Beispiel eines internationalen Datentransfers. © HPE

Das Konzept sieht vor, alle erzeugten oder erworbenen Daten in einer separaten Architekturschicht, dem sogenannten Data Hub, zu bündeln. Sämtliche ‚Datenproduzenten‘ – von ERP-Systemen bis zu IoT-Geräten – speisen ihre Informationen in Echtzeit ein. ‚Datenkonsumenten‘ – ob Mensch oder Maschine – greifen von dort aus gezielt auf diese Informa-tionen zu.

Dieser datenzentrische Ansatz macht sämtliche Daten des Unternehmens übergreifend und einheitlich nutzbar. Regeln für den Umgang mit geistigen Eigentumsrechten, personenbezogenen Daten oder mit Daten, die spezielle Behandlung nach DSGVO oder Data Act erfordern, lassen sich automatisiert auf den kompletten Bestand anwenden. Auf das obige Beispielszenario angewendet, bedeutet das: Übermittelt die deutsche Fertigung des Automobilzulieferers ihre Konstruktionsunterlagen nach China, wird dafür regelbasiert ein Datensatz erzeugt, der alle Vorschriften für Datenschutz und ‚Intellectual Property Rights‘ (IPR) erfüllt.

Integration über Architektur hinaus

Der Autor: Stefan Brock ist Leiter des KI-Exzellenzzentrums bei Hewlett Packard Enterprise. © HPE

Die Einführung einer datenzentrischen IT-Architektur ist komplex, aber planbar. Designprinzipien unterstützen den schrittweisen Übergang. Früh sichtbare Teilerfolge fördern die Umsetzung. Nachhaltig ist der Wandel allerdings nur, wenn Datenzentriertheit nicht nur als Prinzip der IT-Architektur, sondern auch in Strategie, Organisation und Unternehmenskultur verankert wird.

Ein Werkzeug zur Orientierung ist das von Hewlett Packard Enterprise entwickelte fünfstufige Reifegradmodell, das strategische, organisatorische und technische Datenfähigkeiten bewertet. Industrieunternehmen in Deutschland erreichen darin im Durchschnitt einen Reifegrad von 2,6 auf einer Skala von 1 bis 5 – und liegen damit unter dem Mittelwert.

Echtzeit-Zugriff hält Lieferprozesse in Gang

Grenzüberschreitende Lieferungen hochwertiger Güter werden häufig verzögert, weil erforderliche Nachweise fehlen. Eine datenzentrische IT-Struktur erlaubt den Echtzeit-Zugriff auf Stücklisten, Pläne oder Herkunftsdokumente – und damit einen schnellen Nachweis der Regelkonformität. Verknüpft mit aktuellen Einfuhrbestimmungen lassen sich potenzielle Verstöße gegen Bestimmungen wie Embargo- oder Tracking-Regeln bereits bei der Auftragskonfiguration erkennen.

Mehr als nur Compliance

Die Einhaltung globaler Regularien ist ein zentrales Argument für eine datenzentrische IT-Struktur – aber nicht das einzige. Wer es schafft, die Mauern der Datensilos in Unternehmen zu schleifen, gewinnt Handlungsfreiheit für einen wertschöpfenden Einsatz von Daten. Ein Beispiel dafür ist das Erkennen von Zusammenhängen und Mustern aus Datentöpfen oder Datenströmen, wie es zum Beispiel das maschinelle Lernen oder der Einsatz von künstlicher Intelligenz erfordert. Das Muster soll erst erlernt werden und kann nachher in einen Einsatzfall münden – das Lernen setzt aber erst einmal die Offenheit des Datenzugriffs voraus.

Ein Beispiel: Mustererkennung durch maschinelles Lernen benötigt offenen Datenzugriff – unabhängig vom Ursprung der Daten. China setzt diese Erkenntnis bereits um: Die nationale Datenbehörde unterstützt eine datenzentrierte Ökonomie auf Basis moderner IT-Architekturen – ein Modell, von dem andere Wirtschaftsräume lernen können.