Was ist Dateninteroperabilität?

Dateninteroperabilität ist die Fähigkeit verschiedener Systeme, Daten effizient auszutauschen, zu integrieren und koordiniert zu nutzen. Sie unterstützt einen nahtlosen Datenaustausch im gesamten Unternehmen und verbessert die Zusammenarbeit, Innovation und datengestützte Entscheidungsfindung.

Unternehmen können Dateninteroperabilität erreichen, indem sie ihre Datenbestände standardisieren und die notwendige Infrastruktur und Protokolle zur Unterstützung des Datenaustauschs einführen. Zu den allgemeinen Eigenschaften interoperabler Daten gehören:

• Sie existieren in einem einheitlichen Format, das für verschiedene Geschäftsbereiche und unterschiedliche Systeme zugänglich und interpretierbar ist.
• Sie können mit anderen Daten kombiniert werden, um eine umfassendere Analyse zu ermöglichen.
• Sie werden nahtlos über Programmierschnittstellen (APIs) geteilt.
• Sie halten sich häufig an gängige Interoperabilitätsstandards wie elektronische Datenaustauschstandards (EDI) und Fast Health Interoperability Resources (FHIR).

Da Informationsökosysteme immer größer und komplexer werden, spielt die Dateninteroperabilität eine zentrale Rolle in Sektoren wie Finanzdienstleistungen, Gesundheitswesen und Regierung. Unternehmen in diesen und anderen Branchen sind auf einen nahtlosen Datenaustausch angewiesen, um kritische Funktionen zu ermöglichen, wie beispielsweise Investitionsentscheidungen zu treffen, medizinische Behandlungen festzulegen und Maßnahmen zur öffentlichen Sicherheit durchzuführen.

Die Etablierung der Dateninteroperabilität kann zwar eine Herausforderung darstellen, doch Softwarelösungen können dabei helfen. Tools zur Datenbereinigung, API-Management-Software und Datenintegrationsplattformen ermöglichen es Unternehmen, robuste Datenumgebungen zu schaffen, in denen Informationen für die Systeme und Stakeholder, die sie benötigen, leicht verfügbar und zugänglich sind.

Um den Wert und die Bedeutung der Dateninteroperabilität zu verstehen, ist es hilfreich zu überlegen, was passiert, wenn sie fehlt.

Stellen Sie sich zum Beispiel ein Kochbuch vor, das ganz oben in einem hohen Bücherregal steht. Einige Menschen können es erreichen; andere sehen es vielleicht gar nicht erst, ganz zu schweigen davon, es aus dem Regal zu nehmen.

Wer das Kochbuch zur Hand hat, stellt fest, dass in den Rezepten ständig zwischen der Angabe der Zutatenmengen in imperialen Maßeinheiten (wie Esslöffeln und Unzen) und Metriken-Einheiten (wie Gramm und Litern) hin und her gewechselt wird.

In diesem Szenario sind die Leser gezwungen, ständig Maßeinheiten umzurechnen – eine zeitaufwändige und mühsame Erfahrung. Und bei diesen Konvertierungen besteht die Möglichkeit, Fehler zu machen, die zu unappetitlichen Ergebnissen führen.

Diese Herausforderungen sind vergleichbar mit denen, vor denen Unternehmen hinsichtlich des Datenzugriffs und der Interpretierbarkeit stehen. Aber wenn Stakeholder und Systeme nicht auf Daten zugreifen können oder Schwierigkeiten haben, sie in verwertbare Werte umzuwandeln, sind die Folgen meist größer als eine versalzene Suppe oder ein eingefallenes Soufflé.

Das bedeutet, dass Teams wichtige Datenressourcen nicht nutzen können, um zusammenzuarbeiten, Erkenntnisse zu gewinnen, Probleme zu identifizieren und Chancen zu ergreifen.

Das bedeutet, dass dem Gesundheitsdienstleister ein aufschlussreiches Detail über den Zustand des Patienten entgehen könnte, was zu einer weniger effektiven Behandlung führen kann. Das bedeutet, dass Portfoliomanager möglicherweise einen sich entwickelnden Markttrend nicht bemerken, was die Anlagerenditen ihrer Kunden beeinträchtigt.

Das bedeutet, dass ein agentisches KI-System möglicherweise nicht in der Lage ist, Produktionspläne zu optimieren, weil aktuelle Bestandsdaten nicht zugänglich sind. Das bedeutet, dass Ersthelfer verschiedener Behörden dieselbe Situation möglicherweise unterschiedlich wahrnehmen, was eine erfolgreiche Zusammenarbeit im Notfall behindert.

Hier kommt die Dateninteroperabilität ins Spiel.

Durch Dateninteroperabilität werden Informationen aus verschiedenen Datenquellen in Standardformate organisiert, um die Interpretierbarkeit und Kompatibilität mit verschiedenen Geschäftsbereichen, Unternehmensbereichen und Systemen zu gewährleisten. Und indem Verbindungen für den Datenaustausch zwischen Systemen gewährleistet werden, ermöglicht die Dateninteroperabilität einer Vielzahl von Stakeholdern den direkten Zugriff auf diese Informationen.

Während Dateninteroperabilität schon seit langem wichtig ist – universelle Produktcodes (UPCs) für Einzelhandels- und Fertigungsdaten gibt es bereits seit 1973¹ – gewinnt sie zunehmend an Bedeutung, da die datengestützte Entscheidungsfindung und Automatisierung für den realen Geschäftsbetrieb von zentraler Bedeutung sind.

Unternehmen, die sich auf Initiativen in den Bereichen Business Intelligence und Künstliche Intelligenz (KI) konzentrieren, müssen sicherstellen, dass die richtigen Daten für die Personen und Systeme, die sie benötigen, verfügbar, verständlich und nutzbar sind. Die Dateninteroperabilität trägt dazu bei.

Wie bei anderen Praktiken und Säulen der Datenverwaltung ermöglicht die Dateninteroperabilität Unternehmen, ihr Datenpotenzial optimal zu nutzen. Zu den Vorteilen der Dateninteroperabilität gehören:

• Besserer Datenzugriff: Wenn Daten nahtlos innerhalb eines Unternehmens und zwischen Systemen fließen, ist es für die Stakeholder einfacher, auf die Informationen zuzugreifen, die sie für einen ganzheitlichen Überblick über eine Situation benötigen.

• Mehr nutzbare Daten: Schätzungsweise 68 % der Unternehmensdaten bleibt ungenutzt, vor allem weil sie in Datensilos gefangen ist oder zu schwer zu interpretieren ist. Die Standardisierung von Formaten durch Dateninteroperabilitätspraktiken erleichtert die Nutzung bisher ungenutzter Daten im gesamten Unternehmen.

• Höhere Agilität: Dateninteroperabilität hilft Unternehmen, auf sich ändernde Marktbedingungen zu reagieren, indem sichergestellt wird, dass die in Echtzeit und nahezu in Echtzeit in ihre Systeme eingespeisten Daten abteilungsübergreifend interpretiert werden können.

• Höhere Effizienz: Wenn Daten leicht zugänglich sind und keine Ad-hoc-Transformation erfordern, können Workflows beschleunigt werden und die Datenteams können die eingesparte Zeit für wertschöpfendere Aufgaben nutzen.

• Verbesserte Zusammenarbeit: Wenn mehr Menschen in einem Unternehmen auf dieselben Datensätze zugreifen und diese verstehen können, gibt es weniger Raum für Meinungsverschiedenheiten und Missverständnisse – dies schafft die Voraussetzungen für eine bessere funktionsübergreifende Zusammenarbeit und gemeinsame Innovationen.

• Einfachere Skalierbarkeit: Wenn Unternehmen neue Systeme hinzufügen, ermöglicht die Dateninteroperabilität ihnen, die vorhandenen Datenbestände für diese Systeme mit minimalem menschlichen Eingriff zu nutzen.

• Verbesserte Compliance: Unternehmen in stark regulierten Branchen wie dem Finanz- und Gesundheitswesen unterliegen strengen Regeln hinsichtlich der Verbreitung und Weitergabe von Daten. Verfahren zur Dateninteroperabilität können Unternehmen dabei helfen, den Datenaustausch im Einklang mit regulatorischen Anforderungen und Branchenstandards zu gestalten.

• Bessere Erfahrung: Wenn Daten innerhalb eines Unternehmens standardisiert und effizient ausgetauscht werden, können sie nahtlos zwischen Anwendungen übertragen werden, wodurch der Bedarf an manueller Dateneingabe für verschiedene Aufgaben reduziert wird. Dies kann zu besseren Mitarbeitererfahrungen führen.

• Informierte Entscheidungsfindung: Weithin zugängliche und interpretierbare Daten können einem Unternehmen helfen, intelligentere, datengestützte Entscheidungen zu treffen. Solche Entscheidungen werden sowohl von menschlichen Stakeholdern als auch von agentischer KI getroffen, die verfügbare Daten für autonome Entscheidungsfindung nutzt.

• Umfassendere Interoperabilität: Dateninteroperabilität unterstützt den Erfolg allgemeiner Interoperabilität oder interoperabler Systeme innerhalb eines Unternehmens oder eines Netzwerks. Diese Interoperabilität besteht aus Systemen, die Dienste, Ressourcen und Funktionalitäten teilen können.^2,3

Die Etablierung der Dateninteroperabilität kann ein schrittweiser Prozess sein, da Unternehmen auf die Erreichung unterschiedlicher allgemeiner Interoperabilitätsstufen hinarbeiten. Zu den für den Datenaustausch geltenden Stufen gehören:

Unternehmen befolgen in der Regel bestimmte Schritte, um die verschiedenen Stufen der Dateninteroperabilität zu erreichen:

Durch die Umwandlung von Informationen aus unterschiedlichen Datenstrukturen in gängige Datenformate (wie JSON und XML) wird eine syntaktische Interoperabilität erreicht.

JSON (JavaScript Object Notation) ist ein einfaches Datenaustauschformat, das auf der Programmiersprache JavaScript basiert. Eine JSON-Nachricht besteht aus Name-Wert-Paaren (Objekten) und geordneten Sammlungen von Werten (Arrays).⁴ Das XML-Datenformat ist ein Format, das den Regeln der Extensible Markup Language entspricht und die Erstellung benutzerdefinierter Tags zur Definition von Daten ermöglicht.⁵

Die Etablierung eines gemeinsamen Vokabulars zur Beschreibung von Datenelementen trägt zur semantischen Interoperabilität bei. Im Gesundheitswesen beispielsweise werden spezifische Labortests mithilfe des universellen Codierungssystems LOINC (Logical Observation Identifiers Names and Codes) detailliert identifiziert.

Der Code 806-0 steht für die manuelle Zählung der weißen Blutkörperchen im Liquor. Wenn zwei verschiedene Labore diesen Test zu unterschiedlichen Zeitpunkten bei demselben Patienten durchführen, würde der Code den Gesundheitsdienstleistern signalisieren, welcher Test durchgeführt wurde, und dass die Ergebnisse verglichen werden können, um Erkenntnisse über den Krankheitsverlauf des Patienten zu gewinnen.

Die Verwaltung von Metadaten kann Unternehmen auch dabei helfen, eine semantische Interoperabilität herzustellen. Bei der Datenübertragung zwischen Systemen werden die Daten von Metadaten begleitet, die dem empfangenden System Anweisungen zur Interpretation der Daten geben.

Die Verwaltung von Metadaten gewährleistet, dass Metadaten strukturiert, zugänglich und umsetzbar bleiben, sodass sie wie vorgesehen für die Dateninteroperabilität funktionieren. So spielen Metadaten beispielsweise eine Schlüsselrolle bei der Interoperabilität von Repositorys für die wissenschaftliche Forschung, da Forscher Metadaten aus verschiedenen Repositories gleichzeitig durchsuchen können, um die benötigten Ressourcen zu finden.⁶

Unternehmen erreichen Interoperabilität im Transportwesen, indem sie APIs nutzen, um Daten zwischen internen und externen Systemen auszutauschen. Eine API ist ein Satz von Regeln oder Protokollen, der es Softwareanwendungen ermöglicht, auf einfache und sichere Weise miteinander zu kommunizieren.

Es gibt unzählige Beispiele für den Einsatz von APIs zum Datenaustausch und zur Dateninteroperabilität, darunter der Austausch von Versicherungs- und Gesundheitsdaten, die Datenübertragung durch Geräte des Internets der Dinge (IoT) sowie die Integration von Social-Media-Inhalten in firmeneigene Websites.

Bei der Festlegung von Datenformaten, einheitlichen Begriffen und Übertragungsprotokollen müssen Unternehmen nicht bei Null anfangen. Verschiedene Frameworks und Standards zur Interoperabilität bieten branchen-, fach- und technologiespezifische Leitlinien – teilweise gesetzlich vorgeschrieben – zu Fragen der Dateninteroperabilität und der Einrichtung interoperabler Systeme.

Diese Standards gewährleisten die Interoperabilität sowohl innerhalb von Unternehmen als auch zwischen verschiedenen Unternehmen und tragen so zur Erreichung der organisatorischen Interoperabilität bei.

Zu den Frameworks gehören:

• DICOM-Standards (Digital Imaging and Communications in Medicine) für Datenformate und Übertragungsprotokolle für medizinische Bilder und Patientendaten.
  
  
• EDI-Standards (Elektronischer Datenaustausch) für die sichere Übertragung digitaler Dokumente zwischen Unternehmen.
  
  
• Fast Healthcare Interoperability Resources (FHIR) für den Austausch von Gesundheitsdaten, vorgeschrieben vom US-Gesundheitsministerium.
  
  
• ISO/IEC 21823-4:2022, der internationalen Organisation für Normung und der Internationalen Elektrotechnischen Kommission legt Interoperabilitätsstandards für IoT-Systeme fest.
  
  
• Projekt 25 (P25) Standards für die digitale Funkkommunikation zwischen Mitarbeitern der öffentlichen Sicherheitsbehörden, wie etwa Ersthelfern.

Data-Governance-Programme gewährleisten die Qualität, Sicherheit und Verfügbarkeit der Daten eines Unternehmens, indem sie die Erfassung, Verarbeitung und Nutzung von Daten regeln. Somit können sie die Dateninteroperabilität maßgeblich unterstützen, indem sie Verfahren etablieren, die den Datenaustausch zwischen Systemen erleichtern.

Wichtig ist jedoch zu beachten, dass Data Governance und Dateninteroperabilität in einer symbiotischen Beziehung stehen – das heißt, Data Governance unterstützt nicht nur die Dateninteroperabilität, sondern die Dateninteroperabilität kann auch Data Governance unterstützen, insbesondere im Hinblick auf die Einhaltung von Vorschriften.

Laut einer Studie der Harvard Business School hilft die Dateninteroperabilität Unternehmen dabei, die regulatorischen Anforderungen an die Datenverfolgung und behördliche Prüfungen zu erfüllen. Forscher stellten fest, dass insbesondere interne Daten-APIs Unternehmen dabei unterstützten, die Vorgaben der Datenschutz-Grundverordnung (DSGVO) der Europäischen Union zu erfüllen.⁷

Auf dem Weg zur Erreichung der Ziele der Dateninteroperabilität kann ein Unternehmen vor unzähligen Herausforderungen stehen. Zu den häufigsten gehören:

Während die Interoperabilität von Daten eine Brücke zum Datenaustausch zwischen Systemen schlagen kann, gestaltet sich der Aufbau dieser Brücke schwieriger, wenn es sich bei diesen Systemen um Altlast-Systeme handelt. Altlast-Informationssysteme verwenden oft veraltete Formate und sind mit neueren Tools und Systemen nicht kompatibel. Lösungen für Datenkonvertierung und -integration können Unternehmen in die Lage versetzen, die Herausforderungen von Altsystemen zu bewältigen und Dateninteroperabilität zu erreichen.

Ein Mangel an genauen Daten und andere Probleme mit der Datenqualität können die Interoperabilität der Daten gefährden. Wenn Datensätze mit Inkonsistenzen, doppelten und fehlenden Datensätzen, ungültigen Daten und anderen Mängeln behaftet sind, birgt die Weitergabe dieser Daten das Risiko, dass fehlerhafte Daten im gesamten Unternehmen verbreitet werden. Die Implementierung von Datenbereinigungs-, Überwachungs-, Validierungs- und Governance-Maßnahmen während des Datenlebenszyklus kann die Datenqualität verbessern, was wiederum eine bessere Dateninteroperabilität unterstützt.

Die Erreichung von Dateninteroperabilität erfordert oft die Einbindung neuer Tools und Systeme, einschließlich Integrationssoftware, für deren Nutzung die Mitarbeiter geschult werden müssen. Technologieanbieter bieten häufig Tutorials und andere Ressourcen an, um Mitarbeitern den Umgang mit Integrationslösungen zu erleichtern. Darüber hinaus kann, wie bei anderen Initiativen zur Technologieeinführung, die Benennung von Führungskräften, die sich für Integrationstools zur Dateninteroperabilität einsetzen, dazu beitragen, eine breitere Nutzung zu fördern.

Die Digitalisierung und die zunehmend datengestützte Natur verschiedener Branchen und Bereiche machen die Dateninteroperabilität sowohl im öffentlichen als auch im privaten Sektor breit anwendbar.

Die Finanzdienstleistungsbranche lebt von Daten. Unternehmen wie Banken, Broker-Dealer, Versicherungsgesellschaften und Zahlungsabwickler tauschen täglich riesige Mengen an Informationen über Handelsgeschäfte, Transaktionen und vieles mehr aus. Datensilos und uneinheitliche Datenformate sind nur einige der Herausforderungen, die die Dateninteroperabilität zu einem Schlüsselaspekt für die Effizienzsteigerung in der Branche machen.⁸

Regierungsbehörden und -ministerien sind auf Dateninteroperabilität angewiesen, um bei der Entwicklung von Strategien und Programmen effektiver zusammenzuarbeiten. So halfen beispielsweise Dateninteroperabilitätsbemühungen in Chile und Uruguay den Regierungen dort, komplexe Klimawandeldaten zu interpretieren, sodass sie diese besser für Überwachungs- und Minderungsmaßnahmen nutzen konnten.⁹

Die Dateninteroperabilität ermöglicht Unternehmen im Gesundheitswesen, wichtige Gesundheitsdaten – wie Patientenakten und Impfregister – zu teilen, um die Patientenversorgung zu verbessern. In den Vereinigten Staaten ist die Interoperabilität von Gesundheitsdaten durch elektronische Patientenakten (EHR) für Unternehmen, die Medicare- oder Medicaid-Zahlungen erhalten, vorgeschrieben.¹⁰

Die Komplexität globaler Lieferketten führt dazu, dass während der Herstellung und des Transports von Waren rund um den Globus eine enorme Menge an Informationen zwischen den Datensystemen ausgetauscht wird. Datenstandards und Dateninteroperabilität können die Kommunikation zwischen Anbietern, Spediteuren und Hafenbetreibern optimieren, was zu Kosteneinsparungen und geringeren Emissionen führt.¹¹

Verschiedene Technologien und Plattformen können Unternehmen dabei helfen, Dateninteroperabilität zu erreichen. Dazu gehören:

• Tools zur Datenbereinigung und -konvertierung: KI-gestützte Tools können Technologien zur Datenbereinigung und -konvertierung automatisieren, einschließlich der Standardisierung von Daten und der Beseitigung von Duplikaten, und so sicherstellen, dass die Daten zur Weitergabe geeignet sind.

• Tools zur Verwaltung von Metadaten: Tools zur Verwaltung von Metadaten helfen Unternehmen bei der Pflege der hochwertigen Metadaten, die für die Interoperabilität von Daten erforderlich sind. Plattformen zur Katalogisierung von Metadaten; ETL-Tools (Extract, Transform, Load); und Data-Governance-Suiten können über Funktionen zur Verwaltung von Metadaten verfügen.

• API-Management-Software: Mit API-Management-Software können Unternehmen alle ihre APIs über eine einheitliche Lösung verwalten und wichtige Aufgaben im gesamten API-Lebenszyklus automatisieren .

• Datenintegrationsplattformen: Führende Datenintegrationsplattformen können Daten aus einer Vielzahl von Quellen integrieren. Sie können auch Funktionen zur Daten-Observability anbieten, sodass Probleme mit der Datenqualität schnell identifiziert und behoben werden können.