Industrial Data Space
Das vom BMBF geförderte Projekt ‚Industrial Data Space‘ soll die Grundlage für einen Datenaustausch zwischen Industrieunternehmen in einem virtuellen Raum mittels Internet Technologien legen (Cloud-Lösung).
„Der Industrial Data Space ist ein virtueller Datenraum, der den sicheren Austausch von Daten und die einfache Verknüpfung von Daten in Geschäftsökosystemen auf Basis von Standards und mit Hilfe gemeinschaftlicher Governance-Modelle unterstützt. Der Industrial Data Space wahrt die digitale Souveränität der Eigentümer der Daten und bildet zugleich die Basis für smarte Services und innovative Geschäftsprozesse“ [1] [2]
Das Konzept des Industrial Data Space lehnt sich an die von Wirtschaftsinformatikern entwickelte Systematik zur Geschäftsmodellbeschreibung nach dem St. Galler Management-Modell an.
Als beispielhafte Anwendungsfälle werden vorgestellt:
- Lkw-Steuerung in der Inbound-Logistik
- Entwicklung medizinischer und pharmazeutischer Produkte
- Kooperative Bewirtschaftung von Produktionsanlagen
- Durchgängige Transportgutüberwachung
Die grundlegenden Fragen nach dem Eigentum der Daten auf einer solchen Plattform werden angesprochen. Der Zielkonflikt zwischen den Rechten des Datenerzeugers (Anwender) und der Datennutzung durch den Hersteller wird allerdings nicht aufgelöst. Kennt der Hersteller die Intensität der Nutzung der Anlage, so kann er auch auf die wirtschaftliche Situation des Anwenders schließen. Darf der Hersteller im Wartungsfall dem Anwender vorschreiben, wann die Anlage zu ersetzen ist? Das Konfliktpotential zwischen dem Umsatzziel des Herstellers und den wirtschaftlichen Zielen des Anwenders ist offensichtlich. Dieses Konfliktpotential wird ebenfalls in der Diskussion um Predictive Maintance beleuchtet.
Nutzenstiftend oder werterhöhen wird ein ‚Industrial Data Space‘ erst durch die semantische Anreicherung der Daten (siehe Sematic Web). Mit Semantic-Web-Technolgien können die anfallenden Daten maschinell ausgewertet und zur Entscheidungsfindung herangezogen werden. Aus diese Weise entstehen Vorkenntnis-freie Daten mit denen digitale Geschäftsmodelle (z. B. Shared-Service-Geschäftsmodelle) entwickelt werden können. Das Missverhältnis zwischen Investitionen in Digitalisierung und deren Nutzen beleuchtet die Impuls-Studie zum Produktivitätsparadoxon im Maschinenbau 2018. Die Investitionen in Informationstechnologie, wie ein dem Industrial Data Space, müssen einen effizienten Controlling zur Erreichung der Produktivität unterliegen.
[1] Prof. Dr.-Ing. Boris Otto et. al. (2016): INDUSTRIAL DATA SPACE. DIGITALE SOUVERÄNITÄT ÜBER DATEN. Hg. v. Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V., München. Online verfügbar: https://www.fraunhofer.de/content/dam/zv/de/Forschungsfelder/industrial-data-space/Industrial-Data-Space_whitepaper.pdf, zuletzt geprüft am 15.01.19. Seite 4
[2] Definition Geschäftsökosystem in: Paulus-Rohmer, Dominik; Schatton, Heike; Bauernhansl, Thomas (2016): Ecosystems, Strategy and Business Models in the age of Digitization – How the Manufacturing Industry is Going to Change its Logic. In: Procedia CIRP 57, S. 8–13. DOI: 10.1016/j.procir.2016.11.003.
Verfasser
Prof. Dr. Michael Hauth
Logistik & Einkauf
Studiengangleiter Master of Science Wirtschaftsingenieurwesen und Engineering Management der Hochschule Mannheim, Vorstandsvorsitzender des Intralogistik-Netzwerks BW e.V.
Hochschule Mannheim
Sachstand
Februar 2020
Im Herbst 2018 gingen die I.N.Fachbeiräte ‚Wissenschaft‘ und ‚Wirtschaft‘ davon aus, dass für Industrial Data Spaces die wichtigsten Entwicklungen bereits vorhanden sind, so dass dieses Technologie-Konzept in einiger Zeit, wenn die rechtlichen Probleme gelöst sind, breitere Anwendung innerhalb der Intralogistik (und darüber hinaus) finden dürfte.