Dieser Vortrag stellt den Industrial Data Space als Referenz-Architektur für Data Supply Chains vor. Data Supply Chains sind vernetzte, unternehmensübergreifende Datenflüsse. Data Supply Chains sind Voraussetzung um hybride Leistungsangebote (Smart Services) einerseits und digitalisierte Leistungserstellung (Industrie 4.0) andererseits zu verbinden. Durch die effektive und effiziente Bewirtschaftung von Data Supply Chains erhöhen Unternehmen ihre Wettbewerbsfähigkeit. Der Industrial Data Space liefert hierzu die Blaupause, als Referenzarchitektur für die Datenökonomie.

1. © Fraunhofer, TU Dortmund ·· Seite 1
Univ.-Prof. Dr.-Ing. habil. Boris Otto · Waldkirch · 20. Januar 2016
INDUSTRIAL DATA SPACE: REFERENZ-
ARCHITEKTUR FÜR DATA SUPPLY CHAINS

2. © Fraunhofer, TU Dortmund ·· Seite 2
INHALTSÜBERSICHT
 Digitale Wirtschaft und Data Supply Chains
 Industrial Data Space als Referenzarchitektur
 Erfolgskritische Handlungsfelder

3. © Fraunhofer, TU Dortmund ·· Seite 3
Digitale Geschäftsmodelle in der Landwirtschaft basieren
auf Datenaustausch im »Ecosystem«
»Precision Farming« Wertschöpfung im »Ecosystem«
Bildquellen: wiwo, traction-magazin.de. Quelle: Beecham Research Ltd. (2014).
»Digital
Farming
Ecosystem«
Maschinen-
hersteller
Saatgut-
anbieter
Landwirte
Großhandel
Anbieter
von
Technologie
Software-
Anbieter

4. © Fraunhofer, TU Dortmund ·· Seite 4
Digitale Leistungsangebote folgen gemeinsamen
Architekturprinzipien
 Dienste sind entkoppelt von
physischen Plattformen/Produkten
 Die Architekturebenen sind
entkoppelt
 Produkte werden Plattformen und
umgekehrt
 Um Plattformen bilden sich
»Ecosysteme«
 Innovation erfolgt kooperativ
»Smart Service Welt« Architekturprinzipien
SMART PRODUCTS
SMART SPACES
SMART DATA
SMART SERVICES
Quelle: Working Group Smart Service Welt (2015).

5. © Fraunhofer, TU Dortmund ·· Seite 5
Quelle: VILOMA Projekt.
Legende: LDL - Logistikdienstleister.
Die Komplexität moderner Logistikketten stellt
wachsende Anforderungen an Transparenz
Produktionsplanung
Bedarfs- und Kapazitäts-
Management
Lagermanagement und
Reichweitensteuerung
Transportsteuerung und
Transportverfolgung
OEMLieferant LDL MontageMontage LDL LDL
Risiko- und
Störungsmanagement
anwenderorientierttransparent
intuitiv verständlich
zukunftsbezogen
echtzeitnah

6. © Fraunhofer, TU Dortmund ·· Seite 6
MENSCHEN
planen, steuern, vernetzen…
Bildquellen: Fraunhofer IML, Jettainer, Daimler.
Daher basiert die Logistikkette der Zukunft auf
vernetzten Daten
BEHÄLTER
sagen, was zu entnehmen ist.
CONTAINER
organisieren ihre Ladung – viele
Container das logistische Netz.
LKW
fahren Güter u. Waren autonom.
FAHRZEUGE und STAPLER
organisieren sich im Schwarm.
REGALE
lösen selbst Nachbestellungen aus.
VERNETZTE DATEN

7. © Fraunhofer, TU Dortmund ·· Seite 7
Modernes Datenmanagement plant, steuert und
überwacht die Data Supply Chain der digitalen Welt
Data Supply Chain
Öffentliche
Daten
Daten aus der
Wertschöpfungskette
Kommerzielle
Dienste
Industrielle
Dienste
Individualisierung
Ende-zu-Ende-
Prozess
»Ecosystem«
Ubiquität
Modernes
Daten-
management
Vernetzung
Mensch-Maschine-
Kooperation
Autonomisierung
Internet der Dinge
Kunde
Produktions-
netzwerk
Logistik-
netzwerk
Digitalisiertes Leistungsangebot
Daten-
scharnier
Digitalisierte Leistungserstellung
Güterfluss.Legende:

8. © Fraunhofer, TU Dortmund ·· Seite 8
INHALTSÜBERSICHT
 Digitale Wirtschaft und Data Supply Chains
 Industrial Data Space als Referenzarchitektur
 Erfolgskritische Handlungsfelder

9. © Fraunhofer, TU Dortmund ·· Seite 9
Der Industrial Data Space ermöglicht ein »Network of
Trusted Data«
Souveränität
über Daten und DiensteVertrauensschutz
zertifizierte Teilnehmer
Dezentralität
Föderale Architektur
Offenheit
Neutral und
anwendergetrieben
Governance
Gemeinschaftliche
Spielregeln
Skalierung
Netzwerkeffekte
Netzwerk
Plattformen und Dienste
Sicherheit
Datenaustausch

10. © Fraunhofer, TU Dortmund ·· Seite 10
Industrial Data Space
Upload / Download / Search
Internet
AppsVocabulary
Industrial Data Space
Broker
Clearing
RegistryIndex
Industrial Data Space
App Store
Internal IDS
Connector
Company A Internal IDS
Connector
Company B
External IDS
Connector
External IDS
Connector
Upload
Third Party
Cloud Provider
Download
Upload / Download
© Fraunhofer
Komponenten pilotieren den Industrial Data Space

11. © Fraunhofer, TU Dortmund ·· Seite 11
Eine »Business Map« stellt die fachlichen Funktionen
anwendungs- und technologieneutral dar
Industrial Data Space
App Store
Basic Data Services
Provisioning
Data Service
Management and Use
Vocabulary
Management
Software Curation
Data Provenance
Reporting
Data Transformation
Data Curation
Data Anonymization
Data Service Publication
Data Service Search
Data Service Request
Data Service
Subscription
Vocabulary Creation
Collaborative
Vocabulary
Maintenance
Vocabulary/Schema
Matching
Knowledge Database
Management
Software Quality and
Security Testing
Industrial Data Space
Broker
Data Source
Management
Data Source Search Data Exchange
Agreement
Data Exchange
Monitoring
Data Source Publication
Data Source
Maintenance
Version Controlling
Key Word Search
Taxonomy Search
Multi-criteria Search
»One Click« Agreement
Data Source
Subscription
Transaction Accounting
Data Exchange Clearing
Data Usage Reporting
Industrial Data Space
Connector
Data Exchange Execution Data Preprocessing Software
Injection
Remote Software Execution
Data Request from Certified
Endpoint
Usage Information Maintenance
(Expiration etc.)
Data Mapping (from Source to
Target Schema)
Secure Data Transmission
between Trusted Endpoints
Preprocessing Software
Deployment and Execution at
Trusted Endpoint
Data Compliance Monitoring
(Usage Restrictions etc.)
Remote Attestation
Endpoint Authentication

12. © Fraunhofer, TU Dortmund ·· Seite 12
Schlüsselmerkmale charakterisieren den Industrial Data
Space
 Sichere »Data Supply Chain«
 Flexible Nutzungsszenarien der Softwarekomponenten
 Unternehmens-IT-Umgebung
 Cloud
 Hardware Device (z. B. Werkzeugmaschine, Flurförderzeug etc.)
 »Light-weight Semantics«
 Einfache Kombination verschiedener Datengüter
 Domänenspezifische Governance-Modelle und Konzepte zur
Datenbewertung
 Konfigurierbares Referenzarchitekturmodell
 Standardisierte Kollaborationsprozesse für Daten
 Offener, partizipativer Entwicklungsprozess

13. © Fraunhofer, TU Dortmund ·· Seite 13
Bildquellen: Johns Hopkins University, Umweltbundesamt, Smellgard, Schneider & Farkas, ITS International.
Der Industrial Data Space ist für viele verschiedene
Anwendungsfelder geeignet
Material Sciences Energiewirtschaft Life Sciences
High Performance
Supply Chains
Traffic
Management
Austausch von
Werkstoff und
Material-
eigenschaften über
den gesamten
Lebenszyklus von
Produktentstehung
bis zur
Verschrottung
Gemeinschaftliche
Nutzung von
Zustandsdaten zur
prädiktiven
Instandhaltung von
Windkraftanlagen
Entwurf einer
gemeinschaftlich
genutzten Daten-
Plattform für die
Entwicklung
medizinischer und
pharmazeutischer
Produkte
Austausch von
Zustands- und
Qualitätsdaten zu
Transportgütern
entlang der
gesamten Supply
Chain
Nutzung von
Verkehrs-
managementdaten
für innovative
digitale Dienste im
Fahrzeug und zur
Steuerung des
Verkehrsflusses

14. © Fraunhofer, TU Dortmund ·· Seite 14
INHALTSÜBERSICHT
 Digitale Wirtschaft und Data Supply Chains
 Industrial Data Space als Referenzarchitektur
 Erfolgskritische Handlungsfelder

15. © Fraunhofer, TU Dortmund ·· Seite 15
Die anstehenden Arbeiten adressieren eine Reihe
erfolgskritischer Handlungsfelder
 Datenökonomie
 Wie wird der Wert der Daten bestimmt?
 Eigentumsrechte an Daten
 Wem gehören die Daten und wie lassen sich Eigentumsrechte schützen?
 Data Governance und Datenqualität
 Wer bestimmt über Sichtbarkeit von Datenquellen, über Datennutzung?
 Wer verantwortet Datenqualität?
 Security Policy Enforcement
 Wie kann Datenschutz beim Datennutzer gewährleistet werden?
 Semantische Integration
 Wie können wir schnell Vokabulare für diverse Domänen erstellen?

16. © Fraunhofer, TU Dortmund ·· Seite 16
Der Industrial Data Space e.V. bündelt die Interessen der
Anwender und wird am 26.1.2016 gegründet
 Organisation der Aktivitäten
 Bündelung der Anwenderinteressen
 Einrichtung von Fachausschüssen u. ä. für die
Standardisierung und Zertifizierung
 Kommunikation und Öffentlichkeitsarbeit
 Zusammenarbeit und Austausch mit verwandten
Initiativen
 Zusammenarbeit mit dem Förderprojekt
1) Stand 13.1.2016.
Vereinszweck
 Allianz SE
 Atos IT Solutions and Services GmbH
 BASF SE
 Bayer HealthCare AG
 Boehringer Ingelheim Pharma GmbH & Co.KG
 Bundesverband der Deutschen Industrie e.V.
 Fraunhofer-Gesellschaft zur Förderung der
angewandten Forschung e.V.
 KOMSA Kommunikation Sachsen AG
 LANCOM Systems GmbH
 PricewaterhouseCoopers AG
 REWE Systems GmbH
 Robert Bosch GmbH
 Salzgitter AG
 Schaeffler AG
 SICK AG
 ThyssenKrupp AG
 TÜV Nord AG
 Volkswagen AG
 ZVEI - Zentralverband Elektrotechnik- und
Elektronikindustrie e.V.
Gründungsmitglieder1

17. © Fraunhofer, TU Dortmund ·· Seite 17
Der Industrial Data Space schafft eine Grundlage, um das
Internet der Dinge und smarte Services zu verbinden

18. © Fraunhofer, TU Dortmund ·· Seite 18
Prof. Dr. Boris Otto
https://de.linkedin.com/pub/boris-otto/1/1b5/570
https://twitter.com/drborisotto
https://www.xing.com/profile/Boris_Otto
http://www.researchgate.net/profile/Boris_Otto
Ihr Ansprechpartner für weitere Informationen

19. © Fraunhofer, TU Dortmund ·· Seite 19
Univ.-Prof. Dr.-Ing. habil. Boris Otto · Waldkirch · 20. Januar 2016
INDUSTRIAL DATA SPACE: REFERENZ-
ARCHITEKTUR FÜR DATA SUPPLY CHAINS