Embed Size (px)
Citation preview
DATENÖKONOMIE BRAUCHT DATENHANDEL: Data Market Austria als technologischer Showcase und
Data Intelligence Offensive als Plattform für Österreich
Peter A. Bruck
Prof. Dr. Peter A. Bruck, PhD, MA ist Vorsitzender des Project Management Boards des
Leitprojekts „Data Market Austria“ und Geschäftsführer und wissenschaftlicher Gesamtleiter
der Research Studio Austria Forschungsgesellschaft mbH (RSA FG). Gemeinsam mit den DMA
Partnern Dr. Günter Tschabuschnig (ZAMG), Univ. Prof. Dr. Allan Hanbury (TU Wien) und Dr.
Mihai Lupu (RSA FG und DMA Projektmanager) initiierte er als eines der DMA Outcomes die
„Data Intelligence Offensive“ - DIO *.
* Ich danke ganz besonders folgenden Kollegen für ihre detaillierten Anmerkungen und sorgfältigen
Korrekturen des vorliegenden Textes: Stefan Weber (RSA FG), Sven Schlarb (AIT), Thomas Lampoltshammer (DUK), Matthias Traub (KNOW Center) Mihai Lupu (RSA FG) und Allan Hanbury (TU Wien). Die Verantwortung für den Text in der vorliegenden Fassung und die Aussagen liegen jedoch ausschließlich beim Autor.
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
2 von 19
Kurzzusammenfassung:
Österreich hat signifikanten Aufholbedarf in jenem Bereich der Digitalisierung, wo es
zentral um die Integration von digitalen Technologien in Unternehmensprozesse und
vor allem um die marktwirtschaftliche Wertschöpfung aus Daten geht. „Data Market
Austria“ als das österreichische Big Data-Leitprojekt hat in einem strategisch und
inhaltlich definierten, dreijährigen Forschungs- und Entwicklungsvorhaben die
technologische Realisierbarkeit, rechtliche Sicherung und eine langfristige
Wachstumsperspektive im Bereich Data Services aufzeigt. Der Proof of Technologies-
Prototyp für einen effizienten und sicheren Datenhandel erlaubt es, den Mehrwert
eines funktionierenden Datenmarkts gerade auch für den effektiven Einsatz von
Künstlicher Intelligenz zu realisieren. Zur breiten Akzeptanz von Datenmarkten in der
Wirtschaft ist es notwendig, über die traditionellen Belange von hinaus zu agieren
und ein den europäischen Werten entsprechendes Ökosystem zu befördern. Mit der
„Data Intelligence Offensive“ wird Firmen eine Plattform angeboten, um mit
Datenanbietern, Dateninfrastrukturanbietern, Start-Ups, und Datenverwerter
zusammenzuarbeiten. Zur Weiterentwicklung in Prioritätsbereichen wird zu „Daten
Kreise“ (Data Circles) via www.dataintelligence.at eingeladen.
Abstract:
Austria has a significant need to catch up in the area of digitization, where the central
issue is the integration of digital technologies in business processes and, above all,
the value creation from data exchange. "Data Market Austria" as the Austrian Big
Data lighthouse project demonstrates in a strategically defined, three-year R & D
project the technological feasibility of trading data and data services in the safe and
legal way and with long-term growth perspective. The Proof of Technologies
prototype for efficient and secure data trading makes it possible to realize the added
value of a functioning data market, especially for the effective use of artificial
intelligence. In order to gain widespread acceptance of data markets in the economy,
it is necessary to move beyond the traditional concerns and to promote an
ecosystem in line with European values. The "Data Intelligence Offensive" provides
companies with a platform to collaborate with data providers, data infrastructure
providers, start-ups, and data recyclers. For further development in priority areas,
"Data Circles" will be invited via www.dataintelligence.at.
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
3 von 19
Inhalt 1. Smarte Datenwirtschaft bietet Chancen, wird aber in Österreich zu wenig genutzt......... 3 2. Österreich als Schlusslicht der Datenökonomie? Leider ja bei Big Data Nutzungen.......... 4 3. Österreich als Vorreiter? Erfreulich ja beim Big Data Road Mapping ................................ 6 4. Österreich als Marktplatz? Data Market Austria als Proof of Technologies ...................... 7 5. Data Market Austria Proof of Technology? Ein innovatives Brokerage System ................. 9 6. Proof of Technology? Federated Cloud System ................................................................ 11 7. Proof of Technology? Data Technology Prototypes ......................................................... 12 8. Proof of Technology? Service Technology Prototypes und Pilotanwendungen............... 13 9. Daten-Kreise ermöglichen die Nutzung im engeren Wirtschaftskreis ............................. 14 10. Data Intelligence Offensive: Vom Daten teilen zu mit Daten handeln ......................... 15 11. Ausblick: Vom Daten teilen zu mit Daten handeln ....................................................... 17 Verzeichnis der Verweise ......................................................................................................... 19
1. Smarte Datenwirtschaft bietet Chancen, wird aber in
Österreich zu wenig genutzt
Digitalisierung produziert große Datenmengen, basiert sie doch auf der Transformation von
Information in rechnererfassbare und -verarbeitbare Zahlenketten.
Diese Entwicklung hat Bereiche wie Buchhaltung und Kommunikation, Industrieproduktion
und Handel als Wirtschaftstätigkeiten und Branchen völlig umgewälzt. Sie führt in
Kombination von beispielsweise pervasiver Sensorik, ubiquitärer Konnektivität und
interoperablen Softwareplattformen zu unaufhaltsam weiteren Umbrüchen, und es ist
keinerlei Ende dieser Entwicklung anzunehmen.
Dennoch sind viele Unternehmen weiterhin primär darauf fokussiert, nur bestehende
Prozesse zu digitalisieren. Die Geschäftsmodelle bleiben dabei unberührt und es werden
meist nur die eigenen Daten verarbeitet.
Diese Zurückhaltung in Sachen Datenökonomie birgt einerseits hohe Risiken: neu
aufkommende Wettbewerber oder Start-ups entwickeln Innovationen, finden Marktlücken
und erfüllen den Bedarf nach Rationalisierung, Automatisierung und Globalisierung. Damit
gehen Produkt- und Servicequalität sowie Marktpositionen verloren, Kunden wechseln den
Anbieter und Umsätze und Gewinne schrumpfen.
Die Zurückhaltung in Sachen Datennutzung lässt aber andererseits hohe Chancen aus. Aus
den eigenen Daten können in Kombination mit den aus anderen Quellen und Unternehmen
entscheidende Qualitätssprünge, neue Geschäftsfelder und gänzlich neue Wertschöpfungen
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
4 von 19
und damit Gewinne erzielt werden. Vernetzung und neue Technologien zur Speicherung und
Verarbeitung eröffnen Unternehmen heute den Zugang zu gewaltigen Datensätzen. Über
Plattformen gesammelt, ausgewertet und zu neuen Erkenntnissen gebündelt, gewinnen
diese Daten an Wert.
Voraussetzungen dafür sind robuste, technischen Lösungen für den Datenaustausch und vor
allem auch geänderte Grundeinstellungen hinsichtlich des Handels mit Daten. Denn: Ohne
Datenhandel werden die Wertschöpfungspotentiale der Datenökonomie wirtschaftlich nicht
nutzbar.
Daten wirtschaftlich intelligent zu nutzen, sowie sicher und rechtskonform zu verwerten und
sie als eigenständiges Wirtschaftsgut zu behandeln, sind die Grundlagen einer smarten
Datenwirtschaft. In diesem Kontext entwickelte das österreichische Leitprojekt „Data Market
Austria“ (DMA) Konzepte und Prototypen, die aufzeigen, wie Handeln mit Daten
erfolgversprechend funktionieren kann.
Damit schafft das Leitprojekt DMA eine wichtige Grundlage, die es ermöglicht, ausgewählte
Verfahren der künstlichen Intelligenz (z. B. Methoden des maschinellen Lernens) besonders
wertschöpfend und unternehmensübergreifend einzusetzen. Verfahren zur sicheren und
nachvollziehbaren Speicherung von Transaktionsdaten in verteilten Systemen unter Nutzung
von Distributed Ledger-Technologien (Blockchain) bieten eine neuartige
Vertrauensgrundlage und vermögen daher wirtschaftliche Risiken zu minimieren.
In Österreich herrscht massiver Aufholbedarf. Denn das nüchterne Bild der aktuellsten
europäischen Vergleichsanalysen stellt der Alpenrepublik und ihren Unternehmen ein
Negativbild aus.
2. Österreich als Schlusslicht der Datenökonomie? Leider ja bei
Big Data Nutzungen
Die Europäische Kommission hat in den letzten Jahren mehrfach drauf hingewiesen, dass die
Digitalisierung in den EU Mitgliedsstaaten zwar Fortschritte macht, aber auch, dass diese bei
weitem nicht ausreichen, um zu den weltweit führenden Ländern aufzuschließen.
Der digitale Wirtschafts- und Gesellschaftsindex (DESI) zeigt dazu jährlich eine vergleichende
Darstellung. Als zusammengesetzter Index aggregiert er die relevanten Indikatoren zur
digitalen Leistung Europas und verfolgt die Entwicklung der EU-Mitgliedstaaten in Bezug auf
die digitale Wettbewerbsfähigkeit.
Im DESI 2019 haben Finnland, Schweden, die Niederlande und Dänemark die höchsten
Bewertungen erhalten. Diesen Ländern folgen das Vereinigte Königreich, Luxemburg, Irland,
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
5 von 19
Estland und Belgien. Österreich steckt im Mittelfeld fest und ist gerade mal EU Durchschnitt,
wobei Länder wie Bulgarien und Rumänien diesen massiv drücken (1).
Das Bild verdüstert sich wesentlich, wenn man aus den fünf Dimensionen des DESI Report
2019 die Zahlen zur Integration von digitaler Technologie, also „Business Digitisation“ und
eCommerce, herausgreift. Da rutscht Österreich sechs Plätze unter den EU28 Durchschnitt
und zeigt die zehntschlechteste Performance (2).
Der DESI Report 2019 zu „Integration of Digital Technology“ zeichnet ein noch schlechteres
Bild von Österreich, wenn es um die Nutzung von Big Data geht (3)*. Die EUROSTAT Zahlen
weisen für Österreich den letzten Platz aus, wenn es um die Prozentzahl von Unternehmen
geht, die Big Data analysieren und nutzen. Dabei spielt die Datenquelle, also ob es Geo-
Standortdaten von tragbaren Geräten oder Daten von intelligenten Geräten oder Sensoren
der Unternehmen sind, keine Rolle. Österreich ist Letzter (4).
Abbildung 1: DESI Report 2019 – Integration of Digital Technology -
https://ec.europa.eu/newsroom/dae/document.cfm?doc_id=59979 (Zugriff am 8.August 2019)
Angesichts der Tatsache, dass Unternehmen in der ganzen EU sich ständig weiterentwickeln
und die Technologien zum Sammeln, Speichern und Analysieren von Daten zunehmend auch
* Die Langfassung des Länderberichts beschönigt das Bild zur Datenökonomie und geht auf die Statistiken zu Big
Data nur kursorisch ein.
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
6 von 19
für Echtzeitanalysen und damit für Industrie 4.0 / IoT verwenden, ergibt sich ein signifikanter
wirtschaftlicher Rückstand. Dabei spielt die Unternehmensgröße offensichtlich eine
entscheidende Rolle. Große Unternehmen weisen mit 33% einen signifikant höheren
Prozentanteil in der Big Data – Verarbeitung auf, während nur 12 % der KMUs in der EU von
den Vorteilen, die Big Data bringen kann, profitieren.
In Malta nutzt fast ein Viertel der Unternehmen Big Data. Dicht darauf folgen die
Niederlande, Belgien und Irland eng, mit mehr als 20% der Unternehmen. Auf der anderen
Seite findet Big Data innerhalb von Unternehmen aus Zypern, Ungarn, Österreich und
Bulgarien gemäß den EUROSTAT Statistiken kaum Anwendung.
3. Österreich als Vorreiter? Erfreulich ja beim Big Data Road
Mapping
Das oben zusammengefasste Trendbild wird stark von vorliegenden Studien, Technologie
Roadmaps und Forschung- und Entwicklungsanstrengungen kontrastiert.
So hat das Bundesministerium für Verkehr, Innovation und Technologie (BMVIT) schon vor mehr als
sechs Jahren eine Studie für den Bereich “Intelligent Data Analytics” beauftragt, die im Janner 2014
mit dem Titel „Conquering Data in Austria - Technologie-Roadmap für das Programm IKT der Zukunft:
Daten durchdringen -Intelligente Systeme“ veröffentlicht wurde (5).
Die von H. Berger, M. Dittenbach et al. verfasste Studie legt umfassend dar, wie und in
welcher Weise innovative Technologien zur intelligenten Datenanalyse nachhaltig Mehrwert
für die österreichische Wirtschaft und Gesellschaft generieren können.
Besonders wichtig war auch der Wechsel von einer Wertkettenanalyse zu einem Ökosystem
Paradigma in der Wirtschaftsanalyse unter Berücksichtigung der vielfältigen Stakeholder für
die Entwicklung einer erfolgreichen Innovationswirtschaft.
Nur die Entwicklung eines Ökosystems, das Raum für datenbasierte Innovation bietet und
Technologietransfer unterstützt, ermöglicht es, die Herausforderungen – sowohl aus
technologischer als auch aus wirtschaftlicher und gesellschaftlicher Sicht – zu meistern.
Unter den neun Empfehlungen betrafen vier technologische Herausforderungen sowie
Erforschung und Entwicklung. Angestrebt wurde die Produktion herausragende
Technologien “Made in Austria” im Bereich der intelligenten Datenanalyse. Drei der
Empfehlungen betrafen Maßnahmen, um die Innovationskraft und Wettbewerbsposition
österreichischer Unternehmen zu stärken (Berger et al., 2014).
Im April 2014 wurde die ebenfalls vom BMVIT beauftragte und finanzierte Studie zu “ #Big
Data in #Austria - Österreichische Potenziale und Best Practice für Big Data” veröffentlicht
(6). Die von M. Köhler und M. Maier-Huber verfasste Analyse geht auf die verschiedenen
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
7 von 19
Wirtschaftssektoren ein und zeigt die Innovationskraft von Big Data Technologien, von der
Datenflut bis hin zu darauf beruhenden semantischen oder kognitiven Systemen, im Kontext
des österreichischen Markts auf. Dabei wird u.a. der Verwendung von verfügbaren
öffentlichen Daten, d.h. Open Government Data, besondere Bedeutung zugemessen (6).
Auf der Basis der genannten beiden Studien wurde vom BMVIT ein Leitprojekt via der
österreichischen Forschungsförderungsgesellschaft (FFG) ausgeschrieben und kompetitiv an
ein von der Research Studios Austria Forschungsgesellschaft – RSA FG koordiniertes
Konsortium vergeben.
4. Österreich als Marktplatz? Data Market Austria als Proof of
Technologies
Um die heute verfügbare Anzahl an Daten bzw. die täglich in bis dato ungeahnten
Größenordnungen produzierten Datenmengen zu einem Rohstoff zu machen und für die
verschiedenen Wirtschafts- und Industriesektoren nutzen zu können, braucht es
funktionstüchtige Datenmärkten bzw. funktionierende Ökosysteme für Daten-Services.
In Umsetzung der o.e. Studien und Analysen wurde für Österreich das Leitprojekt von Data
Market Austria (DMA) konzipiert und in der Laufzeit von 2016 bis 2019 umgesetzt (7)*.
Zu den Zielen von DMA gehört es, bestehende Daten-Infrastrukturen wertschöpfend zu
verbinden und integrieren zu können. Gleichzeitig soll die oft unzureichende Qualität und
mangelnde Kompatibilität von Daten verbessert und somit auch die Kosten so zu reduziert
werden, dass eine effiziente Datennutzung ermöglicht wird†. Im DMA Forschungs- und
Entwicklungsprojekt geht es darum den „Proof of Technologies“ in prototypisierender Form
zu entwerfen.
* Das Data Market Austria Projekt erhielt seine Förderung aus dem Programm „IKT der Zukunft “des
österreichischen Bundesministeriums für Verkehr, Innovation und Technologie der Österreichischen Forschungsförderung Gesellschaft (FFG) (Projektnummer 855404) † Koordiniert von der RSA FG tragen die folgenden Partner im DMA Konsortium zum Erfolg des Leitprojektes
bei: Austrian Institute of Technology, Catalysts GmbH, Compass-Verlag GmbH, Donau Universität Krems, Earth Observation Data Centre, INiTS Universitäres Gründerservice Wien, JOANNEUM RESEARCH Forschungsgesellschaft mbH, Know-Center GmbH, Semantic Web Company GmbH, Siemens AG Österreich, T-Mobile Austria GmbH, TDA Trusted Data Analytics GmbH & Co KG, T-Systems Austria GmbH, und Wikimedia Austria sowie die Zentralanstalt für Meteorologie und Geodynamik –ZAMG.
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
8 von 19
Abbildung 2: Data Market Austria – Ökosystem eines funktionierenden Marktes
Zur Entwicklung der Datenökonomie soll Data-Market Austria (DMA) durch folgende
Maßnahmen und Aktivitäten beitragen*:
1) Schaffung einer deutlich verbesserten Technologiebasis durch
(i) die Verwendung von Blockchain-Ansätzen für eine stabile, verteile aber interoperable
Dateninfrastruktur inklusive Methoden für: Provenance & Data-Lineage, Analyse &
Prozessierung, Qualitätsverbesserung & Datenpflege, Speicherung & Archivierung, sowie
Sicherheit;
(ii) die Entwicklung von Mechanismen und Tools für den Handel mit Daten und Services,
sowie für das Matchmaking zwischen Angebot und Nachfrage dieser Daten und Services
entsprechend der zuvor erhobenen Anforderungen; und
(iii) die Entwicklung von Analyseverfahren, welche es erlauben große Datenmengen von
verteilten Systemen in hoher Geschwindigkeit und hoher Sicherheit zu verarbeiten.
2) Etablierung eines Daten-Innovationsumfeldes, durch Aufbau und Pflege einer
entsprechenden Data Community unter Einbindung aller relevanten Stakeholder (KMUs,
Startups, Großunternehmen, Forschung, Verwaltung) in ein Daten-Service-Ökosystem,
welches der Community klare rechtliche und wirtschaftliche Rahmenbedingungen
anbietet und mittels innovativer Geschäftsmodelle die Nachhaltigkeit des Ökosystems
garantiert.
3) Bereitstellung verbundener Cloudsysteme durch Technologieentwicklung für einen
transparenten aber kontrollierten Zugriff auf die verteilten Services, sowie auf offener,
semi-offener und geschlossener Zugänge zu Daten über das Data Market Austria Portal.
* Zitiert gemäß genehmigten Projektantrag.
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
9 von 19
4) Entwicklung von Pilotsystemen sowie innovativer (Enduser-) Anwendungen in den
Bereichen IKT für Weltraumdaten, Erdbeobachtung und für Mobilität, welche die
Verwendung des neuen Daten-Service-Ökosystems sowie die daraus resultierende
potentielle Wertschöpfung demonstrieren.
Nach drei Jahren liegt nun ein funktionierender Prototyp für ein Daten-Service-Ökosystem in
Österreich vor, der auf österreichischen Cloud-Infrastrukturen erfolgreich betrieben wird,
und der auf im Projekt neu geschaffenen innovativen Technologien, rechtlichen
Rahmenbedingungen und Geschäftsmodellen aufbaut. Durch die Pilotanwendungen werden
Communities in den Bereichen Mobility und Space in das Ökosystem integriert.
In einem für ein F&E Projekt außergewöhnlichem Verfahren werden weitere Domänen durch
ein eigenes Startup- und KMU-Programm erfasst. Schwerpunkte der insgesamt zehn
geförderten Neu-Firmen liegen in der Aufbereitung und Angebot eigener Daten unter
Nutzung des DMA Proof of Technology Prototypen, die Weiterentwicklung von
Verwertungsideen für Daten, die auf der Datenmarkt-Plattform gelistet werden können und
den Bedarf für noch benötigte Daten via DMA zu erproben. Ziel ist es, die Nutzung des
Ökosystems zu demonstrieren und wertschöpfend einzusetzen (8)*.
5. Data Market Austria Proof of Technology? Ein innovatives
Brokerage System
Um einen prosperierenden und lebendigen Markt zu schaffen, müssen Wechselwirkungen
zwischen den verschiedenen TeilnehmerInnen effizient gestaltet werden. Ein vom einem
Empfehlungssystem unterstützte Brokerage erstellt somit einen wichtigen Teil der zentralen
Dienste der DMA, die sie vitalisieren und neue Geschäftsbeziehungen pflegen.
* In zwei Sonderausschreibungen wurde vom BMVIT über die FFG Start-Up Firmen eingeladen,
Sondierungsprojekte einzureichen, die möglichst viele der folgenden Ziele adressieren: Künftige tatsächliche kommerzielle Verwertung durch Datenhandel ermöglichte Produkte und Dienstleitungen; kundenorientierte und praxisnahe Weiterentwicklung der Datenmarkt-Plattformen; „Durchspielen“ aller notwendigen Schritte bei der Vermarktung von Daten mit Vermarktungspotenzial bzw. bei der Verwendung schon verfügbarer Datensätze; Erfahrungsgewinn in der gewinnorientierten Vermarktung auf Datenmarkt-Plattformen; experimenteller Umgang mit der jeweiligen Plattform-Infrastruktur, den dort bereits aufgesetzten Prozessen und den verfügbaren Datensätzen, siehe (8)
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
10 von 19
Abbildung 3: Data Market Austria – General Software Architecture
Das Recommender-System unterstützt verschiedene Akteure in personalisierter Weise.
Makler zeigen neue Möglichkeiten für die Zusammenarbeit zwischen Dataset-, Service- und
Infrastrukturanbieter auf und erstellen Potenzialvorschläge für den Handel von Datensätzen
und -diensten.
Das Empfehlungssystem selbst ist der Kern des Prototypes*. DMA zeigt wie Schnittstellen
ausgelegt nach einem RESTful-Paradigma funktionieren und mit einem Search Kern mit
seinem Daten-Backend verbunden werden können. Das Backend enthält den Datenkorpus,
aus dem Empfehlungen abgeleitet werden. Der Datenkorpus kann nicht direkt als Volltext
durchsucht werden, sondern es wird alleine auf die Metadaten zugegriffen. Dazu werden die
Akteure (BenutzerInnen, Datenanbieter, Dienstleister und Infrastrukturanbieter) und die
Elemente (Datensätze, Dienste und Kataloge) so modelliert, dass sie in die Datenschemata
des Suchindex passen. Weiterhin bietet ein Dienst Suchfunktionen an, die in das Portal sowie
die Empfehlungsdienste integriert werden.
In einem geschäftsmäßigen Betrieb hängen der Recommender und die Suche stark vom
verfügbaren Datenkorpus ab. Daher ist es essentiell, den Datenbestand mit vielen
Informationen zu füllen. Die Datenaufnahmeschnittstelle verknüpft Metadatenerfassung mit
dem Empfehlungsgeber. Es werden automatisch neue oder geänderte Metadaten in die
Empfehlung eingespeist. Dies ist qualitätsentscheidend beim Massenimport von
Datensammlungen aus offenen Datenportalen.
Im Rahmen eines solchen Imports werden auch die Metadaten, die die Datensätze
beschreiben, an das Empfehlungssystem gesendet. Das Crawlen der Datenbeispiele
übernimmt die Transformation der Metadaten in das DMA-Schema, um die Konsistenz und
* Für nähere Ausführungen siehe DMA DL 7.2 Foundational Broker and Assessment Technology Prototypes
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
11 von 19
Vollständigkeit der Metadateneinträge in der Datenbank zu gewährleisten. Die im Rahmen
von DMA entwickelten Service-Assessment-Komponenten zeigen ein Angebot eines Toolsets
zum Testen von Such- und Klassifizierungsdiensten und damit die Leistung und
Leistungsfähigkeit der Dienste, die den Dienstentwicklern die Möglichkeit geben, ihre
Ergebnisse zu vergleichen.
6. Proof of Technology? Federated Cloud System
Die Entwicklung von Datenmärkten hängt auch von der technologischen Infrastruktur und
Ihrer Verfügbarkeit ab. DMA hat eine „Data Economy Platform“ unter Verwendung eines
Verbund-Cloud-Ansatzes implementiert und zeigt deren Leitungsfähigkeit und
Dienstspektrum*.
Nur eine skalierbare Plattform kann den Anforderungen von Unternehmen gerecht werden.
Dazu wurde eine modular erweiterbare und unabhängig von der zugrunde liegenden
Infrastruktur auf Mikrodiensten basierende Architektur entworfen. Die Prototypisierung
gründet auf der
Nutzung der Open Telekom Cloud (OTC), die auch das auf Kubernetes basierende PaaS
OpenShift anbietet.
Ein "Central Node" verteilt Anforderungen an andere Dienste, die entweder auch auf der
Open Telecom Cloud (OTC), der OpenShift-basierten AppAgile-Plattform oder in anderen
Cloud-Umgebungen ausgeführt werden. Der Central Node dient auch dem Data Market
Austria Portal, der Landezone für alle Parteien, die Interesse an der Nutzung oder
Bereitstellung von DMA-Diensten oder –Daten haben.
Die GDPR-Regeln werden dadurch eingehalten, dass die Verarbeitung von Metadaten und
tatsächlichen Daten, insbesondere personenbezogener Daten, strikt getrennt ist. Es werden
nur Metadaten verwendet und innerhalb der mit DMA verbundenen Infrastruktur
verarbeitet. Die tatsächlichen Daten werden in getrennten Einheiten verarbeitet, die in Data
Processing Agreements (DPA) gemäß der österreichischen Gesetzgebung für
Auftragsdatenverarbeitung (ADV)) vereinbart sind.
Die Leistungsfähigkeit der DMA Plattform wird durch die Integration zusätzlicher Dienste wie
die Blockchain-basierte Vertrags- und Datenverwaltung sowie einer Serviceregistrierung als
Metadaten-Harvester erhöht. Mit einem SW-Architecture-Design für eine verteilte
Infrastruktur prototypisiert DMA, wie die verschiedenen Komponenten der Verbundwolke
und die technischen Mittel der einzelnen Bausteine sowie die Wechselwirkungen zwischen
ihnen optimiert funktionieren. Vor allem werden auch die Prozesse und Verfahren zur
Bereitstellung von Funktionen für die BenutzerInnen der DMA-Plattform genau beschrieben.
* Für nähere Ausführungen siehe DMA DL 4.2 und DL 4.4
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
12 von 19
Weiters werden wesentliche Teile der Verwaltungsfunktionalitäten mit Beispielen für eine
beschriebene Überwachung, Integritätsprüfung für containerisierte Dienste oder
Anwendungen, sowie Autorisierung prototypisiert. Der Mechanismus ermöglicht eine
einfache Kommunikation zwischen allen beteiligten Diensten. In DMA wird eine universelle
Schnittstelle näher beschrieben.
7. Proof of Technology? Data Technology Prototypes
Eines der übergeordneten Ziele von DMA ist die Entwicklung von Diensten, die die
Einreichung, Speicherung, Verwaltung und Verbreitung von statischen Datenbeständen oder
Streaming-Datendiensten ermöglichen. Dazu wird prototypisiert, wie die Aufnahme von
Daten in Bezug auf die Qualität der Inhalte und die Vollständigkeit von Metadaten
standardisiert wird, um es Marktteilnehmern zu ermöglichen, mittels DMA Datenbestände
mit anderen zu teilen oder neuen Verwendungen zuzuführen (konsumieren)*.
DMA zeigt wie ein dezentrales Netzwerk organisiert ist. Die Daten selbst werden, wie schon
erwähnt, von der Anbieter-Organisation gehostet und nur die Metadaten werden am DMA
bereitgestellt. Die Blockchain-Technologie ermöglicht, einen freigegebenen, verteilten
Ledger zu aktivieren, der auf allen teilnehmenden Knoten des DMA verfügbar ist.
Komponenten wie Benutzerverwaltung und Abrechnung in Bezug auf die Bereitstellung und
den Verbrauch von Daten werden zentral zur Verfügung gestellt. Die Verträge zwischen
Datenlieferanten und Datenkonsumenten können ganz klassisch wie bei Amazon & Co durch
Button-Click abgeschlossen werden.
Die Hauptkomponenten der grundlegenden Datentechnologie bestehen aus der
Datensatzverwaltung, also Komponenten, die auch Daten bündeln und Metadaten verfügbar
machen. Eine Benutzeroberfläche dient dem Bereitstellen oder Bearbeiten von Datensätzen,
der Prüfung von Datenqualität. Die Komponenten, mit denen die Qualität von Datensätzen
bestimmt werden kann, sowie die Blockchain Komponenten, mit denen die
Vertragsbeziehungen zwischen Anbietern und Verbraucher von Daten oder Diensten
ermöglicht wird, ermöglichen und sichern die Aufzeichnung der Herkunft von Informationen
innerhalb DMA. Die Blockchain-Komponente bietet mehrere Dienste als Unterkomponenten
an, wobei die DMA-Blockchain als gemeinsames Hauptbuch verwendet wird und den Zugriff
von allen Knoten, die am DMA-Netzwerk teilnehmen, auf Informationen bzgl. ausführbarer
Verträge ermöglicht.
Zu diesen Komponenten gehören u.a. Membership Management, ein Blockchain-basierter
Service zur Verwaltung des Prozesses der Teilnahme am DMA, sowie ein Lizenz- und
* Für nähere Ausführungen siehe DMA DL 5.1 bis 5.3
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
13 von 19
Vertragsmanagement welches einen Blockchain-Service das das Aushandeln von Zugriff und
Nutzungsbedingungen für Datensätze und Services bereitstellt.
8. Proof of Technology? Service Technology Prototypes und
Pilotanwendungen
Eine datengetriebene Wirtschaft benötigt nicht nur Daten, sondern vor allem auch
intelligente Dienste, die die Daten nutzen. Eines der Ziele von DMA ist es, NutzerInnen mit
intelligenten und benutzerfreundlichen Informationen auszustatten*. Dazu gehören auch
Tools zur Vereinfachung der Integration von Dienstleistungen, um die Einstiegshürden für
Dienstleistungsanbieter zu verringern. Weiters werden Dienste bereitgestellt, um
Unternehmen zu motivieren, sie zu verwenden und neue Dienste zu entwickeln und diese
auch über DMA zu veröffentlichen.
Diese Tools decken den gesamten Lebenszyklus von Datendiensten im DMA ab, der mit der
Veröffentlichung eines Dienstes beginnt und dem dann Wartung, Updates und Änderungen
des Dienstes folgen. Ein Lebenszyklus endet mit dem Ausscheiden eines Services aus dem
Markt DMA. Die Tools beschreiben die API eines Dienstes, seine gesetzlichen Anforderungen
und verwalten seine Metadaten so, dass ein Service von potenziellen KundInnen gefunden
werden kann. Darüber hinaus bietet die Serviceaufnahme Codegenerierung für
EntwicklerInnen, die einen DMA-Dienst in ihr eigenes Vorhaben integrieren möchten.
Eine semantische Anreicherung und Entitätsverknüpfung behandelt die Metadaten der im
DMA aufgenommenen Dienste. Sie verarbeitet die Service-Metadaten und extrahiert
Konzepte aus diesen, die die Dienste und ihre Merkmale charakterisieren. Diese
Charakterisierungen sind ein wichtiger Input für die Suche und Empfehlung. Zur
Vereinheitlichen der Beschreibung der Services werden die Konzepte durch einen Thesaurus
validiert.
Ein weiteres Set von Diensten umfasst Data-Clustering und -slicing, um Testdatensätze aus
größeren Datensätzen zum Testen und Auswerten eines Datensatzes zu extrahieren, ohne
dass man den gesamten Datensatz auf einmal analysieren muss.
Die entwickelten Dienste werden im DMA soweit möglich integriert und in zwei Pilot-
Anwendungsgebieten exemplifiziert: Erdbeobachtung und Mobilität.
Bei ersterer finden ESA Satellitendaten ihren Einsatz im Wald-Monitoring, wobei die
natürlichen Wachstumsänderungen und Umweltstörungen, wie schwere Stürme, finanziell
* Für nähere Ausführungen siehe DMA DL 6.1 und 6.2
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
14 von 19
berechnet werden. Ein weiterer Dienst berechnet Sturmschäden und die Resilienz der
Wälder. Der dritte Dienst befasst sich mit der Modellierung der Steinschlagausbreitung.
Im zweiten Anwendungsgebiet der Mobilität visualisiert ein Heat-Map-Dienst Informationen
zur geografischen Intensität, womit z.B. der Taxibedarf auf einem Stadtplan in Echtzeit
darstellbar wird. Weitere Dienste, wie Taxifahrt-Sharing, ermöglichen Kostenreduktionen bei
KundenInnen und Auslastungssteigerungen bei Taxiunternehmen bei gleichzeitiger
Reduktion von Verkehrsaufkommen und –belastungen.
9. Daten-Kreise ermöglichen die Nutzung im engeren
Wirtschaftskreis
Im Leitprojekt „Data Market Austria“ wird es Nachfragern und Anbietern von Daten aus
einem Wirtschaftsbereich, Industriesektor oder einem Anwendungsfeld ermöglicht, den
Austausch und Handel ihrer Daten in einem klar abgegrenzten Raum, hier Datenkreis oder
auch Data Space genannt, zu tätigen.
Technologisch verbindet ein Datenkreis Daten aus mehreren Quellen, um darauf nachhaltige
Online-Services zu bauen und anzubieten, und diesen Datenhandel unter Wahrung von
Datensouveränität durch die Dateneigentümer durchzuführen*.
Zur Entwicklung eines Datenkreises „Mobilität“ wird sich eine Arbeitsgruppe mit den
Problemstellungen von zukünftiger Mobilität von Personen (intermodaler Verkehr) und
Gütern (Frachtlogistik) beschäftigen. Wie der Austausch und Handel von mehreren
Datenquellen und Services aufgebaut ist, wird im nachstehenden Diagramm dargestellt.
* Datensouveränität liegt dann vor, wenn Datenhandelnde bestimmen können, wer ihre Daten erhält, wie sie
verarbeitet werden dürfen und an welchen Zweck und an welche z.B. zeitliche Auflagen die Nutzung gebunden sein soll.
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
15 von 19
Abbildung 4: Aufbau und Stakeholder des Datenkreises Mobilität – Allan Hanbury
Das BMVIT lädt mit dem Partner der Data Intelligence Offensive (DIO) Dateneigentümer und
Lösungsentwickler aus den verschiedenen Anwendungsbereichen zu Datenkreis-
Arbeitsgruppen ein, um das Potenzial und die Interessen für den Aufbau von Datenkreisen in
Österreich zu bestimmen.
10. Data Intelligence Offensive: Vom Daten teilen zu mit
Daten handeln
Das Leitprojekt „Data Market Austria“ und die Konsortiumsmitglieder tragen über die
Forschung und Entwicklung des Proof of Technology Prototypen hinaus mit der Initiierung
der „Data Intelligence Offensive“ zur Starkung des Daten-Innovationsumfeldes bei. In DIO
finden sich die Akteure zum Aufbau und Pflege entsprechender Data Communities unter
Einbindung aller relevanten Stakeholder (KMUs, Startups, Großunternehmen, Forschung,
Verwaltung) zusammen.
Die „Data Intelligence Offensive“ (DIO) wurde Ende 2018 als eine Kooperations-Plattform
von Personen, Unternehmen, Organisationen und öffentlichen Stellen zur Forcierung und
Förderung der Datenwirtschaft und des optimierten Einsatzes von Technologien gestartet,
um die Entwicklung von digitalen Märkten in Österreich zu forcieren und einen
vertrauenswürdigen und sicheren Handel mit Datenprodukten im Zusammenhang mit Big
Data zu stärken (9).
Die Offensive baut auf folgenden Einsichten auf:
Funktionierende Datenmärkte sind die essentielle Voraussetzung, damit Daten als
strategische Ressource für Innovation und Wertschöpfung genutzt werden können.
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
16 von 19
Digitale Technologien und Prozesse ermöglichen in allen Branchen und
gesellschaftlichen Sektoren die Erfassung und Verarbeitung von Daten. Deren
Wertschöpfungsmöglichkeiten mit Hilfe von Data Science, Künstlicher Intelligenz (KI)
und maschinellem Lernen werden durch einen effizienten Datenhandel wesentlich
erhöht.
Das Innovationspotential der Digitalisierung erreicht sowohl einzel- wie
gesamtwirtschaftlich eine zusätzliche Ebene der Wertschöpfung, wenn die in von
einer Organisation/ Institution/Unternehmung erfassten Daten mit anderen
zusammengeführt und auch gehandelt werden.
Der Einsatz sowie die Wertschöpfung und Steigerung der Wettbewerbsfähigkeit
durch Data Science und künstlicher Intelligenz hängt wesentlich vom Umfang und der
Qualität der verfügbaren Daten ab.
Die Data Intelligence Offensive unterstützt die Stakeholder der Datenökonomie in der
Entwicklung eines effizienten, sicheren, wirtschaftlichen Datenaustausches, um die
unterschiedlichen Nutzungen dieser Innovationspotentiale zu stärken und grundlegende
technische Funktionalitäten zu fördern.
Die Data Intelligence Offensive bringt dazu mehrere technologische Disziplinen (Data
Science, Künstliche Intelligenz, maschinelles Lernen) und Stakeholder mit Schlüsselakteuren
aus der Wirtschaft und dem Innovationsökosystem sowie Expertengruppen aus Ethik, Recht
und Soziologie zusammen, die gemeinsam die Grundlage für Datenintelligenz und die
Datenwirtschaft bilden.
Damit will die Data Intelligence Offensive einen Beitrag zur digitalen Transformation von
Wirtschaft und Gesellschaft, von Unternehmen und öffentlicher Verwaltung leisten.
VON DATEN TEILEN ZU MIT DATEN HANDELN:
ZIELE DER OFFENSIVE - ERFOLGSFAKTOREN DES MARKTES
Die Promotoren, Mitglieder und Förderer der Data Intelligence Offensive streben eine
Umsetzung der nachfolgend angeführten Ziele als konstitutive Erfolgsfaktoren für die
Funktionsfähigkeit und die Optimierung des Wertschöpfungspotentials von Datenmärkten
an:
VERTRAUEN UND ETHIK:
Der Handel mit Daten und das Marktfunktionieren basiert auf dem Vertrauen der
Stakeholder in einander und in die Grundlagen ihres Zusammenwirkens. Dazu gehören u.a.
die klare Feststell- und Nachvollziehbarkeit der Identität der einzelnen Akteure, die
dokumentierte Autorisierung ihrer Vertreter und die Zertifizierung der Vollmachten und
deren automatisierte Überprüfung. Die gesellschaftliche Akzeptanz und der nachhaltige
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
17 von 19
Fortschritt basiert auf einem ethischen Umgang mit Daten und den Anwendungen von Data
Science und KI Methoden.
SICHERHEIT UND DATENSOUVERÄNITÄT:
Die Transaktion von Daten hängt entscheidend von der fehlerlosen Authentifizierung,
Autorisierung und Garantie von Service Levels ab. DIO sieht in der Verpflichtung zu den
höchsten Sicherheitsniveaus von Systemen und Komponenten einen entscheidenden Faktor.
Dies betrifft beispielsweise die Sicherheit für Datenanbieter, dass Nutzer ihre Policy nicht
umgehen können, wie auch technisch-innovative Lösungen, die Datenauswertungen ohne
einen direkten Zugriff auf Originaldatensätze ermöglichen.
DATENQUALITÄT UND INTEROPERABILITÄT:
Eine nachhaltige Wertschöpfung setzt einerseits eine möglichst hohe Datenqualität voraus
und erfordert andererseits, dass Technologieanbieter den Austausch von Daten zwischen
technischen Systemen unabhängig vom Hersteller umfassend gewährleisten.
DOMÄNENÜBERGREIFENDES ÖKOSYSTEM:
Die Entwicklung von Datenmärkten wird dann forciert, wenn Technologien
domänenunabhängig funktionieren und Daten domänenübergreifend ausgetauscht und
genutzt werden können. Einem verteilten Ansatz folgend verbleiben die Daten physisch bei
den Eigentümern und vertrauensstarke Broker leisten den Austausch angefangen bei der
Suche bis hin zur Ergebnisverwertung.
TECHNOLOGIEN UND INNOVATION:
DIO setzt sich für eine optimale Transparenz und Verlässlichkeit in den eingesetzten
Technologien und Lösungen ein. Der verstärkte Einsatz von Data Science, Künstlicher
Intelligenz und maschinellem Lernen soll in seinen Herausforderungen gemeinsam gemanagt
werden.
ZUKUNFTSSTÄRKE DURCH COMMUNITY:
Ziel ist es, ein vernetztes Datensystem zu schaffen. Dies gelingt nur mit einer breiten,
interdisziplinären Datencommunity, die bereit ist, Daten, Know-How und Vernetzung ein zu
bringen. DIO dient als Plattform, um dieser Community und ihren Stakeholdern ein Feld zu
geben, damit sie sich auf ein vernetztes, zukunftsorientiertes Datennetzwerk fokussieren zu
können.
11. Ausblick: Vom Daten teilen zu mit Daten handeln
Der eingangs zitierte DESI Report 2019 zur Integration von Digital Technology in
Unternehmen zeichnet ein sehr kritisches Bild für die Bestandlage.
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
18 von 19
Dieses gilt es, grundlegend zu ändern. Ziel wäre es, die Gestaltung eines Daten-Services
Ökosystem koopertiv voranzutreiben.
Das dargestellte Leitprojekt „Data Market Austria“ und die „Data Intelligence Offensive“ sind
auf Nachhaltigkeit angelegte Anstrengungen, um technologische Innovationen
voranzutreiben und klare rechtliche und wirtschaftliche Rahmenbedingungen entsprechend
zu befördern.
Zur breiten Akzeptanz von Datenmarkten in der Wirtschaft ist es notwendig, über die
traditionellen Belange von hinaus zu agieren und ein den europäischen Werten
entsprechendes Ökosystem zu befördern.
Digitale Verantwortung mutiert vom Hygienefaktor zum entscheidenden
Unterscheidungsmerkmal und zur Quelle von Wettbewerbsvorteilen, wenn Datenmärkte auf
europäischen Werten basieren. Das heißt konkret, dass folgende Merkmale technologisch
implementiert werden:
1. Datenschutz und Sicherheit,
2. Chancengleichheit durch ein föderiertes Design
3. Gewährleistung der Datenhoheit für die Ersteller der Daten und die Verwerter
4. Vertrauen-Controlling unter den Teilnehmern.
Die gesamtwirtschaftliche und gesamtgesellschaftliche Verwendung von Daten in
Algorithmen des maschinellen Lernens (ML) und der künstlichen Intelligenz (KI) hängt sehr
wesentlich davon ab, dass diese Merkmale umgesetzt sind.
Datensouveränität und Vertrauensgarantien können und müssen technische
Gestaltungsprinzipien sein und im SW-Design und Architektur-Modell für Datenmärkte
implementiert werden. Nur dann wird die Datenwirtschaft nachhaltig funktionieren und die
erforderliche langfristige breite Akzeptanz erhalten.
PETER A. BRUCK
DATENÖKONOMIE BRAUCHT DATENHANDEL
19 von 19
Verzeichnis der Verweise
1. https://ec.europa.eu/digital-single-market/en/desi. [Online] [Zitat vom: 8. August
2019.]
2. https://ec.europa.eu/digital-single-market/en/integration-digital-technology. [Online]
[Zitat vom: 8. August 2019.]
3.
https://www.bmdw.gv.at/DigitalisierungundEGovernment/DigitalesInZahlen/PublishingI
mages/Seiten/Digital-Economy-and-Society-Index/DESI2019LANGAustria.pdf . [Online]
[Zitat vom: 8. August 2019.]
4. https://ec.europa.eu/digital-single-market/en/integration-digital-technology . [Online]
[Zitat vom: 8. August 2019.]
5.
https://www.ffg.at/sites/default/files/allgemeine_downloads/thematische%20programm
e/IKT/berger_et.al_.roadmapstudy_conquering-datav2.pdf. [Online] [Zitat vom: 8. August
2019.]
6. https://iktderzukunft.at/resources/pdf/big-data-in-austria.pdf . [Online] [Zitat vom: 8.
August 2019.]
7. https://datamarket.at/. [Online] [Zitat vom: 8. August 2019.]
8. https://datamarket.at/event/start-up-dma-get2gether/ . [Online] 8. August 2019.
9. https://dataintelligence.at/
Abbildungen:
Abbildung 1: DESI Report 2019 – Integration of Digital Technology -
https://ec.europa.eu/newsroom/dae/document.cfm?doc_id=59979 (Zugriff am 8.August
2019)
Abbildung 2: Data Market Austria – Ökosystem eines funktionierenden Marktes
Abbildung 3: Data Market Austria – General Software Architecture
Abbildung 4: Aufbau und Stakeholder des Datenkreises Mobilität – Allan Hanbury
