Carsten Brockmann, Patrick Dennert, Eldar Sultanow

Einführung in Cloud-Computing

Cloud-Computing ist ein Ansatz zur dynamischen Allokation nicht fest zugeordneter IT-Ressourcen, gemäß dem gemeinsam nutzbare Rechen-, Speicher- und Netzwerkkapazitäten oder auch Softwareanwendungen bedarfsgerecht und skalierbar via Netzwerk bereitgestellt werden (Bitkom, 2010). Charakteristische Merkmale dieser Form der Leistungsbereitstellung sind die automatisierte Zuteilung von Ressourcen und die Abrechnung nach Nutzung (Pay-Per-Use, kurz PPU).

Dabei lassen sich vier prinzipielle Arten – so genannte Betriebsmodelle – von Cloud-Computing (Fraunhofer-Institut, 2016) unterscheiden. In einer Public Cloud stellt ein frei zugänglicher Provider seine Dienste offen über das Internet für jedermann zur Verfügung. Beispiele hierfür sind Office- und Webmailer-Dienste wie Office 365. Die Private Cloud kommt aus Gründen von Datenschutz und IT-Sicherheit primär für Unternehmen in Frage. Diese ziehen es vor, ihre IT-Dienste selbst zu betreiben und ausschließlich ihren eigenen Mitarbeitern zugänglich zu machen. Hybrid Clouds stellen eine Mischform der beiden ersten Ansätze dar. Bestimmte Services laufen bei öffentlichen Anbietern über das Internet, wohingegen datenschutzkritische Anwendungen und Daten im Unternehmen betrieben und verarbeitet werden. Die so genannten Community Clouds sind verfügbare Infrastrukturen, die sich auf einen definierten Nutzerkreis beschränken. Zusammenarbeitende Unternehmen nutzen diese zum Beispiel für ein Projekt, um auf gemeinsame Dienste zugreifen zu können.

Es gibt vier Service-Ebenen von Cloud-Computing (Bitkom, 2010), die nachfolgend erläutert werden. Für den Anbieter von Cloud-Computing können je nach Service-Ebene unterschiedliche Geschäftsmodelle entstehen (Carsten Brockmann, 2014). Infrastructure as a Service (IaaS): Die Bereitstellung einer skalierbaren Infrastruktur im Rahmen von IaaS, die in der Regel wenig veredelte Rechen- und Speicherleistung auf virtualisierten Servern sowie standardisierte Netzwerkinfrastruktur-Funktionen mit intelligentem Systemmanagement umfasst, sieht gegenüber dem klassischen Erwerb ihre Nutzung nach Bedarf vor. IaaS ist ein Tätigkeitsfeld der IT-Dienstleister und Spezialisten für den IT-Betrieb. Platform as a Service (PaaS): Gemeinsam nutzbare Laufzeit- oder Entwicklungsplattformen werden durch PaaS als Framework-basierten PPU-Dienst auf Anwendungs-Infrastruktur-Ebene (Datenbanken, Integration und Security) bereitgestellt zur Entwicklung von Anwendungskomponenten und der plattformübergreifenden Integration derselben. Ein Beispiel ist Windows Azure. Mit PaaS befassen sich typischerweise Systemarchitekten und Softwareentwickler. Software as a Service (SaaS): SaaS umfasst die Bereitstellung, Betreuung und den Betrieb von gemeinsam nutzbarer Software als Dienst auf nicht eindeutig zugeordneten IT-Ressourcen über Netzwerk. Auch hier wird die Dienstleistung pro Aufruf abgerechnet und die Software nicht länger als Lizenz an Nutzer verkauft. SaaS richtet sich an Anwender von beispielsweise ­Kollaborations-, Kommunikations- oder Office-Applikationen. Business Process as a Service (BPaaS): Die Ebene Business Process as a Service geht aus der SaaS-Ebene hervor. Sie wird durch eine stärkere Nähe zum Geschäftsprozess charakterisiert.

Cloud-Lösungen sind ein Modell der Softwarebereitstellung, unabhängig von der Funktionalität der Software. Aufgrund der schnellen Verfügbarkeit von Ressourcen bieten sich Cloud-Dienste auch dann an, wenn es beispielsweise um die kurzfristige Analyse großer Datenmengen geht, die sporadisch stattfinden soll und keine Daueraufgabe des Unternehmens ist.

Vergleich von Cloud-Computing-Initiativen in beiden Sektoren

Im Public Sektor haben eine auf fehlenden Standards und Interoperabilität zwischen Diensten und Geräten beruhende Herstellerabhängigkeit und die Unsicherheit in Bezug auf gesetzliche Rahmenbedingungen sowie Sicherheitsrisiken dazu geführt, dass die Cloud bislang eher skeptisch angesehen wurde (Deussen, Eckert, Hoepner, Hoffmann, & Strick, 2014).

Vor diesem Hintergrund und mit dem Ziel, sicherheitsbezogene und rechtliche Bedenken abzubauen, existieren unterschiedliche Initiativen zur Etablierung der Cloud im öffentlichen Sektor. Hierzu zählen die Forschungsarbeiten Trusted Cloud des Bundesministeriums für Wirtschaft und Technologie (BMWi), die Forschungsprojekte goBerlin und CloudCycle, die auf Landes- und Kommunal-Ebene stattfindenden Initiativen Die private Cloud für die Hauptstadt des IT-Dienstleistungszentrum (ITDZ) Berlin, Polizei-Cloud in Rheinland-Pfalz des Landesbetriebs Daten und Informationen (LDI) und GovCloud für Kommunen der Bundes-Arbeitsgemeinschaft der kommunalen IT-Dienstleister Vitako sowie die Initiativen auf ­europäischer Ebene, digitale Agenda und europäische Cloud-Strategie (Deussen et al., 2014).

Zudem existieren Aktivitäten der Europäischen Kommission zur Akzeptanz von Cloud-Computing mit der trigonalen Zielstruktur: Schaffung eines Überblicks über verfügbare relevante Standards, Forcierung der Entwicklung zuverlässiger und fairer Vertragsklauseln und Stärkung von Innovation im öffentlichen Sektor durch European Cloud Partnership.

Im Automotive Sektor gibt es Cloud-Computing-Initiativen, die primär durch Automobilhersteller, Technologiekonzerne und Mobilanwendungsentwickler getrieben werden. Automobilkonzerne müssen dabei ihre etablierten Geschäftsmodelle maßgeblich verändern. Hierbei sind technisch neue Aspekte, die berücksichtigt werden müssen nur ein Teil der Veränderungen. Rechtliche und vertragliche Rahmenbedingungen unterliegen ebenfalls tiefen Einschnitten: während die Interaktion mit dem Kunden in der Regel hauptsächlich den Vertragshändlern vorbehalten war, müssen durch eine zentrale Verfügbarkeit von Daten vertragliche Regelungen in Bezug auf Datenweitergabe mit Handel und Kunde neu ausgearbeitet werden. Technologiekonzerne wie Amazon, Google, Microsoft oder Apple bieten maßgeblich die Möglichkeit, Daten zu speichern und zu verarbeiten. Da diese primär über Daten der ­Kunden verfügen, die über das Fahrverhalten hinausgehen, versuchen sie, aus der technologischen Kompetenz ein neues Geschäftsfeld zu erschließen und dem Kunden noch mehr zielgerichtete Services anzubieten. Hier stellt sich eine momentan oft diskutierte und mittels rechtlichem Rahmen zu erschließende ­Frage:

„Wem gehören die Daten?“

Mobilanwendungsentwickler haben maßgeblich den After Market – also Nachrüstlösungen – für Fahrzeuge im Fokus ihrer Aktivitäten. Damit können sie schnell Lösungen anbieten, für die ein Erstausrüster (Original Equipment Manufacturer, kurz OEM) deutlich mehr Entwicklungszeit benötigt und erst die rechtlichen Rahmenbedingungen klären muss.

Da Technologiekonzerne und Mobilanwendungsentwickler nur mittelbar Fahrzeugdaten nutzen können, versuchen sie entweder tiefer in die Fahrzeugsoftware integriert zu werden oder planen gar, eigene Fahrzeugflotten zur Verfügung zu stellen.
Obwohl diese drei Akteure auf einem Markt als Wettbewerber agieren, können sie den Markt für Cloud-Computing im Automotive Sektor aktuell nur über Partnerschaften aufbauen.

Tabelle 1: Cloud-Computing-Initiativen beider Sektoren im Vergleich

1 An dieser Stelle werden Deutschland- bis EU-weite Initiativen betrachtet. Initiativen gibt es weltweit, etwa die Public Service Big Data Strategy in Australien, die die Big Data-Etablierung im öffentlichen Sektor und Einstimmigkeit zwischen ihrem Nutzen und bürgerseitigem Bedürfnis nach Privatheit bezweckt (Hagen, 2014).

Abbildung 1: Die Notwendigkeit und das Prinzip von Elastizität (Shuttleworth, 2012)

Nutzenelemente von Cloud-Computing in beiden Sektoren

Deussen et al. (2014) sehen folgende fünf Nutzenelemente, die eine Etablierung von Cloud-Computing mit sich bringen kann:

Kostenersparnis durch Skaleneffekte

Der typische Vorteil von Cloud-Computing, dass Kapazitäten für Lastspitzen nicht wie im klassischen Ansatz vorgehalten werden müssen oder diese Kapazitäten ungenutzt bleiben, trifft insbesondere für den ­öffentlichen Sektor zu, da Ressourcen ­gemeinschaftlich von den Bürgern genutzt werden. Abbildung 1 illustriert die Motivation des Elastizität-Prinzips.

Die rote Linie in Abbildung 1 (oben) stellt die Kapazität der durch klassische Bereitstellung vorhandenen und die blaue Linie die tatsächlich benötigten IT-Ressourcen dar.

Der rot schraffierte Bereich kennzeichnet die Verschwendung und der grün markierte die Kunden­unzufriedenheit. In Abbildung 1 (unten) markiert die rote Linie die elastische Cloud-Kapazität, welche sich an die tatsächlichen IT-Ressourcenbedarfe angleicht.

Konsolidierung von ­IT-Ressourcen

Mit dieser Konsolidierung ist „die Integration von IT-Ressourcen nicht nur innerhalb einer IT-Abteilung oder eines Datenzentrums, sondern auch über die Grenzen von Datenzentren hinweg“ gemeint (Deussen et al., 2014). Damit lassen sich die eingangs erläuterten Dienstmodelle (IaaS, PaaS, SaaS, BPaaS) und das Prinzip der von unterschiedlichen Organisationen gemeinsam genutzten IT-Ressourcen realisieren.

Bündelung von Know-how

Aus der zuvor erwähnten Konsolidierung folgt auch „eine Bündelung des zum Betrieb einer IT-Infrastruktur benötigten Know-hows“ – eine „angesichts reduzierter Personalbudgets und demografischen Wandels“ für den öffentlichen ­Sektor besonders vorteilhafte Eigenschaft (Deussen et al., 2014).

Modernisiertes IT-Management

Deussen et al. (2014) weisen darauf hin, dass die ausgesprochen komplexe Aufgabe IT-Infrastruktur-Management von kleineren IT-Abteilungen nicht zureichend gelöst werden kann. Jedoch können eine Mehrzahl an IT-Managementaspekten automatisiert und in einer modernen Umgebung durch (von Cloud-Technologien mitgelieferten) Operational Support Systems, abgewickelt werden.

Sicherheit

Die Tatsache, dass ein auf Cloud-Technologie basierendes System oder eine innerhalb der Cloud betriebene Anwendung erfolgreich angegriffen wurde, lässt laut Deussen et al. (2014) noch nicht direkt auf Sicherheitslücken schließen, da möglicherweise der Angriff auch auf sogenanntes Social Engineering (Ergaunern von Passwörtern) zurückgeführt werden kann. Sicherheit – so die Autoren – „ist immer das Ergebnis einer Vielzahl technischer Mechanismen und organisatorischer Maßnahmen“ und heutige Cloud-Infrastrukturen implementieren und aktualisieren entsprechende Sicherheitsmechanismen wie Intrusion Detection, Request-Filter, Monitoring und Analysefunktionen. Anforderungen an die Sicherheit von Cloud-Computing einschließlich der Sicherheitsarchitekturen und Aspekte der Netz-, Anwendungs-, Plattform- und Datensicherheit, der Verschlüsselung und des Schlüsselmanagements sowie des Identitäts- und Rechtemanagements werden in der ISPRAT-Studie Cloud-Computing für die öffentliche Verwaltung von Deussen, Strick, and Peters (2010) näher adressiert.

Im Public Sektor ist trotz der von Deussen et al. (2014) eingangs erwähnten Skepsis und Zurückhaltung die Cloud eine ernst zu nehmende Option bei IT-Dienstleistungen für die öffentlicheVerwaltung geworden. Die Cloud kann für die öffentliche Verwaltung vorteilhaft bezüglich Wirtschaftlichkeit, personeller Ressourcen und Innovation sein. Referenzarchitekturen helfen dabei, Cloud-Technologien schnell umzusetzen, indem sie einen modularen und einheitlichen Ordnungsrahmen aufzeigen. Ziel sollte sein, großen und kleinen Verwaltungen einen einfachen Zugriff auf standardisierte und aktuelle Anwendungen zu ermöglichen. Nach Auswahl und Integration der entsprechenden Anwendungen sind diese zeitnah einsetzbar. Durch den Einsatz der hier vorgestellten Referenzarchitektur können nicht nur die Bürger stärker in Genuss digitaler Abläufe kommen, sondern auch Verwaltungsmitarbeiter, Unternehmen und andere Organisationen (­Brockmann, Lutz, & Santesson, 2016).

Um die Cloud-Strukturen dem öffentlichen Sektor leichter zugänglich zu machen wurde seitens Capgemini eine Referenzarchitektur für die öffentliche Verwaltung entwickelt (Brockmann et al., 2016). Die modulare E-Government Infrastruktur beschreibt Komponenten, die sich an typischen E-Government-Aufgaben orientieren. Die Referenzarchitektur versetzt Organisationen in die Lage, benötigte Komponenten einfach zu abonnieren und in die Anwendungslandschaft zu integrieren. Die entsprechenden Komponenten könnten von der Behörde sofort genutzt werden.

Im Automotive Sektor finden sich bei den produzierten Kraftfahrzeugen verschiedene Sichten auf das Cloud-Computing. Die Vernetzung des Fahrzeugs mit seinen eigenen Komponenten, dem Hersteller sowie den Vertragspartnern können im Fokus möglicher Cloud-Initiativen stehen. Analog zu Industrie 4.0, bei der die einzelnen Sensoren in einem Fertigungsbereich eine Vielzahl von Daten einsammeln wäre die ­Übertragung von Sensordaten und anschließende Mustererkennung ein mögliches Szenario. Hiermit können OEMs die gesamte After-Sales-Kette sowohl für Kunden als auch für Servicewerkstätten optimieren, indem der Servicebedarf automatisch ermittelt wird. Durch vernetzte Systeme können somit benötigte Teile noch vor der Inspektion bei der Servicewerkstatt eintreffen und der Kunde auf Basis des tatsächlichen Bedarfs und zu seinem Terminkalender passend einen Service vorgeschlagen bekommen.

Abbildung 2: Klassifizierungsrahmen für Big Data-Anwendungsfelder

Das autonome Fahren bietet ebenfalls große Anknüpfungspunkte, um Daten der umliegenden Verkehrsteilnehmer über eine Cloud-Anwendung einzusammeln, auszuwerten und in die Steuerung mit einfließen zu lassen. Ebenso ließen sich hierdurch in Innenstädten variable Geschwindigkeitsbeschränkungen einführen, die sich auf den jeweiligen Verkehrsfluss einstellen. Die Möglichkeit, das Parken über Cloud-Dienste zu bezahlen wäre ein ebenso passender Anwendungsfall.

Aus der Perspektive des Kunden heraus sollte eine möglichst angenehme User Experience vorhanden sein. Für diese User Experience sorgen nicht nur die Fahreigenschaften, sondern zunehmend die Vernetzung mit anderen Services. Das Teilen von Informationen rund um den aktuellen Standort sowie die Möglichkeit, an der Echtzeitgesellschaft vom Kraftfahrzeug aus teilzunehmen sind beispielhafte Anwendungsgebiete. Perspektivisch werden weitere vernetzte Services, wie verbesserte Parkplatzsuche und Mobilitätsleistungen, die nicht direkt mit dem eigenen Fahrzeug in Verbindung stehen weiter an Relevanz für Kunden gewinnen. Sofern durch die Freigabe personenbezogener Daten für Kunden Vorteile entstehen, wie günstigere Versicherungstarife oder günstige Tarife für Car-Sharing-Flotten, werden Kunden ihre Daten mit OEMs teilen. Damit Kunden von den Vorteilen überzeugt werden, müssen die passenden technischen Rahmenbedingungen geschaffen werden und Initialkundengruppen erreicht werden. Die Sicherheit, Verfügbarkeit und Wiederherstellbarkeit von Daten in der OEM-Cloud ist durch Multi-Verfügbarkeitszonen-Bereitstellung garantiert. Hierbei werden die Daten physikalisch, innerhalb einer festgelegten Region über verschiedene Rechenzentren redundant verteilt.

Cloud-relevante Geschäftsfunktionen in beiden Sektoren

Drei wesentliche Bausteingruppen kennzeichnen Cloud-Computing im öffentlichen Sektor sowie in der Automobilindustrie beziehungsweise in der Industrie allgemein: Big Data, Analytics und Mobilanwendung. Bei Big Data handelt es sich um Daten, die mit großem Volumen, mit großer Varietät oder Geschwindigkeit gespeichert, übertragen/transportiert, visualisiert oder verarbeitet beziehungsweise analysiert werden sollen2. Diese Daten mit ebengenannter Anwendung können industriespezifisch sein. Den klassifikatorischen Zusammenhang veranschaulicht Abbildung 2.

2 Hagen (2014) erweitert die drei durch die prägnante Kurzformel Volumen/Masse, Vielfalt und Geschwindigkeit angegebenen Merkmale von Big Data um ein viertes: Veracity (Genauigkeit, Zuverlässigkeit).

Analytics ist, wie in Abbildung 2 hervorgehoben, ein innerhalb von Big Data eingliederbarer Teilbaustein. Eine wichtige Analytics-Technik ist das sogenannte Data-Mining – die Anwendung statistischer Methoden und Mustererkennungsalgorithmen zur Analyse großer Datenmengen.

Mobilanwendung spielt in zweierlei Hinsicht eine wesentliche Rolle für Cloud-Computing. Erstens sammeln und übertragen mobile Apps Daten an ein ­zentrales System, das im vorliegen Sinne Big Data­-fähig ist und diese Daten speichert, verarbeitet/analysiert und aufbereitet. Zweitens findet die funktionale Verwendung dieser aufbereiteten Daten wiederum auch auf Mobilgeräten statt.

Im Public Sektor sind es nicht nur personenbezogene Bürger- und Meldedaten, sondern auch zum Beispiel Sensordaten der Wetterstationen, Verkehrsdaten, durch das Statistische Bundesamt verwendete statistische ­Daten, Steuer- oder Versicherungsdaten sowie für Versorgungsforschungszwecke verwendete ­epidemiologische anonymisierte/pseudonymisierte Patientendaten aus den Kliniken, die in den Big Data-Bereich fallen (Hagen, 2014).

Analytics spielt im öffentlichen Sektor beim zeitkritischen Katastrophenschutz eine wichtige Rolle, wo Daten zur Gewährleistung eines adäquaten Bevölkerungsschutzes in Echtzeit analysiert werden müssen. Dies trifft auch auf das Bundesinstitut für Risikobewertung (BfR) zu, das unter anderem Daten über Produktionsstufen der Hersteller- und Vertriebskette zur Lebensmittelsicherheit und biologischen Sicherheit auswertet.

Das nationale Krebsfrüherkennungs- und -registergesetz (KFRG) adressiert die flächendeckende Einrichtung klinischer Krebsregister, welche zur Transparentmachung, Bewertung und Verbesserung der onkologischen Versorgungsqualität die Daten über das Auftreten, die Therapie und über den Verlauf von Krebserkrankungen im ambulanten und stationären Bereich erfassen und auswerten (Hagen, 2014).

Data-Mining wird im öffentlichen Sektor auch eingesetzt, um der Bedrohung durch Schadsoftware, Computerviren, -würmer und Spähattacken zu begegnen und in Echtzeit (dank verfeinerter Analysetechniken in Kombination mit In-Memory-Technologien) Angriffsmuster von Datenspionage und Cyber-Attacken zu erkennen und Gegenmaßnahmen einzuleiten (Hagen, 2014).

Anhand der eng mit dem Landesbetrieb Information und Technik NRW (IT.NRW) abgestimmten Umsetzung und Aufnahme der mobilen Behörden-App eAkte2Go in das AppConnect-Ökosystem wird die Relevanz von Mobilentwicklung im Public Sektor deutlich. Die Mobilanwendung erlaubt den zeit- und ortsunabhängigen Zugriff auf Inhalte des zentralen Aktensystems.

Im Automotive Sektor fallen Großvolumen von Daten durch Connected-Car-Dienste an. Hierzu zählen aktuell maßgeblich Navigation (vernetzte Navigation, Schwarmdienste), Smartphone Integration, ­Entertainment & Remote Access (unter anderem per IFTT3). Diese Dienste sind zum Beispiel in den Systemen von BMW ConnectedDrive, Mercedes me, Tesla Eve oder VW Car-Net enthalten. Ähnlich wie im Public Sektor werden Daten lediglich anonymisiert/pseudonymisiert verarbeitet. Dies geschieht in den meisten Anwendungsfällen zur Optimierung der Navigation und des Verkehrsflusses. So verarbeiten Dienste wie Google Maps, Here oder Waze die aktuellen Bewegungsdaten der Nutzer und nutzen sie, um anderen Nutzern Informationen über die Verkehrsflüsse zu übermitteln.

3 If This Than That (IFTTT) ist ein Webservice, der Nutzern erlaubt, anhand von automatisierten Regeln vernetze Geräte über das Internet zu steuern.

Die meisten Daten, die in einem modernen Automobil erzeugt werden, bleiben aber derzeit weitestgehend in den Fahrzeugen und werden nicht versendet. Die Möglichkeit von autonomen Fahrzeugen wird durch cloudbasiertes Speichern und Verarbeiten von Daten positiv beeinflusst, da erst durch ein dichtes Netz an Informationen, die aus unterschiedlichen Quellen stammen, autonomes Fahren flächendeckend möglich wird. Hierzu zählen neben Fahrzeugzustandsdaten die Informationen über Straßenzustände und Witterungslagen, hochgenaue Kartendaten sowie Daten von ­Infrastrukturprovidern. Übermittelt und verarbeitet werden diese Daten in der Cloud – dafür sind sowohl schnelle Datenverbindungen als auch hoch performante Speicher- und Analysemöglichkeiten notwendig. Durch schnelle Datenverbindungen können Fahrzeuge auch zunehmend OTA4 auf dem aktuellsten Datenstand gehalten werden, was sicherstellt, dass Fahrzeuge immer über die aktuellsten Softwareversionen verfügen (Zhang, Roy, Mundhenk, & Chakraborty, 2016).

4 Over The Air (OTA) beschreibt die Möglichkeit, dass eine Software ein Update erfahren kann, ohne dass es per Kabel mit einer Servicestation verbunden sein muss.

Modulare Funktionsbausteine für die Cloud

Abbildung 3 veranschaulicht die für den Einsatz in der Cloud motivierbaren Funktionsbausteine im Public Sektor, und zwar konkret jene des Electronic Government. So bringt der Cloud-Einsatz für die eAkte beispielsweise den Vorteil hochskalierbarer und komplexer Suchanfragen in Volltextdokumenten, wobei eine (dauerhaft) eigens betriebene Infrastruktur nicht zwingend erforderlich wäre und Kosten lediglich für die tatsächliche Nutzung anfallen würden. Eine Bereitstellung der Inhalte über Mobilgeräte per App wie etwa eAkte2Go ermöglicht ein mobiles rollenspezifisches Dokumentenmanagement für (Führungskräfte, Außendienst, Richter, …) mit Verfügbarkeit der Inhalte in verschiedenen Arbeitssituationen – unterwegs, im Büro oder im Sitzungssaal. Ein weiterer und ­wesentlicher Vorteil von Cloud-Computing für den Anwendungsfall E-Government besteht in der gemeinsamen, dynamisch ­skalierbaren, automatisch ausbalancierten Nutzung der IT-Ressourcen durch mehrere Verfahren. Ist die durch ein Fachverfahren erzeugte IT-Nutzungslast geringer, stehen anderen Verfahren mehr Ressourcen bereit. Mit anderen Worten wird die geringfügige Beanspruchung des einen durch die intensivere Nutzung eines anderen Verfahrens im Rahmen der bestehenden Heterogenität durch das Elastizitätsprinzip von Cloud-Computing automatisch ausgeglichen. Die damit im Zusammenhang stehende Skalierbarkeit ist auch auf die Ressourcennutzung durch Bürger und Unternehmen übertragbar.

Abbildung 3: Für Cloud-Computing einsetzbare Funktionsbausteine des E-Government

Abbildung 4: Funktionsbausteine für Cloud-Computing im Automotive Sektor

Dateien und Dokumente, auf die selten zugegriffen wird können automatisch über definierbare Lebenszyklusregeln auf günstigere Infrequent-Access-Speicher ausgelagert werden. Eine weitere Eigenschaft, die Cloud-Technologien von Haus aus mit sich bringen, ist die Optimierung der Latenzzeiten durch überregionale Caching-Mechanismen und Geolocation (IP Address Location)-basierte Routen-Optimierung.
Vorteile, analog zu den oben genannten, bringt die Anwendung von Cloud-Computing auch auf weitere Funktionen, zum Beispiel auf die Anbindung mobiler Bezahldienste oder auf die Kommunikation zwischen Behörde und Bürger sowie Firmen etwa durch VoIP, Chat oder Videokonferenz.

Ähnlich zur Darstellung für den Public Sektor sind in Abbildung 4 die Cloud-Computing-Funktionsbausteine für den Automotive Sektor abgebildet.

Im Automotive Sektor sind grundsätzlich zwei Arten von Cloud zu unterscheiden, die OEM-Cloud mit fahrzeug-/kundenspezifischen Daten (GPS, aktuelle Positionsdaten der Fahrzeuge, häufige Strecken und Ziele, Routenhistorie, …) und eine Art „Public Automotive Cloud“, die herstellerunabhängige Daten wie beispielsweise über Verkehrslagen oder Parkplatzbelegungen beherbergt, verarbeitet und über öffentliche Schnittstellen bereitstellt.

Schnittstellen und Synergien zwischen der OEM- und öffentlichen Cloud finden sich in der kombinierten Nutzung von Daten aus beiden Quellen, die Automobilhersteller einsetzen, um ihren Kunden verschiedene Services im (sowie rund um das) Fahrzeug anzubieten. Das kann die dynamische Navigation mit Berücksichtigung der Verkehrslage in Echtzeit, die auf Echtzeitinformationen basierende Parkplatzsuche oder Glättemeldungen (Echtzeitdaten aus Glättemeldeanlagen, GMA) sowie Wetterinformationen für den Straßenverkehr sein.
Wesentliche Teilbausteine der OEM-Cloud sind die regionale Verteilung, Richtlinienkontrolle, Business Intelligence (BI), Message Queue, Cache und ­Customer Care. Die Knoten zur regionalen Verteilung befinden sich dabei in der Cloud, sollten aber aus rechtlichen Gründen physisch in der jeweiligen Region (beispielsweise als Infrastructure-as-a-Service) gehostet werden. Durch eine cloudbasierte Lösung wird eine Skalierung auf weitere Märkte sichergestellt. Für die Einhaltung der rechtlichen Rahmenbedingungen, werden die dafür notwendigen Richtlinienkontrollen zentral in der Cloud verwaltet. Business Intelligence (BI) fungiert als zentrale Informationsdistribution auf OEM-Ebene, um Daten zu analysieren und Kennzahlen zu berichten. Über die Message Queue und den Cache werden Daten und Updates für angeschlossene Systeme verwaltet und distribuiert. Diese können unter anderem direkt über den Customer Care-Baustein an den Kunden gelangen oder in weitere Geschäftsprozesse übernommen werden.

Grundsätzlich können Daten aus den Ursprungssystemen (Fahrzeug und Geräte des Kunden) in der Cloud gespeichert und verarbeitet und in anschließenden ­Systemen die Ergebnisse bereitgestellt werden. Die Systeme der Partner können dabei ebenfalls cloudbasiert sein oder in klassischen Rechenzentren gehostet werden. Für die Distribution ist hierbei das Partner Management verantwortlich. OEM-Systeme und OEM-kontrollierte Partner (zum Beispiel Tochterunternehmen) sind dabei anders zu behandeln als Systeme externer Partner.

Fazit

Cloud-Computing bietet dem öffentlichen Sektor einen Ordnungsrahmen für die auftragsgemäße Erstellung von Bürgerleistungen. In der Automobilindustrie lassen sich durch Cloud-Computing neue Geschäftsmöglichkeiten erschließen. Insgesamt sorgt der technologische Wandel dafür, dass Elemente des Cloud-Computings zunehmend in die öffentliche Verwaltung sowie in der Wirtschaft Einzug halten. t

Kontakt

Dr. Carsten Brockmann
ist Architekt und Transformation Manager bei Capgemini Deutschland. Seine Interessen liegen u.a. in der IT-Strategie, Digitalisierung und Unternehmensarchitekturen.
carsten.brockmann(ätt)capgemini.com

Patrick Dennert
ist Data Scientist bei Volkswagen im Bereich der Digitalisierung und promoviert an der Universität Hannover im Bereich Marktforschung und Kundenverhalten.
patrick.dennert(ätt)volkswagen.de

Dr. Eldar Sultanow
ist Architekt bei Capgemini Deutschland. Er interessiert sich für Unternehmensarchitekturen, Cloud-Computing und Digitalisierung.
eldar.sultanow(ätt)capgemini.com

Literatur

Bitkom. (2010). Leitfaden Cloud Computing – Was Entscheider wissen müssen. Abgerufen von http://www.bitkom.org/de/publikationen/38337_66148.aspx
Brockmann, C. (2014). An approach to design the business model of an ERP vendor. Berlin: GITO.
Brockmann, C., Lutz, A., & Santesson, L. (2016). Digitalisierung über die Bundescloud hinaus – Wie sich der öffentliche Sektor die Cloud erschließen kann. Abgerufen von https://www.de.capgemini.com/sites/default/files/resource/pdf/digitalisierung-bundescloud_0.pdf
Deussen, P. H., Eckert, K.-P., Hoepner, P., Hoffmann, C., & Strick, L. (2014). Cloud-Fahrplan für die öffentliche Verwaltung. Abgerufen von Berlin, Deutschland:
Deussen, P. H., Strick, L., & Peters, J. (2010). Cloud-Computing für die öffentliche Verwaltung: ISPRAT-Studie November 2010. Abgerufen von Berlin, Deutschland:
Fraunhofer-Institut. (2016). Was bedeutet Public, Private und Hybrid Cloud? Abgerufen von http://www.cloud.fraunhofer.de/de/faq/publicprivatehybrid.html
Hagen, J. (2014, 17.11.2014). Big Data: Öl für die Verwaltung. Abgerufen von https://www.bitkom.org/Presse/Blog/Big-Data-Oel-fuer-die-Verwaltung.html
Shuttleworth, R. (2012). The Lean Cloud for Startups with AWS: Introduction & AWS Overview: Amazon Web Services.
Zhang, L., Roy, D., Mundhenk, P., & Chakraborty, S. (2016). Schedule Management Framework for Cloud-Based Future Automotive Software Systems. Paper presented at the 22nd International Conference on Embedded and Real-Time Computing Systems and Applications (RTCSA) Daegu, Südkorea.