DATA INTELLIGENCE HUB - Für Geschäftskunden

ERLEBEN, WAS VERBINDET.

Neue, datengetriebene Mobilität mittels Datenräumen

Rückenwind für Datenraum Mobilität durch Kanzlerin Merkel

Die Bundesregierung baut das Fundament für einen Datenraum Mobilität oder DRM. Das wurde beim Autogipfel mit den Vorstandschefs der Autoindustrie, den Ministerpräsidenten der Autoländer und Bundeskanzlerin Angela Merkel (CDU) im September 2020 angekündigt (Delhaes 2020, Link). Die Automobilbranche soll ihre Daten miteinander teilen, um so wettbewerbsfähig zu bleiben. Weitere Datenprovider sollen öffentliche Transportunternehmen wie Bus und Bahn, sowie Anbieter neuer, geteilter Mobilitätsservices wie Carsharing, Fahrrad oder Elektro-Scooter sein. Spätestens Ende 2021 soll diese Mobilitätscloud in Betrieb gehen, und zwar im Rahmen der vom Bundesverkehrsministeriums geförderten Initiative Acatech Datenraum Mobilität (Datenraum Mobilität, DRM, Link).

 

Von Data Lakes zu föderierten Daten mit dem International Data Spaces (IDS) Standard

Ähnlich einer modernen Just-In-Time Fertigung, wie z.B. in der Automobilindustrie heute, ermöglicht ein Datenraum den bedarfsgerechten Zugriff auf Daten. Zum einen löst er damit ein Problem der Datenflut. Daten müssen nicht immer unbedingt alle zentral, wie in Data Lakes, gesammelt und gespeichert werden. Zum anderen hilft er, wenn Daten fehlen: Über den Data Space können Daten von Dritten bezogen werden, und zwar so, dass die Datensouveränität, das Recht des Dritten an seinen Daten, gewahrt wird. Dazu kann die IDS Technologie verwendet werden. Das ist dann ähnlich wie bei einem Parkplatz mit moderner Parkuhr, die mit einer App angesteuert werden kann, sagt Prof. Langdon, Experte für Mobility Data Spaces & Analytics bei der Deutschen Telekom IoT. Der Betreiber des Parkplatzes und -uhr, der Rechteinhaber, kann sofort feststellen, wenn die Parkzeit abgelaufen ist, um dann eine Politesse zum Parkplatz zu lotsen, die ein Bußgeld ausstellt.

 

Datenraum-Vorteil #1: Nachtanken bei zu kleinen Stichproben

Unternehmen wie Amazon, Facebook oder Google haben gezeigt, dass man ein skalierbares und profitables Geschäftsmodell basierend auf der Sammlung und Analyse von Daten schaffen kann. Diese Unternehmen verwandeln Rohdaten in Datenprodukte für KI-basierte Anwendungen, die dann wiederum Endkunden helfen, noch einfacher einzukaufen (Amazon Kaufempfehlungen), sich mit Freuden auf dem Laufenden zu halten (Facebook Gesichtserkennung und Foto-Tagging) und die Welt zu navigieren (Google Kontext-Suche). Im Gegensatz zu diesen Hyperscalern fehlen vielen Nachzüglern allerdings die Datenmengen, um z.B. gerade Deep-Learning Neural-Network-Algorithmen für Text-/Bild-/Video-Analyse zu füttern und somit zu einer Wertschöpfung aus diesen Daten zu gelangen. Hier könnte ein Datenraum Abhilfe schaffen, in dem ähnlich einer Tankstelle die eigene Stichprobe mit Daten Dritter aufgetankt werden könnte.

 

Datenraum Vorteil #2: „Uberization“ und neue, vernetzte Geschäftskonzepte

Viele Mobilitätsideen, die Vorteile durch die Verknüpfung existierender Dienste und Infrastruktur schaffen, benötigen Daten aller Beteiligten. Uber ist so ein Beispiel aber auch die intermodale Reise, die Verknüpfung unterschiedlicher Verkehrsmittel für eine lückenlose Reise von A nach B, wie der Elektro-Roller nach der U-Bahnfahrt für das letzte Stück der Reise (Schlueter Langdon 2020). Im Fall von Uber hängt der Erfolg der Orchestrierung einer Reise von A nach B ab von Daten des Reisenden, der Fahrer und Verkehrs- und Wetterbedingungen. Für die „Uberisierung“ müssen alle Parteien – Reisende, Fahrer und Städte – Daten austauschen, und zwar nahezu in Echtzeit. Dasselbe gilt für die intermodale Mobilität: Die gemeinsame Nutzung von Daten ist der Schlüssel. Das Problem liegt auf der Hand: Einige Transportmöglichkeiten konkurrieren miteinander (der öffentliche Nahverkehr, Ride-hailing, Taxi, E-Scooter, etc.). Daher sind einige Dienstleister Konkurrenten, und vertrauen einander nicht. Jeder möchte den Kunden und die Kundendaten besitzen (mehr zu intermodaler Mobilität in unserer Serie zu „Mobility Analytics“, Link). Hier setzt unsere Arbeit mit dem IDS-Standard an. IDS ist ein DIN Spec-Standard, der das Teilen von Daten erleichtern soll, damit die Datensouveränität erhalten bleibt (Otto et al. 2019). Oder in den Worten von Prof. Schlueter Langdon: „IDS ermöglicht es Parteien, die sich gegenseitig nicht vertrauen, einer bestimmten Datentransaktion zu vertrauen.“

Abbildung 1: “IDSA for Mobility“ Webinar von Prof. Schlueter Langdon, link

 

Kurzvortrag zur IDSA Mobility Community (20 Minuten)

In einer Video-Keynote auf dem Frenus Virtual Event “Connected Vehicles” stellt Prof. Schlueter Langdon von der Deutschen Telekom IoT die neue Mobility Community der International Data Spaces Association (IDSA) vor, Link: Mobilität steckt fest und wir glauben, dass IDS einen Unterschied machen kann. Wir laden Sie ein, darüber nachzudenken, der IDSA Mobility Data Space Community als aktiver Teilnehmer beizutreten. Mobilität ist ein heißes Thema, besonders seit der Corona-Krise. Wie kann man Mikromobilität wie E-Scooter und E-Bikes unterbringen? Wie kann man in dicht besiedelten Stadtgebieten eine nahtlosere, intermodale Mobilität von jedem Punkt A zu jedem Punkt B ermöglichen? Verschiedene Plattformen von lokalen (ÖPNV wie die Berliner Verkehrsbetriebe, BVG, und die Hamburger Hochbahn), europäischen (z.B. Sixt und Tier) und globalen Anbietern (z.B. Uber und Lyft) buhlen seit Jahren um Kunden in den Städten, ohne dass sich bisher neue integrierte Angebote ergeben haben. Stattdessen leiden die Städte unter mehr vom Gleichen: mehr Verkehr, mehr Verschmutzung und mehr Lärm. In letzter Zeit haben sich jedoch offene Standards wie IDS als eine Möglichkeit herauskristallisiert, die Blockade zu durchbrechen. Anstatt noch eine weitere Plattform zu schaffen, könnte ein Standard wie IDS ein Mittel zur Verknüpfung bestehender Plattformen bieten, um symbiotische Win-Win-Beziehungen zu ermöglichen, bei denen das Ganze größer sein könnte als die Summe seiner Teile.

Abbildung 2: Start-up Autobahn Expo Webinar zu Mobilität mit Datenräumen, link

 

Kurzvortrag zu intermodaler Mobilität mit Datenräumen (10 Minuten)

In einer Video-Keynote auf der Startup Autobahn Expo berichten Prof. Schlueter Langdon und Nadine Oehrlein von T-Systems International über den Start eines intermodalen Feldversuchs mit Datenraumtechnologie, Link. Sie geben einen Blick unter die Haube der Telekom-Mobility-Data-Analytics-Forschung, die derzeit im Reallabor der Hamburger Hochbahn für die Nationale Plattform Zukunft der Mobilität in Hamburg (NPM, Link) umgesetzt wird, speziell die Nutzung des International Data Spaces Standards (IDS, DIN Spec 27070) für die neue europäische GAIA-X Hypercloud. Das Problem: In der Mobilität liegen milliardenschwere Chancen, doch die große Hürde sind die Daten. Denken Sie an Uber, das von der Wiederverwendung bestehender Assets profitiert, wie z.B. Autos anderer Leute, sogar Fahrer. Das Kapital von Uber ist nicht in Autos gebunden wie bei Car2Go/ShareNow. Stattdessen investiert das Unternehmen in Daten, um ein Serviceangebot zu orchestrieren. Eine grosse Chance liegt im Stadtverkehr, wo es so viel mehr leere als besetzte Plätze gibt – die meisten Pendler fahren allein, viele Busse bleiben über lange Zeiträume des Tages leer. Daraus abgeleitet stellt sich die Frage, wie man die leeren Plätze füllen kann. Die Lösung ist in der Theorie einfach: Daten nutzen, um die Nachfrage mit dem Angebot abzugleichen, wie Uber … oder wie Google Werbeplätze versteigert. In der Praxis ist es viel komplizierter. Kurzgefasst: Oft sprechen Daten nicht die richtige Sprache, verwenden nicht die gleichen Metriken (denken Sie an Celsius versus Fahrenheit) … und einige Parteien sprechen nicht einmal miteinander, wie Wettbewerber, um die Kundenbeziehung zu schützen (Schlueter Langdon & Sikora 2020). Wir werden kurz veranschaulichen, wie es einen Wert in der intermodalen Mobilität gibt und wie dieser mithilfe von Daten freigesetzt werden kann.

 

Erfahren Sie mehr zu:

 

Quellen

Delhaes, D. 2020. Merkel drängt Autokonzerne: BMW, Daimler und VW sollen Datenschatz teilen. Handelsblatt (2020-10-28), link

Otto, B., S. Steinbuß, A. Teuscher, S. Lohmann, et al. 2019. Reference Architecture Model Version 3.0. International Data Spaces Association, Berlin, link

Schlueter Langdon, C. 2020. Quantifying intermodal mobility: A parsimonious model and simulation. Working Paper (WP_DCL-Drucker-CGU_2020-06), Drucker Customer Lab, Drucker School of Management, Claremont Graduate University, Claremont, CA, link

Schlueter Langdon, C., and R. Sikora. 2020. Creating a Data Factory for Data Products. In: Lang, K. R., J. J. Xu et al. (eds). Smart Business: Technology and Data Enabled Innovative Business Models and Practices. Springer Nature, Switzerland