Direkt zum Inhalt
Symbolfoto: Das AIT ist Österreichs größte außeruniversitäre Forschungseinrichtung

DAGMAR

Datengetriebener Mangelradar für die wirtschaftliche Krisenvorsorge

  • Im Zuge von disruptiven politischen, wirtschaftlichen oder gesellschaftlichen Krisenereignissen kann es notwendig sein, dass jene Ministerien mit Wirtschaftslenkungskompetenz (BMAW, BML und BMK) sowie Länder und Gemeinden ihrer gesetzlichen Pflicht nachkommen und wirtschaftslenkende Maßnahmen in ihren jeweiligen Verantwortungsbereich setzen müssen. Die Erfahrung aus der Pandemiebekämpfung hat hier offenkundige Verwundbarkeiten aufgezeigt:
  • Es fehlen den Ressorts hinreichend detaillierte Marktinformationen von kritischen Gütern und Services als auch den jeweiligen dahinterstehenden Lieferketten für die Entwicklung treffsicherer Maßnahmen.
  • Es gibt über die Identifikationen von kritischen Infrastrukturbetreibern hinaus keine hinreichende Definition von system- oder versorgungsrelevanten Unternehmen, die in Krisensituationen in ihrer Resilienz punktuell seitens der öffentlichen Verwaltung unterstützt werden können. Die NIS2-Richtline der Europäischen Union greift diese Problematik auf, jedoch gilt es, diese Ansätze auf die österreichische Situation zu übertragen und detaillieren.
  • Es besteht Bedarf an abgestimmten und akzeptierten Konzepten über system- oder versorgungsrelevante Güter, Services oder Rohstoffe und ihre Zusammensetzungen, insbesondere Abhängigkeiten, Vorbedingungen, Alternativen und Kaskadeneffekte.
  • Analyse des Steuerungspotentials von verfüg-, ableit- und nutzbaren Daten für das Setzen verwaltungstechnischer und politischer Entscheidungen.
  • Frühzeitiges Erkennen Mangelsituationen bereits anhand der Daten und möglicher Kombinationen zur Effizienzsteigerung etwaiger Gegenmaßnahmen.

Das Projektvorhaben greift die aktuell laufenden Bemühungen im BMAW auf, einen konzeptionellen datengetriebenen Mangelradar zu etablieren und adressiert ein Schließen der identifizierten Datenlücke. Durch die offene und transparente Gestaltung einer möglichen dynamischen Datenarchitektur können die Wirtschaftslenkungsmaßnahmen evidenzbasiert erfolgen, wobei auch deren Effekte über die Laufzeit wiederum sich in den Daten widerspiegeln sollen. Die Bevölkerung erhält über mögliche einschränkende Maßnahmen in der Krisensituation Kenntnis über die Entscheidungsgrundlagen und kann die Effekte verifizieren.

Das Projekt analysiert zunächst die aktuellen Schmerzpunkte der Bedarfsträger in wirtschaftlichen Krisensituationen und beleuchtet insbesondere die generalisierten Supply Chain Risks. Danach erfolgt eine umfassende Datenidentifikation und -analyse (Kritische Güter und Services, system- und versorgungsrelevante Unternehmen, etc.), um mögliche relevante strukturierte Informationen, die für Lenkungsentscheidungen essenziell sind, zu identifizieren. Es soll jedoch vermieden werden, im Rahmen des Projektes spezifische Daten von Wertschöpfungsnetzwerken zu spezifischen Produkten oder Dienstleistungen zu erheben. Daraufhin wird ein konzeptionelles Datenmodell erarbeitet, das Ansatzpunkt für neuartige technologische Ansätze – wie zum Beispiel maschinelles Lernen zur Informationsextraktion oder Deep-Learning-basierter Modelle für die Anreicherung manuell kuratierter Wissensstrukturen – sein kann. Das Datenmodell wird nicht vollständig und umfassend sein, allerdings können zukünftige Datenanforderungen formuliert werden, die in ihrer Gesamtdarstellung eine hinreichende Datenbasis darstellen können. Dieses Datenmodell wird Ziel von Interaktionen ausgesetzt sein, etwa hinsichtlich der Datenbewirtschaftung, Zugriffsberechtigungen, Monitoring, Informationssicherheit sowie den beteiligten Akteure. Eine Rechtsanalyse zur Sicherstellung der gesellschaftlichen, sozialen und kulturellen Interessen sowie der exemplarische Aufbau eines Demonstrators runden das Forschungsprojekt ab.

 

  • Partner: AIT Austrian Institute of Technology GmbH (Koordinator), Bundeskanzleramt
  • Projektlaufzeit: 11/2013 – 10/2025
  • Förderprogramm: KIRAS Sicherheitsforschung – Auschreibung 2022/2023, 3.1.1 Datengetriebener Mangelradar für die wirtschaftliche Krisenvorsorge