Press release: Springer-Book “Monetization of technical Data — Innovations from Industry and Academia”

senseering, WZL of RWTH Aachen University and Fraunhofer FIT have sent manuscript to SpringerVieweg

Header. Image: © senseering | Semjon Becker

Dieser Artikel ist auch auf Deutsch verfügbar.

Advertisement/Anzeige: The new Springer Book Monetization of Technical Data is now available for order!

The monetization of data is a very new topic per se, and there are only a few
very few case studies. There is a lack of a strategy or a concept, that shows executives the way to monetize data, especially those who have discovered the digital transformation or Industry 4.0 for themselves or are threatened by it. Because machine data is mostly unstructured and cannot be exploited without domain knowledge/metadata, the monetarization of machine data
holds potential that cannot yet be conclusively evaluated.

In order to grasp that potential, senseering, WZL of RWTH Aachen and Fraunhofer FIT have initiated this book, that includes 35 contributions from academia as well as practical examples from industry. On the basis of these examples, readers can already become part of a future data economy. Added values and benefits are described in concrete terms.

Submission completed

After one year of work, the manuscript finally went to Springer on January 15, 2021 and will be in the shelves by the end of the year!

Preface

Dear Readers,

“Elon Musk’s company Tesla is not an electric car manufacturer, Tesla is a software company” is one of my favorite quotes. On the one hand, it shows how multifaceted digitalization is, and on the other hand, how misunderstood it is. While in the eyes of many citizens and entrepreneurs the electric vehicles are Tesla’s actual product, the so-called digital natives in particular see the digital services and features that — just like that — come along as a product. This difference in product and brand interpretation describes very well the different expectations of different customer groups, but also the potential of digital, data-based business models. In the past, product-related value propositions were the focus of economic and social development. People wanted to own something, they paid for the equivalent value of the “thing”. And that was basically a safe bank, too. Accordingly, the competition differentiated itself either through significantly cheaper products or through products of significantly higher quality.

Digitization has now changed the range of products and services offered by companies. Due to the improved accessibility of suppliers and customers via apps, platforms and the like, almost around the clock, it became apparent that the actual needs of most customers do not lie in the possession of a thing, but rather in the use of this very thing. What problem does the thing actually solve? And how can I transform the problem-solving solution into a recurring, digitally automated service? Answering these two questions is something that Anglo-Saxon companies in particular have understood in recent years. For Tesla, the need of drivers is not the need to own a vehicle, but to get from point A to point B. Environmentally friendly and time efficient. The former is realized through the use of electric technology, the latter through the soon-to-be-available Autopilot. After all, that’s what drivers and especially commuters want: to stop wasting time in traffic jams. Autopilot is just one of the many conceivable software services that can be delivered with a Tesla and made available elegantly, without a workshop visit, via over-the-air updates.

In my view, the future holds incredible potential for Tesla-like success stories. By 2025, experts expect that up to 75 billion Internet-of-Things (IoT) devices will be connected to the Internet worldwide. An IoT device can be anything from a smart toaster to an electrified vehicle to a smart manufacturing machine in mechanical engineering, the data from which can be used to develop a digital, data-driven service that makes using the actual thing more convenient for the user. And these data-driven services will dominate the economy. An estimated 175 zettabytes, or 175 billion terabytes, are expected to be generated in 2025. In that context, data must be understood not as singular information, but as fuel that enables the time- and location-dependent, person-specific use of something.

Even though it is not yet known exactly what the economic exploitation of data would look like in such a scenario, it is known that this data will have a potential value of 829 billion euros in 2025. This book, “Monetization of technical Data,” attempts to show how readers and entrepreneurs can leverage the potential of data and monetize it through unique services. The book is not a practical guide that shares established and proven best practices, but rather a collection of innovative impulse contributions from a few pioneers that aims to slowly but surely establish the topic of “monetization of technical data” as an inspiration and door opener. My thanks therefore go to all the authors who have embarked on this journey into the unknown and whose contributions have made the success of this book possible in the first place. Likewise, this book is not a report of results. It is only the beginning of a long journey on which you, the readers, are invited to share your private or professional experiences and results, perhaps even with a contribution in the next edition.

My special thanks go to Marco Becker and his colleagues Mia Kornely, Joachim Stanke, Johannes Mayer, Lucia Ortjohann, Martin Unterberg, Philipp Niemietz and Tobias Kaufmann from the Laboratory for Machine Tools and Production Engineering WZL at RWTH Aachen University, who coordinated and supervised this book, as well as to the co-editors, who supported and made possible this work with important impulses and contributions.

I wish all readers an exciting time and much pleasure in reading these forward-looking contributions. I hope the following pages will provide you with inspiration to make your own data monetization projects successful.

On behalf of the co-editors Thomas Bergs and Wolfgang Prinz

Daniel Trauth

January 2021

Meet the contributors

Unfortunately, this first edition of the book is in German only.

Greetings

• Dorothee Bär (Beauftragte der Bundesregierung für Digitalisierung.)
• Prof. Andreas Pinkwart (Minister für Innovation, Wissenschaft, Forschung und Technologie des Landes Nordrhein-Westfalen)

Introduction

• Dr. Daniel Trauth (senseering GmbH): Grundlagen der Datenmonetarisierung am Beispiel von Fertigungsmaschinen: Grundlagen, Herausforderungen und Potenziale.

Chapter 1: Rechtliche Aspekte der Datenmonetarisierung

• Prof. Walter Frenz (Lehr- und Forschungsgebiet Berg-, Umwelt- und Europarecht der RWTH Aachen University): Datenmonetarisierung im Recht: Nutzungs- und Kommerzialisierungsrechte
• Inka Müller-Seubert (CMS Germany): Monetarisierung von technischen Daten am Beispiel von technischen Beschäftigtendaten: Grundlagen, Herausforderungen und Potenziale
• Alexander Bauer (Fraunhofer FIT): Die Einzel- und Gesamtvollstreckung Blockchain-basierter Vermögenswerte (Crypto-Assets): Eine Analyse der Vollstreckbarkeit von Blockchain-basierten Crypto-Assets de lege lata — alles kein Problem?

Chapter 2: Betriebswirtschaftliche Aspekte der Datenmonetarisierung

• Prof. Wolfgang Breuer, Anthony Haake, Manuel Hass, Eric Sachsenhausen (Lehrstuhl für Betriebswirtschaftslehre, insbes. Betriebliche Finanzwirtschaft der RWTH Aachen University): Schweigen ist Silber, Reden ist Gold: Der Nutzen von Machine-Learning und Textanalysen in der Finanzwirtschaft
• Prof. Malte Brettel, Thorsten Beule, Markus Rey, Nathalie Huber (Innovation and Entrepreneurship Group (WIN) — TIME Research Area der RWTH Aachen University): Monetarisierung von maschinengenerierten Onlinedaten — Branchenübergreifende Chancen und Herausforderungen
• Hannah Stein, Prof. Wolfgang Maaß (Deutsches Forschungszentrum für Künstliche Intelligenz GmbH): Monetäre Bewertung von Daten im Kontext der Rechnungslegung
• PD Dr. Fred Jopp (USU Software AG), Andreas Weiss (eco Verband der Internetwirtschaft e.V.): Was kostet den deutschen Mittelstand die digitale Transformation? — Überlegungen zu Datenprodukten, Geschäftsmodellen und zur Plattformökonomie
• Prof. Günther Schuh, Christoph Kelzenberg, Julian Boshof, Tim Graberg, Tim Ochel (Werkzeugmaschinenlabor WZL der RWTH Aachen): Strategien der Datenmonetarisierung in produzierenden Unternehmen: Sechs Möglichkeiten zur zahlungswirksamen Nutzung von Daten

Chapter 3: Informationstechnische Aspekte der Datenmonetarisierung

• Dr. Christoph F. Strnadl (Software AG): End-to-End-Architekturen zur Datenmonetarisierung im Industrial Internet of Things (IIoT): Konzepte und Implementierungen
• Holger Köther (IOTA Foundation): Die Technologie IOTA als offene Infrastruktur für Mikrozahlungen, IoT-Kommunikation, und weltweite digitale Sicherheit
• Patrick Lamplmair, Simon Pfeifhofer, Benedikt Berger (Tributech Solutions GmbH): Data Notary — auditierbare Daten als Monetarisierungsgrundlage: Leitfaden für Design und Architektur von Data Notary Services
• Kai Hendrik Wöhnert, Sven-Jannik Wöhnert, Prof. Volker Skwarek (Forschungs- und Transferzentrum Digitale Wirtschaftsprozesse der Hochschule für Angewandte Wissenschaften Hamburg): Sichere, verifizierbare Objektidentitäten als Wegbereiter für Wertschöpfung in Verteilten Netzwerken

Chapter 4: Datenmonetarisierung in der fertigenden Industrie

• Dr. Daniel Trauth, Nils van Ouwerkerk, Felix Mönckemeyer, Kristof Herrmann (senseering GmbH): Putting a Price Tag on Data: Datenmonetarisierung und Smarte Resilienz-Services mit der MyDataEconomy-Plattform
• Marco Becker, Dr. Matthias Brockmann, Philipp Niemietz, Dr. Daniel Trauth, Prof. Thomas Bergs, Prof. Christian Brecher (Werkzeugmaschinenlabor WZL der RWTH Aachen): Das Internet of Production als Fundament der Datenverwertung in der Produktion — Herausforderungen und Lösungsansätze des datengetriebenen Erkenntnisgewinns
• Ricardo Vega Ayora, Nicolina Praß (ITA Academy GmbH, Digital Capability Center): Grafischer Ansatz zur Energieoptimierung durch künstliche Intelligenz — Am Beispiel der Textilindustrie
• Dr. Cloppenburg, F. (Lehrstuhl für Textilmaschinenbau und Institut für Textiltechnik der RWTH Aachen University): Effizienzsteigerung durch datenbasierte Modellierung von Qualität und Produktionskostenfaktoren in der Vliesstoffindustrie
• Ruben Kins, Prof. Thomas Gries (Institut für Textiltechnik (ITA) der RWTH Aachen University): Mehrwert durch Verknüpfung von Produkt- und Prozessdaten am Beispiel einer textilen Prozesskette Effizienzsteigerung von textilen Produktionsprozessen durch eine ganzheitliche Datenanalyse
• Prof. Kirsten Bobzin, Dr. Tobias Brögelmann, Wolfgang Wietheger, Hendrik Heinemann, Dr. Christian Kalscheuer, Seyed Ruhollah Dokhanchi, Martin Welters (Institut für Oberflächentechnik (IOT) der RWTH Aachen University): Datenbasierter Erkenntnisgewinn aus dem Blickwinkel der Oberflächentechnik
• Prof. Christian Hopmann, Mauritius Schmitz (Institut für Kunststoffverarbeitung (IKV) der RWTH Aachen University): Digitalisierung in der Kunststoffverarbeitung — Mehrwert durch Daten und vernetzte Systeme
• Prof. Uwe Reisgen (Lehrstuhl und Institut für Schweißtechnik und Fügetechnik der RWTH Aachen University), Dr. Marion Purrio, Guido Buchholz (FEF GmbH): Monetarisierung von Daten in der Fügetechnik — Digitalisierung lohnt sich: Datenerfassung in der Fügetechnik als Voraussetzung für kontinuierliche Verbesserungsprozesse
• Sven O. Rimmelspacher (Pickert & Partner GmbH): Mit Transparenz zur Null-Fehler-Produktion und Mehrwerten für den Kunden — Digital Twins mithilfe von Distributed Ledgers abbilden
• Prof. Philipp Sandner, Marcel Kaiser (Frankfurt School of Finance & Management gGmbH — Blockchain Center): Dezentralisierte Marktplatzstrukturen als Schutz vor Informationsasymmetrien — Wie Plattformgeschäftsmodelle mit Blockchainarchitekturen herausgefordert werden können und wie Firmen in diesem Szenario Daten monetarisieren
• Joachim Stanke, Dr. Daniel Trauth, Philipp Niemietz, Prof. Thomas Bergs (Werkzeugmaschinenlabor WZL der RWTH Aachen University): As-a-Service Modelle für die Fertigungstechnik — Am Beispiel des Feinschneidens
• Benjamin Lehmann, Prof. Georg Jacobs, Christian Habermehl, Christian Gentz, Stephan Neumann (Institut für Maschinenelemente und Systementwicklung der RWTH Aachen University): Daten von Land- und Baumaschinen gewinnbringend nutzen — Analyse derzeitiger Monetarisierungsmechanismen und Handlungsempfehlungen für die Zukunft
• Prof. Robert H. Schmitt, Daniel Buschmann, Kristof Briele, Peter Schlegel, Max Ellerich (Werkzeugmaschinenlabor WZL der RWTH Aachen University): Nachhaltige Produktion durch Predictive Quality und Sustainability Analytics entlang der Lieferkette — Monetarisierungseffekte bei einem unternehmensübergreifenden Datenaustausch
• Prof. Christian Brecher, Philipp Blanke, Melanie Buchsbaum, Yannick Dassen, Christian Fimmers, Aleksandra Müller, Oliver Petrovic, Simon Pieske, Simon Roggendorf, Katrin Schilling, Stephan Wein (Werkzeugmaschinen WZL der RWTH Aachen University): Der Data Lifecycle von der Erfassung bis zur Erkenntnis — Einsparpotentiale in der automatisierten Fertigungstechnik
• Prof. Peter Burggräf (Institut für Produktionstechnik der Universität Siegen), Dr. Matthias Dannapfel (Werkzeugmaschinen WZL der RWTH Aachen University), Dr. Johannes Wagner, Benjamin Koke (Institut für Produktionstechnik der Universität Siegen), Nils Föhlisch, Jonas Dackweiler (Werkzeugmaschinen WZL der RWTH Aachen University): „ReLIFE“: Geschäftsmodelle zum datenbasierten Remanufacturing — Adaptives Remanufacturing zur Lebenszyklusoptimierung vernetzter Investitionsgüter
• Ulrich Thombansen, Peter Abels, Wolfgang Fiedler, Christian Knaak, Moritz Kröger, Andrea Lanfermann, Frederic Schulze (Fraunhofer ILT): Datennutzung und Datenreduktion in der Lasermaterialbearbeitung — Lernen aus der vollständigen Information
• Prof. Sigrid Brell-Cokcan, Dr. Sven Stumm, Lukas Kirner, Elisa Lublasser (Lehrstuhl für individualisierte Bauproduktion der RWTH Aachen University): Transparenz und Wert der Daten im Bauwesen — Potentiale innerhalb von Informationsnetzwerken zur unternehmensübergreifenden Kollaboration in den Fertigungsketten des Bauwesens
• Dr. Seonhi Ro (Ford Werke GmbH): Datenmonetarisierungspotenzial in der Automobilindustrie Wertschöpfungskette und dem Produktlebenszyklus — von der Kundenbestellung bis zur Autolieferung an den Kunden

Chapter 5: Datenmonetarisierung in der Energietechnik

• Fynn-Hendrik Kühl, Daniel Demmer, Nils Herterich, Moritz Hafke (peerOS UG (haftungsbeschränkt)): Progressive Anwendungssysteme — LoRaWAN und IOTA als Befähiger der Datenmonetarisierung
• Stephan Groß, Dr. Stefan Lankes, Prof. Ferdinanda Ponci, Prof. Antonello Monti (Institute for Automation of Complex Power Systems der RWTH Aachen University): Datenmonetarisierung im Energiesystem und dessen Rolle bei der Entwicklung eines kundenorientierten Stromnetzes — Der Endkunde als aktiver Marktakteur fördert die Energiewende

Chapter 6: Datenmonetarisierung in weiteren aufkommenden Anwendungsfeldern

• Dr. Steffen Heidrich, Christopher Seipel (DigitalWerk der Commerz Real AG): Monetarisierung von Sensordaten in Gewerbeimmobilien — Grundlagen, Potenziale und Herausforderungen
• Prof. Michael Herty, Dr. Michael Rom, Dr. Giuseppe Visconti (Institut für Geometrie und Praktische Mathematik der RWTH Aachen University): Einsparung kostenintensiver Experimente und Simulationen durch Maschinelles Lernen — Neuronale Netze und Filtermethoden im Praxiseinsatz
• Prof. Thomas Rose, Julia Gruber, Kathrin Hausmann, Thomas Osterland (Fraunhofer FIT): PigConomy — Evidenzbasierte Analyse von empirischen Daten der Nutztierhaltung und deren Verwertung

senseering Logo | © senseering

About senseering

The senseering GmbH is a company founded in September 2018 that was awarded the RWTH Aachen University Spin-Off-Award. The core competence of senseering GmbH is the development and implementation of systems for the digitalization and networking of industrial and production facilities. Likewise, senseering GmbH advises on strategic corporate issues, in particular digital transformation, distributed-leger technologies, edge vs. cloud computing architectures for AI-based real-time control of industrial processes, digital business model innovation and the introduction of digital business processes such as home office, Azure or Microsoft365. Senseering is one of the winners of the first and largest AI innovation competition of the BMWi with the project www.spaicer.de.

Daniel Trauth (CEO) | www.senseering.de | E-Mail: mail@senseering.de