Zusammenfassung
Die Qualität von Daten sowie die darauf angewandten Transformationen und Berechnungen sind maßgebend für die Qualität der Entscheidungen, die auf ihrer Basis getroffen werden. Auf Seiten potenzieller Nutzender gibt es derzeit immer noch kein ausreichendes Vertrauen in datenbasierte Lösungen. Dies gilt besonders für sicherheitskritische Anwendungen oder Anwendungen im Gesundheitsbereich. In diesem Buchteil werden ausgewählte Lösungsansätze vorgestellt, um die Qualität datenbasierter Dienste und Produkte sicherzustellen beziehungsweise nachzuweisen und so das Vertrauen in diese Angebote zu stärken.
You have full access to this open access chapter, Download chapter PDF
Similar content being viewed by others
Entscheidungen, die auf Grundlage von Daten getroffen werden, können immer nur so gut sein, wie die zu Grunde liegenden Daten und die darauf angewandten Transformationen und Berechnungen. In vielen Bereichen, insbesondere bei sicherheitskritischen Anwendungen oder Anwendungen im Gesundheitsbereich scheuen sich potenzielle Nutzende, datenbasierte Lösungen einzusetzen: Sie haben kein ausreichendes Vertrauen in digitale Lösungen.
Im folgenden Buchteil werden Lösungsansätze vorgestellt, um die Qualität datenbasierter Dienste und Produkte sicherzustellen sowie nachzuweisen und so Vertrauen in diese Angebote zu stärken. Die Themenkomplexe der erklärbaren Künstlichen Intelligenz (Explainable AI) und der Zertifizierung von KI wurden bewusst ausgeklammert, da sie durch besondere Herausforderungen charakterisiert sind, die den Umfang einer eigenen Abhandlung erfordern.
Der Beitrag Unternehmensdaten – Informationen aus gewachsenen, komplexen Systemen herausarbeiten von Philipp Schlunder und Fabian Temme nimmt sich der wichtigen und schwierigen Herausforderung an, eine funktionierende Datenpipeline mit aussagekräftigen Daten bei Unternehmen aufzusetzen, die den digitalen Wandel noch nicht vollständig vollzogen haben. Die Autoren berichten aus ihrer Berufserfahrung als KI-Dienstleister und als Mitarbeitende der Forschungsprojekte DaPro sowie IIP-Ecosphere. Sie thematisieren insbesondere das organisatorische Vorgehen bei Datenwertschöpfungsprojekten sowie die Interaktion mit (KMU-)Kunden. Der Beitrag bietet konkrete, praxisnahe Lösungsansätze für Herausforderungen bei der Umsetzung von Datenwertschöpfungsprojekten, die über das hinaus gehen, was technische Leitfäden abzudecken vermögen.
Der Beitrag Datenqualitätssicherung entlang der Datenwertschöpfungskette im Industriekontext von Jochen Saßmannshausen und Philipp Marcel Schäfer stellt eine Auswahl von in der Entwicklung begriffenen technischen Ansätzen des Forschungsprojekts GEMIMEG-II vor, die die Zuverlässigkeit von Datentechnologien in einem Industrie-4.0-Kontext sicherstellen sollen: Digitalisierung der Sensorkalibrierung, sicheres Identitätsmanagement bei der Orchestrierung verteilter Verarbeitungsschritte und Digital Ledger Technologien (DLT) für die verteilte Datenhaltung.
Der Beitrag Nationale und internationale Standardisierung und Zertifizierung von Datendiensten von Axel Mangelsdorf, Stephanie Demirci und Tarek Besold stellt den Normungs- und Regulierungsrahmen sowie die wichtigsten Normungsaktivitäten für Datentechnologien vor. In dem Beitrag wird zudem dargelegt, wie, wann und warum erforderliche oder freiwillige Zertifizierungen der Akzeptanzschaffung dienen. Anhand des Beispiels eines im Rahmen des Förderprojekts Telemed5000 entwickelten datenbasierten Medizinprodukts wird beschrieben, wie die Zertifizierung im Produktlebenszyklus mitberücksichtigt werden kann.
Die drei Beiträge repräsentieren somit unterschiedliche, komplementäre Ansätze, Vertrauen in Daten und datenbasierte Dienste und Produkte sicherzustellen.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Open Access Dieses Kapitel wird unter der Creative Commons Namensnennung 4.0 International Lizenz (http://creativecommons.org/licenses/by/4.0/deed.de) veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.
Die in diesem Kapitel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen.
Copyright information
© 2022 Der/die Autor(en)
About this chapter
Cite this chapter
Rohde, M., Wittenbrink, N. (2022). Einleitung: Vertrauen in Daten. In: Rohde, M., Bürger, M., Peneva, K., Mock, J. (eds) Datenwirtschaft und Datentechnologie. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-65232-9_16
Download citation
DOI: https://doi.org/10.1007/978-3-662-65232-9_16
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-65231-2
Online ISBN: 978-3-662-65232-9
eBook Packages: Computer Science and Engineering (German Language)