Daten erhalten ihre Bedeutung erst durch die Interpretation, d.h. durch die Umwandlung in Information und später Wissen und Können. Information muss sich, damit sie verwendet werden kann, in einen größeren Sinnzusammenhang/Kontext einfügen. Anderenfalls bleibt sie nutz- und wirkungslos und belastet nur die Verarbeitungs- und Speicherkapazität. Großer Aufwand ist dann nötig, um den “Informationsmüll” zu entsorgen bzw. um zu vergessen. Entscheidend ist die Qualität der Daten. Manipulierte, verfälschte oder schlechte Daten führen zu falschen Interpretationen, Entscheidungen und Handlungen. Aber selbst wenn die Daten alle nötigen Kriterien erfüllen, folgt daraus noch lange nicht, dass daraus die richtigen Entscheidungen und Handlungen resultieren.

Wie dem auch sei, ohne den richtigen Kontext sind Daten relativ nutzlos.

Die Autoren des Beitrags Vertrauenswürdiger Datenaustausch in Ökosystemen – Entwicklung eines Metamodells zur Trennung von Daten und Kontext, verfolgen das Ziel “Daten von deren nutzenstiftenden Kontext zu trennen, um (kontextlose) Daten austauschen zu können, ohne dabei geschäftsrelevante Informationen preiszugeben”. 

Für gewöhnlich werden sensible Daten verschlüsselt. Nur ein eng begrenzter Empfängerkreis hat darauf Zugriff. Jedoch, so die Autoren, sei die Verschlüsselung nicht in der Lage, zwischen Daten und Informationen zu trennen. Demnach kann hier zuviel, oder auch zu wenig, Kontext übermittelt werden.

Die Autoren veranschaulichen die Problematik an der Zusammenarbeit zwischen einem Baggerproduzenten, einem Logistiker und der Baufirma.

Um die Informationen bereitzustellen und die Dashboards zu ermöglichen, wird die interne Logistik des Baggerproduzenten digitalisiert, d.h. es werden digitale Abbilder von Flurförderfahrzeugen, Ladehilfsmitteln und dem Werksgelände geschaffen. Kontinuierlich generierte Zustandsdaten werden über offene, digitale Plattformstrukturen, die allen drei Unternehmen zur Verfügung stehen, bereitgestellt. Im Vorfeld wurden die reinen, objektbezogenen Zustandsdaten vom Konsortium als nicht geschäftsrelevant und damit nicht schützenswert eingestuft. Daher können sie allen beteiligten Unternehmen in Form digitaler Abbilder über offene Plattformstrukturen zur Verfügung gestellt werden.

Jedoch:

Ein Teil der Kontexte (z.B. Typ des Fahrzeugs, Nutzungszeit pro Tag, interne Verrechnungspreise) hingegen wurden von den Akteuren als geschäftsrelevant und damit schützenswert eingestuft. So verfügt jeder Partner über unterschiedliche Kontexte zu den Zustandsdaten und den Assets. Innerhalb des Konsortiums wird darüber diskutiert, welches Unternehmen welche Kontexte erhalten darf bzw. wie diese vergütet werden können. Mit Hilfe dieser Kontexte können die Zustandswerte zu Informationen angereichert werden. Darüber kann zum einen der eigene Informationsbedarf gedeckt werden, zum anderen können Services für andere Unternehmen innerhalb und außerhalb des Konsortiums angeboten werden. Aufgrund verschiedener Kontexte und verschiedener Unternehmensfähigkeiten können unterschiedliche Unternehmen unterschiedliche Services anbieten.

Die Autoren erläutern, was unter den jeweiligen Kontexten zu verstehen ist, wie datenbezogene oder unternehmensspezifische Kontexte:

• Datenbezogene Kontexte machen nähere Angaben zu den verfügbaren Daten. Sie ähneln technischen und betriebswirtschaftlichen Metadaten und beschreiben oft Datenqualitätsaspekte. Beispiele sind die Maßeinheit (z. B. Gewicht in kg) oder den Zeitpunkt der letzten Aktualisierung bzw. die Updatehäufigkeit.

• Unternehmensspezifische Kontexte sind Daten, die nicht mit anderen Partnern geteilt werden, z. B. Angaben zu internen Verrechnungspreisen. Zunächst sind alle Kontexte unternehmensspezifisch und geschäftsrelevant, bis zu ihrer expliziten Frei- bzw. Weitergabe.

Im Ergebnis bedeutet das:

Im Fall können nun Services nicht nur vom Plattformanbieter, sondern von jedem Beliebigen, auch von Drittunternehmen, die nicht Teil des Konsortiums sind, angeboten werden. Durch die Trennung von Zustandswerten und Kontext können Services ausgeführt werden, die Operationen auf den Daten ausüben, ohne Informationen zu erhalten, also ohne, dass Zugang zu den Kontexten gewährt werden muss. So ist z. B. eine Mustererkennung in Daten möglich .. . Andere Services könnten Berechnungen durchführen, um Daten zu aggregieren, zu transformieren oder mit anderen Daten zu integrieren, z. B. mit Wetterdaten. Die damit einhergehenden Implikationen erfordern weitere Forschung.

Bewertung

Damit aus Daten Informationen werden und Nutzen stiften können ist der passende Kontext nötig. Das setzt auf Seiten des Empfängers das nötige Wissen, eine gewisse Erfahrung voraus. Die Abläufe und das Verständnis der Informationen beim Empfänger müssen denen des Senders bis zu einem bestimmten Grad entsprechen – anderenfalls redet bzw. agiert man aneinander vorbei. Das gilt auch oder gerade für maschinenlesbare Daten, die automatische weiterverarbeitet werden und Aktionen anstoßen^[1]Informationen erlangen den Status handelbarer Güter. Die Frage nach der Schöpfung von Informationen und Wissen stellt sich neu. Wie Herbert Zech in Information als Schutzgegenstand betont, hat die … Continue reading. Hierfür sind gemeinsame Datenmodelle und Datenkataloge erforderlich. In den Katalogen werden die kontextbezogenen und kontaktlosen Daten mit ihrem Wert aufgeführt. Diese Klassifizierung kann sich mit der Zeit – je nach dem technologischen, wissenschaftlichen oder sonstigen Fortschritt verändern, d.h. Daten, die gestern noch ohne Wert waren, sind heute kostbar.

Entscheidend ist letztlich aber immer noch, was der Empfänger aus den Daten macht, wie hoch sein schöpferischer Eigenanteil bei der Umwandlung in neue Informationen ist. Und natürlich auch, was die am Austausch beteiligten Partner daraus machen. Der Austausch kontextloser Daten dürfte kaum bis gar nicht zur Wertschöpfung beitragen. Ohne Kontext wird es nicht gehen.