Seminar ADVANEO Data Spaces – Grundlagen und Geschäftsverständnis

Das Grundlagenseminar vermittelt ein gemeinsames Verständnis von Datenräumen, Datensouveränität, Rollen, Standards und wirtschaftlichen Einsatzmöglichkeiten.

Die ADVANEO-Bausteine werden in die Datenökonomie eingeordnet. Anhand eines Praxisfalls entsteht ein erster Use-Case- und Lernfahrplan für Fachbereich, Management und IT.

Lernziele

• Teilnehmende können Datenräume von zentralen Plattformen und klassischen Schnittstellen unterscheiden.
• Teilnehmende können Datensouveränität und kontrollierten Datenaustausch erklären.
• Teilnehmende können Rollen und Verantwortlichkeiten eines Datenökosystems benennen.
• Teilnehmende können offene Standards und FAIR-Prinzipien fachlich einordnen.
• Teilnehmende können ADVANEO-Produkte passenden Problemstellungen zuordnen.
• Teilnehmende können einen geeigneten Einstieg-Use-Case auswählen.

Inhaltsübersicht

1. Kapitel 1: Lösungsportfolio und Einsatzfelder einordnen
2. Kapitel 2: Datenräume und Datensouveränität verstehen
3. Kapitel 3: Rollen, Verantwortlichkeiten und Ökosysteme gestalten
4. Kapitel 4: Offene Standards, Interoperabilität und FAIR-Prinzipien anwenden
5. Kapitel 5: Use Cases strukturiert auswählen und zuschneiden
6. Praxisfall
7. Zielgruppe
8. Voraussetzungen

Kapitel 1: Lösungsportfolio und Einsatzfelder einordnen

Die Bausteine Data Space as a Service, Data Marketplace, Trusted Data Hub, Supply Chain Radar, Proof X und Consulting werden als zusammenhängendes Lösungsportfolio betrachtet.

1. Schritt 1: Geschäftliche Ausgangslage, Datenprobleme und Kooperationsbedarf erfassen.
2. Schritt 2: Jeden Lösungsbaustein einem typischen Problem- und Rollenprofil zuordnen.
3. Schritt 3: Abhängigkeiten zwischen Datenraum, Marktplatz, Analytics, Lieferkettenmonitoring und Prototyping sichtbar machen.
4. Schritt 4: Geeignete Einstiegspunkte für Fachbereich, IT, Governance und Management auswählen.
5. Schritt 5: Aus den Ergebnissen einen ersten Lern- und Einführungsfahrplan ableiten.

Praxisaufgabe: Ein Unternehmensszenario wird analysiert und auf die passenden Bausteine des Portfolios abgebildet.

Kapitel 2: Datenräume und Datensouveränität verstehen

Ein Datenraum verbindet Organisationen, ohne Rohdaten zwangsläufig in einer zentralen Plattform zu sammeln. Im Mittelpunkt stehen kontrollierter Austausch, Vertrauen und nachvollziehbare Nutzungsregeln.

1. Schritt 1: Datenraum, Datenplattform, Datenmarktplatz und klassische Punkt-zu-Punkt-Schnittstelle voneinander abgrenzen.
2. Schritt 2: Datensouveränität als Zusammenspiel aus Kontrolle, Transparenz, Zweckbindung und Widerruf beschreiben.
3. Schritt 3: Datenanbieter, Datennutzer, Betreiber und weitere Ökosystemrollen identifizieren.
4. Schritt 4: Technische und organisatorische Vertrauensanker in einem Datenraum benennen.
5. Schritt 5: Ein einfaches Ende-zu-Ende-Szenario vom Datenangebot bis zur kontrollierten Nutzung modellieren.

Praxisaufgabe: Ein zentraler Datenaustauschprozess wird in ein souveränes Datenraum-Szenario überführt.

Kapitel 3: Rollen, Verantwortlichkeiten und Ökosysteme gestalten

Datenraumprojekte scheitern häufig an unklaren Zuständigkeiten. Ein belastbares Rollenmodell verbindet fachliche Eigentümerschaft, technische Verantwortung, Governance und Betrieb.

1. Schritt 1: Teilnehmende Organisationen und ihre Interessen systematisch erfassen.
2. Schritt 2: Rollen für Datenprodukt, Konnektor, Governance, Sicherheit, Vertrag und Betrieb definieren.
3. Schritt 3: Entscheidungsrechte und Eskalationswege mit einer Verantwortungsmatrix festlegen.
4. Schritt 4: Onboarding-, Änderungs- und Offboarding-Verantwortung pro Rolle zuordnen.
5. Schritt 5: Konflikte zwischen Datennutzen, Vertraulichkeit, Aufwand und Wettbewerb früh behandeln.

Praxisaufgabe: Für ein Partnerökosystem wird eine vollständige Rollen- und Verantwortungsmatrix erstellt.

Kapitel 4: Offene Standards, Interoperabilität und FAIR-Prinzipien anwenden

Zukunftsfähige Datenräume benötigen offene Schnittstellen, verständliche Metadaten und wiederverwendbare Datenprodukte. Standards reduzieren Abhängigkeiten und erleichtern die Erweiterung des Ökosystems.

1. Schritt 1: Die Bedeutung von IDS-, Gaia-X- und EDC-orientierten Architekturprinzipien einordnen.
2. Schritt 2: Findable, Accessible, Interoperable und Reusable auf Datenprodukte übertragen.
3. Schritt 3: Technische, semantische, organisatorische und rechtliche Interoperabilität unterscheiden.
4. Schritt 4: Vokabulare, Identitäten, Policies und Schnittstellen als gemeinsame Bausteine strukturieren.
5. Schritt 5: Ein Prüfschema für Standardkonformität und Anschlussfähigkeit entwickeln.

Praxisaufgabe: Ein vorhandenes Datenangebot wird anhand eines Interoperabilitäts- und FAIR-Prüfrasters bewertet.

Kapitel 5: Use Cases strukturiert auswählen und zuschneiden

Ein tragfähiger Use Case beginnt nicht mit Technologie, sondern mit einem klaren Problem, beteiligten Rollen, benötigten Daten und messbarem Nutzen.

1. Schritt 1: Ausgangsproblem, betroffene Prozesse und heutige Einschränkungen präzisieren.
2. Schritt 2: Entscheidungen und Handlungen benennen, die durch zusätzliche Daten verbessert werden sollen.
3. Schritt 3: Datenquellen, Datenhalter, Schutzbedarf und Aktualitätsanforderungen aufnehmen.
4. Schritt 4: Nutzenhypothese, Mindestumfang und Abgrenzung des ersten Anwendungsfalls festlegen.
5. Schritt 5: Use Cases nach Wertbeitrag, Machbarkeit, Risiko und Lernpotenzial priorisieren.

Praxisaufgabe: Aus mehreren Ideen wird mit einer Bewertungsmatrix ein belastbarer Start-Use-Case ausgewählt.

Praxisfall

Ein Unternehmen möchte Daten mit Partnern nutzen, ohne Kontrolle und Geschäftsgeheimnisse aufzugeben. Rollen, Bausteine und ein realistischer Start-Use-Case werden entwickelt.

1. Ausgangslage, Beteiligte, Daten und Entscheidungen strukturiert erfassen.
2. Lösungsbausteine, Rollen, Kontrollen und Abhängigkeiten zu einem konsistenten Vorgehen verbinden.
3. Ergebnis anhand fachlicher, technischer, wirtschaftlicher und organisatorischer Kriterien prüfen.
4. Offene Punkte, Risiken und nächste Umsetzungsschritte priorisiert dokumentieren.

Zielgruppe

• Geschäftsführung
• Fachbereichsleitung
• IT-Leitung
• Data Management
• Projektleitung
• Innovation und Digitalisierung

Voraussetzungen

• keine technischen Spezialkenntnisse erforderlich
• hilfreich: Kenntnis eigener Daten- oder Kooperationsprobleme