Der wirtschaftliche Erfolg der großen US-Technologieunternehmen wie Google, Amazon oder Meta gründet vor allem auf deren Fähigkeit, digitale Daten zur Wertschöpfung einzusetzen. Edge Computing ermöglicht nun auch der Industrie eine dezentrale Bewirtschaftung von Daten, mit vielen Vorteilen insbesondere für den deutschen Mittelstand.
Einer Schätzung der Europäischen Union zufolge wurden bereits 2018 in der EU mit Daten Werte in Höhe von 301 Milliarden Euro erwirtschaftet. Bis 2025 soll sich diese Wertschöpfung auf 829 Milliarden Euro mehr als verdoppeln. Und das dürfte noch lange nicht das Ende der viel zitierten Fahnenstange sein. Denn bislang bleiben in Deutschland noch rund 80 Prozent aller industriell erzeugten Daten ungenutzt. Dabei bietet die Datenökonomie gerade in der industriellen Fertigung vielfältige Möglichkeiten. Mit der Analyse von Prozessdaten lässt sich beispielsweise die Fertigung von Produkten optimieren. Möglich ist auch die kontinuierliche Auswertung von Nutzungsdaten von Maschinen und Anlagen, sodass deren Hersteller keine Maschinen mehr verkaufen, sondern deren Leistungen im Pay-per-use-Modell in Rechnung stellen können. Auch Produktblätter, Verträge oder Ausschreibungen können KI-gestützt analysiert werden, um mit den so gewonnenen Informationen bessere Entscheidungen zu treffen oder Serviceangebote zu erweitern.
Daten als ökonomische Ressource
Bereits diese wenigen Beispiele zeigen, was Datenwirtschaft aus betriebswirtschaftlicher Perspektive bedeutet: Daten werden monetarisiert, indem sie direkt zur Optimierung von Wertschöpfungsprozessen eingesetzt oder über datenbasierte Dienste und Produkte vermarktet werden. Für Industrieunternehmen ergeben sich daraus zahlreiche Vorteile wie etwa Effizienzsteigerungen, Ressourcenschonung, bessere Entscheidungsfindungen, mehr Flexibilität hinsichtlich von Kundenwünschen, das Angebot neuer Services und Geschäftsmodelle und vieles mehr. Die Wettbewerbsfähigkeit von Unternehmen wird daher in Zukunft entscheidend mit davon abhänheit und den Nutzungsrechten von Daten, Mechanismen zum Zugriff und Austausch von Daten, eine für KIServices geeignete technologische Infrastruktur, Fachkenntnisse von Mitarbeitenden und Führungskräften sowie wirtschaftliche Anreize datenwirtschaftlich tätig zu sein. All das setzt zugleich auch eine Kultur voraus, in der Daten als Werte anerkannt sind und die Bereitgen, welche datenwirtschaftlichen Lösungen sie für sich finden und nutzen können.
Hemmnisse bei der Einführung von Datenwirtschaft
Da Daten heutzutage zu etwa 99 Prozent digital vorliegen, ist man schnell versucht zu glauben, dass damit im Grunde schon alle Unternehmen die wesentliche Voraussetzung erfüllen, Daten als ökonomische Ressource einzusetzen. Tatsächlich muss jedoch ein ganzes Geflecht von Bedingungen erfüllt werden, um datenwirtschaftlich tätig sein zu können: Neben der Erfassung, Speicherung und der Analyse von Daten spielen auch Kriterien mit wie der Datenschutz, Fragen zur Datenhoheit und den Nutzungsrechten von Daten, Mechanismen zum Zugriff und Austausch von Daten, eine für KIServices geeignete technologische Infrastruktur, Fachkenntnisse von Mitarbeitenden und Führungskräften sowie wirtschaftliche Anreize datenwirtschaftlich tätig zu sein. All das setzt zugleich auch eine Kultur voraus, in der Daten als Werte anerkannt sind und die Bereit schaft sowie die Fähigkeit gefördert wird, sie für datenbasierte Wertschöpfungsmodelle zu nutzen.
Edge Computing bringt KI-Anwendungen an die Geräte
Während große Unternehmen und Konzerne meist über ausreichend Ressourcen verfügen, um diese Voraussetzungen umzusetzen, stellen sie für kleine und mittlere Unternehmen in aller Regel große Hürden für die Einführung datenwirtschaftlicher Geschäftsmodelle dar. In dem vom Bundesministerium für Wirtschaft und Energie (BMWK) geförderten und noch laufenden Technologieprogramm „Innovationswettbewerb: Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme“ sowie dem bereits abgeschlossenen Programm „Smarte Datenwirtschaft“ wurden bzw. werden die genannten Voraussetzungen adressiert und Wege aufgezeigt, wie diese insbesondere von mittelständischen Unternehmen erfüllt werden können. Das noch junge Technologieprogramm „Edge Datenwirtschaft“ knüpft an die beiden genannten Technologieprogramme an und ergänzt sie. Während der KIInnovationwettbewerb vornehmlich Lösungen und Werkzeuge zur Erstellung von KI-Anwendungen und -diensten in branchenspezifischen KI-Ökosystemen entwickelte und erprobte, stand im Programm „Smarte Datenwirtschaft“ die Erprobung und Entwicklung von Datenprodukten und -systemen sowie daraus abgeleiteter Datendienste und datenbasierter Geschäftsmodelle im Fokus. Mit dem Programm „Edge Datenwirtschaft“ rückt die Anwendung von KI und damit die wirtschaftliche Verwertung von Daten nun in die Geräte beziehungsweise in die unmittelbare Nähe von Geräten. Der Begriff Edge bezieht sich dabei auf die Bereitstellung von Rechen- und Speicherkapazitäten nahe der Grenze (engl. „edge“) zwischen der digitalen und physischen Welt. Die dort eingesetzten Sensoren und Aktoren machen Signale und Zustände aus der physischen Welt für die digitale Welt verfügbar, beziehungsweise setzen Anweisungen aus der digitalen Welt in der physischen Welt um. Edge Computing verkürzt damit die Distanz zwischen Datenerzeugung und Datenverwertung auf ein Minimum. Daraus ergeben sich für industrielle Unternehmen eine Reihe von Vorteilen, die den – gerade bei mittelständischen Unternehmen – bestehenden Hemmnissen der Einführung datenwirtschaftlicher Geschäftsmodelle entgegenwirken.
Edge Computing bietet Lösungen für Herausforderungen der Datenwirtschaft
Gerade kleine und mittlere Unternehmen scheuen oft vor dem Einsatz von KI und der Cloud zurück, weil sie Daten aus ihrem Unternehmen nicht an Dritte weitergeben möchten. Genau hier bietet Edge Computing Lösungen. Denn an der Edge ist es möglich, dass die Daten direkt an der Maschine oder Anlage verarbeitet und nur ausgewählte oder bearbeitete Daten in anonymisierter oder aggregierter Form an die Cloud übertragen werden. Unternehmen können so selbst entscheiden, welche Daten, in welcher Form aus dem Unternehmen herausgegeben werden. Das sichert nicht nur ein Höchstmaß an Datensouveränität, sondern verbessert auch den Schutz und die Sicherheit von Daten. Zugleich reduziert Edge Computing die Kosten für Cloud Services, da weniger Daten transferiert werden. Das trägt auch dazu bei, den Energieverbrauch der Anwendungen zu optimieren, zumal die geringe Latenz von Edge Computing auch Reaktionszeiten in oder nahezu in Echtzeit ermöglichen und die Infrastruktur damit leistungsfähiger und nachhaltiger wird. Ferner stärkt Edge Computing die Zuverlässigkeit und Ausfallsicherheit von KI-Anwendungen, da die Edge-Geräte auch bei einem Netzwerkausfall weiterarbeiten und so Produktionsausfälle vermieden werden können. Nicht zuletzt bietet Edge Computing den gerade für kleine und mittlere Unternehmen wichtigen Vorteil, skalierbar zu sein, sodass klein angefangen und nach und nach ausgebaut werden kann.
Beispiele von Edge Computing in der Praxis
Im Rahmen des vom BMWK geförderten Technologieprogramms „Edge Datenwirtschaft“ werden auch zahlreiche praxisnahe Use Cases umgesetzt. So entwickelt etwa das Projekt EDNA am Beispiel der Produktion von LKW-Aufliegern Lösungen, mit denen die Fertigung der Auflieger ökologischer und wirtschaftlicher gestaltet werden kann. Dafür werden Edge und Cloud Computing mit KI-Methoden und digitalen Zwillingen kombiniert. Unter anderem wird dabei die gesamte Supply Chain des Produktionsprozesses mit dem Ziel einbezogen, Bauteile auf optimierten Routen und mit optimal beladenen Fahrzeugen zuliefern zu können. Das Projekt OpenFLaaS entwickelt und erprobt die dezentrale Ausführung von KI-gestützter Dokumentenanalyse auf Edge-Ebene. Bislang sind Unternehmen aus Deutschland und Europa bei der industriellen Dokumentenanalyse weitgehend auf amerikanische und chinesische Cloud-Anbieter angewiesen. Mit den Ergebnissen von OpenFLaaS soll es ihnen künftig möglich sein, ihr in unzähligen Dokumenten gesammeltes Wissen im Unternehmen selbst zu analysieren, ohne Daten in die Cloud laden zu müssen. Ein abschließendes Beispiel ist ESCOM. Das Projekt ermöglicht Maschinenanwendern einen anbieterunabhängigen Zugang zu KI-basierten Services für besonders hochwertige Maschinenkomponenten, etwa Motorspindeln, die von separaten Herstellern zugeliefert werden. Die Hersteller von Maschinen und Komponenten und die Anwender erhalten dabei einen gemeinsamen Datenraum, den sie beispielsweise für bedarfsgerechte Innovationen nutzen können. Ermöglicht werden so auch neue Geschäftsmodelle, bei denen sich der Preis von Maschinenkomponenten zumindest teilweise an der Belastung der Komponenten im Betrieb ausrichtet. ■
Die Datenökonomie bietet gerade in der industriellen Fertigung vielfältige Möglichkeiten.
Die Wettbewerbsfähigkeit von Unternehmen wird in Zukunft entscheidend mit davon abhängen, welche datenwirtschaftlichen Lösungen sie für sich finden und nutzen können.
