Daten

Um die wachsenden Kundenanforderungen und die damit verbundene Komplexitätssteigerung zu bewältigen, öffnen Unternehmen ihre Wertschöpfungsketten, reduzieren ihre Fertigungstiefe und gehen zunehmend Kooperationen ein. Der unternehmensübergreifende Datenaustausch entlang der Supply Chain wird damit zu einer Schlüsselkomponente für die Wettbewerbsfähigkeit und die Realisierung kundenspezifischer Lösungen. Aus diesem Grund hat die Europäische Union das Projekt GAIA-X ins Leben gerufen, dessen Ziel es ist, die nächste Generation der Dateninfrastruktur für Europa und seine Unternehmen zu schaffen. Das GAIA-X-Reifegradmodell bietet einen Ansatz zur Einordnung von Unternehmen in verschiedene Entwicklungsstufen und liefert konkrete Anforderungen für die Weiterentwicklung entlang eines vorgegebenen Entwicklungspfades hin zu einem vollwertigen Teilnehmer an der föderierten GAIA-X-Dateninfrastruktur.

Künstliche Intelligenz hat das Potenzial, Unternehmen und ganze Branchen auf ein völlig neues technologisches Level zu bringen. Voraussetzung sind Daten mit hohem Reifegrad, mit dem Unternehmen komplexe Prozesse automatisieren, Prognosen berechnen oder Analysen erstellen können. Mit der richtigen Datenstrategie ist die Strukturierung und das Erreichen der notwendigen Datenqualität keine Zukunftsmusik mehr.

In vielen Industrien werden zurzeit neutrale Datenplattformen entwickelt, die zur Datenakquisition, Datenaufbereitung und -verarbeitung sowie anschließender Bereitstellung an kommerzielle Nutzer, an öffentliche Stellen (z.B. Statistikämter) oder an Sicherheitsorgane dienen sollen. Nachgelagert und getrennt von der Datenplattform, findet dann u.a. eine Entwicklung von kommerziellen Services auf den entsprechenden Serviceplattformen statt. Beispiele für Serviceplattformen im Luftfahrtumfeld sind z.B. Aviatar, Skywise oder AnalytX. Das Zusammenspiel der Plattform- und Serviceentitäten, ggf. sogar branchenübergreifend und mit öffentlichen Institutionen, ist sowohl auf technischer Ebene in Bezug auf Datensicherheit, Datenqualität, Datenklassifizierung und Datenzuordnung zu Kategorien wie personenbezogen, sicherheitsrelevant, nur anonymisiert zu verwenden etc. als auch auf rechtlicher Ebene in Bezug auf Datenhoheit, geistiges Eigentum und Beachtung von luftfahrtspezifischen ...

Wissen als Ressource wirkungsvoll einzusetzen und die Prozesse zur Erzeugung, Verbreitung und Nutzung von Wissen zu optimieren, ist seit Jahren die Begründung für Anstrengungen zum Wissensmanagement. Dass sich in vielen Fällen die Erwartungen an entsprechende Projekte nicht erfüllt haben, kann meist auf (einen von) drei Faktoren zurückgeführt werden: (1) „Wissen“ wird mit „Daten“ gleichgesetzt und damit gründlich missverstanden, (2) Der Nutzen wird nicht klar herausgearbeitet, sondern als zwangsläufiges Ergebnis erwartet, (3) Projekte fokussieren auf ideale Konzepte und Prozesse und verfehlen somit den Kontakt zur Organisationswirklichkeit. Der Beitrag zeigt, wie diese Fehler vermieden und die Potenziale von Wissensmanagement erkannt und erschlossen werden können.