UdZForschung 2/2020

20 / UdZForschung 2-2020 FIR-FORSCHUNGSPROJEKTE – Leitthema: Industrie & Umwelt Projekt: EVAREST Erzeugung undVerwertung von Datenprodukten in der Lebensmittel- industrie durch Smart Services Entwicklung einer globalen und (rechts-)sicheren Datenökonomie in der Lebensmittelindustrie über IoT-Plattformen Trotz des enormen wirtschaftlichen Potenzials, das durch datenbasierte Geschäftsmodelle beziffert wird, fokussieren Unternehmen der Lebensmittelindustrie weiterhin traditionelle, produktzen- trierte Geschäftsmodelle. Die Digitalisierung wird lediglich als Möglichkeit zur internen Optimierung von Produktions- und Serviceprozessen gesehen. Große Mengen heute verfügbarer Daten entlang der gesamten Wertschöpfungskette bieten jedoch über die reine Effizienzsteigerung hinaus die Chance, eine mehrwertstiftende Datenökonomie in der Lebensmittelindustrie zu schaffen. Ziele des Forschungsprojekts ‚EVAREST‘ sinddie EntwicklungundVerwertung vonDatenprodukten imÖkosystem der Lebensmittelproduktion. Auf Basis einer herstellerübergreifenden, offenen Datenplattform so- wie begleitend entwickelter ökonomischer und rechtlicher Nutzungskonzepte werden die (rechts-) sichere Verwertung von Daten als Wirtschaftsgut und die Bereitstellung nutzerspezifischer Smart Services für verschiedene Anspruchsgruppen angestrebt. Das Verbundprojekt ‚EVAREST‘ wird durch das Bundesministerium für Wirtschaft und Energie (BMWi) mit demKennzeichen 01MT19003A gefördert und vom Projektträger DLR betreut. urch die zunehmende Nutzung vernetzterMaschinen fallen immer größere Mengen an Daten an 1 . In der produzierenden Industrie betrug der Wert 2018 3,5 Zettabyte und wird bis 2025 auf schätzungsweise 21 Zettabyte anwach- sen 2 . Vor dem Hintergrund sich weiter ent- wickelnderMöglichkeiten in den Bereichen der Datenanalyse und -speicherung sowie der Künstlichen Intelligenz (KI) bergen diese Daten ein kontinuierlich wachsen- des, ökonomisches Potenzial³. So wird der Wert der europäischen Datenökonomie auf ca. 400 Milliarden Euro geschätzt und im Falle eines „High Growth Scenario“ auf 827 Milliarden Euro im Jahr 2025 an- wachsen 4 . Nur die Datenökonomie in der Lebensmittelindustrie betreffend, wird schon ein Wert von 120 bis 150 Milliarden Dollar pro Jahr geschätzt 5 . Erzeugt werden diese Daten über die gesamte Wer tschöpfungskette der Lebensmittelproduktion: beginnend mit der Auswahl von Rohstoffen über inter- nationale Transport- und Produktions- aktivitäten bis hin zu echtzeitfähigen Marktanalysen. Hinzu kommt eine Vielzahl externer und z. T. öffentlich zugänglicher Datensätze wie z. B. Umwelt-, Wetter- oder Verkehrsdaten. Diese Roh- und Ereignisdaten können aggregiert und da- mit selbst zu einem Wirtschaftsgut, dem sogenannten Datenprodukt, werden. Die intelligente Auswertung und Überführung in einen beiderseitigen Mehrwert für Produzenten und Nutzer wird dabei durch zentralisierte, datenbasierte Dienste (Smart Services) verwirklicht. Dazu bedarf es einer rechtssicheren Plattform, auf der Datengespeichert unddurch„intelligente“, KI-basierte Auswertung und Analyse zu Datenprodukten veredelt werden können. Beruhen Geschäftsmodelle heute noch auf demProdukt- und Serviceverkauf, wird sich dieWertschöpfung immermehr inRichtung datenbasierter Geschäftsmodelle verla- gern, die nie dagewesene Mehrwerte für die Kunden bereithalten 6 . DieMöglichkeit, durch die Nutzung von Daten zusätzliche Einnahmen zu generieren, führt dazu, dass sich der Datenhandel zunehmend als wich- tiger Wirtschaftsbereich etabliert, in dem Datenmarktplätzen eine Schlüsselrolle zu- kommt 7 . Durch die Bildung systematischer, neutraler und skalierbarer Strukturen für den Datenprodukthandel werden Daten- marktplätze dabei ins Zentrum der Datenökonomie rücken 8 . Derzeit können jedoch die Potenziale der Datenökonomie noch nicht ausgeschöpft werden. Dies zeigt sich an einer Vielzahl von Datenmarktplätzen, die in den letzten Jahren gescheitert sind 9 . Die Gründe dafür sind vielfältig: Neben einem Mangel an Vertrauen in die Datensicherheit und der Angst, Geschäftsgeheimnisse könnten D 1 s. Azkan et al. 2020, S. 124 ² s. Reinsel et al. 2018, S. 22 3 s. Fruhwirth et al. 2020, S. 5738 4 s. Cattaneo et al. 2020, S. 7ff. 5 s. Ji et al. 2017, S. 184 6 s. Grün 2018, S. 129f. 7 s. Lange et al. 2018, S. 171 8 s. Spiekermann 2019, S. 216 9 s. ebda, S. 214