Kostenfreie Onlinekurse nachhaltig mit personalisiertem Marketing finanzieren – Ein Vorschlag zur synergetischen Kombination zweier datengetriebener Geschäftsmodelle

Rüdian, Sylvio; Vladova, Gergana Article — Published Version Kostenfreie Onlinekurse nachhaltig mit personalisiertem Marketing finanzieren– Ein Vorschlag zur synergetischen Kombination zweier datengetriebener Geschäftsmodelle HMD Praxis der Wirtschaftsinformatik Provided in Cooperation with: Springer Nature Suggested Citation: Rüdian, Sylvio; Vladova, Gergana (2021) : Kostenfreie Onlinekurse nachhaltig mit personalisiertem Marketing finanzieren– Ein Vorschlag zur synergetischen Kombination zweier datengetriebener Geschäftsmodelle, HMD Praxis der Wirtschaftsinformatik, ISSN 2198-2775, Springer Fachmedien Wiesbaden, Wiesbaden, Vol. 58, Iss. 3, pp. 507-520, https://doi.org/10.1365/s40702-021-00720-4 This Version is available at: https://hdl.handle.net/10419/287664 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by/4.0/ SCHWERPUNKT https://doi.org/10.1365/s40702-021-00720-4 HMD (2021) 58:507–520 Kostenfreie Onlinekurse nachhaltig mit personalisiertem Marketing finanzieren – Ein Vorschlag zur synergetischen Kombination zweier datengetriebener Geschäftsmodelle Sylvio Rüdian · Gergana Vladova Eingegangen: 15. Dezember 2020 / Angenommen: 12. März 2021 / Online publiziert: 9. April 2021 © Der/die Autor(en) 2021 Zusammenfassung Selbstbestimmtes Lernen mit Onlinekursen findet zunehmend mehr Akzeptanz in unserer Gesellschaft. Lernende können mithilfe von Onlinekursen selbst festlegen, was sie wann lernen und Kurse können durch vielfältige Adaptionen an den Lernfortschritt der Nutzer angepasst und individualisiert werden. Auf der einen Seite ist eine große Zielgruppe für diese Lernangebote vorhanden. Auf der anderen Seite sind die Erstellung von Onlinekursen, ihre Bereitstellung, Wartung und Betreuung kostenintensiv, wodurch hochwertige Angebote häufig kostenpflichtig angeboten werden müssen, um als Anbieter zumindest kostenneutral agieren zu können. In diesem Beitrag erörtern und diskutieren wir ein offenes, nachhaltiges datengetriebenes zweiseitiges Geschäftsmodell zur Verwertung geprüfter Onlinekurse und deren kostenfreie Bereitstellung für jeden Lernenden. Kern des Geschäftsmodells ist die Nutzung der dabei entstehenden Verhaltensdaten, die daraus mögliche Ableitung von Persönlichkeitsmerkmalen und Interessen und deren Nutzung im kommerziellen Kontext. Dies ist eine bei der Websuche bereits weitläufig akzeptierte Methode, welche nun auf den Lernkontext übertragen wird. Welche Möglichkeiten, Herausforderungen, aber auch Barrieren überwunden werden müssen, damit das Geschäftsmodell nachhaltig und ethisch vertretbar funktioniert, werden zwei unabhängige, jedoch synergetisch verbundene Geschäftsmodelle vorgestellt und diskutiert. Zusätzlich wurde die Akzeptanz und Erwartung der Zielgruppe für das vorgestellte Geschäftsmodell untersucht, um notwendige Kernressourcen für die Praxis abzuleiten. Die Ergebnisse der Untersuchung zeigen, dass das Geschäftsmodell von den S. Rüdian () Weizenbaum-Institut, Humboldt-Universität zu Berlin, Unter den Linden 6, 10117 Berlin, Deutschland E-Mail: [email protected] G. Vladova Weizenbaum-Institut, Universität Potsdam, Am Neuen Palais 10, 14469 Potsdam, Deutschland E-Mail: [email protected] K 508 S. Rüdian, G. Vladova Nutzer*innen grundlegend akzeptiert wird. 10% der Befragten würden es bevorzugen, mit virtuellen Assistenten – anstelle mit Tutor*innen zu lernen. Zudem ist der Großteil der Nutzer*innen sich nicht darüber bewusst, dass Persönlichkeitsmerkmale anhand des Nutzerverhaltens abgeleitet werden können. Schlüsselwörter Onlinekurse · Big Data · Geschäftsmodell · Werbung · Marketing · Canvas Financing Free Online Courses Sustainably with Personalized Marketing—A Proposal for the Synergetic Combination of Two Datadriven Business Models Abstract Self-determined learning is increasingly accepted in our society. Online courses offer scheduling flexibility and pacing options, so that the learners can complete their assignments at convenient times. Moreover, online courses can be adapted and individualized to match the learning progress of the users through various adaptations. There is a large target group that aims to develop certain skills with online courses. But their creation, implementation, maintenance, and support are cost-intensive, which means that high-quality tutored courses often have to be offered fee-based to operate at least cost-neutrally without gaining some profit. In this paper, we demonstrate and discuss an open, sustainable, data-driven two-sided business model for using verified online courses and making them available to every learner free of charge. The core of the business model is the use of behavioral data for deriving personality traits and interests, and their use in a commercial context. This method is already widely accepted in web search, which is now implemented in the learning context. The opportunities, challenges, but also barriers that need to be overcome for the business model to be applicable and ethical at the same time are discussed while two independent but synergistically connected business models are presented. Besides, we examined the acceptance and expectation of the target group for the presented business model to understand the necessary core assets for practice. The results of the study indicate that the business model is fundamentally accepted. 10% of the respondents prefer to learn with virtual assistants instead of tutors, and the majority of users is not aware that personality traits can be derived from user behavior. Keywords Online courses · Big data · Business model · Advertisement · Marketing · Canvas 1 Einführung Onlinekurse haben seit den letzten Jahrzehnten eine zunehmend höhere Beliebtheit erlangt. Sie ermöglichen ein selbstbestimmtes, zeitlich und örtlich unabhängiges Lernen in einer virtuellen Umgebung. In Zeiten von COVID-19 wurde deutlich, wie wichtig Online-Lernangebote sind und viele sind bereit, diese alternative Form zum Präsenzlernen zu akzeptieren und zu nutzen, sowohl im universitären Kontext als K Kostenfreie Onlinekurse nachhaltig mit personalisiertem Marketing finanzieren – Ein... 509 auch zum Zweck der Weiterbildung durch Selbstlernangebote. Als Antwort auf die steigende Nutzernachfrage wachsen parallel sowohl die Märkte in diesem Bereich als auch die Zielgruppe. Dabei entstehen Online-Lernangebote häufig im kommerziellen Kontext mit einer direkten Absicht zur Gewinnerzielung. Die Geschäftsmodelle (GM) sind vielfältig und reichen von Freemiumund Abo-Modellen über tutorierte Onlinekurse bis hin zu individuellen Kursen im Kontext von Weiterbildungen. Eine Nutzung der beim Lernen entstehenden Daten der Lernenden zum Zweck des Marketings erfolgt bislang nicht. In diesem Beitrag stellen wir ein zweiseitiges GM vor, welches klassische OnlineLernangebote mit einem datengetriebenen GM zur Ausspielung nutzerspezifischer Werbung kombiniert. Die grundlegende Motivation dieses GM ist vielschichtig und auf einen nicht kommerziellen Kontext ausgerichtet, in welchem Onlinekurse entstehen. Zum einen werden im Rahmen von Forschungsprojekten häufig Finanzierungen für einen konkreten Zeitrahmen zur Verfügung gestellt, welche die Erstellung von Onlinekursen als Förderziel haben. Nach Ablauf der Förderperiode stellt sich die Frage der künftigen Nutzung, die von der anschließenden Finanzierung durch geeignete Partner abhängig ist. Findet sich kein Partner, werden solche Projekte eingestellt. Im anderen Fall erfolgt eine kommerzielle Ausrichtung der Projekte, sodass das primäre Vorhaben, beispielsweise Onlinekurse den Endanwendern kostenfrei zur Verfügung zu stellen, scheitert. Dabei entstehen an Universitäten und Forschungseinrichtungen durch geförderte Projekte viele sehr hochwertige Beiträge, deren Nutzung durch die Öffentlichkeit möglich sein sollte (BMBF 2020). Einen zweiten nicht kommerziellen Kontext bilden Onlinekurse, welche im Rahmen von Seminaren durch Studierende erstellt wurden mit dem Ziel, ihre Kompetenzen zur kritischen Begutachtung, konzeptuellen und technischen Umsetzung bereits im Studium zu entwickeln (Vladova und Rüdian 2020). Gerade im Rahmen des Studiums entsteht seitens der Studierenden viel Output – beispielsweise in Form von Seminararbeiten – der jedoch nicht veröffentlicht wird. Ein selbst erstellter Onlinekurs kann als Referenz genutzt werden, wenn dieser auch nach dem Seminar Dritten zur Verfügung steht. Demnach diskutieren wir in diesem Beitrag zwei Quellen, aus denen hochwertige Onlinekurse ohne kommerziellen Hintergrund entstehen: 1) aus geförderten Drittmittelprojekten und 2) durch Studierende; und entwickeln hierzu ein zweiseitiges GM auf der Grundlage des Business Model Canvas (Osterwalder und Pigneur 2010), kurz: BMC. Das erste GM umfasst demnach die Erstellung und Verwertung von Onlinekursen, die in hoher Anzahl mit hoher Qualität bereits jetzt fortlaufend erstellt werden. Parallel dazu erstellen auch Dritte immer wieder Lerninhalte. So entwickeln Lehrende Lernvideos für ihre Schüler, aber auch weitere Lernangebote können skalierbar in Onlineformate transformiert werden. Auch wenn diese und weitere Quellen bekannt sind und gut funktionieren, besteht nach wie vor das Problem der angemessenen künftigen Bereitstellung und Verwertung. Vor dem Hintergrund dieser Problematik wird in diesem Paper das erste GM entwickelt – Das Geschäftsmodell für die Verwertung und Bereitstellung von Onlinekursen als DataUser-GM (Wiener et al. 2020), welches im Folgenden als GM: gekennzeichnet wird. Haben Lernende Zugriff auf die bereits entwickelten Onlinekurse und nutzen sie die Angebote zum Lernen, entstehen hierbei wie in jeder Webanwendung Daten. JeK 510 S. Rüdian, G. Vladova der Klick wird aufgezeichnet und auch jede interaktive Anwendung (z.B. ein Quiz) erzeugt Daten darüber, wie gut jeder Lernende Aufgaben oder Fragen gelöst hat. In einem Forschungsbeitrag (Rüdian et al. 2019) stellten die Autoren fest, dass die Kombination der Daten in einem Onlinekurs, bezeichnet als Klickstromdaten genutzt werden können, um Persönlichkeitseigenschaften vorherzusagen. Hierzu wurde ein klassisches Neuronales Netz trainiert und mit den Konstrukten aus zwei Fragebögen kombiniert, Big-5 (Barrick und Mount 1991) und CVSCALE (Yoo et al. 2011), um diese vorherzusagen. Dies funktioniert mit einer hohen Genauigkeit, sodass diese Technik praktisch einsetzbar ist. Die Idee der Autoren besteht darin, diese Informationen zur individuellen Adaption von Onlinekursen zu nutzen. Einem Lernenden, der beispielsweise eine hohe Persönlichkeitsausprägung der „Individualism“-Eigenschaft hat, muss keine Aufgabe vorgeschlagen werden, die es in einer Gruppe zu lösen gilt. Andere haben als Persönlichkeitsmerkmal eine erhöhte Unsicherheit. Die Kenntnis hierüber kann genutzt werden, um die Lernenden mit Hilfestellungen in Onlinekursen zu unterstützten. Diese Adaptionen können helfen, sowohl die Motivation als auch den Lernerfolg der Lernenden zu verbessern. Die hierbei entstehenden Nutzerprofile, welche die Persönlichkeiten abbilden können, sind aus der Marketingperspektive höchst bedeutsam. Die Geschäftsmodelle großer Tech-Konzerne wie Google zeigen wie wichtig Nutzerprofile sind, um Kaufintentionen abzuleiten, die für nutzerspezifische Werbung genutzt werden können (Krys und Wiedemann 2011). Das Angebot, eine Suche für Webseiten bereitzustellen, kennzeichnet dort das sichtbare GM; doch die Nutzung der Verhaltensdaten zur Profilbildung und Anwendung im Marketing ist das allgegenwärtige kostentragende GM und wird weitläufig akzeptiert (Cabinakova et al. 2016). In Anlehnung daran schlagen wir die Nutzung der aus Onlinekursen abgeleiteten Nutzerprofile in einem GM vor, um diese zum Zweck des Marketings zur Ausspielung nutzerspezifischer Werbung zu verwenden (GM$). Damit können die Bereitstellung und Instandhaltung der Infrastruktur und die Betreuung der Onlinekurse aus dem GM: finanziert werden. Wir nutzen die Typologie von Wiener et al. (2020) und unterscheiden zwischen „Data User“ (welcher die Onlinekurse und gewonnenen Daten für interne Zwecke nutzt) und dem „Data Supplier“ (welcher die gewonnenen Daten weiter vermarkter und monetarisiert) als zwei Grundtypen von GM. Das GM$ ist nach der Typologie von Wiener et al. (2020) ein Data-Supplier-GM, welches die entstehenden Klickstromdaten mit abgeleiteten Nutzerprofilen aus den Onlinekursen des ersten GM: verwendet. Es handelt sich nicht um ein weiteres Data-User-GM, da Nutzerprofile nicht nur auf der eigenen Plattform genutzt werden sollen, sondern auch an Werbenetzwerke zum Zweck der Monetarisierung übertragen werden. Im Rahmen dieses Beitrags werden zuerst die theoretischen Grundlagen erläutert und nachfolgend umfassende Perspektiven des zweiseitigen Geschäftsmodells (GM: und GM$) präsentiert und dessen Umsetzung, Machbarkeit und Akzeptanz diskutiert. K Kostenfreie Onlinekurse nachhaltig mit personalisiertem Marketing finanzieren – Ein... 511 2 Nutzereigenschaften als Grundlage für personalisierte OnlineWerbung In der Literatur werden verschiedene Modelle verwendet, um Nutzereigenschaften und Normen auf der persönlichen Ebene in Onlinekursen zu definieren, von denen wir uns auf zwei beschränken. Auf der einen Seite unterscheidet Hofstede Personengruppen anhand von 6 kulturellen Merkmalen: Machtdistanz, Individualismus, Unsicherheitsvermeidung, Langzeitorientierung, Maskulinität und Genuss (Hofstede 2017). Diese Normen und Präferenzen können auf der Persönlichkeitsebene erhoben werden, da die Beschreibungen der definierten Konstrukte nicht ausschließlich für Gruppen gelten. Dies wurde in der CVSCALE evaluiert (Yoo et al. 2011). Auf der anderen Seite können durch die Anwendung des Big-5-Tests (Barrick und Mount 1991) Merkmale zur Persönlichkeit abgeleitet werden (Offenheit, Gewissenhaftigkeit, Extraversion, Verträglichkeit und Neurotizismus). Persönlichkeitsmerkmale beschreiben, anders als abgeleitete Normen, Gedanken und Verhaltensmuster (Mooij 2015). Beide Modelle sind mit einer hohen Genauigkeit anhand des Nutzerverhaltens innerhalb von Onlinekursen vorhersagbar (Rüdian et al. 2019) und beide können im Lernkontext zum Zweck der Personalisierung genutzt werden. Caliskan (2019) untersuchte, ob im Beziehungsmarketing (Relationship Marketing) zum Aufbau einer erfolgreichen Beziehung zwischen Konsument*innen und Marken die Persönlichkeitsmerkmale aus dem Big-5-Test zur Auswahl einer optimalen Strategie verwendet werden können. Die Ergebnisse haben gezeigt, dass die Big-5-Persönlichkeitseigenschaften allesamt genutzt werden können, um die für Konsument*innen optimalen Strategien zu wählen. Es gibt zahlreiche Studien, welche Marketingstrategien bezogen auf Persönlichkeitsmerkmale untersucht haben. Hirschman (1980) zeigte beispielsweise, dass die hohe Offenheit für neue Erfahrungen dazu führt, dass jene Personengruppe eher bereit ist, neue Produkte anzunehmen. Neurotizismus mit einer geringen emotionalen Stabilität hat zur Folge, dass jene Personengruppen weniger Vertrauen haben und kritisch gegenüber Neuem sind (Freitag und Bauer 2016). Personen mit hoher Gewissenhaftigkeit sind sehr organisiert, planen ihre Ausgaben und benötigen detaillierte Informationen, um eine Entscheidung treffen zu können (Mondak 2010). Die Big-5-Persönlichkeitsmerkmale haben gemäß Guido (2006) eine hohe Korrelation zu hedonischen und utilitaristischen Kaufmetriken (Ahtola 1985). Deren Kenntnis ist im Marketing äußerst nützlich, um die Effizienz zu erhöhen und nutzerspezifische Marketingstrategien anzuwenden. Es ist daher in vielen Szenarien nicht optimal, lediglich anhand demographischer Daten Werbemaßnahmen zu personalisieren. Die Nutzung von Merkmalen auf der Persönlichkeitsebene ermöglicht neue Perspektiven für das Marketing. Während die kulturelle Skala von Hofstede (2011) lediglich den Durchschnitt von Personengruppen erfasst, welcher für den Einsatz im Marketing immer wieder kritisiert wird (Venaik und Brewer 2013), liefert die CVSCALE Normen auf der Persönlichkeitsebene, welche auch in Korrelation zu den Big-5 Merkmalen stehen (Chien et al. 2016). Gemäß Jagodzinsky (2004) fokussieren wir damit den Bereich der Mikro-Ebene. Wird lediglich das Herkunftsland der Lernenden als Basis zur Ableitung von Normen und Präferenzen gemäß Hofstede (2011) verwendet und die dort zum Vergleich von Kulturen genutzten Charakteristika der individuellen EbeK 512 S. Rüdian, G. Vladova ne gleichgesetzt, führt das aufgrund der hohen Streuung innerhalb der kulturellen Gruppen zu starken Abweichungen (Rüdian und Gundlach 2021). Onlinekurse nur auf Länderebene zu optimieren kann viele Personengruppen systematisch ausschließen, da die kulturelle Ebene nicht mit der individuellen Ebene gleichgesetzt werden kann (Fischer und Poortinga 2012). Daher sollte der Transfer von länderspezifischen kulturellen Eigenschaften auf das Individuum vermieden werden (Taras et al. 2010), da sonst fehlerhafte Schlussfolgerungen getroffen werden können. Eine Skala für Konstrukte auf der individuellen Ebene, welche die CVSCALE liefert, ist daher notwendig. Besonders bedeutsam ist die Verbindung zwischen persönlichen Wertevorstellungen und Verhaltensweisen, durch welche sich in einem gewissen Grad das Verbraucherverhalten vorhersagen lässt (Mooij 2015). Für nutzerspezifisches Marketing ist die Kenntnis darüber ein Anhaltspunkt, Nutzende in Segmente zu überführen, um möglichst effiziente Marketingstrategien zu verfolgen. Bezogen auf die Aktivität innerhalb von Onlinekursen kann zudem der Wissensstand in einem Modell abgebildet werden, um den Lernpfad zu personalisieren (Brusilovsky et al. 2005). Dies ist ein wichtiger Kernaspekt adaptiver Onlinekurse, um zeiteffizient zu lernen und durch Automatismen bereits bekanntes Wissen nicht erneut grundlegend lernen zu müssen, was bei einem fest definierten Lernpfad der Fall ist. Zudem kann ein solches Wissens-Modell genutzt werden, um Empfehlungsalgorithmen anzuwenden, welche einen effizienten Zugang zu potenziell interessanten und dem Lernenden (noch) unbekannten Onlinekursen ermöglichen (Drachsler et al. 2008). Je nach Motivation zur Teilnahme an Onlinekursen kann das Wissen von Lernenden aus der Marketingperspektive genutzt werden, um Interessen abzuleiten. Ist das Lernangebot inhaltlich vielfältig und breit gestreut, lassen sich situative Merkmale ableiten, um zum Beispiel berufliche Angebote zu bewerben. Decken Kurse abseits der akademischen Welt Themen ab, welche Hobbies der Lernenden behandeln, lassen sich hier ebenfalls Interessen ableiten, um sie einem Profil hinzuzufügen. 3 Synergetische Kombination zweier datengetriebener Geschäftsmodelle Im Folgenden verwenden wir das „Business Model Canvas“ (Osterwalder und Pigneur 2010), um die zwei oben eingeführten GMs zu entwickeln. Das BMC ist „eine gemeinsame Sprache zur Beschreibung, Visualisierung, Bewertung und Veränderung von Geschäftsmodellen“ (Osterwalder und Pigneur 2010). Es wurde mit dem Ziel entwickelt, Organisationen und Manager dabei zu unterstützen, ein Modell über die relevanten Aktivitäten zu entwerfen, um es in der gesamten Organisation zu kommunizieren. Das Modell berücksichtigt vier grundlegende Geschäftsbereiche sowie relevante Einflussgrößen (Osterwalder und Pigneur 2010). Zusammengefasst unterstützt das Modell die Analyse und Darstellung, wobei andere Instrumente zur Analyse und Quantifizierung die Ergebnisse erweitern können. Das BMC wurde in diversen Praxiskontexten angewandt, unter anderem im Kontext der Digitalisierung (Heberle et al. 2017) sowie im universitären Kontext (Rytkönen und Nenonen 2014). K Kostenfreie Onlinekurse nachhaltig mit personalisiertem Marketing finanzieren – Ein... 513 Unser zweiseitiges GM besteht aus dem Data-User-GM (bezeichnet als GM:) und Supplier-GM (bezeichnet als GM$). Die GMs unterscheiden sich grundlegend in ihrer Ausrichtung, Zielgruppe und Aktivitäten, sind jedoch als Symbiose notwendig, da GM: in der vorgestellten Form nicht kostendeckend agieren kann und GM$ die essenzielle Datengrundlage zur Profilbildung für nutzerspezifische Werbung fehlt. Daher ist eine Kombination beider Modelle in einem Gesamtkonzept notwendig, die mit Vorteilen bei ihrer Nutzung einhergeht. Solche Geschäftsmodell-Synergien adressieren die positiven Auswirkungen als Folge davon, dass zwei in sich eigenständige und getrennte Geschäftsmodelle miteinander verbunden werden, wie beispielweise bei der Verbindung von digitalen und nicht-digitalen GM in Unternehmen (vgl. Toutaoui et al. 2021). Grundlage für die Konzeption des zweiseitigen GMs ist das Ergebnis von Experteninterviews mit je drei Vertretern der Lehrenden, Lernenden, Wirtschaftsinformatikern und Betriebswirtschaftlern, welche jeweils 45min dauerten. Die Experten lieferten vor dem Hintergrund ihres konkreten Fachwissens direkte Hinweise, die notwendig waren, um den interdisziplinären Herausforderungen der GM-Entwicklung gerecht zu werden. Sowohl die Anwenderund Nutzerperspektive als auch die Wirtschaftlichkeit und die konkrete technische Umsetzung wurden in der Konzeptionsphase adressiert. Die entstandenen BMC sind in Abb. 1separat dargestellt. Die Basis für GM: ist die Existenz hochwertiger Onlinekurse, die durch Projekte entstehen, welche öffentlich finanziert wurden, jedoch in ihrem Dasein häufig zeitlich limitiert sind. Parallel entstehen an Universitäten und Hochschulen tausende Onlinekurse, deren Entwicklung durch die COVID-19 Krise noch weiter vorangetrieben wurde. Auch an Schulen entstehen Onlinekurse, um Schülerinnen und Schülern das Lernen von Zuhause aus zu ermöglichen. Dank moderner Technologien wie H5P lassen sich viele Konzepte einfach technisch umsetzen. Seitens der Erstellenden besteht ein hohes Bedürfnis, dass die erstellen Kurse auch nach Ablauf der Projektlaufzeiten weiterhin ein breites Zielpublikum erreichen und keine fortlaufende administrative Arbeit entsteht. Diese Kurse werden in eine moderne Onlinekursplattform übertragen und gebündelt. Während für gängige Onlinekursanbieter die Erstellung einer der größten Kostenfaktoren ist, können wir auf existierendem Material aufbauen. Kurse können anhand von Leitfäden in einem PeerReview-Verfahren evaluiert werden – sodass für den Fall, dass identische Themen mehrfach abgedeckt werden, die bestmögliche Version identifiziert und verwendet wird. Die wichtigsten Ressourcen sind die bestehenden Onlinekurse und eine Plattform mit Infrastruktur, auf welche die Kurse übertragen werden können. Aber auch Tutor*innen sind ein wichtiger Faktor, welche die Lernenden begleiten und nutzerspezifisches Feedback geben können, welches noch nicht vollständig von KIMethoden abgedeckt werden kann (VanLehn 2006). Dies ist vor allem für Lernangebote notwendig, welche nicht automatisiert ausgewertet werden können. Durch das Angebot an hochwertigen kostenfreien Onlinekursen „free of charge“ (Schüritz et al. 2017) für die Lernenden wird der Zugang für die Zielgruppe erleichtert, was einen hohen Wettbewerbsvorteil verspricht. Die Schwelle zur Teilnahme ist demnach niedrig angesetzt, wodurch ein schnelleres Wachstum erzielt werden kann als durch kostenpflichtige Lernangebote. Grundlegend ist das GM: wertorientiert, erzeugt jedoch Kosten, deren größter Anteil sowohl aus der Bereitstellung der Infrastruktur K 514 S. Rüdian, G. Vladova Schlüsselpartner Universitäten Schulen Partner geförderter Projekte (BMBF, DFG) Freie Erstellende von (Online-) Lernmaterialien Motivationen: Fortlaufende Bereitstellung erstellter Onlinekurse über Projektund Finanzierungslaufzeiten hinaus Erreichen einer größeren Zielgruppe Wertschätzung für erstellte Arbeiten Schlüsselaktivitäten Onlinekurse hoher Qualität Verbreitung über Onlineplattform Zielgruppe: Alle Lernende zur Weiterbildung Kostendeckendes Angebot Kategorie: Plattform/Netzwerk Schlüsselressourcen Peer-reviewed Onlinekurse Klickstromdaten Tutor*innen für tutorierte Kurse Transferleistung von Kursen in Plattform Technische Infrastruktur Technischer Support Wertangebote Kostenfreier Zugang zu Onlinekursen Ohne Beschränkungen Bessere Zugänglichkeit Bessere Optimierungen wegen hoher Nutzerzahl möglich Adaptionen von Lernpfaden, die sonst nur auf in einer Plattform beschränkten Themen möglich sind Keine Bindung an einzelne Distributoren Kundenbeziehungen Geführte Lernerfahrung mit zeiteffizienterem Lernergebnis Permanente Bereitstellung der Onlinekurse KI-Assistenten für Fragen Themen-Communities zum Austausch Technische Zugangsbarrieren überwinden Automatisierte Dienstleistung Mitbeteiligung an Communities Zielgruppe: Lebenslange Lernende Studierende Schüler Kundensegmente Institute an Universitäten, um Studierende zu erreichen Lehrende an Schulen, welche Schüler erreichen Nachhilfeunterricht als außerschulische Aktivität Influencer, welche selbst lernen Weiterbildungseinrichtungen für ergänzende Themen im Selbststudium Kanäle Netzwerke in Universitäten Netzwerke in Schulen Engagierte Influencer Kostenstruktur GM wertorientiert Angebot kostenfrei Key Ressources: Technische Infrastruktur, Verfügbarkeit, Tutor*innen (falls nötig) Key Activities: Peer-Review für bereits existierende Onlinekurse Fix-Kosten: Gehälter (Entwicklung, Technik, Support, Manager), Miete Büro Variable Kosten: Infrastruktur (skalierbar), Kurstransfer (einmalige Kosten je Kurs), Tutoren nach Bedarf Einnahmequellen Bereitschaft zur Akzeptanz nutzerspezifischer Werbung. Akzeptanz der Auswertung des Nutzerverhaltens a) Zur Optimierung von Onlinekursen b) Zur Erstellung eines Nutzerprofiles zum Zweck der Werbung Einnahmen durch Weitergabe von b) an Facilitator-GM GM⁖ Onlinekurse, kostenfrei verfügbar Schlüsselpartner Werbepartner Werbenetzwerke GM⁖ Motivationen: Neue zielgerichtete Werbung mit der Ausrichtung nach Persönlichkeitseigenschaften, Normvorstellungen und Interessen Schlüsselaktivitäten Auswertung der Verhaltensdaten aus GM ⁖ zur Profilbildung Bereitstellung einer Plattform zum Buchen von Werbeplätzen in GM⁖ oder bei weiteren Werbenetzwerken Kategorie: Profiling Plattform/Netzwerk Schlüsselressourcen Existenz von Nutzerprofilen aus GM⁖ zum Targeting Plattform zum Buchen von Werbeplätzen Visualisierung von Statistiken Wertangebote Zugriff auf aggregierte Kundensegmente zum Ausspielen segmentspezifischer Werbung Zugang zur Zielgruppe, welche segment-spezifische Werbung akzeptiert Kundensegmente nach Persönlichkeiten, Normen und Interessen separieren Ausspielung kostenoptimierter Werbung durch Targeting Reduzierung einer zu breiten Streuung und Reduktion von Streuverlust Kundenbeziehungen Auswahl von Kundensegmenten zur Ausspielung von Werbung und Kenntnisse über Reichweite (Selbstbedienung möglich) Geleitete Auswahl von Kundensegmenten durch Beratung (persönliche Unterstützung) Kundensegmente Werbepartner (segmentiert) Werbenetzwerke (Nischenmärkte) Recruiter (Nischenmärkte) Kanäle Werbenetzwerke Vertriebsmitarbeiter Messen Contentmarketing Kostenstruktur Maximale Automation Key Ressources: Plattform, Verfügbarkeit, Berater Key Activities: Peer-Review für bereits existierende Onlinekurse Fix-Kosten: Gehälter (Entwicklung, Technik, Support, Manager, Vertriebsmitarbeiter, Marketing), Miete Büro, technische Infrastruktur, (Offline-) Werbemittel Variable Kosten: Marketingmaßnahmen (online + offline) Einnahmequellen Vermietung von Werbeplätzen auf Plattform des GM⁖ Variable Preise (Auktionen) je nach Bedarf an spezifischen Kundensegmenten Möglichkeit von gesponserten Onlinekursen (Preis nach Verhandlung) Abgeleitete Nutzerprofile mit Zuordnung an Werbenetzwerke verkaufen GM$ Werbeplattform mit Nutzerprofilen aus Onlinekursen zum Targeting - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Abb. 1 Business Model Canvas der GMs Data User als GM: und Data Supplier als GM$ bestehen als auch aus dem Angebot der Tutorierung, deren Notwendigkeit in einer quantitativen Befragung überwiegend bestätigt wurde (siehe Kap. 4). Der im GM: entstehende Wert ist die Sammlung der Nutzerdaten. Das GM: agiert demnach als Datenlieferant. Jene Daten sind die Grundlage für das GM$. Das kostentragende GM$ ist darauf ausgerichtet, das GM: vollumfassend zu finanzieren. Hierzu werden aus den Nutzerdaten weitere personenbezogene Metadaten abgeleitet, z.B. Persönlichkeitseigenschaften und Interessen. Die dabei abgeleiteten Nutzerprofile sind die Basis, um nutzerspezifische Werbung – innerhalb der Lernplattform und in dritten Werbenetzwerken – zu ermöglichen. Werbenden können verschiedene Kundengruppen, aufbereitet nach Segmenten, angeboten werden, um K