Kommentar von Peter Gabriel, Smarte Datenwirtschaft Daten als Wirtschaftsgut – eine Fundgrube für ungenutztes Potenzial

Von Peter Gabriel

Viele Unternehmen verfügen über eine enorme Menge an Daten – doch tatsächlich genutzt werden diese kaum. Um dieses ungenutzte Potenzial stärker auszunutzen, hat das Bundesministerium für Wirtschaft und Klimaschutz das Technologieprogramm „Smarte Datenwirtschaft“ ins Leben gerufen. 21 Leuchtturmprojekte entwickeln dabei innovative Lösungen, wie vorhandene Datenmengen wirtschaftlich genutzt werden können und ebnen dadurch den Weg in die Zukunft der Datenökonomie.

Anbieter zum Thema

Der Autor: Peter Gabriel ist Leiter der Begleitforschung des Technologieprogramms Smarte Datenwirtschaft
Der Autor: Peter Gabriel ist Leiter der Begleitforschung des Technologieprogramms Smarte Datenwirtschaft
(Bild: VDI/VDE Innovation + Technik GmbH)

Dass Daten der vielleicht bedeutendste Rohstoff des 21. Jahrhunderts sind, ist längst kein Geheimnis mehr. Sie fallen in den verschiedensten Bereichen des Lebens an, egal ob im Gesundheitswesen, in der Produktion oder im Handel. Fast überall wird tagtäglich eine schier unendliche Menge an Daten erhoben und verschwindet meist (wenn überhaupt) nach einmaliger Nutzung in Archiven, auf Servern oder in IT-Systemen. Dabei schlummert gerade hier ein enormes Potenzial: Das Heinrich-Böll-Institut schätzt das Volumen der Datenwirtschaft der Europäischen Union im Jahr 2019 auf rund 400 Milliarden Euro und erwartet, dass es sich bis 2025 verdoppeln kann. Dafür muss es aber gelingen, Daten effektiver zu nutzen als bisher. Um das zu ermöglichen, müssen jedoch zunächst innovative technologische Ansätze entwickelt werden, die die meist chaotischen und verstreuten Datenmengen erschließen, analysieren, kombinieren und weiterverarbeiten.

Genau hier setzt das Technologieprogramm Smarte Datenwirtschaft (SDW) des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK) an. Das Förderprogramm unterstützt aktuell 21 Forschungsprojekte, die verschiedenste Anwendungen für unterschiedliche Branchen entwickeln. Die Lösungen sind dabei so vielfältig wie die Bereiche, in denen die Daten anfallen: Es entstehen etwa Anwendungen, die auf Basis von umfangreichen Datenanalysen verschiedenste Prozesse optimieren können oder Data-Sharing-Modelle und -Marktplätze, die den direkten Handel mit Daten ermöglichen. Von Datenprodukten über datenbasierte Dienstleistungen bis hin zu datenbasierten Geschäftsmodellen werden unterschiedlichste Ansätze umgesetzt. Was sie alle gemeinsam haben: Sie richten sich nach den strengen europäische Datenschutzrichtlinien.

Mit Datenanalysen Prozesse optimieren

Datenanalyse zur Prozessoptimierung und -automatisierung ist bereits einigermaßen weit verbreitet, etwa im Bereich Industrie 4.0. Nun gilt es entsprechende Anwendungen immer weiter auszubauen und neue Einsatzmöglichkeiten zu erschließen. Als besonders vielversprechend gelten in dieser Richtung datengetriebene und KI-gestützte Anwendungen zur vorausschauenden Wartung und Instandhaltung (Predictive Maintenance). Dabei werden beispielsweise Produktionsanlagen per Sensor-Technologie überwacht, die auf Basis von KI-Algorithmen die Verschleißzustände der Maschinen analysieren kann. Wartungs- und Reparaturprozesse werden auf diese Weise sehr viel einfacher im Voraus planbar. Als Folge können Anlagenstillstandzeiten und Wartungs- und Servicekosten eingespart werden.

Um dieses Potenzial noch stärker nutzbar zu machen, fördert das BMWK im Programm Smarte Datenwirtschaft beispielsweise das Projekt PlatonaM. Dieses entwickelt eine digitale Plattform, die die Vernetzung von Predictive-Maintenance-Technologien unterschiedlicher Anbieter ermöglicht. Die Maschinendaten von vielen Herstellenden und Kaufenden laufen im PlatonaM-Ökosystem zusammen, sodass Schnittstellen reduziert und Datenanalysen eine sehr viel umfangreichere Datenbasis erhalten.

Wie Predictive-Maintenance-Technologie auch als Basis für neue Geschäftsmodelle genutzt werden kann, zeigt derweil das Förderprojekt Pay-per-Stress, welches das Leasing-Modell für Maschinen revolutioniert: Denn die Nutzenden der Maschinen zahlen dank der KI-gestützten Auswertung der Maschinendaten nur den tatsächlichen Verschleiß. Durch die realitätsbezogene Bepreisung sind die Kosten zumeist geringer und gleichzeitig sinkt das Risiko für die Verkaufenden erheblich. Eine Win-Win-Situation!

Data-Sharing als Basis für Datenmonetarisierung

Auch über die Optimierung interner Wertschöpfungsprozesse hinaus, kann wirtschaftlicher Nutzen aus Daten geschlagen werden, beispielsweise ganz einfach über den direkten Verkauf von Rohdaten. Um derlei Geschäftsfelder weiter ausbauen zu können, ist es allerdings notwendig, den Wert von Daten korrekt zu bewerten. Ein standardisiertes und objektives Verfahren, um den finanziellen Wert der Daten eines Unternehmens zu bestimmen, gibt es hierbei jedoch noch nicht – hier setzt das SDW-Projekt Future Data Assets an. Dabei soll die Bewertung von Datenbeständen über eine digitale Plattform möglich gemacht werden, die das Datenkapital mit der Unterstützung von KI bilanziert. Seit Anfang 2021 ist das Projekt an der Arbeit für die VDI-Richtlinie 3.715 beteiligt, die Regeln für die Erstellung und Umsetzung eines Datenlageberichts von Unternehmen beschreibt. Ein Whitepaper liegt bereits vor.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Zudem ist es erforderlich für den Handel und Austausch von Daten geeignete Infrastrukturen zu schaffen – Stichwort: Data-Sharing. Im Rahmen der Begleitforschung von Smarte Datenwirtschaften erforschte die Studie „How To Share Data? Data-Sharing-Plattformen für Unternehmen“, was dabei zu beachten ist, welche Hürden existieren und wie sich diese überwinden lassen: Die wichtigsten Bedürfnisse der Nutzer, die Data-Sharing-Plattformen erfüllen muss, sind die Wünsche nach qualitativ hochwertigen Daten und einem einfachen und rechtssicheren Austausch dieser. Auch eine klare Rollendefinition des jeweiligen Plattformbetreiber und dessen Kommunikation nach außen hat sich beim Aufbau von Datenplattformen als vorteilhaft erwiesen, denn nur so kann das notwendige Vertrauen entstehen, dass potenzielle Nutzer der Plattform entgegenbringen müssen.

Hochwertige Datenprodukte für tiefe Einblicke in die Wertschöpfungskette

Ist die Basis für den einfachen und sicheren Austausch von Daten über verschiedene Unternehmen und Organisationen hinweg gelegt, können auch Rohdaten aus unterschiedlichen Quellen zusammengeführt und zu hochwertigen Datenprodukten weiterverarbeitet werden – das nennt sich dann Datenveredelung. Dabei werden massenhaft Daten – z. B. über verschiedene Unternehmen oder Branchen hinweg – gesammelt, sortiert, ausgewertet und zu übersichtlichen Ergebnissen und Prognosen verarbeitet. Die Ergebnisse dieser Datenanalysen haben einen so hohen Wert, sodass sie wiederum als eigenständige Datenprodukte verkauft werden können.

Ebendiese Datenveredelung kommt im SDW-Projekt EVAREST zu tragen, wobei sich das Vorhaben zunächst spezifisch auf die Schokoladenproduktion fokussiert. Dabei werden Daten über die gesamte Wertschöpfungskette gesammelt – vom Rohstoffanbau über Zulieferung und Produktion bis hin zum Verkauf im Einzelhandel. All diese Daten laufen auf einer zentralen Plattform zusammen und werden durch weitere Informationen ergänzt, wie Wetterdaten oder Angaben zu den verwendeten Düngemitteln. Die entsprechende Datenfülle erlaubt enorm tiefe Einblicke in die verschiedensten Stationen der Wertschöpfungskette. Die Analyseergebnisse sollen im Rahmen von EVAREST über einen digitalen Marktplatz angeboten werden und dazu beitragen, dass sowohl das Produkt selbst als auch die Herstellungsprozesse umfänglich optimiert werden können – so schließt sich der Kreis, der sich von der Prozessoptimierung über das Data-Sharing bis hin zur Datenveredlung erstreckt.

Das wiederum sind lediglich drei der Möglichkeiten, wie durch die intelligente Nutzung von Daten ganz reale wirtschaftliche Gewinne erzielt werden können. Viele weitere gibt es bereits und werden auch in den kommenden Jahren noch folgen – darunter Modelle, an die aktuell noch gar nicht zu denken ist. Für Unternehmen ist es deshalb wichtig, sich jetzt mit den Potenzialen ihrer Daten auseinanderzusetzen. Sie lediglich zu sammeln, wird in Zukunft nicht ausreichen, um mit der zunehmend digitalisierten Konkurrenz Schritthalten zu können. Die Förderprojekte von Smarte Datenwirtschaft ebnen den Weg, um die intelligente Nutzung der Daten in Zukunft für alle zu erleichtern.

(ID:48108489)