Herausforderungen und Potenziale des EU Data Acts | DE-Deutsch

VDMA 2023
48 Seiten

Hier bestellen Sie die Printversion für Nichtmitglieder.

VDMA-Mitgliedfirmen können ein kostenfreies PDF im Mitgliederbereich herunterladen: https://www.vdma.org/viewer/-/v2article/render/78773382

Die EU-Kommission ist dabei, eine Datenökonomie aufzubauen. Diese soll bis 2028 ein zusätzliches Bruttoinlandsprodukt von 270 Milliarden Euro generieren. Speziell für ein Land wie Deutschland, das über keine nennenswerten Bodenschätze verfügt, klingt das zunächst einmal lukrativ. Eine solche Datenökonomie wird aber nicht nur einen neuen
Markt, neue Akteure und neue Geschäftsmodelle hervorbringen. Sie greift auch tief in das aktuelle Verständnis der Hersteller von Maschinen und Anlagen ein, wie mit Daten aus ihren Maschinen umgegangen werden soll, und zwingt sie zum Umdenken. Der juristische Hebel zur Schaffung der Datenökonomie, der EU Data Act, macht neue und verpflichtende Vorgaben zur technischen Gestaltung von Maschinen und Anlagen und verschafft deren Nutzern ein Zugriffsrecht auf Maschinendaten.

Inhalt

Vorwort
1 Management-Summary
2 Einleitung und Ziel der Studie
2.1 Einleitung und Motivation
2.2 Relevanz für den Maschinen- und Anlagenbau
2.3 Ziel der Studie
3 Begriffsdefinitionen
3.1 Data Act
3.2 Data-Governance-Act
3.3 Digitale Souveränität und Datensouveränität
3.4 Data-Spaces
4 Aufbau der Studie
4.1 Interviewmethode
4.2 Aufbau der Interviews
4.3 Design-Thinking-Methode
4.4 Aufbau des Design-Thinking-Workshops
5 Expertinnen- und Experteninterviews
5.1 Marco Müller-ter Jung – Deloitte Legal
5.2 Simone Salemi & Nils Wiedemann – Zentrum für Recht und Digitalisierung Saarland
5.3 Jürgen Bretfeld – ADVANEO
5.4 Zwischenergebnis der Expertinnen- und Experteninterviews
6 Pionierberichte
6.1 Philipp Jussen – Schaeffler Monitoring Services
6.2 Stefan Grawe & Anna Stuhlmeier – Cargobull Telematics GmbH
6.3 Zwischenergebnis der Pionierberichte
7 Neue Szenarien und Ausblick
7.1 Geschäftsmodellinnovation als OEM mobiler Maschinen
7.2 Business-Ecosystem für Predictive Maintenance
8 Fazit
9 Literaturverzeichnis