiedliche Medienkanäle zu generieren (siehe Abschn. 4.1).

Im Hinblick auf die Bedeutung von Technologie für derartige Diversifikationsbemühungen in der Medienbranche lassen sich Ansatzpunkte in allen vier, zuvor genannten Teilaspekten eines Geschäftsmodells finden (Leistung, Wertschöpfung, Ertrag, Kunde). Beispiele für Technik-induzierte Diversifikationsstrategien im Leistungsmodell wurden in Abschn. 4.1 bereits angeführt.

Die Medientechnologie hat in den vergangenen Jahren jedoch auch erheblichen Einfluss auf das Wertschöpfungsmodell gehabt und Diversifikation in dieser Hinsicht beschleunigt. Überraschenderweise kommen in der Medienbranche zwei komplementäre Wertschöpfungsentwicklungen gleichzeitig vor, die wiederum durch Technologie erst machbar wurden: Intermediation auf der einen und Disintermediation auf der anderen Seite.

Intermediation meint die „Verlängerung der Wertschöpfungskette durch Zwischenschaltung neuer Stufen“ (Gläser 2014, S. 360). Disintermediation hingegen bezeichnet die Verkürzung der Wertschöpfungskette, indem bisherige Intermediäre überflüssig bzw. verdrängt werden (vgl. ebd., S. 363). Abb. 4 zeigt die beiden Veränderungsrichtungen der Wertschöpfungsstrukturen im Überblick.
Abb. 4

Veränderung der Wertschöpfungsstrukturen durch Intermediation und Disintermediation (eigene Darstellung)

Die Möglichkeit, Wertschöpfungsstrukturen durch Anwendung von digitalen Technologien zu verändern, stellt eine Diversifikationsoption für Medienunternehmen dar. So bietet sich bspw. die Gelegenheit, neue, werthaltige Positionen in der Wertschöpfungskette zu besetzen, die es in der analogen Medienökonomie gar nicht gegeben hat (Intermediation). Unternehmen wie Spotify oder Netflix fungieren als Plattformen, die Medieninhalte aggregieren, zusammenfügen und an den Medienrezipienten ausliefern – eine funktionale Kopplung, die erst durch die Digitalisierung geschaffen wurde.

Umgekehrt eröffnet die Digitalisierung die Chance, bisherige Vertriebsstrukturen zu verändern oder zu ergänzen, indem neben den in der Medienökonomie typischen mehrstufigen Vertriebsmodellen (also bspw. Produzent – Großhändler – Einzelhändler – Rezipient/Nutzer) ein einstufiger Vertrieb (also ‚direct to consumer‘) durch Zuhilfenahme digitaler Technologien (wie Shopsysteme) praktiziert und damit der (Zwischen-)Handel umgangen wird (Disintermediation). Eine solche Diversifikation von Vertriebsmodellen bedeutet für Medienunternehmen eine Neukonfiguration der Wertschöpfung und damit der monetären Struktur des Geschäftsmodells.

Einher mit der Diversifikation der Wertschöpfung geht auch eine Diversifikation der Ertrags- und Kundenmodelle. Digitale Technologien bieten vor allem die Option, unterschiedliche Arten von Erlös- und Pricing-Modellen zu offerieren, um damit unterschiedliche Konsumentenpräferenzen bedienen zu können. Freemium-Modelle (als Neologismus aus free für kostenfreie Angebote mit beschränktem Leistungsspektrum und premium für kostenpflichtige Angebote mit größerem Leistungsspektrum) wie das von Spotify sind ein geradezu phänotypisches Beispiel für die Diversifikation von Erlösarten, die durch digitale Technologien ermöglicht wurde.

Digitale Technologien eröffnen Medienunternehmen zudem neue Absatzmärkte, ohne dass ein aufwändiger, physischer Markteintrittsprozess erforderlich wäre – Internationalisierung kann in der digitalen, Internet-basierten Medienökonomie recht niederschwellig erfolgen. Damit und durch neue direkte Vertriebsmodelle (Stichwort: Intermediation) lassen sich Ländermärkte und Kundengruppen bearbeiten, die früher nur mit meist lokalen (Vertriebs-) Partnern und beträchtlichen Vorabinvestitionen zu adressieren waren.

Typischerweise kann man Diversifikationsentwicklungen in den Geschäftsmodellen und im Portfolio auch in der finanziellen Analyse von Medienunternehmen erkennen. Als Diversifikationsindikator dienen hierbei u. a. Erlösarten-Messgrößen, bspw. indem die Zahl der Erlösarten (in der Regel: Rezipientenerlöse Einzeltransaktion, Rezipientenerlöse Abonnement, Werbeerlöse, Lizenzerlöse und Transaktions-/Provisionserlöse) aufaddiert oder die Abhängigkeit von einer einzelnen Erlösart über den Umsatzanteil der größten Erlösart gemessen wird.

4.3 Medientechnologie-induzierte Diversifikation durch Eintritt von Technologie-Wettbewerbern in den Medienmarkt

Diversifikation wird allerdings nicht nur von Unternehmen der Medienbranche betrieben. Medienökonomisch genauso relevant ist die ebenfalls durch technologische und ressourcenbasierte Ähnlichkeit induzierte Diversifikation von Unternehmen der angrenzenden TIME-Branche (TIME = Telekommunikation, Informationstechnologie, Medien, Entertainment/Consumer Electronics) in die Medienbranche hinein. Öffentliche Beachtung erfahren in diesem Zusammenhang die so genannten GAFA-Companies, also Google, Apple, Facebook und Amazon, bisweilen ergänzt um Microsoft (dann als Akronym GAFAM). Diese Technologie-orientierten Unternehmen übernehmen zunehmend Wertschöpfungsstufen, die bislang den Unternehmen der Medienbranche zugerechnet wurden.

Aufmerksamkeit erfährt bspw. der US-amerikanische Online-Händler Amazon, der durch die Entwicklung eigener Rezeptionstechnik (E-Reader) und durch die Gründung eines eigenen Verlags in der Lage ist, die gesamte Wertschöpfung des Buchmarkts zwischen Autor und Leser innerhalb des eigenen Unternehmens abzubilden.

Ähnliches gilt für ein Unternehmen wie Google, das sich als IT-Unternehmen versteht, dessen Erlösmodell jedoch auf klassischen Medienleistungen basiert, nämlich Werbeumsätzen. Google und auch Facebook folgen in der Logik ihrer Geschäftsmodelle weniger den traditionellen Erlösmodellen der Technologiebranchen, sondern typischen Medienmodellen: content wird kreiert (im Falle von Google/YouTube und Facebook/Instagram durch die Nutzer selbst als ‚user generated content‘), die Distribution dieser Inhalte wiederum schafft Reichweite, also audience, die sich in Form von Media- und Werbeleistung monetarisieren lässt.

Auch Apple hat diese Art der Diversifikation bereits vollzogen, indem das Unternehmen nicht nur durch den Verkauf von IT- und Telekommunikations-Hardware Umsätze erwirtschaftet, sondern auch als Medienhändler auftritt: über den Service iTunes z. B. für Musik.

Indirekt haben GAFA-Unternehmen durch die Popularisierung und Zugänglichkeit von digitaler Medientechnologie den Medienmarkt insgesamt diversifiziert. Denn dadurch ist jeder Konsument von Mediengütern auch zugleich in der Lage selbst Mediengüter zu produzieren und zu distribuieren. Dieses Konzept des Prosumers (producer und consumer) ließ sich nur durch die digitale Technologie realisieren.

Der umgekehrte Weg, dass nämlich Medienunternehmen in die angrenzenden Konvergenz-Branchen Informationstechnologie und Telekommunikation diversifizieren, ist genauso begehbar, wird aber seltener beschritten. Im deutschsprachigen Raum kann man ggf. illustrativ auf Hubert Burda Media verweisen. Das Unternehmen ist Mehrheitsaktionär bei Cliqz, einem Browser mit integrierter Suchmaschine. Auch der Bereich der Data Analytics-Services bietet für Medienunternehmen mitunter einen Technologie-getriebenen Diversifikationspfad.

4.4 Medientechnologie-induzierte Diversifikation durch Automatisierung von Medienleistungen

Besonderes Augenmerk verdient in diesem Zusammenhang neben neuen Formen der Produktkonfiguration und des Medienvertriebs auch der Werbemarkt, der für viele Medien-Teilmärkte eine wesentliche Erlösquelle darstellt. In diesen Bereichen ist besonders deutlich zu beobachten, wie Akteure, die als Medienhilfsunternehmen zu qualifizieren sind, in zunehmender Weise an der Wertschöpfungslogik der Medien teilnehmen. Unter Stichwörten wie Advertising Technology, Real Time Advertising/Real Time Bidding oder kontextsensitive Werbung und Programmatic Buying finden sich unzählige Beispiele für die zunehmende automatisierte bzw. Medientechnologie-basierte Vermarktung und Auslieferung von Werbeinhalten (vgl. u. a. Fuchs 2013; Stange und Funk 2014 sowie Hofsäss und Engel 2018 in diesem Handbuch).

Hier verändert die Medientechnologie nicht nur das Leistungsangebot und Leistungsbündel selbst, sondern sorgt dafür, dass sich die Wertschöpfung im (Werbe-)Markt auf mehr und auf neue Marktteilnehmer mit vornehmlich technologischem Hintergrund verteilt. Als Grund hierfür ist anzusehen, dass die Automatisierung von Medienleistungen von den Unternehmen den Aufbau erheblicher technischer Kompetenzen erfordert – und damit einer Verlagerung der Wertschöpfung vom Produktionsfaktor Arbeit (und Mensch) hin zum Produktionsfaktor Kapital (und Maschine) entspricht.

Dabei – das sei nur am Rande erwähnt – erfasst die Automatisierung der Gutserstellung nicht nur die Media- und Werbeleistung von Medienprodukten, sondern auch den content-Gehalt des Produkts selbst. Eine Software-basierte Erstellung von Texten, die mitunter auch semantische Sinnzusammenhänge erfassen und darauf reagieren kann, ist bereits geübte Praxis bei einfachen Textarten, wie bspw. dem automatischen Auslesen von Daten und dem maschinellen Erstellen eines ortsspezifischen Wetterberichts. Unternehmen wie AX Semantics stehen für derlei Roboter-Journalismus.

Erfolgreiche Automatisierungen arbeiten heute mit großen Datenmengen (Big Data), die von komplexen Algorithmen aus dem Bereich der künstlichen Intelligenz analysiert werden. Die ökonomische Relevanz der mit diesen Themen verbundenen softwaretechnischen Disziplinen ist in den letzten Jahren und Monaten nicht nur in der Medienbranche in den Fokus der Aufmerksamkeit gelangt. Um die Wirkungen dieser Techniken auf die Diversifikationsstrategien von Medienunternehmen zu beschreiben, sollen deren Funktionsweise in Grundzügen erläutert werden.

Große Datenmengen fallen an, wenn das Rezeptionsverhalten der Nutzer von Onlinemedien lückenlos erfasst wird. Während klassische, analoge Medien auf Befragungen und die Auswertung von Auflagenzahlen angewiesen waren, bietet sich im digitalen Raum die Möglichkeit, die Nutzung der Medienangebote technisch und automatisiert zu messen. Man ist dabei nicht mehr auf Stichproben angewiesen, sondern führt (z. B. bei der Nutzung von Websites) standardmäßig Vollerhebungen durch: Jeder Klick, jede Interaktion und jede Benutzersession wird ‚getracked‘, also verfolgt, aufgezeichnet und in großen Datenbanken auf unbestimmte Zeit abgespeichert. Die auf diese Weise erfassten Tracking-Daten können anschließend mit den unterschiedlichsten statistischen Verfahren ausgewertet werden.

Jeder Betreiber einer Website kann dadurch heute in Echtzeit verfolgen, wie viele Leser sich gerade auf seiner Seite befinden, welche Berichte bevorzugt angeklickt werden und sogar, wie weit die einzelnen Contents konsumiert werden, also wie weit die Seiten heruntergescrollt werden oder an welchen Stellen Videos gestartet oder gestoppt werden. Dieses Tracking ist nicht nur zur Echtzeit einsehbar, sondern wird zugleich kontinuierlich gespeichert, sodass auch der Zugriff auf die Nutzungsdaten der Vergangenheit jederzeit möglich ist. Sowohl das direkte „Echtzeit-Feedback“ als auch die aus über längeren Beobachtungszeiträumen aggregierten Tracking-Daten können vom Betreiber dazu genutzt werden, das Content-Angebot zu optimieren. Nachrichtenredaktionen beispielsweise können so schon nach kurzer Live-Schaltung neuer Nachrichten überprüfen, welche Meldungen die meisten Klicks auf sich ziehen und gegebenenfalls die Anordnung der Nachrichten auf der Seite anpassen. Und oft genug übernimmt der Computer mittels sogenannter A/B-Tests (vgl. Martin und Hanington 2012) die Platzierung der Contents auf digitalen Medienangeboten gleich selbst.

Zugleich kann die beschriebene direkte und lückenlose Messbarkeit auch die Content-Erstellung beeinflussen. Wenn Klickzahlen zu einer ökonomischen Zielgröße werden, die die Erträge einer Website direkt beeinflusst, werden Überschriften und Anrisstexte vielfach besonders „klickfreundlich“ gestaltet, eine Tendenz, die aktuell unter dem Begriff Clickbaiting diskutiert wird (vgl. Goldapp 2015).

5 Technische Grundlagen für unternehmerische Diversifikation

Durch die fortschreitende Digitalisierung ist Technologiekompetenz zu einem ökonomischen Erfolgsfaktor für Medienunternehmen geworden, zu der auch die Kompetenz der fortwährenden Beobachtung und Bewertung neu aufkommender technischer (v. a. digitaler) Konzepte und Lösungen hinsichtlich ihrer ökonomischen Verwertbarkeit zu zählen ist.

Die technischen Grundlagen für die unternehmerische Diversifikation in der Medienbranche stellen sich dabei als äußerst vielfältig dar. Vor allem im Bereich der digitalen Medientechnologien gibt es zahlreiche Technologiefelder, deren hohe Innovationsgeschwindigkeit die unternehmerischen Diversifikationsaktivitäten antreiben. Grundsätzlich finden diese medientechnischen Innovationen – wie bereits beschrieben – auf praktisch allen Stufen des Wertschöpfungsprozesses Anwendung (vgl. Abb. 1). Als aktuelle Beispiele sind dabei zunächst Themen wie das Digital Rights Management (DRM), mit dem Zugriffsberechtigungen auf digitale Medieninhalte gesteuert werden, oder technische Innovationen im Bereich der Medienrezeption, wie zum Beispiel neuartige Virtual Reality Brillen, mit denen die Nutzer regelrecht in Filme und Games „eintauchen“ können, zu nennen. Auch der mit der Kryptowährung Bitcoin verbundenen Blockchain-Technik werden aktuell ökonomisch sinnvolle Anwendungsmöglichkeiten in medialen Kontexten prognostiziert. Neben diesen recht konkret greifbaren Anwendungen gibt es eine besonders einflussreiche Querschnittstechnik, die aktuell auch über die Medienbranche hinaus in praktisch alle digitalen Anwendungen hineinwirkt, bei denen die Verarbeitung und Nutzung von Daten einen Rolle spielen: Data Analytics und insbesondere die Konzepte des Maschinellen Lernens (ML).

Da diese Konzepte sich einerseits binnen weniger Jahre als neue Basistechnologie für weite Teile der digitalen Medientechnologien etabliert haben, sie aber gleichzeitig für den Nutzer wenig transparent sind, sollen sie an dieser Stellen etwas genauer dargestellt werden. Dazu wird zunächst auf die Funktionsweise von Tracking- und Personalisierungsverfahren eingegangen, bevor erläutert wird, wie die dabei erhobenen Daten mit den Algorithmen des Maschinellen Lernens ausgewertet werden können.

5.1 Cookie-basierte Tracking- und Personalisierungsverfahren

Technisch beruht das Tracking von Onlinemedien auf Cookies. Häufig fälschlicherweise in die Nähe von Computerviren gerückt, verfolgen diese ‚Kekse‘ per se keine negativ konnotierten Intentionen. Sie wurden bereits zu den Anfangszeiten des World Wide Webs in der früher 1990er-Jahren genutzt, um dem HTTP-Protokoll die Verwaltung von „Zuständen“ zu ermöglichen (vgl. Shiflett 2003, S. 127 ff.). HTTP, das Protokoll, mit dem auch heute noch Websites zum Nutzer transportiert werden, ist von seiner Grundkonzeption her zustandslos. Das bedeutet, dass ein Server, der Webseiten bereithält und an Browser ausliefert, nicht feststellen kann, ob zwei oder mehrere aufeinander folgende Seitenabrufe von unterschiedlichen oder von demselben Benutzer getätigt wurden. Das ist oft auch nicht notwendig, wurde allerdings zum Problem, als man damit begann, auf Websites Transaktionen wie beispielweise Käufe in Onlineshops durchführen zu wollen. In einem Onlineshop muss der Server in der Lage sein, einen Benutzer über mehrere Klicks hinweg wiederzuerkennen, damit dieser Produkte auswählen, in den virtuellen Warenkorb legen und anschließend bestellen kann. Genau dies leisten Cookies, indem sie es dem Webserver ermöglichen, Informationen im Browser des Benutzers zu speichern, sofern die Einstellungen des Browsers dies nicht verhindern. Technisch sind Cookies einfache Textdateien, die in der Regel lediglich einen Namen und eine eindeutige Nummer enthalten, die bei jedem Klick des Benutzers an den Server geschickt werden. Durch die Nummer kann der Server den Benutzer wiedererkennen und ihm eine personalisierte Website zusammenstellen und zurückschicken, also eine Website, auf der ihm beispielweise den mit den zuvor ausgewählten Produkten gefüllten Warenkorb angezeigt wird.

Cookies sind damit die Grundlage für das Tracking, aber auch für die Personalisierung von digitalen Medienangeboten. Sobald ein Webserver ein Cookie im Browser des Benutzers gespeichert hat, bleibt dieser zeitlich potenziell unbegrenzt erhalten. Alle folgenden Seitenaufrufe und Klicks des Nutzers können vom Webseitenbetreiber gespeichert und analysiert werden. So kann für die Nutzer über Wochen und Monate und gegebenenfalls Jahre hinweg ausgewertet werden, wie oft er die Webseite besucht hat, wann er dies getan hat, über welche Themen er sich dort informiert hat und wie weit er in die jeweiligen Contents eingestiegen ist.

Über den Zeitverlauf hinweg kann der Webseitenbetreiber die so erhobenen Daten dazu nutzen, das Interessen- und Verhaltensprofil jedes Benutzers immer besser kennenzulernen, ohne dass er von ihm zunächst mehr weiß als seine eindeutige Cookie-Nummer. Die erhobenen Daten werden so zur Grundlage für die Personalisierung von Medieninhalten. So können Nutzern auf der Basis ihrer Cookie-Nummer und der aus der Auswertung der bisherigen Nutzungsdaten personalisierte, also inhaltlich unterschiedlich kuratierte Varianten einer Website angezeigt werden. Einem Nutzer, der in der Vergangenheit überwiegend Wirtschaftsnachrichten angeklickt hat werden dann bevorzugt Wirtschaftsnachrichten angezeigt, einem anderen Nutzer auf der Basis dessen Verhaltens Kulturnachrichten.

Es ist zu betonen, dass diese aus dem Web bekannten Tracking-Verfahren keinesfalls auf das Web beschränkt sind. Prinzipiell lässt sich auf diese Weise die Nutzung aller Online-Medien, also aller digitaler Medien, die auf mit dem Internet verbunden Rezeptionsgeräten genutzt werden, verfolgen und auswerten. Da ständig mehr Geräte Internetfunktionalitäten enthalten, bezieht sich dies heutzutage ganz natürlich neben klassischen Computern wie Laptop und PC auf Smartphones, Tablet-Apps, Smart-Watches, internetfähige Fernsehgeräte (Smart-TV), Internetradios und internetfähige Musikanlagen. Zukünftig ist damit zu rechnen, dass der Bereich des Smart-Homes, also der automatisierten Steuerung haustechnischer Anlagen und zunehmend auch die Automobilindustrie in den Fokus der Tracking- und Personalisierungsverfahren gelangen.

Es ist auch hervorzuheben, dass immer mehr unterschiedliche Daten erhoben werden. Waren es früher vorwiegend die Klicks, so werden Kontextdaten immer relevanter, je mehr Sensoren in die Rezeptionsgeräte eingebaut sind. So kann heutzutage neben dem Klick und dessen Zeitpunkt weitere Kontextparameter wie beispielweise der geografische Standort in das Tracking einbezogen werden.

5.2 Empfehlungssysteme und Algorithmen

Der hohe Aufwand, der bei Tracking und Verarbeitung von Nutzungsdaten betrieben wird, zahlt sich ökonomisch aus. Grund dafür ist, dass die erhobenen Daten sich zur Entwicklung von Empfehlungssystemen eignen. Empfehlungssysteme sind komplexe Software-Systeme, die jedem Internetnutzer aus Onlineshops bekannt sind. Dort sorgen sie für die allgegenwärtigen, automatisch generierten „Kunden, die dieses Produkt kauften, kauften auch. …“-Vorschläge. Sie werden jedoch auch in vielen anderen Online-Medien eingesetzt, ohne dass sie so offensichtlich zutage treten. Vor allem im Online-Marketing spielen sie ihre Stärke aus, wenn es darum geht, jedem Nutzer individuell die für ihn relevantesten Werbeanzeigen anzuzeigen, um die Anzeigeneinnahmen zu optimieren. Der ökonomische Wert der Empfehlungssysteme ist enorm. Schätzungen zufolge wird bei Amazon rund Viertel des Umsatzes über Empfehlungssysteme generiert. Werbeeinblendungen, die von Google auf der eigenen Suchmaschine angezeigt oder auf anderen Websites per AdSense eingebunden werden, werden durch Empfehlungssysteme ausgewählt. Welche Statusmeldungen man von seinen Freunden auf Facebook sieht (und welche nicht) wird ebenfalls durch Empfehlungssysteme gesteuert. Die Entwicklung leistungsfähiger Empfehlungssysteme wird damit in den digitalen Medien zur erfolgskritischen Größe.

Empfehlungssysteme beschäftigen die Informatik schon seit mehreren Jahrzehnten, aber erst die technischen Fortschritte rund um das Cloud Computing machen sie in der Breite nutzbar. Außerdem hat sich gezeigt, dass Empfehlungssysteme, die Techniken des maschinellen Lernens integrieren, bessere – also ökonomisch wertvollere – Empfehlungen erzeugen. Diese sogenannten Collaborative-Filtering-Empfehlungssysteme funktionieren allerdings nur dann gut, wenn sie mit möglichst vielen Daten vorhanden sind, mit denen sie trainiert werden können.

Diese Gegebenheiten sind ein klarer Wettbewerbsvorteil für Marktteilnehmer, die ursprünglich aus der Softwarebranche kommen, die über Kompetenzen im Bereich Big-Data-Analytics und des maschinellen Lernens sowie über möglichst große Mengen an Nutzungsdaten verfügen. Maschinelles Lernen (ML) ist ein Teilbereich der künstlichen Intelligenz (KI), der derzeit in der Informatik stark an Relevanz gewinnt und in sehr unterschiedlichen Feldern praktische Anwendungen findet, unter anderem bei der Entwicklung von Empfehlungssystemen (vgl. Jannach et al. 2010).

Die gesammelten Nutzungsdaten werden kontinuierlich von komplexen Algorithmen verarbeitet, die dafür konzipiert sind, wiederkehrende Muster zu erkennen. Die Algorithmen von Empfehlungssystemen lernen auf diese Weise das Verhalten der einzelnen Nutzer immer besser kennen und können gleichzeitig die Verhaltensmuster unterschiedlicher Nutzer miteinander vergleichen. Sie sind damit letztlich in der Lage das Nutzerverhalten zu prognostizieren, sie können – natürlich mit gewissen Unsicherheiten behaftet – voraussagen, wie sich dieser oder jener Nutzer in Zukunft verhalten, welche Themen er morgen anklicken wird. Sie bilden heute prinzipiell die Grundlage für alle Formen des digitalen (Online-) Marketings und werden auch in angrenzenden Medienbereichen eingesetzt, in denen die Mediendistribution ganz oder teilweise über das Internet erfolgt oder erfolgen kann.

So findet selbstverständlich beim stark wachsenden Markt des Musik-Streamings ebenfalls eine automatisierte Klassifikation des Hörverhaltens statt, um den Nutzer auf der Basis von Algorithmen mit Vorschlägen zu Künstlern und Playlisten versorgen zu können, die ihm gefallen könnten. Auch hier hat eine Entwicklung hin zu Collaborative-Filtering stattgefunden, also zu Empfehlungssystemen, die auf künstlicher Intelligenz beruhen. Frühe Streaming Services verfolgten den Ansatz, Musikstücke hinsichtlich ihres Inhalts anhand bestimmter Merkmale zu klassifizieren. Neben Metadaten wie Titel, Interpret und Erscheinungsjahr wurde beispielsweise analysiert, wie das Tempo, die Instrumentierung oder die Stimmung eines Musikstücks eingeordnet werden konnte. Auf Basis der Klassifizierungen konnten die Dienste automatisiert Playlisten mit Songs erstellen, die sich hinsichtlich der ermittelten Merkmalsausprägungen ähneln.

Obwohl diese Herangehensweise durchaus in der Lage ist, sinnvolle Vorschläge zu erzeugen, hat die aktuelle Hinwendung zu Collaborative-Filtering-Empfehlungssystemen, die auf der massenhaften Auswertung des tatsächlichen Nutzungs- bzw. Hörverhaltens anderer Nutzern beruht, die Qualität der Vorschläge deutlich verbessert. Man hatte erkannt, dass das Hörverhalten von echten Nutzern eben nicht so homogen ist, dass es genügen würde, den „Musikgeschmack“ eines Hörers auf der Basis der oben genannten Merkmalsausprägungen zu klassifizieren. So mag ein Nutzer zwar im Prinzip ein Jazz-Fan sein und Miles Davis und John Coltrane bevorzugen, aber vielleicht hört er dann und wann trotzdem gern Megadeth (sic!) und Rammstein.

Es erwies sich folglich als zielführender, Collaborative-Filtering-Empfehlungssysteme das tatsächliche Hörverhalten möglichst vieler Nutzer analysieren zu lassen, um systematisch zu „lernen“, welche Musikstücke, Interpreten und Genres ein Nutzer eines Streamingdienstes typischerweise in welcher Reihenfolge in zu welcher Tages- und Nachtzeit und an welchen Wochentagen hört.

Wenn man derartige Analysen in großem Maßstab durchführt (und die Anbieter von Streamingdiensten können die Daten praktisch lückenlos erfassen und auswerten), finden sich wiederkehrende Nutzungsmuster, die von den Algorithmen mit statistischen Verfahren auch in die Zukunft fortgeschrieben werden können und so vorausberechnen, welche Musikstücke ein bestimmter Nutzer am nächsten Montagmorgen gern hören wollen könnte.

Es ist darauf hinzuweisen, dass die mit den Algorithmen des maschinellen Lernens ermöglichten Collaborative-Filtering-Empfehlungssysteme dabei nicht auf die Ergründung von Kausalitäten ausgerichtet sind. Die Frage, aus welchen Gründen ein Hörer bestimmte Musikstücke hört und ob die Bevorzugung von bestimmten Künstlern darauf zurückzuführen ist, dass ihre Musik stilistische Ähnlichkeiten aufweist, findet in den Algorithmen keinerlei Berücksichtigung. Es werden lediglich Datenpunkte gesammelt und mit statistischen Verfahren Korrelationen berechnet. Von aktuellen Empfehlungssystemen vorgeschlagene Playlisten können daher als rein mathematisch informierte und voll automatisiert kuratierte Programmgestaltungen aufgefasst werden. Sie treffen den Geschmack und die Nutzungswünsche der Hörer dabei immer besser, je mehr Datenpunkte sie auswerten können. Sie lernen dabei nicht nur von den Daten, die man selbst während seiner Nutzung übermittelt, sondern auch aus der Gesamtheit der Daten aller anderen Nutzer.

5.3 Plattformbetreiber als Schlüsselakteure

Wenn nun neben der Fähigkeit, leistungsfähige ML-Algorithmen zu entwickeln, der Zugang zu möglichst großen Mengen von Nutzungsdaten, mit denen man die Algorithmen „trainieren“ kann, entscheidend für die Entwicklung von gut funktionierenden Empfehlungssystemen ist, wird deutlich, dass die großen Plattformbetreiber des Internets eine Schlüsselposition einnehmen. Konzerne wie Google, Facebook, Amazon und Apple sind zwar zunächst sämtlich eher der IT-Branche als der Medienbranche zuzuordnen, üben aber aufgrund ihrer dominanten Stellung im Internet und ihrer weitreichenden Erfahrung in der Analyse des Nutzerverhaltens stark transformierenden Druck vor allem auf den Werbemarkt und damit auf eine zentrale Erlösquelle vieler Medienunternehmen aus. Dabei nutzen sie ihre bereits erreichte Marktposition, um an möglichst vielen Stellen jene Nutzungsdaten zu erfassen, die der Rohstoff zur Weiterentwicklung der Empfehlungssysteme sind.

Dass Google Nutzungsdaten erfasst und auswertet, ist bekannt. Jedes Mal, wenn man eine Suche über Google durchführt, speichert Google auf seinen Servern den eingegebenen Suchbegriff und soweit möglich den Standort des Nutzers ab. Diese Daten kann sich – zumindest auszugsweise – sogar jeder ansehen: Sie bilden die Grundlage für Google Trends, einer Website, auf der dargestellt wird, wonach in welchen Ländern der Erde in welchen Zeiträumen besonders oft gesucht wurde. Die Datenerfassung reicht aber noch weiter: Dadurch, dass praktisch jeder Internetnutzer mindestens gelegentlich Google als Suchmaschine nutzt, ist auf fast jedem Browser ein Google-Cookie mit einer eindeutigen Nummer vorhanden.

Dieser Cookie wird von Google im Browser gespeichert, sobald man erstmalig die Suchmaschine von Google benutzt. Google ist dadurch in der Lage, jede Suchanfrage, die man nach dem ersten Besuch der Seite in die Suchmaske eingibt, dieser Nummer zuzuordnen und kann so ein lückenloses Protokoll aller Suchanfragen eines jeden Nutzers abspeichern. Neben dem Suchbegriff wird natürlich auch das Verhalten nach der Suche gespeichert: Klicken wir auf einen Link, und wenn ja, auf welchen? Auf eines der „echten“ Suchergebnisse oder auf einen der Werbelinks, die darüber oder daneben abgebildet werden? Auch das wird gespeichert.

Alle diese Nutzungsdaten helfen Google dabei seine Suchmaschine, deren technische Basis ebenfalls ein Empfehlungssystem ist, weiter zu verbessern. Ein stark vereinfachtes Beispiel: Wenn beispielweise eine größere Zahl von Benutzern, die einen bestimmten Suchbegriff eingeben, danach auf den fünften und nicht den ersten Eintrag der Suchergebnisliste klicken, können die Algorithmen von Google dieses Verhalten erfassen und „lernen“, das die an fünfter Stelle angezeigte Website offenbar doch diejenige ist, nach der die Nutzer eigentlich gesucht hatten. Die Sortierung der Suchergebnisse würde dann vollautomatisch angepasst werden und die betreffende Website würde in der Suchergebnisliste nach oben „rutschen“. Es ist dabei anzumerken, dass das Ranking der Suchergebnisse neben dem Klickverhalten der Nutzer auch von vielen weiteren Faktoren bestimmt wird.

Aber Google sammelt nicht nur auf der eigenen Website Nutzungsdaten, sondern auch auf allen Seiten, auf denen Werbeanzeigen von Google geschaltet werden. Zudem gehört mit Google Analytics ein Produkt zum Portfolio, das viele Websitebetreiber nutzen, um die eigene Website zu analysieren. Zusammengenommen geht eine aktuelle Studie davon aus, das Google über 60 % aller Seitenaufrufe in Deutschland informiert ist (Bernau 2016). Selbst wenn man als Nutzer keine Google Dienste direkt nutzt, bewegt man sich auf Seiten, auf denen Google-Werbung eingebettet ist oder die mit Google Analytics ausgewertet werden. Über diese und andere „Umwege“ gelangen die Nutzungsdaten schließlich doch in den Datenpool von Google. Der Zugang zu Daten wirkt dabei wie ein positiver Teufelskreis: Um erfolgreiche digitale Medienprodukte zu entwickeln, wird der Zugang zu großen Mengen an Nutzungsdaten immer wichtiger, und erfolgreiche Medienprodukte sorgen für den Zugang zu großen Datenmengen.

6 Fazit

Es erscheint naheliegend, dass der Einfluss der Medientechnologie auf die Medienökonomie weiter zunimmt. Um ökonomisch erfolgreich zu sein, müssen Medienunternehmen die Trends der digitalen Medien intensiv verfolgen und mögliche Einwirkungen auf eigene Geschäftsmodelle analysieren. Vielfältige Diversifikationschancen aber auch ebensolche Diversifikationsherausforderungen stehen den Medienunternehmen dabei offen bzw. bevor. Informationstechnische Innovationen spielen hierbei eine große Rolle. Doch während sich die Fortschritte im Bereich der Hardware in den letzten Jahren etwas verlangsamt haben, rückt die Software mit immer schnelleren Entwicklungssprüngen in den Fokus der Aufmerksamkeit. Dominante Akteure im digitalen Werbemarkt wie Facebook oder Google intensivieren erkennbar ihre Investitionen in die Weiterentwicklung von Künstlicher Intelligenz und haben aufgrund ihrer starken Wettbewerbsposition aktuell erhebliche Vorteile beim Zugang zu Nutzungsdaten. Abseits der Wirkungen von Medientechnologien auf Produktebene ist auf einem übergeordneten Niveau aber auch zu sehen, dass sich durch medientechnologische Bedingungen und Innovationen zugleich Geschäftsmodell-Portfolien von und für Medienunternehmen ändern können. Daneben wandeln sich durch digitale Medientechnologien selbst Wettbewerbsstrukturen: Unternehmen der angrenzenden IT- und TK-Branchen nutzen die Möglichkeiten der Medientechnologie, um auf dem Rezipienten-, Werbe- und Inhaltemarkt ehemalige Domänen der incumbents zu erobern. Last, not least ist festzuhalten: Medientechnologien verändern sämtliche Stufen der medialen Wertschöpfungskette – und bieten damit mannigfaltige Ansätze für Technologie-induzierte Diversifikation.

Literatur

  1. Anderson, C. (2007). The Long Tail – Der lange Schwanz. Nischenprodukte statt Massenmarkt. München: Hanser.Google Scholar
  2. Ansoff, I. (1958). A model for diversification. Management Science, 4(4), 392–414.CrossRefGoogle Scholar
  3. Bernau, P. (2016). Google weiß, wo die Deutschen surfen. http://www.faz.net/-gqm-8duft. Zugegriffen am 18.04.2016.
  4. Broich, A. (2015). Not like other media: digital technology and the transformation of educational publishing. Publishing Research Quarterly, 31, 237–243.CrossRefGoogle Scholar
  5. Burda GmbH. (2014). Hubert Burda Media Geschäftsbericht 2013. München: Verlag Burda Creative Group.Google Scholar
  6. Fuchs, W. (2013). Real time advertising. MedienWirtschaft, 10(4), 66–69.Google Scholar
  7. Gassmann, O., Frankenberger, K., & Csik, M. (2017). Geschäftsmodelle entwickeln. 55 innovative Konzepte mit dem St. Galler Business Model Navigator. München: Hanser.CrossRefGoogle Scholar
  8. Gläser, M. (2014). Medienmanagement (3. Aufl.). München: Vahlen.Google Scholar
  9. Goldapp, N. (2015). Medienunternehmen im Social Web. Wiesbaden: Springer Fachmedien.Google Scholar
  10. Häußling, R. (2014). Technikosoziologie. Baden-Baden: Nomos.Google Scholar
  11. Heinrich, J. (2001). Medienökonomie, Bd. 1: Mediensystem,, Zeitung, Zeitschrift, Anzeigenblatt. Wiesbaden: Springer VS.CrossRefGoogle Scholar
  12. Hofsäss, M., & Engel, D. (2018): Mediaplanung. In Krone, J. & Pellegrini, T. Handbuch Medienökonomie. Wiesbaden: Springer VS.Google Scholar
  13. Hubert Burda Media. (2017). Unternehmen. (Sowie Geschäftsbericht 2013 und Konzernabschluss 2015). https://www.burda.com/de/unternehmen/. Zugegriffen am 06.10.2017.
  14. Hubert Burda Media Holding Kommanditgesellschaft. (2016). Konzernbaschluss 2015. München: Hubert Burda Media Holding Kommanditgesellschaft.Google Scholar
  15. Hungenberg, H. (2014). Strategisches Management in Unternehmen (8. Aufl.). Wiesbaden: Springer Gabler.Google Scholar
  16. Jannach, D., Zanker, M., Felfernig, A., & Friedrich, G. (2010). Recommender systems. New York: Cambridge University Press.CrossRefGoogle Scholar
  17. Jansen, A. (2006). 3D-Diversifikation und Unternehmenserfolg. Die Erfolgswirkung der horizontalen, geografischen und vertikalen Diversifikation deutscher Aktiengesellschaften. Wiesbaden: Deutscher Universitäts-Verlag.Google Scholar
  18. Kehoe, K., & Mateer, J. (2015). The impact of digital technology on the distribution value chain model of independent feature films in the UK. The International Journal on Media Management, 17, 93–108.CrossRefGoogle Scholar
  19. Martin, B., & Hanington, B. (2012). Universal methods of design. Beverly: Rockport Publishing.Google Scholar
  20. Naldi, L., Wikström, P., & Rimscha, M. B. v. (2015). Dynamic capabilities and performance. An empirical study of audiovisual producers in Europe. International Studies of Management & Organization, 44(4), 63–82.CrossRefGoogle Scholar
  21. Peters, B., Niederauer-Kopf, K., & Eckert, M. (2012). Die individualisierte Fernsehnutzung. Analysen zur Verweildauer und zum Relevant Set. Media Perspektiven, (2), 72–77.Google Scholar
  22. Seufert, W. (2013). Die deutsche Medienwirtschaft: Wachstums- oder Krisenbranche? Produktion und Nachfrage nach Medienprodukten seit 1991. MedienWirtschaft, 10(4), 20–36.Google Scholar
  23. Shiflett, C. (2003). HTTP developers handbook (S. 2003). Indianapolis: Sams Publishing.Google Scholar
  24. Sjurts, I. (Hrsg.). (2011). Gabler Lexikon Medienwirtschaft (2. Aufl.). Wiesbaden: Springer Gabler.Google Scholar
  25. Spiegel Online. (2013). Digitale Erleuchtung. Fotos von der Papstwahl. http://www.spiegel.de/panorama/papst-momente-bilder-zeigen-vergleich-zwischen-2005-und-2013-a-889031.html. Zugegriffen am 06.10.2017.
  26. Stange, M., & Funk, B. (2014). Real-time-advertising. Wirtschaftsinformatik, 56(5), 335–338.CrossRefGoogle Scholar
  27. Stoi, R., & Kühnle, B. (2002). Theory of constraints. Controlling, 14(1), 55–56.CrossRefGoogle Scholar
  28. Tropp, J., & Baetzgen, A. (2018). Breiter, tiefer, schräger: Diversifikation von Medienunternehmen. In J. Krone & T. Pellegrini (Hrsg.), Handbuch Medienökonomie. Wiesbaden: Springer VS.Google Scholar
  29. Vollmar, J. (2014). Spin-off s, Diversifikation und Shareholder Value. Wiesbaden: Springer Gabler.CrossRefGoogle Scholar
  30. Wilkens, H. (1991). Entwicklungen in der Rundfunktechnik für Hörfunk und Fernsehen. In H. J. Kiefer & M. Rühl (Hrsg.), Neue Technik, neue Programm, ökonomische Utopien? (S. 23–29). Stuttgart: Kohlhammer.Google Scholar
  31. Wirtz, B. W. (2016). Medien- und Internetmanagement (9. Aufl.). Wiesbaden: Springer Gabler.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Beuth Hochschule für TechnikBerlinDeutschland
  2. 2.Hochschule der MedienStuttgartDeutschland

Personalised recommendations