Gewinnen mit digitalen Zwillingen

Der Erfolg der generativen künstlichen Intelligenz (KI), wie ChatGPT, hat Daten ins Rampenlicht gerückt. Ohne Trainingsdaten gäbe es kein ChatGPT. Da viele von uns mit ChatGPT Halluzinationen erlebt haben, wissen wir, dass die Qualität der ChatGPT-Ergebnisse nicht allein durch die Menge der Daten bestimmt wird. Vielmehr kommt es darauf an, dass die Trainingsdaten den richtigen Informationsgehalt und die richtige Qualität haben.  

Der digitale Zwilling als Datenprodukt  

Genauso wie ChatGPT auf die richtigen Daten angewiesen ist, benötigen auch Ihre Geschäftsanwendungen die passenden Daten oder Datenprodukte. Dazu müssen die Rohdaten so veredelt werden, dass der relevante Informationsgehalt, die Qualität und die Formatierung gewährleistet sind (Schlueter Langdon & Sikora 2020, Crosby & Schlueter Langdon 2019). Hier kommen digitale Zwillinge ins Spiel: Es handelt sich um Datenprodukte, die ein digitales Modell eines beabsichtigten oder bestehenden realen physischen Objekts, Systems, Prozesses oder einer Person darstellen. Digitale Zwillinge dienen als praktisch ununterscheidbare digitale Gegenstücke und erfordern daher von Natur aus den richtigen Informationsgehalt und die richtige Qualität.   

_{Abbildung 1: Kurzer Weg zur Monetarisierung von Anwendungsfällen mit digitalen Zwillingen als veredelte Datenprodukte}  

Kurzer Weg zum Automatisierungserfolg: Digitale Zwillinge  

Jede IT-Investition erfordert einen klaren Anwendungsfall, um einen positiven Return on Investment (RoI) zu gewährleisten. Wie von McKinsey skizziert und in Abbildung 1 veranschaulicht, beginnt der Standardprozess der Monetarisierung mit Rohdaten, gefolgt von deren Veredelung zu einem maßgeschneiderten Datenprodukt, das mit den Anforderungen einer Softwareanwendung zur Automatisierung eines bestimmten Anwendungsfalls übereinstimmt (McKinsey's Desai et al. 2022a, 2022b). Je größer die Distanz auf diesem Weg ist, desto mehr Zeit wird benötigt, um den Break-even zu erreichen. Eine Abkürzung zum schnelleren RoI besteht darin, mit Datenprodukten, wie digitalen Zwillingen, zu beginnen.  

Vorteil des Catena-X-Daten-Ökosystems: Super-Apps mit digitalen Zwillingen  

Die Dataspace-Technologie hat sich entwickelt, um mehr und bessere Rohdaten verfügbar zu machen, da sie die gemeinsame Nutzung von Daten bei gleichzeitigem Schutz der Datenhoheit ermöglicht (siehe "Dataspaces 101"). Diese Fähigkeit wurde in einem bahnbrechenden Pilotprojekt des RealLab Hamburg erfolgreich demonstriert. In letzter Zeit sind erste Daten-Ökosysteme wie Catena-X entstanden, die über die bloße Bereitstellung eines Datenraumnetzes für den Datenaustausch hinausgehen. Diese Ökosysteme bieten leicht nutzbare Bausteine, einschließlich Super-Apps, die für spezifische Anwendungsfälle entwickelt wurden, begleitet von entsprechenden Datenprodukten oder digitalen Zwillingsvorlagen gehen über die Bereitstellung eines Datennetzwerks für den Datenaustausch hinaus und fügen leicht verwendbare Bausteine hinzu, wie z. B. Super-Apps für Anwendungsfälle zusammen mit entsprechenden Datenprodukten oder digitalen Zwillingsvorlagen. Im Gegensatz zu McKinseys Datenmonetarisierungskette, die von Grund auf aufgebaut ist, präsentiert Catena-X einen modularen, Lego-ähnlichen Ansatz zur Automatisierung von Anwendungsfällen: Man entscheidet sich für das Catena-X-Ökosystem (C-X), dann für einen zertifizierten C-X-Carrier oder eine Betreibergesellschaft wie Cofinity-X, und schließlich kann man im App-Store der Betreibergesellschaft eine C-X-zertifizierte Anwendung auswählen. Diese zertifizierten Anwendungen sind mit Vorlagen für digitale Zwillinge ausgestattet, die einen standardisierten Rahmen für alle Ebenen Ihrer Lieferkette schaffen. Dieser innovative Ansatz wurde auf der CES 2024 in einer Live-Datenkette vorgestellt, die die gemeinsame Nutzung von Daten zur Verfolgung des CO2-Ausstoßes oder des Product Carbon Footprint (PCF) demonstrierte.  

Unsere Fallstudien: CO2-Pilot@CES und RealLabHH@ITS 

Wie erhält man CO2-Werte von den Lieferanten der Teile, die in Ihrem Produkt verwendet werden? Dies wurde auf der CES 2024 in Las Vegas erfolgreich demonstriert. Flex und Ford haben sich mit T-Systems International (TSI) und IBM zusammengetan, um das erste Pilotprojekt der Automobilindustrie zur Verfolgung des Product Carbon Footprint (PCF) mit einer Live-Datenkette über mehrere Lieferkettenebenen hinweg zu starten. Das Pilotprojekt demonstriert die Einsatzfähigkeit kommerzieller Lösungen, die auf Catena-X-Standards mit vertrauenswürdigen Identitäten, die von unserem Partner Cofinity-X bereitgestellt werden, und Open-Source-Technologie basieren. Die Teilnehmer an dem Pilotprojekt können: 

• den Datenaustausch zwischen den Teilnehmern in einer von TSI bereitgestellten Sandbox-Umgebung auf der Grundlage der Open-Source-Catena-X-Technologie von Eclipse Tractus-X kostenlos durchführen. 
• In dieser Sandbox mit einem vollständig Catena-X-zertifizierten TSI-Konnektivitätsprodukt kostenlos in eine OEM-Tier1-Tier2+-Datenkette eingebunden werden. 
• Die IBM Supply Chain Intelligence Suite (SCIS) wird verwendet, um ausgetauschte PCF-Werte entlang der Lieferkette über eine intuitive grafische Benutzeroberfläche zu verfolgen und zu analysieren. 

Abbildung 1 veranschaulicht, wie Catena-X eine RoI-Verkürzung bietet, da es digitale Zwillinge als verfeinerte Datenprodukte bereitstellt. Dies steht im Gegensatz zu einer früheren Fallstudie, einem ersten Datenraum-Pilotprojekt auf der Grundlage der Gen-1-Technologie der International Data Spaces Association (IDSA). Dieses Pilotprojekt demonstrierte, wie die Datenraumtechnologie die Daten bereitstellen kann, die erforderlich sind, um den Bürgern der Stadt Hamburg eine neuartige, nahtlose intermodale Reiselösung für verschiedene Verkehrsträger anzubieten, wie z. B. Mikromobilität in Verbindung mit öffentlichen Verkehrsmitteln. Diese Lösung wurde für die Besucher des ITS-Weltkongresses 2021 in Hamburg eingeführt und ermöglichte eine um bis zu 30 % höhere Reisegeschwindigkeit von A nach B. Damals mussten alle Komponenten, von den Rohdaten über die veredelten Daten bis hin zur Super-App, von Grund auf neu entwickelt werden.  

Bitte sehen Sie sich unsere Produkte an: link  

Bildquelle 

Referenzen 

Crosby, L., and C. Schlueter Langdon. 2019. Data as a Product to be Managed. Marketing News, American Marketing Association (October 10th), link 

Desai, V., T. Fountaine, and K. Rowshankish. 2022a. How to unlock the full value of data? Manage it like a product. McKinsey Article (2022-06-14), McKinsey & Company, link 

Desai, V., T. Fountaine, and K. Rowshankish. 2022b. A Better Way to Put Your Data to Work - Package it the way you would a product. Harvard Business Review (July–August 2022), 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: 43-55, link