Prof. Dr. Rudi Studer: Daten effizienter nutzen – eine Herausforderung für die Zukunft

Unbenannt-2

Genau wie auf die Rohstoffe Eisenerz, Wasser oder Mais, sind viele moderne Unternehmen auf Daten angewiesen – Daten aus der Logistikkette, über Kunden­verhalten, Maschinenzustände oder über die Geografie in den Gegenden, in denen sie unterwegs sind. Wichtig für den Erfolg des Unternehmens ist dabei so­­wohl der (kostengünstige) Zugriff auf den Rohstoff Daten als auch seine Nutz­barmachung: das Destillieren von Infor­mation aus den Daten und das Nutzen dieser für Produkte und die Er­­zeugung von Dienstleistungen. Dieser Artikel be­­dient sich der „Rohstoff-Brille“, um ein neues Licht auf die Rolle von Daten im Unternehmen zu werfen, Heraus­forder­ungen und die Chancen darzustellen und um zu identifizieren, wie deutsche Unternehmen diesen Rohstoff in Zukunft noch effektiver gewinnen und einsetzen können.

Daten als Rohstoffe. Für ein anschau­liches Beispiel stellen wir uns vor, dass ein Einzelhändler an seinen Regalen Sensoren anbringt, welche die Nähe und die Identität der Mobiltelefone der Einkäufer erfassen können. Die von diesen Sensoren aufgezeichneten Daten sind der Rohstoff, mit denen er sein Geschäft verbessern möchte. Als ein Beispiel für einen traditionellen Rohstoff stellen wir uns eine Tonne Uranerz vor. Auf den ersten Blick gibt es kaum verschiedenere Dinge als diese Arten von Rohstoffen – und doch gibt es auf den zweiten Blick interessante Ähnlichkeiten und auch erhellende Unterschiede.

Erster Schritt: Abbau. Schon beim Abbau der Rohstoffe be­­ginnen die Ähnlichkeiten. Im Falle von Uran­erz ist der Rohstoffabbau ein Prozess, dem die Identifikation von Lagerstätten vorausgeht und bei dem dann spezialisierte Geräte zum Einsatz kommen. Auch beim Abbau der Daten steht die Identifikation von potenziell wertvollen Daten an erster Stelle. In dem genannten Beispiel des Einzel­händlers ist die Er­­kenntnis, dass die Signale von Mobil­telefonen der Ein­käufer wertvolle Daten über die Nutz­ung von Einzelhandels­fläche liefern können, schon eine Krea­tivi­­tätsleistung an sich. Im nächsten Schritt muss auch für den Rohstoff Daten eine Infrastruktur zum Abbau erstellt werden; in dem Beispiel ist dies eine physische In­­frastruktur mit Sensoren, die platziert werden müssen. In anderen Fällen kann die Infrastruktur aus Pro­grammen bestehen, die die Daten aus den entsprechenden Datenbanken zusammen­­bringen.

In diesem Schritt zeigt sich jedoch auch ein Kernunterschied zwischen traditionellen Rohstoffen und Daten.

Während tra­­ditionelle Rohstoffe überwiegend endlich sind, können Daten beliebig repliziert werden. Jedoch sollte diese potenzielle Unendlichkeit der Verfügbarkeit von Daten nicht darüber hinwegtäuschen, dass die Kontrolle über Datenbestände trotzdem eine erhebliche Machtposition darstellen kann, nämlich dann, wenn ihre Er­­stel­lung sehr kostspielig ist oder nicht einfach repliziert werden kann. So stellt zum Beispiel der von Facebook und ähnlichen digitalen sozialen Netz­werken verwaltete Daten­bestand über soziale Beziehungen einen großen Wettbewerbsvorteil dar, der von anderen Anbietern nicht einfach repli­ziert werden kann.

Zweiter Schritt: Raffination. Im nächsten Schritt muss – im Falle des traditionellen Rohstoffes Uranerz – das eigentliche Uran gewonnen und in eine nutzbare Form gebracht werden. Auch im Falle des Rohstoffes Daten stellt sich eine ähnliche Heraus­forderung: Die Daten der Sensoren müssen interpretiert und mit anderen Daten – wie dem Lage­plan des Ge­­schäftes und Informationen über die Platzierung von Produkten – in Be­ziehung gesetzt werden. Erst nach diesem Schritt sind die Daten nutzbar, um Fragen zu beantworten wie „Wie viele Kunden verlassen das Geschäft wieder, ohne etwas zu kaufen?“ oder „Wie häufig kommt der typische Kunde?“.

Beide Rohstoffarten haben gemeinsam, dass die Nutzungsmöglichkeiten vielfäl­­tig sind: Energieerzeugung und Waffen­produktion im Falle von Uran, für das Analysieren der Ladengestaltung, das Erstellen von Modellen über Käufer­ver­­halten oder die in Echtzeit optimierte Anzeige von Werbung im Geschäft im Falle der Daten. In vielen Fällen sind die Möglichkeiten der Nutz­ung im Mom­ent der Extraktion noch nicht einmal abzusehen und das Bereit­halten der Daten in einer Form, die für verschiedenste An­­wendungen nutzbar gemacht werden kann, ist eine Heraus­forderung, vor denen Unternehmen heute stehen.

Eine dritte – in diesem Beispiel sehr deutliche – Gemeinsamkeit ist die von Sicher­heit und Kontrolle. Sowohl Uran als auch die Informationen über die Bewegung von Kunden in einem Ge­­schäft können in negativer Weise verwendet werden. Dies zu verhindern, ist eine Heraus­forderung, welche die ge­­samte Erfassung und Nutzung dieser Rohstoffe bestimmt.

Dritter Schritt: Nutzung. Im dritten Schritt müssen beide Arten von Rohstoffen zu gewinnbringenden Produkten und Dienst­leistungen weiterverarbeitet werden. Im Falle von Uran ist dies in erster Linie die Energie­er­­zeugung, im Beispiel der Daten könnten dies die Optimierung eines Geschäfts entlang der üblichen Wege der Einkäufer oder zielgerichtete Werbung auf der Basis von sich über den Tag ändernden Pfaden durch das Geschäft sein.

Herausforderungen und Chancen. Über den ganzen Prozess vom Abbau bis zur Nutzung gesehen fällt auf, dass dies bei traditionellen Rohstoffen nur selten in einem einzigen Unternehmen stattfindet. Beim Rohstoff Daten ist dies eine Ausnahme; hier finden in der Regel immer noch alle Schritte in einem Unternehmen statt. Für die Zukunft gilt es dies zu ändern; gilt es Daten handel­­bar und über Organi­­sa­­tions­­gren­­zen hin­­weg effizient nutzbar zu machen. Diese Herausforderung ist so­­wohl technisch als auch organisatorisch und politisch. Auf der technischen Seite steht im Kern die Frage des sicheren Austauschs von Daten in einer Form, dass diese ihre Bedeutung auch in einem neuen Kontext beibehalten. Hier können die am FZI For­­schungs­­­zentrum Informatik entwickelten Tech­niken des Semantic Web eine Antwort liefern. Auf der organisatorischen und politischen Seite braucht es Gesetze und Regeln, um dem verlässlichen Handeln mit Daten einen für alle Beteiligten passenden Rahmen zu geben.

Prof-StuderDer Autor ist Professor am Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) sowie Di­rektor am Karlsruhe Service Re­­search Institute (KSRI) am Karlsruher Institut für Technologie (KIT). Zudem ist er Mitglied des Vorstands des FZI Forschungszentrum Informa­­tik sowie Gründungsgesellschafter der ontoprise GmbH.