heise+ | Daten mit dem Data Sharing Advisor bewerten

1. Daten mit dem Data Sharing Advisor bewerten
   • Hindernisse beim Teilen von Daten
   • Nutzen- und Risikoperspektiven auf das Teilen von Daten
2. Entscheidungs-Frameworks
3. Industry Best Practices
4. Potenziale bewerten
5. Fazit

Die unternehmensübergreifende Zusammenarbeit in sogenannten Datenökosystemen wird vielfach als Grundlage einer auch zukünftig erfolgreichen und wettbewerbsfähigen deutschen Wirtschaft gesehen, da Ökosysteme Produkte und Leistungen anbieten können, die denen eines Einzelunternehmens überlegen sind. Grundlage für die Zusammenarbeit in solchen Ökosystemen sind geteilte Daten. Um das Teilen der Daten zu erleichtern, hat sich mittlerweile eine Vielzahl branchen- und themenspezifischer dezentraler Lösungen zum Datenaustausch am Markt etabliert – sogenannte Data Spaces –, die institutionell einen sicheren Austausch von Daten zwischen Unternehmen unterstützen.

• Forschende entwickelten den Data Sharing Advisor, um Unternehmen beim Teilen und Schutz von Daten zu unterstützen.
• Der Advisor kombiniert ein Large Language Model (LLM) mit regelbasierten Berechnungen, um Potenziale und Schutzbedarf zu bewerten.
• Ziel ist es, Organisationen eine fundierte Entscheidungsgrundlage für den sicheren und effektiven Datenaustausch zu bieten.

Data Spaces können entweder innerhalb vorab bekannter Akteure etabliert oder über unabhängige Datentreuhänder für alle geöffnet werden. Ein bekanntes Beispiel für den geschlossenen Datenaustausch ist CATENA-X innerhalb der Lieferkette der Automobilindustrie. Der Mobility Data Space als Beispiel einer offenen Datenaustauschplattform sammelt hingegen alle Arten von Mobilitätsdaten aus verschiedensten Quellen und bietet sie in Form eines Marktplatzes beliebigen Interessenten an.

Im Rahmen dieser Data-Space-Initiativen wurden Konnektoren für die Integration in die jeweiligen Anwendungssysteme und Governance-Frameworks entwickelt, um den unternehmensübergreifenden Datenaustausch zu fördern. Diese Ressourcen sind relevant, um beispielsweise bei einer aus mehreren Komponenten bestehenden Maschine die Zusammenarbeit auf Basis von Daten zwischen den Komponentenherstellern und dem Integrator unter Wahrung der Souveränität zu regeln.

Das war die Leseprobe unseres heise-Plus-Artikels "Daten mit dem Data Sharing Advisor bewerten". Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.