Überblick zum Industrial Data Space

Überblick zum Industrial Data Space

• 1.
  © Fraunhofer ·Seite 1 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Oktober 2015 INDUSTRIAL DATA SPACE IM ÜBERBLICK
• 2.
  © Fraunhofer ·Seite 2 INHALT  Innovationstreiber und die Rolle der Daten  Kernpunkte des Industrial Data Space  Forschungsprojekt zum Industrial Data Space  Verein zum Industrial Data Space  Rolle der Use Cases  Ansprechpartner
• 3.
  © Fraunhofer ·Seite 3 Die Digitalisierung ist also gleichzeitig Treiber und Befähiger innovativer Geschäftsmodelle Automobil Merkmale:  Verkehrs- management 2.0  Dynamische Routen- bestimmung  »Connected Drive Services« Service- Innovation Produktion Merkmale:  Intelligente Fertigungs- konzepte für Kleinserien  Selbststeuerung der Fertigung Organisations- Innovation Pharma Merkmale:  »Real-Life Evidence«  Effektivere, effizientere Behandlung  Personalisierte Medizin Produkt- Innovation Handel Merkmale:  Autonome Transparenz in der Lieferkette  Konsumenten- zentrierte Supply Chain Prozess- Innovation Bildquellen: Microsoft, BMW, Databirds, SmartFace.
• 4.
  © Fraunhofer ·Seite 4 Eine Schlüsselfähigkeit für Geschäftsmodellinnovation ist die Kombination von Daten im »Ecosystem« Automobil »Ökosystem«:  Automobil- hersteller  Verkehrs- zentralen  Kommunen  … Produktion »Ökosystem«:  Automobil- hersteller  Zulieferer  Logistikdienst- leister Pharma »Ökosystem«:  Pharmazeutische Industrie  Gesundheits- dienstleister  Ärzte  … Handel »Ökosystem«:  Einzelhandel  Konsumgüter- industrie  Logistikdienst- leister  … Daten:  Gesundheitsdaten  Therapiedaten  … Daten:  Lokation, Ziel  Fahrzeugdaten  Verkehrsdaten  … Daten:  EPCIS-Ereignisse  Transportdaten  Zustandsdaten  … Daten:  Produktdaten  Planungsdaten  Zustandsdaten  … Bildquellen: Microsoft, BMW, Databirds, SmartFace. Legende: EPCIS - Electronic Product Code Information Services.
• 5.
  © Fraunhofer ·Seite 5 Daten werden zur strategischen Ressource Zeit Wertbeitrag Daten als Prozess- ergebnis Daten als Befähiger von Prozessen Daten als Befähiger von Produkten Daten als Produkt
• 6.
  © Fraunhofer ·Seite 6 Der Industrial Data Space kann ein Bindeglied zwischen digitaler Produktion/Logistik und Smart Services sein Informationsfluss Öffentliche Daten Daten aus der Wertschöpfungskette Kommerzielle Dienste Industrielle Dienste Individualisierung Ende-zu-Ende- Prozess »Ecosystem« Ubiquität Industrial Data Space Vernetzung Mensch-Maschine- Kooperation Autonomisierung Internet der Dinge Kunde Produktions- netzwerk Logistik- netzwerk Digitalisiertes Leistungsangebot Daten- scharnier Digitalisierte Leistungserstellung Güterfluss.Legende:
• 7.
  © Fraunhofer ·Seite 7 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
• 8.
  © Fraunhofer ·Seite 8 Der Industrial Data Space fokussiert auf die Architektur der Daten und Datendienste Automobil- hersteller Elektronik und IT Dienst- leistungen Logistik Maschinen & Anlagenbau Pharma & Medizinbedarf Smart-Service-Szenarien Service- und Produktinnovation »Smart Data Services« (Alerting, Monitoring, Datenqualität etc.) »Basic Data Services« (Informationsfusion, Mapping, Aggregation etc.) Internet der Dinge ∙ Breitband-Infrastruktur ∙ 5G Echtzeitbereich ∙ Sensoren, Aktoren, Devices Architekturebenen INDUSTRIAL DATA SPACE
• 9.
  © Fraunhofer ·Seite 9 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
• 10.
  © Fraunhofer ·Seite 10 Die Initiative Industrial Data Space institutionalisiert sich als Forschungsprojekt und gemeinnütziger Verein Ende Q3/2014 1.10.2015 Anfang Q1/2016 Initiative Verein Forschungsprojekt Zwölf beteiligte Fraunhofer-Institute: AISEC, FIT, FKIE, FOKUS, IAIS, IAO IESE, IML, IOSB, IPA, ISST, SIT
• 11.
  © Fraunhofer ·Seite 11 Das Förderprojekt ist am 1.10.2015 gestartet und verfolgt zwei wesentliche Ziele 1. Referenzarchitekturmodell  Governance-Architektur  Fachlich-funktionale Software-Architektur für Datendienste  Sicherheitsarchitektur  Technische Architektur für Pilotierungen 2. Pilotierung in Use Cases  Logistik und Supply Chain Management  Automobilität  Produktion
• 12.
  © Fraunhofer ·Seite 12 Die Arbeiten im Förderprojekt gliedern sich in 9 Arbeitspakete und laufen über drei Jahre AP Beschreibung 2016 2017 2018 1 Referenzarchitekturmodell 2 Software-Pilotierung 3 Use Cases 4 Standardisierungsbeiträge 5 Zertifizierungskonzept 6 Geschäftsmodellinnovation 7 Handlungsempfehlungen 8 Institutionalisierung 9 Projekt-Management
• 13.
  © Fraunhofer ·Seite 13 Der Verein nimmt die Anwenderinteressen zum Industrial Data Space wahr  Organisation der Aktivitäten  Bündelung der Anwenderinteressen  Kommunikation und Öffentlichkeitsarbeit  Zusammenarbeit und Austausch mit verwandten Initiativen  Zusammenarbeit mit dem Förderprojekt 1) Stand 31.10.2015; Gründung geplant für Januar 2016. Vereinszweck  Atos IT Solutions and Services GmbH  Bayer HealthCare AG  Boehringer Ingelheim Pharma GmbH & Co.KG  Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.  KOMSA Kommunikation Sachsen AG  PricewaterhouseCoopers AG  REWE Systems GmbH  Robert Bosch GmbH  Salzgitter AG  SICK AG  ThyssenKrupp AG  TÜV Nord AG  Volkswagen AG  ZVEI - Zentralverband Elektrotechnik- und Elektronikindustrie e.V. Gründungsmitglieder1
• 14.
  © Fraunhofer ·Seite 14 Derzeit1 liegen mehr als 65 Use-Case-Kandidaten aus verschiedenen Branchen vor  Identifikation und Bündelung von Anforderungen der Anwender  »Verprobung« des Referenzarchitekturmodells durch die Anwender  Demonstration für Innovation auf Basis des Industrial Data Space  Demonstration und Integration bestehender Standardisierungsvorhaben  Entwicklung einer prototypischen Referenz für die beteiligten Unternehmen  Potenzieller Kern eines Ökosystems durch Integration weiterer (auch domänenfremder) Partner 1) Stand 31.10.2015. Zweck der Use Cases  Verknüpfung von Daten mehrerer Datenquellen  Integration verschiedener Datenarten (z. B. Stammdaten und Zustandsdaten aus der Fertigung)  Kombination verschiedener Datengüter (private Daten, öffentliche Daten, »Club- Güter«)  Beteiligung mindestens zweier Unternehmen  Integration von mehr als zwei Unternehmensarchitekturebenen (z. B. »Shop Floor« und »Office Floor«)  Grundlage für das Angebot »smarter Services« Use-Case-Merkmale
• 15.
  © Fraunhofer ·Seite 15 Die Arbeiten zum Industrial Data Space sind komplementär verzahnt mit der Plattform Industrie 4.0 Handel 4.0 Bank 4.0Versicherung 4.0 …Industrie 4.0 Fokus auf die produzierende Industrie Smart Services Übertragung, Netzwerke Echtzeitsysteme Industrial Data Space Fokus auf Daten Daten …
• 16.
  © Fraunhofer ·Seite 16 Prof. Dr. Boris Otto Fraunhofer IML Boris.Otto@iml.fraunhofer.de 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 steht für Fragen gerne zur Verfügung
• 17.
  © Fraunhofer ·Seite 17 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Oktober 2015 INDUSTRIAL DATA SPACE IM ÜBERBLICK