Klasse statt Masse

Andreas MeierProjektverantwortlicher am Smart Data Solution Center Baden-Württemberg, Stuttgart

Große Unternehmen produzieren riesige Datenberge: Viele Tera-, Peta- oder sogar Exabytes kommen hier in kurzer Zeit zusammen – Stichwort: Big Data. Richtig aufbereitet lassen sich aus ihnen entscheidungsrelevante Informationen filtern, Wettbewerbsvorteile schaffen und Einsparpotenziale generieren. Hierbei ist allerdings nicht nur die Menge der Daten relevant, sondern beispielsweise auch die Geschwindigkeit der Datenverarbeitung sowie die große Bandbreite der Datentypen und -quellen.

Aber allein der Begriff Big Data lässt viele kleine und mittelständische Unternehmen (KMU) aufgrund seiner vermeintlichen Dimension zurückschrecken. Zu Unrecht, denn auch viele kleine Datenmengen , sogenannt Small Data, können in Kombination mit weiteren externen Daten zu einem Big Data-Thema werden und gewinnbringend sein. Entscheidend ist, dass genau die Informationen gefunden werden, die Antworten auf relevante Fragestellungen geben. Diese „intelligenten Daten“ müssen dann nur noch effektiv und zukunftsorientiert eingesetzt werden.

Während bei Big Data die Masse der Daten im Sinne einer rückblickenden Analyse im Vordergrund steht, haben Smart Data-Analysen einen anderen Fokus. Bei ihnen dreht sich alles um den wertvollen Inhalt und das möglichst schnelle Begreifen der Daten. Smart Data-Anwendungen nutzen sogenannte In-Memory-Technologien, das heißt sie bearbeiten große Datenmengen direkt im Speicher und beziehen weitere semantische Informationen – wie Wetter, Ferienzeiten, politische und gesellschaftliche Ereignisse, oder Baustellen – in die Analyse mit ein. So liefern sie schnell hilfreiche und konkrete Prognosen. Im Vergleich zu herkömmlichen Datenbanken beschleunigen komplexe Analysen deutlich, teils um das 100-fache. Damit wird Datenverwertung auch für KMU attraktiv.

Ein Beispiel: Industrieanlagen lassen sich schon heute so ausstatten, dass Unternehmen den Status jeder Maschine in Echtzeit abfragen können. Selbst bei überschaubar komplexen Systemen kommen so in kurzer Zeit hohe Datenberge zusammen. Parallel dazu sammeln sich unstrukturierte Daten, etwa Protokolle von Wartungsmechanikern oder Fehlermeldungen, an, die in den Kontext der anderen Daten gesetzt werden müssen. Eine regelmäßige und umfassende Analyse ergibt durchaus interessante Muster, aus denen die Unternehmen informative Schlüsse ziehen können. Im Sinne von vorausschauender Instandhaltung geht es darum, Besonderheiten in den Datenmustern zu erkennen, die dem Ausfall einer Anlage vorausgehen. So können beispielsweise einzelne gefährdete Anlagenkomponenten rechtzeitig herausgefiltert werden.

Mithilfe dieser Erkenntnisse lassen sich Wartungszeiten vorbeugend planen und teure Ausfallzeiten minimieren. Aus den selben Daten lassen sich aber auch Rückschlüsse ziehen, warum manche Maschinen besser laufen als andere. Es geht also nicht nur darum, das Angebot zu optimieren, sondern auch darum, das Verständnis vom Verhalten der eigenen Produkte zu verbessern. Viele KMU erkennen das Potenzial dieser Technologien für ihr Unternehmen aktuell noch nicht oder sie wissen nicht, wie sie sich dem Thema nähern sollen. Anderen Unternehmen mangelt es schlicht an den finanziellen Mitteln oder der fachlichen Expertise, um Smart Data-Projekte durchzuführen. Sie alle versäumen wertvolle Möglichkeiten, im Wettbewerb zu bestehen. Hilfestellung erhalten sie vom Smart Data Solution Center Baden-Württemberg (SDSC-BW). Die neutrale Inititative wurde Ende 2014 gegründet und setzt sich speziell für die Belange von KMU einsetzt. Aufgabe des Konsortiums ist es, KMU beim Thema Smart Data zu unterstützen und international wettbewerbsfähig zu machen.

Durch eine kostenlose Auswertung der Daten beurteilt das Datencenter, ob sich die Aufbereitung, Analyse und Auswertung mit Smart Data für die interessierten Mittelständler lohnt. Fällt diese Potentialanalyse positiv aus, berät das SDSC-BW hinsichtlich weiterer konkreter Schritte zur Projektrealisation und steht als Begleiter für die Umsetzung eines tiefer gehenden Projekts zur Verfügung. Die Initiatoren der Initiative sind das Karlsruher Institut für Technologie (KIT), das Stuttgarter EDV-Dienstleistungsunternehmen Sicos BW, das eine Ausgründung des KIT und der Universität Stuttgart ist. Finanziert wird das Projekt durch das baden-württembergische Landesministerium für Wissenschaft, Forschung und Kunst (MWK).