{"id":1255,"date":"2025-02-08T16:38:16","date_gmt":"2025-02-08T16:38:16","guid":{"rendered":"https:\/\/legrandcontinent.eu\/de\/?p=1255"},"modified":"2025-03-19T16:46:36","modified_gmt":"2025-03-19T16:46:36","slug":"gemeinsame-nutzung-von-daten-schliessung-der-luecke-in-der-forderung-des-draghi-berichts-nach-ki-wettbewerbsfaehigkeit-in-europa","status":"publish","type":"post","link":"https:\/\/legrandcontinent.eu\/de\/2025\/02\/08\/gemeinsame-nutzung-von-daten-schliessung-der-luecke-in-der-forderung-des-draghi-berichts-nach-ki-wettbewerbsfaehigkeit-in-europa\/","title":{"rendered":"Gemeinsame Nutzung von Daten: Schlie\u00dfung der L\u00fccke in der Forderung des Draghi-Berichts nach KI-Wettbewerbsf\u00e4higkeit in Europa"},"content":{"rendered":"\n

Einf\u00fchrung<\/strong><\/h2>\n\n\n\n

Der Draghi-Bericht<\/a>, den der Europ\u00e4ische Rat bei dem ehemaligen italienischen Ministerpr\u00e4sidenten beauftragt hatte, schl\u00e4gt einen Weg zur Verbesserung der Wettbewerbsf\u00e4higkeit in der Europ\u00e4ischen Union vor. Er folgt auf den Letta-Bericht \u00fcber den EU-Binnenmarkt<\/a>, den wir in einem fr\u00fcheren Artikel<\/a> bereits analysiert haben. <\/p>\n\n\n\n

Letta empfiehlt darin die Einf\u00fchrung einer f\u00fcnften Freiheit zus\u00e4tzlich zum freien Waren-, Dienstleistungs-, Personen- und Kapitalverkehr, da letzterer nicht ausreicht, „um den \u00dcbergang von einer auf Eigentum basierenden Wirtschaft zu einer neuen, auf Zugang und gemeinsamer Nutzung basierenden Wirtschaft zu bew\u00e4ltigen“. Dies aufgreifend, schl\u00e4gt Letta als f\u00fcnfte Freiheit den freien Verkehr und die gemeinsame Nutzung von Forschung, Innovation, Daten und Wissen vor, die in modernen Volkswirtschaften zu unverzichtbaren Innovationsmotoren geworden sind.<\/p>\n\n\n\n

In diesem Kommentar werden wir nicht auf die Investitionspolitik und Draghis Empfehlungen f\u00fcr einen integrierten Kapitalmarkt eingehen, sondern uns auf die vorgeschlagene Innovationsstrategie konzentrieren, wie sie in Teil B des Berichts erl\u00e4utert wird. Dieser enth\u00e4lt eine eingehende Analyse und Empfehlungen sowohl f\u00fcr die sektoralen als auch die horizontalen Ma\u00dfnahmen. Wir unterst\u00fctzen die darin formulierte Idee, eine Neuauflage der urspr\u00fcnglich im Februar 2020 vorgestellten Europ\u00e4ischen Datenstrategie zu f\u00f6rdern, denn eine Europ\u00e4ische Datenunion wird den Rechtsrahmen und die Investitionen in gemeinsame europ\u00e4ische Datenr\u00e4ume st\u00e4rken und Lettas f\u00fcnfte Freiheit in Richtung KI-Wettbewerbsf\u00e4higkeit erleichtern.<\/p>\n\n\n\n

Die gemeinsame Nutzung von Daten in \u00d6kosystemen in den zehn von Draghi vorgeschlagenen strategischen Sektoren ist die Voraussetzung f\u00fcr jede sinnvolle Anwendung von KI in diesen Sektoren. Die beeindruckenden Fortschritte der generativen KI werden ihr gesamtes Potenzial nicht aussch\u00f6pfen k\u00f6nnen, wenn sie nicht auf hochwertige Daten zugreifen k\u00f6nnen, die mit Zustimmung der Dateninhaber gewonnen wurden. Open-Source-KI-Modelle wie DeepSeek R1 <\/span>1<\/sup><\/a><\/span><\/span> sollen den „Sputnik-Moment“ f\u00fcr die KI schaffen; sie signalisieren definitiv, dass der Wettbewerb noch nicht vorbei ist und dass ein Team von 200 Ingenieuren eine \u00f6kologisch vern\u00fcnftige L\u00f6sung erfinden kann, die in die von Draghi empfohlene Gesamtstrategie integrierbar ist \u2212 im Gegensatz zu der eine Woche zuvor angek\u00fcndigten Brute-Force-L\u00f6sung StarGate <\/span>2<\/sup><\/a><\/span><\/span>.<\/p>\n\n\n\n

Im Folgenden fassen wir zun\u00e4chst die Position des Draghi-Berichts zur gemeinsamen Datennutzung zusammen und zeigen, dass er die gemeinsame Datennutzung nicht als integrale Voraussetzung f\u00fcr den “ EU Vertical AI Priorities Plan“ anerkennt. Dann werden wir die Wertsch\u00f6pfungskette der gemeinsamen Datennutzung als Grundlage f\u00fcr Wettbewerbsvorteile durch KI vorstellen, gefolgt von einem \u00dcberblick \u00fcber bestehende Initiativen zur gemeinsamen Datennutzung in Europa. Danach werden wir erl\u00e4utern, wie die europ\u00e4ischen Investitionen in den Datenaustausch zur Unterst\u00fctzung des \u201eEU Vertical AI Priorities Plan\u201c genutzt werden k\u00f6nnen.<\/p>\n\n\n\n

Gemeinsame Nutzung von Daten im Draghi-Bericht<\/strong><\/h2>\n\n\n\n

Der Draghi-Bericht besteht aus zwei Teilen, n\u00e4mlich dem eigentlichen Bericht (Teil A) und den Empfehlungen (Teil B).<\/p>\n\n\n\n

Teil A befasst sich mit der Analyse des Produktivit\u00e4tsgef\u00e4lles zwischen der EU und den USA:<\/p>\n\n\n\n

\n

„Der Hauptgrund f\u00fcr die wachsende Produktivit\u00e4tsl\u00fccke zwischen der EU und den USA ist die digitale Technologie, und Europa wird wohl weiter zur\u00fcckfallen.“<\/p>\n<\/blockquote>\n\n\n\n

Das wichtigste Beispiel f\u00fcr das Produktivit\u00e4tsgef\u00e4lle ist die KI:<\/p>\n\n\n\n

\n

„Europa hinkt bei den bahnbrechenden digitalen Technologien hinterher, die das Wachstum in der Zukunft antreiben werden. Rund 70 % der grundlegenden KI-Modelle wurden seit 2017 in den USA entwickelt, und auf nur drei Hyperscaler entfallen mehr als 65 % des globalen wie auch des europ\u00e4ischen Cloud-Marktes… Der Wettbewerbsnachteil der EU beim Cloud Computing wird sich wahrscheinlich noch verst\u00e4rken, da der Markt durch kontinuierliche massive Investitionen, Skaleneffekte und mehrere von einem einzigen Anbieter angebotene Dienste gekennzeichnet ist. Es gibt jedoch mehrere Gr\u00fcnde, warum Europa nicht auf die Entwicklung seines heimischen Technologiesektors verzichten sollte. Erstens ist es wichtig, dass EU-Unternehmen in Bereichen, in denen technologische Souver\u00e4nit\u00e4t erforderlich ist, wie Sicherheit und Verschl\u00fcsselung (souver\u00e4ne Cloud-L\u00f6sungen), weiterhin Fu\u00df fassen. Zweitens wird ein schwacher Technologiesektor die Innovationsleistung in einer Vielzahl von angrenzenden Bereichen wie Pharma, Energie, Werkstoffe und Verteidigung behindern. Drittens ist KI eine sich entwickelnde Technologie, bei der EU-Unternehmen noch die M\u00f6glichkeit haben, in ausgew\u00e4hlten Segmenten eine f\u00fchrende Position einzunehmen.“<\/p>\n<\/blockquote>\n\n\n\n

Im weiteren Verlauf des Berichts wird die gemeinsame Nutzung von Daten als eine der wichtigsten Empfehlungen bezeichnet:<\/p>\n\n\n\n

\n

„Die EU sollte die branchen\u00fcbergreifende Koordinierung und den Datenaustausch f\u00f6rdern, um die Integration der KI in die europ\u00e4ische Industrie zu beschleunigen. […] Zur Erleichterung dieser Zusammenarbeit sollten die EU-Unternehmen ermutigt werden, sich an einem „EU Vertical AI Priorities Plan“ zu beteiligen. Ziel dieses Plans w\u00e4re es, die Entwicklung von KI in den zehn strategischen Sektoren voranzutreiben, in denen die Gesch\u00e4ftsmodelle der EU am meisten von einer raschen Einf\u00fchrung der KI profitieren werden (Automobilindustrie, fortschrittliche Fertigung und Robotik, Energie, Telekommunikation, Landwirtschaft, Luft- und Raumfahrt, Verteidigung, Umweltprognosen, Pharma und Gesundheitswesen) […] Um insbesondere den Mangel an gro\u00dfen Datens\u00e4tzen in der EU zu \u00fcberwinden, sollte das Modelltraining mit Daten gespeist werden, die von mehreren EU-Unternehmen innerhalb eines bestimmten Sektors kostenlos zur Verf\u00fcgung gestellt werden.“<\/p>\n<\/blockquote>\n\n\n\n

Abschlie\u00dfend wird auf die Bedeutung von Cloud Computing f\u00fcr die gemeinsame Nutzung von Daten und die M\u00f6glichkeiten zur Nutzung des US-Fortschritts hingewiesen:<\/p>\n\n\n\n

\n

„Angesichts der Dominanz der US-Anbieter muss die EU einen Mittelweg zwischen der F\u00f6rderung ihrer heimischen Cloud-Industrie und der Sicherstellung des Zugangs zu den ben\u00f6tigten Technologien finden.“<\/p>\n<\/blockquote>\n\n\n\n

In Teil B wird der aktuelle Stand zum Thema „Digitalisierung und fortgeschrittene Technologien“ in der EU erl\u00e4utert und beschrieben:<\/p>\n\n\n\n

\n

„Das Industriemodell der EU, das bisher auf dem Import von Spitzentechnologien und dem Export aus der Automobil-, Feinmechanik-, Chemie-, Werkstoff- und Modeindustrie beruhte, entspricht nicht dem derzeitigen Tempo des technologischen Wandels.<\/p>\n\n\n\n

Die EU ist nur begrenzt in der Lage, von der Dynamik der Gewinner, von Netzwerkeffekten und Gr\u00f6\u00dfenvorteilen bei Schl\u00fcsseltechnologien zu profitieren \u2212 mit Ausnahme von Werkstoffen der n\u00e4chsten Generation und sauberen Technologien.<\/p>\n\n\n\n

Im Laufe der Zeit wurden mehrere EU-Industrieallianzen f\u00fcr Cloud-basierte Technologien und Datenaustausch mit unterschiedlichen Zielsetzungen gegr\u00fcndet (Androm\u00e8de, Gaia-X, Catena-X), doch die Ergebnisse sind bisher minimal.\u201c<\/p>\n<\/blockquote>\n\n\n\n

In j\u00fcngster Zeit haben mehrere Mitgliedstaaten \u201esichere\u201c Cloud-Konfigurationen gef\u00f6rdert, bei denen EU-eigene Infrastructure-as-a-Service-Anbieter mit der Distribution von Hyperscalern zusammenarbeiten, aber die Kontrolle \u00fcber sensible Elemente der Sicherheit und Verschl\u00fcsselung behalten (\u201esouver\u00e4ne Cloud\u201c-L\u00f6sungen).<\/p>\n\n\n\n

Die zweite Reihe von Empfehlungen ist der Schl\u00fcssel zur Schlie\u00dfung der Produktivit\u00e4tsl\u00fccke und f\u00f6rdert den Einsatz von KI in 10 strategischen Branchen:<\/p>\n\n\n\n

\n

Einf\u00fchrung eines „EU Vertical AI Priorities Plan“. Im Rahmen dieser Priorit\u00e4ten w\u00fcrde der Plan wichtige vertikale KI-Modelle in allen Industriesektoren finanzieren, die auf der gemeinsamen Nutzung von EU-Daten beruhen und vor der Durchsetzung von Kartellen in zehn strategischen Branchen gesch\u00fctzt sind, in denen das europ\u00e4ische Know-how und die Wertsch\u00f6pfung gesch\u00fctzt werden sollten: Automobilindustrie und Mobilit\u00e4tsplattform, fortschrittliche Fertigung und Robotik, Energie sowohl f\u00fcr die Netzoptimierung als auch f\u00fcr die Produktion und Integration von Quellen, Telekommunikationsnetze, einschlie\u00dflich Edge Computing und IoT, Landwirtschaft, einschlie\u00dflich weltraumgest\u00fctzter Erdbeobachtungsdaten, Luft- und Raumfahrt, Verteidigung, Umweltvorhersage, Pharmazie und Gesundheitswesen.<\/p>\n<\/blockquote>\n\n\n\n

Die Wertsch\u00f6pfungskette der gemeinsamen Nutzung von Daten als Grundlage f\u00fcr die KI-Wettbewerbsf\u00e4higkeit<\/strong><\/h2>\n\n\n\n

KI ist – wie digitale Technologie im Allgemeinen – kein Selbstzweck, sondern ein Motor f\u00fcr die Wettbewerbsf\u00e4higkeit. Daher ist es sinnvoll, typische Anwendungsf\u00e4lle der industriellen KI zu unterscheiden:<\/p>\n\n\n\n

1 \u2014 Nutzung von KI-basierten digitalen Dienstleistungen<\/strong><\/h4>\n\n\n\n

Industrieunternehmen nehmen in diesem Fall „nur“ digitale\/intelligente Dienste in Anspruch, die von Softwareanbietern usw. bereitgestellt werden und KI (sowohl pr\u00e4diktive als auch generative KI) nutzen. Beispiele lassen sich in verschiedenen Bereichen finden, z. B. KI-gest\u00fctzte Sensordienste, Dienste zur Sch\u00e4tzung der Ankunftszeit in der Logistik usw.<\/p>\n\n\n\n

2 \u2014 Nutzung von pr\u00e4diktiver KI f\u00fcr eigene digitale\/intelligente Dienste der Industrie<\/strong><\/h4>\n\n\n\n

Industrieunternehmen nutzen eigene und\/oder Kundendaten, um ihren Kunden einen digitalen Dienst anzubieten. Ein Beispiel ist die vorausschauende Wartung oder Zustands\u00fcberwachung, die auf Daten zur\u00fcckgreift, die bei der Nutzung eines Produkts des jeweiligen Industrieunternehmens anfallen. Private Unternehmen (Kunden) geben also ihre Daten weiter, um von besseren digitalen Diensten zu profitieren. Wenn Kundendaten f\u00fcr digitale\/intelligente Dienste verwendet werden, gilt das Europ\u00e4ische Datenschutzgesetz, das die Rechte des Dateninhabers regelt.<\/p>\n\n\n\n

3 \u2014 Einsatz von generativer KI in einem Industrieunternehmen<\/strong><\/h4>\n\n\n\n

T\u00e4tigkeiten in Gesch\u00e4ftsprozessen wie Beschaffung, Buchhaltung, Marketing usw. k\u00f6nnen durch gro\u00dfe Sprachmodelle (LLM) beschleunigt und automatisiert werden. Die Mehrheit der LLMs ist im Besitz au\u00dfereurop\u00e4ischer KI-Unternehmen.<\/p>\n\n\n\n

4 \u2014 Anreicherung generativer KI durch ein Industrieunternehmen<\/strong><\/h4>\n\n\n\n

In diesem Fall nutzen Industrieunternehmen nicht nur einfach LLMs, sondern setzen Technologien wie RAG (retrieval augmented generation) ein, um LLMs durch private Daten „anzureichern“. Dieser Ansatz steigert die Leistung des LLMs. Die Bewertung gemeinsam genutzter Daten ist notwendig, da es sonst keinen Anreiz f\u00fcr ein Privatunternehmen g\u00e4be, seine Daten in einen LLM einzubringen. <\/p>\n\n\n\n

5 \u2014 Gemeinsam genutzte industrielle Basismodelle\/LLM<\/strong><\/h4>\n\n\n\n

In diesem Fall teilen mehrere private Unternehmen ihre Daten, um gemeinsam ein Basismodell\/LLM zu trainieren und\/oder fein abzustimmen. Uns ist kein einziger produktiver Fall dieser Art in der Praxis bekannt. Intermedi\u00e4re, die die gemeinsame Nutzung von Daten erleichtern, fallen unter das europ\u00e4ische Gesetz \u00fcber die Datenverwaltung, um ein Datenpooling auf Kosten der Inhaber der Datenrechte zu verhindern.<\/p>\n\n\n\n

Um Abh\u00e4ngigkeiten zu verringern und die Wettbewerbsf\u00e4higkeit zu steigern, m\u00fcssen Unternehmen und politische Entscheidungstr\u00e4ger die zugrunde liegende Wertsch\u00f6pfungskette der gemeinsamen Datennutzung verstehen, die die traditionelle Daten- und KI-Wertsch\u00f6pfungskette \u2212 bestehend aus dem Sammeln\/Erstellen, der Kuratierung, der Anreicherung, der Speicherung, der Verteilung und der anschlie\u00dfenden Nutzung der Daten zum Trainieren von KI-Modellen \u2212 um den Begriff der gemeinsamen Nutzung erweitert. Es ist eine Tatsache, dass in Europa kein einzelner Akteur \u00fcber alle Ressourcen verf\u00fcgt, die f\u00fcr die gesamte Wertsch\u00f6pfungskette der gemeinsamen Nutzung von Daten erforderlich sind (z. B. Recheninfrastruktur, Daten, Vertrauen usw.). <\/p>\n\n\n\n

Im hochdynamischen KI-\u00d6kosystem ist es auch von strategischer Bedeutung, zu entscheiden, wo Ressourcen zugewiesen werden sollten. Sollte der Fokus auf der Entwicklung leistungsstarker, allgemeiner Foundation-Modelle liegen oder eher auf der Feinabstimmung und \u201eAnpassung\u201c vorhandener Open-Source-Modelle? Diese Frage k\u00f6nnte angesichts der k\u00fcrzlichen Ank\u00fcndigung von DeepSeek R1 nicht relevanter sein.<\/p>\n\n\n\n

Die Community diskutiert noch die entscheidenden Faktoren, die DeepSeek R1 im Vergleich zu Alternativen \u00fcberlegen machen, wie etwa h\u00f6here Datenqualit\u00e4t, effizienterer Kurationsprozess, der Einsatz von Reinforcement Learning, die \u201eDistillation\u201c in kleinere Modelle…<\/p>\n\n\n\n

Es ist eine Tatsache, dass in Europa kein einzelner Akteur \u00fcber alle Ressourcen verf\u00fcgt, die f\u00fcr die gesamte Wertsch\u00f6pfungskette der gemeinsamen Nutzung von Daten erforderlich sind (z. B. Recheninfrastruktur, Daten, Vertrauen usw.).<\/p>Boris Otto und Hubert Tardieu<\/cite><\/blockquote><\/figure>\n\n\n\n

In jedem Fall l\u00e4sst sich beobachten, dass Hugging Face mit Open-R1 eine vollst\u00e4ndige Reproduktion von DeepSeek R1 anbietet, um die Wiederverwendung des Grundmodells und den Aufbau eines spezialisierten Industriemodells darauf zu erleichtern <\/span>3<\/sup><\/a><\/span><\/span>.<\/p>\n\n\n\n

Vor diesem Hintergrund sollten europ\u00e4ische KI-Champions wie Mistral AI in Frankreich und Aleph Alpha in Deutschland nun in Erw\u00e4gung ziehen, sich auf die oben beschriebenen Anwendungsf\u00e4lle 4 und 5 zu konzentrieren und somit ein bestehendes, offenes, allgemeines Foundation-Modell zu nutzen und den Fokus auf wertsch\u00f6pfende, branchenspezifische Feinabstimmungs- und Erweiterungsans\u00e4tze zu legen. Diese Strategie wird weiter unterst\u00fctzt durch die Tatsache, dass auch mittelgro\u00dfe Modelle in Europa entwickelt werden k\u00f6nnen, wie am Beispiel von Teuken 7B gezeigt <\/span>4<\/sup><\/a><\/span><\/span>.<\/p>\n\n\n\n

Die Fokussierung auf nachgelagerte, wertsch\u00f6pfende Teile der Daten- und KI-Wertsch\u00f6pfungskette \u00e4hnelt vielen Beispielen von Datenaustausch-\u00d6kosystemen, die auf der Infrastruktur nicht-europ\u00e4ischer Cloud-Diensteanbieter basieren, jedoch den Datenschutz und die Datensouver\u00e4nit\u00e4t durch ein regulatorisches Rahmenwerk und offene Industriestandards (wie das IDSA Dataspace Protocol <\/span>5<\/sup><\/a><\/span><\/span> und das Gaia-X Trust Framework <\/span>6<\/sup><\/a><\/span><\/span>). <\/p>\n\n\n\n

Sowohl die Datenverarbeitungsinfrastruktur als auch der oft zitierte „Datenschatz“ sind auf viele verschiedene Organisationen, sowohl private als auch \u00f6ffentliche, verteilt. Zur Erleichterung gemeinsamer Basismodelle m\u00fcssen daher die gleichen Anforderungen erf\u00fcllt werden wie f\u00fcr die EU-Datenwirtschaft im Allgemeinen, d. h. Vertrauen, Datenhoheit, R\u00fcckverfolgbarkeit von Daten, Wirtschaftlichkeit von Daten usw. Dies sind genau die Anforderungen, die im Mittelpunkt der aktuellen Europ\u00e4ischen Datenstrategie stehen und die daher auch in der Europ\u00e4ischen Datenunion und dem \u201eEU Vertical AI Priorities Plan\u201c erf\u00fcllt werden m\u00fcssen.<\/p>\n\n\n\n

Dar\u00fcber hinaus sehen sich die innovativsten Datenr\u00e4ume, wie etwa Catena-X in der Automobilindustrie, mehr und mehr mit der Herausforderung der Dateninteroperabilit\u00e4t konfrontiert. Datenr\u00e4ume verlangen nicht, dass bereits im Voraus eine gemeinsame Datendefinition von allen Teilnehmenden des Datenraums angenommen wird; um eine solche Ontologie <\/span>7<\/sup><\/a><\/span><\/span> nicht zur Voraussetzung zu machen, haben sich Datenr\u00e4ume zun\u00e4chst darauf konzentriert, sich auf gemeinsame Datendefinitionen f\u00fcr jeden ihrer Hauptanwendungsf\u00e4lle zu einigen; in einer zweiten Phase m\u00fcssen sie diese Definitionen durch den Einsatz generativer KI und bestehender LLM harmonisieren, die mit dem Katalog der von den einzelnen Partnern des Datenraums verwendeten Daten abgestimmt sind. Dann werden verwendbare Datens\u00e4tze der Industrie verf\u00fcgbar sein, um neue KI-Anwendungen mit Qualit\u00e4tsdaten zu f\u00fcttern, die mit Zustimmung der Dateninhaber gewonnen wurden.<\/p>\n\n\n\n

Die KI-Wettbewerbsf\u00e4higkeit in Europa kann also nur gesteigert werden, wenn die Investitionen in gemeinsame europ\u00e4ische Datenr\u00e4ume und der Rechtsrahmen f\u00fcr die Datenwirtschaft optimal genutzt werden.<\/p>\n\n\n\n

Aktueller Stand der gemeinsamen europ\u00e4ischen Datenr\u00e4ume<\/strong><\/h2>\n\n\n\n

In den letzten vier Jahren haben die europ\u00e4ischen Mitgliedstaaten und die Europ\u00e4ische Kommission unter Nutzung des nach der Coronapandemie aufgelegten \u201eRecovery and Resilience Facility Fund\u201d (RRF) bereits betr\u00e4chtliche Ressourcen f\u00fcr die Schaffung von Datenr\u00e4umen bereitgestellt. Die nachstehende Tabelle zeigt eine Momentaufnahme des Finanzierungsportfolios auf europ\u00e4ischer und mitgliedstaatlicher Ebene.<\/p>\n\n\n\n

<\/p>\n\n\n\n

W\u00e4hrend die Bedeutung der gemeinsamen Nutzung von Daten in den meisten europ\u00e4ischen L\u00e4ndern inzwischen gut verstanden wird, erwarten die europ\u00e4ischen Regierungen, die die ersten Datenr\u00e4ume \u2212 in Deutschland seit 2019 und in Frankreich seit 2021 \u2212 finanzieren, eine Rendite ihrer Investitionen. Da die technologische Grundlage der Datenr\u00e4ume konvergiert, muss der Schwerpunkt der gemeinsamen Anstrengungen nun auf der \u00dcbernahme, Wertsch\u00f6pfung und Erfassung der gemeinsam genutzten Daten liegen. Die Technologie ist dabei die zwingende Voraussetzung f\u00fcr den Erfolg, die Wirtschaft hingegen ist die hinreichende Voraussetzung.<\/p>\n\n\n\n

Die Gemeinschaft braucht Unterst\u00fctzung, wie j\u00fcngste Beispiele zeigen. Der im Jahr 2020 gegr\u00fcndete AgDataHub <\/span>8<\/sup><\/a><\/span><\/span> wurde beispielsweise im November 2024 eingestellt, da sein Wirtschaftsmodell trotz 85 000 angeschlossener Landwirte und starker Unterst\u00fctzung durch die Landwirtschaftsverb\u00e4nde nicht in der Lage war, kostendeckend zu arbeiten. Die wichtigsten Anwendungsf\u00e4lle von AgDataHub konzentrierten sich auf die vertrauensw\u00fcrdige Identit\u00e4t der Landwirte, um den Austausch von Verwaltungsdaten mit Beh\u00f6rden zu erleichtern, sowie auf die R\u00fcckverfolgbarkeit von Lebensmitteln und die Tiergenetik \u2212 alles Anwendungsf\u00e4lle, die f\u00fcr die Landwirtschaft in Europa nach wie vor von gro\u00dfer strategischer Bedeutung sind.<\/p>\n\n\n\n

Das Data Spaces Support Centre (DSSC) bietet zahlreiche Instrumente an, die Datenr\u00e4ume auf ihrem Weg zur erfolgreichen Einf\u00fchrung unterst\u00fctzen (z. B. „Business and organizational building blocks“ und die „Co-Creation Method“) <\/span>9<\/sup><\/a><\/span><\/span>. Dar\u00fcber hinaus wurden in einem Projekt des Gaia-X-Instituts \u00fcber die Wirtschaftlichkeit der gemeinsamen Nutzung von Daten vier Reifegrade definiert, die durchlaufen werden m\u00fcssen, um die Vorteile eines sich selbst tragenden Datenraums zu erhalten. Dar\u00fcber hinaus legt das vorgeschlagene Modell <\/span>10<\/sup><\/a><\/span><\/span> fest, dass ein gemeinsam vereinbarter Satz von Anwendungsf\u00e4llen eine Voraussetzung f\u00fcr das Erreichen der Reifegrade ist.<\/p>\n\n\n\n

Drei Beispiele aus den zehn strategischen Sektoren, die Mario Draghi in seinem Bericht ausgew\u00e4hlt hat, sollen den Weg in die Zukunft veranschaulichen.<\/p>\n\n\n\n

Die Luft- und Raumfahrt<\/h4>\n\n\n\n

Die Luft- und Raumfahrt steht vor einer doppelten Herausforderung: (1) einer Nachfrage nach Flugzeugen, die einem Portfolio von 8000 Flugzeugen oder einer Produktionsdauer von 10 Jahren entspricht, (2) einer f\u00fcr die n\u00e4chsten 30 Jahre erwarteten umfassenden Umgestaltung, um kohlenstoffarme Flugzeuge herzustellen. Daher wird der Hauptanwendungsfall des in diesem Jahr anlaufenden bedeutenden europ\u00e4ischen Luft- und Raumfahrtprojekts, die Lieferkette betreffen, wobei die wichtigsten Flugzeughersteller und ihre Zulieferer in der Lage sein werden, einen gemeinsamen Datenraum zu nutzen, um die Beschaffung von Teilen zu optimieren und Risiken zu verringern. Eine erste Implementierung mit dem Namen BoostAeroSpace <\/span>11<\/sup><\/a><\/span><\/span> wurde vor zw\u00f6lf Jahren gestartet und umfasst vier gro\u00dfe Hersteller in Frankreich: Airbus, Safran, Dassault und Thal\u00e8s. Sie wurden hiermit in die Lage versetzt, den Gro\u00dfteil ihrer Teile gemeinsam zu beschaffen; es dauerte fast acht Jahre, bis das System seine wirtschaftliche Tragf\u00e4higkeit erreichte. Der neue Datenraum wird die funktionale Reichweite von BoostAeroSpace auf die gemeinsame Produktentwicklung und die Einhaltung von Exportbestimmungen ausweiten.<\/p>\n\n\n\n

Der Energiesektor<\/h4>\n\n\n\n

Der Energiesektor wird von der gemeinsamen Nutzung von Daten profitieren \u2212 sowohl f\u00fcr die Optimierung der Energieverteilung, wie sie mit intelligenten Z\u00e4hlern bereits begonnen hat, als auch f\u00fcr die Produktion und insbesondere f\u00fcr die Kernenergieproduktion. Nur einige der Mitgliedstaaten in Europa sind daran beteiligt, wobei Frankreich besonders am Bau von mindestens sechs neuen Reaktoren (EPR2) interessiert ist. Wie in der Luft- und Raumfahrt ist die Lieferkette der kritische Anwendungsfall: Es sind mehr als 1500 Unternehmen beteiligt, um das gro\u00dfe Ziel zu erreichen, die Bauzeit eines neuen Reaktors auf 70 Monate zu reduzieren, w\u00e4hrend sie in China bereits bei 60 Monaten liegt.<\/p>\n\n\n\n

Die Fertigungsindustrie<\/h4>\n\n\n\n

Im Bereich der Fertigungsindustrie <\/strong>hat Deutschland k\u00fcrzlich die internationale Manufacturing-X-Initiative (IM-X) ins Leben gerufen, um die Wettbewerbsf\u00e4higkeit, Widerstandsf\u00e4higkeit und Nachhaltigkeit der deutschen, europ\u00e4ischen und globalen Fertigungsindustrie durch industrielle Daten\u00f6kosysteme zu verbessern. Als Manufacturing-X-Leuchtturmprojekt konzentriert sich Factory-X <\/span>12<\/sup><\/a><\/span><\/span> auf 11 spezielle Anwendungsf\u00e4lle, die darauf abzielen, sowohl horizontale als auch vertikale Aspekte der Lieferkette innerhalb industrieller Abl\u00e4ufe zu verbessern und zu integrieren. Diese Anwendungsf\u00e4lle sollen die bestehenden, auf die Lieferkette ausgerichteten L\u00f6sungen, die von Catena-X entwickelt wurden, erweitern, wobei der Schwerpunkt auf der vertikalen Integration liegt, die den Betrieb in der Fertigung direkt verbindet und optimiert. Das Konsortium wird von den beiden gr\u00f6\u00dften Verfechtern von Industrie 4.0 geleitet: der Siemens AG und SAP, die seit Jahren die Automatisierung von Lieferketten und Fabriken vorantreiben.<\/p>\n\n\n\n

\n

Wie im Draghi-Bericht zu Recht erw\u00e4hnt, wurden im Laufe der Zeit mehrere EU-Industrieallianzen f\u00fcr Cloud-basierte Technologien und Datenaustausch mit unterschiedlichen Aufgaben (Androm\u00e8de, Gaia-X, Catena-X) gegr\u00fcndet; alle neuen Datenr\u00e4ume st\u00fctzen sich auf die von Gaia-X geschaffenen Grundlagen und die Vorreiterrolle von Catena-X, das seit Oktober 2023 in Betrieb ist. Von Europa vorangetriebene Initiativen in den Bereichen Luftfahrt, Kernenergie und Fertigung werden die verteilte technische Architektur und den Vertrauensrahmen wiederverwenden, um die Lieferkette und die Entwicklung neuer Produkte in den n\u00e4chsten 3 bis 5 Jahren zu koordinieren.<\/p>\n<\/blockquote>\n\n\n\n

Die Neugr\u00fcndung einer europ\u00e4ischen Cloud-Industrie, die mit den Hyperscalern konkurrieren soll, ist nicht mehr die bevorzugte Option, und wie in Draghis Bericht <\/span>13<\/sup><\/a><\/span><\/span> erw\u00e4hnt, wurde ein Mittelweg gefunden:<\/p>\n\n\n\n

Die verschiedenen Branchen Luftfahrt, Energie und Automobil haben ihre Anforderungen in Bezug auf Interoperabilit\u00e4t und Souver\u00e4nit\u00e4t definiert, die in freiwillige G\u00fctesiegel von 1 bis 3 eingeflossen sind. Diese G\u00fctesiegel werden von den Akteuren der Luftfahrt, der Energie und der Automobilbranche verwendet, um ihre Anforderungen an die Anbieter von Cloud-Diensten zu stellen, die ihre Dienste f\u00fcr den Datenaustausch anbieten. Da es f\u00fcr die Nutzer schwierig ist, die Konformit\u00e4t der Cloud-Dienste mit den G\u00fctesiegeln zu \u00fcberpr\u00fcfen, hat Gaia-X Clearingstellen eingerichtet (eine oder zwei in jedem Land), die die Konformit\u00e4t der Cloud-Dienste mit den G\u00fctesiegeln best\u00e4tigen.<\/p>\n\n\n\n

Die bisherige Europ\u00e4ische Kommission (Dezember 2019 bis Dezember 2024) hat sich nach der Festlegung ihrer Datenstrategie klugerweise auf die Einf\u00fchrung der neuen Verordnung konzentriert und es Industrieverb\u00e4nden wie Gaia-X \u00fcberlassen, die besten Optionen in Bezug auf Architektur, Standards und Labels zu entwickeln.<\/p>\n\n\n\n

Es wurden zwei Verordnungen erlassen, die mehrere Aspekte abdecken, von denen zwei besonders wichtig f\u00fcr die Schaffung erfolgreicher Datenr\u00e4ume sind:<\/p>\n\n\n\n