Ziel des Projektes ist die Entwicklung und Verwertung von Datenprodukten als Wirtschaftsgut im Ökosystem der Lebensmittelproduktion auf Basis einer über Unternehmensgrenzen hinweg angelegten offenen, technischen Datenplattform sowie ökonomischen und rechtlichen Nutzungskonzepten.
Motivation
Die Digitalisierung stellt für die Lebensmittelindustrie eine Chance dar, Effizienzsteigerungen durch die Verwertung interner wie externer Daten zu realisieren. Hierbei sind erfasste Daten bislang nur Mittel zum Zweck. Aus einem Blickwinkel der digitalen Transformation haben Daten zusätzlich das Potential, selbst zu einem Produkt (d.h. Datenprodukt) mit zusätzlichen Verwertungschancen zu werden. Die Potenziale digitaler Daten als eigenständiges Wirtschaftsgut werden in Deutschland bisher nur marginal ausgeschöpft. Insbesondere in der Lebensmittelproduktion fallen massenhaft Daten an, die aktuell nur partiell in lokalen Dateninseln pro Produktionsstandort meist zur Optimierung der Produktion genutzt werden. Eine standort- oder herstellerübergreifende wirtschaftliche Verwertung der Daten wird nur in Teilen auf hoher Aggregationsebene durchgeführt, so dass ein Großteil des Datenwertes ungenutzt bleibt.
Zielsetzung
Eine durchgängige Erfassung und Auswertung von Daten würde dem Produzenten bereits helfen, seine Produktion zu optimieren. Versteht er sich zudem als Datenproduzent, so kann er Datenprodukte anbieten, die auf überregionaler Ebene zu höherwertigen Datenprodukten vernetzt werden. Sie lassen sich zusammen mit Datenprodukten der Finanzindustrie, meteorologischer Institute etc. integrieren, um geographische, ökologische und ökonomische Analysen zu ermöglichen. Dadurch können diverse Anspruchsgruppen wie Landwirte, Großhändler, weiterverarbeitende Industrie usw. Antworten auf Fragen zu Zuständen, Missständen und Prognosen zu Feld- oder Plantagenfrüchten regional als auch überregional finden. Spezifische Rohstoffdaten können betriebsübergreifend aggregiert werden, um Qualitäten und Produktionsparameter zu analysieren und im Effekt durch niedrigeren Ausschuss den Rohstoffeinsatz zu optimieren. Die Aggregation und Analyse solcher Rohstoffmarktdaten in einem globalen Kontext ermöglicht wiederum Stakeholdern des Finanz- und Versicherungsmarktes eine frühzeitige Vorhersage von Preisentwicklungen für Rohstoffe.
Anwendungsbeispiele für Datenprodukte
- Marktbezogen: Aggregation und Analyse standort- und produzentenübergreifender Datenprodukte ermöglicht einen Einblick, welche Rohstoffe in welchen Sorten in welchem Volumen in welcher Qualität wann wo in allen Lebensmittelbranchen verarbeitet werden und somit eine frühzeitige Vorhersage von Verfügbarkeiten und Preisentwicklungen für Rohstoffe.
- Prozessbezogen: Rückwärtsoptimierung der Produktionsparameter durch Identifikation der Input-Parameter, die das Delta zwischen prognostizierter und tatsächlicher Qualität und Volumen minimieren (Qualität des Rohstoffs, Herkunft, Landwirt, Sorte etc.).
- Produktbezogen: Input-Mix-Optimierung zukünftiger Rohstoff- bzw. Vorproduktlieferungen (z.B. Kakaomasse) hinsichtlich Volumen und Sortenzusammensetzung, basierend auf der Entwicklung der Qualität verwendeter Kakaosorten in der Vergangenheit.
Lösung
- Semi-automatisierte Erzeugung höherwertiger Datenprodukte durch dezentrale KI-Services (TUCANA Smart Analytics Services)
- Dezentral organisierter, globaler Datenmarkt über IoT-Plattformen (Cumulocity) mit Mechanismen zur effizienten Verteilung des erzielten Mehrwerts auf Datenproduzenten/–verwerter (Smart Contracts)
- Schaffung eines Datenmarktes nach neuem europäischen Recht
Partner
- Die Agrarmarkt Informations-Gesellschaft mbH (AMI)
- Software AG
- Lindt & Sprüngli GmbH
- Universität des Saarlandes
- fir e.V. an der RWTH Aachen
- Bundesvereinigung der Deutschen Ernährungsindustrie (assoziierter Partner)
