Future Data Assets

Förderung: Bundesministerium für Wirtschaft and Energie (BMWi)
Projektlaufzeit: August 2019 - Juli 2022 (36 Monate)

Ziel des Projektes ist die Intelligente Datenbilanzierung zur Ermittlung des unternehmerischen Datenkapitals.

Motivation

Im deutschen Mittelstand in KMU bzw. anlagen-, ressourcen- und, kapitalintensiven Betrieben bestehen große Hemmnisse für Investitionen in die digitale Transformation, gekennzeichnet vor allem durch einen Mangel an Budget, Vertrauen und Know-how zur Beurteilung von digitalen Technologien und Datenpotenzialen.Die digitale Transformation erfordert jedoch auf allen Unternehmensebenen zusätzliche Investitionen in Sachkapital, Software sowie Aus- und Weiterbildung der Mitarbeiter. Hierzu existieren derzeit keine standardisierten, belastbaren Kennzahlen, die den wirtschaftlichen Erfolg von Investitionen in die digitale Transformation beziffern: Vorhandene und potenziell verfügbare Daten, die im Zuge der Investition in die digitale Transformation anfallen, werden nicht systematisch monetär bewertet und dem Management als Entscheidungshilfe zur Verfügung gestellt. Kaufmännische Bilanzkennzahlen gehören hingegen seit Jahrzehnten zum ökonomischen Bewertungsstandard.

Es existieren allerdings keine standardisierten Kenngrößen und Bewertungssystematiken, die die monetäre Sichtbarkeit der Potenziale und Aufwände, die durch die intelligente ökonomische Verwertung von Daten im Sinne eigenständiger Wirtschaftsgüter entstehen, adressieren. Gängige statische und dynamische Methoden zur Ableitung von Investitionsentscheidungen, wie etwa das Return-On-Investment oder die Kapitalwertmethode liefern Kennzahlen zum Verhältnis zwischen investiertem Kapital und (prognostizierten) Ein- und Auszahlungen.

Im Zuge von Investitionsprojekten in die digitale Transformation besteht für Projekte im Kontext der digitalen Transformation folgende Herausforderung: Die Investitionssumme kann zwar zumeist genau beziffert werden, Rückflüsse sind jedoch oft unklar, liegen weit in der Zukunft oder können nur in Kombination mit weiteren Projekten realisiert werden. Die Herausforderung besteht in erster Linie in der monetären Bewertung erzeugter digitaler Daten. Könnte den Daten, die ein Unternehmen hat oder zukünftig haben wird, ein monetärer Wert zugeordnet werden, würde dies viele Investitionsentscheidungen positiver ausfallen lassen.

Zielsetzung

Die Herausforderung besteht des Projektes besteht in der Entwicklung und Bereitstellung eines Tools zum standardisierten, stetig optimierten, automatisierten und an die einzelnen Unternehmensbranchen angepassten Datenreporting. Das Datenreporting bzw. die Inputparameter müssten aus Gründen der Verlässlichkeit zudem durch externe Instanzen prüfbar sein. Außerdem müssen die Nutzer einen sicheren, lokalen Zugriff auf das Datenbilanz-Tool haben.

fda_zielbild_nutzen.png

Das Ziel des Gesamtvorhabens besteht in der Entwicklung und Instanziierung einer Datenbilanz. Die Datenbilanz soll dem Reporting der unternehmerischen Fähigkeit der Datenbewirtschaftung dienen und damit eine Lücke im Hinblick auf die klassische Berichterstattung schließen. Die Datenbilanz als Reportinginstrument soll über zwei zentrale Eigenschaften verfügen: a. Datenbilanz-Lagebericht (Vergangenheitsorientierter Charakter): Innerhalb der Datenbilanz wird der Datenbestand eines Unternehmens für eine bestimmte Periode in der Vergangenheit ausgewiesen. b. Datenbilanz-Prognosebericht (Zukunftsorientierter Charakter): Es wird die Anwendung maschineller Lernverfahren untersucht, die Aufschluss über die potenzielle, zukünftige Datenbewirtschaftung eines Unternehmens geben.

Forschungsschwerpunkte

Zunächst wird aus betriebswirtschaftlicher Sicht untersucht, wie (1) der Datenbestand von Unternehmen monetär bewertet werden kann. Zu diesem Zweck werden zunächst Logiken zur monetären Bewertung von Daten entwickelt, evaluiert und validiert. Nach der Validierung der Bewertungslogiken sollen diese (2) in Machine Learning (ML)-Modelle überführt werden, welche die hinterlegten Normen und Standards in der Bewertung entsprechend ihrer Relevanz gewichten und transparent abbilden (vgl. Fairness, Accountability and Transparency in Machine Learning). Dadurch soll eine (semi-)automatisierte Bewertung von Datenbeständen ermöglicht werden, welche Wirtschaftsprüfer im Rahmen des Bewertungsprozesses unterstützt. Hierbei wird untersucht, wie (3) KI-Methoden so eingesetzt werden können, dass ihre Ergebnisse nachvollziehbar und transparent im Sinne einer Responsible AI sind. Außerdem (4) wird eine bestehende verteilte Plattform ohne zentrale Instanz zur Datenbilanz-Plattform weiterentwickelt. Die Plattform soll lokale Analysen im lokalen Ökosystem der Unternehmen ermöglichen und einen sicheren Austausch über Unternehmensgrenzen hinweg gewährleisten. Zusätzlich sollen plattformseitig Schnittstellen entwickelt und ggf. angepasst werden. Zudem wird die Plattform so vorbereitet, dass sie im Verlauf des Projektes optimiert und erweitert werden kann

Partner

atlantec.png rwth.png daarbi-uds.png
deloitte.png dmgmori.png kuraray.png