As part of the Green Deal announced by the European Commission, digital product passports (DPPs) are here to stay. They have the potential to create business value that goes beyond legal compliance. However, numerous challenges have to be mastered by the organizations before successfully launching DPPs. Yet, the solution space for DPPs is still barely defined. The session aims to showcase the state of research on known challenges and design principles to mitigate them to master the implementation of DPPs successfully.

Target Audience: Data architects, data engineers, data product manager, sustainability manager
Prerequisites: Basic knowledge of data governance and data sharing
Level: Basic

Extended Abstract:
Digital product passports (DPPs), introduced under the European Commission’s Green Deal, aim to close data gaps in supply chains and promote sustainable and well-informed decision-making. DPPs represent a specific type of data products. They structure product-related information in a data model and facilitate inter-organizational data sharing in ways distinct from digital platforms and connector-driven data spaces. Beyond ensuring regulatory compliance, DPPs hold significant potential for creating additional business value. However, the solution space for DPPs remains largely undefined, leading to uncertainties for organizations required to launch and manage these passports. Research on DPPs remains nascent and has barely covered issues such as data management practices and design of data platforms for DPPs. This session intends to raise awareness about these issues and presents the state of research on known challenges as well as design principles to overcome them and help organizations transform the implementation of DPPs into a successful adoption by supply chain partners and customer engagement.

Der Data Catalog als ein populäres Tool zur Datendemokratisierung erfreut sich großer Beliebtheit. Daten können dort einem breiten Spektrum an Usern z.B. in Form von Datenprodukten zur Verfügung gestellt werden. Gemäß dem Motto „Garbage in, Garbage out“ ist die Qualität eine der wichtigsten Eigenschaften von Daten. Mithilfe eines Prototyps stellen wir ein holistisches Konzept vor, das Datenqualität flexibel anhand selbstdefinierter Dimensionen mit jeweils mehreren Metriken quantifizierbar macht.

Zielpublikum: Einsteiger, Fortgeschrittene
Voraussetzungen:Grundkenntnisse Datenqualität
Schwierigkeitsgrad:Advanced

Extended Abstract:
Der Data Catalog als ein populäres Tool zur Datendemokratisierung erfreut sich großer Beliebtheit. Vor allem zur Veröffentlichung von Daten bzw. Datenprodukten innerhalb von Unternehmen, aber auch über Unternehmensgrenzen hinaus sowie im Bereich Open-Data werden verschiedene Ausprägungsformen genutzt. Dort können einem breiten Spektrum an Usern vollständig aufbereitete Daten zur Verfügung gestellt werden.

Gemäß dem Motto „Garbage in, Garbage out“ ist die Qualität eine der wichtigsten Voraussetzungen für eine erfolgreiche Datenweitergabe an ausgewählte Nutzergruppen. Um die Daten qualitativ einschätzen zu können, bedarf es einer Quantifizierung. Die Gestaltung einer solchen ist jedoch nicht trivial, denn Datenqualität ist bekanntlich ein mehrdimensionales Gebilde – eine einfache Prozentzahl oder ein kurzer Ausdruck der Güte reichen daher oft nicht aus. Noch dazu haben verschiedene Nutzer ebenso verschiedene Anforderungen an die Daten, wodurch Flexibilität und Anpassungsfähigkeit essenzielle Eigenschaften von derartigen Lösungen sein müssen.

Unsere These ist dabei, dass die Messbarkeit von Datenqualität essenziell auf dem Weg eines Rohdatensatzes hin zum fertigen Datenprodukt im Data Catalog ist.

Mithilfe eines Prototyps stellen wir ein holistisches Konzept vor, das Datenqualität flexibel anhand selbstdefinierter Dimensionen mit ebenso anpassbaren Metriken quantifizierbar macht. Im Vordergrund stehen dabei der Aufbau und die Idee des Prototyps, welcher auf Basis aktueller, wissenschaftlicher Literatur im Rahmen einer studentischen Abschlussarbeit erarbeitet wurde.