Künstliche Intelligenz und Blockchain für innovative Geschäftsmodelle kombinieren. Potentiale und Anwendungsfälle

Textbook , 2021 , 96 Pages

Business economics - Market research

Künstliche Intelligenz und Blockchain sind die Technologien, die derzeit im Bereich der digitalen Transformation am meisten diskutiert werden. Beide haben das Potential, den Markt nachhaltig zu verändern.

Welche Chancen ergeben sich aus einer Kombination dieser Technologien? Welche Einsatzmöglichkeiten gibt es? Welche Geschäftsmodelle sind zukünftig denkbar?

Dejan Veselinovic erfasst Geschäftsmodellkategorien für die Kombination aus Künstlicher Intelligenz und Blockchain. Dabei stellt er die Potentiale vor, die sich aus dieser Kombination ergeben, stellt die relevanten Geschäftsmodelle systematisch einander gegenüber und beschreibt mögliche Anwendungsfälle.

Aus dem Inhalt:
- Business Model Canvas;
- Wertangebote;
- Künstliches neuronales Netz;
- Deep Learning;
- Kryptowährungen;
- Initial Coin Offering

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung
1.1 Zielsetzung
1.2 Vorgehen

2 Grundlagen
2.1 Künstliche Intelligenz
2.2 Blockchain
2.3 Geschäftsmodell

3 Kombination der Technologien KI und Blockchain
3.1 Verbesserung der Skalierbarkeit
3.2 Erhöhung der Sicherheit
3.3 Reduzierung der Kosten
3.4 Schaffung von Transparenz

4 Methodik
4.1 Literaturrecherche
4.2 Internetrecherche
4.3 Feststellung der Relevanz von Suchergebnissen
4.4 Auswertung der Rechercheergebnisse
4.5 Kategorisierung der Geschäftsmodelle
4.6 Vorstellung der Geschäftsmodellkategorien

5 Ergebnisse der Literatur- und Marktrecherche
5.1 Übersicht über die Suchergebnisse
5.2 Erkenntnisse aus der Recherche

6 Betrachtung der relevanten Suchergebnisse
6.1 Unterschiede bei der Nutzung der KI-Technologie
6.2 Unterschiede bei der Nutzung der Blockchain-Technologie
6.3 Unterschiede innerhalb der Geschäftsmodelldimensionen

7 Vorstellung der Geschäftsmodellkategorien
7.1 Blockchain-basierte Handelsplattform für KI-Lösungen
7.2 Blockchain-basierte Handelsplattform für Rechenleistung
7.3 Blockchain-basierte Plattform für das Gesundheitswesen
7.4 Blockchain-basierte Plattform für KI-gestützte Investitionsberatung

8 Zusammenfassung

9 Fazit und kritische Reflexion

10 Ausblick

Anhang

Quellenverzeichnis

Bibliografische Information der Deutschen Nationalbibliothek:

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

Impressum:

Copyright © Studylab 2021

Ein Imprint der GRIN Publishing GmbH, München

Druck und Bindung: Books on Demand GmbH, Norderstedt, Germany

Coverbild: GRIN Publishing GmbH | Freepik.com | Flaticon.com | ei8htz

Abbildungsverzeichnis

Abb. 1: Die Geschichte der verschiedenen KI-Ausrichtungen

Abb. 2: Künstliches neuronales Netz (vereinfachte Darstellung)

Abb. 3: Schematischer Ablauf eines Hash-Vorgangs

Abb. 4: Funktionsweise eines Smart Contracts

Abb. 5: Geschäftsmodelle und ihre Merkmale nach Nagl/Bozem

Abb. 6: Geschäftsmodellinnovationen und innovative Geschäftsmodelle

Abb. 7: Vorlage für die Darstellung der kategorisierten Geschäftsmodelle

Abb. 8: Relevante Suchergebnisse nach Suchbegriff-Kombinationen

Abb. 9 Relevante Suchergebnisse nach Informationsressourcen

Abb. 10: Überblick über die relevanten Suchergebnisse

Abb. 11: Art der KI-Nutzung innerhalb der relevanten Suchergebnisse

Abb. 12: Token -Einsatz innerhalb der relevanten Suchergebnisse

Abb. 13: Verwendete Blockchain-Technologie innerhalb der relevanten Suchergebnisse

Abb. 14: Wertangebote innerhalb der relevanten Suchergebnisse

Abb. 15: Einnahmequellen innerhalb der relevanten Suchergebnisse

Abb. 16: Verwendete Kombinationen der Einnahmequellen

Abb. 17: Schlüsselressourcen innerhalb der relevanten Suchergebnisse

Abb. 18: Schlüsselaktivitäten innerhalb der relevanten Suchergebnisse

Abb. 19: Kundensegmente innerhalb der relevanten Suchergebnisse

Abb. 20: Übersicht über die Geschäftsmodellkategorien

Abb. 21: Blockchain-basierte Handelsplattformen für KI-Lösungen

Abb. 22: Blockchain-basierte Handelsplattformen für Rechenleistung

Abb. 23: Blockchain-basierte Plattformen für das Gesundheitswesen

Abb. 24: Blockchain-basierte Plattformen für KI-gestützte Investitionsberatung

Tabellenverzeichnis

Tab. 1: Quantitative Betrachtung der Suchergebnisse

Tab. 2: Ergebnisse aus der Literaturrecherche über die lokale Stadtbibliothek

Tab. 3: Ergebnisse aus der Literaturrecherche über die Bibliothek der lokalen Hochschule

Tab. 4: Ergebnisse aus der Literaturrecherche mittels EBSCO

Tab. 5: Ergebnisse aus der Literaturrecherche mittels Google Scholar

Tab. 6: Ergebnisse aus der Literaturrecherche mittels SpringerLink

Tab. 7: Ergebnisse aus der Internetrecherche mittels Google

Abkürzungsverzeichnis

Abb. Abbildung

DAO Decentralized Autonomous Organizations

DLZ Distributed-Ledger-Technologie

et al. et alia

etc. et cetera

ggf. gegebenenfalls

ICO Initial coin offering

Kap. Kapitel

KI Künstliche Intelligenz

KIs Künstliche Intelligenzen

KNN Künstliche neuronale Netze

s. siehe

sog. sogenannte

Stk. Stück

Tab. Tabelle

u. a. unter anderem

vgl. vergleiche

z. B. zum Beispiel

z. Dt. zu Deutsch

1 Einleitung

Die Technologien Künstliche Intelligenz und Blockchain sind derzeit die wahrscheinlich „am meisten diskutierten Themen im Bereich der digitalen Transformation“.¹ Experten zufolge besitzen beide Technologien das Potential, die vorhandenen Märkte zu disruptieren.² Bei diesen Technologien handelt es sich um sog. general purpose technologies, da die Anwendungsbereiche sehr vielfältig sind und in einer Vielzahl von Branchen eingesetzt werden können.³ Während die Vorteile der Blockchain -Technologie z. B. bei der dezentralen und fälschungssicheren Protokollierung von Ereignissen liegen,⁴ besteht der große Vorteil künstlicher Intelligenzen u. a. darin, dass sie dem Menschen eine Vielzahl von Aufgaben abnehmen und diesen entsprechend entlasten können.

In der vorliegenden Arbeit wird es jedoch weniger darum gehen, welches Potential die einzelnen Technologien besitzen. Stattdessen wird der Fokus auf mögliche Ansätze für innovative Geschäftsmodelle gelegt, die aus der Kombination der Technologien resultieren. Theoretische Ansätze hierzu gibt es zur Genüge: Z. B. gibt es im Bereich des Datenaustauschs erste „tatsächliche Ansätze KI und Blockchain zusammenzuführen.“⁵ Denkbar erscheint bei der Kopplung der Technologien z. B. auch die Einrichtung einer arbeitsteiligen Ökonomie von spezialisierten künstlichen Intelligenzen,⁶ die über Smart Contracts vorab definierte Aufgaben durchführen. Führt man den Gedanken weiter, erscheint auch die Etablierung KI-gesteuerter Unternehmen denkbar, z. B. in Form von sog. decentralized autonomous organizations (DAO)⁷, in denen eine Künstliche Intelligenz die Unternehmensführung übernimmt und autarke Entscheidungen trifft.⁸

Während sich das Forschungsgebiet noch in der Entstehungsphase befindet und das gesamte Potential bzw. die möglichen Anwendungsfälle noch weiter erforscht werden müssen, gibt es bereits einige wenige Pioniere, die sich auf dieses Forschungsgebiet vorwagen. „Durch die Fusion der verschiedenen Technologien entstehen innovative informations- und kommunikationstechnische Systeme, mit deren Hilfe neue Services und Geschäftsmodelle realisiert werden können.“⁹ Die Kombination von Künstlicher Intelligenz und Blockchain kann zu Lösungen für Herausforderungen führen, mit denen Unternehmen sich bereits seit Langem konfrontiert sehen.¹⁰

1.1 Zielsetzung

Für diese Master-Arbeit wird die Unterscheidung von Zielen nach Alam und Gühl vorgenommen. Sie unterscheiden zwischen vier Zielarten: Haupt-, Teil-, Neben- und Nicht-Ziele.¹¹

Das Hauptziel der wissenschaftlichen Arbeit liegt darin, Geschäftsmodellkategorien im Bereich der Kombination aus Künstlicher Intelligenz und Blockchain zu erfassen und systematisch darzustellen.

Darüber hinaus werden drei Teilziele definiert:

- Beschreibung der Potentiale die sich aus der Kombination der beiden Technologien ergeben.
- Darstellung der zum Zeitpunkt der Erstellung dieser Arbeit geplanten oder sich in Umsetzung befindliche, einschlägige Geschäftsmodelle.
- Systematische Gegenüberstellung der relevanten Geschäftsmodelle.

Drei Nebenziele sollen der Erfüllung der Teilziele dienen. Dazu wird jeweils eine Methode für

- das Erheben und Auswerten von einschlägigen Geschäftsmodellen,
- die Feststellung der Relevanz von recherchierten Geschäftsmodellen, sowie
- den systematischen Vergleich der Geschäftsmodelle.

erarbeitet und angewendet.

Folgende Nicht-Ziele werden definiert:

- Bewertung der Geschäftsmodelle hinsichtlich ihrem möglichen Einfluss auf die bestehenden Märkte.
- Detaillierte Erläuterung der Geschäftsmodelle und den zu Grunde liegenden Anwendungsfällen.
- Betrachtung von juristischen oder ethischen Aspekten.

1.2 Vorgehen

Zu Beginn wird auf die Begriffe Künstliche Intelligenz (s. Kap. 2.1), Blockchain (s. Kap. 2.2) und Geschäftsmodell (s. Kap. 2.3) eingegangen, um ein gemeinsames Sprachverständnis zu schaffen. Nach dem Grundlagenteil geht es um die Potentiale, die durch die Kombination der beiden Technologien perspektivisch möglich sind (s. Kap. 3).

Neben der Festlegung von Rahmenbedingungen für die Literatur- und Marktrecherche (s. Kap. 4.1 und 4.2) wird im methodischen Teil darauf eingegangen, wie die Relevanz von Suchergebnissen (s. Kap. 4.3) festgestellt wird. Anschließend geht es um die Art und Weise, wie die Rechercheergebnisse ausgewertet (s. Kap. 4.4) werden und die Kategorisierung der Geschäftsmodelle (s. Kap. 4.5) sowie die Vorstellung der gebildeten Geschäftsmodellkategorien (s. Kap. 4.6) erfolgt.

Nach dem Abschluss des methodischen Teils wird auf die Ergebnisse und Erkenntnisse der durchgeführten Recherche eingegangen (s. Kap. 5.1). Dies erfolgt zunächst bezogen auf die gesamte Recherche (s. Kap. 5.2.1) und im Anschluss auf die gewählten Methoden (s. Kap. 5.2.2 und 5.2.3).

Im weiteren Verlauf wird auf die Unterschiede eingegangen, wie die als relevant gewerteten Geschäftsmodelle die Technologien Künstliche Intelligenz und Blockchain einsetzen (s. Kap. 6.1 und 6.2) sowie welche Unterschiede innerhalb der Geschäftsmodelldimensionen bestehen (s. Kap. 6.3). Im letzten Kapitel erfolgt eine systematische Betrachtung der Unterschiede und Gemeinsamkeiten innerhalb der kategorisierten Geschäftsmodelle (s. Kap. 7).

Zum Schluss wird die Master-Arbeit zusammengefasst (s. Kap. 8), ein Fazit gezogen, eine kritische Reflexion durchgeführt (s. Kap. 9) sowie Hinweise auf mögliche Folgearbeiten gegeben (s. Kap. 10).

2 Grundlagen

In diesem Kapitel soll durch die Erläuterung der Begriffe Künstliche Intelligenz (s. Kap. 2.2), Blockchain (s. Kap. 2.1) und Geschäftsmodell (s. Kap. 2.3) ein gemeinsamer Bezugsrahmen für den weiteren Verlauf der wissenschaftlichen Arbeit hergestellt werden.

2.1 Künstliche Intelligenz

Der Google-Chef Sundar Pichai sagte 2018, dass die Technologie der Künstlichen Intelligenz einen größeren Einfluss auf die Welt haben wird als die Elektrizität oder das Feuer.¹² Als Geburtsstunde der Künstlichen Intelligenz, nachfolgend KI genannt, gilt eine sechswöchige Konferenz, zu der John McCarthy im Jahr 1956 mehrere prominente Teilnehmer, wie u. a. den Kognitionspsychologen Alan Newell oder den späteren Ökonomie-Nobelpreisträger Herbert Simon einlud.¹³ Im Rahmen dieser Konferenz sollten gemeinsam Wege untersucht werden, wie Maschinen Aspekte von menschlicher Intelligenz simulieren könnten.¹⁴ Der zum damaligen Zeitpunkt vorgeschlagene Begriff Artificial Intelligence (zu dt. Künstliche Intelligenz) wird jedoch bis heute nicht von allen Vertretern des Fachgebiets anerkannt.¹⁵

Den ersten Versuch einer Begriffsdefinition zur KI wagte John McMarthy bereits im Jahr 1955. Er definierte den Begriff folgendermaßen: „Ziel der KI ist es, Maschinen zu entwickeln, die sich verhalten, als verfügten sie über Intelligenz.“¹⁶ Laut Ertel scheitert diese Definition jedoch an dem Experiment mit den Braitenberg-Vehikeln. Mittels diesen kann ein Verhalten erzeugt werden, welches laut der obigen Definition als intelligent definiert wird, obwohl die Braitenberg-Vehikel lediglich auf einfachsten elektrischen Verschaltungen basieren.¹⁷ In diesem Kontext muss auch erwähnt werden, dass der Begriff der Intelligenz bis heute nicht einheitlich definiert wurde.¹⁸ So definiert z. B. der Duden den Begriff als die „Fähigkeit des Menschen, abstrakt und vernünftig zu denken und daraus zweckvolles Handeln abzuleiten.“¹⁹ Laut dem Cambridge Dictionary ist Intelligenz die „Fähigkeit zu lernen, zu verstehen und zu beurteilen oder Meinungen zu haben, die auf einem Grund basieren.“²⁰

2.1.1 Unterschiedliche KI-Ausrichtungen

Nach dem ersten Definitionsversuch von McCarthy folgten mehrere Versuche, eine allgemein anerkannte Definition zum Begriff KI zu finden. Dies wurde u. a. dadurch erschwert, dass über die Zeit unterschiedliche KI-Ausrichtungen als maßgebend anerkannt wurden.²¹ Einigkeit besteht bis heute allein darin, dass es sich „bei Künstlicher Intelligenz um ein Teilgebiet der Informatik handelt, das sich mit der Erforschung und Entwicklung sogenannter >intelligenter Agenten< befasst.“²²

Abb. 1 zeigt, welche KI-Ausrichtungen in welchen Zeiträumen jeweils die größte Verbreitung und Akzeptanz erfuhren. Ein breiterer Balken bedeutet demzufolge eine höhere Verbreitung der Methode in dem jeweiligen Zeitraum.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: Die Geschichte der verschiedenen KI-Ausrichtungen²³

Der Abb. 1 kann entnommen werden, dass sich bis heute noch keine KI-Ausrichtung klar gegenüber den anderen durchgesetzt hat. So erhält z. B. die numerische Methode der neuronalen Netze nach einer kurzen Hochphase in den 40er Jahren mit dem Deep Learning in der heutigen Zeit einen immensen Aufschwung. Als zweiter starker Vertreter im numerischen Bereich können die Support-Vektor-Maschinen genannt werden, deren Ursprung in den 90er Jahren liegt. Doch auch im symbolischen Bereich gibt es mit dem probabilistischen Schließen und dem Lernen von Entscheidungsbäumen zwei KI-Ausrichtungen, die aktuell im Trend liegen.

Eine detaillierte Beschreibung aller erwähnten Ausrichtungen sowie die systematische Gegenüberstellung würde den Rahmen der Master-Arbeit sprengen und keinen Mehrwert in Bezug auf die Zielsetzung (s. Kap. 1.1) mit sich bringen. Daher wird der Fokus im weiteren Verlauf auf das Deep Learning gelegt. Dieses brachte einen Durchbruch bei der KI-Forschung mit sich²⁴, erzielte die am meisten gefeierten Erfolge im KI-Bereich²⁵ und führte zu dem neuerdings verstärkten Interesse an der KI-Technologie.²⁶

2.1.2 Deep Learning

Der Abb. 1 kann entnommen werden, dass es sich beim Deep Learning um ein „Wiederaufleben“²⁷ der KI-Ausrichtung der neuronalen Netze handelt. „Neuronale Netze sind Netzwerke aus Nervenzellen im Gehirn von Menschen und Tieren. Etwa 10 bis 100 Milliarden Nervenzellen besitzt das menschliche Gehirn.“²⁸ Im Rahmen des Deep Learnings kommen sog. künstliche neuronale Netze (KNN) zum Einsatz.²⁹ Hierdurch wird versucht, die Netzstrukturen von Nervenzellen nachzubilden.³⁰ Abb. 2 zeigt zum besseren Verständnis eine vereinfachte Darstellung eines künstlichen neuronalen Netzes.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2: Künstliches neuronales Netz (vereinfachte Darstellung)³¹

In künstlichen neuronalen Netzen werden Eingabewerte über Eingabeneuronen in das Netz eingespeist. Die Verarbeitung erfolgt in mehreren Schichten von versteckten Neuronen. Das Beispiel in der Abb. 2 baut dabei z. B. auf zwei Schichten auf. Kommen Rückkopplungen zum Einsatz, so handelt es sich um ein rekurrentes Netz.³² Die Ergebnisse der Verarbeitung werden abschließend über ein oder mehrere Ausgabeneuronen ausgegeben.³³

Beispielhaft könnten die Eingabewerte links die „Farbwerte der Pixel eines Bildes sein und der Ausgabewert rechts eine Aussage, ob auf diesem Bild ein Hund erkennbar ist.“³⁴ Doch es sind auch weitaus komplexere Auswertungen und Ausgabewerte möglich.³⁵ Es lässt sich hierbei bereits erahnen, dass Deep Learning Algorithmen eine starke Abhängigkeit zur Verfügbarkeit und Qualität der Eingabedaten aufweisen. Daher ist aktuell nur eine Nutzung in Bereichen empfehlenswert, die bereits „umfassend von digitaler Datenverarbeitung durchdrungen sind.“³⁶

Auf die Erläuterung weiterer Belange des Deep Learnings wird verzichtet, da diese für die vorliegende Master-Arbeit keinen Mehrwert bieten würden. Stattdessen wird nachfolgend auf die wichtige Unterscheidung³⁷ zwischen starker und schwacher KI eingegangen, die in der Fachwelt häufig verwendet wird.³⁸

2.1.3 Starke vs. schwache Künstliche Intelligenz

Bei einer schwachen KI handelt es sich um einen spezialisierten Algorithmus für bestimmte, abgegrenzte Problemstellungen.³⁹ Dabei können einzelne Aufgaben des Menschen durch die Simulation von Intelligenz erledigt werden.⁴⁰ Eine starke KI dahingegen umfasst eine gesamthafte Abbildung und Imitation des Menschen bzw. der Vorgänge im Gehirn.⁴¹ Dadurch soll ein Zustand erreicht werden, „bei dem Maschinen vergleichbare intellektuelle Fähigkeiten wie der Mensch haben und letztendlich über ein Bewusstsein ähnlich dem menschlichen verfügen“⁴² sollen. Ein möglicher Ansatz hierfür wäre z. B. eine General Artificial Intelligence.⁴³

Die Lernfähigkeit der KI ist jedoch sowohl eine Anforderung an die starke als auch schwache KI.⁴⁴ Nach dem aktuellen Stand der Technik sind alle bis dato existierenden Ansätze in die Kategorie der schwachen KI einzuordnen, da es sich bei dem Konzept der starken KI aktuell eher noch um ein visionäres und philosophisches Konzept handelt.⁴⁵

2.1.4 Definition

Da eine Sammlung, Aufschlüsselung und ein Vergleich der einzelnen KI-Definitionen unverhältnismäßig für diese Master-Arbeit wäre, wird die Definition von Mehr ⁴⁶ zu Grunde gelegt. Mehr definiert KI als das Programmieren von Computern, um Aufgaben zu erledigen, die normalerweise menschliche Intelligenz erfordern. Darin inbegriffen sind laut Mehr die folgenden Fähigkeiten:

- Informationen verstehen und monitoren,
- Schlussfolgerungen ziehen und Prognosen erstellen,
- mit Menschen und Maschinen interagieren und
- kontinuierlich lernen und sich verbessern.

2.2 Blockchain

Aufgrund der Neuartigkeit der Technologie gibt es für den Begriff Blockchain noch keine einheitliche Definition.⁴⁷ Daher wird nachfolgend mittels eines eigenen Ansatzes versucht, die grundlegenden Funktionalitäten der Blockchain -Technologie bzw. „Distributed-Ledger-Technologie (DLZ)“⁴⁸, die für das Verstehen der Technologie erforderlich sind, darzulegen und zu beschreiben (s. Kap. 2.2.1). Im Anschluss wird kurz auf die verschiedenen Arten von Blockchains eingegangen (s. Kap. 2.2.2), bevor im Rahmen weiterer Unterkapitel auf den Begriff der Kryptowährungen (s. Kap. 2.2.3) sowie die Finanzierungsform ICO (s. Kap. 2.2.4) eingegangen wird.

2.2.1 Grundlegende Funktionalitäten der Blockchain-Technologie

Die Blockchain-Technologie wird in dieser Master-Arbeit anhand der folgenden vier Kernfunktionalitäten erläutert:

- Dezentrale Verteilung der Datenbankstrukturen (s. Kap. 2.2.1.1)
- Einsatz kryptographischer Verfahren (s. Kap. 2.2.1.2)
- Nutzung von Konsens-Mechanismen (s. Kap. 2.2.1.3)
- Kopplung mit Smart Contracts (s. Kap. 2.2.1.4)

2.2.1.1 Dezentrale Verteilung der Datenbankstrukturen

Die dezentralen Datenbankstrukturen werden durch die dezentrale Dokumentation von Transaktionen in einer Art verteiltem Kassenbuch⁴⁹ sichergestellt. Erfolgreiche Transaktionen werden dabei bis zum ersten Block, dem sog. „Genesis Block“⁵⁰, auf allen Computern hinterlegt, die an dem Blockchain-Netzwerk beteiligt sind.⁵¹

Jeder Knoten bzw. Nutzer innerhalb der Blockchain besitzt eine einzigartige, mindestens 30-stellige alphanumerische Adresse.⁵² Die Nutzer können jeweils frei wählen, ob sie anonym bleiben oder ihre Identität gegenüber anderen Nutzern transparent machen möchten.⁵³ Bei einer getätigten Transaktion müssen die Absender- bzw. Empfängerdaten somit nicht zwingend hinterlegt sein, was z. B. bei „gewöhnlichen“ Transaktionen zwischen Bankkonten von Finanzinstituten der Regelfall ist. Stattdessen werden z. B. bei der bekannten Kryptowährung Bitcoin Transaktionen lediglich zwischen sog. Wallets ⁵⁴ (s. Kap. 2.2.3) durchgeführt.

Jedwede Aktion, die im Rahmen des Netzwerkes durchgeführt wird, stellt „eine Funktion des gesamten Netzwerkes“⁵⁵ dar. Hierdurch erhält jeder Beteiligte vollen Zugriff auf die gesamte Datenbasis und dessen gesamte Historie. Durch die eigenständige Möglichkeit zur Verifizierung⁵⁶ aller durchgeführten Transaktionen, ohne dabei eine zentrale Instanz⁵⁷ bzw. eine dritte Partei⁵⁸ einschalten zu müssen, wird laut Palka und Wittpahl die Basis für die höchste Ebene des Vertrauens geschaffen: Das „Vertrauen durch Wissen und persönliche Kontrolle“.⁵⁹

Synonym dazu kann eine derartige Struktur auch als Peer-to-Peer System bezeichnet werden.⁶⁰ In Bezug auf die Blockchain sind unter Peers alle Computer zu verstehen, die an dem Blockchain-Netzwerk beteiligt sind. Alle Teilnehmer des Netzwerkes sind hierbei grundsätzlich gleichgestellt und Hierarchien existieren nicht.⁶¹

2.2.1.2 Einsatz kryptographischer Verfahren

Die Blockchain -Technologie baut auf zwei Verfahren aus der Kryptographie auf: Den Hash-Funktionen und der asymmetrischen Verschlüsselung.⁶²,⁶³

Bei einer Hash-Funktion handelt es sich um einen Algorithmus, der „eine Zeichenfolge von beliebiger Länge in eine Zeichenfolge fixer Länge umwandelt“⁶⁴. Die nach der Umwandlung erhaltene Zeichenfolge nennt sich Hash-Wert. Hash-Funktionen sind deterministisch und erzeugen mit den gleichen Eingangsdaten stets den selben Hash-Wert⁶⁵ (s. Abb. 3). Dabei ist es essentiell für die Unumkehrbarkeit, dass die Erzeugung eines Hash-Wertes lediglich aus den Eingangsdaten erzeugt, nicht jedoch als Grundlage für das Nachvollziehen der Eingangsdaten verwendet werden kann.⁶⁶

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3: Schematischer Ablauf eines Hash-Vorgangs⁶⁷

Diese Einwegfunktion (s. Abb. 3) wird bei der Blockchain dahingehend genutzt, dass jeder Block, jede Transaktion als auch jede Verknüpfung zwischen den Datenblöcken in einen Hash-Wert umgewandelt wird.⁶⁸

Bei der asymmetrischen Verschlüsselung enthält ein öffentlicher Schlüssel die Nutzeradresse auf der Blockchain, die als Absender- oder Empfängeradresse bei Transaktionen dient, während ein privater Schlüssel die Funktion eines Passwortes erfüllt und entsprechend sicher verwahrt werden sollte.⁶⁹ In der Kombination dient das Schlüsselpaar zur Erstellung einer digitalen Signatur für das Ver- und Entschlüsseln von Transaktionen.⁷⁰ Der Absender verschlüsselt die Transaktionsinformationen mit seinem privaten Schlüssel und übermittelt die verschlüsselten Informationen gemeinsam mit dem öffentlichen Schlüssel an den Empfänger. Dieser kann die signierte Nachricht dann anhand des öffentlichen Schlüssels des Absenders prüfen und die Authentizität der Transaktion verifizieren.⁷¹ Hierdurch ist gewährleistet, dass ausschließlich der Absender und Empfänger die übermittelten Informationen entschlüsseln können.

Die im Blockchain-Netzwerk durchgeführten Transaktionen werden unter Einsatz der beiden obig beschriebenen kryptographischen Verfahren in Blöcken festgeschrieben, miteinander innerhalb der Blockchain verkettet und somit gegen nachträgliche Änderungen abgesichert.⁷² Die Verkettung von Einträgen hatte einen maßgeblichen Einfluss auf die Namensgebung der Technologie Blockchain (z. Dt. Block-Kette).⁷³ Informationen können hierdurch schneller und sicherer als mittels konventioneller Methoden verifiziert werden.⁷⁴

2.2.1.3 Nutzung von Konsens-Mechanismen

„Da es bei der Blockchain keinen Intermediär gibt, der die Authentizität und Integrität der Daten garantiert, müssen sich die [..] dezentralen Teilnehmer:innen auf ein anderes Verfahren einigen, dass die Legitimität der Transaktionen sicherstellt und nachvollziehbar macht. […] Der bekannteste unter ihnen ist der Proof of Work (PoW).“⁷⁵ Dieser wird z. B. von den Kryptowährungen Bitcoin, Ethereum und Monero verwendet.⁷⁶

Beim Proof-of-Work-Verfahren wird die Validierung durch einen komplizierten Rechenprozess festgestellt.⁷⁷ Sog. Miner stehen miteinander im Wettbewerb, während sie versuchen, „als erstes ein kryptografisches Zufallsrätsel zu lösen, wofür großer Rechenaufwand und damit Energieverbrauch verbunden ist.“⁷⁸

Der Anreiz für die Teilnahme an dem Wettbewerb wird durch ein finanzielles Belohnungssystem geschaffen, in dem die erfolgreichen Miner automatisch eine gewisse Menge an Kryptowährungen erhalten. Alternativen zum Proof-of-Work -Verfahren sind z. B. das Proof-of-Stake - und Proof-of-Authority -Verfahren (PoS und PoA)⁷⁹, auf die jedoch im Rahmen dieser Arbeit nicht näher eingegangen wird.

2.2.1.4 Kopplung mit Smart Contracts

Die Idee des Smart Contracts bzw. „klugen Vertrags“⁸⁰ ist nicht neu und stammt laut Kilic bereits aus dem Jahr 1993.⁸¹ Als Smart Contract wird ein „Vertrag auf Software-Basis“⁸² bezeichnet, der Automatismen auslöst, „sobald bestimmte Voraussetzungen erfüllt sind.“⁸³

Mittels Algorithmen können eine Vielfalt von im Vorfeld zwischen den Vertragspartnern definierten Vertragsbedingungen als Voraussetzungen digital abgebildet werden.⁸⁴ Die hierdurch ausgelösten Automatismen können dann z. B. den Austausch von Werten, die Übertragung von Informationen oder das Auslösen von Ereignissen umfassen.⁸⁵

Ein Smart Contract ist klassischerweise nicht an eine Blockchain gebunden, adaptiert jedoch aufgrund der Kopplung mit der Blockchain deren vorteilhafte Eigenschaften. „Im Grunde sind Smart Contracts nichts weiter als kleine Programmprotokolle, die […] Verträge emulieren.“⁸⁶ Die Verträge können in diesem Kontext als die Definition einer digital abgebildeten WENN-DANN-Beziehung verstanden werden. Ein Beispiel kann der nachfolgenden Abb. 4 entnommen werden.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 4: Funktionsweise eines Smart Contracts

Die auslösende Instanz bzw. Person initiiert im obigen Beispiel die Prüfung der im Smart Contract definierten Voraussetzung(en) über eine programmtechnische Schnittstelle. Im Anschluss erfolgt die Prüfung. Das „XOR“-Feld (exklusives oder) soll darstellen, dass im Falle eines positiven Ergebnisses der hinterlegte Automatismus ausgelöst wird. Falls die Prüfung jedoch negativ ausfällt, wird der Automatismus nicht ausgelöst. Die Verträge werden als smart bezeichnet, da sie keinen Mittelsmann für die Prüfung, Bewertung sowie Aktivierung der nachgelagerten Prozessschritte benötigen.⁸⁷

Die potentiellen Einsatzmöglichkeiten zur Abbildung von Verträgen über Smart Contracts sind theoretisch endlos und reichen von E-Commerce zu autonomen Transaktionen zwischen Maschinen bis hin zur terminlichen Freigabe von vorher definierten Budgets.⁸⁸

Die „höchste und komplexeste Form eines Smart Contracts “⁸⁹ stellt nach aktuellem Wissensstand eine DAO⁹⁰ dar. Das Fraunhofer Institut definiert den Begriff als: „eine Blockchain-basierte, autonome, dezentral strukturierte Organisationseinheit, die auf der Basis eines Algorithmus selbstständig Entscheidungen trifft.“⁹¹

2.2.2 Arten von Blockchains

Es gibt drei Arten von Blockchains: „Private Blockchain, Konsortium Blockchain und öffentliche Blockchain.“⁹² Grundsätzlich wird dabei unterschieden, wer am Netzwerk teilnehmen kann und Einsicht in die Transaktionshistorie besitzt.⁹³

Bei einer privaten Blockchain werden die Schreibrechte zentral vergeben. Gleiches gilt für die Leserechte, wobei hier auch die Option besteht, diese öffentlich zugänglich zu belassen. Eine Konsortium Blockchain zeichnet sich dadurch aus, dass Transaktionsverifikationen durch vordefinierte Knoten durchgeführt werden. Für das Leserecht gilt dasselbe wie bei einer privaten Blockchain.⁹⁴ Eine öffentliche Blockchain ist dadurch gekennzeichnet, „dass alle Teilnehmenden die gleichen Rechte haben sowie dass alle Transaktionen gleichwertig auf jedem Server verzeichnet sind.“⁹⁵

2.2.3 Kryptowährungen

Eine Kryptowährung wird definiert als „Virtuelle, digitale Währung, die Blockchains als Transaktionsprotokoll [..] und kryptographische Verfahren zur Manipulationssicherheit einsetzt.“⁹⁶

Beispiele für Kryptowährungen sind z. B. Bitcoin, Ether oder Ripple. Der Begriff Kryptowährung kann auch als „Token System“⁹⁷ verstanden werden. Token bedeutet übersetzt „Münzen“ oder „Coupon“ und kann unterschiedliche Funktionen repräsentieren:⁹⁸

- ähnlich wie bei einem Börsengang als Aktien,
- als digitaler Anteil an einem Projekt oder auch
- zur Nutzung einer Dienstleistung auf einer Blockchain-Plattform.

Die Tokens können z. B. dafür verwendet werden, die Prozesskette aus Abb. 4 zu durchwandern. Dabei wird jedes prozessuale Ereignis in dem Blockchain-Netzwerk dezentral protokolliert. Die auslösende Instanz oder auch der virtuelle Ort, an dem die Prüfung der Voraussetzungen erfolgt, kann hierbei beispielsweise als Wallet vorgesehen werden.

Als Wallet versteht man eine „digitale Geldbörse. Hier werden die Tokens auf dem eigenen Rechner zu Hause, auf einem USB-Stick, einem mobilen Endgerät oder bei einem über das Internet verbundenen Drittanbieter gespeichert.“⁹⁹ Wallets sind „per se nicht an die Identität einer Person geknüpft und können beliebig erzeugt werden.“¹⁰⁰

2.2.4 Initial Coin Offering

Hahn und Wons definieren den Begriff Initial Coin Offering (ICO) folgendermaßen: „Bei einem Initial Coin Offering werden digitale Tokens oder Coins (dt Münzen) erworben. Tokens können ähnlich wie Aktien bei einem Börsengang gesehen werden, haben jedoch nicht die einfache Funktion eines reinen Anteils am Unternehmen. Sie funktionieren eher als ein digitaler Anteil an einem Projekt.“¹⁰¹ ICOs sind im Bereich von Projekten, die auf der Blockchain -Technologie basieren, „zu einer sehr beliebten Finanzierungsform […] geworden.“¹⁰² So wurden allein im ersten Halbjahr des Jahres 2019 2,55 Mrd. US$ durch ICOs eingeworben.¹⁰³ Im Rahmen von ICOs ist es üblich, ein sog. Whitepaper zu erstellen. Dabei handelt es sich um „ein Dokument, das einen Überblick über ein Problem, welches das Projekt lösen möchte, die Lösung dieses Problems sowie eine detaillierte Beschreibung des Produkts, seiner Architektur und seiner Interaktion mit den Benutzern enthält.“¹⁰⁴

2.3 Geschäftsmodell

Wie auch bei den Begriffen KI und Blockchain gibt es für den Begriff Geschäftsmodell keine allgemein anerkannte Definition¹⁰⁵, obwohl sich in den letzten Jahren und Jahrzehnten bereits mehrere Autoren intensiv damit beschäftigt haben.

2.3.1 Wahl eines Geschäftsmodellansatzes

Nagl und Bozem haben in ihren Studien versucht, die unterschiedlichen. Merkmale von Geschäftsmodellen aufzuschlüsseln, um darauf aufbauend einen Vergleich durchführen zu können. Sie untersuchten 16 unterschiedliche Ansätze und ermittelten dabei quantitativ, welche Merkmale am häufigsten erwähnt wurden (siehe Abb. 5).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 5: Geschäftsmodelle und ihre Merkmale nach Nagl/Bozem ¹⁰⁶

Eine Erkenntnis dabei war, dass der Ansatz von Osterwalder und Pigneur, das sog. Business Model Canvas, die mit Abstand meisten Merkmale enthielt (12 von 22 Merkmalen). Demzufolge könnte man rein aus einer quantitativen Betrachtung her schlussfolgern, dass das Business Model Canvas dafür geeignet ist, ein möglichst umfassendes Bild eines Geschäftsmodells zu vermitteln.

Führt man jedoch eine Gewichtung der Merkmale ein, welche sich aus der Häufigkeit der Nennung in den betrachteten Geschäftsmodelldefinitionen ergibt, so eignen sich andere Ansätze eher. In diesem Fall wären die Definitionen von Bieger/Reinhold und Schallmo relevanter, da diese z. B. jede der fünf am häufigsten genannten Merkmale beinhalten, während das Business Model Canvas lediglich vier enthält. Das Merkmal „Unternehmenszweck“ fehlt dabei komplett. Dem gegenüber steht jedoch, dass die Ansätze von Bieger/Reinhold und Schallmo bei der quantitativen Betrachtung (s. oben) lediglich sieben bzw. neun Merkmale abdecken.

In der wissenschaftlichen Literatur finden sich eine Vielzahl von Autoren, die dem Business Modell Canvas eine hohe Relevanz zuordnen. So sehen Kreutzer/Neugebauer/Pattloch dieses Modell als etablierten Standard für das strategische Geschäftsmodellmanagement an, welcher sich sowohl bei Organisationen unterschiedlicher Größen als auch im Hochschulbereich hoher Popularität erfreut.¹⁰⁷ Ematinger spricht in diesem Kontext von einem „zu Recht [...] für sehr viele Branchen brauchbaren Standardformat, mit dem Geschäftsmodelle nachvollziehbar beschrieben werden können“.¹⁰⁸ Granig/Hartlieb/Lingenhel zufolge ist das Modell mittlerweile der bekannteste Ansatz, dem eine gute Methodik zu Grunde liegt und welches u. a. aufgrund der Übersichtlichkeit Kommunikationsbarrieren senkt.¹⁰⁹ Auch Schallmo erkennt das Modell als „gängige Vorgehensweise“¹¹⁰ für die Entwicklung und Darstellung von Geschäftsmodellen an.

Insofern wird für den weiteren Verlauf der wissenschaftlichen Arbeit das Business Modell Canvas verwendet. Nachfolgend wird kurz auf die neun Dimensionen des Business Model eingegangen.

2.3.2 Business Modell Canvas

Kreutzer/Neugebauer/Pattloch teilen die neun Dimensionen in insgesamt drei Kategorien¹¹¹ auf, welche sich jeweils auf unterschiedliche Sichtweisen beziehen. Diese lauten:

- Marktgerichtete Sicht auf die Geschäftslogik (s. Kap. 2.3.2.1)
- Bilanz-orientierte Sicht auf die Geschäftslogik (s. Kap. 2.3.2.2)
- Ressourcenbasierte Sicht auf ein Unternehmen (s. Kap. 2.3.2.3)

2.3.2.1 Marktgerichtete Sicht auf die Geschäftslogik

Hierbei handelt es sich um eine Sichtweise, die die Rolle der Marktbedingungen bzw. der Positionierung auf dem Markt in den Fokus für die Entwicklung einer Unternehmensstrategie rückt.¹¹² Kreutzer/Neugebauer/Pattloch ordnen die Dimensionen folgendermaßen an:¹¹³

1. Kundensegment: Unter dem Kundensegment versteht man alle Kunden, die durch das Geschäftsmodell erreicht werden sollen, mit dem Ziel, deren Kundenbedürfnisse zu befriedigen¹¹⁴ (z. B. Investoren, Unternehmen, Entwickler etc.).
2. Kanäle: Hierunter werden die Kundenberührungspunkte sowie die „Kommunikations-, Distributions und Verkaufskanäle“¹¹⁵ verstanden (z. B. Social Media Kanäle, Online-Shops, etc.).
3. Kundenbeziehungen: Diese Dimension spiegelt wider, mit welchem Kundensegment welche Art von Beziehung eingegangen werden soll¹¹⁶ (z. B. einfache und intuitive Interaktion zwischen Nutzer und Plattform, Fokus auf persönlichen Kontakt etc.).
4. Einnahmequellen: Unter dieser Dimension werden all jene Einkommensströme zusammengefasst, die durch das Geschäftsmodell generiert werden bzw. die zum Cash-Flow¹¹⁷ beitragen (z. B. Nutzungsgebühren für Dienstleistungen, Transaktionsgebühren etc.).

2.3.2.2 Bilanz-orientierte Sicht auf die Geschäftslogik

Bei dieser Sichtweise liegt der Fokus darin, eine Ausgewogenheit zwischen der marktgerichteten und ressourcenbasierten Sichtweise zu erreichen.¹¹⁸

5. Wertangebote: Die Wertangebote umfassen „verschiedene Produkte oder Dienstleistungen qualitativer oder quantitativer Natur“¹¹⁹, die dem Kunden einen Nutzen bieten (z. B. effizientere Arbeitsweise, Kostenreduktion etc.).¹²⁰

2.3.2.3 Ressourcenbasierte Sicht auf ein Unternehmen

Die ressourcenbasierte Sicht widmet sich dem Unternehmen an sich. Statt externen Faktoren wie z. B. die lokale Wirtschaftslage stehen hierbei die internen Faktoren, wie z. B. die Organisationsstruktur oder die Ressourcenzusammensetzung im Vordergrund. Kreutzer/Neugebauer/Pattloch wählen folgende Reihenfolge für die einzelnen Dimensionen:¹²¹

6. Schlüsselressourcen: Erst durch die Schlüsselressourcen ist ein Unternehmen in der Lage, das Geschäftsmodell zu betreiben. Es wird grundsätzlich zwischen physischen Ressourcen (z. B. IT-Systeme), geistigen Ressourcen (z. B. Patente), Humanressourcen (z. B. Experten) und finanziellen Ressourcen (z. B. Barmittel) unterschieden.¹²²
7. Schlüsselaktivitäten: Bei den Schlüsselaktivitäten handelt es sich um die Handlungen eines Unternehmens, die zur Schaffung und Unterbreitung des Wertangebotes, zur Erreichung der Märkte sowie zum Aufbau und der Pflege der Kundenbeziehungen notwendig sind¹²³ (z. B. Instandhaltung und Weiterentwicklung einer Plattform etc.).

[...]

---

¹ Wagener/Human (2018)

² vgl. Wagener/Human (2018)

³ vgl. Reetz (2019) S. 16

⁴ vgl. Hahn, Wons (2018), S. 1

⁵ Wagener/Human (2018)

⁶ vgl. Wagener/Human (2018)

⁷ Für weitere Informationen siehe: Schiller (2018)

⁸ vgl. Wagener/Human (2018)

⁹ Sucky (2019), S. 56

¹⁰ vgl. Medium.com (2018) a

¹¹ vgl. Alam/Gühl (2016), S. 62

¹² vgl. Clifford (2018)

¹³ vgl. Buxmann/Schmidt (2019) S. 3

¹⁴ vgl. AI100.Stanford.edu (2016), S. 50

¹⁵ vgl. Buxmann/Schmidt (2019) S. 4

¹⁶ Ertel (2016) S. 1

¹⁷ vgl. Ertel (2016) S. 2

¹⁸ Bünte (2018) S. 5

¹⁹ Duden.de (o. J.)

²⁰ Dictionary.Cambridge.org (o. J.)

²¹ vgl. Ertel (2016) S. 8

²² Buxmann/Schmidt (2019), S. 6

²³ Ertel (2016) S. 8

²⁴ vgl. Wittpahl (2019), S. 36

²⁵ vgl. Gentsch (2018), S. 11

²⁶ vgl. Buxmann/Schmidt (2019), S. 109

²⁷ Gentsch (2018), S. 124

²⁸ Ertel (2016), S. 265

²⁹ vgl. Wittpahl (2019), S. 29

³⁰ vgl. Wittpahl (2019), S. 29

³¹ Wittpahl (2019), S. 30

³² vgl. Ertel (2016), S. 272

³³ vgl. Wittpahl (2019), S. 30

³⁴ vgl. Wittpahl (2019), S. 31

³⁵ Wittpahl (2019), S. 31

³⁶ vgl. Wittpahl (2019), S. 222

³⁷ vgl. Buxmann/Schmidt (2019), S. 6

³⁸ vgl. Wittpahl (2019), S. 222

³⁹ vgl. Buxmann/Schmidt (2019), S. 7

⁴⁰ vgl. Wittpahl (2019), S. 222

⁴¹ vgl. Buxmann/Schmidt (2019), S. 6

⁴² Wittpahl (2019), S. 222

⁴³ vgl. Chen/Wang/Yan/Tian (o. J.) S. 1ff

⁴⁴ vgl. Buxmann/Schmidt (2019), S. 7

⁴⁵ vgl. Wittpahl (2019, S. 222

⁴⁶ vgl. Mehr (2017), S. 3

⁴⁷ vgl. Schlatt/Schweizer/Urbach/Fridgen (2016), S. 7

⁴⁸ Bsi.bund.de (o. J.)

⁴⁹ vgl. Sandner/Dill (2017)

⁵⁰ Bogensperger/Zeiselmair/Hinterstocker (2018), S. 31

⁵¹ vgl. Rosenberger (2018), S. 9

⁵² vgl. Iansati/Lakhani (2017), S. 9

⁵³ vgl. Iansati/Lakhani (2017), S. 9

⁵⁴ Für weitere Informationen, siehe: Cryptocurrencyfacts.com (o. J.)

⁵⁵ BaFin.de (2017)

⁵⁶ vgl. Iansati/Lakhani (2017), S. 9

⁵⁷ vgl. BaFin.de (2017)

⁵⁸ vgl. Medium.com (2018) a

⁵⁹ vgl. Palka/Wittpahl (2018), S. 5

⁶⁰ vgl. Schoder/Fischbach (o. J.), S. 1

⁶¹ vgl. Bogensperger/Zeiselmair/Hinterstocker (2018), S. 9

⁶² vgl. Bogensperger/Zeiselmair/Hinterstocker (2018), S. 5

⁶³ vgl. Palka/Wittpahl (2018), S. 6

⁶⁴ Schlatt/Schweizer/Urbach/Fridgen (2016), S. 8

⁶⁵ vgl. Schlatt/Schweizer/Urbach/Fridgen (2016), S. 8

⁶⁶ vgl. Bogensperger/Zeiselmair/Hinterstocker (2018), S. 17

⁶⁷ Bogensperger/Zeiselmair/Hinterstocker (2018), S. 18

⁶⁸ vgl. Bogensperger/Zeiselmair/Hinterstocker (2018), S. 18

⁶⁹ vgl. BaFin.de (2017)

⁷⁰ vgl. Bogensperger/Zeiselmair/Hinterstocker (2018), S. 21

⁷¹ vgl. Schlatt/Schweizer/Urbach/Fridgen (2016), S. 8

⁷² vgl. Pwc.de (2017)

⁷³ vgl. Iansati/Lakhani (2017), S. 9

⁷⁴ vgl. Goldmansachs.com (o. J.)

⁷⁵ Reetz (2019), S. 11

⁷⁶ vgl. Reetz (2019), S. 11

⁷⁷ vgl. Zheng/Xie/Dai/Chen/Wang (2017), S. 7

⁷⁸ Reetz (2019), S. 11

⁷⁹ vgl. Bogensperger/Zeiselmair/Hinterstocker (2018), S. 34

⁸⁰ Rosenberger (2018), S. 95

⁸¹ vgl. Kilic (2018)

⁸² Mitschele (o. J.)

⁸³ Deloitte.com (2017), S. 7

⁸⁴ vgl. Mitschele (o. J.)

⁸⁵ vgl. Deloitte.com (2017), S. 7

⁸⁶ Kilic (2018)

⁸⁷ vgl. Rosenberger (2018), S. 98

⁸⁸ vgl. Mattila (2016), S. 16

⁸⁹ Voshmgir (2016), S. 14

⁹⁰ Prinz/Schulte (2017), S. 45

⁹¹ Prinz/Schulte (2017), S. 45

⁹² Palka/Wittpahl (2018), S. 7

⁹³ vgl. Jayachandran (2017)

⁹⁴ vgl. Palka/Wittpahl (2018), S. 7

⁹⁵ Palka/Wittpahl (2018), S. 7

⁹⁶ Prinz/Schulte (2017), S. 45

⁹⁷ Ray (2018)

⁹⁸ vgl. Hahn/Wons (2018), S. 2

⁹⁹ Hahn/Wons (2018), S. 2

¹⁰⁰ Prinz/Schulte (2017), S. 34

¹⁰¹ Hahn/Wons (2018), S. 2

¹⁰² Hahn/Wons (2018), S. 3

¹⁰³ Icobench.com (2018) c., S. 7

¹⁰⁴ De.Cointelegraph.com (o. J.)

¹⁰⁵ vgl. Nagl/Bozem (2018), S. 3

¹⁰⁶ Nagl/Bozem (2018), S. 13

¹⁰⁷ vgl. Kreutzer/Neugebauer/Pattloch (2017), S. 63

¹⁰⁸ Ematinger (2018), S. 21

¹⁰⁹ vgl. Granig/Hartlieb/Lingenhel (2016), S. 147

¹¹⁰ Schallmo (2017), S. 443

¹¹¹ vgl. Kreutzer/Neugebauer/Pattloch (2017), S. 65

¹¹² vgl. McGee (2015)

¹¹³ vgl. Kreutzer/Neugebauer/Pattloch (2017), S. 64

¹¹⁴ vgl. Schallmo (2013), S. 126

¹¹⁵ Nagl/Bozem (2018), S. 8

¹¹⁶ vgl. Schallmo (2013), S. 128

¹¹⁷ Für weitere Informationen siehe: Svea.com (2018)

¹¹⁸ vgl. Kreutzer/Neugebauer/Pattloch (2017), S. 65

¹¹⁹ Nagl/Bozem (2018), S. 8

¹²⁰ vgl. Nagl/Bozem (2018), S. 8

¹²¹ vgl. Kreutzer/Neugebauer/Pattloch (2017), S. 64

¹²² vgl. Schallmo (2013), S. 87

¹²³ vgl. Nagl/Bozem (2018), S. 8

• Author: Dejan Veselinovic (Author)
• Publication Year: 2021
• Pages: 96
• Catalog Number: V904920
• ISBN (eBook): 9783960959618
• ISBN (Book): 9783960959625
• Language: German
• Tags: künstliche, intelligenz, blockchain, geschäftsmodelle, potentiale, anwendungsfälle