Industrial Data Space

Die Digitalisierung verändert die Statik herkömmlicher Branchen und die Mechanik traditioneller Geschäftsmodelle. Um ihre Wettbewerbsfähigkeit zu sichern, nutzen Unternehmen das Innovationspotential der Digitalisierung. Die datengetriebene Innovation äußert sich in vier Facetten:

• Produktinnovation: In der pharmazeutischen Industrie erlaubt die Nutzung von Gesundheitsdaten wirksamere, individuellere Medikamente und Behandlungskonzepte. Dafür verschiedene Akteure im Ökosystem zusammenarbeiten, nämlich Anbieter pharmazeutischer Produkte, Krankenkassen, Gesundheitsdienstleister und die Patienten. Gleichzeitig hat der Patient zu jeder Zeit Souverän über die eigenen Daten zu bleiben. Der Patient allein entscheidet, was mit seinen Daten geschieht.
  
  
• Service-Innovation: Modernes Verkehrsmanagement nutzt bei der Routennavigation von Fahrzeugen nicht allein traditionelle Informationen wie Kartenmaterial oder Verkehrsmeldungen, sondern Routenberechnungen erfolgen dynamisch unter Nutzung verschiedener Datenquellen, etwa von Verkehrsleitzentralen.
  
  
• Prozess-Innovation: Der Einzelhandel vermeidet »Out of Stock«-Situationen im Supermarktregal, indem Warenflüsse zu jeder Zeit mit Informationsflüssen gekoppelt werden. Daten zum Transportgut (Lokation, Zustand usw.) sind allen Partnern im Wertschöpfungsnetzwerk zu jeder Zeit verfügbar, sodass sowohl der Einzelhandel, die Lieferanten und die Logistikdienstleister ihre Lieferkette gemeinschaftlich steuern und überwachen können. Daten werden zum Gemeinschaftsgut, von dem alle Wertschöpfungspartner profitieren.
  
  
• Organisationsinnovation: Die Fertigung von Kleinserien in der Automobilindustrie, etwa bei Elektrofahrzeugen, basiert auf der Selbststeuerung von Fahrzeugen und Komponenten. Dazu müssen Stammdaten der Produkte, Auftragsdaten, Transportangaben usw. gemeinschaftlich, sicher im Ökosystem aus Hersteller, Zulieferer und Logistikdienstleister bewirtschaftet werden.
   

Der Industrial Data Space unterstützt Unternehmen bei der Nutzung dieser Innovationspotentiale und stellt grundlegende Datendienste bereit, z. B. die Anonymisierung von Daten, Integrationsdienste und die Einstellung von »Verfallsdaten« für die Datennutzung.

Damit leistet der Industrial Data Space einen Beitrag zur digitalen Transformation von Unternehmen.

Das Bundesministerium für Bildung und Forschung (BMBF) gewährt der Fraunhofer-Gesellschaft unter dem Förderkennzeichen 01IS15054 eine Zuwendung für ein Forschungsprojekt zum Industrial Data Space.

Das Forschungsprojekt verfolgt zwei Ziele:

• Entwurf eines Referenzarchitekturmodells für den Industrial Data Space
• Pilotierung des Referenzarchitekturmodells in ausgewählten Use Cases

Das Forschungsprojekt startete zum 1. Oktober 2015 und hat eine Laufzeit von drei Jahren. An den Arbeiten sind insgesamt 12 Fraunhofer-Institute beteiligt, so dass die Kompetenzen von weiten Teilen der Fraunhofer-Gesellschaft für das Projekt nutzbar werden können.
 

Die Arbeiten gliedern sich in 9 Arbeitspakete:

• Referenzarchitekturmodell zum Industrial Data Space
• Software-Implementierung
• Use Cases
• Standardisierung
• Zertifizierung
• Methode für das Digital Business Engineering
• Handlungsempfehlungen
• Institutionalisierung der Initiative
• Projektmanagement

Die Arbeiten sind eng verzahnt und abgestimmt mit der Plattform Industrie 4.0. Projektmitwirkende des Forschungsprojekts arbeiten in den Arbeitsgruppen der Plattform mit.

Die Arbeiten werden geleitet von Prof. Dr. Boris Otto.

Die Initiative zum Industrial Data Space institutionalisiert sich einerseits über das BMBF-Forschungsprojekt und andererseits über einen gemeinnützigen Anwenderverein, der Anfang 2016 gegründet werden wird.

Der Verein zum Industrial Data Space verfolgt das Ziel, die Anwenderinteressen zu wahren, insbesondere:

• Bündelung der Anwenderanforderungen
• Erfahrungsaustausch der Vereinsmitglieder
• Einrichtung von Fachausschüssen, Arbeitskreisen und Initiativen, insbesondere für wissenschaftlich-technische Standardisierungsfragen und Zertifizierungsprozesse
• Informations- und Weiterbildungsmaßnahmen
• Öffentlichkeitsarbeit und Kommunikation
• Mitwirkung bei der Erarbeitung von Richtlinien und Gesetzgebungsprozessen
   

Folgende Organisationen haben sich bereits im Rahmen eines Memorandum of Understanding (MoU) zur Gründung des Vereins bekannt:

• Allianz SE
• Atos IT Solutions and Services GmbH
• Bayer HealthCare AG
• Boehringer Ingelheim Pharma GmbH & Co.KG
• catkin GmbH
• Deloitte
• European EPC Competence Center GmbH
  
• Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.
• GateHouse Logistics A/S
  
• GS1 Germany GmbH
  
• KOMSA Kommunikation Sachsen AG
• LANCOM Systems GmbH
  
• PricewaterhouseCoopers AG
• REWE Systems GmbH
• Robert Bosch GmbH
• Salzgitter AG
• Schaeffler-Gruppe
  
• Setlog GmbH
  
• SICK AG
• SINTEF
  
• ThyssenKrupp AG
• TNO
• TÜV Nord AG
• Volkswagen AG
• ZVEI - Zentralverband Elektrotechnik- und Elektronikindustrie e.V.
   

Der Verein steht allen Unternehmen, Verbänden und gemeinnützigen Organisationen zur Teilnahme und Mitwirkung offen.

Die Architektur des Industrial Data Space umfasst alle Komponenten, die für einen sicheren Austausch und eine einfache Kombination von Daten im Ökosystem erforderlich sind. Die Gesamtarchitektur gliedert sich in vier Teilarchitekturen:

• Governance Architektur: Sie legt die »Spielregeln« fest und adressiert Fragen der Sichtbarkeit von Datenquellen, der Datenqualität, der wertmäßigen Betrachtung der Daten.
  
• Sicherheitsarchitektur: Sie adressiert Fragen des sicheren Austauschs der Daten, der Erkennung von Anomalien und des Datenschutzes.
  
• Fachlich-funktionale Software-Architektur: Sie identifiziert und beschreibt die Software-Komponenten des Industrial Data Space. Hierzu gehören der Industrial Data Space Connector, ein AppStore für Datendienste für den Industrial Data Space sowie Komponenten zur Registrierung und Zertifizierung von Datendiensten und Datenquellen.
  
• Technische Architektur: Sie umfasst die Technologien, die zur Pilotierung der anderen drei Teilarchitekturen in den Use Cases erforderlich sind.
   

Die Teilarchitekturen werden in einem Referenzarchitekturmodell beschrieben, das offen ist und von Dritten aufgegriffen und umgesetzt werden kann.

Der Industrial Data Space materialisiert sich als die Gesamtheit aller Endpunkte, also aller Industrial Data Space Connectors. Der Industrial Data Space ist also kein zentraler Datenspeicher, sondern folgt einem föderalen Architekturkonzept.
 

Schlüsselmerkmale des Industrial Data Space sind im Einzelnen:
 

• Sichere Datenwertschöpfungskette von der Entstehung der Daten bis zu ihrer Verwendung in smarten Services.
  
• Flexible Endpunktszenarien, d.h. der Industrial Data Space Connector kann in klassischen Unternehmens-IT-Umgebungen implementiert sein, aber auch in Cloud-Umgebungen oder auf Geräten und Fahrzeugen in der Produktion und Logistik.
  
• Leichtgewichtige Semantik auf Basis domänenspezifischer Vokabulare.
  
• Einfache Kombination unterschiedlicher Datengüter.
  
• Konfigurierbares Referenzarchitekturmodell.
  
• Unterstützung domänenspezifischer Governance-Modelle.
  
• Standardisierte Kollaborationsprozesse für die Datenbewirtschaftung.
  
• Offener Entwicklungsprozess.
   

Der Industrial Data Space verfolgt ein ehrgeiziges Ziel. Folgende Aspekte sind daher nicht Ziel der Arbeiten:
 

• Der Industrial Data Space zielt nicht auf eine in irgendeiner Form zentrale Instanz zur Datenspeicherung ab.
  
• Ergebnis des Forschungsprojekts ist kein Produkt, sondern das Referenzarchitekturmodell sowie die Pilotimplementierungen. Sie liefern die Basis für anschließende Produktentwicklung.
  
• Der Industrial Data Space umfasst selbst keine fachlichen smarten Services (z. B. Frachtbörsen o.ä.). Vielmehr bietet er durch die Datendienste die Grundlage für die einfache und effiziente Entwicklung solcher smarten Services.
  
• Der Industrial Data Space liefert keinen Beitrag auf Datenübertragungsebene oder für den Echtzeitbereich. Hier werden bestehende Ansätze genutzt. Im Fokus stehen Daten und Datendienste. Der Industrial Data Space betreibt selbst keine domänenspezifische fachliche Standardisierung (z. B. in Form von Vokabularen, semantischen Standards), sondern nutzt vorhandene Arbeiten und setzt sie in Piloten um.