Erhöhung der lokalen Handlungsfähigkeit durch Datengenossenschaften – Transformation von Gemeinden in regionalen Verbänden

2.1 Definition und Strukturelemente von Datengenossenschaften im öffentlichen Sektor

Datengenossenschaften sind Zusammenschlüsse von Datenproduzenten oder -haltern, die gemeinschaftlich als Genossenschaft (Art. 828 OR, A. Genossenschaft des Obligationenrechts) Daten erheben, verwalten, nutzen und/oder vermarkten (Hardjono et al., 2019; Johannes & Nebel, 2025). Diese Struktur baut auf den grundlegenden Prinzipien der Internationalen Genossenschaftsbewegung auf: demokratische Kontrolle (one person, one vote; Kopfstimmrecht), Förderung der eigenen Mitglieder anstelle externer Kapitalgeber sowie das Ziel, gemeinschaftlichen und gesellschaftlichen Mehrwert durch die Bündelung von Ressourcen zu schaffen (ICA, 2017).

Das zentrale Merkmal für die Anwendung im öffentlichen Sektor ist dabei die konsequente Ausrichtung auf das Gemeinwohl. Anders als bei kommerziellen Datenplattformen, bei denen Profitmaximierung im Vordergrund steht, sind Datengenossenschaften in erster Linie der Stärkung ihrer Mitglieder verpflichtet. „Die Mitglieder einer Genossenschaft bringen ihre jeweiligen Stärken ein, agieren untereinander auf Augenhöhe und fördern so die Zwecke der Genossenschaft“ (Johannes & Nebel, 2025). Gleichzeitig bietet die Rechtsform ein Höchstmass an Flexibilität, was die Zusammensetzung der Mitglieder sowie die (Weiter-)Entwicklung gemeinsamer Dienstleistungen betrifft (Transformations-Magazin, 2025).

Im Rahmen von gemeindlichen und regionalen Verbänden können Datengenossenschaften eine Plattform bilden, über die Gemeinden, Landesverwaltungen, gemeinnützige Organisationen und auch Unternehmen mit öffentlich-relevanten Aufgaben gemeinsam Daten erheben, austauschen und nutzen. Die gemeinsame Souveränität senkt Betriebsbarrieren und Schutzbedarfe und bietet einen verlässlichen Rahmen für geteiltes Innovationsmanagement (Hardjono et al., 2019).

Das Geschäftsmodell einer Datengenossenschaft im öffentlichen Sektor unterscheidet sich fundamental von privatwirtschaftlichen Datennetzwerken und -plattformen (Fudge & Robinson, 2020). Das Hauptziel ist stets die Förderung der Mitglieder und die Schaffung von gesellschaftlichem Mehrwert. Die typischen Wertschöpfungsmechanismen einer Datengenossenschaft werden nachfolgend vorgestellt:

2.2 Defizite bisheriger Ansätze und Ansätze der Datennutzung

Open-Data-Initiativen in europäischen Gemeinden verzeichnen bislang nur moderate Nutzungserfolge. Das hat mehrere Gründe:

• Es konnten nur selten Anwendungsbeispiele geschaffen werden, die für Bürgerinnen und Bürger unmittelbar relevant und verständlich waren (Zuiderwijk et al., 2021).

• Es herrschen fehlende technische wie konzeptionelle Standards vor, sodass Dienste weder interoperabel noch skalierbar umgesetzt werden (Ubaldi, 2013).

• Es fehlt es zumeist an Institutionen oder Organisationen, die eigenverantwortlich und systemhaft an nachhaltigen Geschäftsmodellen für offene Daten arbeiten (Fudge & Robinson, 2020).

Kommerzielle Unternehmen im Bereich Virtual- und Augmented Reality verknüpfen Open-Data- und IoT-Innovationen zwar mit digitalen Dienstleistungen, jedoch typischerweise mit der Zielsetzung, userbasierte Monetarisierung zu betreiben. Gemeinwohlorientierte Anwendungen und demokratische Mitbestimmung nehmen in deren Strategien eine untergeordnete Rolle ein (Bertino, 2020). Zudem fokussieren viele Pilotprojekte statt auf regionale Interessengruppen auf technische Machbarkeit und Innovationspotenzial in spezifischen Domänen – etwa Mobilität oder Energie – ohne den gesellschaftlichen Mehrwert für lokale Netzwerke systematisch einzubinden (Veenstra & Kotterink, 2017).

Transnationale Beispiele wie MOSIDI (Modulare Open-Source-Infrastruktur für Dateninteraktion; Projekt InNoWest mit dem Land Brandenburg und der Fachhochschule Potsdam in Deutschland) und Digitalraum-MDM (Main-Donau_Moldau) zeigen, dass diese Rahmenbedingungen durchaus erfolgreich realisiert werden können und so auch Gemeinden mit geringer Datenkompetenz digital ermächtigt werden können (MOSIDI Consortium, 2023; Micheli et al., 2020).

Die digitale Transformation von Schweizer Gemeinden steht nicht nur vor technologischen, sondern vor allem organisatorischen und governance-bezogenen Herausforderungen. Im Kontext regionaler Verbände gewinnen Datengenossenschaften als gemeinschaftliche, demokratisch organisierte Datenverwaltungsformen an Bedeutung. Zentral für das Verständnis dieses Transformationsprozesses sind das MOSIDI-Projekt sowie der Digitalraum-MDM-Ansatz.

Das MOSIDI-Projekt ist ein Forschungs- und Entwicklungsprojekt, das sich mit der digitalen Vernetzung von Gemeinden in regionalen Verbänden beschäftigt. Ziel ist es, eine gemeinsame Dateninfrastruktur zu schaffen, die eine interoperable, sicherheits- und datenschutzkonforme Zusammenarbeit ermöglicht. Insbesondere die zergliederte Infrastruktur-Landschaft zwischen und innerhalb der Kantone sollte hierdurch ein Vorbild finden. Das Projekt stellt insbesondere die Governance-Strukturen für den Datenaustausch in den Mittelpunkt, um Vertrauen zwischen den Gemeinden aufzubauen und Datenhoheit zu erhalten. Einheitliche Datentransferstandards können aus dem Projekt nachgenutzt werden. MOSIDI betont zugleich die Förderung von digitalen Kompetenzen und den Aufbau einer nachhaltigen Datenkultur. Hierbei orientiert es sich an Prinzipien der Datengenossenschaft, bei der die beteiligten Akteure gemeinsam über die Nutzung und die Regeln der Daten verfügen und somit die digitale Souveränität stärken.

Der Digitalraum-MDM-Ansatz (Master Data Management im Digitalraum) ergänzt MOSIDI auf technologischer Ebene: Er entwickelt ein Modell zur einheitlichen Verwaltung sogenannter Stammdaten (Master Data), die in mehreren Gemeinden und Verwaltungsstellen konsistent, aktuell und qualitativ hochwertig vorliegen müssen. Gerade auch die transnationale Kooperation, z.B. mit Deutschland und dem FIM-System (Förderales Informationsmanagement) kann hierüber als Modell abgeleitet werden. Digitalraum-MDM konzipiert dabei eine regional koordinierte Datenplattform, die Redundanzen verhindert, Datenqualität sichert und automatisierte Prozesse über Gemeindegrenzen hinweg ermöglicht. Dieser Ansatz berücksichtigt die heterogene IT-Landschaft in den Gemeinden und setzt auf standardisierte Schnittstellen, um eine nahtlose Integration in bestehende Systeme zu gewährleisten. Darüber hinaus wird die Einhaltung von Datenschutzbestimmungen (z.B. DSGVO-konform) sowie die Nachvollziehbarkeit von Datenzugriffen sichergestellt.

Die Verbindung von MOSIDI und Digitalraum-MDM bildet somit eine theoretische und praktische Grundlage, um Datengenossenschaften als Lösung für die digitale Transformation in Schweizer Gemeindeverbänden zu implementieren. Datengenossenschaften ermöglichen nicht nur den sicheren, gemeinschaftlichen Umgang mit sensiblen Verwaltungsdaten, sondern fördern auch innovative Verwaltungsprozesse und partizipative Modelle, die den Anforderungen der heutigen digitalen Gesellschaft gerecht werden. Durch die Kombination dieser Ansätze können organisatorische, technische und rechtliche Hürden abgebaut werden, wodurch eine nachhaltige Digitalisierung auf regionaler Ebene gelingt.

3.1 Forschungsfragen

Diese Fragestellungen ergeben sich vor dem Hintergrund der steigenden Herausforderungen, die kleinere und mittlere Gemeinden bei der Digitalisierung und der effektiven Nutzung von Daten bewältigen müssen.

Forschungsfragen:

1. Wie können Datengenossenschaften den Erfahrungsaustausch und die gemeinsame Datennutzung in regionalen Gemeindeverbänden fördern?

   Die digitale Transformation der Schweizer Gemeinden erfordert koordinierte Anstrengungen, insbesondere um Ressourcen zu teilen, Prozesse zu harmonisieren und den Datenschutz zu gewährleisten. Datengenossenschaften könnten hier als gemeinschaftliche Organisationsformen genutzt werden, um Daten effizient, sicher und vertrauensvoll zu verwalten (Schweizerische Gemeindeverband et al., 2023; Digital Verwaltung Schweiz, 2024).

2. Welche rechtlichen und technischen Rahmenbedingungen sind für den Aufbau von Datengenossenschaften in der gemeindlichen Verwaltung notwendig?

   Datenschutz und Datensicherheit bilden zentrale Herausforderungen der digitalen Transformation, die es in regionalen Verbänden rechtlich abzusichern gilt. Zudem sind Interoperabilität und standardisierte Schnittstellen entscheidend, um den Datenaustausch zwischen Gemeindeverwaltungen zu ermöglichen (Schulthess Forum, 2025; Digitale Verwaltung Schweiz, 2024).

3. Inwieweit steigern Datengenossenschaften die Effizienz und Innovationsfähigkeit der beteiligten Gemeinden?

   Besonders kleine und mittlere Gemeinden profitieren von gemeinsamen digitalisierten Prozessen, da sie Ressourcen und Know-how bündeln können. Über Datengenossenschaften könnten neue digitale Dienste für Bürgerinnen und Bürger entwickelt werden, die sonst nicht wirtschaftlich umzusetzen wären (Schweizerische Gemeindeverband et al., 2023).

4. Welche Risiken und Herausforderungen sind mit Datengenossenschaften verbunden, und wie können diese adressiert werden?

   Dies umfasst potenzielle Probleme wie unterschiedliche IT-Standards, Haftungsfragen, Datenhoheit und Akzeptanz bei Mitarbeitenden und Bürgerinnen und Bürger. Zudem sind organisatorische Veränderungen und Schulungen als Teil der Transformation wesentlich (Schweizer Gemeinde, 2024).

Diese Forschungsfragen bilden die Grundlage, um im weiteren Verlauf die Machbarkeit von Datengenossenschaften und deren Potenzial für die digitale Transformation der Gemeindeverwaltungen in der Schweiz systematisch zu analysieren.

3.2 Forschungssetting und Methodologie

Im ersten Schritt diente ein Expertinnen- und Expertenworkshop mit 60 Teilnehmenden aus der D-A-CH-Region (Deutschland, Österreich, Schweiz) als explorative Basis. Die Teilnehmenden waren Expertinnen und Experten aus Verwaltung, IT-Dienstleistern, Wissenschaft und Beratung mit einem Fokus auf Verwaltungsdigitalisierung und GovTech-Kooperationen. Durch die breite fachliche Streuung und die vergleichsweise hohe Teilnehmerzahl konnten vielfältige Perspektiven und Erfahrungen gesammelt werden, um die Bandbreite der etablierten und gewünschten Strukturen von Datengenossenschaften im öffentlichen Bereich abzubilden. Die Workshop-Diskussionen wurden moderiert und mit Audioaufnahmen dokumentiert, um eine systematische qualitative Inhaltsanalyse vornehmen zu können (Mayring, 2022).

Im Anschluss erfolgten Tiefeninterviews in ausgewählten Fachforen zu Organisation Technik und Recht, um die im Workshop gewonnenen Erkenntnisse zu vertiefen und differenzierte Einblicke in die organisatorischen, technischen und rechtlichen Aspekte der Etablierung von Datengenossenschaften zu erhalten. Die Expertinnen und Experten wurden gezielt auf ihre Erfahrungen mit kooperativen Innovationsprozessen im Bereich der Verwaltungsdigitalisierung befragt. Die Interviewfragen bauten auf den Ergebnissen des Workshops auf und fokussierten insbesondere auf Hemmnisse und Erfolgsfaktoren sowie auf konkrete Gestaltungselemente von Datengenossenschaften (Kvale & Brinkmann, 2015).

Die Wahl dieses qualitativ ausgerichteten Forschungsdesigns ist angesichts der bisher noch wenig empirisch erforschten Thematik der Datengenossenschaften in regionalen Gemeindeverbänden sinnvoll, da es erlaubt, neue Handlungsansätze und Rahmenbedingungen praxisnah zu explorieren und theoretisch fundiert aufzubereiten. Darüber hinaus werden theoretische Erkenntnisse zu Changemanagement im öffentlichen Sektor sowie zur Rolle von GovTech-Kooperationen als Innovationsmotoren integriert, um die Analyse zu kontextualisieren (Kotter, 2012; Scholl & Scholl, 2014).

Als methodologische Grundlage dient insbesondere die Grounded-Theory-Methodik, die es ermöglicht, induktiv aus den erhobenen Daten Hypothesen und Handlungsempfehlungen abzuleiten (Strauss & Corbin, 1998). Zudem gewährleistet die Kombination von Workshop und Tiefeninterviews eine hohe Validität durch Triangulation der Datenquellen (Denzin, 2017). So werden sowohl kollektive Meinungsbilder als auch individuelle Erfahrungen berücksichtigt, was eine ganzheitliche Sicht auf die Chancen und Herausforderungen von Datengenossenschaften eröffnet.

Im weiteren Verlauf der Arbeit werden die qualitativen Daten transkribiert, kodiert und systematisch ausgewertet. Besondere Beachtung gilt der Identifikation von Mustern und Spannungsfeldern, etwa zwischen technischen Möglichkeiten, rechtlichen Rahmenbedingungen und organisationalem Wandel. Dabei fliessen auch aktuelle Erkenntnisse aus der digitalen Transformation öffentlicher Verwaltungen mit ein, um praxisorientierte Empfehlungen zur nachhaltigen Implementierung von Datengenossenschaften abzuleiten.

3.3 Vorgehen, Datenaufbereitung und Interpretation

Die qualitative Analyse der Daten zu Datengenossenschaften in regionalen Verbänden der Gemeinden der DACH-Region, darunter regionale Verbände der schweizerischen Gemeinden, erfolgte in einem iterativen, dreistufigen Kodier- und Interpretationsprozess. Aufbauend auf einem methodischen Fundament aus Grounded Theory und autoethnographischem Zugang wurde ein rigoroser Ansatz gewählt, der sowohl die kollektiven Perspektiven aus dem Expertinnen- und Expertenworkshop als auch tiefgehende individuelle Einblicke aus den Fachforen berücksichtigt. Die Analyseebenen sind übersichtlich in Tabelle 1 dargestellt.

1. Erste Runde: Offenes Kodieren der Feldnotizen und Transkripte

   Zu Beginn erfolgte ein offenes Kodieren der Feldnotizen aus dem Expertinnen- und Expertenworkshop und den Tiefeninterviews. Diese Phase diente der explorativen Zerlegung der Daten in sinnhafte Einheiten, ohne vorgegebene Kategorien, um ein möglichst breites Spektrum an relevanten Konzepten, Aussagen und Themen zu identifizieren. Jedes Datenfragment wurde mit einem prägnanten Begriff versehen, der unmittelbar den Inhalt reflektierte (Strauss & Corbin, 1998). Dieses Vorgehen ermöglichte ein systematisches Aufspüren wiederkehrender Muster und war notwendig, um die Fallstudie in ihrer Vielschichtigkeit zu erfassen.

   Im Sinne einer autoethnographischen Reflexion (Ellis et al., 2011) wurden insbesondere die eigenen Beobachtungen und Einflüsse aus berufspraktischer und wissenschaftlicher Tätigkeit der Autoren kritisch dokumentiert, um die Subjektivität als Ressource für die Interpretation einzubeziehen und eine verstärkte Selbstreflexion herbeizuführen.

2. Zweite Runde: Kombination aus axialer und thematischer Kodierung

   Die zweite Kodierphase kombinierte axiales und thematisches Kodieren, um Beziehungen zwischen den offenen Codes herzustellen und übergeordnete Themen zu entwickeln. Im axialen Kodieren wurden zentrale Phänomene (z. B. Datenhoheit, Governance-Strukturen) mit Kontextfaktoren (z. B. organisationsinterne Prozesse), Handlungsstrategien (z. B. Kooperationsmodelle) sowie Konsequenzen (z. B. Nachhaltigkeit) verbunden (Strauss & Corbin, 1998).

   Parallel dazu ermöglichte das thematische Kodieren eine gezielte Suche nach Schlüsselthemen, die sich durch die gesamte Datenbasis zogen, und deren semantische Verknüpfung (Braun & Clarke, 2006).

   Diese Kombination erlaubte eine klar abgegrenzte Phasierung der Untersuchung in drei chronologische und kontextuelle Dimensionen, die im vorliegenden Fallstudienmodell zusammengeführt wurden. Die Phasen reflektieren den Prozess der Einführung, Etablierung und Konsolidierung von Datengenossenschaften in den regionalen Gemeindeverbänden.

3. Dritte Runde: Selektive Kodierung zur Integration und Triangulation

   Im letzten Schritt erfolgte eine selektive Kodierung, die den Fokus auf die Integration der komplexen Befunde legte, um die Kernkategorien herauszuarbeiten, die als Grundlage für die Theorieentwicklung und Handlungsempfehlungen dienen (Strauss & Corbin, 1998).

   Hierbei wurden Dokumentenanalysen, interne Kommunikation und strategische Steuerungsmassnahmen als unterstützende Datenquellen zur Triangulation herangezogen, um die Validität und Tiefe der Erkenntnisse zu erhöhen. Die Triangulation aus multiplen Perspektiven sicherte die umfassende Darstellung der organisationalen Dynamik.

4. Iterativer Prozess der Kodierung und Analyse

   Die gesamte Analyse war geprägt durch eine ständige Iteration zwischen Codierung, Rückbezug auf die Daten und Interpretation, was eine sich vertiefende Beschreibung der longitudinalen Fallstudie ermöglichte. Eine besondere methodische Eigenheit war die bewusste Entscheidung, die Darstellung der Ergebnisse analog zu dramaturgischen Phasen zu strukturieren und dies aus der Ich-Perspektive zu schreiben, um die persönliche und organisationale Reflexion zu betonen (Davis, 2016).

   Dieses Vorgehen gewährleistet eine wissenschaftlich fundierte, transparente und nachvollziehbare Analyse der komplexen Datenlage zu Datengenossenschaften und ermöglicht eine praxisnahe Ableitung von Empfehlungen für die regionale Verwaltungsdigitalisierung.

4.1 Empirische Erkenntnisse

Die vorliegende Untersuchung analysiert das Potenzial von Datengenossenschaften als Katalysator für die digitale Transformation von Schweizer Gemeinden, insbesondere in regionalen Kooperationen. Die Auswertung der Erkenntnisse erfolgte mittels einer SWOT-Analyse, (Abbildung 1), die zentrale Stärken, Schwächen, Chancen und Risiken zusammenfasst.

4.2 Erfolgskritische Faktoren und Potentiale

In der heutigen Verwaltungsdigitalisierung stehen Schweizer Gemeinden zunehmend vor der Herausforderung, Daten effizient, rechtskonform und gemeinwohlorientiert zu nutzen, um ihre Daseinsvorsorge und regionale Zusammenarbeit zu verbessern. Datengenossenschaften bieten hierfür ein vielversprechendes Modell, das auf kooperativer Datenverwaltung und geteilten Ressourcen basiert (Micheli et al., 2020). Im Folgenden wird erläutert, wie Datengenossenschaften als integrative Infrastruktur für die Transformation regionaler Gemeindeverbände fungieren können.

Ein zentrales Potenzial von Datengenossenschaften liegt in der Stärkung der Datensouveränität der beteiligten Gemeinden und Behörden. Anders als bei zentralisierten, gewinnorientierten Plattformen behalten die Akteure im Genossenschaftsmodell Kontrolle über ihre Daten und bestimmen deren Nutzung kollektiv (Micheli et al., 2020). Dies schafft Vertrauen und Grundlage für eine nachhaltige Kooperation. Die gemeinsame Festlegung von Qualitätsstandards und die Sicherung der Datenqualität erhöhen die Verlässlichkeit der Datenbestände signifikant (Zuiderwijk et al., 2021). Solche kollaborativen Strukturen fördern zudem Innovation, da neue Anwendungen und Dienste auf dieser belastbaren Datenbasis entstehen können.

Rechtssicherheit ist ein essenzieller Aspekt, gerade im Umgang mit personenbezogenen Daten. Datengenossenschaften können gemeinsame Handlungsgrundlagen im Sinne von nationalen Datenschutzgesetzen wie dem Schweizer Datenschutzgesetz (DSG) schaffen und somit regulatorische Unsicherheiten und isolierte Insellösungen vermeiden (ISO, 2003). Insbesondere für kleinere Gemeinden ergeben sich Effizienzgewinne und Skaleneffekte durch geteilte Infrastrukturkosten und gebündeltes Know-how, was die digitale Transformation erschwinglicher und praktikabler macht (Rohatschek, 2021).

Die Transparenz und Gemeinwohlorientierung des Genossenschaftsmodells ermöglicht offene Entscheidungsprozesse, an denen unterschiedliche Interessensgruppen partizipieren können (ICA, 2017). Dies stärkt das Vertrauen der Bevölkerung und unterstützt eine datengetriebene Gemeinwesenarbeit, die nicht nur technisch, sondern auch sozial eingebettet ist.

Zur Realisierung dieser Potenziale bedarf es kooperativer Innovations- und Bildungshubs, die als Drehscheibe zwischen Verwaltung, Wissenschaft, Start-ups und Gesellschaft fungieren (McCord et al., 2021). Solche Hubs dienen als Experimentallabore für neue Technologien, Co-Kreationsräume zur Entwicklung innovativer Datendienste und als Bildungsplattformen zur Förderung digitaler Kompetenzen im öffentlichen Sektor (Knoepfel & Kruck, 2022). Der Einsatz partizipativer Methoden wie Service Learning und Hackathons befördert die Akzeptanz und das Innovationsklima in regionalen Verbänden und ermöglicht es, digitale Kompetenzen breit zu verankern (Rohatschek, 2021).

Hinsichtlich der personellen Ressourcen verändern sich Kompetenzanforderungen grundlegend. Mitarbeitende benötigen neben technischen Fähigkeiten in Bereichen wie Data Analytics, IoT oder Blockchain auch digitale Ethik, Agilität und die Fähigkeit zur interdisziplinären Zusammenarbeit (European Commission, 2020). Darüber hinaus werden Fähigkeiten im Umgang mit holokratischen Organisationsformen, Multi-Stakeholder-Moderation und die konsequente Ausrichtung von Innovationen am Gemeinwohl zu Schlüsselqualifikationen (Dawes, 2020).

Abschliessend belegen transnationale Projekte wie MOSIDI und Digitalraum-MDM, dass mit partizipativen und vernetzten Datenmodellen selbst kleinere Gemeinden erfolgreich transformiert werden können, wenn Datenintegration, Governance und Geschäftsmodelle ganzheitlich betrachtet werden (Micheli et al., 2020; Rohatschek, 2021). Die Etablierung von Datengenossenschaften stellt somit eine zukunftsfähige und resiliente Infrastruktur für die Verwaltungsdigitalisierung und regionale Zusammenarbeit in der Schweiz dar.

4.3 Herausforderungen und Grenzen

Die datenbasierte Arbeit der Verwaltung kann auch Schweizer Gemeinden vor grosse Herausforderungen, die sich durch regionale Zusammenarbeit und innovative Datenmanagementansätze besser bewältigen lassen. Datengenossenschaften bieten hierbei ein vielversprechendes Modell, das eine gemeinschaftliche Datennutzung unter Wahrung von Transparenz und Datenschutz ermöglicht. Insbesondere im Kontext regionaler Verbände eröffnet dieses Modell neue Potenziale für Verwaltungsdigitalisierung und Kooperation. Dennoch gilt es, zentrale Herausforderungen bei der Implementierung von Datengenossenschaften zu adressieren, um deren nachhaltigen Erfolg sicherzustellen.

Ein wesentlicher Aspekt ist die Komplexität der Gründung und des Betriebs von Datengenossenschaften. Die formale Gründung erfordert nicht nur die juristische Einbettung in das gemeindliche und nationale Rechtssystem, sondern auch die Etablierung von Governance-Strukturen, die den Interessen aller Mitglieder gerecht werden. Die Entwicklung dieser Governance-Regeln sowie die Initialisierung gemeinsamer IT-Infrastrukturen sind ressourcenintensiv und verlangen ein hohes Mass an technischem und organisatorischem Fachwissen sowie ein starkes Commitment seitens aller Beteiligten (European Commission, 2020). Ohne klare Regeln und verlässliche technische Grundlagen drohen Ineffizienzen und Konflikte, die das genossenschaftliche Modell gefährden können.

Ein weiteres zentrales Thema sind die Interessen- und Zielkonflikte innerhalb der Mitgliedschaft. Unterschiedliche Akteursgruppen, etwa grosse und kleine Gemeinden oder öffentliche und wirtschaftliche Partner, verfolgen nicht selten divergierende Erwartungen an die Datengenossenschaft. Diese Divergenzen müssen durch transparente Verfahrensweisen und professionelle Moderation ausgeglichen werden, um eine gemeinsame Vision und Handlungsfähigkeit zu gewährleisten (Dawes, 2020). Der Erfolg regionaler Datengenossenschaften hängt massgeblich davon ab, ob es gelingt, die vielfältigen Bedürfnisse und Prioritäten der Mitglieder in einem konsensualen Rahmen zusammenzuführen.

Darüber hinaus stellt die nachhaltige Geschäftsmodellentwicklung eine Kernherausforderung dar. Der Aufbau eines selbstragenden Finanzierungskreislaufs ist notwendig, um die Abhängigkeit von zeitlich begrenzten Förderprogrammen zu minimieren und langfristige Planungssicherheit zu schaffen. Dies umfasst sowohl die Etablierung von Einnahmeströmen durch Mitgliedsbeiträge oder Dienstleistungen als auch Investitionen in kontinuierliche Innovations- und Wartungsmassnahmen (Piekarski & Furuholt, 2022). Nur durch eine robuste finanzielle Grundlage können Datengenossenschaften ihre Leistungsfähigkeit dauerhaft sicherstellen.

Nicht zuletzt ist der Kompetenzbedarf im öffentlichen Sektor zu berücksichtigen. Die Arbeit mit und in Datengenossenschaften verlangt erweiterte technologische, methodische und soziale Fähigkeiten von den Mitarbeitenden. (Jungmeister, 2023). Neben IT-Expertise sind Fähigkeiten im Bereich der organisationsübergreifenden Kooperation, des Projektmanagements und der Stakeholder-Kommunikation entscheidend, um die Potenziale des genossenschaftlichen Modells voll auszuschöpfen (Knoepfel & Kruck, 2022). Fortbildungen und gezielte Personalentwicklung sind daher integrale Bestandteile einer erfolgreichen Transformation.

Im Vergleich zu Aktiengesellschaften und öffentlich-rechtlichen Zweckverbänden bietet die Datengenossenschaft ein hybrides Organisationsmodell, das ökonomische Effizienz mit kooperativer Selbstorganisation verbindet (Blome-Drees et al., 2023). Ihr wesentlicher Vorteil liegt in der Mitgliedschaftsstruktur: Eigentum und Nutzungshoheit über Daten bleiben gemeinschaftlich verankert, wodurch asymmetrische Machtverhältnisse zwischen Kapitalgebern und Datenproduzenten abgemildert werden. Die kooperative Rechtsform stärkt die Akzeptanz unter Bürgern und Unternehmen, fördert partizipative Governance-Mechanismen und bewahrt gleichzeitig eine unternehmerische Handlungsfreiheit, die bei öffentlich-rechtlichen Anstalten oft durch Haushaltsrecht und Verwaltungsverfahrensnormen eingeschränkt ist. Gegenüber kapitalmarktorientierten Formen (z. B. AG) zeichnet sich die Datengenossenschaft durch ein geringeres Gewinnmaximierungsinteresse und eine auf situative Bedarfsdeckung ausgerichtete Wertschöpfungslogik aus, was sie besonders für datengetriebene Gemeinwohlprojekte im Rahmen smarter Regionen attraktiv macht (Aeschbacher & Lichtsteine, 2014).

Jedoch bestehen auch Limitationen. Die heterogene Interessenlage der Mitglieder kann Entscheidungsprozesse verlangsamen, während Kapitaleinwerbung und Investitionsfähigkeit strukturell begrenzt bleiben. Zudem ist die Rechtslage von Datengenossenschaften noch nicht vollends kodifiziert: Der Genossenschaftsbegriff stützt sich weiterhin auf das Genossenschaftsgesetz (GenG), das auf materielle Güter und klassische Dienstleistungen zugeschnitten ist. Rechtlich ist zu klären, inwiefern Daten als beitragspflichtige Genossenschaftsgüter gelten und wie Haftung, Datenschutz sowie Wettbewerbsrecht kollisionsfrei integriert werden können. Im Vergleich zu einem öffentlich-rechtlichen Zweckverband bietet die Datengenossenschaft zwar grössere Autonomie und Innovationsfähigkeit, erfordert aber sorgfältige Compliance-Regeln, um Transparenz, Gleichbehandlung und Datenschutzstandards sicherzustellen. Insgesamt ist die Genossenschaftsform kein Allheilmittel, aber ein adaptives Governance-Instrument, das in datenbasierten Ökosystemen den Spagat zwischen Gemeinwohlorientierung und Privatinitiative am ehesten ermöglicht (Bauer, 2025).

Zusammenfassend stellen Datengenossenschaften einen vielversprechenden Ansatz dar, um die nötige Transformation von Schweizer Gemeinden im Kontext regionaler Verbände zu unterstützen. Die adressierten Herausforderungen zeigen, dass ein ganzheitlicher Ansatz nötig ist: von fundierten Governance-Strukturen über die konstruktive Konfliktlösung bis hin zu nachhaltigen Finanzierungsmodellen und umfassendem Kompetenzaufbau (Arnold, 2023). Nur so können Datengenossenschaften als tragfähige Infrastruktur für die digitale Verwaltung der Zukunft etabliert werden.

4.4 Limitationen

Der durchgeführte Expertenworkshop und die folgenden vertiefenden Befragungen, die die Daten für die vorliegende Forschung lieferten, sind in ihrer Repräsentativität dahingehend beschränkt, als dass die Befragungen mit einzelnen Experten des gleichen Sample durchgeführt wurden. Die empirischen Daten aus beiden Formaten spiegeln lediglich die Perspektiven dieser Expertengruppe wider, was eine Generalisierbarkeit einschränkt. Auch ist die Gruppendynamik eines Workshops bei der Diskussion zu berücksichtigen, in der kontroverse Meinungen ggfs. zurückgehalten wurden. Darüber hinaus spielt der zeitliche Rahmen zur Diskussion einzelner Aspekte und Fragestellungen eine Rolle. Hinsichtlich der nachgelagerten Befragungen einzelner Experten ist eine Verzerrung durch Erinnerungseffekte anzuführen, wenn die Befragten bestimmte Aspekte und Details aus der Diskussion nicht mehr oder selektiv erinnern. Darüber hinaus beruhte die Befragung auf Freiwilligkeit, so dass nicht nur unbedingt Teilnehmende mit polarisierenden Meinungen oder interessanten Diskussionsbeiträgen teilnahmen. Auch bzgl. der Auswertung und Codierung der Daten ist anzuführen, dass diese interpretativ und subjektiv geprägt ist.

Die inhaltlichen Limitierungen der Studie zeigen sich besonders im schweizerischen Kontext, wo die föderale Struktur, die kantonalen Zuständigkeiten und die Heterogenität der Gemeindeverwaltungen spezifische Rahmenbedingungen schaffen. Der explorative Ansatz mit rund 60 Expertinnen und Experten liefert wertvolle qualitative Einsichten, erlaubt aber keine generalisierbaren Aussagen über die Wirksamkeit von Datengenossenschaften in der Schweiz. Gerade angesichts der unterschiedlichen Digitalisierungsreife der Kantone und Gemeinden bleibt unklar, inwiefern die vorgeschlagenen Modelle flächendeckend umgesetzt werden könnten. Zudem wird die rechtliche Einbettung von Datengenossenschaften im schweizerischen Genossenschaftsrecht nur ansatzweise beleuchtet, obwohl Fragen zu Datenschutz, Datenportabilität und Haftung bei der Nutzung lokaler Daten zentral wären.

Ein weiteres methodisches Defizit liegt in der fehlenden quantitativen Validierung: Effizienzgewinne, Skalierbarkeit und Kosten-Nutzen-Verhältnisse der vorgeschlagenen Datenökosysteme werden nicht empirisch belegt. Auch der Einbezug strukturell kleiner Gemeinden mit begrenzter Datenkompetenz und IT-Infrastruktur bleibt unzureichend. Für den Schweizer Kontext wäre eine vergleichende Analyse zwischen urbanen und ländlichen Räumen oder eine Einbettung in bestehende Programme wie „Smart City Schweiz“ sinnvoll. Insgesamt ist die Studie ein relevanter Beitrag zur Governance datenbasierter Regionalentwicklung, bleibt aber bezüglich Übertragbarkeit, rechtlicher Präzisierung und messbarer Wirksamkeit noch limitiert.