Von Daten zu Wert-schöpfung - Acatech
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Von Daten zu Wert- schöpfung Potenziale von daten- und KI-basierten Wertschöpfungsnetzwerken
DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE EXECUTIVE SUMMARY
DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
1.
F Executive Summary
Die Nutzung digitaler Technologien für die Erhebung und Auswertung von Daten erlaubt in - Kollaborationen von Unternehmen und
den unterschiedlichsten Branchen, die angebotenen Dienste und Produkte zu verbessern und KI-Anbietern ermöglichen neue
flexibel und individuell auszurichten. Allerdings erfordert dies häufig eine übergreifende Ver- Geschäftsmodelle, insbesondere auch
Bedeutung datenbasierter für KMU
netzung verschiedener Akteure, um den Zugang zu Daten und Technologien zu ermöglichen.
Wertschöpfungsnetzwerke
- Grundlage sind geteilte Daten und
Diese Publikation beleuchtet solche datenbasierte Wertschöpfungsnetzwerke innerhalb digi- die Nutzung von Methoden der Künst-
taler Ökosysteme, in denen die beteiligten Akteure auf Basis geteilter Daten und der Imple- lichen Intelligenz
mentierung von Methoden der Künstlichen Intelligenz Wissen generieren, Mehrwert schaffen
und so insgesamt messbaren Nutzen erzielen.
- Wichtige Hürden: Bereitschaft, Daten zu
teilen, Datensicherheit und fehlende
Zu diesem Zweck werden 13 prägnante Beispiele für erfolgreiche datenbasierte Wertschöp- Ökonomische, technische Dateninfrastruktur
fungsnetzwerke aus verschiedenen Branchen anhand einer einheitlichen Logik verständlich und datenbezogene Hürden
-W
ichtige Potenziale: Effizienzvorteile,
visualisiert. Zusätzlich werden nach der Beschreibung des technologischen Hintergrunds und und Potenziale
Geschäftsmodellinnovation, Sicherung von
der spezifischen Hürden der konkrete Nutzen und die ökonomischen, technologie- und daten- Datenzugang und Datenhoheit
bezogenen Potenziale der beteiligten Akteure tabellarisch systematisiert. Die Publikation
schließt mit einer Zusammenfassung, die induktiv abgeleitete „Dos & Don’ts“ für Aufbau und
Management datenbasierter Wertschöpfungsnetzwerke beinhaltet und einen Ausblick auf Wichtige Leitlinien:
zukünftige Entwicklungen und Trends gibt.
- Klare Value Proposition aller Teilnehmer
Generelle Dos & Don’ts im
Aufbau und Management der -V
erantwortung im Umgang mit geteilten
Ziel der Publikation ist, Vertretern aus Wirtschaft, Politik und Öffentlichkeit durch eine explizite
Wertschöpfungsnetzwerke Daten
Darstellung der Vorteile in verschiedenen Beispielen die Möglichkeit zur Reflexion etablierter
Geschäftsmodelle zu geben, die durch das Teilen von Daten und den Einsatz von Methoden - Qualität der Daten, Schaffung eines
Standards für den Datenaustausch
der Künstlichen Intelligenz profitieren könnten.
Die Beispiele entstammen einschlägigen Quellen wie der KI-Landkarte der Plattform Lernende
Systeme (www.ki-landkarte.de) oder gehen auf Empfehlungen von Interviewpartnern und
Mitgliedern der Plattform Lernende Systeme zurück.
2 3DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
2. Datenbasierte
Wertschöpfungsnetzwerke Dimensionen eines Geschäftsmodells
Neue Formen datengetriebener Geschäftsmodelle
Wertversprechen Wertschöpfungsarchitektur
Methoden der Künstliche Intelligenz (KI) und (Selbst-)Lernende Systeme stellen wesentliche
technologische Treiber der digitalen Transformation dar. So werden sowohl für Großunterneh-
men, Start-ups als auch für den Mittelstand weitreichende Möglichkeiten zur Steigerung der
Effizienz bestehender Prozesse und Routinen sowie zur Konzeption und Implementierung
Wertschöpfungsfinanzen Wertschöpfungsnetzwerk
innovativer datengetriebener und plattformbasierter Geschäftsmodelle geschaffen. Dies geht
mit neuen Formen des Nutzen- oder Wertversprechens, der Wertschöpfungsfinanzen bzw.
Erlösgenerierung, der Wertschöpfungsarchitektur sowie des Wertschöpfungsnetzwerks einher.
V4-Modell nach Al-Debei und Avison (2010)
Definition: Wertschöpfungsnetzwerke
KI-basierte Lösungen erfordern unterschiedlichste Kernkompetenzen und Systembausteine.
Ein Unternehmen allein verfügt in der Regel nicht hinreichend über alle notwendigen Elemente. Kollaborative Erstellung von Produkt-Service-Systemen
Häufig fehlen Organisationen neben dem Zugang zu Datenquellen insbesondere Kompeten-
zen im Bereich Data Analytics und KI. Eine Kooperation mit Anbietern von Daten, Technologi- Zentral ist die kollaborative Erstellung individualisierter Produkt-Service-Systeme (PSS), die auf
en und digitalen Plattformen kann helfen, das benötigte Wissen über Wertschöpfungsnetzwerke den Nutzer zugeschnitten und über Plattformen angeboten werden können. Realisierbar wer-
bzw. Allianzen innerhalb digitaler Ökosysteme aufzubauen. den diese PSS zumeist durch einen übergreifenden, automatisierten Datenaustausch zwi-
schen unterschiedlichen Akteuren. Dies erfordert, dass tradierte Wertschöpfungsketten auf-
Wertschöpfungsnetzwerke werden durch den Aufbruch von geordneten, teils starren Wert- gebrochen und dynamische Wertschöpfungsnetzwerke aufgebaut werden. Entlang von
schöpfungsketten geschaffen. Sie ermöglichen innovative Leistungsangebote auf Grundlage Daten- und Serviceplattformen entstehen so flexible digitale Ökosysteme.
plattformbasierter, datengetriebener Geschäftsmodelle über eine flexible, dynamische und
automatisierte Interaktion bzw. Kollaboration verschiedener Akteure. Voraussetzung dafür ist
der sichere, weitgehend offene Datenzugang bzw. -austausch aus unterschiedlichsten Quel-
len über Unternehmens- und Branchengrenzen hinweg.
4 5DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
Vorteile geteilter Daten und der Verwendung von Zur Konfiguration und dynamischen Anpassung eines solchen Wertschöpfungsnetzwerks
Künstlicher Intelligenz bzw. Ökosystems ist es wichtig, bestehende technische, ökonomische und datenbezogene
Lücken zu erkennen, den eigenen Wertbeitrag zu definieren und passende Kooperations-
Im Zuge dieser KI-getriebenen, sogenannten zweiten Welle der Digitalisierung (Kagermann & bzw. Kollaborationspartner über ihren möglichen Beitrag (z. B. Daten-, Technologie- und
Winter, 2018) ist demnach der übergreifende Zugang bzw. Austausch von Daten als Grund Kompetenzbereitstellung) zu identifizieren.
lage und Trainingsmaterial für Lernende Systeme essentiell. Basis dafür ist die Implementie-
rung von Elektronik, Sensorik und Aktorik in Gegenständen (z. B. Geräten, Maschinen, Fahr- Die folgenden Fallbeispiele sollen hier praxisnah veranschaulichen, worauf es bei der Imple-
zeugen) bis hin zu ganzen (Produktions-)Anlagen und deren Vernetzung über das Internet. Es mentierung von daten- und KI-basierten Wertschöpfungsnetzwerken, insbesondere auch in
entsteht somit ein Internet der Dinge, in dem physische Objekte einen sogenannten „Digitalen mittelständischen Unternehmen, ankommt, welche besonderen Herausforderungen es dabei
Zwilling“ erhalten. Die reale und physische Welt verschmilzt zu cyber-physischen Systemen. zu beachten gilt und warum der Austausch und die Kooperation mit Partnern so wichtig sind.
Der Einsatz von KI erstreckt sich dabei in nahezu alle Wirtschaftssektoren. Sie ermöglicht
unter anderem, dass sich aus den über die Sensorik generierten Daten wertvolle Informatio-
nen bzw. Erkenntnisse in Echtzeit gewinnen lassen, die in neue Nutzenversprechen überführt
werden können. Den Ausgangspunkt stellen somit die Hersteller oder Betreiber von digitali-
sierten Gegenständen und Systemen dar, die verschiedene Datenarten (z. B. Betriebs-, Umge-
bungs- oder Nutzungsdaten) bereitstellen. Die Kombination, Aufbereitung und KI-basierte Ana-
lyse erfolgt auf digitalen Plattformen, auf deren Basis über direkte bzw. indirekte Netzeffekte
skalier- und individualisierbare neue Leistungsversprechen für Kunden entstehen können.
Bedeutung von Wertschöpfungsnetzwerken
Solche datengetriebenen und plattformbasierten Lösungen erfordern unter Einsatz von
Methoden der KI die Kombination und Integration unterschiedlichster Kompetenzen, über die
insbesondere kleine und mittelständische Betriebe in der Regel nicht allein verfügen. Hier sind
übergreifende Wertschöpfungsnetzwerke essenziell, um die fehlenden Kompetenzen über
verschiedene Wertschöpfungspartner auszugleichen und notwendige Datenzugänge über
geeignete Kooperationen sicherzustellen.
6 7
DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
Mythen und Fakten zu KI
Im Folgenden werden fünf Mythen, die im Themengebiet Künstliche Intelligenz oft auftreten, Mythos: KI braucht keine Hardware
mit Hilfe von fünf Fakten in einen realistischen Kontext gebracht. Fakt: Künstliche Intelligenz wirkt abstrakt, hat aber ganz reale Bedürfnisse: Sie
braucht Strom. Genauer: Leistungsfähige Computer mit hohem Strombedarf. Ließe jeder
Haushalt permanent einen kleinen KI-Rechner laufen, um smarter zu werden, würde der
Mythos: KI ist nur etwas für große Unternehmen Stromverbrauch um ein Fünftel steigen. KI ist weit entfernt davon, intelligent zu sein, aber
Fakt: Eine exklusive Kundenbasis, ein tiefes Marktverständnis und flexible Entschei- eine extrem leistungsfähige Technologie zur Verarbeitung von Daten. Um sie sinnvoll in der
dungsstrukturen: Mittelständische Unternehmen haben hervorragende Voraussetzungen für Breite nutzen zu können, ist eine energieeffiziente Umsetzung notwendig. Dazu müssen
den Einsatz von KI. Sie bewegen sich oft in „geschützten“ Märkten und sind prädestiniert, KI-Algorithmen und Hardware für die konkrete Anwendung optimal aufeinander abgestimmt
aus ihren Daten exklusive Produkte anzubieten – beispielsweise im Supply Chain Manage- werden. (Wolfgang Ecker, Plattform Lernende Systeme, AG1)
ment oder im Service. Deep Learning und Transfer Learning ermöglicht dies auch mit über-
schaubaren Trainingsdaten; oft steht der Code sogar als Open Source bereit. Ein weiterer Mythos: Mit genügend Daten kann jeder KI-Systeme für beliebige
AI
Aufgaben trainieren
Enabler sind sogenannte „Feedback-Loops“: Aus der Interaktion mit Kunden gewinnen KMU
laufend Trainingsdaten und verbessern so das Datenprodukt. (Alexander Löser, Plattform Fakt: Nein, denn die Auswahl der richtigen Daten, Algorithmen und Architekturen
Lernende Systeme, AG1) erfordert viel menschliches Know-how, sollen die Systeme leistungsfähig und verlässlich sein.
Auch Anwendungswissen wird nicht überflüssig: KI-Systeme, die menschliches Wissen integ-
Mythos: KI löst bald die Probleme der Menschheit rieren, können schneller und mit weniger Daten trainiert werden. Unternehmen sollten die
Fakt: Künstliche Intelligenz hat in den letzten Jahren erstaunliche Fortschritte richtige Datenbasis schaffen und in das Training ihrer Fachleute investieren. (Stefan Wrobel,
gemacht. Oft scheint die Performanz tiefer neuronaler Netze keine Grenzen zu haben und Plattform Lernende Systeme, AG1)
spielend leicht menschliche Fähigkeiten zu übertreffen. Schon morgen könnte KI die Welt
verbessern – sei es durch Pflegeroboter oder automatisches Fahren. Zugleich aber haben sich Mythos: KI erkennt Dinge und Zusammenhänge
in den letzten Jahren große Herausforderungen offenbart: Robustheit, Hardwarebedarf und Fakt: Kann sie nicht. Künstliche Intelligenz entdeckt nur Korrelationen, keine Kau-
Erklärbarkeit zählen sicherlich zu den größten. Erst wenn wir verlässlich gute, robuste und salitäten. Echte Erkenntnis – also die Fähigkeit, Dinge im Inneren zu durchdringen und zu
energieeffiziente KI geschaffen haben, sind wir am Ziel. (Peter Schlicht, Plattform Lernende verstehen – ist ihr verschlossen. Scheinkorrelationen sind deshalb keine „Unfälle“, sondern
Systeme, AG5) der Künstlichen Intelligenz immanent. Hinzu kommt: KI ist vergangenheits- bzw. gegenwarts-
bezogen. Sie kann auf Basis der existierenden Parameter in den Daten nur erkennen, was
bereits ist. Für wirklich Neues („Newtons Apfel“) ist sie blind. KI kann und darf methodolo-
gisch keine Hypothesen generieren. (Harald Schöning, Plattform Lernende Systeme, AG1)
Diese und weitere Mythen und Fakten zu KI
finden Sie auf unserer Webseite.
8 9DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
3. Beispiele für datenbasierte
Wertschöpfungsnetzwerke
Idealtypischer Aufbau eines Wertschöpfungsnetzwerks Die technologischen Besonderheiten, spezifische Hürden und die Verwendung von Methoden
der Künstlichen Intelligenz zur Verarbeitung der geteilten Daten werden gesondert beschrie-
Auf den folgenden Doppelseiten werden 13 Beispiele für aktive und erfolgreiche Wertschöp- ben. Zusätzlich werden die Lösungsansätze für die fallspezifischen Anforderungen der Bei-
fungsnetzwerke präsentiert, die auf geteilten und mit KI-Methoden verarbeiteten Daten basie- spiele dargestellt, die technischer, ökonomischer oder institutioneller Natur sein können.
ren. Um die Verknüpfung der einzelnen Teilnehmer zu veranschaulichen, werden die Beispiele,
die aus unterschiedlichsten Bereichen gewählt wurden, in einer einheitlichen Symbolik veran-
schaulicht. Akteure, die kleine und mittelständische Unternehmen (KMU) abbilden, sind gra- Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
fisch durch eine gebrochene Kontur hervorgehoben. Auf der gegenüberliegenden Seite werden Zum Beispiel: Zum Beispiel: Zum Beispiel:
jeweils die Vorteile und Nutzen der Akteure tabellarisch aufgelistet. -O ptimierungsvorteile oder Effizienz - Zugang zu oder Einsatz bestimmter Neue Möglichkeiten für
- Leistungsdifferenzierung Technologien, insbesondere der KI - Datenzugang
- Qualitätsverbesserung - Zugang zu oder Einsatz von - Datenaustausch
-N eue oder angepasste bestimmten Infrastrukturen - Datennutzung
Datenströme Erlösmodelle
Leistungsströme Plattform
Zahlungsströme
Zulieferer
KMU oder Großunternehmen
Wie kann Ihr Unternehmen von Künstlicher Intelligenz profitieren?
Durch eine einheitliche, vereinfachte Darstellung verschiedener Beispiele und eine Auflistung
der Vorteile in tabellarischer Form geben wir Ihnen die Möglichkeit, eigene etablierte Geschäfts
modelle zu überdenken. Kann Ihr Unternehmen möglicherweise durch das Teilen von Daten
Unternehmen und den Einsatz von Methoden der Künstlichen Intelligenz profitieren? Möglicherweise lassen
Cloud-Dienstleister KMU oder Großunternehmen
sich Elemente und Zusammenhänge aus einem oder mehreren Beispielen auf Ihr Unterneh-
men transferieren.
10 Kunde 11DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
Resilienz durch KI-Analyse in Fertigungslinien
Ausgangssituation | In der hochautomatisierten Fertigungsindustrie erzeugen ungeplant still- Besondere Hürden | Die in vielen Industrien nötige Datensicherheit stellt eine Hürde für
stehende Anlagen hohe Produktionsausfälle. die Überwachung mittels Smart Maintenance dar. Zudem können Messungen der relevanten
Datenbasierte Innovation | Die Maschinenfunktion kann mit Hilfe von Relayr als Experte der Parameter sehr große Datenmengen generieren, welche eine Herausforderung für die IT-Infra
Predictive Maintenance durch maschinenintegrierte Sensoren und KI-basierte Auswertung über- struktur darstellen.
wacht werden. Untypisches Verhalten wird gemeldet, die Anlage geprüft und gegebenenfalls Technische Lösung | Durch KI-basierte Auswertung on Edge, also direkt an der Maschine,
gewartet, bevor ein Ausfall auftritt. und die Bewertung als typisches oder untypisches Maschinenverhalten kann die Datenmenge
Wertschöpfung | Ungeplanter Stillstand der Anlagen wird verhindert und die Risiken poten- auf ein Minimum reduziert werden. Zusätzlich wird die Überwachung durch die Verwendung
zieller Schäden durch Produktionsausfälle minimiert. Als Teil der MunichRe-Gruppe kann Relayr von KI-Methoden agnostisch, es ist also kein Rückschluss auf die eigentlichen Abläufe in der
auf mehrere mögliche Finanzierungs- und Versicherungsmodelle und -partner zurückgreifen, Fertigung möglich.
um ein geeignetes Wertschöpfungsmodell anbieten zu können.
Relayr
KI-basierte Auswertung
Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
- Verhinderung von Produk- - KI-basierte Predictive Main- - Auswertung on Edge
Finanzierungs-/ tionsausfällen tenance als Nachrüstung gewährleistet Datenschutz
(Brownfield)
Versicherungs- - Steigerung der Produktions- - Real-time condition monito-
Fertigungsindustrie effizienz ring
partner
- Erweiterung zum Systeman- - Integration von KI-Lösungen - Agnostische KI-Technologie
bieter für OEM‘s zur Ermöglichung agnosti- on Edge für Lernende
scher Überwachung Systeme
Maschinenhersteller
- Erschließung einer neuen - Zugang zu Hardware für
Branche für eigene Smart- KI-basierte Predictive Main-
Maschinenhersteller Maintenance-Angebote tenance
KMU oder Großunternehmen Relayr
Datenströme - Erschließung neuer - Zugang zu KI-basierter
Geschäftskunden Predictive-Maintenance-Tech-
Leistungsströme
- Vermeidung von wirtschaft- nologie für eigenes Portfolio
Zahlungsströme Finanzierungs-/ lichem Schaden
Versicherungspartner
Fertigungsindustrie
KMU oder Großunternehmen
12 13DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
Datenaustausch in der Landwirtschaft
Datenströme
Landmaschinen- Leistungsströme Landmaschinen-
Ausgangssituation | Für Landwirte und Lohnunternehmer mit gemischten Maschinenflotten hersteller B
hersteller A Zahlungsströme
ist die Nutzung von Maschinendaten in Kombination mit verschiedenen Agrar-Software-Produk-
ten (Apps) nur teilweise möglich, was den effizienten IT-Einsatz in der Landwirtschaft verhindert.
Aktuelle Lösungsansätze | Für den herstellerübergreifenden Datenaustausch gibt es mehrere
Ansätze. Der webbasierte agrirouter ermöglicht als zentrale Instanz die Kommunikation mit Pro- agrirouter
Offene, zentrale Lösung
dukten von aktuell 27 Landtechnikfirmen. Der Landwirt greift über den agrirouter auf die Daten
zu und bestimmt, welche Daten mit welcher Plattform, auch anderen agrirouter-Instanzen, geteilt Cloud A Cloud B
werden. Einen dezentralen Ansatz verfolgt DataConnect – hier können Applikationen der Firmen
CLAAS, 365FarmNet und John Deere direkt untereinander kommunizieren. Der Landwirt kann in
einer Plattform arbeiten und von dort aus auf die Daten der anderen zugreifen (Kawohl, 2020). agrirouter agrirouter
Besondere Hürden | Kurzfristig muss Vertrauen und ein hohes Maß an Verbrauchskomfort Landwirt Landwirt Lohnunternehmer Lohnunternehmer
geschaffen werden. Langfristig ist es wichtig, den Landwirt herstellerübergreifend bei der
Optimierung seines Betriebs zu unterstützen und gegebenenfalls Empfehlungen, etwa auf
App-Anbieter C App-Anbieter D
Basis von datenbasierten Trendforecastings, zu geben. Der agrirouter ist seit Februar 2019 ver
fügbar, DataConnect startet im Sommer 2020.
Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
- Erzeugung von Konnektivität - S chaffung von Industriestan - Bereitstellung von Maschi-
zur Nutzbarmachung von dards/Multimarkenlösung nendaten zur Optimierung
Claas John Deere Maschinendaten in durch einheitliche Schnitt- des Gesamt-Produktions-
DataConnect Agrar-Software-Produkten stellen prozesses
Proprietäre, Landmaschinen-
dezentrale Lösung hersteller
- Effizienz- und Effektivitäts- - Herstellerübergreifender - Systemübergreifende Einbin-
steigerung durch ganzheit Datenaustausch in Near dung der Maschinendaten in
liche Optimierung von land- Realtime die Dokumentation und
Claas John Deere wirtschaftlichen Optimierung der Produk
- Zukünftig Anwendung von
Telematics Operations Produktionsprozessen KI-Methoden zur Optimie- tionsprozesse
Landwirte
Center rung des Betriebs
- Verringerung von Entwick- - Herstellerübergreifender - Teilautomatisierte Dokumen-
lungsaufwänden durch bidirektionaler Datenaus- tation und daraus abgeleite-
Nutzung von vorgegebenen tausch mit Landmaschinen te Schwachstellenanalyse
365 FarmNet Schnittstellen und/oder anderen Agrar- - KI-Prozessoptimierungen
Landwirt Lohnunternehmer Anbieter von Software-Apps
Agrar-Apps
14 15DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
KI-basierte Services auf Basis von Smart-Meter-Daten
F
Ausgangssituation | Privathaushalte haben kaum einen Bezug zu ihrem Stromverbrauch und Technische Besonderheiten | Disaggregation beschreibt die Erkennung einzelner typischer
kommen nur einmal jährlich über die negativ konnotierte Abschlussrechnung mit ihrem Ener- Verbrauchsmuster von z. B. Herd oder Kühlschrank durch KI-Methoden auf Grundlage des
gieversorgungsunternehmen (EVU) in Kontakt. Hierbei können sich die Unternehmen aktuell sekundengenau aufgezeichneten Gesamtverbrauchs. Dies ist möglich, da jedes Gerät indivi-
nur über den Preis oder die Stromzusammensetzung differenzieren. duelle Signaturen in der Gesamtlastkurve hinterlässt. Zur Gewährleistung der Datensicherheit
Datenbasierte Innovation | Basierend auf Smart-Meter-Daten bietet Fresh Energy in einem wird auf zertifizierte Server in Deutschland zurückgegriffen.
B2B2C-Modell eine innovative Kundenbeziehung zwischen EVU und Privathaushalt. Die End- Besondere Hürden | Für die Analyse ist entweder die Installation eines intelligenten Strom-
kunden erhalten eine App im Design des Energieversorgers, in der der Stromverbrauch in Echt- zählers (sog. Smart Meter), welcher aktuell für die meisten Privathaushalte aus Kostengrün-
zeit einzusehen ist. Der summierte Stromverbrauch kann durch KI-Methoden disaggregiert den nicht vorgesehen ist, oder eine zusätzliche Ausleseeinheit (sog. Dongle) nötig. Um zum
werden, um einzelne Geräte zu erkennen. einen den Business Case für EVU interessanter zu machen und zum anderen die Akzeptanz
Wertschöpfung | Durch diese Informationen kann der Endkunde ineffiziente Verbraucher für Smart-Meter-Lösungen beim Endkunden zu erhöhen, bedarf es zusätzlicher Services
erkennen und austauschen. Im nächsten Schritt werden auf Basis der Verbrauchsdaten inno- basierend auf den Stromverbrauchsdaten.
vative Services entwickelt, etwa eine automatische Nachbestellung von Verbrauchsmitteln
(bereits in der App implementiert) oder eine Notfallerkennung bei allein lebenden Personen Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
(Forschung in Pilotprojekten). - Realisierung eines neuen - Zugang zu Smart-Meter- - Zugang zu Smart-Meter-
Geschäftsmodells Infrastruktur, ohne selbst Daten, ohne selbst Strom
- Großer möglicher Kunden- Stromanbieter zu sein anbieter zu sein
Datenströme Fresh Energy kreis durch Kooperation mit
Leistungsströme Fresh Energy
App- und KI-Entwickler EVUs
Zahlungsströme - Erweiterung des eigenen - Zugang zu KI-basierten - Neudefinition der Kunden-
Cloud-Dienstleister Angebots mit digitalen
Analysefähigkeiten für
Services beziehung
- Monatliche Abrechnung
Kunden durch erhöhte Verfügbarkeit
Energieversor- der Stromverbrauchsdaten
gungsunternehmen
Partner
- Realisierung eines neuen - Zugang zu datenbasierten - Zugang zu Mehrwerten auf
z. B. Pflegedienst Angebots ohne Installation Mehrwerten durch Nutzung Basis von Verbrauchsdaten
eigener Hardware von KI-Methoden
- Ansprache neuer Kunden-
Partner segmente
- Transparenz über den - KI-basierte Analyse des - Datenbasiertes Feedback
eigenen Verbrauch Stromverbrauchs durch zum Verbrauchsverhalten
- Emotionalisierung des nicht-invasive Software
EVU Produktes Strom
Endkunde
KMU oder Großunternehmen
16 Endkunde 17BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
Dezentrale, resiliente Edge-Cloud
Ausgangssituation | Die Clouds der Hyperscaler (z. B. Google, AWS) sind aktuell auf Redundanz Besondere Hürden | Bisher fehlen Standards für den Cloud-übergreifenden Datenaus-
ausgelegt, jedoch nicht auf Resilienz. Die Systeme mit zentralen Infrastrukturen sind zwar gegen- tausch. Integrationskonzepte für Telco-Edge-Infrastruktur stehen erst am Anfang. Dies verhin-
über einzelnen physischen Attacken (single-point-of-failure) geschützt. Die langen Übertragungs- dert auch den Aufbau eines Applikations-Ökosystems (noch zu geringe Reichweite). Zudem
wege zum Kunden erhöhen jedoch die Anfälligkeit bei Naturkatastrophen, wie etwa Erdbeben. fehlen derzeit noch Bereitschaft bzw. Anreize für Hyperscaler, ihre Ökosysteme zu öffnen.
Datenbasierte Innovation | Das Edge-Cloud-Konzept dezentralisiert cloudbasierte Appli- Technische Lösung | Kommunikationsinfrastrukturanbieter forcieren den Aufbau einer offe-
kationen über eine Vielzahl von Anbietern und Netzknoten und bringt diese näher zum nen Daten- (GAIA-X) und Edge-Cloud-Architektur innerhalb ihrer Netze. In einer möglichen
Anwender. GAIA-X zielt auf die Realisierung einer souveränen Dateninfrastruktur insbeson- Zielarchitektur können Clouddienste von einer zentralen Cloud gelöst und dynamisch auf ver-
dere auch für KI-Anwendungen ab, wobei die Einhaltung der europäischen Datenschutz- teilten und interoperablen Plattformen ausgeführt werden.
standards sichergestellt werden soll.
Wertschöpfung | Sowohl Hyperscaler, Nischenanbieter als auch deren Nutzer (Großkonzerne,
Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
KMUs) profitieren von einer verteilten Cloudinfrastruktur. Durch die hierarchische und geogra-
- Neue Geschäftsmodelle mit - Niedrigere Latenz - Zugang zu Daten ist durch
phische Verteilung der Cloud-Applikationen über die Telco-Edge werden Redundanzen geschaf- Edge verteilte Ablage abgesichert
- Geo-Redundanz
fen, die die Resilienz des Gesamtsystems erhöhen. Erhöhte Kundennähe verringert Latenzen in - Niedrigere Portierungskosten - System-Redundanz - Datenzusammenführung ist
Richtung Kunde, aber auch zwischen den Ökosystemen. Räumliche Verteilung reduziert weiter- für Entwickler vereinfacht
Cloud-Anbieter/ - Reduktion des Peering-Traf-
hin die Störwirkbreite. App-Entwickler
GAIA-X fics durch Vor-Prozessierung/
-Kompression in der Edge
- Ermöglichung neuer B2C-, - Nutzung von Edge-Infra- - Stärkere Kontrolle über
B2B(2C)-Services & struktur auch für interne Datenströme und -nutzung
Geschäftsmodelle Use-Cases Richtung Hyperscaler
Hyperscaler App-Entwickler
- Schaffung einer souveränen - Entlastung der Core- - Einhaltung europäischer
Clouds Deutsche Telekom
Dateninfrastruktur (GAIA-X) Kapazitäten Datenschutzstandards
(GAIA-X)
Datenströme
- Erleichterte Automatisierung - Verlagerung von latenz- - Einhaltung europäischer
Leistungsströme - Investitionsreduktion kritischen Applikationen in Datenschutzstandards
Zahlungsströme („Pay-as-you-use“-Prinzip) die Edge (GAIA-X)
durch Verlagerung der Infra-
Industrie- und struktur von „on-Premise“
Geschäftskunden nach „on-Edge-Cloud“
- Kostenreduktion durch Infra- - Neue User-Experience - Einhaltung europäischer
strukturverlagerung (i. S. v. (schneller, leichter, kosten- Datenschutzstandards
(Deutsche Telekom) „Thin Clients“) Richtung günstiger) bei latenzkriti- (GAIA-X)
Edge-Clouds Edge-Cloud schen Anwendungen (z. B.
Privatkunde VR/AR)
Privatkunden Industrie
18 19DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
KI-gestützte Anamnese
Ausgangssituation | Im europäischen Vergleich finden in Deutschland überdurchschnittlich Technische Besonderheiten | Eine KI-gestützte Anamnese durch ein von Ärztinnen und
viele Arzt-Patienten-Kontakte statt. Viele Arztbesuche könnten durch vorheriges Abklären effi- Ärzten mitentwickeltes probabilistisches System bietet für Patientinnen und Patienten klare
zienter gestaltet oder sogar vermieden werden. Vorteile gegenüber einer klassischen Suchmaschine, da eine Personalisierung möglich ist und
Datenbasierte Innovation | Ada Health bietet eine KI-gestützte Anamnese. Eine in-house klare Ausschlusskriterien sowie der aktuelle Stand der Forschung berücksichtigt werden kön-
entwickelte Softwarelösung, von 50 angestellten Ärztinnen und Ärzten auf verbreitete und nen. Durch Verwendung eines White-Box-Modells ist die Entscheidungsfindung der KI für alle
seltene Krankheitsbilder hin ausgebildet, gibt Patientinnen und Patienten durch einfache Fragen Beteiligten jederzeit sichtbar und kann kritisch bewertet werden.
eine Vordiagnose basierend auf einem probabilistischen System. Besondere Hürden | Derzeit stellt die Komplexität bestehender Versorgungsprozesse die
Wertschöpfung | Neben einer Finanzierung durch Investoren ist ada Health bereits Teil einiger größte Hürde bei der Implementierung dar. In Deutschland sind außerdem die rechtlichen
Gesundheitssysteme, etwa Sutter Health in den USA. In Zukunft soll die Plattform die Effizienz Rahmenbedingungen oft uneinheitlich. Beispielsweise werden die Regelungen der Daten-
von zahlreichen weiteren öffentlichen wie auch privaten Gesundheitssystemen verbessern. schutz-Grundverordnung (DSGVO) von verschiedenen Aufsichtsbehörden unterschiedlich
ausgelegt, oder diese Regelungen stehen teilweise im Konflikt mit anderen Regelungen, bei-
Ada Health
spielsweise der Medizinprodukterichtlinie.
App- und KI-Entwickler
Gesundheitssystem
(z. B. medizinische
Leistungserbringer und Kranken- Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
versicherungen) - Optimierungs- und Qualitäts- - Zugang zu KI-gestützter - Zugang zu relevanten medi-
vorteil durch KI-gestützte Anamnese mit nachvollzieh- zinischen Daten – aber in
Anamnese und Vermeidung barem White-Box-Modell Abstimmung mit dem
unnötiger Arztbesuche Patienten
Gesundheitssystem
- Zentrales Element eines - Feedback zur Funktion der - Zugang zu anonymisierten
KI-basierten Gesundheitssys- entwickelten Softwarelösung Falldaten zur Optimierung
tems für KI-gestützte Anamnese der entwickelten Software-
lösung für KI-gestützte
Ada Health Anamnese
Cloud-Dienstleister - Bessere medizinische Versor- - Zugang zu KI-gestützter - Datenhoheit über eigene
gung durch KI-gestützten Anamnese mit nachvollzieh- Patientendaten
Self-check und effizienteres barem White-Box-Modell - Überblick über eigene
Gesundheitssystem Krankheitsgeschichte
Datenströme Patienten
Leistungsströme
Zahlungsströme
20 Patienten 21DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
Telematik-Tarife durch KI-Auswertung
Ausgangssituation | In klassischen Kfz-Versicherungen wird das Unfallrisiko nur indirekt Besondere Hürden | Während die Erhebung der Positions-, Geschwindigkeits- und Beschleu-
durch vergangene Unfälle, Art des PKW etc. ermittelt. Dies stellt möglicherweise eine nachteili- nigungsdaten technisch kein Problem darstellt, ist es schwierig, zwischen bestimmten Telemet-
ge Policengestaltung für Fahrer mit risikoarmem Fahrstil dar. riedaten und Schadensfällen eine eindeutige Korrelation zu ziehen und das Versprechen einer
Datenbasierte Innovation | Zahlreiche Versicherer bieten in Deutschland verschiedene Vari- geringeren Unfallgefahr einzulösen. So hat sich gezeigt, dass ein sportlicher Fahrstil nicht direkt
anten von Telematik-Tarifen an. Durch Erfassung von Telemetriedaten während der Fahrt und mit höherer Unfallgefahr einhergeht, sondern ein Großteil der Versicherungsschäden im norma-
pseudonymisierte Auswertung der Daten zu einem Score kann dieses Modell einen risikoarmen len Stadtverkehr auftritt, wo eine telemetriebasierte Prognose schwierig ist. Außerdem dürfen
Fahrstil mit günstigeren Policen honorieren. Die Daten werden entweder durch das Smartphone sich äußere Faktoren, wie häufiges Kurvenfahren im ländlichen Raum oder untypische Fahrzei-
oder spezifische Sensoren gemessen und online zu einem KI-Dienstleister geschickt, wo eine ten von Schichtarbeitern, nicht nachteilig für die jeweiligen Versicherungsnehmer auswirken.
anonyme Auswertung zu einem Score erfolgt. Hier kann in Zukunft mit der Erschließung weiterer Datenquellen, beispielsweise Systemen zur
Wertschöpfung | Auf Basis dieses Scores ermittelt der Versicherer dann die Beiträge des Ver- Müdigkeitserkennung, gerechnet werden. Einen weiteren wichtigen Faktor stellen in Deutsch-
sicherungsnehmers, welche bei entsprechender Fahrweise günstiger ausfallen als bei konventi- land die datenschutzrechtlichen Anforderungen dar, welche dem Versicherer keinen Zugriff auf
onellen Tarifen. Ein Unfall kann durch die Sensoren und KI-basierte Auswertung automatisch die erhobenen Daten gewähren. In anderen Ländern werden diese Daten z. B. zur Rekonstruk-
erkannt und gemeldet werden. tion von Unfällen herangezogen. Der Schutz dieser persönlichen Daten stellt insbesondere in
der öffentlichen Wahrnehmung bisher die größte Hürde dieses Modells dar.
Datenströme
Leistungsströme
Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
Versicherer Zahlungsströme
- Differenzierte Leistungs- - Zugang zu KI-basiertem - Zugang zu datenbasiertem
bereitstellung und Erlösgene- Scoring des Fahrstils Score des Fahrstils
Cloud-Dienstleister rierung durch KI-basierte
Risikoeinstufung
Versicherer
- Weniger Schadensfälle
- Neuer Kunde für bestehende - Anwendung und kontext- - Zugang zu Telemetriedaten
Technologie und Infrastruk- spezifische Anpassung der zum Training der eigenen
tur eigenen, skalierbaren Software
KI-Dienstleister KI-Technologie
- Günstige, faire Policengestal- - Funktionserweiterung des - Datenbasiertes Feedback
tung für sicherheitsbewusste eigenen PKW um KI-basierte zum Fahrverhalten
Versicherungsnehmer Unfallmeldung on Edge
KI-Dienstleister Sensorhersteller
Versicherungs-
nehmer
22 Versicherungsnehmer 23DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
KI-basiertes Forecasting am Beispiel der Logistik
Ausgangssituation | Im Logistikbereich ist die vorausschauende Planung der nötigen Lager- Technische Besonderheiten | Die Berechnung der zukünftigen Absatzzahlen erfolgt auf
kapazitäten unter Berücksichtigung aller Einflussfaktoren nur schwer realisierbar. Basis vorhandener Unternehmensdaten und den Einbezug weiterer interner und externer
Datenbasierte Innovation | Das Westphalia DataLab bietet ein KI-basiertes Forecasting an: Faktoren (z. B. Wetter und kalendarische Ereignisse). Nach Bereitstellung der Daten werden
Vorhandene Daten bilden die Grundlage zur Berechnung zukünftiger Absatzzahlen und geben diese automatisch untersucht und für den Analyseprozess vorbereitet. Unter Anwendung ver-
Auskunft über die Einflussfaktoren auf die Absätze eines Unternehmens. Die Bereitstellung schiedener Machine-Learning-Verfahren werden mehrere Modelle berechnet. Am Ende wird
erfolgt als Software as a Service (SaaS). das Prognosemodell ausgewählt, das den geringsten Prognosefehler aufweist und entspre-
Wertschöpfung | FIEGE Logistik tritt als Innovationstreiber auf und fungiert in diesem Netz- chend den größten Kundenvorteil liefert. Die Daten werden nach den höchsten Sicherheits-
werk nicht nur als Investor, sondern profitiert als Kunde direkt vom Forecasting Service. Je nach standards verarbeitet.
Typ werden die Daten vom Kunden bereitgestellt, aus dem Internet gecrawlt oder von freien Besondere Hürden | Aufgrund fehlender Standards und der schlechten Qualität bei Stamm-
Datenanbietern eingekauft. und Bewegungsdaten muss oftmals noch ein umfangreicheres Data Cleansing betrieben wer-
den, um mittels KI-Methoden zuverlässige Prognosen erstellen zu können. Zusätzlich ist die
Bereitschaft, Daten zu teilen, in Deutschland weniger stark ausgeprägt als in anderen
Ländern, in denen Absatz- und teilweise Prognosedaten unterschiedlicher Handelsketten un-
ter Coopetition-Bedingungen ausgetauscht werden.
Cloud-Dienstleister Logistikkunde Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
KMU oder - Realisierung von KI-Fore - Zugriff auf Daten zum
Großunternehmen casting als neues Geschäfts- Training des Forecasting-
modell Algorithmus
Westphalia - Auftraggeber ist Investor
DataLab
Westphalia FIEGE Logistik - Effizienzvorteil durch KI- - Zugang zu KI-basierten - Vereinfachte Speicherung
DataLab Logistikanbieter basierte Ressourcenplanung Forecasting-Methoden zur und Verarbeitung der Logis-
Lagerplanung tikdaten
KI-Dienstleister - Verbesserung der Qualität
durch Reduktion logistischer
FIEGE Logistik Engpässe
Datenanbieter Logistikkunde - Steigerung der Endkunden-
zufriedenheit durch optimale
- Zugang zu KI-basierten
Forecasting-Methoden zur
- Vertiefende Erkenntnisse
zu Produkten und Absatz-
Datenströme KMU oder Warenverfügbarkeit Absatzplanung kanälen
Leistungsströme Großunternehmen Logistikkunde
Zahlungsströme
24 25DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
Datenplattform zum Austausch von Nachhaltigkeitsinformationen
Ausgangssituation | Die Nachhaltigkeitsberichtspflicht belastet insbesondere kleine und mit- Technische Besonderheiten | Die Daten werden auf Grundlage eines standardisierten Kri-
telständische Handels- und Industrieunternehmen, da Lieferanten und Hersteller in verschiede- terienkatalogs erhoben, den GS1 Germany im Rahmen von GS1 ECOtraxx gemeinsam mit
nen Branchen verortet sind und die erforderlichen Informationen sehr unterschiedlich zur Verfü- Vertretern aus Industrie und Handel definiert hat. Damit werden Kriterien für ökologische,
gung stellen. Die Daten müssen häufig individuell aufbereitet werden. ökonomische und soziale Nachhaltigkeit vereinheitlicht. Der Fokus des Systems liegt auf
Datenbasierte Innovation und Wertschöpfung | GS1 Germany, eine Not-for-Profit-Orga- Transparenz und Effizienz. Darin besteht für die Teilnehmerinnen und Teilnehmer der große
nisation zur Entwicklung marktgerechter, zukunftsorientierter Lösungen auf Basis international Nutzen der Plattform, auch wenn die Auswertung der Daten durch KI-Methoden derzeit nicht
gültiger GS1 Standards, bietet mit GS1 ECOtraxx eine cloud-basierte Plattform zum einheit- möglich ist. GS1 ECOtraxx legt großen Wert auf Datenschlankheit sowie Datenhoheit der
lichen und EU-konformen Austausch der benötigten Nachhaltigkeitsdaten entlang der gesam- User und die Verpflichtung eines deutschen Cloud-Dienstleisters. Experten aus Industrie und
ten Supply Chain. Jeder Teilnehmer kann seine Informationen und Nachweise einpflegen und Handel entwickeln die Plattform kontinuierlich weiter.
individuell anderen Nutzern der Plattform zugänglich machen, was den Austausch der Nachhal-
tigkeitsinformationen erheblich vereinfacht.
T-Systems WeSustain
Cloud-Dienstleister IT-Dienstleister
Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
- Einfaches Lizenzmodell für - Weiterentwicklung der - Alle Daten an einem Ort. Der
klein- und mittelständische Fragebögen gemeinsam mit Zugriff ist über einen
sowie große Unternehmen Netzwerkteilnehmern Web-Login von überall mög-
lich.
GS1 ECOtraxx
- Effizienzvorteile durch - Ausgearbeitete Plattform für - Vereinfachte Dokumentation
standardisiertes Kommuni den Informationsaustausch durch vereinheitlichten
kationsformat der Nach- im Rahmen der Erstellung Kommunikationsstandard
Industriepartner Handelspartner Industriepartner
haltigkeitsinformationen der Nachhaltigkeitsberichte
KMU oder Groß- KMU oder Groß-
- Vereinfachter Datenzugang - Ausgearbeitete Plattform für - Vereinfachte Dokumentation
unternehmen unternehmen und Effizienzsteigerung den Informationsaustausch durch vereinheitlichten
durch konsolidierte Dar im Rahmen der Erstellung Kommunikationsstandard
stellung der durch Supply- der Nachhaltigkeitsberichte
Handelspartner
GS1 ECOtraxx Chain-Partner bereit
gestellten Daten
Plattformanbieter
Datenströme Leistungsströme Zahlungsströme
26 27DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
KI-basiertes Monitoring in Gewächshäusern
Ausgangssituation | In Gewächshäusern herrschen oft suboptimale Umgebungsbedingun- Wertschöpfung | Die Gewächshäuser erzielen optimalen Ertrag. Bei bestimmten Nutzpflan-
gen, die den Ertrag beeinträchtigen und den Einsatz von Pflanzenschutzmitteln nötig machen. zen kann ein Krankheitsrisiko mit einer Genauigkeit von 92 Prozent vorausgesagt werden. So
Datenbasierte Innovation | Durch den Greenhouse Guardian von Bosch, eine für die Land- muss seltener auf Krankheiten reagiert werden, der Arbeitsaufwand verringert sich und der
wirtschaft entwickelte Lösung bestehend aus Sensorik für Umgebungsparameter, Gateway, Einsatz von Pflanzenschutzmitteln kann um bis zu 30 Prozent verringert werden.
Iot-Cloud und Künstlicher Intelligenz, kann die aktuelle Situation im Gewächshaus ermittelt Technische Besonderheiten | Die batteriebetriebenen Sensoren messen Feuchte, Tempera-
werden. Der Erzeuger hat so Überblick über den Zustand in seinen Gewächshäusern. Durch den tur, CO2-Level und Lichtintensität, in die Datenanalyse fließen allerdings auch externe Parame-
Einsatz speziell trainierter Algorithmen auf Basis der erhaltenen Parameter, angereichert mit ter wie Wetterdaten mit ein. Die KI wurde zu Beginn mit passenden Daten trainiert und wird
externen Daten der Bosch IoT-Cloud, können dem Erzeuger gezielt Vorhersagen zum Krank- seitdem mit den Daten der Nutzer kontinuierlich verbessert.
heitsrisiko und Handlungsempfehlungen gegeben werden, um so den Krankheitsbefall sowie Besondere Hürden | Um eine verlässliche Vorhersage zu ermöglichen, bedarf es eines sehr
den Einsatz von Pflanzenschutzmitteln zu reduzieren und den Ertrag zu erhöhen. Die Nutzer hohen Sensitivitätslevels, das die Algorithmik erreichen muss. Hierbei gilt es auch für die
haben die Möglichkeit, ihre Daten anonymisiert in die Verbesserung des Algorithmus einfließen Kalibrierung der Gewächshaus-Daten in Relation zu den außen herrschenden Bedingungen,
zu lassen. die Ungenauigkeiten von genutzten Wettervorhersagen im Modell zu berücksichtigen. Die
Wetterdienst hohe Anzahl verschiedener möglicher Krankheitsbefälle und unterschiedlicher Gemüse- und
Datenströme Obstsorten bei gleichzeitig stark abweichenden Auftrittswahrscheinlichkeiten erfordert die
Leistungsströme
Bosch Handhabung von Klassenungleichgewichten im Model-Training.
Zahlungsströme
IoT-Cloud Bosch IoT Sensorik
Cloud Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
- Effizienz- und Effektivitäts- - Anwendung von KI-Metho- - Vereinfachte Erhebung und
steigerung durch KI-basierte den zur Optimierung des Analyse der Umgebungs-
Parameterüberwachung und Ertrags parameter in allen erschlos-
angemessene Handlungs - Sensoreinheiten ohne weitere senen Gewächshäusern
Landwirte empfehlungen Infrastruktur installierbar
KI-Technologie
- IoT-basiertes Geschäftsmo- - Verknüpfung voller IoT- und - Ableitung ökonomischen
dell im Agrikultur-Bereich mit KI-Wertschöpfungskette von und ökologischen Wertes
Wertbeitrag für verbesserte Sensorik über Gateway, über sichere Datenkette von
Landwirtschaft Cloud und Algorithmik zur der Erfassung bis zur Bereit-
Bosch Leistungserbringung beim stellung der Auswertung
Nutzer
Landwirte Landwirte
28 29DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
KI-gestützte Plattform für kollaboratives Bauen
Ausgangssituation | Komplexe Bauprojekte für Infrastruktur, Gebäude und Anlagen erfor- Technische Besonderheiten | Neben der klassischen Koordination der Abläufe und Infor-
dern ein hohes Maß an Abstimmung aller Beteiligten, etwa hinsichtlich der Terminierung von mation auf einer Baustelle kann mittels KI beispielsweise erkannt werden, welche Informa
Aufgaben und Gewerken, der Qualität der Materialien, der Abnahme erbrachter Leistung und tionen zu welchen Objekten gehören, und diese können automatisiert zugeordnet werden.
der Dokumentation und Strukturierung statischer oder dynamischer Daten. So wird der Digitale Zwilling mit den entsprechenden Metadaten angereichert, strukturiert
Datenbasierte Innovation | Das gemeinsame Netzwerk SAP Project Intelligence Network aufbereitet und für eine Nutzung während des gesamten Lebenszyklus der Anlagen bereit
bietet eine Plattform zur Koordination der Projektbeteiligten. Neben Kommunikation von Auf- gestellt.
gaben und Problemen wird deren Einfluss auf die Terminierung, die Kosten oder die vorzuneh- Besondere Hürden | Die größte technische Herausforderung sind mangelnde Standards
menden Änderungen analysiert. In Zukunft sollen über wissensbasierte Algorithmen Lösungs und die Vergleichbarkeit der erhobenen Daten beim Bauen. Die zurückhaltende Bereitschaft
alternativen vorgeschlagen werden. zur offenen Kollaboration der Baubeteiligten und der hohe Margen- bzw. Konkurrenzdruck
Wertschöpfung | Die effiziente Abstimmung zwischen allen Projektbeteiligten ermöglicht sind weitere Hürden. Der zunehmende Trend im Bereich modulares Bauen, die Vorfertigung
Produktivitätssteigerungen beim Bauen und senkt die Kosten des Betriebs sowie der Wartung von Bauteilen und damit einhergehende Standardisierung sowie neue Vertragsmodelle helfen,
der Anlagen, des Gebäudes oder der Infrastruktur. diese Barrieren zu überwinden. Auf diese Weise wären im Bau ähnliche Produktivitätssteige-
rung wie in der industriellen Fertigung bis hin zur Digitalisierung der gesamten Supply Chain
Bauherr Datenströme möglich.
Einzelperson, KMU oder
Leistungsströme
Großunternehmen
Zahlungsströme
Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
- Reduktion der Herstellkosten - Zugriff auf Daten zur Verbes-
eines Bauvorhabens, bzw. serung des Betriebs der
Erhöhung der Planungs Anlagen, des Gebäudes oder
sicherheit für die Inbetrieb- der Infrastruktur
Bauherr nahme
- Effizienzvorteil durch KI- - Zugang zu KI-basierten - Vereinfachte Speicherung
basierte Optimierung der Forecasting-Methoden, Lean- und Verarbeitung der Meta-
Subcontractor, eigenen Ressourcenplanung Construction-Methodik zur daten des Digitalen Zwillings
Bauunternehmen Lieferant Bauabwicklung
Bauunternehmen
KMU oder KMU oder
Großunternehmen SAP Project Großunternehmen - Verbesserung der Qualität
durch Reduktion von logisti-
- Zugang zu KI-basierten
Forecasting-Methoden
- Vereinfachte Speicherung
und Verarbeitung der Daten
Intelligence Network schen Engpässen
Plattform und KI-Auswertung Subcontractor,
Lieferant
30 31DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
Intelligente Ausfallprognose in Flugzeugen
Ausgangssituation | Durch unerwartete Ausfälle von Flugzeugkomponenten wie Turbinen, Besondere Hürden | Die Integration großer Mengen heterogener Daten stellt eine Herausfor-
Elektronik oder auch Bordtoiletten entstehen neben Risiken auch hohe Kosten durch potenzielle derung dar. Muster in Ausfalls-, Nutzungs- und Wartungsdaten lassen sich oft aber erst durch
Folgeschäden am Flugzeug, Wartezeiten auf Ersatzteile und Techniker, zusätzliche Platzmiete Kombination der verschiedenen Datenquellen erkennen und nutzen.
am Flughafen, verspätete oder ausgefallene Flüge und verpasste Flugverbindungen. Technische Lösung | Durch die Integration heterogener Daten aus unterschiedlichsten
Innovation | Durch die Integration heterogener Daten aus unterschiedlichen Quellen sowie Quellen (z. B. aktuelle und historische Sensormesswerte und Belastungsdaten aus dem Flug-
den Einsatz maschineller Lernverfahren (ML) werden automatisch Prognosemodelle für Maschi- zeug, Einsatz- und Wetterdaten aus den Flugplänen, textuelle Reparatur- und War
nen- und Komponentenausfälle generiert, die Probleme vorhersagen, noch bevor diese auftre- tungsberichte oder Audio- und Bilddaten) sowie den Einsatz maschineller Lernverfahren wer-
ten, und so deren Vermeidung und eine vorausschauendere, belastungsabhängigere, kompo- den automatisch Prognosemodelle selbst für komplexe Ausfallmuster von Maschinen und
nentenindividuelle Wartungsplanung ermöglichen. Komponenten generiert. So können Probleme prognostiziert werden, noch bevor diese auf-
Wertschöpfung | Neben der Reduktion von Risiken durch Ausfälle im Flugbetrieb entstehen treten. Die Methode lässt sich auch auf andere Technologiebereiche wie Automobil- und
erhebliche Kosteneinsparungen bei Flugzeugstandzeiten, Material- und Personalkosten. Anstelle Bahnverkehr oder Produktionsmaschinen übertragen.
von Standardwartungsintervallen sind belastungs- und verschleißabhängige, komponenten
individuelle Maßnahmen möglich, so dass Wartungen je nach Bedarf früher oder später erfol- Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
gen und planbarer werden. Im Idealfall stehen Ersatzteile und Techniker schon am Flughafen - Erschließung neuer Anwen- - Verbessertes Know-how über - Kein Umgang mit sensiblen
dungen & Branchen für ML & KI-Technologien und Daten nötig, da Algorithmen
bereit, wenn das Flugzeug landet, und die Wartung erfolgt parallel zum Off- und On-Boarding. maschinelles Lernen die Anwendungsdomäne des direkt von Lufthansa Technik
- OEM-Partnerschaften Wertschöpfungsnetzes für die Airlines angewandt
RapidMiner
RapidMiner werden
Softwareplattformanbieter - Verkauf von Beratungs- - Erschließung einer ML-Platt- - Stärkere Kontrolle über
leistungen form für das eigene Portfolio Datenströme und -nutzung
- Einhaltung europäischer
Lufthansa Lufthansa Industry Lufthansa Industry Datenschutzstandards
Technik Solutions Solutions (GAIA-X)
Servicedienstleister Beratungsunternehmen - Verkauf von Predictive- - Erschließung einer ML-Platt- - Präzisere Vorhersagen
Maintenance-Services form für das eigene Portfolio durch Bündelung der Daten
mehrerer Fluggesellschaften
(sofern erwünscht)
Lufthansa Technik
- Erhöhte Sicherheit - Zugang zu ML-Plattform - Genauere Prognosemodelle
- Höhere Kundenzufriedenheit - Serivce aus einer Hand durch breitere Datengrund
und reduzierte Kosten durch lage
weniger Verspätungen & - Keine Verwendung perso-
Airline Ausfälle nenbezogener Kundendaten
Datenströme
Leistungsströme
Zahlungsströme
32 Airline 33BEISPIELE FÜR DATENBASIERTE WERTSCHÖPFUNGSNETZWERKE
KI-basiertes Steuern von Handprothesen
Ausgangssituation | Mechatronische Handprothesen werden über Muskelsignale, welche Technische Besonderheiten | Das enge Zusammenspiel zwischen Mensch und KI-basierter
durch Sensoren vom Amputationsstumpf gemessen werden, gesteuert. Konventionell sind auf Prothese stellt eine komplexe Steuerungs- und Regelungsaufgabe zwischen den beiden intel-
Grund der limitierten Trennbarkeit der Signale nur zwei Bewegungen erkennbar. ligenten Systemen dar. Im Vergleich zu anderen KI-Anwendungen sind dafür nur sehr wenige
Datenbasierte Innovation | Durch Verwendung von Methoden der Künstlichen Intelligenz, Daten für das Training der KI verfügbar, da von jedem Prothesenträger ein individueller Daten-
implementiert auf integrierten Microcontrollern, kann die Prothese Bewegungsmuster des Pro- satz neu aufgenommen werden muss. Gleichzeitig gelten bei der Konstruktion einer Prothese
thesenträgers erlernen. So können bis zu acht Bewegungen intuitiv gesteuert werden. Dieses hohe Anforderungen bei Energie- und Platzbedarf, während bedingt durch die Anwendung
Erlernen basiert auf einer individuellen Datenbasis des jeweiligen Prothesenträgers, welche der absolute Echtzeitfähigkeit sichergestellt sein muss. Diese technischen Hürden können durch
Anwender individuell mit seiner Prothese aufnimmt und in dieser speichert. Zusätzlich kann der Einsatz von integrierten Microcontrollern und hocheffizienten Trainings- und Auswertealgo-
Prothesenträger via App zuhause weitere Datenaufnahmesessions durchführen und so die Steu- rithmen überwunden werden.
erung verbessern.
Wertschöpfung | Viele Anwender einer prothetischen Handversorgung werden nach dem
Nutzungszyklus kein zweites Mal versorgt, häufig wird nur eine kosmetische Versorgung
gewünscht. Die Benutzerfreundlichkeit von mechatronischen Handprothesen wird durch die Netzwerk Ökonomischer Nutzen Technischer Nutzen Datenbezogener Nutzen
- Synergieeffekte zwischen - Technische Basis für - Basis für Muskelsignaldaten-
intuitive Steuerung und den Einsatz von KI dramatisch verbessert. Dadurch wird die Compliance KI-Steuerung und Prothesen- zukünftige Produkte bank in der Cloud geschaffen
entsprechend erhöht und die Versorgungsquote steigt. absatz - Vorbereitung für digitale - Besseres Rehabilitations-
Ottobock - Technologieführerschaft bei Services training durch Datenvisuali-
Ottobock Prothesen sierung
Datenströme
- Hochwertige High-End-Pro- - Customizing der Steuerung - Automatisierte Aufnahme
Leistungsströme thesen mit hohen Margen an den Patienten automa- der Patientensignale und
Zahlungsströme - Schnelleres Ergebnis in Ver- tisch Konfiguration der Steuerung
sorgung spart Zeit und Geld - Digitale Schnittstelle zu App - Exportierbare Bewegungs-
Prothesenträger Orthopädietechnik verbessert User Experience metriken für Kostenersatz
unternehmen bewilligung
- Unabhängigkeit im Alltag - Intuitive Steuerung - Feedback über Bewegungen
durch verbesserte Prothesen- - Individuell anpassbar und Signale durch App
funktion
- Datenvisualisierung und
Prothesenträger Muskeltraining
- Optimierte Prothesenfunk - Objektive Bewegungs
Krankenkassen tion führt zu besserer Inte qualitätsmetriken
gration in Berufsleben
Krankenkassen
Orthopädietechnikunternehmen
34 KMU oder Großunternehmen 35Sie können auch lesen
