Der Anteil der Software am Verkaufswert nimmt enorm zu
Das Design des Exterieurs und Interieurs, die Motorisierung und der Komfort eines Fahrzeugs gelten vielen Kaufinteressenten als wichtige Entscheidungskriterien für den Kauf eines Neu- oder Gebrauchtwagens. Während elektronische Komponenten bereits seit mehreren Jahrzehnten feste Bestandteile sind, nahm der Anteil von Software am Verkaufswert eines Fahrzeugs in Form von Fahrassistenz-, Infotainment- und weiteren Systemen erst mit der Jahrtausendwende enorm zu.
Damit sind auch die Möglichkeiten gestiegen, die beim Fahren erzeugten Sensordaten schon im Fahrzeug zu verarbeiten, zu sammeln und im Rahmen von individueller Kundenzustimmung an den Hersteller zu übertragen. Insbesondere durch die starke Weiterentwicklung von Advanced Driver Assistance Systems (ADAS) hat die Anzahl und Qualität von verbauten Sensoren im Fahrzeug stark zugenommen. Parallel vergrößert sich der bisher auf Fahrzeug und Insassenkomfort fokussierte Anwendungsbereich deutlich. Die dabei erzeugten Daten bieten nun eine Chance, weitere Alleinstellungsmerkmale zu generieren und Wettbewerbsvorteile zu sichern.
Damit sind auch die Möglichkeiten gestiegen, die beim Fahren erzeugten Sensordaten schon im Fahrzeug zu verarbeiten, zu sammeln und im Rahmen von individueller Kundenzustimmung an den Hersteller zu übertragen. Insbesondere durch die starke Weiterentwicklung von Advanced Driver Assistance Systems (ADAS) hat die Anzahl und Qualität von verbauten Sensoren im Fahrzeug stark zugenommen. Parallel vergrößert sich der bisher auf Fahrzeug und Insassenkomfort fokussierte Anwendungsbereich deutlich. Die dabei erzeugten Daten bieten nun eine Chance, weitere Alleinstellungsmerkmale zu generieren und Wettbewerbsvorteile zu sichern.
Flottendatensensor und daraus abgeleitete Datenprodukte
Durch die Vernetzung einer ganzen Fahrzeugflotte können Informationen über Wetter-, Straßen- und Verkehrsbedingungen fast in Echtzeit abgeleitet und kommuniziert werden. Dies kann der Qualitätssicherung von verbauten Komponenten und Assistenzsystemen dienen, der Planung der zeitkürzesten Route oder auch, um auf Gefahrenstellen hinzuweisen wie bspw. eine nicht abgesicherte Unfallstelle oder vereiste Straßen. Dies erhöht die Sicherheit im Straßenverkehr und bereitet u.a. auch dem hochautomatisierten und autonomen Fahren den Weg. Somit dienen die gesammelten Daten nicht nur der eigenen Innovationskraft in Bereichen wie Qualitätssicherung und Kundenservices, sondern bieten auch die Möglichkeit, die Erkenntnisse in Form von Datenprodukten anderen Unternehmen anzubieten.
Abb. 1 : Auszug Verkehrsschilder im Zentrum Berlins
Abb. 1 : Auszug Verkehrsschilder im Zentrum Berlins
Die Applikationen, die ein solches Datenprodukt bereitstellen, erfordern den Einsatz von Data-Science-Methoden und Verfahren des maschinellen Lernens, um riesige Mengen Daten in naher Echtzeit untersuchen, aggregieren, klassifizieren und (um) Anomalien identifizieren zu können. Hierbei ist sowohl technisch-methodisches Wissen relevant als auch ein tiefes Verständnis für die jeweilige Domäne.
Abb. 2 : Extrakt Baustelleninfo Deutschland
Generell spielt die Modularisierung und Integration einzelner Datenprodukte eine große Rolle. Meist gilt das Interesse der Abnehmer nur einzelnen Datenprodukten, aber zunehmend werden verschiedene Datenprodukte (auch unterschiedlicher Anbieter) zu einem neuen Produkt kombiniert, um weitere Informationen abzuleiten. Hierbei ist Fingerspitzengefühl für gutes Produktdesign im Spannungsfeld aus Vollständigkeit und Datenschutz erforderlich. Neben allen Herausforderungen bedeutet das Thema aber vor allem Chancen für Automobilhersteller, sich als Anbieter von Datenprodukten in neuen Märkten zu platzieren. Zu den potenziellen externen Abnehmern gehören Städte und Gemeinden, öffentliche Einrichtungen, Karten- und Wetterdienste, Logistikunternehmen, Startups und viele andere.
Erfolgsfaktoren bei der Bereitstellung von Datenprodukten
Bei der Entwicklung und dem Betrieb von Datenprodukten gibt es eine Vielzahl an Faktoren, die sich aus unserer Sicht als erfolgskritisch erwiesen haben. Diese gilt es für interne wie externe Abnehmer gleichermaßen zu beachten:
- Verarbeitungsgeschwindigkeit: In vielen Situationen ist eine Bereitstellung der Daten mit minimaler Verzögerung essenziell für den Wert des Datenprodukts. Eine echtzeitfähige Streaming-Architektur ist dabei unabdingbar.
- Genauigkeit/Präzision: Aggregierte Größen wie z.B. die Signalposition müssen möglichst genau sein, um den fachlichen Anforderungen der Konsumentensysteme gerecht zu werden.
- Verfügbarkeit: Das Datenprodukt muss mit sehr hoher Verfügbarkeit und häufig historisch versioniert abrufbar sein.
- Flexibilität: Durch das dynamische Zusammenspiel von Entwicklung, wechselnden Kundenanforderungen und rechtlichen Vorgaben ist Flexibilität an vielen Stellen unabdingbar. Dazu gehören insbesondere die Datenorganisation und Bereitstellung in verschiedenen Endformaten, aber auch dynamische Datenabfragen im Fahrzeug und letztlich Softwareupdates over-the-air, um die existierende Flotte für die Datenabfragen von morgen zu befähigen.
- Robustheit: Das Datenprodukt muss mit Fehlern in den Eingangsdaten umgehen können und deren Auswirkungen auf das Ergebnis minimieren. Das heißt der korrekte Umgang mit Anomalien bspw. durch statistische Verfahren und maschinelles Lernen ist ein Schlüssel zur Verbesserung der Datenqualität.
- Entwicklungseffizienz: Nur ein hochautomatisiert bereitstellbares Datenprodukt kann zu einer vorteilhaften Marktpositionierung führen. Schlanke DevOps-Entwicklungsprozesse, native on-demand Cloudressourcen in Verbindung mit moderner Datenverarbeitungssoftware sparen Geld.
- Technologien: Erst durch die Nutzung neuester Technologien in den Bereichen Echtzeitdatenverarbeitung, Parallelisierung, maschinelles Lernen, Datenspeicher, Datenbanken, etc. kann der volle Mehrwert eines Datenprodukts ausgeschöpft werden.
- Cloud: Die Verfügbarkeit von Cloudtechnologien und Cloudplattformen ermöglicht die Fusion verschiedenster Datenquellen und eine effiziente und kostengünstige Datenverarbeitung sowie die Bereitstellung des Ergebnisses für eine Vielzahl von Abnehmern.
- Datenschutz: Ohne Kundenzustimmung dürfen die gesammelten Daten weder intern für Entwicklung noch extern für Datenprodukte verwendet werden. Die konsequente Umsetzung von Privacy-by-Design in allen Prozessschritten ermöglicht einfache Kundeninformation und korrekte Verarbeitung der Daten unter Einhaltung der DSGVO und weiterer Datenschutz-Bestimmungen.
Die IT-, Automotive- und Datenexpertinnen und -experten der msg
Die msg-Gruppe verfügt über tiefgreifendes IT- und Branchen-Know-how. Experten in den Bereichen Softwareentwicklung, Cloudtechnologien/-plattformen, Data Science und Artificial Intelligence unterstützen unsere Kunden bei der Identifikation von Datenprodukten, der Evaluierung von Marktchancen, sowie bei dem gesamten Prozess von der Entwicklung bis zur Produktivsetzung eines Datenprodukts. Dabei stehen wir für Sie von der Beratung, Konzeption, fachlichen Spezifikation über die Umsetzung von IT-Systemen bis zum Betrieb und der Wartung zur Verfügung.
