Agrarische IoT-data delen tussen domeinen

Verder lezen
Data Sharing Coalition

Agrarische IoT-data delen tussen domeinen

De landbouwsector is de voedselbron van de samenleving en daarmee misschien wel een van de belangrijkste sectoren van onze economie. Desondanks heeft deze sector al jaren te maken met  het verkrappen van marges. Kostenbesparingen zijn essentieel geworden en het gebrek aan voldoende kostenefficiënte arbeid heeft tot verschillende problemen geleid; van financiële problemen voor veel boeren tot een toename van illegale immigrantenarbeid. Omdat relatief veel van de taken op een boerderij repetitief zijn, kan automatisering uitkomst bieden bij veel aspecten van het werk van een boer.

De essentiële brandstof van deze automatisering is data. Data over de bodem, gewassen, dieren en alle andere relevante aspecten van de boerderij kan worden gebruikt om bepaalde processen op de boerderij te automatiseren. Om dit mogelijk te maken, moet relevante data beschikbaar komen voor zoveel mogelijk toepassingen die de boer helpen bij het verlagen van de kosten en het maximaliseren van de output. Aangezien analyse van deze landbouwdata complex is, is het essentieel dat data kan worden gedeeld met een breed scala aan serviceproviders.  Zo  kan worden gezorgd dat verschillende dienstverleners kunnen samenwerken aan de meest nauwkeurige analyse. Dat is precies waar de Data Sharing Coalition naar streeft in deze use case waar we samen met onze deelnemer KPN aan werken.

Samenwerken aan een framework voor het delen van agrarische IoT-data

In deze use case werken we toe naar een uniforme manier om agrarische IoT (agro-IoT) data te delen tussen een breed scala aan marktspelers. In de wereld van agro-IoT-data zijn er drie functies die essentieel zijn om de beoogde waarde te realiseren: scannen, herkennen en acteren. De scanfunctie betreft het genereren van data over verschillende aspecten van het bedrijf, bijvoorbeeld over de kwaliteit van de bodem. Dit kan worden gedaan door machines zoals een drone, tractor of robot. De herkenfunctie analyseert deze data en ‘herkent’ er bruikbare inzichten uit. Ten slotte voert de acterende functie een actie of dienst uit op basis van de inzichten die het heeft ontvangen. Samen kunnen deze functies een breed scala aan nieuwe diensten en proposities gebaseerd op agro-IoT-data mogelijk maken. Denk aan robots die onkruid uitroeien op basis van dronebeelden, een boer die betaalt voor een schoon stuk land in plaats van een machine, of banken die bepaalde zware machines leasen aan boeren op basis van gebruiksgegevens.

Op dit moment moeten deze drie functies meestal worden uitgevoerd door dezelfde serviceprovider, aangezien er geen gemeenschappelijk framework bestaat om de vereiste (sectoroverschrijdende) data-uitwisseling tussen hen mogelijk te maken. Dit beperkt de mate waarin data hergebruikt kan worden om nieuwe waarde te creëren. Als data gemakkelijk kan worden gedeeld, kan de boer profiteren van aanvullende, innovatieve diensten op basis van het hergebruiken van data. Bovendien krijgt de boer meer vrijheid in het selecteren van zijn serviceprovider, aangezien de beschikbaarheid van data onderdeel is van het gelijke speelveld. Het langetermijndoel van deze use case is dan ook om een ​​gemeenschappelijk framework te creëren van afspraken die nodig zijn om naadloos, many-to-many delen van agro-IoT-data mogelijk te maken.

Een andere uitdaging in deze use case is de connectiviteit van de robots in het veld. Voor veel toepassingen van agro-IoT data moet de data van een machine in (bijna) realtime beschikbaar zijn en verwerkt worden. Factoren als bandbreedte, latency en verwerkingscapaciteit spelen hierbij een essentiële rol. 5G-netwerken kunnen een verbinding met de robot en de benodigde bandbreedte garanderen om de data in (bijna) realtime te delen en te verwerken. Als telecomprovider kan KPN deze netwerken leveren. Bovendien bevindt Nederland zich in een unieke positie om te pionieren op het gebied van agro-IoT, gezien de relatief goede connectiviteit in het grootste deel van het land en de ondersteunende rol van de overheid op dit gebied.

Door middel van regelmatige workshops met KPN waarin we interactiemodellen, eisen en vormgeving van de use cases verduidelijken, onderzoeken we wat er nodig is voor een dergelijk framework en hoe de afspraken er voor specifieke use cases uitzien. Tegelijkertijd worden deze ideeën geverifieerd bij verschillende serviceproviders om de uitvoerbaarheid van onze ideeën en kaders te garanderen.

Relevante inzichten bieden voor generieke afspraken voor het delen van data

Aangezien in deze use case data tussen verschillende domeinen wordt gedeeld, is afstemming tussen verschillende manieren om data te delen nodig. Standaarden, vereisten en tools voor het delen van data verschillen tussen domeinen en serviceproviders. Om de use case te realiseren dienen er gemeenschappelijke afspraken gemaakt te worden over een breed scala aan onderwerpen. Denk aan identificatie en authenticatie van actoren in een transactie, datastandaarden of de juridische basis voor datadelen. Het proces erachter en de inhoud van sommige van deze afspraken kunnen worden geëxtrapoleerd naar andere contexten van data-uitwisseling. Dit is waarom – naast het creëren van directe waarde voor de betrokken stakeholders – deze use case ook inzichten biedt die belangrijk zijn voor de ontwikkeling van generieke afspraken voor het delen van data; het belangrijkste doel van de Data Sharing Coalition. Door deze inzichten vast te leggen en te verwerken in een uitgebreid document, legt de Data Sharing Coalition de basis voor generieke, sectoroverschrijdende afspraken voor datadelen.

Bevindingen van deze use case

Wil je meer weten over het use case design en onze inzichten over de context en schaalbaarheid van deze use case? Download dan ons rapport met daarin onze belangrijkste bevindingen tot nu toe.

 

Wil je meer weten over deze use case? Of heb je een interessant idee om nieuwe cross-sectorale use cases van datadelen te definiëren en te realiseren? Neem dan contact met ons op.