Data Researchers

Diese Podcast-Episode ist auch als Video auf YouTube verfügbar. Die Datenräume (Data Spaces) feiern Geburtstag: Vor 10 Jahren, am 23. September 2015 fand in Berlin das dritte Spitzengespräch zum »Industrial Data Space« statt. Ein Meilenstein, denn an diesem Tag übergab das Bundesforschungsministerium den ersten Förderbescheid für einen Industrial Data Space an Fraunhofer. Was ist bisher passiert und welche Forschungsfragen sind noch offen? Boris Otto reflektiert in diesem Video seiner »Data Researchers«-Reihe, wo die Datenraumentwicklung heute steht und welche Aufgaben die Zukunft bringt. Er erklärt auch, was ein Data Space eigentlich ist: eine verteilte Datenintegrations-Architektur, die Standards zum Aufrufen und Speichern von Daten beinhaltet und Datensouveränität für die Datengebenden ermöglicht. Damit bilden Data Spaces die Grundlage für einen vertrauensvollen Datenaustausch innerhalb einer Community. Vorangetrieben wurde das Konzept von der International Data Spaces Association (IDSA), inzwischen ist es auch in Open-Source-Software umgesetzt und befindet sich im Standardisierungsprozess. Zahlreiche Data-Sharing-Initiativen, wie etwa Catena-X für die Automobilindustrie, setzen bereits auf dieses Modell – mit großem internationalen Erfolg. Was ist jetzt noch zu tun? Wir müssen eine faire Datenökonomie schaffen, Datentransaktionen manipulationssicher erfassen und definieren, welche Daten wir über Datenräume verfügbar machen wollen. Eine Vision von Boris Otto: ein vollständiges digitales Abbild des europäischen Binnenmarktes. Die Reise der Datenräume geht weiter!

Wie sieht die nächste Stufe von Industrie 4.0 aus? Dieser Frage sind das Fraunhofer ISST und das Fraunhofer IAO in einer empirischen Studie nachgegangen. Boris Otto präsentiert in diesem Video seiner »Data Researchers«-Reihe die wesentlichen Ergebnisse der Studie: 1. Erweitertes Leistungsangebot: Ökosysteme sind die Zukunft. Unternehmen werden um einen Kunden herum dynamische Netzwerke bilden und nicht nur Produkte und Services anbieten, sondern auch die Orchestrierung von Kundenökosystemen übernehmen. 2. Klares Bekenntnis zur Kreislaufwirtschaft: Ein maximales Wiederverwenden von Ressourcen, das schon beim Design der Komponenten anfängt, ist für die Unternehmen selbstverständlich – nicht nur aus Gründen der Nachhaltigkeit, sondern auch der Versorgungssicherheit. 3. KI und Daten als Fundament: Die IT muss mit Blick auf generative KI und eine bessere Datennutzung auf ein nächstes Produktivitätslevel gebracht werden. 4. Die Rolle des Menschen: Welche Kompetenzen müssen Mitarbeitende mitbringen und wie dynamisch können sich diese Kompetenzen entwickeln? Was braucht es für ein gutes Zusammenspiel zwischen menschlicher und künstlicher Intelligenz? Die Studie ist zum Download unter www.isst.fraunhofer.de/publikationen verfügbar.

Die Europäische Kommission will Europa zum KI-Kontent zu machen. In einem gerade veröffentlichten Aktionsplan zeigt sie fünf Schwerpunkte auf – vom eigenen Bau von KI-Modellen über den Aufbau von stärkeren Kompetenzen und einer leistungsfähigen Infrastruktur bis hin zur Diskussion über eine faire und ethische Nutzung von KI. Besonders interessant aus Sicht der Forschung ist die fünfte Säule: Next Generation Data Management. Boris Otto plädiert in diesem Video seiner »Data Researchers«-Reihe für einen ausbalancierten Fokus auf die Innovation, die diese Technologie möglich macht. Er sieht beispielsweise folgende Forschungsfelder: • Daten- und KI-Wertschöpfungskette als integriertes Ganzes • RAG-Technologien als »Betriebsmittel« für KI-Modelle • Datenqualität und Datenaufbereitung • Ökonomische Anreize für (private) Datengebende • »Data-as-a-Service«-Dienste für das Trainieren von KI • Vertrauen bei der Datennutzung (z.B. mit Data Space Technologien)

In industriellen Datenökosystemen arbeiten mehrere Unternehmen zusammen in einem System, weil sie ein Ziel erreichen wollen, dass sie alleine nicht erreichen können – zum Beispiel den Einstieg in die Kreislaufwirtschaft oder die Nachverfolgbarkeit von Bauteilen und deren Einsatz im Lebenszyklus eines Produkts. Damit das gelingen kann, müssen die Unternehmen Produkt- und Organisationsdaten austauschen. Letztere sind Gegenstand dieser Folge. Die Organisationsdaten gilt es zu identifizieren und zu authentifizieren, um dann im dritten Schritt bestimmte Dateneingaben und -abfragen zu erlauben. Ein solches Identitätsmanagement ist beispielsweise Gegenstand von Gaia-X. Solche Datenverifizierungen sind auch ein wichtiger Aspekt der Cybersecurity und des Datenqualitätsmanagements. Beide Aspekte – Identitätsmanagement und Datenqualitätsmanagement – müssen in der Forschung und Entwicklung zu einem Trusted Organizational Data Model zusammengebracht werden, um eine integrierte Sicht auf die Mitglieder eines Ökosystems zu erhalten. Organisationsstammdaten braucht in einem Ökosystem jeder. Sie haben also ein hohes Skalierungspotenzial. Daher ist es wichtig, Dienste zu entwickeln, die es erleichtern, derartige Informationen in Datenökosystemen besser zu bewirtschaften. Gar nicht öde, sondern wirtschaftlich hoch relevant.