Anreizsysteme und Ökonomie des Data Sharing (Incentives and Economics of Data Sharing - IEDS)

Zusammenführung von Datenangebot und -Nachfrage

Unternehmensübergreifender Datenaustausch kann auf verschiedenen Wegen angebahnt und durchgeführt werden. Unternehmen können sich bestehenden Initiativen bzw. Datenräumen anschließen (z. B. CatenaX), selbst Kooperationen mit anderen Unternehmen initiieren oder Daten über die Plattform eines Vermittlers (z. B. eines Datenmarktplatzes) austauschen. Auch Initiativen wie Gaia-X Association for Data and Cloud (AISBL) und International Data Spaces Association (IDSA) immer mehr an Bedeutung. Eine wichtige Frage in diesem Kontext ist, wie das Datenangebot und die Datennachfrage der Nutzenden mit Hilfe einer effektiven Datensuche zusammengebracht werden können. Hierfür wurde in IEDS ein neuartiger Lösungsansatz entwickelt. 

Im Zuge von Internet-of-Things und Industrie 4.0 haben Sensoren und die damit verbundene Datenerhebung in viele Bereiche Einzug gehalten. Um den Überblick über diese Daten zu behalten ist ein effektives Datenmanagement nötig, das u.a. dafür sorgt, dass die Daten mit aussagekräftigen, aktuellen und qualitativ hochwertigen Zusatzinformationen (Metadaten) beschrieben werden. Neben einer Beschreibung des Dateninhalts sollten die Metadaten u.a. Informationen über die Entstehung und Herkunft der Daten, Maßeinheiten und bereits erfolgte Verarbeitungsschritte enthalten. Diese Informationen sind zum einen entscheidend, um die Bedeutung der Daten verstehen und sie interpretieren und verwenden zu können. Zum anderen bilden die Metadaten die Basis für die Datensuche und -recherche.

Mit dem Einzug der Künstlichen Intelligenz (KI) und deren Hunger nach großen und domänenspezifischen Daten ist in den letzten Jahren ein Trend zu immer kleinteiligeren Datenangeboten für das Trainieren und Evaluieren von KI-Anwendungen zu beobachten (z.B. Sensordaten von Maschinen, Wetter, u.v.m.). Je spezifischer Datenangebote werden, desto stärker reduzieren sich potenzielle Nutzergruppen. Je spezifischer eine Datennachfrage ist, desto schwieriger sind die dazu passenden Datenangebote zu finden. Dabei werden aktuell Datenprodukte erst sukzessive aufgebaut, was noch viel Aufwand und vor allem Zeit benötigt. Klassische Such- bzw. Matching-Methoden von Angebot und Nachfrage sind zu statisch und träge, um die Datenprodukte und deren Beschreibungen auf die sich stets verändernden und neuen Anfragen anzupassen.

Hierfür wurde der Lösungsansatz »intelligenter Software-Agenten zur Repräsentation von Datenprodukten« vom Fraunhofer IAO entwickelt. Dieser Ansatz wird im wissenschaftlichen Paper »Documents as Intelligent Agents«, der Best Paper Award Gewinner der Webist 2023, genauer beschrieben. Die intelligenten Software-Agenten werten, ähnlich wie Verkäufer auf einem Markt, Kundenanfragen aus und passen ihre Kundenansprache auf die Nachfrage an. Dabei wird jedes Datenprodukt durch einen eigenständigen Agenten repräsentiert. Der Agent beobachtet die Suchanfragen der Kunden und wird vom Marktplatz benachrichtigt, wenn der Kunde das Datenprodukt des Agenten kauft oder in die engere Auswahl nimmt. Die Agenten nutzen die so gewonnenen Informationen über die Präferenzen der Kunden, um sich auf dem Marktplatz besser darzustellen und passen sich so dynamisch den sich ändernden Bedürfnissen der Datensuchenden an.

Der im IEDS-Projekt verfolgte Ansatz zur Verbesserung der Zusammenführung von Datenangebot und -nachfrage setzt sich zum einen aus den verbesserten Suchverfahren und zum anderen aus einer Simulations- und Testumgebung zusammen, die es ermöglicht, die Leistungsfähigkeit des Suchverfahrens zu messen und verschiedene Ansätze systematisch zu vergleichen.