Von der Maschine direkt zum Kunden

© Bilderbox.com

Neue Wertschöpfungsketten erstrecken sich von vernetzten Maschinen bis zu Produkt und Kunden.

In der technologiegestützten Unternehmensführung sind hochverfügbare sowie rasch und flexibel adaptierbare IT-Architekturen und Services entscheidende Bestandteile geworden und das gilt insbesondere für Betriebe mit umfangreichen Kundenbeziehungen.
Für die digitale Transformation von damit verbundenen Geschäftsprozessen sind das Management der rasant zunehmenden Datenmengen und insbesondere Cloud Computing wichtige Eckpfeiler. Das sogenannte Internet der Dinge (engl. Internet of Things/IoT) oder verschränkte Industrie 4.0-Lösungen über automatisierte und intelligente, selbstlernende Maschinen lassen sich ohne dieser nahezu endlos skalierbaren sowie immer und überall zur Verfügung stehenden Technologie nicht vorstellen. Die Vernetzung ist hier aber nur ein Kriterium, wesentliche Punkte sind das Management und die Auswertung der dabei entstehenden Datenmengen. Die Einsatzgebiete betreffen Infrastrukturprojekte von Ländern oder Städten ebenso wie die Bereiche Energie-, Automobil-, LKW- oder Bahnindustrie.

Predictive Maintenance
Die Deutsche Bahn beispielsweise betreibt mit dem IT-Dienstleister T-Systems ein Pilotprojekt im Bereich der vorausschauenden Wartung (engl. Predictive Maintenance), wo moderne Sensortechnik mit Echtzeit-Datenanalyse kombiniert wird. Über die Kommunikation von Maschine zu Maschine (M2M) werden dabei Sensordaten in eine eigene Cloud von T-Systems übertragen und dort mit einer Vielzahl an Daten aus unterschiedlichen Quellen wie Streckennetz, Wetterlage oder Energieversorgung und mit früheren Erhebungen verbunden. Daraus entsteht ein Prognosemodell, das etwa mögliche Schäden lange vor deren Eintreten erkennt.
Im praktischen Einsatz zeigen sich aber weitere Ergebnisse, beispielsweise können aus den Fehlercodes der Zugmaschinen Rückschlüsse auf Störungen an Stromanlagen oder Gleisen gezogen werden. Neben Bahnunternehmen profitieren auch andere Branchen von solchen Anwendungen, etwa Betreiber großer LKW-Flotten, die damit Wartungskosten und Ausfälle senken und so Verfügbarkeit sowie letztendlich Kundenzufriedenheit erhöhen. „Ein relevanter Mehrwert von Predictive Maintenance sind auch wertvolle Erkenntnisse für die Produktentwicklung“, so Axel Quitt, Sales Manger Big Data bei T-Systems.

Echtzeit-Prognose
In einem weiteren Projekt setzt die Deutsche Bahn nun bei der Echtzeit-Prognose von An- und Abfahrzeiten im Bahnverkehr an. Auf Basis des vorgegebenen Fahrplans für den gesamten Personenverkehr, werden Fahrplandaten von mehr als zwei Millionen Halte pro Tag abgeglichen. Die Positionsmeldungen aller unterwegs befindlichen Züge werden während der Berechnungen innerhalb von Sekunden im Rechenzentrum analysiert.
Im Ergebnis zeigt sich eine Echtzeit-Prognose über die voraussichtliche Ankunftszeit mit möglichen Auswirkungen auf die Anschlussverbindungen. Mit den neuen Services sollen sich die Kunden der Deutschen Bahn per Smartphone und App sowie direkt an den Bahnhöfen bis zu 90 Minuten im Voraus über Abfahrtszeiten in Echtzeit informieren können. Die Prognoselösung ist eine Eigenentwicklung von T-Systems Multimedia Solutions und wird in einem gemeinsamen Projekt mit der Deutschen Bahn weiterentwickelt und eingeführt.