ResearchPDF Available

Plattforminnovation im Mittelstand

Authors:

Abstract and Figures

Die Studie untersucht die Verbreitung von mittelstandsorientierten Plattformorganisationen (MPO) in Deutschland und deren Hindernisse und Chancen in der Plattforminnovation. MPO sind Organisationen, die digitale Plattformen anbieten, welche sich auf mindestens einer Marktseite direkt an mittelständische Unternehmen als zentrale Nutzergruppe richten. MPO werden von kleinen und mittleren Unternehmen (KMU) selbst oder von Großunternehmen und Startups betrieben. Kernergebnis der Studie ist, dass mittelständische Unternehmen im Sinne dieser Studie das Potenzial haben, von Plattforminnovation zu profitieren, dass es jedoch bisher vor allem Großunternehmen und Startups sind, die MPO aufbauen. Als Policy-Optionen legt die Studie nahe, die Förderung von Initiativen zur Geschäftsmodell- innovation weiter auszubauen und dadurch Plattforminnovation für mittelständische Unternehmen vor Ort zugänglich zu machen. Zudem wird das Konzept einer Plattform-Agentur vorgeschlagen, welche technische Infrastruktur und Open-Source-Software-Komponenten bereit stellt, deren Bedarf mittels nutzerzentrierter Verfahren im Markt erkannt wurde.
Content may be subject to copyright.
Nicolas Friederici, Tina Krell, Philip Meier,
Fabian Braesemann, Fabian Stephany
Plattforminnovation
im Mittelstand
Abschlussbericht des Forschungsvorhabens fe 12/19: 
„Hindernisse und Gelingensbedingungen für kooperative Ansätze kleiner
und mittlerer Unternehmen in datenbasierten Märkten und Branchen“
Plattforminnovation im Mittelstand
Forschungsvorhaben im Auftrag des Bundesministeriums der Finanzen
September 2020
Diese Studie präsentiert die Ergebnisse aus dem Forschungsprojekt „DaPla“
(Datenkooperations-Plattformen für den Mittelstand), durchgeführt durch das Alexander von
Humboldt Institut für Internet und Gesellschaft (HIIG). Die Studie wurde durch das
Bundesministerium der Finanzen beauftragt. Die AutorInnen danken Dr. Ali Aslan Gümüsay,
Lena Starke, Nastasja Krohe, Nils Hungerland und Paul Rehfeld für ihre wertvollen Beiträge und      
tatkräftige Unterstützung.
1
Plattforminnovation im Mittelstand
INHALT
Zusammenfassung 5
1 HERAUSFORDERUNG
Digitale Souveränität des Mittelstands im Zeitalter der Plattformwirtschaft 6
2 HINTERGRUND
Von Plattformnutzung zu Plattforminnovation 11
2.1Plattformnutzung im Mittelstand 11
2.2 Digitale Geschäftsmodellinnovation – Wo ist der Mittelstand? 12
2.3 Plattforminnovation im Mittelstand 13
2.4 Plattformen für den Mittelstand: MPO als wesentliche Forschungslücke 15
3 FORSCHUNGSDESIGN
Ein explorativer Mixed-Methods Ansatz 16
3.1 Sekundärforschung 17
3.2 Datenwissenschaftliche Netzwerkanalyse 17
3.3 Experteninterviews 20
3.4 Fallstudien 20
3.5 Policy Co-Creation Workshop 22
4 DIE MPO-LANDSCHAFT IN DEUTSCHLAND
Verteilung, Technologie-Cluster und Netzwerke 23
4.1 Geringe Verbreitung von mittelständisch betriebenen MPO und Dominanz von
Großunternehmen und Startups 23
4.2 Geografische Konzentration auf Westdeutschland und Städte 26
4.3 Technologische Cluster in E-Commerce, Manufacturing und Software 28
4.4 Finanzierung und Führungspersonal bestehender MPO 30
4.5 Vergleich der qualitativen und quantitativen Landschaftsanalyse 34
5 HINDERNISSE UND GELINGENSBEDINGUNGEN
Erfolgsfaktoren für MPO-Aufbau und -Betrieb 37
5.1 Unabhängigkeit und Selbstverständnis des Mittelstands 38
5.2 Ressourcenmangel 40
5.3 Marktbedingungen im B2B-Bereich 43
2
Plattforminnovation im Mittelstand
6 FALLSTUDIEN
Unternehmensperspektive und Zusammenhänge 45
6.1 ADAMOS: Das Plattform-Konsortium vom Maschinenbau für den Maschinenbau 45
6.2 Siemens MindSphere: Vom internen Projekt zum Plattform-Service-Ökosystem 49
6.3 wind-turbine: Der Marktplatz für gebrauchte Windkraftanlagen in Europa 52
6.4 Vergleichende Analyse 56
7 POLICY-OPTIONEN
Evidenzbasierte Wege der Förderung von MPO 60
7.1 Plattforminnovation vor Ort 61
7.2 Plattform-Agentur als Entwicklerin von digitalen Bausteinen 62
7.3 Weitere Handlungsfelder 64
8 FAZIT
Viele Hürden, viel Potenzial für nachhaltige Innovationen 69
8.1 Zusammenfassung 69
8.2 Ausblick 71
ERKLÄRUNG ZU INTERESSENKONFLIKTEN 72
QUELLENVERZEICHNIS 73
ÜBER DAS HIIG 77
ANHANG I. 79
ANHANG II. 86
Diskussion 1 – Plattform-Agenturen und Anschubfinanzierung 86
Diskussion 2 – Konsortialpartnerschaften und Gütesiegel 87
Diskussion 3 – Regionale Förderung und Technisches Talent 89
 
3
Plattforminnovation im Mittelstand
Zusammenfassung
Die Studie untersucht die Verbreitung von mittelstandsorientierten Plattformorganisationen
(MPO) in Deutschland und deren Hindernisse und Chancen in der Plattforminnovation. MPO
sind Organisationen, die digitale Plattformen anbieten, welche sich auf mindestens einer
Marktseite direkt an mittelständische Unternehmen als zentrale Nutzergruppe richten. MPO
werden von kleinen und mittleren Unternehmen (KMU) selbst oder von Großunternehmen und
Startups betrieben. Die primären analytischen Ziele dieser Studie sind (1) eine Übersicht zu
bereits existierenden MPO zu erstellen und (2) fördernde und hindernde Faktoren für deren    
Aufbau und Skalierung zu identifizieren. Das Forschungsdesign umfasst die
datenwissenschaftliche Auswertung der Online-Plattform Crunchbase (einer Datenbank von
Finanzierungs- und Personal-Profilen von Digitalunternehmen), die Analyse von relevanter
Sekundärliteratur, Interviews mit 21 ExpertInnen, drei MPO-Fallstudien und einen Co-Creation
Workshop zur Einschätzung von Policy-Optionen mit Vertretern aus Forschung und Wirtschaft.
Kernergebnis der Studie ist, dass mittelständische Unternehmen im Sinne dieser Studie das
Potenzial haben, von Plattforminnovation zu profitieren, dass es jedoch bisher vor allem
Großunternehmen und Startups sind, die MPO aufbauen. Weiche Faktoren, wie die mit
Plattform-Ökosystemen verbundene Rollenneufindung, mangelnde Identifikation von KMU mit
Plattformen und Unsicherheit um Datensouveränität, -sicherheit und -schutz seitens, sind zentral.
Auch harte Faktoren wie mangelnde semantische Standards und Dateninteroperabilität, die
Kosten-Nutzen-Frage und knappe finanzielle und personelle Ressourcen sind Kernhindernisse für   
den Mittelstand. Der Großteil der deutschen MPO (~80%) ist im Business-to-Business-Umfeld
(B2B) aktiv. Die Studie zeigt außerdem auf, dass die B2B-Marktsituation sich von der im
Business-to-Consumer-Markt (B2C) unterscheidet, insofern als dass Plattformbetrieb und
-nutzung nach unterschiedlichen Regeln funktionieren. Es reicht für MPO-Betreiber in der
Regel nicht aus, lediglich Plattforminfrastruktur aufzubauen und bereitzustellen um Verbund-
und Skaleneffekte zu erreichen. Stattdessen müssen Anbieter und Nutzer aktiv durch den
Plattformbetreiber unterstützt und befähigt werden um deren Anschlussfähigkeit zur Plattform zu
gewährleisten.
Als Policy-Optionen legt die Studie nahe, die Förderung von Initiativen zur Geschäftsmodell-
innovation weiter auszubauen und dadurch Plattforminnovation für mittelständische
Unternehmen vor Ort zugänglich zu machen. Zudem wird das Konzept einer Plattform-Agentur
vorgeschlagen, welche technische Infrastruktur und Open-Source-Software-Komponenten bereit
stellt, deren Bedarf mittels nutzerzentrierter Verfahren im Markt erkannt wurde.
4
Plattforminnovation im Mittelstand
1HERAUSFORDERUNG
Digitale Souveränität des Mittelstands im Zeitalter der Plattformwirtschaft
Die Notwendigkeit der Förderung der Digitalisierung des Mittelstands auf Bundesebene ist      
1
weithin anerkannt und wird ministerienübergreifend durch mehrere Initiativen der
Bundesregierung, allen voran Industrie 4.0 und Mittelstand Digital unterstützt (Bundesregierung,
2018). Durch Arbeitsgruppen wie „Digitale Geschäftsmodelle in der Industrie 4.0“ der Plattform
Industrie 4.0-Initiative gewinnt in den letzten Jahren auch Plattforminnovation für den
Mittelstand zunehmend an Bedeutung (BMWi, 2019a). Dabei kristallisiert sich heraus, dass es
zwei Betrachtungsebenen in Forschung und Förderung gibt: Die Digitalisierung von
bestehenden Geschäftsmodellen und die digitale Geschäftsmodellinnovation.
2
Untersuchungen zeigen, dass mittelständische Unternehmen vermehrt in Software,
IT-Strukturen und Online-Marketing investieren um durch Prozessoptimierung,
Effizienzsteigerung und Kosteneinsparung Mehrwert im bestehenden Geschäftsmodell zu
generieren (BMWi, 2019b; Zimmermann, 2018). Gleichzeitig zeigt die Betrachtung der weltweit
wertvollsten Unternehmen, dass exponentielle Wertschöpfungssteigerungen nicht in der
Digitalisierung per se, sondern in der digitalen Geschäftsmodellinnovation zu liegen scheinen
(Picard & Hunter, 2019). Die meisten der erfolgreichsten Unternehmen betreiben als Kern ihres
Geschäftsmodells digitale Plattformen, die an der Schnittstelle von Angebot und Nachfrage
positioniert sind und dabei teils mächtige Monopole bilden. Insbesondere Unternehmen in
traditionellen Branchen sind mit Herausforderung konfrontiert, den dadurch entstehenden
Wandel in der Wirtschaftswelt zu verstehen und mitzugestalten. Mittelständische Unternehmen
stehen dabei vor der Entscheidung, als einen möglichen Weg der Partizipation selbst in
Plattforminnovation zu investieren.
1Mittelstand ist qualitativ definiert durch „Geschäftsführung, Eigentumsverhältnisse und wirtschaftliche
Unabhängigkeit“, über folgende drei Merkmale:
Unternehmer üben maßgeblichen persönlichen Einfluss aus,
Unternehmer tragen das unternehmerische Risiko,
das Unternehmen sichert die persönliche Erwerbs- und Existenzgrundlage des Unternehmers.
„Tatsächlich erfüllt auch die Mehrheit der kleinen und mittleren Unternehmen (KMU) die qualitativen Kriterien des
Mittelstandsbegriffs. Ebenso können aber auch große Unternehmen zum Mittelstand zählen.“ (IfM Bonn, 2020).
2Ein Geschäftsmodell bezeichnet die Art und Weise, wie ein Unternehmen am Markt wirtschaftlichen Wert schafft    
und bei Kunden Nutzen stiftet (Keen & Williams, 2013; Schallmo, 2013). Bei digitalen Geschäftsmodellen passieren
Wertschöpfung und Nutzenstiftung im Unternehmen digital, also basierend auf digitalen Komponenten oder durch
eine hauptsächlich auf digitalen Technologien basierende Tätigkeit (Metzger, 2017).
5
Plattforminnovation im Mittelstand
Digitale Plattformen bieten offene, partizipatorische Infrastrukturen, auf denen externe Akteure
3 4
miteinander interagieren. Das Plattform-betreibende Unternehmen legt die Bedingungen fest,
denen diese Interaktionen unterliegen. Der übergreifende Zweck der Plattform ist es, den
Austausch von Gütern, Dienstleistungen oder sozialer Währung zu erleichtern und damit
kollektive Wertschöpfung durch alle Beteiligten zu ermöglichen (Parker, Van Alstyne &
Choudary, 2016). Durch den Betrieb digitaler Plattformen lagern Unternehmen also Teile der
Wertschöpfung aus und nehmen eine eher orchestrierende Rolle ein. Parker et al. (2016) sprechen
in diesem Zusammenhang von invertierten Unternehmen. Dies ermöglicht den Orchestratoren,
Nutzen und Reichweite der eigenen Wertversprechen Netzwerkeffekt-getrieben schnell und
weit zu skalieren (Eisenmann et al., 2011).
Der Prozess der Plattformisierung (also des Vordringens von digitalen Plattformen in immer
mehr Industrien, Sektoren und Wertschöpfungsketten) ist zwar bisher in Konsummärkten am
weitesten fortgeschritten, findet nunmehr aber auch Einzug in unterschiedliche Industriezweige
(Fraunhofer ISI, 2019; Kenney, Bearson, & Zysman, 2019; Lehdonvirta et al., 2020; Meier, 2018).      
Für den Wirtschaftsstandort Deutschland birgt diese Entwicklung neben Chancen der absoluten
Wertsteigerung auch erhebliche strukturelle Risiken. Angesichts der globalen Dominanz von
Plattformen aus den USA und China fallen die Gewinne der expandierenden Digitalwirtschaft zu
großen Teilen im außereuropäischen Ausland an, selbst wenn ein erheblicher Anteil der
Wertschöpfung im Inland erbracht wird. Deutsche Firmen sind bisher eher Betroffene als aktive
Treiber von Plattformisierung. Der Wandel von analogen, meist Produkt-fokussierten hin zu
digitalen Geschäftsmodellen scheint gerade vielen mittelständischen Unternehmen schwer zu
fallen, da diese Geschäftsmodelle auf Basis grundlegend anderer Logiken funktionieren und neue
Anforderungen an Wertschöpfungsprozesse in Unternehmen oder entlang ganzer Lieferketten
stellen (El Sawy & Pereira, 2013).
Weniger unmittelbar, aber langfristig ebenso relevant ist zudem der Verlust an digitaler
Souveränität (vgl. Floridi, 2020). Außer-europäische Plattform-Unternehmen und Investoren
bringen oft liberalere und aggressivere Herangehensweisen an Wachstum und Regulierung sowie    
einen laxeren Umgang mit Werten wie Datensicherheit mit sich (van Dijck et al., 2018). Digitale
Plattformen wie Betriebssysteme oder Cloud-Anbieter stellen außerdem fundamentale digitale
Infrastruktur zur Verfügung und schaffen durch das Setzen von Standards technische
Abhängigkeiten für digitale Innovationen. GAIA-X, als ein ambitionierter staatlich geförderter
Versuch eine Infrastruktur-Alternative zu schaffen, befindet sich noch in einer frühen
Entwicklungsphase. Langfristig und im Vergleich mit China und den USA steht somit ein
3 Digitale Plattformen bieten partizipatorische Infrastrukturen, auf denen externe Akteure miteinander interagieren.
Das plattformbetreibende Unternehmen legt die Bedingungen fest, denen diese Interaktionen unterliegen. Der
übergreifende Zweck der Plattform ist es, den Austausch von Gütern, Dienstleistungen oder sozialer Währung zu
erleichtern und damit eine kollektive Wertschöpfung aller Beteiligten zu ermöglichen (Parker et al., 2016).
4Für bessere Lesbarkeit verwendet dieser Text das generische Maskulinum, außer bei Bezügen zu konkreten
Persönlichkeiten und TeilnehmerInnen des Projekts.
6
Plattforminnovation im Mittelstand
relatives Schwinden von Wirtschaftskraft, technischer Unabhängigkeit und Steuermasse zu
befürchten.
Es ist daher eine zentrale Frage, inwiefern mittelständische Unternehmen in der Lage sind, aktiv
an der vernetzten digitalen Wertschöpfung teilnehmen, sei es durch die Plattformisierung ihrer
existierenden Geschäftsmodelle oder durch den Aufbau gänzlich neuer Plattformgeschäftsmodelle.
Dabei stellt sich vor allem die Frage nach fördernden und hindernden Faktoren der digitalen
Befähigung des Mittelstands (vgl. Wrobel & Nicolai, 2019). Hierbei geht es unter anderem
darum, das Spektrum an Realisierungsmöglichkeiten bei Plattformen aufzuzeigen. Wenngleich
große transatlantische Plattformfirmen oft im Fokus der Diskussion stehen, ist es falsch, die
Debatte auf diese zu verengen. Everything-as-a-Service-Ansätze, die Produkte, Werkzeuge und
Technologien als Dienstleistungen über ein Netzwerk anbieten, sind nicht nur originären
Digitalunternehmen vorbehalten. Hidden Champions wie BHS Corrugated Maschinen- und    
Anlagenbau GmbH, Fashion Cloud oder wibutler zeigen, dass Firmen unterschiedlichster Größen,  
aus den verschiedensten Branchen von den Möglichkeiten der Plattforminnovation profitieren
können, indem sie ihr Angebot erweitern und damit neue Einnahmequellen erschließen (Wrobel
& Nicolai, 2019).
Hier setzt diese Studie an, die ihre Ziele und Herangehensweise aus den folgenden vier        
Annahmen ableitet: Erstens wird angenommen, dass digitale Plattformen dabei sind, in vielen
Branchen und Marktsegmenten des Mittelstands die Wertschöpfung zu transformieren und somit
deren relative Verteilung zu verändern. Zweitens werden Daten verschiedenster Art als ein
zentraler Wertschöpfungsfaktor für Plattformen angesehen. Drittens wird angenommen, dass bei
Plattformen, die von bestehenden mittelständischen Unternehmen aufgesetzt werden – also
Plattformen vom Mittelstand für den Mittelstand –, die Wertschöpfung annähernd vollständig
beim Mittelstand verbleibt. Kollaborationen von Mittelständlern sind dabei von besonderem
Interesse, da sie das Potenzial bergen, bestehende Netzwerke, Lieferketten und geografische
Cluster in die Marktorganisation einer Plattform zu überführen. Viertens geht die Studie davon
aus, dass auch die Nutzung von Plattformen, die nicht von Mittelständlern betrieben werden, für
mittelständische Unternehmen erheblichen Wert schaffen kann, solange das Machtverhältnis
nicht einseitig zu Gunsten der Plattform gelagert ist, sondern komplementäre Geschäftsmodelle
bestehen, die auf kollektive Wertschöpfung setzen. Dies kann insbesondere der Fall sein, wenn
5
nicht-mittelständische Firmen wie Großunternehmen oder Startups Plattformen mit Fokus auf
den Mittelstand als vorrangige Nutzergruppe betreiben.
5Auf diese Unterscheidung zielt das Konzept der mittelstandsorientierten Plattformorganisation (MPO) ab. So ist
nach dieser Definition Sparrow, eine Handelsplattform für industrielle Ersatzteile und ein Startup mit der Beumer  
Group als Anteilnehmer, eine MPO, die komplementäre Wertschöpfung durch Mittelständler ermöglicht. Nebenan.de
,   
eine Nachbarschaftsplattform der Good Hood GmbH
, ist keine MPO, da mittelständische Unternehmen weder auf      
Anbieter- noch auf Nutzerseite als wertschöpfende Akteure aktiv sind und angesprochen werden, selbst wenn sie
inzidentell zu den Nutzern der Plattform gehören.
7
Plattforminnovation im Mittelstand
Die Studie analysiert somit mittelstandsorientierte Plattformorganisationen (MPO) in
Deutschland. Diese umfassen alle Organisationen mit Sitz in Deutschland, die Plattformen
anbieten, welche sich auf mindestens einer Marktseite direkt an Mittelständler als zentrale
Nutzergruppe wenden. MPO können kleine und mittlere Unternehmen (KMU),
Großunternehmen oder Startups sein. Die primären analytischen Ziele sind (1) eine Übersicht
über die Landschaft von MPO zu erstellen und (2) die fördernden und hindernden Faktoren bei     
Aufbau und Skalierung von MPO zu identifizieren.
Die Kombination verschiedener Erhebungs- und Auswertungsmethoden war für diese
Untersuchung grundlegend. Sowohl für die Landschaftsübersicht als auch für die Einsicht in      
Hindernisse und Chancen konnten durch Triangulation Schwächen einzelner Datenquellen und
Methoden ausgeglichen werden. Gleichzeitig sei betont, dass diese Studie angesichts ihres kurzen
Zeitrahmens (Februar bis Juli 2020) vor allem als Grundlage für tiefergehende Forschung und
Policy-Design angesehen werden sollte.
Über die Landschaftsanalyse identifizierte die Studie 160 MPO in der Bundesrepublik
Deutschland, von denen der Großteil im B2B-Bereich tätig ist und von Startups oder
Großunternehmen aufgebaut wurde. Seltener werden MPO direkt von mittelständischen
Unternehmen betrieben. Es wurden nur drei mittelständische Datenkooperationen identifiziert.
Auffällig war ebenso die regionale Konzentration von MPO auf Berlin und die alten      
Bundesländer. Mithilfe der datenwissenschaftlichen Analyse wurde deutlich, dass MPO eine
größere Finanzierung anziehen als andere deutsche Technologieunternehmen. Der Großteil der
MPO sind in den Technologie-Netzwerken von E-Commerce/Internet, Manufacturing
(Fertigung) und IT/Software anzutreffen. Grundsätzlich sind MPO eng mit anderen
Unternehmen in der deutschen Landschaft verbunden.
Für den Plattformauf- und -ausbau können drei Faktoren als hindernd festgehalten werden. Diese
stehen ungewichtet nebeneinander und müssen nicht notwendigerweise gemeinsam auftreten.
Unabhängigkeit und Selbstverständnis des Mittelstands – Probleme beim Plattformaufbau  
und Beitritt zu Plattformen scheinen eine grundsätzliche Barriere darzustellen, welche auf das
mittelständische Selbstverständnis und die kulturelle Anschlussfähigkeit der Firmen
zurückzuführen sind. Ein breites Verständnis von Geschäftsmodellinnovation scheint auf
Entscheiderebene nicht stark genug ausgeprägt zu sein. Damit verknüpft ist eine zögerliche
Haltung gegenüber dem Plattformbeitritt und -zusammenschluss, welche der Befürchtung
entspringt, dass ein vergleichsweise größerer Nutzen der Plattform (z.B. in der Datennutzung)
bei anderen Firmen (inkl. Konkurrenten) anfallen könnte. Hiermit verbunden identifizierte die
Studie weiche hindernde Faktoren wie Wertekonflikte, die mit Ökosystemen verbundene
Rollenneufindung, sowie mangelnde Identifikation mit Plattformen und damit verbundene
Ängste um Datenschutz und Datensouveränität. Als Gelingensbedingung wurde in diesem
Zusammenhang Transparenz und Offenheit unter möglichen Kooperationspartnern unter klaren
8
Plattforminnovation im Mittelstand
Regeln benannt, sowie die Aufgeschlossenheit gegenüber neuen Geschäftsmodellen.
Ressourcenmangel – Plattformauf- und -ausbau gehen immer mit dem Aufwand von  
Ressourcen einher, die entweder mittelstandsuntypisch oder für den Mittelstand besonders knapp
sind. Hierbei stellten sich mangelnde heterogene semantische Standards, Interoperabilität von
Daten sowie eine schwierige Kosten-Nutzen-Abschätzung als besonders limitierend heraus.
Ebenfalls wurde das Fehlen von technischen Fachkräften und Personal mit Wissen um digitale
Geschäftsinnovation oder rechtlichen Datenrichtlinien genannt. Gleichermaßen hindernd ist der
immense Kostenaufwand im Plattformaufbau, der gerade in der Anfangszeit zusätzliche Umsätze
übersteigt.
Marktsituation im B2B-Bereich – Der überwiegende Großteil von MPO (~80%) wurde im  
B2B-Bereich ausfindig gemacht. Plattformen im B2B-Bereich funktionieren anders als solche im
B2C-Markt. Dabei verlangen plattformgenuine Fragen wie z.B. das „Henne-Ei-Problem“ (also
die Anbindung von Nutzern an die Plattform) und die damit verbundene Skalierung nach    
Alternativen. Der Schlüssel zum Erfolg scheint hier das aktive Einbinden aller Seiten zu sein;
lediglich die Plattforminfrastruktur zur Verfügung zu stellen reicht nicht aus.
Basierend auf diesen Ergebnissen wurden im letzten Schritt Policy-Optionen abgeleitet, die in
einem virtuellen Co-Creation-Verfahren aktiv mit Vertretern aus Verwaltung, Forschung und
Wirtschaft spezifiziert wurden. Schließlich kristallisierten sich zwei Optionen als Prioritäten
heraus.
Plattforminnovation vor Ort nahbar machen – Der Ausbau und die weitergehende  
Förderung von bestehenden Initiativen (z.B. Mittelstand-Kompetenzzentren, Innovation-Hubs,
etc.), die MPO und dem Mittelstand vor Ort zur Verfügung stehen. Es sollte Experimentierraum
zur Geschäftsmodellinnovation angeboten werden, der es MPO erlaubt, Risiken einzugehen und
schwerwiegende betriebliche Konsequenzen abzuwenden.
Plattform-Agentur zur Entwicklung digitaler Bausteine Die Einrichtung einer  
Plattform-Agentur, welche unabhängig technologische Bedürfnisse im Markt erkennt, digitale
Lösungen entwickelt und zur Verfügung stellt. Hier empfiehlt die Studie, diese explizit als Open
Source zu entwickeln. Die Agentur sollte an existierende und anderweitig entstehende
Infrastruktur anknüpfen anstatt diese zu duplizieren.
Insgesamt leistet die Studie durch eine umfangreiche Bestandsaufnahme und Einsicht in die
notwendigen Gelingensbedingungen einen wichtigen Schritt hin zu einem besseren Verständnis
von MPO in Deutschland. Sie bietet somit eine Grundlage für die Aufnahme wissensbasierter
Policy-Optionen in die Entscheidungsprozesse deutscher Ministerien und anderer
Entscheidungsträger und für weitere umfangreichere und gezieltere Untersuchungen.
9
Plattforminnovation im Mittelstand
2HINTERGRUND
Von Plattformnutzung zu Plattforminnovation
In diesem Kapitel wird zunächst ein Überblick über die existierende Literatur zu MPO gegeben.
Als Kernaussage der bestehenden Literatur lässt sich festhalten, dass Plattformnutzung oft dann
Teil mittelständischer Digitalisierungsstrategien ist, wenn sie Prozessoptimierung und
Kosteneinsparung für das bestehende Geschäft gewährleistet. Der Plattformaufbau im B2B-Sektor
wird zunehmend in der Literatur besprochen, jedoch vorrangig mit Fokus auf
Großunternehmen. Mittelständische Plattforminnovation und überbetriebliche Vernetzung zur
Entwicklung von Plattformgeschäftsmodellen scheinen die Ausnahme zu sein, jedoch nach
Eigeneinschätzung des Mittelstands an Bedeutung zu gewinnen. 
2.1Plattformnutzung im Mittelstand
Die Plattformnutzung im Mittelstand ist grundsätzlich gut erforscht. So lassen sich in zahlreichen
Berichten zur Digitalisierung des Mittelstands und in Bezug auf Industrie 4.0
Plattform-Anwendungsszenarien finden (Fay et al., 2018; Fechtelpeter, Heim et al., 2019). Solche
Berichte gehen zum Beispiel auf Themen wie Produktinnovation (die Innovation neuer Produkte
oder weitergehende Forschung und Entwicklung bestehender Produkte), nicht jedoch explizit
auf Geschäftsmodellinnovation (die grundsätzliche Neudefinition des bestehenden
Geschäftsmodells oder Schaffung eines neuen Geschäftsmodells) ein (Fay et al., 2018). Studien
zeigen hier auf, dass sich mittelständische Unternehmen intensiv und überwiegend mit
Industrie-4.0-Anwendungen und -Technologien beschäftigen um nachhaltig wettbewerbsfähig
zu bleiben (Fay et al., 2018; Fechtelpeter et al., 2019). Plattformnutzung wird typischerweise in
zwei Fällen besprochen: die Nutzung von Plattformsystemen zur betriebsinternen
Kosteneinsparung und Prozessoptimierung und die Plattformnutzung zur Vernetzung
vorhandener Hardware. Diese beiden Nutzungsformen werden im Folgenden erläutert.
Plattformnutzung durch einzelne Akteure
Plattformen werden häufig zur Kosteneinsparung und Prozessoptimierung genutzt (BMWi,
2019d). Plattformsysteme werden so zum Beispiel zur Zusammenführung und Auswertung von
Produktionsdaten, zur Integration digitaler Hilfsmittel im Fertigungsprozess oder zur Bündelung
von Beschaffungsprozessen eingesetzt, um nur einige von vielen potentiell gewinnbringenden
10
Plattforminnovation im Mittelstand
Anwendungsfällen zu nennen (BMWi, 2019b). Smart Services werden vorrangig zur
Verbesserung der bestehenden Leistung und dem damit verbundenen Geschäftsmodell gebraucht
(Fechtelpeter et al., 2019), selten jedoch darüber hinaus. Selbst größere deutsche
Industrieunternehmen geben an, Transaktionsplattformen – digitale Marktplätze – für ihre
Kerngeschäfte zu nutzen, diese jedoch nicht selbst zu betreiben. Nur eine Minderheit gibt an,
datengetriebene Plattformen zu verwenden (vbw, 2019). Im verarbeitenden Gewerbe wurden in
2018 von rund 14% der Unternehmen Transaktionsplattformen eingesetzt, primär für den
digitalen Vertrieb von Produkten, und von rund 7% IoT-Plattformen (Internet-of-Things) –
diese primär zur Vernetzung der Produktion um neue Dienstleistungen anbieten zu können.
Lediglich 9% der Betriebe verwendeten beide Formen von Plattformen (Lerch et al., 2019).
Plattformnutzung zur Vernetzung vorhandener Hardware
Anwendungsfälle für überbetriebliche Vernetzung lassen sich zwar in Branchen wie dem
produzierenden Gewerbe und Handwerk finden, bleiben aber dennoch die Ausnahme. Ein in der
Literatur genanntes Anwendungsbeispiel benennt eine Kollaboration eines
Küchengeräteherstellers und eines Maschinenbauers, bei der ein in der Produktion eingesetzter     
Materialwagen intelligenter vernetzt wurde, um die Produktion für die Beteiligten transparenter     
und die Produktionssteuerung im Problemfall reaktionsfähiger zu machen (BMWi, 2019b). Die
Studie „Digitalisierungsprozesse von KMU im Verarbeitenden Gewerbe“ (Icks et al., 2017) ergab,
dass betriebsübergreifende Vernetzung mit mindestens einem weiteren Partner bereits bei nahezu
der Hälfte und mit zwei Partnern bei nahezu einem Drittel der befragten Unternehmen
stattfindet. Diese Vernetzung findet jedoch hauptsächlich nur in zwei Kontexten Anwendung:
Erstens im automatisierten Datenaustausch mit Zulieferern in Einkauf und Produktion für
schnellere Produktion und Effizienzvorteile; zweitens in der Vernetzung mit Dienstleistern in der    
Logistikabteilung (Icks et al., 2017). Jedes vierte Unternehmen hat hier also
unternehmensübergreifend Produktion, Einkauf oder Logistikabteilungen vernetzt. Wenn es
jedoch um den Datenaustausch mit externen Partnern in Forschung und Entwicklung geht, ist es
weniger als jedes zehnte Unternehmen, das seine Daten dafür bereitstellt. (Icks et al., 2017).
2.2 Digitale Geschäftsmodellinnovation – Wo ist der Mittelstand?
Über die Digitalisierung der Industrie hinaus rücken Strategien und Maßnahmen digitaler
Geschäftsmodellinnovation ins Blickfeld. So wurde die Initiative Plattform Industrie 4.0 im Jahr
2018 um die Arbeitsgruppe Digitale Geschäftsmodelle in der Industrie 4.0 erweitert. Die    
Arbeitsgruppe untersucht vorrangig erste Vorstöße von Plattforminnovation in deutschen
Industrieunternehmen.
Berichte der Arbeitsgruppe fokussieren sich auf die Durchsicht von Praxisbeispielen, um
Unternehmen eine Orientierung bei der Gestaltung ihrer digitalen Geschäftsmodelle zu liefern.
11
Plattforminnovation im Mittelstand
Analysiert werden hier Treiber digitaler Geschäftsmodelle, Fragen der Organisation sowie
rechtliche Rahmenbedingungen (BMWi, 2019e). Eine erste Arbeit zur deutschen
B2B-Plattformlandschaft mit Fokus auf strukturelle Unterschiede zwischen Plattforminitiativen
und Werschöpfungsnetzwerken liegt ebenfalls vor (BMWi, 2019c), sowie eine Übersicht von 25
Industrieplattformen (BDI, 2018). Außerdem ergab eine tiefergehende Untersuchung im
verarbeitenden Gewerbe, dass B2B-Plattformen dort bereits zum Alltag gehören und fast jeder
zehnte Betrieb anfängt, Dienste und Produkte über digitale Plattformen anzubieten, wenngleich
(noch) nicht Skaleneffekte im Maßstab der Konsumentenplattformen erreicht werden. Dieser
Bericht unterscheidet Transaktionsplattformen von IoT-Serviceplattformen. Voraussetzungen,
Strukturen und Zusammenhänge sind jeweils verschieden, wodurch sich divergierende
Implikationen ergeben (Lerch et al., 2019). Vornehmlich werden in diesen Untersuchungen
Plattformen von Großunternehmen und ausschließlich im B2B-Bereich behandelt
(Riemensperger & Falk, 2019), mittelständische Plattforminnovation wird angerissen, jedoch
nicht ausführlich behandelt.
2.3 Plattforminnovation im Mittelstand
Plattforminnovation im Mittelstand ist grundsätzlich noch wenig erforscht. Der Großteil der
Untersuchungen, auf die sich diese Studie beruft, sind vor allem im letzten Jahr entstanden. Der
Schwerpunkt liegt dabei auf zwei Herangehensweisen, dem Aufsetzen neuer
Plattformgeschäftsmodelle einzelner Komplementäre (angebotschaffend) und der
firmenübergreifenden Vernetzung von mittelständischen Firmen als Chance zur gemeinsamen
Wertschöpfung. Beide Herangehensweisen werden im Folgenden erläutert.
Plattforminnovation durch einzelne Akteure
„Plattformen agieren als Sprungbrett für datenorientierte Lösungen“ (BMWi, 2019f, S. 5). Daher
scheint es vielversprechend, dass der Anteil von mittelständischen Unternehmen, die bereits große
Datenmengen auswerten, sich seit 2016 verdreifacht hat (14%) – zum Vergleich: bei
Großunternehmen sind es 34%. Gleichzeitig fällt es Mittelständlern schwerer als
Großunternehmen, Daten wirtschaftlich nutzbar zu machen und neue Geschäftsmodelle daraus
zu entwickeln (Hoffmann & Schröder, 2019).
Nach Einschätzung von Fechtelpeter et al. (2019) spielt die „digitale vertikale Integration der
Wertschöpfung“ eine relevante Rolle, jedoch mangelt es dem Großteil des Mittelstands an
durchgängiger Vernetzung. Mit Ausnahme von Einzelfallbeispielen wird digitalen
Geschäftsmodellen im Mittelstand eher perspektivisch Relevanz beigemessen (Fechtelpeter et al.,
2019). Gleichzeitig besteht beim Mittelstand Interesse an Betreibermodellen und den dafür
notwendigen Änderungen in internen Informationssystemen. Viele mittelständische
Unternehmen versuchen bereits, die Auswirkungen digitaler Plattformen auf das eigene Geschäft
12
Plattforminnovation im Mittelstand
abzuschätzen (Deloitte, 2019). Grundsätzlich steigt die Bedeutung von Plattforminnovation und
scheint nach Selbsteinschätzung des Mittelstands (unabhängig davon, ob sie bereits auf
Plattformen aktiv sind) auch zukünftig weiterhin zu steigen (Deloitte, 2019; vbw, 2019). Eine
Übersicht zur Plattformregulierung aus Sicht des Mittelstands, die von der
Friedrich-Ebert-Stiftung in Auftrag gegeben wurde, zeigt vor allem rechtspolitische
Handlungsoptionen auf um faire Marktbedingungen für KMU zu gewährleisten (Busch, 2019).
Unter Berücksichtigung der europäischen Platform-to-Business-Verordnung (P2B-Verordnung)
wird ein engerer gesetzgeberischer Handlungsbedarf unter anderem zu Maßnahmen zur
Verbesserung von Datenzugang, zur Erleichterung des Wechsels zwischen Plattformen sowie die
Förderung von Datenportabilität beschrieben. Des Weiteren wird die Ausgestaltung eines
Regulierungsrahmens umrissen, durch den Plattformen mit strategischer Marktstellung als
Infrastruktur behandelt würden und ähnlich dem Modell der Netzregulierung einer staatlichen
Kontrolle unterworfen würden.
Plattforminnovation durch Kooperation
Für mittelständische Unternehmen wird die kooperative Wertschöpfung mit Partnern weitläufig
als eine wichtige Chance verstanden, so zum Beispiel durch die Arbeitsgruppe „Digitale
Geschäftsmodelle in der Industrie 4.0“ der Plattform Industrie 4.0-Initiative (BMWi, 2019f).    
Durch die Optimierung von Produktionszeiten und Synchronisation von Lieferketten können
Produkte verbessert und Effizienzgewinne realisiert werden. Gleichzeitig können Kooperationen
Ressourcen bündeln und versprechen dadurch gesteigerte Flexibilität und Angebotsverbesserung
und damit letztlich auch eine bessere Wettbewerbsfähigkeit (BMWi, 2019f). Es wird empfohlen,
Datenkooperationen einzugehen; deren Erfolgsfaktoren bleiben allerdings eine offene empirische
Frage, da bisher noch keine funktionierenden Beispiele erforscht wurden (BMWi, 2019d). Das
Mittelstand 4.0-Kompetenzzentrum eStandards ist hier engagiert, indem es Unternehmen bei der
Einführung von Standards (z.B. Global Trade Item Number, ZUGFeRD, RFID-Technologie)     
unterstützt. Der betriebsübergreifende Datenaustausch wird über Lösungsansätze wie Blockchain
thematisiert, jedoch ohne bereits konkrete Erfolgsbeispiele zu nennen. Ebenfalls wird der
Zusammenschluss zu Interessengemeinschaften und Wertschöpfungsnetzwerken als Chance
begriffen (BMWi, 2019b). Hier wird das Beispiel von thüringischen Maschinenbauern angeführt,
die einander Anlagenkapazitäten über ein Netzwerk vermieten. Kapazitäten konnten in diesem
Fall gleichmäßiger ausgelastet und Kapazitätsgrenzen nach oben ausgedehnt werden, wodurch
weniger Großaufträge abgelehnt werden mussten (BMWi, 2019b).
 
13
Plattforminnovation im Mittelstand
2.4 Plattformen für den Mittelstand: MPO als wesentliche Forschungslücke
Zusammenfassend kann festgehalten werden, dass sich der Großteil der Untersuchungen dem
Mehrwert der Plattformnutzung für den Mittelstand widmet. Das Thema der
Geschäftsmodellinnovation rückt zunehmend in den Fokus, wird momentan jedoch größtenteils
anhand großer Industrieunternehmen behandelt. Das Verständnis vom Mittelstand als Betreiber
von Plattformen ist noch lückenhaft.
Vor dem Hintergrund der Plattforminnovation wurde in dieser Studie daher untersucht, welche
mittelstandsorientierten Plattformen es bereits gibt und welche Faktoren deren Aufbau und    
Skalierung fördern oder hindern. Dabei untersuchte die Studie insbesondere, inwieweit
mittelständische Unternehmen selbst in der Lage sind, digitale Plattformen aufzubauen und
inwiefern Großunternehmen und Startups besser positioniert sind um MPO aufzubauen. Aus den
Zielsetzungen der Studie und den Lücken in der vorhandenen Literatur ergeben sich folgende
drei Forschungsfragen (FF):
FF1: Wie ist die deutsche MPO-Landschaft beschaffen und wie sind MPO im digitalen
Startup-Ökosystem integriert?
FF2: Welche Faktoren beeinflussen den Auf- und Ausbau von MPO in Deutschland?
FF3: Welche Policy-Maßnahmen könnten deutsche MPO beim Plattformaufbau und
-betrieb unterstützen?
 
14
Plattforminnovation im Mittelstand
3FORSCHUNGSDESIGN
Ein explorativer Mixed-Methods Ansatz
Die Studie wurde mit gemischten Methoden konzipiert. Dabei basiert die Landschaftsanalyse
(FF1) auf Sekundärforschung und quantitativer datenwissenschaftlicher Analyse. FF2 wurde
durch Sekundärforschung, Experteninterviews und Fallstudien bearbeitet. Policy-Optionen (FF3)
ergaben sich aus den Erkenntnissen von FF1 und FF2 und wurden durch ExpertInnen in einem
digitalen Co-Creation Workshop weitergehend verfeinert.
Die Studie wurde im Zeitraum von Februar bis Juli 2020 durchgeführt. Die Forschungsfragen
wurden in Paketen zusammengefasst und aufeinander aufbauend bearbeitet (vgl. Abbildung 1).
Im Folgenden werden Ziele, Auswahl und Vorgehen der einzelnen Methoden erläutert.
Studienübersicht
Abbildung 1. Aufteilung der Forschungsfragen und korrespondierende Methoden.   
15
FF1
LANDSCHAFTS-
ÜBERSICHT
Ermittlung von MPO in Deutschland
FF2
CHANCEN UND
HINDERNISSE
Identifikation von Hindernissen und
Gelingensbedingungen
FF3
POLICY-
OPTIONEN
Sekundärforschung
Desk-Recherche von Grauliteratur
(50 Quellen)
Datenanalyse
Analyse von Plattformunternehmen
(23.000 Unternehmen)
Sekundäruntersuchung
Analyse der deutschen
Plattformlandschaft
(160 Unternehmen)
Experteninterviews
Befragungen von
PlattformexpertInnen
(21 Befragte)
Fallstudien
Untersuchung von
Plattformunternehmen
(3 Unternehmen)
Policy Co-Creation Workshop
Workshop zur Konkretisierung der Policy-Optionen gemeinsam mit Akteuren aus Politik,
Wirtschaft und Wissenschaft
Plattforminnovation im Mittelstand
3.1 Sekundärforschung
Ziel: Die Sekundärforschung diente drei Zielen: Erstens wurden dadurch MPO für die
Landschaftsübersicht erfasst. Dies stand im engen Zusammenhang mit der
datenwissenschaftlichen Erhebung, da durch Abgleich der Daten die Plausibilität beider
Methoden gewahrt werden konnte. Zweitens wurde bestehendes Wissen um Hindernisse und
Gelingensbedingungen zusammengetragen, welches als Grundlage für die Experteninterviews
diente. Drittens stellte die Sekundärforschung ebenfalls eine Vorarbeit zur Auswahl der
Fallstudien und Experten dar.
Auswahl und Vorgehen: Bei der Priorisierung untersuchte die Studie vor allem Literatur von   
Regierungsinstitutionen sowie Berichte, Artikel und Weißbücher von Interessengruppen,
Forschungsorganisationen und Beratungsfirmen (siehe Anhang I für eine detaillierte
Aufschlüsselung). Da MPO noch ein wenig ergründetes Thema sind, wurden zu einzelnen Fällen
auch Blogposts und Medienartikel berücksichtigt. Zusätzlich wurden Konferenz-Webseiten nach
Informationen zu Plattformen durchsucht, sofern diese im deutschen Mittelstand oder als
Anlaufpunkt für digitale Plattformen in Deutschland und Europa etabliert sind (dies waren die
NOAH-Konferenz, der Platform Economy Summit und die HANNOVER MESSE). Für die    
Landschaftsanalyse wurden die identifizierten Unternehmen um Attribute wie Standort,
Unternehmensgröße, Eigentümerstruktur und Plattformmodell ergänzt.
Die Informationen der Sekundärforschung wurden aus verschiedenen Quellen erhoben. Den
Literaturquellen zugrunde liegende Methoden und Plattformkonzepte waren nicht immer
miteinander kompatibel. Das heißt, dass teilweise Firmen in den Quellen als Plattformen
behandelt wurden, welche nicht in den Analyserahmen dieser Studie fielen. Für die Übersicht
über die MPO-Landschaft sammelte die Studie daher nur jene Plattformen, die gemäß der     
Definition von Gawer (2014) als (a) doppelseitige Märkte mit (b) stabilem Technologiekern und
darauf aufbaubarer modularer Peripherie definiert sind. Um in die Übersicht aufgenommen zu
werden, musste eine Plattform mindestens eines der beiden Kriterien erfüllen. Eine
Unterscheidung zwischen geschlossenen und offenen Plattformen wurde in dieser Studie nicht
getroffen (vgl. Riemensperger & Falk, 2019).
3.2 Datenwissenschaftliche Netzwerkanalyse
Ziel: Die Netzwerkanalyse hatte zum Ziel, eine quantitative Übersicht über die Landschaft der
MPO in Deutschland zu liefern und zugleich ihre Einbettung im deutschen Startup-Ökosystem    
darzustellen. Bei dieser Analyse wurde die deutsche Plattformlandschaft aus den Blickwinkeln
Technologien, Kapital und Wissen betrachtet – dies sind drei Aspekte, die relevante
Produktionsfaktoren der Unternehmen beschreiben. Sie bestimmen die Positionierung der
16
Plattforminnovation im Mittelstand
Firmen am Markt sowie deren Erfolgschancen im Wettbewerb mit anderen Unternehmen
(Braesemann & Baum, 2020). Die damit hergestellte Einordnung relevanter Firmen in Cluster
diente somit gleichzeitig als breiter Überblick von MPO als auch als informierte Grundlage für
die sich anschließende Diskussion der Policy-Optionen.
Auswahl und Vorgehen: Die Daten wurden der Online-Plattform Crunchbase entnommen.   
Crunchbase ist die weltweit führende Datenbank für Unternehmensinformationen. Sie gibt
Auskunft über Firmen aus der ganzen Welt, von Startups bis zu großen börsennotierten
Unternehmen. Crunchbase bezieht seine Daten auf verschiedene Arten: Zum Einen über ein
Partnerprogramm, bei dem Risikokapitalgeber Informationen über ihre Portfoliounternehmen im
Austausch für Datenzugriff bereitstellen. Zudem werden Daten von Unternehmen hochgeladen,
die ein Profil auf der Plattform haben; diese Daten werden intern von Crunchbase überprüft.   
Während Crunchbase-Daten nicht repräsentativ für die deutsche Wirtschaft insgesamt sind,
6
verfügen sie jedoch über eine breite Abdeckung der Grundgesamtheit der deutschen
Technologieunternehmen. Crunchbase-Daten werden ohne einen spezifischen
Stichprobenrahmen zusammengestellt, weshalb keine Repräsentativität für die Gesamtheit aller
deutschen Unternehmen gegeben ist. Allerdings ist die für das vorliegende Analyse-Ziel
(Erörterung der Verbreitung von MPO) maßgebliche Gesamtheit der Technologieunternehmen   
- also dem Teilsektor der Wirtschaft, dem Plattformorganisationen angehören - zum größten
Teil abdeckt. Zum Beispiel haben Dalle et al. (2017) Crunchbase-Daten mit der OECD  
Entrepreneurship Financing Database verglichen, die aus Erhebungen der nationalen Verbände
für privates Beteiligungs- und Risikokapital in jedem ihrer Mitgliedsländer besteht und als
repräsentativ angesehen wird. Diese Studie zeigt, dass die beiden Datensätze in vielen Aspekten
hoch korreliert sind. Während das zwar nicht einer gesamtwirtschaftlichen statistischen
Repräsentativität gleichkommt, so stellt Crunchbase die bedeutendste globale Datenbank für
Unternehmensgründungen und Technologieunternehmen dar und ist deshalb als die beste zur
Verfügung stehende Datenquelle für die quantitative Landschaftsanalyse anzusehen.
Ein expliziter Vorteil der Crunchbase-Datenbank im Vergleich zu anderen
Unternehmensdatensätzen, die traditionell für industrielle Klassifikationen (z.B. NACE-Codes)
herangezogen werden, ist, dass Unternehmen auf einer sehr granularen Ebene klassifiziert werden
können. Die Crunchbase-Taxonomie besteht aus 744 Kategorien, die in 46 größeren Gruppen
zusammengefasst sind. Jedes Unternehmen kann durch eine Anzahl von Kategorien auf der
Grundlage ihrer Kerngeschäftsaktivitäten klassifiziert werden. Diese Ebene der
Firmenklassifizierung erlaubt es, im Rahmen der Landschaftsanalyse unterschiedliche Bereiche des
deutschen Startup-Ökosystems herauszuarbeiten und entsprechend die Position der MPO zu
identifizieren.
6Die Crunchbase-Datenbank umfasst 23.000 deutsche Technologie-Firmen, während im deutschen Handelsregister in
2019 insgesamt 3,2 Millionen Unternehmen gelistet waren.
17
Plattforminnovation im Mittelstand
Daher kann argumentiert werden, dass die Crunchbase-Daten das inländische
Startup-Ökosystem, in dem die MPO eingebettet sind, gut abbilden. Crunchbase bietet detaillierte
Informationen zu den auf der Webseite aufgeführten Unternehmen. Insbesondere werden
Investitions- und Finanzierungsinformationen, die Unternehmer und führenden Manager der
Organisationen sowie eine kurze Beschreibung der Geschäftsmodelle der Unternehmen
aufgeführt. Es werden sogenannte Tags genutzt, die sowohl eine Kategorisierung der Industrien
als auch der verwendeten Technologien ermöglichen. Crunchbase listet derzeit mehr als 23.000
Unternehmen in Deutschland auf.
Um die Netzwerke der deutschen Plattformlandschaft zu untersuchen, hat die Studie die Daten in
mehreren Schritten verarbeitet. Zunächst wurde die Liste der Technologie-Tags aller rund
23.000 auf Crunchbase vertretenen deutschen Unternehmen als eine ‚Adjazenzmatrix‘
(Nachbarschaftsmatrix) dargestellt, die auf einem binären Vektor von Tech-Labels für jedes
7
Unternehmen basiert. In dem resultierenden Netzwerk sind zwei Firmen verbunden, wenn sie
mindestens ein Technologie-Label teilen. Dieses komplexe Netzwerk zeichnet sich durch dichte
Gruppen von Unternehmen und Technologien aus, die Cluster natürlich bilden, welche die    
Studie durch unüberwachtes statistisches Lernen identifizierte. Dafür wurde die
Louvain-Methode zur Clustererkennung basierend auf der Netzwerkmodularität angewandt.
8
Um die finanzielle Geschäftsgrundlage der Plattformlandschaft darzustellen, erstellte die Studie
ein zweiteiliges Netzwerk von Investoren und Unternehmen aus allen weiteren Firmen des
Datensatzes. Hier wurde eine Verbindung zwischen einem Unternehmen und einem Investor
hergestellt, wenn das Unternehmen vom Investor eine Finanzierung erhalten hatte. Um den
Wissenstransfer zwischen Unternehmen in der deutschen MPO-Landschaft zu bewerten, erstellte
die Studie aus den Daten ein drittes Netzwerk zwischen Unternehmen, welches auf der Mobilität
von Unternehmern basiert: es konnten z.B. zwei Firmen verbunden werden, wenn der CTO von
Firma A Senior Manager bei Firma B wurde oder wenn der CEO der Firma C die Firma D
gründete.
In all diesen Netzwerken untersuchte die Studie die Integration der MPO in der gesamten
Landschaft und verwendete ein Matching-Verfahren basierend auf statistischer Distanz , um
9
7Eine Adjazenzmatrix eines Netzwerks zeigt an, welche Knoten des Netzwerks miteinander verbunden sind. Für jeden
Knoten gibt es in der Matrix eine Zeile und eine Spalte, so dass die Matrix bei z.B. 100 Knoten eine Dimension von
100x100 hätte. Ein Eintrag in Zeile i und Spalte j gibt hierbei an, ob ein Knoten i mit Knoten j verbunden ist: Steht an        
dieser Stelle eine 0, sind die Knoten nicht verbunden; eine 1 gibt an, dass sie verbunden sind.
8Clusteranalysen werden verwendet, um Ähnlichkeitsstrukturen in Datensätzen zu entdecken. Die so gefundenen  
Gruppen von „ähnlichen“ Objekten (in unserem Fall Unternehmen und Technologien) werden als Cluster bezeichnet.
Die gefundenen Gruppen können dann hinsichtlich ihrer Eigenschaften interpretiert oder für weitere statistische
Fahren zur Klassifikation oder Mustererkennung verwendet werden. Da Clusterverfahren nicht benutzt werden, um
Korrelationen zu vordefinierten Gruppierungen in den Daten zu finden, spricht man bei Clusterverfahren von
„unsupervised statistical learning. Die Louvain-Methode ist eine Unterart der Clusteranalyse für große Netzwerke. Die
Methode misst die relative Dichte von Verbindungen in Teilen eines Netzwerks im Verhältnis zur Dichte von
Verbindungen im Rest des Netzwerks (Modularität) um Cluster oder sog. „Communities“ zu erkennen (Blondel et al.,
2008).
9Statistische Distanz quantifiziert die Distanz zwischen zwei Objekten im p-dimensionalen Raum der   
18
Plattforminnovation im Mittelstand
ähnliche Firmen mit Hinblick auf verwendete Technologien im gesamten Ökosystem zu finden.
Anschließend wurden die MPO sowie die ihnen ähnlichen Unternehmen, die zuvor durch das        
Matching-Verfahren identifiziert worden waren, mit einer Zufallsstichprobe
nicht-mittelstandsorientierter Plattformunternehmen im Datensatz verglichen, um festzustellen,
inwieweit MPO im gesamten deutschen Startup-Ökosystem eingebettet sind.
3.3 Experteninterviews
Ziel: Die Perspektive von ExpertInnen wurde eingeholt, um den Hindernissen und
Gelingensbedingungen für MPO, die sich in der Landschaftsanalyse ergeben hatten, im Detail
nachzugehen. Die Interviews eigneten sich daher besonders zu Beginn des Projekts um den
Wissensstand abzustecken und den Fokus für die Fallstudieninterviews zu verfeinern.
Auswahl und Vorgehen: Insgesamt wurden 21 Interviews über den Zeitraum vom 27. März bis   
zum 14. Mai 2020 durchgeführt. Es wurden überwiegend VertreterInnen von MPO und
Plattform-ExpertInnen aus der Forschung befragt, aber auch PraktikerInnen aus der
Plattformberatung. Einstündige, semi-strukturierte Interviews wurden durch Videozuschaltung
oder telefonisch durchgeführt und zu Analysezwecken aufgezeichnet und qualitativ ausgewertet
(Schreier, 2014).
3.4 Fallstudien
Ziel: Als ergänzende methodische Herangehensweise wurde eine Auswahl üblicher  
Betreibermodelle anhand einzelner Fallbeispiele untersucht. Dies ist sinnvoll, da in der Mehrheit
der mittelständischen Unternehmen plattformbasierte Geschäftsmodelle noch wenig
implementiert sind. Darüber hinaus lassen sich Plattformstrategien, unterschiedliche Betreiber-
und Geschäftsmodelle durch Fallstudien anschaulich darstellen.
 
Zufallsvariablen, welche die Objekte charakterisieren. Hier werden für jedes MPO diejenigen ähnlichen Unternehmen
gesucht, welche die geringste statistische Distanz aufweisen, d.h. jene, die den über die Sekundärforschung
identifizierten MPO mit Hinblick auf die verwendeten Crunchbase-Kategorien am ähnlichsten sind.
19
Plattforminnovation im Mittelstand
Tabelle 1. Übersicht der Befragten  
 
20
Nr.
Position
Industrie
Firmen-
Größe
Aussagen zu Plattformen
1
CEO
Gebäude- und Energietechnik
11–50
Aufbau und Kooperation
2
CEO
und ExpertIn
Tourismus, universitäre
Forschung
2–10
Gründung, Aufbau, Betrieb und
Innovation
3
CEO
Gesundheitswesen
11–50
Gründung, Aufbau und Betrieb
4
Vorstandsmitglied
Gewerblicher Handel und
B2B- Netzwerk
501–1000
Aufbau und Betrieb
5
CEO
Mode, B2B-Vertrieb
51–100
Gründung, Aufbau und Betrieb
6
ManagerIn
Digitale Medien
51–100
Aufbau, Transformation
7
CEO
Finanzwesen
1501–2500
Aufbau, Digitalunternehmen
8
GeschäftsführerIn
Logistik
11–50
Gründung, Aufbau
9
CEO und ExpertIn
Unternehmens- und
Strategieberatung
10.000+
Geschäftsmodellinnovation,
Industrie 4.0
10
PraktikerIn
Plattformen, Ökosysteme
11–50
Gründung, Auf- und Ausbau
11
PraktikerIn
Plattformen, Blockchain
51–100
Gründung, Auf- und Ausbau
12
PraktikerIn
Plattformen, Ökosysteme
2–10
Gründung, Auf- und Ausbau
13
ExpertIn
Wirtschaftsforschung
/
Digitalisierung, Strukturwandel,
Wettbewerb
14
ExpertIn
Industrieforschung
/
Industrie 4.0
15
ExpertIn
Produktionstechnik
/
Aufbau
16
ExpertIn
Wirtschaftsinformatik,
Industrieforschung
/
Sharing-Plattformen, Gründung und
Aufbau
17
ExpertIn
IoT-Plattformen, universitäre
Forschung
/
Architektur, Ingenieursysteme
18
ExpertIn
Jura, universitäre Forschung
/
Wettbewerb und Innovation
19
ExpertIn
Software
/
Hidden Champions,
Geschäftsmodellinnovation
20
ExpertIn
Nachhaltiges
Unternehmertum
/
Sharing Economy
21
ExpertIn
Maschinenbau
/
Industrie 4.0
Plattforminnovation im Mittelstand
Auswahl und Vorgehen: Die drei Fallstudien wurden systematisch ausgewählt: Die Wahl   
basiert auf der qualitativen Landschaftsanalyse und den Ergebnissen der Netzwerkanalyse. Die
Fallbeispiele ADAMOS, Siemens MindSphere und wind-turbine wurden ausgewählt, da sie explizit  
und vorrangig deutsche Mittelständler als Nutzer adressieren, sich allerdings bei den betreibenden
Firmen stark unterscheiden. Die Datenerhebung umfasste semi-strukturierte Interviews mit
leitenden Angestellten der plattformbetreibenden Unternehmen sowie weiteren Akteuren auf der
Plattform (z.B. Anbieter und Nutzer). Darüber hinaus wurden interne Dokumente und
veröffentlichtes Material in Form von Pressemitteilungen, medialer Berichterstattung,
wissenschaftlichen Studien und Publikationen analysiert. Geplante Besuche vor Ort konnten
aufgrund der COVID-19-bedingten Kontaktbeschränkungen nur bei wind-turbine durchgeführt  
werden. Mittels qualitativer Methoden wurden auf Basis der gewonnen Daten knapp die
Entstehungsgeschichten der jeweiligen MPO wiedergegeben. Anschließend wurden die
jeweiligen Geschäftsmodelle nach dem Rahmenwerk von Osterwalder und Pigneur (2010)
beschrieben. Insbesondere die unterschiedlichen Betreibermodelle wurden im Kontext
implementierter Plattformstrategien, des industriellen Kontextes sowie vorhandener
Plattformmechanismen beleuchtet.
3.5 Policy Co-Creation Workshop
Ziel: Ein mehrstündiger virtueller Workshop mit 14 TeilnehmerInnen diente dazu, aus den  
Forschungsergebnissen generierte Policy-Optionen gesamtheitlich vorzustellen und mit einem
informierten und kritischen Publikum zu diskutieren.
Auswahl und Vorgehen: Um Pluralität von Perspektiven zu gewährleisten wurden   
verschiedene Interessenvertreter aus Ministerien und Forschung sowie Gründern und leitende
Angestellte von MPO eingeladen. Basierend auf den Ergebnissen der Landschaftsanalyse, der
Experteninterviews und Fallstudien wurden sechs Policy-Optionen vorgestellt und in
Gruppenarbeit auf ihre Umsetzbarkeit geprüft und weiter erörtert. Die Ergebnisse wurden in      
Hinblick auf ihre Anwendbarkeit bewertet und ergänzt.    
21
Plattforminnovation im Mittelstand
4DIE MPO-LANDSCHAFT IN
DEUTSCHLAND
Verteilung, Technologie-Cluster und Netzwerke
Der vorliegende Abschnitt präsentiert die Ergebnisse der MPO-Landschaftsanalyse durch
Sekundärforschung und datenwissenschaftliche Analyse. Das Kernergebnis ist, dass der Großteil
von MPO überwiegend im B2B-Bereich aufgebaut wird, jedoch nicht von mittelständischen
Unternehmen, sondern von Großfirmen und Startups. Mittelständische Firmen sind in diesen
jedoch teilweise indirekt, zum Beispiel durch Firmenanteile, involviert. Von 160 identifizierten
MPO wurden lediglich 12 Kooperationen ausfindig gemacht, inklusive drei mittelständischer
Datenkooperationen. Der Großteil von MPO wird durch einen einzelnen Komplementär
aufgebaut. Bemerkenswerterweise nutzen viele Großunternehmen die digitale Infrastruktur von
amerikanischen Anbietern im Plattformaufbau. Die Studie konnte in diesem Zusammenhang
Kooperationen mit IBM, Google Cloud, Microsoft Azure und Amazon Web Services identifizieren.     
MPO sind eng mit anderen Unternehmen in der deutschen Landschaft verbunden, jedoch gibt es,
auch unter Berücksichtigung der Einwohnerzahlen, starke regionale Unterschiede im
Plattformbetrieb. Der Großteil der MPO sind im Technologie-Netzwerk von
E-Commerce/Internet, Manufacturing (Fertigung) und IT/Software anzutreffen. In der Regel sind
sie solide mit Finanzkapital ausgestattet und kämpfen erfolgreich um Unternehmer und Wissen
im System. Die ausführlichen Ergebnisse werden im Folgenden dargestellt.
4.1 Geringe Verbreitung von mittelständisch betriebenen MPO und Dominanz von
Großunternehmen und Startups 
Basierend auf der Literaturrecherche und validiert durch Gespräche mit Experten gibt es in
Deutschland 160 mittelstandsorientierte Plattformorganisationen (MPO). Der Großteil der
10
gefundenen Plattformen (127, 79,4%) wurde im B2B-Bereich identifiziert, (28, 17,5%) im
B2C-Segment und (5, 3,1%) im B2B/B2C-Bereich. Insgesamt setzt sich die Gruppe der
Plattformbetreiber weitgehend aus Startups (38,1%) und Großunternehmen (37,5%) zusammen,
mittelständische Unternehmen sind in der Betreiberrolle seltener anzutreffen (23,7%). Das
10 Die verwendete Methode gibt keine Gewissheit, ob alle MPO erschöpfend erfasst wurden. Daher sollte die
genannte Anzahl als indikatorisch betrachtet werden.
22
Plattforminnovation im Mittelstand
staatliche Cloud-Projekt GAIA-X wurde ebenfalls mit aufgenommen.
MPO sind eher in großen Städten angesiedelt. Mit 45 Plattformen befindet sich die mit Abstand
größte