Anreizsysteme und Ökonomie des Data Sharing (Incentives and Economics of Data Sharing - IEDS)

In Zuge von Industrie 4.0, Big Data, Künstlicher Intelligenz und dem Internet-of-Things gewinnen Daten in praktisch allen Wirtschaftszweigen an Bedeutung. Viele Unternehmen verfügen über Datenressourcen (z. B. Sensordaten aus Produktionsmaschinen, Produktdaten oder Lieferantendaten), nutzen deren Potenzial jedoch nicht vollständig aus. Dies liegt zum einen daran, dass der Wert der Daten nicht erkannt wird, zum anderen bestehen Bedenken hinsichtlich des Datenschutzes und des Teilens von geistigem Eigentum. Dabei bietet die Nutzung von Daten als eigenständiges Gut viele Möglichkeiten, angefangen vom Datenhandel zu innovativen datenbasierten Dienstleistungen oder neuen Kooperationsmöglichkeiten. So können Nutzer von Produktionsmaschinen beispielsweise Sensordaten an einen Dienstleister weitergeben. Dieser bietet für die Weitergabe der Daten vergünstigte Predictive-Maintenance-Dienstleistungen an.

Das Forschungsprojekt »Incentives and Economics of Data Sharing (IEDS)« hat das Ziel, Unternehmen dabei zu unterstützen, die Potenziale ihrer »Datenschätze« zu nutzen und sich gewinnbringend an Datenökosystemen zu beteiligen. Mit Hilfe von Umfragen werden dazu die größten in der Praxis auftretenden Herausforderungen ermittelt und entsprechende Lösungsansätze erarbeitet. Insbesondere die Etablierung von unternehmensinterner Datenstrategie und Datenmanagement, die Bewertung von Daten, die Gestaltung von datenbasierten Geschäftsmodellen, das Zusammenführen von Datenanbietern und -nachfragern sowie rechtliche Fragestellungen stehen dabei im Fokus der Betrachtung. 

Die in IEDS erarbeiteten Ergebnisse ermöglichen Unternehmen:

• den Wert ihrer Daten anhand von Bewertungsverfahren besser einschätzen zu können,
• die Nutzung ihrer Daten strategisch zu planen und mit Hilfe eines systematischen Datenmanagements zu organisieren,
• neue datenbasierte Geschäftsmodelle zu entwickeln und
• die Datenangebote über Datenmarktplätze potenziellen Kunden effektiv bereitzustellen.

Die Unternehmen können auf diese Weise Teil eines auf europäischen Werten der Datensouveränität und -sicherheit basierenden Datenökosystems werden, das momentan auf Basis der GAIA-X- und IDS-Initiativen entsteht.

Für physische Produkte existieren bereits seit vielen Jahren erfolgreiche Suchverfahren, die auf die besonderen Eigenschaften des Suchgegenstands angepasst sind. Die auf Datenmarktplätzen angebotenen Datengüter weisen gegenüber physischen Produkten besondere Eigenschaften auf, die sich auch auf die Suche auswirken. Zeitliche Angaben wie z. B. das Datum der Erstellung eines Datenguts oder der Zeitbereich einer Sensormessung spielen bei der Suche nach vielen Datengütern wie Finanz- und Unternehmensdaten, Adressdaten, Internet of Things- und Sensordaten oder Forschungsdaten eine große Rolle. Viele Datengüter wie Karten- und Geodaten, Sensordaten aber auch Umfragedaten haben zudem einen starken Ortsbezug. Hinzu kommt, dass für die Interpretation von Datengütern wie Sensordaten, medizinische Daten oder Forschungsdaten in der Regel Informationen über die Art der Entstehung, der verwendeten (Mess-)Methoden und der bereits erfolgten Verarbeitungsschritte erforderlich sind.

Der im IEDS-Projekt verfolgte Ansatz zur Verbesserung der Zusammenführung von Datenangebot und -nachfrage setzt sich zum einen aus den verbesserten Suchverfahren und zum anderen aus einer Simulations- und Testumgebung zusammen, die es ermöglicht, die Leistungsfähigkeit des Suchverfahrens zu messen und verschiedene Ansätze systematisch zu vergleichen.

Um unterschiedliche Aspekte des Angebots-Nachfrage-Matchings aus Sicht der Datenanbieter und Datennutzer abbilden zu können, soll die geplante Simulationsumgebung folgende Anforderungen erfüllen:

• Als Vergleichsreferenz für alle Experimente soll die typische Suchfunktionalität eines Marktplatzes mit Stichwort- und facettierter Suche dienen. Diese Suchfunktionalität muss bezüglich der Verarbeitung und Indizierung neuer Daten und der technischen Behandlung von Suchanfragen erweiterbar sein, um die bestehende Suche gezielt (durch KI-basierte Verfahren) zu erweitern und auf Datengüter spezialisieren zu können.
• Die besonderen Eigenschaften von Datengütern werden in den untersuchten Szenarien berücksichtigt. Hierzu kann es notwendig sein, für Datenanbieter und -nutzer bestimmte Verhaltensmuster zu hinterlegen und die Interaktion mehrerer Akteure zu ermöglichen.
• Für die Auswertung der Experimente wird ein Rahmenwerk erstellt, das alle relevanten Daten einer Simulation protokolliert und Werkzeuge zur Analyse der Ergebnisse bereitstellt.