Im Vortrag möchten wir das TwIS an praktischen Beispiel herleiten und demonstrieren. Und wir möchten v.a. eine offene Alternative für ein preiswertes, machbares und nachhaltiges Datenmanagement anbieten.
„Daten sind das Öl des 21. Jahrhunderts.“ [Humby, C.: Talk at ANA Senior marketer’s summit, Kellogg School, 04.11.2006]. Wir können diese Metapher durchaus wirtschaftspolitisch deuten, denn die großen Ölkonzerne wurden von den IT-Riesen, den sogenannten „Magnificent Seven - M7“ (Nvidia, Apple, Amazon, Alphabet, Meta, Tesla, SpaceX), als reichste Unternehmen der Welt abgelöst. Und wieder einmal konzentrieren sich die Gewinne in den Händen einiger Weniger. Diese Firmen nehmen sich alle Rechte der Welt heraus, z. B. auch alle hochgeladenen (Nutzer-) Daten nach eigenen Gesetzen zu verwenden. „Die Plattformbetreiber produzieren nichts selbst, sondern leben allein von den Inhalten, die ihnen die Nutzer kostenlos zur Verfügung stellen. Deren Verbreitung steuern sie wiederum über intransparente Algorithmen und behalten einen Großteil der Werbeeinnahmen für sich.“ [Gieselmann, H.: Wie Big-Tech die Wirtschaft bedroht. In: ct KI-Wissen 2/25, heise] Aber auch die Anbieter von proprietärer (GIS-) Software versuchen mit neuen Lizenzmodellen ohne neue Mehrwerte oder unverschämt hohen Kosten für die Bereitstellung ihrer Closed Data immer mehr Geld einzuspielen.
Mit dem TwIS bieten wir Open Source für das Datenmanagement und zur Bereitstellung von Open Data an.
TwIS ist ein Basistool für einen Digitalen Zwilling des Ökosystems. Es verwaltet Objekte und fokussiert auf ihre Verknüpfungen im Wissensgraphen.
Unsere Methoden zum Digitalen Zwilling kommen aus dem Kontext von Industrie 4.0, wir nutzen dafür systemanalytische Ansätze. TwIS ist optimiert für das Datenmanagement, die Digitalisierung von Systemen mit ihren Wirkbeziehungen, die Anbindung von Echtzeitdaten, Mess- bzw. Berechnungswerten.
TwIS ist einerseits ein Zwilling, der Daten der FIS und GIS zusammenfasst, und andererseits ein Zwilling als (systemanalytischer) digitaler Repräsentant der Realität. Es gibt für jedes (urbane) Ökosystem auch immer nur einen Zwilling - keine Fachzwillinge mit eigenen, meist proprietären Datenstrukturen; und TwIS ist schon gar nicht die einfache Umbenennung von GIS-Fachschalen. (Es gibt ja auch keine verschiedenen Zwillinge, z. B. für Sport, Bier, Arbeit und Kultur…)
Analog zu einem GIS wird das konkrete TwIS konfiguriert, indem die Objektklassen und v.a. die Verbindungen des Wissensgraphen im TwinEditor definiert werden. Sobald die Objektklassen und Verbindungen definiert sind, werden diese als API-Features Service bereitgestellt, ohne jede weitere Datenverarbeitung.
TwIS ist zweistufig: Da die Daten in einheitlichen Strukturen abgelegt sind, können Sie diese ganz einfach über ihre Verknüpfungen im ScenarioEditor zu Sichten zusammenstellen. Diese Sichten nennen wir Datenperspektiven. TwIS enthält also die importierten Realitätsobjekte, Verknüpfungen zwischen ihnen und für spezielle Abfragen und Auswertungen zusammengestellte Datenperspektiven. Für all diese Elemente bietet TwIS standardisierte Datenbereitstellungen (als REST) on-the-fly.
Für Nutzer:innen des Systems ergibt sich die Möglichkeit, Daten aus den FIS/GIS herauszuheben und mit Daten anderer FIS/GIS zu verknüpfen.
Die Datenbereitsteller:innen müssen keine ETL-Prozesse mehr erstellen; sie konfigurieren einfach. Das zusätzliche Aufsetzen von Diensten für Datenbereitstellungen entfällt komplett.
Programmierer:innen müssen nicht erst Bereitstellungsstrukturen studieren, auf immer gleiche Art und Weise werden die Daten geliefert und die Weiterverarbeitung der Daten wird sehr einfach.
Planer:innen, Ingenieur:innen, Datenbearbeiter:innen können die aktuell noch heterogen angebotenen Daten ins TwIS importieren. Die Prozesse der Datenaufbereitung werden sich deutlich vereinfachen. Sie gewinnen wieder Zeit für ihre eigentlichen Fachaufgaben.
Wissenschaftler:innen können zu den Objekten Mess- u. a. Werte verwalten und die Werte zur Weiterverarbeitung an ihre wissenschaftlichen Tools übergeben.
Alle Anwender:innen können schnell und einfach gewünschte Sichten auf die Daten zusammenklicken, um so in wenigen Minuten neue Auswertungen zu konfigurieren.

Abbildung: Daten im Wissensgraphen an einem Beispiel aus Dresden:
Mit einer einzigen Abfrage in Simplex4TwIS können z. B. alle Objekte entlang einer Straße (hier die Königstraße in Dresden) selektiert werden. Links sehen wir in einem Graphen die Königstraße mit allen ihr zugeordneten Objekten: Adressen (rot), Straßenknoten (braun), Nachbarstraßen (als Linien), kulturelle, soziale und technische Einrichtungen (blau), dem zugehörigen Stadtteil (als Fläche) ... Rechts werden die Objekte grafisch dargestellt. Wir können uns immer weiter im Graphen vom Objekt zu einem benachbarten Objekt usw. bewegen.