Trends & Themen

Think Big Data – do Big Data

Big Data

Was ist das überhaupt: Big Data? Ein weiteres Wort im branchenüblichen Buzzword-Bingo? Viel Hype um nichts? Oder doch ein neues und nützliches Werkzeug zur Erschließung neuer und großer Datenquellen für die Optimierung von Geschäftsprozessen?

Fest steht: Jedes Jahr vervielfacht sich das weltweite Datenvolumen als logische Folge einer immer intensiveren Nutzung digitaler Informations- und Kommunikationskanäle. Kundendaten oder Social-Media-Daten, Daten aus komplexen Lieferketten oder Webtraffic-Daten, Sensordaten aus Smartphones, Kameras und Automobilen: Ein schier unendlicher Datenstrom bewegt sich Tag für Tag durch unsere Netze und Big Data hilft uns dabei, diesen Strom auszuschöpfen und seine Potenziale freizulegen.

Als Dienstleister für Geschäfts- und Industriesoftware verstehen wir es deshalb als unseren Auftrag, die Entwicklungen im Bereich Big Data aktiv mitzuverfolgen und unsere Kunden bei der Implementierung der Technologie zu unterstützen. Denn ihr Nutzen ist eindeutig: Vor allem im Bereich Umsatzsteigerung und Kostensenkung ergeben sich mit Big Data unbestreitbar Vorteile, etwa beim Marketing, beim Supply Chain Management oder in der Produktion, weil hierfür jetzt Daten genutzt werden können, die bisher schon aufgrund ihres Umfangs schwer bis gar nicht zu erschließen waren. Dank der Methode des Data Mining lassen sich Transaktionsdaten nach geschäftsrelevanten Zusammenhängen untersuchen und so Optimierungspotenziale erschließen. Zudem bieten sich neue Möglichkeiten im Bereich Verbraucherverhalten und Zielgruppenanalyse.

Hadoop & Co.

Viele Big-Data-Technologien sind quelloffen (open source) und basieren auf Java. Damit bewegen sie sich direkt im Zentrum unserer eigenen Kernkompetenz. Beispielhaft genannt sei an dieser Stelle der Marktführer Apache Hadoop und das zugehörige Ökosystem (PIG, Hive etc.). Aber nicht allein der Tatbestand, dass Hadoop quelloffen ist und dadurch ein Mehr an Innovation bei gleichzeitig geringeren Kosten verspricht – auch der Umstand, dass Hadoop auf skalierbare und verteilte Hochleistungssysteme spezialisiert ist, macht es für unsere Arbeit zum perfekten Mittel der Wahl, weil auch wir auf diesem Terrain über großes Know-how verfügen: So sind wir nicht nur seit Jahren in der Programmierung intelligenter Schnittstellen erprobt, sondern bringen auch einschlägige Erfahrung im Umgang mit heterogenen IT-Landschaften und hochperformanten Systemen mit.

Forschung & Entwicklung

Im Kontext von Big Data machen sich ferner unsere Kompetenzen in Mathematik, Statistik und Maschinenlernen bezahlt, wenn es etwa darum geht, evolutionäre Algorithmen zu entwickeln, um Wechselbrücken intelligent zu steuern (InWeSt), Sprengstoffdetektoren auf immer neue explosive Substanzen zu trainieren (DENAID) oder Mikropartike in unserem Wasserkreislauf zu identifizieren (VAMINAP). All dies sind Fertigkeiten, die uns für die Evaluation, Entwicklung und Implementierung von Big Data zum idealen Partner machen.

Big Data und Predictive Maintenance

Was genau ist eigentlich Predictive Maintenance? Und was hat der Begriff mit Big Data zu tun? Im Rahmen einer Webinarreihe der BOSCH Software Innovations GmbH stellt Micromata das Fachgebiet vor und gibt einen Einblick in die wesentlichen Grundlagen.

Big Data

Durch die fortschreitende Automatisierung und Vernetzung fast aller Wirtschafts- und Geschäftsbereiche stehen heute immer mehr Daten in immer kürzeren Zeiträumen zur Verfügung – man spricht dabei von Big Data. Sensordaten, Verbindungsdaten, Nutzerdaten. Daten, die in vielerlei Hinsicht dabei helfen können, etwa Produktionsabläufe signifikant zu verbessern und effizienter zu steuern. Mit den rasant steigenden Datenmengen ist auch die technische Entwicklung weiter vorangeschritten. Verbesserte Hardware bringt eine verbesserte Rechenleistung mit sich und verbesserte Software die Möglichkeit, selbst riesige Datenmengen zu analysieren.

  • Volume = Datenmenge
  • Variety = Datenvielfalt
  • Velocity = Datengeschwindigkeit

Predictive Maintenance

Zum Beispiel unter dem Stichwort der Predictive Maintenance, der vorausschauenden Wartung von (Produktions-)systemen. Sie bietet dank Big Data die Möglichkeit zur Approximierung des Wartungsbedarfs und damit entscheidende Vorteile in Sachen Kostensenkung und Risikovermeidung.

Dazu werden die Daten des zu wartenden Systems zunächst gesammelt und konsolidiert, korrupte Datensätze werden aussortiert. Die bereinigten Daten werden dann mithilfe von Methodiken des Maschinellen Lernens und der Statistik ausgewertet und analysiert. Anders als bei der Preventive Maintenance, wo die Wartung prophylaktisch vorgenommen wird, obwohl sie vielleicht gar nicht nötig wäre, und der Corrective Maintetance, wo erst eingegriffen wird, wenn bereits ein Fehler passiert und ein potenzieller Schaden entstanden ist, macht Predictive Maintenance das Verhalten von Systemen vorhersehbar: Aus der schieren Datenmasse entsteht ein stetig wachsender Erfahrungsschatz, aus dem Gesetzmäßigkeiten abgeleitet und Erkenntnisse gewonnen werden können, die in dieser Form vorher nicht möglich waren.

Konsolidieren= Daten sammeln und bereinigen
Analysieren = Daten auswerten
Reagieren = Wartung durchführen

Der Mehrwert für Systembetreiber ist eklatant: „Statt auf’s Geratewohl oder erst zur Schadensbegrenzung eine Wartung vorzunehmen, ersparen wir uns jede Menge unnötiger Kosten, wenn die Wartung präzise nach Wartungsbedarf erfolgt“ bringt Dr. Michael Lesniak den Sachverhalt auf den Punkt.

Darüber hinaus gewinnen wir etwa im B-2-C-Sektor eine wesentlich stärkere Kundenbindung, weil die Serviceleistung erheblich verbessert werden kann.

Dr. Michael Lesniak, Big Data-Experte bei Micromata

Integrierte Softwarelösung

Je nach Anwendungsfall von Big Data kann der Einsatz ganz unterschiedlicher Frameworks angezeigt sein. Um eine integrierte Softwarelösung zu schaffen, bedarf es deshalb einer besonders flexiblen Technologie, die viele verschiedene Möglichkeiten adressiert. So wie beispielsweise die BOSCH IoT Suite, die eine ganze Reihe leistungsfähiger Komponenten bereitstellt:

  • M2M: Machine-to-Machine-Kommunikation zur Verwaltung von Geräten und Datenquellen
  • BDP: Big Data Processing mit Anbindung an die Knime-Analytics-Plattform zur Ausführung von Datenanalysen.
  • BPM inubit: Business Process Modelling, also die Steuerung von Geschäftsprozessen mit einer Vielzahl von Konnektoren, etwa zu Hadoop oder einem Liferay-Portalserver.

Micromata verbindet mit BOSCH SI eine Partnerschaft in den Bereichen Business Process Modelling und Industrie 4.0

Jule Witte

Jule Witte

Presse & Kommunikation