Beruflich Dokumente
Kultur Dokumente
Ebookstep 3069
Ebookstep 3069
Manuel Wiesche
Visit to download the full and correct content document:
https://ebookstep.com/product/management-digitaler-plattformen-manuel-wiesche/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...
https://ebookstep.com/product/le-management-2e-edition-manuel-
richard-dery/
https://ebookstep.com/product/dcg-7-management-manuel-et-
applications-corriges-inclus-20-5e-ed16-2017-edition-jean-luc-
charron/
https://ebookstep.com/product/der-erwerb-digitaler-werkexemplare-
zur-privaten-nutzung-1st-edition-linda-kuschel/
https://ebookstep.com/product/silicon-economy-wie-digitale-
plattformen-industrielle-wertschopfungsnetzwerke-global-
verandern-1st-edition-michael-ten-hompel/
Portfoliomanagement im Content Marketing Einführung in
die Wertoptimierung digitaler Inhalte Robert Weller
https://ebookstep.com/product/portfoliomanagement-im-content-
marketing-einfuhrung-in-die-wertoptimierung-digitaler-inhalte-
robert-weller/
https://ebookstep.com/product/diccionario-manual-griego-
clasico-22nd-edition-jose-manuel-pabon-manuel-fernandez-galiano/
https://ebookstep.com/product/codigo-civil-comentado-tomo-v-4th-
edition-manuel-muro-rojo-manuel-alberto-torres-carrasco/
https://ebookstep.com/product/codigo-civil-comentado-tomo-x-4th-
edition-manuel-muro-rojo-manuel-alberto-torres-carrasco/
https://ebookstep.com/product/codigo-civil-comentado-tomo-
viii-4th-edition-manuel-muro-rojo-manuel-alberto-torres-carrasco/
Informationsmanagement
und digitale Transformation
Management
digitaler Plattformen
Datengetriebene Geschäftsmodelle
für Mobilität in der Smart City
Informationsmanagement und digitale
Transformation
Management
digitaler Plattformen
Konzeption und Realisierung eines
offenen Ökosystems für intelligente
Mobilitätsdienste in der Smart City
Mit einem Geleitwort von Prof. Dr. Stefan Jähnichen
Herausgeber
Manuel Wiesche Jürgen Krimmling
Garching, Deutschland Dresden, Deutschland
Springer Gabler
© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung, die
nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung
des Verlags. Das gilt insbesondere für Vervielfältigungen, Bearbeitungen, Übersetzungen,
Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen.
Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem
Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche
Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten
wären und daher von jedermann benutzt werden dürften.
Der Verlag, die Autoren und die Herausgeber gehen davon aus, dass die Angaben und Informa
tionen in diesem Werk zum Zeitpunkt der Veröffentlichung vollständig und korrekt sind.
Weder der Verlag noch die Autoren oder die Herausgeber übernehmen, ausdrücklich oder
implizit, Gewähr für den Inhalt des Werkes, etwaige Fehler oder Äußerungen. Der Verlag bleibt
im Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten
und Institutionsadressen neutral.
Springer Gabler ist ein Imprint der eingetragenen Gesellschaft Springer Fachmedien Wiesbaden
GmbH und ist ein Teil von Springer Nature
Die Anschrift der Gesellschaft ist: Abraham-Lincoln-Str. 46, 65189 Wiesbaden, Germany
Geleitwort
Daten sind zu einem wichtigen Rohstoff der wirtschaftlichen Wertschöpfung geworden und
bilden die Basis für viele Innovationen im digitalen Zeitalter. Digitale Geräte vom privaten
Smartphone bis hin zur komplexen Produktionsanlage sind heute mit dem Internet verbunden
und erzeugen große Datenmengen, die oft als Big Data bezeichnet werden. Um aus Big Data
nachhaltig Nutzen zu ziehen, müssen die Rohdaten verarbeitet, veredelt und abgesichert wer-
den. Damit wird Big Data zu Smart Data:
Smart Data = Big Data + Nutzen + Semantik + Datenqualität + Sicherheit + Daten-
schutz = nutzbringende, hochwertige und abgesicherte Information
Mit den Informationen, die Smart Data Technologien generieren, kann der Rohstoff Daten
sein volles wirtschaftliches Potenzial entfalten. Smart Data bietet damit beispielsweise die
Möglichkeit, neue Geschäftsmodelle durch eine zielgerichtete Analyse bereits vorhandener Da-
tenmengen zu entwickeln. Aber auch bestehende Geschäftsmodelle können durch Smart-Data-
Technologien ihre Effizienz deutlich steigern. Smart Data ist vor allem kein Selbstzweck, son-
dern Voraussetzung zur Lösung vieler gesellschaftlicher und wirtschaftlicher Herausforderun-
gen, wie zukunftsfähige Mobilität, modernes Energiemanagement, Industrie 4.0 oder ein zu-
kunftsfähiges Gesundheitswesen. Im Rahmen des Technologieprogrammes „Smart Data – In-
novationen aus Daten“1 fördert das Bundesministerium für Wirtschaft und Energie 13 Leucht-
turmprojekte, die sich diesen Herausforderungen stellen und mit der Nutzung von Smart Data
zu ihrer Lösung beitragen.
Das Projekt „ExCELL – Echtzeitanalyse und Crowdsourcing für selbstorganisierte City-
Logistik“ ist eines der Leuchtturmprojekte. Ziel des Projekts ist die Entwicklung und Pilotie-
rung einer Mobilitätsplattform, die integrierte Mobilitätsdienstleistungen für kleine und mittlere
Unternehmen durch Big-Data-Technologien ermöglicht. Basierend auf existierenden Geo-,
Verkehrslage- und Betriebsdaten sowie deren Analyse in Echtzeit werden Dezentralität, Flexi-
bilität und Aktualität gewährleistet. Das Projekt ExCELL zeigt, wie Smart Data Technologien
für digitale Plattformen nutzbar werden und damit auch neue innovative Geschäftsmodelle er-
möglichen. Diese Geschäftsmodelle entstehen dabei nicht nur für den Betreiber der Plattform,
sondern auch für dritte Parteien, die eigene Dienste auf der Plattform anbieten können.
Im vorliegenden Abschlussband beschreiben die Autoren, wie eine offene Mobilitätsplatt-
form mit einem datengetriebenen Smart Data Ansatz Innovation fördern kann. Sie zeigen wie,
ausgehend von Mobilitätsdaten, intelligente Mobilitätsdienste als modulare Services auf der
Plattform entstehen und diese modularen Services wiederum Grundlage von „smarten“ Appli-
kationen sind. Am Beispiel der Nutzergruppe kleiner und mittlerer Unternehmen illustriert das
Projektkonsortium, wie beispielswiese Handwerker und Pflegebetriebe durch intelligente Ter-
min- und Routenplanung von den intelligenten Mobilitätsdiensten auf der Plattform profitieren.
1
http://www.digitale-technologien.de/DT/Navigation/DE/Foerderprogramme/Smart_Data/smart_data.html
VI
Durch die Öffnung der Plattform und das Einrichten eines Entwicklerportals ist es auch dritten
Parteien (bspw. Softwareunternehmen) möglich, die über die Plattform bereitgestellten soft-
waretechnischen Services für Applikationen zu nutzen.
Besonderes Augenmerk galt im Projekt dem Thema Datenschutz, da die Mobilitätsdaten
der Nutzer sensible personenbezogene Daten sind. Mit Anonymisierungsverfahren und Pri-
vacy-by-Design-Konzepten wurde die Nutzung der Daten abgesichert. Die Fragestellungen von
Sicherheit und „Privacy“ wurden im Rahmen der Begleitforschung in den Fachgruppen Rechts-
rahmen und Sicherheit projektübergreifend bearbeitet und in der Veröffentlichung „Die Zu-
kunft des Datenschutzes im Kontext von Forschung und Smart Data“ diskutiert. Das Konsor-
tium ExCELL steuerte hierzu einen Beitrag zu maschinenlesbarer Zertifizierung bei.
Mit der ExCELL Plattform als Beispiel einer offenen Mobilitätsplattform zeigt das Projekt
außerdem, wie das Konzept von „Open Data“ nachhaltige Mobilität in Städten voranbringen
könnte, um von proprietären und geschlossenen Plattformen wie bspw. Google Maps und
Google Waze unabhängiger zu werden. Im projektübergreifenden Austausch zeigte sich jedoch
auch, dass Open Data in Deutschland noch am Anfang steht und hier einerseits Standards ge-
schaffen werden müssen und andererseits von der Politik auch entsprechende Rahmenbedin-
gungen vorgegeben werden müssen. Diese und weitere Forderungen werden in der Veröffent-
lichung „Open Data in Deutschland“ der Begleitforschungsfachgruppe Wissenschaftliche Po-
tenziale und gesellschaftliche Akzeptanz dargelegt.
Die in den Fachgruppen und zahlreichen weiteren Veranstaltungen der Begleitforschung
diskutierten Aspekte flossen wiederum in die Projektergebnisse von ExCELL ein. Damit liefert
der Abschlussband des Projekts ExCELL wichtige Impulse für die Nutzung von Smart Data
Technologien im Kontext Mobilität und darüber hinaus. Ich bedanke mich für die erfolgreiche
und ebenso ertragreiche Zusammenarbeit und wünsche dem Abschlussband eine zahlreiche Le-
serschaft und weite Verbreitung.
Jedoch bestehen hohe Hürden für die Nutzung von intelligenten Mobilitätsdiensten durch
kleine und mittlere Unternehmen (KMU). Mobilitätsdienstleistungen wie Carsharing, Routing
und intermodales Reisen haben sich für den Privatsektor und bei großen Unternehmen etabliert.
Von mobilen Applikationen für intermodale Reisen bis hin zu Corporate Carsharing Konzepten
existieren eine Vielzahl von Angeboten am Markt. Kleine und mittlere Unternehmen stehen vor
der Herausforderung, dass Angebote für den Privatsektor aufgrund ihrer unterschiedlichen An-
forderungen an die Integration in Geschäftsprozesse, Verlässlichkeit und Umfang unpassend
erscheinen. Zudem können professionelle Angebote für große Unternehmen aufgrund der feh-
lenden Skaleneffekte häufig nicht genutzt werden.
Demgegenüber steht eine immer besser werdende Datenlage bezüglich Mobilität und Ver-
kehr in den Städten. So wird beispielsweise in Dresden mit dem Verkehrsmanagementsystem
VAMOS die aktuelle Verkehrslage detailliert erfasst, auch eine Prognose der Verkehrslage in
verschiedenen Zeithorizonten ist möglich. Die Nutzer von mobilen Applikationen, die
„Crowd“, erzeugen weitere Daten, wenn sie bei der Nutzung von Mobilitätsdiensten Bewe-
gungsdaten generieren und zur Verfügung stellen.
Zielsetzung des Projekts ExCELL ist die Entwicklung und Pilotierung einer Plattform, die
integrierte Mobilitätsdienstleistungen für KMU ermöglicht. Basierend auf existierenden Geo-,
Verkehrslage- und Betriebsdaten wird ein Crowdsourcing-Ansatz verfolgt, um Dezentralität,
Flexibilität und Aktualität zu gewährleisten. Als Crowd wurden im Projekt alle in Deutschland
ansässigen KMU und deren Kunden definiert, die kollektiv mobile Geräte und das Internet zur
Kommunikation mit Mobilitätsdienstleistern benutzen. Die ExCELL Plattform integriert exis-
tierende Mobilitätsdienste von einer Reihe von Praxispartnern und reichert deren Daten mit
heterogenen Massendaten aus der Crowd an. Dafür werden im Projekt Techniken des Data Mi-
ning genutzt und weiterentwickelt, die die skalierbare Verarbeitung von Geodaten in den Mit-
telpunkt stellen. Die Plattform ermöglicht den Praxispartnern die Bündelung ihrer bereits vor-
handenen Mobilitätsdienste mittels Service Engineering und bietet Anreize für die Bereitstel-
lung weiterer Daten durch deren Kunden, z. B. Feedback zur Auslastung und Qualität der Mo-
bilitätsdienstleistungen.
VIII
Die ExCELL Plattform wurde im Laufe des Projekts kontinuierlich weiterentwickelt und
bietet Drittentwicklern über die Projektlaufzeit hinaus die Möglichkeit, eigene Mobilitäts-
dienste und Applikationen zu entwickeln. Dazu wurde ein Entwicklerportal bereitgestellt, auf
dem die im Projekt entstandenen Mobilitätsdienste von Entwicklern genutzt und in eigene
Dienste integriert werden können2. Das Entwicklerportal bietet eine umfangreiche Dokumen-
tation zu allen Services und ihren Schnittstellen sowie die Möglichkeit, die Schnittstellen direkt
zu testen.
Im Laufe des Projekts entstanden mehrere Applikationen, die die Mobilitätsdienste der
ExCELL Plattform nutzen, um Mehrwert für ihre Nutzer zu schaffen. Zum Beispiel unterstützt
die Anwendung „Terminmeister“ Handwerksbetriebe in der Planung ihrer Termine, indem die
aktuelle und prognostizierte Verkehrslage bei der Planung berücksichtigt wird3. Auch für Pfle-
gedienste, für die ebenfalls insbesondere die städtische Verkehrslage betriebsrelevant ist, wurde
eine prototypische Anwendung entwickelt, die die Planung und Disposition vereinfacht. Diese
Anwendungen zeigen, dass die ExCELL Plattform Mehrwert für KMU bietet, für die die Mo-
bilität in Städten im Tagesgeschäft eine Rolle spielt.
Darüber hinaus stehen auf der Webseite des Projekts ausgewählte Ergebnisse zum Down-
load bereit4. Die Ergebnisse wurden in Fachverbänden weitergegeben und im Rahmen von
Workshops diskutiert. Im wissenschaftlichen Bereich wurden die Ergebnisse in hochrangigen
wissenschaftlichen Fachzeitschriften veröffentlicht und auf Konferenzen vorgestellt und disku-
tiert.
Unser Dank gilt dem BMWi und seinem Projektträger DLR für die Betreuung des Vorha-
bens. Unser persönlicher Dank gebührt Herrn Dr. Alexander Tettenborn (BMWi), Herrn Volker
Genetzky (BMWi) und Herrn Dr. Patrick Lay (DLR) für die Unterstützung und Begleitung des
Projekts sowie allen beteiligen Projektpartnern und Mitarbeitern für den unermüdlichen und
engagierten Einsatz, ohne den dieses Vorhaben nicht möglich gewesen wäre. Dies sind insbe-
sondere Dr. Felix Köbler, Alexander Eiting, Hias Wrba, Johanna Hillenbrand, Christoph Pflüg-
ler, Maximilian Schreieck, Prof. Dr. Michael Schermann, Sven Fröhlich, Henning Jeske, Se-
bastian Pape, Gunter Thiele, Stephan Pieper, Felix Kunde, Prof. Dr. Alexander Löser, Torsten
Kilias, Dr. Stefan Hörmann, Dina Tagabergenova, Martin Balfanz und Michael Seibt, André
Rademacher, Maik Stamm und Daniel Hübner.
Danken möchten wir auch unseren Unterstützern außerhalb des geförderten Projektkonsor-
tiums, die mit ihrem Engagement und Expertenrat maßgeblich zum Erfolg des Vorhabens bei-
getragen haben. Dies sind insbesondere Georg Räß (Handwerkskammer für München und
Oberbayern), Katrin Mathis (Digitale Konzepte mit mehr Wert), Rob Tranquillo (OK Lab Dres-
den), Jakob Buchetmann (Hauptstadtretter), Ingo Voigt (Aufbau-Profis Montageservice) sowie
2
https://www.excell-mobility.de/developer/
3
https://www.terminmeister-app.de/
4
https://www.excell-mobility.de
IX
dem VAMOS-Team an der TU Dresden, dem Straßen- und Tiefbauamt Dresden und der Stadt
Dresden.
Wir hoffen, dem Leser eine spannende und nutzenstiftende Lektüre an die Hand geben zu
können und wünschen dem Abschlussbericht die ihm gebührende weite Verbreitung.
Manuel Wiesche
Petra Sauer
Jürgen Krimmling
Helmut Krcmar
Inhaltsüberblick
Abkürzungsverzeichnis .......................................................................................................XIII
Teil E: Entwicklung von smarten Applikationen für Mobilität von KMU in der
Smart City ................................................................................................................. 297
19 Innovationshemmnisse für kleine und mittlere Unternehmen ............................... 297
20 Data Canvas und Data-Need Fit – Daten für neue Geschäftsmodelle nutzen........ 313
26 Eine mobilen App zur crowdbasierten Erfassung von freien Parkplätzen durch
Gamification ........................................................................................................... 401
Dieses Kapitel beschreibt die Motivation hinter dem Forschungsprojekt „ExCELL – Echt-
zeitanalyse und Crowdsourcing für eine selbstorganisierte City-Logistik“ des Technologiepro-
gramms „Smart Data – Innovationen aus Daten“ des Bundeswirtschaftsministeriums für Wirt-
schaft und Energie (BMWi). Die zentralen Ergebnisse dieses Forschungsprojekts werden in
diesem Buch erläutert. Des Weiteren werden in diesem Kapitel die am Projekt beteiligten Part-
ner und der Aufbau des Buchs vorgestellt.
This chapter describes the motivation of the research project "ExCELL - Real-Time Anal-
ysis and Crowdsourcing for Self-Organized City Logistics" of the technology program "Smart
Data - Innovations from Data" of the German Federal Ministry for Economic Affairs and En-
ergy (BMWi). The key findings of this research project are outlined in this book. Furthermore,
this chapter presents the partners involved in the project and the structure of the book.
5 Das Forschungsprojekt ExCELL wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie
(BMWi) gefördert (Förderkennzeichen: 01MD15001A-G).
© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018
M. Wiesche et al. (Hrsg.), Management digitaler Plattformen,
Informationsmanagement und digitale Transformation,
https://doi.org/10.1007/978-3-658-21214-8_1
2 Teil A: Einleitung
1.1 Motivation
1.1.1 Von Verkehrsdaten zur Innovation
Aufgrund der wachsenden Urbanisierung hat der Verkehr in Städten in den letzten Jahren
stark zugenommen und wird auch in den nächsten Jahren noch weiter steigen (Schrank und
Lomax 2007; Zhang und Batterman 2013). Dies führt zu Problemen wie beispielsweise erhöh-
tem Verkehrsaufkommen, zunehmenden Staus und einer schwierigen Parkplatzsuche (Giuffrè
et al. 2012). Die bestehende Verkehrsinfrastruktur kann aber aufgrund von baulichen Ein-
schränkungen nicht ohne weiteres erweitert werden. Aus diesen Gründen muss die bestehende
Infrastruktur effizienter genutzt werden. Dies hat zu Trends wie Car Sharing und dem vermehr-
ten Einsatz von Fahrrädern in der Stadt geführt (Cohen und Kietzmann 2014).
Die fortschreitende Digitalisierung führt zu einer immer stärker zunehmenden Menge an
generierten Mobilitätsdaten. Die steigende Verbreitung von Internet-of-Things Geräten und die
hohe Anzahl an Smartphones führt zur Erzeugung einer Datenmenge, die noch vor ein paar
Jahren unvorstellbar war. So werden weltweit täglich 2,5 Exabyte an Daten produziert
(Borkhataria 2017). Die Datenproduktionsrate wächst hierbei exponentiell an (Borkhataria
2017). Daten werden auch oft als das „neue Öl“ bezeichnet (The Economist 2017; Forbes 2017).
In Daten steckt ein hoher finanzieller Wert, der aber oft schwer zu bestimmen ist (Schreieck et
al. 2016a).
In Smart Cities werden viele Daten erzeugt, die einen hohen Wert darstellen, aber bisher
noch nicht für andere Akteure zur Verfügung gestellt werden, um diesen Wert zu heben. So
gibt es viele Daten aus der Verkehrssteuerung, die von externen Akteuren verwendet werden
könnten. Bisher ist aber weitgehend unklar, wie diese Nutzbarmachung realisiert werden kann
und soll. Eine einfache Bereitstellung von Rohdaten hat verschiedene Nachteile. So setzt die
Analyse der Daten hohe statistische und methodische Kenntnisse voraus. Des Weiteren entsteht
durch die Veröffentlichung von Rohdaten die Gefahr, dass der Datenschutz verletzt wird. Die
Bereitstellung von softwaretechnischen Services hat hingegen den Vorteil, dass die Informati-
onen, die von externen Akteuren benötigt werden, direkt zur Verfügung stehen (Pflügler et al.
2016b). Außerdem kann ein softwaretechnischer Service datenschutzrechtliche Anforderungen
konzeptionell und technisch adressieren.
Die Bereitstellung von softwaretechnischen Services mittels einer Service- und Datenplatt-
form schafft ein innovatives Ökosystem (Pflügler et al. 2016b; Schreieck et al. 2018). Entwick-
ler haben die Möglichkeit völlig neuartige Applikation zu entwickeln, die ohne die bereitge-
stellten Services nicht realisierbar wären. Die Services können aber auch in bestehende Lösun-
gen integriert werden, was deren Nutzen und Qualität sowie das Datenvolumen innerhalb der
Plattform erhöht.
1 Motivation und Bausteine 3
Mit 99,7 % aller umsatzsteuerpflichtigen Unternehmen bilden sie den Großteil der deut-
schen Volkswirtschaft (Europäische Kommission 2017). Handwerksunternehmen und Pflege-
dienste, auf die innerhalb des Projekts fokussiert wurde, stellen einen wichtigen Teil des Wirt-
schaftssegments KMU dar. In Deutschland gibt es über 570.000 Handwerksbetriebe und es
werden knapp 700.000 Menschen von ambulanten Pflegediensten in ihrem Zuhause betreut
(Statistisches Bundesamt 2017b, 2017a). Diese Zahlen untermauern die Bedeutung dieser bei-
den Wirtschaftszweige.
Mobilität spielt bei KMU eine große Rolle. Oft müssen diese für die Erbringung der Leis-
tung beim Kunden vor Ort sein. Ein Sanitärbetrieb kann keinen Abfluss reparieren, ohne beim
Kunden vor Ort zu sein. Ein Pflegedienst muss beim Patienten vor Ort sein, um diesen zu ver-
sorgen. Das hohe Verkehrsaufkommen in Städten stellt KMU vor große Probleme. Staus ver-
hindern das Vorankommen und auch die Suche nach Parkplätzen führt zu einem Zeitverlust.
Dies führt zu hohen Kosten, so liegt beispielsweise der gesamtwirtschaftliche Schaden von
Staus in Deutschland bei über 30 Mrd. Euro (Wirtschafts Woche 2014).
Nicht nur aus Sicht der Mobilität sind KMU für Forschungsvorhaben interessant, sondern
auch aus Sicht der Adaption von Innovationen. Obwohl Innovationen die Produktivität und den
Erfolg erhöhen (z.B. Dodgson et al. 2008; Sorescu et al. 2003; Xiao et al. 2013; Riedl et al.
2009), wurde gezeigt, dass KMU oft weniger innovativ als Großkonzerne sind (Tan 2010;
Kimberly und Evanisko 1981; Fries et al. 2016). KMU befinden sich hier in einem Spannungs-
feld. Einerseits ist aufgrund ihrer geringeren Größe und der dadurch entstehenden Flexibilität
die Adaption von Innovationen für KMU leichter, andererseits scheitert dies oft an den gerin-
geren finanziellen Ressourcen und dem Fehlen des entsprechenden Wissens (Ritchie und
Brindley 2005; Rothwell 1989; Cohen und Kleppler 1996; Acs und Audretsch 1991).
4 Teil A: Einleitung
Im Rahmen des Projekts wurden sowohl eigene Applikationen auf der Plattform pilotiert
als auch erste Applikationen von Drittanbietern umgesetzt. Die potenzielle Wertschöpfung der
Mobilitätsplattform wird durch die Öffnung gegenüber Drittanbietern signifikant erhöht
(Schreieck und Wiesche 2017; Schreieck et al. 2017a). Durch Plattform-Governance können
Drittanbieter inzentiviert werden, sich auf der Plattform einzubringen, während gleichzeitig die
Einhaltung von Standards der auf der Plattform angebotenen Applikationen gewährleistet ist
(Hein et al. 2016; Schreieck und Wiesche 2017; Schreieck et al. 2016b). Hierzu werden einer-
seits Ressourcen für Drittentwickler angeboten und andererseits Kontrollmechanismen imple-
mentiert, die die Qualität der Applikationen sicherstellen (Schermann et al. 2012; Wiesche et
al. 2011a; Wiesche et al. 2011b). Auf der ExCELL Plattform wurden Applikationen entwickelt,
die Termin- und Schichtplanung in Handwerk und Pflege optimieren und dabei die Verkehrs-
lage berücksichtigen. Darüber hinaus wurden zahlreiche weitere prototypische Applikationen
pilotiert (z.B. Schreieck et al. 2017b; Pflügler et al. 2016a).
Das Projekt ExCELL ist Teil des Technologieprogramms „Smart Data – Innovationen aus
Daten“ des Bundeswirtschaftsministeriums für Wirtschaft und Energie (BMWi) (Förderkenn-
zeichen: 01MD15001A-G). Die Laufzeit des Projekts betrug 40 Monate und war von Mai 2015
bis August 2018. Das Projekt gliederte sich in drei Iterationen zu je ca. einem Jahr. Abbildung
1-1 zeigt den Zeitplan des Projekts mit den drei Iterationen.
1 Motivation und Bausteine 5
Dieses Buch fasst die zentralen Ergebnisse des Projekts zusammen. Das Konsortium be-
stand aus den folgenden Beteiligten.
1.1.3.1 FELD M
Die FELD M GmbH ist ein Dienstleistungsunternehmen für digitales Marketing mit Sitz in
München. Das Unternehmen entwickelt Strategien und Analysen zur Erreichung marktorien-
tierter Ziele in den digitalen Medien. Gemeinsam mit seinen Kunden erarbeitet FELD M nach-
haltige Kommunikations-, Vertriebs- sowie Produktlösungen. Zu den Stärken des Unterneh-
mens zählen dabei unter anderem die Beratung bei der Positionierung von Produkten und Mar-
ken sowie der Ausarbeitung und Etablierung von innovativen Geschäftsmodellen. FELD M
versteht sich als forschungsbegleitendes Unternehmen und bezieht den jeweils aktuellen Stand
der Forschung aktiv in die Erarbeitung von innovativen Lösungen für die Praxis mit ein. Als
ausführende Beratung begleitet FELD M Kunden und Projekte aktiv in der Umsetzungsphase
und setzt dabei konsequent agile Projektmanagementmethoden wie SCRUM und Kanban ein,
um die Realisierung der Nutzenpotenziale entwickelter Konzepte nachhaltig sicherzustellen.
Im Rahmen zahlreicher Projekte konnte so eine Wertschöpfung über den gesamten Projektle-
benszyklus hinweg – von der strategischen Herleitung über die Konzeption und Kreation bis
hin zu Implementierung und Betrieb von beispielsweise Plattformen und mobilen Applikatio-
nen – sichergestellt werden. Die Branchenschwerpunkte von FELD M liegen in den Bereichen
Automotive, Financial Services, Konsumgüter und Medienunternehmen.
1.1.3.2 MING Labs
Das erfolgreiche Zusammenspiel von Design, Software-Entwicklung und fundierten Bran-
chenkenntnissen ist die Grundlage des Dienstleistungsangebots der MING Labs GmbH. Das
Unternehmen mit Niederlassungen in München, Berlin, Shanghai, Singapur und New York
umfasst ein interdisziplinäres und internationales Team, bestehend aus Wirtschaftswissen-
schaftlern, Designern, Software-Entwicklern, aber auch Quereinsteigern und -denkern wie Lin-
guisten oder Physiker. Gegründet im Jahr 2011, betreut die MING Labs GmbH heute sowohl
6 Teil A: Einleitung
Großkonzerne als auch Start-up-Unternehmen bei der Konzeption und Umsetzung digitaler
Produkte - von der Ideenfindung, über das UX-Design bis hin zur Entwicklung. Daneben ge-
hören auch Dienstleistungen in den Bereichen Datenvisualisierung und Strategieberatung zum
Thema Digitale Transformation zum Leistungsportfolio der MING Labs GmbH. Zudem inves-
tiert das Unternehmen in Start-ups im Bereich unterschiedlichster Business- und Consumer-
Anwendungen und Produkte. Das Unternehmen versteht sich als Innovationspartner und nicht
als bloßes Dienstleistungsunternehmen. Ein besonderes Augenmerk legt die MING Labs
GmbH bei der Umsetzung aller Projekte auf innovatives, ästhetisch ansprechendes Design und
intuitive Benutzerführung. Grundlage dieser Philosophie ist die Überzeugung, dass Web- und
Smartphone-Applikationen sowie generell Services dem Nutzer Freude bereiten und zugleich
ein Problem lösen sollen und nicht in erster Linie dazu dienen, eine vordefinierte Funktion zu
erfüllen.
Abbildung 1-2 beschreibt den Aufbau des Buchs. Teil A motiviert das Thema und gibt
einen Überblick über die beteiligten Institutionen und das Forschungsprojekt. Weiterhin wird
die Struktur dieses Buchs erläutert.
Teil B des Buchs beschreibt die Gestaltung einer offenen Mobilitätsplattform zur Förde-
rung datengetriebener Innovationen. Hierbei wird auf existierende Plattformen für Mobilität
und Verkehr eingegangen und ein Referenzmodell einer Mobilitätsplattform entwickelt. Des
Weiteren wird das technische Konzept, die Governance und die Monetarisierungsstrategie einer
Mobilitätsplattform beschrieben.
Der Teil E beschreibt die Entwicklung von smarten Applikationen für Mobilität von KMU
in der Smart City. Hierbei wird insbesondere auf die Schwierigkeiten der Zielgruppe KMU
eingegangen und der Entwicklungsprozess genauer erläutert.
Das Buch endet mit Teil G, der Handlungsempfehlungen aufzeigt. Insbesondere liegt hier
der Fokus auf der Entwicklung von Konzepten zur Übertragbarkeit der entwickelten Mobili-
tätsplattform für andere Kommunen.
10 Teil A: Einleitung
1.3 Literaturverzeichnis
Acs Z, Audretsch D (1991) Innovation and Technological Change: An International
Comparison. University of Michigan Press: Ann Arbor Michigan. University of
Michigan Press, Ann Arbor, Michigan.
Borkhataria C (2017) 15.2 million texts and 69,444 hours of Netflix: How much data the
internet generates every MINUTE. http://www.dailymail.co.uk/sciencetech/article-
4730210/What-internet-does-minute.html. Abgerufen am 23.11.2017.
Cohen B, Kietzmann J (2014) Ride on! Mobility business models for the sharing economy.
Organization & Environment 27 (3): S. 279-296.
Cohen WM, Kleppler S (1996) A Reprise Of Size And R&D. Economic Journal 106 (437): S.
925-951.
Dodgson M, Mathews J, Kastelle T, Hu M-C (2008) The evolving nature of Taiwan's national
innovation system: The case of biotechnology innovation networks. Research Policy
37 (3): S. 430-445.
Europäische Kommission (2017) What is an SME? http://ec.europa.eu/growth/smes/business-
friendly-environment/sme-definition/. Abgerufen am 03.01.2017.
Forbes (2017) Is Data The New Oil? How One Startup Is Rescuing The World's Most
Valuable Asset. https://www.forbes.com/sites/jaycoengilbert/2017/08/23/rescuing-the-
worlds-most-valuable-stranded-asset-the-company-democratizing-data-the-new-
oil/#283bfddd2b22. Abgerufen am 01.11.2017.
Fries V, Pfluegler C, Wiesche M, Krcmar H (2016) The Hateful Six-Factors Hindering
Adoption of Innovation at Small and Medium-Sized Enterprises, 22nd Americas
Conference on Information Systems, San Diego, CA.
Giuffrè T, Siniscalchi SM, Tesoriere G (2012) A novel architecture of parking management
for smart cities, Procedia-Social and Behavioral Sciences.
Hein A, Schreieck M, Wiesche M, Krcmar H (2016) Multiple-case analysis on governance
mechanisms of multi-sided platforms, Multikonferenz Wirtschaftsinformatik, Ilmenau.
Kimberly JR, Evanisko MJ (1981) Organizational Innovation: The Influence of Individual,
Organizational, and Contextual Factors on Hospital Adoption of Technological and
Administrative Innovations. Academy of Management Journal 24 (4): S. 689-713.
Pflügler C, Köhn T, Schreieck M, Wiesche M, Krcmar H (2016a) Predicting the Availability
of Parking Spaces with Publicly Available Data, INFORMATIK 2016, Klagenfurt.
Pflügler C, Schreieck M, Hernandez G, Wiesche M, Krcmar H (2016b) A concept for the
architecture of an open platform for modular mobility services in the smart city.
Transportation Research Procedia 19: S. 199-206.
Riedl C, Boehmann T, Leimeister M, Krcmar H (2009) A framework for analysing service
ecosystem capabilities to innovate, 17th European Conference on Information
Systems, Verona.
Ritchie Bruau, Brindley Ccuau (2005) ICT adoption by SMEs: implications for relationships
and management. New Technology, Work & Employment 20 (3): S. 205-217.
Rothwell R (1989) Small Firms, Innovation and Industrial Change. Small Business
Economics 1 (1): S. 51-64.
Schermann M, Wiesche M, Krcmar H (2012) The role of information systems in supporting
exploitative and exploratory management control activities. Journal of Management
Accounting Research 24 (1): S. 31-59.
Schrank DL, Lomax TJ (2007) The 2007 urban mobility report. Texas Transportation
Institute, Texas A & M University.
Schreieck M, Pflügler C, Setzke DS, Wiesche M, Krcmar H (2018) Improving Urban
Transportation: an Open Platform for Digital Mobility Services. In: Linnhoff-Popien
1 Motivation und Bausteine 11
Mobilität funktioniert immer stärker datengetrieben – von Apps für Sharing-Angebote bis
hin zu selbstfahrenden Autos. Neben innovativen Lösungen ermöglichen die Datenströme ge-
nauere Einblicke in das Verkehrsgeschehen. Ein neuer Wirtschaftszweig ist am Entstehen, der
dieses digitale Wissen in intelligente Anwendungen für Endnutzer umwandelt, die helfen sich
besser auf die tägliche Rush Hour oder plötzlich auftretende Staus einzustellen. Bisher wird
dieses Feld ausnahmslos Firmen wie Google, HERE oder Uber überlassen. Verkehrsdaten wer-
den zwar zunehmend einer breiten Öffentlichkeit zur Verfügung gestellt, allerdings handelt es
sich oft um Live-Schnittstellen für Parkhäuser oder Fahrplandaten des öffentlichen Personen-
nahverkehrs (ÖPNV). Um die Dynamik des Verkehrs besser zu verstehen und eigene Modelle
zu entwickeln, bedarf es einer genauen Datenerfassung, die zumindest die Hauptverkehrsach-
sen der Stadt über einen mehrjährigen Zeitraum abdeckt. Ansätze für die Bereitstellung ent-
sprechender Rohdaten gibt es bereits. In diesem Kapitel werden bestehende Plattformen für
offene Verkehrsdaten vorgestellt und miteinander verglichen.
From shared mobility apps to self-driving cars – the field of transportation becomes more
and more data-driven. Aside from innovative applications, these data streams let us gain more
insights about traffic. A new economy is about to emerge – mostly driven by information tech-
nology (IT) companies like Google, HERE or Uber – taking this digital knowledge and trans-
ferring it into smart applications that help their users to better anticipate daily rush hours or
spontaneous congestion. Although traffic-related data is constantly made available to the pub-
lic, it is often limited to application programming interfaces (APIs) providing live data about
parking slots or public transport schedules. To capture traffic’s dynamic nature and gain new
insights, detailed data of at least the arterial road network of a city is mandatory. First ap-
proaches exist to provide raw data from sensors. This chapter will introduce various data for-
mats and the platforms where they can be found.
6
Das Forschungsprojekt ExCELL wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie
(BMWi) gefördert (Förderkennzeichen: 01MD15001B und 01MD15001E).
© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018
M. Wiesche et al. (Hrsg.), Management digitaler Plattformen,
Informationsmanagement und digitale Transformation,
https://doi.org/10.1007/978-3-658-21214-8_2
14 Teil B: Gestaltung einer offenen Mobilitätsplattform
2.1 Einleitung
Im Zuge groß aufgehängter Themen wie Digitalisierung und Smart City wird intelligente
Mobilität seit Jahren als ein Paradebeispiel genutzt. Das liegt nicht nur an der Bedeutung der
Automobilindustrie in Deutschland, sondern an den vielen innovativen Diensten, die vor allem
von Startups in diesem Bereich geschaffen worden sind (Jonuschat et al. 2016). Dabei verfügen
Startups selten über den Zugang zu mobilitätsbezogenen Daten und müssen diese erst durch
ihre Anwendungen selbst erheben. Da dieser Weg meist zu klassischen geschlossenen (und
nicht zwangsläufig erfolgreichen) Insellösungen führt, liegt es nahe, Daten in offenen Plattfor-
men miteinander zu vernetzen und langfristig verfügbar zu machen. Die Verkehrsmanagement-
systeme der Städte können hier das „Startkapital“ für solche Plattformen liefern, die wiederum
offenen Diensten – wie jenen der ExCELL-Plattform – dienen können.
Dieses Kapitel gibt zunächst einen Überblick, um welche Art von Daten es sich dabei han-
deln kann und in welchen Formaten diese in der Regel zur Verfügung gestellt werden. Darauf
aufbauend wird abschließend das Datenangebot verschiedener offener Mobilitätsplattformen
vorgestellt.
Als reiner Nutzer der Infrastruktur hat man auf diese Aspekte in der Regel wenig bis keinen
Einfluss. Durch Nutzung von Karten, Routenplaner und Verkehrsmeldungen wird die eigene
Mobilität planbar. Die Bereitstellung von Echtzeitinformationen hilft, rechtzeitig auf Ausnah-
mefälle zu reagieren. Für solche Fälle sollten Handlungsspielräumen existieren bzw. aufgezeigt
werden, um größere Störungen zu vermeiden.
2.2.1 Informationen zur Infrastruktur
Infrastrukturdaten liegen heutzutage größtenteils in digitaler Form vor. Für die Entwick-
lung von Mobilitätsdiensten wäre es z.B. hilfreich, die Lage und Eigenschaften von Verkehrs-
wegen zu kennen. Für Straßen wären dies z.B. die Anzahl der Fahrspuren, der Belag sowie ggf.
dokumentierte Schäden, die zugelassene Maximalgeschwindigkeit, Einbahnstraßen sowie Hin-
dernisse wie Brücken mit Last- bzw. Höhenbeschränkung. Im Planungs- und Konstruktionsbe-
2 Überblick zu existierenden Plattformen für Mobilität und Verkehr 15
reich werden hauptsächlich Computer Aided Design (CAD) Anwendungen eingesetzt. Klassi-
sche CAD-Formate wie DWG, DXF oder DGN haben jedoch den Nachteil, nicht objektspezi-
fisch modelliert zu sein, was den Datenaustausch in andere Systeme (z.B. GIS) schwierig macht
(Widmann et al. 2015). In den letzten 20 Jahren sind deshalb auf nationaler wie internationaler
Ebene neue Austauschformate entwickelt worden, um die Interoperabilität zu steigern. Dazu
zählen u.a. folgende Standards:
OKSTRA7, der Objektkatalog für das Straßen- und Verkehrswesen (Schultze und
Buhmann 2008)
ATKIS, das Amtliches Topographisch-Kartographisches Informationssystem und AL-
KIS, das Amtliches Liegenschaftskatasterinformationssystem8 (Schauer 2010)
INSPIRE9, Infrastructure for Spatial Information in the European Community (Gunay
et al. 2014)
LandXML10 (Rebolj et al. 2008), RoadXML11 (Chaplier et al. 2010) und TransXML12
(Scarponcini 2006)
Einen guten Überblick und Vergleich zu diesen Formaten liefern Frei et al. (2014) in einem
Forschungsbericht zum OKSTRA-Standard im Auftrag des Bundesverkehrsministeriums. Al-
len Standards gemein ist die Modellierung des objektorientierten Datenmodells in UML (Uni-
fied Modeling Language) sowie dessen Beschreibung in XML (Extensible Markup Language).
Abgesehen von dem bisher dürftigen Angebot an standardisierten Datensätzen unter einer Open
Data Lizenz werden solche Formate oft als zu komplex kritisiert. Zudem mangelt es meist an
freier Software, welche die Dokumente verarbeiten kann. Daher setzen die Informationsmo-
delle tiefergehende Fachkenntnisse voraus, die erst mit dem Lesen der ggf. umfangreichen wie
trockenen Spezifikation erworben werden müssen.
Immerhin ist bei der Veröffentlichung von amtlichen Geodaten in den letzten Jahren ein
klarer Trend zu Offenheit und Transparenz zu spüren. Alleine 2017 haben mit Nordrhein-West-
phalen, Thüringen und Baden-Württemberg drei weitere Bundesländer ihre Geodatenportale
für die Weiterverwendung der Daten geöffnet (siehe Abschnitt 2.4). Zur Verteilung der Daten
haben sich standardisierte Schnittstellen des Open Geospatial Consortium (OGC) längst etab-
liert: Kartenmaterial und Rasterdaten werden über Web Map Services (WMS) (Open
Geospatial Consortium 2000), vektorisierte Objektdaten über Web Feature Services angeboten
(Open Geospatial Consortium 2002). Die XML-basierten Protokolle der Dienste können von
den meisten freien GIS-Anwendungen gelesen werden. Wer ganz ohne XML auskommen
7
http://www.okstra.de/
8
http://www.adv-online.de/AAA-Modell/
9
http://inspire.ec.europa.eu/theme/tn
10
http://www.landxml.org/
11
http://www.road-xml.org/
12
http://www.trb.org/Main/Blurbs/158531.aspx
16 Teil B: Gestaltung einer offenen Mobilitätsplattform
möchte, nutzt Downloads nach GeoJSON13 (Butler et al. 2008), in das GIS-Format Shapefile
(ESRI 1998) oder in das auf SQLite basierende GeoPackage14 (ebenfalls ein OGC-Standard)
(Open Geospatial Consortium 2014).
Aus Mangel an Datensätzen der öffentlichen Verwaltung hat sich in der Vergangenheit
auch ein Software-Ökosystem um die Wiki-Weltkarte OpenStreetMap (OSM) entwickelt. Zwar
können die Inhalte von OSM potenziell von jedem Nutzer verändert und dadurch evtl. ver-
fälscht werden, doch aufgrund des hohen Detailgrades an räumlichen Informationen (zumindest
in vielen Industrieländern) hat sich der Einsatz gerade in Forschungsprojekten und bei Startups
bewährt (Neis et al. 2010; Ludwig et al. 2011; Lomas 2014). Für die Straßen existieren z.B.
wichtige Informationen wie Straßenart, Höchstgeschwindigkeit oder Fahrtrichtung.
2.2.2 Routing
Ein digital verfügbares Straßennetz ist die Grundlage für Routing. Das Netz muss dafür in
ein topologisch korrektes Knoten-Kanten-Modell überführt werden. Eine in beide Richtungen
befahrbare Straße muss dabei durch zwei Kanten repräsentiert sein. Die Transformation kann
in gängigen GIS-Anwendungen vorgenommen werden. Wenn alle Kanten gewichtet sind (z.B.
nach der zulässigen Geschwindigkeit) kann ein Routingalgorithmus wie Dijkstra (Dijkstra
1959) oder A-Star (Hart et al. 1968) die schnellste und kürzeste Strecke zwischen zwei Punkten
berechnen. Frei verfügbare Routingdatensätze findet man hauptsächlich bei OSM. Hier sind in
den letzten Jahren zahlreiche leistungsfähige Routing-Engines entwickelt worden, die mittler-
weile eine echte Alternative zu kommerziellen Anwendungen z.B. von TomTom, HERE oder
Garmin darstellen. Dazu zählen u.a. GraphHopper15, OSRM16, und Valhalla17. In der Automo-
bilindustrie ist das GDF-Format verbreitet – Geographic Data Files (International Organization
for Standardization 2011). Es dient in erster Linie zum Austausch von Straßendaten. Für den
Bereich Simulation wurde der Standard OpenDrive18 (Dupuis et al. 2010) entwickelt.
2.2.3 Verkehrstelematik
Die Messungen von stationären Detektoren und Lichtsignalanlagen werden i.d.R. tabella-
risch in Datenbanken verwaltet. Zum Austausch von Daten eignen sich daher Komma-sepa-
rierte Listen (CSV). CSV-Dateien sind zwar einfach herzustellen und in Systeme zu integrieren,
können allerdings inhaltlich sehr heterogen strukturiert sein, wodurch die Integration erschwert
wird. Mit DATEX II gibt es seit über 10 Jahren einen europäischen Standard für den maschi-
13
http://geojson.org/
14
http://www.geopackage.org/
15
https://www.graphhopper.com/
16
http://project-osrm.org/
17
https://github.com/valhalla
18
http://www.opendrive.org/
2 Überblick zu existierenden Plattformen für Mobilität und Verkehr 17
Staus oder Baustellen verändern die Reisezeiten auf Straßenabschnitten. Die Kantenge-
wichte eines Routing-Graphen müssen also entsprechend angepasst werden. Zur granularen
Verortung von dynamischen Verkehrsereignissen auf einem statischen Netz ist es sinnvoll, li-
neare Referenzierung einzusetzen (International Organization for Standardization 2012;
Simacan 2016), d.h. relative Positionsangaben zu bestimmten Fixpunkten. Der viel genutzte
Traffic Message Channel (TMC) verwendet Location Codes für einzelne Straßenabschnitte. Er
wird im UKW-Bereich eines Radio Data Systems (RDS) mittels des ALERT-C Protokolls über-
19
https://www.sparxsystems.de/uml/neweditions/
18 Teil B: Gestaltung einer offenen Mobilitätsplattform
tragen (International Organization for Standardization 2013). Die Positionen müssen im ver-
wendeten Straßendatensatz vorhanden sein, um eine Übertragung („Matching“) herzustellen
(OpenStreetMap 2017). Eine dynamische Verortung ist nicht möglich. Da die Anzahl an TMC-
Location Codes auf 64.000 begrenzt ist, und damit nicht jede Straße in Deutschland abgebildet
werden kann, bleibt die Verortung vor allem von innerstädtischen Ereignissen relativ ungenau
(Ebendt und Tcheumadjeu 2017). Aufgrund dieser Einschränkungen wurden neue Formate wie
AGORA-C oder OpenLR entwickelt (Wevers und Hendriks 2005; TomTom 2009), wobei O-
penLR trotz schwächerer Matchingquote als AGORA-C aufgrund seiner Offenheit in For-
schung und Industrie weiter verbreitet ist (Hovland 2014; Ebendt und Tcheumadjeu 2017). Es
dient z.B. dem Datex II Standard als Schnittstelle für das dynamische Matching auf Kartenin-
halte.
2.2.6 Fahrplandaten
Digitale Fahrplandaten des öffentlichen Personennahverkehrs (ÖPNV) sind ein wichtiger
Baustein für multi-modales Routing. Am Markt werden oft proprietäre Formate wie HAFAS21
von HaCon oder EFA22 von Mentz genutzt. Doch in den letzten Jahren hat vor allem das offene
General Transit Feed Specification Format (GTFS, früher Google Transit Feed Specification
Format)23 starke Verbreitung erfahren (Jonuschat et al. 2016). Einige Verkehrsverbünde in
Deutschland bieten ihre Fahrpläne mittlerweile in GTFS zum Download an (siehe Abschnitt
2.4). Unter den freien Routing-Engines können OpenTripPlanner24, Valhalla und Graphhopper
auf ÖPNV-Plänen rechnen, wobei die ersten beiden auch multi-modal funktionieren.
20
http://www.topografix.com/gpx.asp
21
http://www.hacon.de/hafas
22
https://www.mentz.net/verkehrsauskunft/efa/
23
http://gtfs.org/
24
http://www.opentripplanner.org/
2 Überblick zu existierenden Plattformen für Mobilität und Verkehr 19
25
https://www.mcloud.de
26
http://www.mdm-portal.de/
20 Teil B: Gestaltung einer offenen Mobilitätsplattform
2.3.3 GovData27
Mit GovData wurde 2013 von Bundesinnenministerium ein zentrales Datenportal für
Deutschland geschaffen, das vor allem Behörden dienen soll, ihre Sachdaten online verfügbar
zu machen, um die Transparenz zum Bürger zu verbessern (Hörz 2016). Die Kategorie Trans-
port und Verkehr umfasste im Dezember 2017 mit Abstand die meisten Datensätze. Die meisten
entstammen der mCLOUD, die als Fachportal für dieses Themenfeld vorgesehen ist (siehe Ab-
bildung 2-1).
27
https://www.govdata.de/
28
https://www.geoportal.de/
29
https://open.nrw/
30
https://offenedaten-koeln.de/
31
https://www.offenesdatenportal.de/organization/moers
32
https://opendata.bonn.de/
33
https://darmstadt.ui-traffic.de/
2 Überblick zu existierenden Plattformen für Mobilität und Verkehr 21
[ui!]TRAFFIC-Portal kann auch über eine App aufgerufen werden und informiert den Bürger
über die aktuelle Verkehrslage und Baustellen ([ui!] – the urban institute 2016).
Abbildung 2-2. Verkehrslage in Bonn am 30.11.2017 um 15:30 Uhr in QGIS eingebunden via Web API
34
https://opendata.rnv-online.de/
35
https://www.vrsinfo.de/fahrplan/oepnv-daten-fuer-webentwickler.html
36
https://www.vbb.de/labs
37
http://www.hvv.de/fahrplaene/abruf-fahrplaninfos/uebersicht/
38
https://www.vgn.de/web-entwickler/open-data/
39
https://avv.de/de/fahrplaene/angebote-fuer-webentwickler
40
https://www.kvv.de/fahrplanauskunft/fahrplanauskunft-efa/opendata.html
22 Teil B: Gestaltung einer offenen Mobilitätsplattform
November 2015 wurde ein Datenportal41 eingerichtet und seitdem etliche Hackathons veran-
staltet bzw. gesponsert. Zu den Datensätzen zählen Fahrpläne, Netzinfrastruktur, Bahnhöfe etc.
2.5 Zusammenfassung
Dieses Kapitel sollte zeigen, wie vielfältig mobilitätsbezogene Daten sein können. Für die
meisten Themen existieren schon freie Dateiformate und Open Source Softwarelösungen.
Technologisch gesehen lässt sich also schon heute eine offene Alternative zu den Marktführern
aufbauen. Leider fehlt es dafür aber an einer vergleichbaren Menge an zusammenhängenden
offenen Datensätzen. Plattformen wie mCLOUD oder der MDM bieten bisher leider nur Stück-
werk und damit zu wenig, um komplexere Verkehrsmodelle abzuleiten. Natürlich ist eine groß-
räumige Abdeckung durch Trackingdaten, wie sie Google durch Millionen von Android-Smart-
phones generiert, auf kurze Sicht nicht zu erreichen. Aber zumindest stationäre Verkehrssenso-
rik existiert in vielen deutschen Städten und könnte bereits genutzt werden. Rechtsbindende
Beschlüsse der Länder könnten helfen, das Vorhaben voran zu treiben. Die INSPIRE-Initiative
zur Harmonisierung von Geodateninfrastrukturen in Europa macht vor, wie es gehen kann. Mit
DATEX II steht bereits das passende Austauschformat dafür bereit. Die Plattform ExCELL soll
zusätzliche Anreize für eine Öffnung von Verkehrsdaten liefern, da die entwickelten Dienste
mit den neuen Datenquellen sofort nutzbar wären und eine direkte Verwertung liefern würden.
41
http://data.deutschebahn.com/
2 Überblick zu existierenden Plattformen für Mobilität und Verkehr 23
2.6 Literaturverzeichnis
[ui!] – the urban institute (2016) [ui!]TRAFFIC. Abgerufen am 17.06.2017.
Bundesanstalt für Straßenwesen (2016) MDM - Mobilitäts Daten Marktplatz. Abgerufen am
17.06.2017.
Bundesministerium für Verkehr und digitale Infrastruktur (2016) mCLOUD.
https://www.bmvi.de/DE/Themen/Digitales/mFund/mCloud/mcloud.html. Abgerufen
am 17.06.2017.
Butler H, Daly M, Doyle A, Gillies S, Schaub T, Schmidt C (2008) The GeoJSON format
specification. Rapport Technique 67.
Chaplier J, That TN, Hewatt M, Gallée G (2010) Toward a standard: RoadXML, the road
network database format. Actes INRETS: S. 211-220.
Dijkstra EW (1959) A note on two problems in connexion with graphs. Numerische
Mathematik 1 (1): S. 269-271.
Dölger R, Geißler T (2011) DATEX II - The standard for ITS on European Roads. EasyWay
Project.
Dupuis M, Strobl M, Grezlikowski H (2010) OpenDRIVE 2010 and Beyond – Status and
Future of the de facto Standard for the Description of Road Networks, Driving
Simulation Conference (DSC).
Ebendt R, Tcheumadjeu LCT (2017) An approach to geometry-based dynamic location
referencing. European Transport Research Review 9 (3): S. 38.
ESRI (1998) Shapefile technical description. An ESRI White Paper.
Frei M, Hettwer J, von der Ruhren S, Weidner BH (2014) OKSTRA und seine Nachbarn –
Untersuchungen zur Kopplung und Wiederverwendung von Datenaustauschstandards.
BMVi, okstra.de.
Goetzke R (2017) Ensuring a coherent implementation of INSPIRE in the context of Open
Data, INSPIRE Conference Strasbourg, France.
Gunay A, Akcay O, Altan MO (2014) Building a semantic based public transportation
geoportal compliant with the INSPIRE transport network data theme. Earth Science
Informatics 7 (1): S. 25-37.
Hart PE, Nilsson NJ, Raphael B (1968) A formal basis for the heuristic determination of
minimum cost paths. IEEE Transactions on Systems Science and Cybernetics 4 (2): S.
100-107.
Hörz M (2016) Für mehr Transparenz und Demokratie.
Hovland T (2014) Transport Network ITS Spatial Data Deployment Platform.
International Organization for Standardization (2011) ISO 14825:2011 - Intelligent transport
systems - Geographic Data Files - GDF5.0.
International Organization for Standardization (2012) ISO 19148:2012 - Geographic
information - Linear referencing.
International Organization for Standardization (2013) ISO 14819-1:2013 - Intelligent
transport systems - Traffic and travel information messages via traffic message coding
- Part 1: Coding protocol for Radio Data System - Traffic Message Channel (RDS-
TMC) using ALERT-C.
Jeske T (2015) Sicherheit und Datenschutz in nicht-interaktiven Crowdsourcing Szenarien.
Technische Universität Hamburg.
Jonuschat H, Knie A, Ruhrort L (2016) Zukunftsfenster in eine disruptive Mobilität. Teil 1:
Mobilität in einer vernetzten Welt. InnoZ.
Lomas N (2014) Telenav Buys Skobbler For $24M To Power An OpenStreetMap Challenge
To Google Maps.
24 Teil B: Gestaltung einer offenen Mobilitätsplattform
Für Entwickler von Mobilitätslösungen ist es schwierig, an exakte Mobilitätsdaten wie den
Verkehrsfluss oder verfügbare Parkplätze zu kommen. Diese Daten sind in einer Smart City
verfügbar, werden jedoch nicht Drittentwicklern für die Implementierung innovativer Mobili-
tätslösungen zugänglich gemacht. Da bisher unklar ist, wie dies ablaufen könnte, schlägt das
Buchkapitel ein Referenzmodell einer offenen Plattform für modulare Mobilitätsdienste vor.
Die Herleitung des Referenzmodells folgt einem Design Science Research Ansatz. Das entwi-
ckelte Referenzmodell besteht aus den folgenden Elementen: Datenquellen, Schicht der modu-
laren Dienste, Integrationsschicht und Lösungen. Zusätzlich werden mögliche modulare
Dienste beschrieben. Dies ist jedoch für die zukünftige Forschung geplant. Dieses Kapitel leis-
tet einen Beitrag zur Theorie, indem er Orientierungshilfen für zukünftige Forschungen zu Ser-
viceplattformen gibt und der praktische Beitrag besteht darin, dass er zeigt, wie verfügbare
Mobilitätsdaten für Mobilitätslösungsentwickler verfügbar gemacht werden können.
It is difficult for developers of mobility solutions to gather accurate mobility data, such as
the traffic flow or available parking spaces. This data is available in a smart city, but it is not
made accessible to external developers for creating innovative mobility solutions. As it remains
unclear how this could be done, this chapter proposes a concept for the architecture of an open
platform for modular mobility services. The design of the architecture follows a design science
research approach. The developed concept for the architecture of the platform consists of the
following elements: data sources, layers of modular services, integration layer and solutions.
Additionally, possible modular services are described. However, this is planned for future re-
search. This paper contributes to theory by giving guidance for future research on service plat-
forms and to practice as it shows how available mobility data could be made accessible for
mobility solution developers.
42
Aufbauend auf den bereits von Pflügler et al. (2016b) und Schreieck et al. (2018b) durchgeführten Studie zum
Thema Referenzmodell einer Mobilitätsplattform.
43
Das Forschungsprojekt ExCELL wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie
(BMWi) gefördert (Förderkennzeichen: 01MD15001D).
© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018
M. Wiesche et al. (Hrsg.), Management digitaler Plattformen,
Informationsmanagement und digitale Transformation,
https://doi.org/10.1007/978-3-658-21214-8_3
26 Teil B: Gestaltung einer offenen Mobilitätsplattform
3.1 Einleitung
Heute ist die Verkehrssituation in vielen Städten eine Herausforderung. Aufgrund des zu-
nehmenden Verkehrsaufkommens verlieren die Menschen immer mehr Zeit im Stau und auch
die Parkplatzsuche, die bis zu 30 % des Stadtverkehrs ausmacht, beansprucht viel Zeit (Banister
2011; Priester et al. 2014; Van Ommeren et al. 2012). Es wird geschätzt, dass europäische
Städte aufgrund von Verkehrsstaus zwischen 2,69 % und 4,63 % ihres Bruttoinlandsprodukts
(BIP) verlieren (Willoughby 2000).
Viele verschiedene Anbieter bieten digitale Lösungen an, um die persönliche Mobilität ei-
nes Menschen zu verbessern und zu erleichtern. Intelligente Navigationslösungen versuchen,
Staus zu vermeiden, indem alternative Routen vorgeschlagen werden. Fahrgemeinschaftsan-
wendungen ermutigen Einzelpersonen, ihre Autos zu teilen, und multimodale Verkehrsinfor-
mationen bieten Alternativen zum autobasierten Transport an. Viele dieser Lösungen hängen
von genauen Daten ab, wie beispielsweise dem Standort der Nutzer, dem Zeitplan des öffentli-
chen Verkehrs oder Informationen zur aktuellen Verkehrs- oder Parksituation.
Es ist jedoch für Entwickler von Mobilitätslösungen schwierig, an diese Daten zu gelangen,
da es nur wenige Plattformen mit hochwertigen Mobilitätsdaten, wie z.B. Google Maps (2016)
oder Bing Maps (2016) gibt. Diese bieten die Mobilitätsdaten und Dienste nur über standardi-
sierte Schnittstellen an. Der Zugang zu diesen Daten und Diensten ist oft eingeschränkt und
fokussiert sich auf die Interessen der Anbieter. Gerade im Geschäftskundebereich ist außerdem
das Vertrauen in cloudbasierte Angebote noch gering (Lang et al. 2018). Darüber hinaus bieten
diese Anbieter nur isolierte Dienste mit einem spezifischen Fokus an. Daher ist es notwendig,
auf viele verschiedene Plattformen zuzugreifen, um eine Mobilitätslösung zu entwickeln. Folg-
lich schränkt die begrenzte Verfügbarkeit von Datensätzen und Diensten den Innovationsgrad
von Entwicklern ein. Nach Überprüfung der aktuellen digitalen Dienste für den Nahverkehr,
stellen Schreieck et al. (2016c) fest, dass die bestehenden Dienste noch nicht integriert sind
sowie dass die Landschaft digitaler Lösungen umfangreich und unstrukturiert ist.
Auf der anderen Seite generieren Städte eine Vielzahl von Mobilitätsdaten, die aber nicht
für externe Entwickler von Mobilitätsanwendungen angeboten werden und damit keinen Mehr-
wert für Städte über die eigenen Verwendung hinaus generiert (Schreieck et al. 2017d). So
sammeln Städte insbesondere im Straßenverkehr Daten, um die Verkehrssituation innerhalb der
Gemeinde zu überwachen. Diese Daten werden hauptsächlich im Verkehrsmanagement ver-
wendet, um die Verkehrsführung und andere Aspekte, wie beispielsweise die Parkplatzsituation
zu verbessern. Diese Daten könnten für die Entwicklung innovativer Mobilitätsanwendungen
zugänglich gemacht werden. Die Bereitstellung von Daten reicht jedoch nicht aus, weil es für
Entwickler von Mobilitätsanwendungen einen hohen Aufwand darstellen würde, die Daten aus-
zuwerten und für ihre Applikationen aufzubereiten. Die Entwickler müssen die Struktur der
Daten verstehen, die Daten aggregieren und analysieren. Aus diesem Grund minimieren stan-
3 Referenzmodell einer Mobilitätsplattform 27
dardisierte modulare Dienste, die die Aggregation und Analyse der verfügbaren Mobilitätsda-
ten übernehmen, den Aufwand für Entwickler von Mobilitätsanwendungen (Schermann et al.
2014). Ein Beispiel wäre, dass kontinuierliche Positionsdaten einzelner Fahrzeuge relativ kom-
pliziert zu handhaben sind. Dienste, die diese Daten analysieren und Informationen über die
Verkehrsintensität auf bestimmten Straßen durch eine standardisierte Schnittstelle bereitstellen,
erleichtern die Entwicklung von Mobilitätsanwendungen.
Ziel dieses Beitrages ist es, ein Referenzmodell einer offenen Mobilitätsplattform zu ent-
werfen, die die Entwicklung von innovativen Mobilitätslösungen innerhalb einer Smart City
ermöglicht. Anstatt sich auf monolithische Mobilitätsdienste zu konzentrieren, beschreibt die-
ses Kapitel ein Referenzmodell einer Plattform, die modulare Dienste anbietet, die über offene
und standardisierte Schnittstellen, sogenannte Application Programming Interfaces (API), in
Applikationen integriert werden können. Diese Architektur erlaubt die Nutzung vorhandener
Daten in verschiedenen Diensten, die dann zur Entwicklung innovativer Mobilitätsanwendun-
gen genutzt werden können.
Der Rest dieses Kapitels ist nach dem von Gregor und Hevner (2013) vorgeschlagenen
Publikationsschema für Design Science Research Studien strukturiert. Zunächst wird der theo-
retische Hintergrund zu bestehenden digitalen Mobilitätsdiensten und Mobilitätsplattformen
vorgestellt. Anschließend wird die Forschungsmethode detailliert beschrieben und das Refe-
renzmodell einer offenen Mobilitätsplattform vorgestellt. Danach folgt eine Diskussion des vor-
geschlagenen Konzepts. Das Kapitel endet mit einer Schlussfolgerung.
Viele öffentliche oder private Verkehrsbetriebe verfügen über eigene Mobilitätsdienste, die
den Nutzer über ihre Leistungen, Kosten oder ihre Zeitpläne informieren. Der Nachteil dieser
Dienste ist, dass sie meist keine offenen Schnittstellen bieten, da sie als Lösungen für Endan-
wender konzipiert wurden. Aus diesem Grund können diese Dienste nicht in andere Lösungen
eingebettet werden. Dies führt zu einzelnen monolithischen Diensten, die den Nachteil haben,
dass ein Benutzer mehrere verschiedene Anbieter kombinieren muss, um die erforderliche In-
formation zu erhalten.
Die Bereitstellung von digitalen Mobilitätsdiensten über APIs auf einer offenen Plattform
ermöglicht es, Nutzern integrierte Lösungen über die Plattform zur Verfügung zu stellen
(Schreieck et al. 2017a; Schreieck et al. 2016b). Es gibt bereits erste Ansätze offener Plattfor-
men für Mobilitätsdienste, die jedoch einige Mängel aufweisen, auf die im folgenden Abschnitt
eingegangen wird. Ein wichtiger Aspekt ist, dass die Mobilitätsdienste entsprechend flexibel
gestaltet werden, weil in Unternehmen oft kein Standardprozess besteht (Röder et al. 2015;
Roeder et al. 2014).
Zwei bekannte Mobilitätsdienste-Plattformen sind Bing Maps (2016) und Google Maps
(2016). Es ist möglich, auf verschiedene Dienste wie Routing oder Verkehrsmeldungen über
3 Referenzmodell einer Mobilitätsplattform 29
standardisierte Schnittstellen zuzugreifen. Beide Plattformen bieten jedoch nur eine limitierte
Anzahl an Diensten an und können nicht als offene Plattformen angesehen werden.
Ein Beispiel für eine Stadt, die bereits Mobilitätsdienste und -services anbietet, ist
Barcelona. Barcelona bietet eine Vielzahl digitaler Diensten für Entwickler, Institutionen und
Bürger. So stellt die Initiative "Sentilo" Daten von Sensoren in Echtzeit auf einer offenen Da-
tenplattform zur Verfügung. Die Plattform "City OS" bietet Datenanalysen aus verschiedenen
Quellen an (City of Barcelona 2016). Endnutzer können über den App Marktplatz "Apps4bcn“
beispielsweise Lösungen, die über öffentliche Verkehrsmittel und Parkplätze informieren, be-
ziehen (City of Barcelona 2016).
Trotz dieser Versuche bleibt unklar, wie das Referenzmodell einer offenen und modularen
Mobilitätsplattform aussehen soll und wie es auf andere Städte übertragbar ist.
3.4 Forschungsmethode
Unsere Entwicklung eines Referenzmodells einer offenen und modularen Mobilitätsplatt-
form folgt einem Design Science Research Ansatz. Der Ansatz versucht, die Grenzen mensch-
licher und organisatorischer Fähigkeiten durch die Schaffung neuer und innovativer Artefakte
zu erweitern (Hevner et al. 2004). Das Artefakt kann z.B. ein neuer Prozess, ein neues Modell
oder ein neues Produkt sein. Peffers et al. (2007) schlagen einen sechsstufigen Prozess vor:
Zuerst werden die Motivation und die Probleme beschrieben. Zweitens werden die Probleme,
die gelöst werden sollen, und Ziele des Artefakts definiert. Drittens wird das Artefakt entworfen
und entwickelt. Viertens wird die Fähigkeit des Artefakts zur Lösung des angesprochenen Prob-
lems gezeigt. Fünftens wird das entwickelte Artefakt bewertet. Zusätzlich ist es möglich, zum
zweiten und dritten Schritt zurückzukehren, um das Artefakt zu verbessern. Sechstens wird das
entwickelte Artefakt einem interessierten Publikum vorgestellt.
In diesem Kapitel konzentrieren wir uns auf die ersten drei und den letzten Schritt. Die
verbleibenden Schritte werden in zukünftiger Forschung durchgeführt.
Die Plattform unterstützt außerdem Entwickler dabei, Dienste für das Ökosystem der Platt-
form bereitzustellen. Um Dienste zu implementieren, benötigen die Entwickler Zugang zu ro-
hen oder analysierten Daten sowie Analysewerkzeugen und Spezifikationen zur Entwicklung
der Dienste (Schreieck et al. 2018a; Schreieck et al. 2016b). Während in bestehenden Mobili-
tätsplattformen verschiedene Formate, Eigentumsverhältnisse und Vorschriften die effiziente
Entwicklung von Drittanbieteranwendungen behindern, wird die zu entwickelnde Lösung bei
einer offenen und modularen Mobilitätsplattform nur durch die verfügbaren Ressourcen und
die Fähigkeiten des Teams begrenzt.
Die Strukturen auf der Plattform sind standardisiert. Deshalb können ähnliche Datensätze
aus verschiedenen Quellen analog dargestellt werden. Derzeit können die öffentlichen Trans-
portdaten von Stadt zu Stadt in verschiedenen Formaten vorliegen. Die Plattform wird den An-
bietern des öffentlichen Verkehrs vorschlagen, ein Standardformat, z.B. das GTFS (General
Transit Feed Specification), zu verwenden oder sich mit den anderen Datenanbietern abstim-
men, in welchem Format ihre Daten angezeigt werden.
An der Oberfläche sieht die Plattform wie eine Website aus. Wenn die Benutzer ihre Zu-
gangsdaten eingeben, bekommen sie Zugriff auf die verschieden verfügbaren Ressourcen in
Form von APIs. Auf diese Weise befinden sich die APIs und Daten in einer sicheren Umge-
bung. Ein bekanntes Beispiel für diese Art von Webseiten ist das Framework für APIs "Swag-
ger" (Swagger 2016). Die vorgeschlagene Plattform wird die Zusammenarbeit zwischen dem
öffentlichen und dem privaten Sektor unterstützen. Darüber hinaus erleichtert die Zusammen-
arbeit mit den Regierungen die Einhaltung der Datenschutzgesetze (European Comission
2016).
Abbildung 3-1 zeigt das Referenzmodell einer offenen Plattform für modulare Mobilitäts-
dienste. Es besteht aus den folgenden Elementen:
3.5.1 Datenquellen
Die Plattform basiert auf mehreren unterschiedlichen Datensätzen. Ein Datensatz könnte
aus Positionsdaten bestehen, die durch fest installierte Module innerhalb der Autos oder durch
Smartphone-Applikationen erzeugt werden. Diese Daten können zur Abschätzung des Ver-
kehrsflusses innerhalb der Stadt und zum Erkennen von Verkehrsstaus verwendet werden. Es
wurde gezeigt, dass es ausreichend ist, Daten von nur 2-3 % aller Autos zu erhalten, um genaue
Messungen der Geschwindigkeit des Verkehrsflusses zu liefern (Herrera et al. 2010).
Eine weitere relevante Datenquelle sind Parkplatzdaten (Pflügler et al. 2016a). Diese Daten
können von Parkhäusern stammen, die bereits Informationen über verfügbare Parkplätze erfas-
sen. Die Daten zu Parkplätzen an der Straßenseite sind schwerer zu erheben. Diese könnten
entweder von Sensoren oder aus der Crowd kommen. So wurden beispielsweise in San Fran-
cisco 8.622 Parkplätze mit Sensoren ausgestattet (McNeal 2013). Es existieren mehrere Unter-
nehmen, die Sensoren zur Überwachung von Parkplätzen anbieten (Siemens Mobility 2015;
General Electric 2015; SmartParking 2015). Andere Lösungen basieren auf Daten aus der
Crowd, die kostenlose Parkplätze zum Beispiel mit einer mobilen Applikation meldet
(ParkMünchen 2015; Parkonaut 2015).
Darüber hinaus sind Daten von öffentlichen Verkehrsunternehmen und Taxiunternehmen
relevant. Oft haben sie bereits eigene Lösungen, die die Routen oder Position des nächsten
verfügbaren Autos zeigen. Diese Daten könnten auch eine Grundlage für die Plattform darstel-
len.
3.5.2 Schicht der modularen Services
Die modularen Services bilden den Kern der Plattform. Es gibt mehrere Schichten, bei de-
nen die Granularität von oben nach unten zunimmt. Die Services im unteren Bereich konzent-
rieren sich auf die Analyse und Verfeinerung der Datenquellen, während Services auf höheren
Ebenen auf Services von niedrigeren Ebenen basieren. Auf höchster Ebene bauen Applikatio-
nen auf, die für den Endanwender bestimmt sind.
Another random document with
no related content on Scribd:
EPICUREAN SAUCE.
First wipe, and then, without paring, slice into a stone jar some
young and quickly-grown cucumbers; pour on them as much boiling
vinegar as will cover them well, with a teaspoonful of salt, and two-
thirds as much of peppercorns to the pint and a half of vinegar: it
may remain on them for a month, or even for two, if well defended
from the air: it should then be strained, allowed to settle, and poured
quite clear into small dry bottles, which should be well corked. A mild
onion can be intermixed with the cucumbers, when its flavour is
considered an improvement.
CELERY VINEGAR.
Throw into a pint and a half of ready boiling vinegar a few grains of
cayenne, or half an ounce of peppercorns, a large saltspoonful of
salt, and a pint of the white part of the roots and stems of some fine
fresh celery sliced up thin: let it boil for two or three minutes, turn it
into a stone jar, and secure it well from the air as soon as it is cold. It
may be strained off and bottled in three or four weeks, but may
remain as many months in the jar without injury.
ESCHALOT, OR GARLIC VINEGAR.
This is a far more useful preparation even than the preceding one,
since it can be used to impart the flavour of the eschalot to dishes for
which acid is not required. Peel and slice, or bruise, four ounces of
eschalots, put them into a bottle, and add to them a pint of sherry; in
a fortnight pour off the wine, and should it not be strongly flavoured
with the eschalots, steep in it two ounces more, for another fortnight;
a half-teaspoonful of cayenne may be added at first. The bottle
should be shaken occasionally, while the eschalots are infusing, but
should remain undisturbed for the last two or three days, that the
wine may be clear when it is poured off to bottle for keeping. Sweet-
basil wine is made by steeping the fresh leaves of the herb in wine,
from ten to fifteen days.
Eschalots, 4 oz.; sherry, 1 pint: 15 days, or more.
HORSERADISH VINEGAR.
Peel small, sound, freshly-gathered flaps, cut off the stems, and
scrape out the fur entirely; then arrange the mushrooms singly on
tins or dishes, and dry them as gradually as possible in a gentle
oven. Put them, when they are done, into tin canisters, and store
them where they will be secure from damp. French cooks give them
a single boil in water, from which they then are well drained, and
dried, as usual. When wanted for table, they should be put into cold
gravy, slowly heated, and gently simmered, until they are tender.
MUSHROOM POWDER.
When the mushrooms have been prepared with great nicety, and
dried, as in the foregoing receipt, pound them to a very fine powder;
sift it, and put it immediately into small and perfectly dry bottles; cork
and seal them without delay, for if the powder be long exposed to the
air, so as to imbibe any humidity, or if it be not well secured from it in
the bottles, it will be likely to become putrid: much of that which is
purchased, even at the best Italian warehouses, is found to be so,
and, as it is sold at a very high price, it is a great economy, as well
as a surer plan, to have it carefully prepared at home. It is an
exceedingly useful store, and an excellent addition to many dishes
and sauces. To insure its being good, the mushrooms should be
gathered in dry weather, and if any addition of spices be made to the
powder (some persons mix with it a seasoning of mace and
cayenne), they should be put into the oven for a while before they
are used: but even these precautions will not be sufficient, unless the
powder be stored in a very dry place after it is bottled. A teaspoonful
of it, with a quarter of a pint of strong veal gravy, as much cream,
and a small dessertspoonful of flour, will make a good béchamel or
white sauce.
EXCELLENT POTATO FLOUR, OR ARROW-ROOT.
Rub four ounces of the best Durham mustard very smooth with a
full teaspoonful of salt, and wet it by degrees with strong horseradish
vinegar, a dessertspoonful of cayenne, or of chili vinegar, and one or
two of tarragon vinegar when its flavour is not disliked. A quarter of a
pint of vinegar poured boiling upon an ounce of scraped horseradish,
and left for one night, closely covered, will be ready to use for this
mustard, but it will be better for standing two or three days.
Durham mustard, 4 oz.; salt, large teaspoonful; cayenne, or chili
vinegar, 1 dessertspoonful; horseradish vinegar, third of pint.
Obs.—This is an exceedingly pungent compound, but has many
approvers.
ANOTHER TARTAR MUSTARD.
Mix the salt and mustard smoothly, with equal parts of horseradish
vinegar, and of chili vinegar. Mustard made by these receipts will
keep long, if put into jars or bottles and closely corked. Cucumber,
eschalot, or any other of the flavoured vinegars for which we have
given receipts, may in turn be used for it, and mushroom, gherkin, or
India pickle-liquor, likewise.
CHAPTER VIII.
Forcemeats.
GENERAL REMARKS.