Terradata Schulungsmaßnahmen von Data-Scientisten auf Basis der Smart Data Service Platform (SDSP) für den explorativen Raum sowie dessen Erprobung in Form einer BrainWave

Die von der Siemens AG eingebrachten Terradata Schulungsmaßnahmen von Data-Scientisten auf Basis der Smart Data Service Platform (SDSP) für den explorativen Raum waren Ausgangspunkt für den Einsatz erprobter „Big Data“ Techniken. Auf dem hohen Niveau bereits existierender Applikationen konnten die Kooperationspartner Applikationen im Bereich „Big Data“ und Data Analytics weiterentwickeln. Die Schulungsmaßnahmen zielten darauf ab hier die Techniken „explorativer Räume“ zu nutzen und im enera-Vorhaben zu etablieren.

Ließen sich dort die Ideen und Thesen bestätigen, so bestand die Möglichkeit geeignete Start-Ups gezielt einzubeziehen und eine potenziell produktive Lösung zu entwickeln.

Abbildung 1: Prozessbeschreibung „Datenbasierte neue Geschäftsmodelle entwickeln“

In der Abbildung 1 wird skizziert wie Business-Developer beim Ideen entwickeln unterstützt werden, indem Transparenz über vorhandene Daten der Smart Data und Service Plattform (SDSP) geschaffen wird und die Fähigkeiten moderner Datenanalyse (Machine-Learning, Zeitreihenanalyse, Path and Pattern Analysis, etc.) erklärt werden. Somit besteht die Möglichkeit im Rahmen von Kreativ-Workshops, sogenannten Brain Waves, basierend auf Best-Practices Ideen begleitet und strukturiert zu Apps zu entwickeln.

In einem weiteren Schritt werden im explorativen Raum die Hypothesen geprüft und die Algorithmen getestet: Lässt sich eine Idee in Form einer oder mehreren Hypothesen fassen und anhand von Datenanalyse überprüfen, so bietet AP9 nunmehr Unterstützung im Rahmen des explorativen Analyseraums an. Als Format wurde hier ein agiles Zusammenwirken von Fachspezialisten (Business Evangelist) und „Big Data“ Spezialisten (Data Scientist) etabliert – sogenannte Hackathons bzw. Datathons. Dabei wurden zunächst rein analytisch fachliche Problemstellungen im agilen partnerschaftlichen Miteinander der genannten Rollen untersucht und mit wissenschaftlich erprobten Datenanalyseverfahren bearbeitet. Die Ergebnisse dieser Analysephase führten in der Regel zur Falsifizierung oder Verifizierung einer Hypothese und bei positiver Bewertung ein entsprechendes analytisches Verfahren in Form einer neuen Datenkombination und/oder eines Algorithmus (etwa einer verbesserten Prognose auf Basis genauerer Daten). Die zur Gewinnung von Erkenntnissen durchzuführenden Tätigkeiten und die entsprechend beteiligten Rollen wurden in enera unter dem Begriff explorativer Analyseraum zusammengefasst.

Im dritten Schritt des Prozesses „Datenbasierte neue Geschäftsmodelle entwickeln“ wurde die Operationalisierung / Erprobung neuer Geschäftsmodelle vorgenommen. Dazu erfolgte eine Verstetigung in Form von zu implementierenden regelmäßigen Datenextraktions- und Ladeprozessen (Daten-Integrator), der Einbindung der getesteten Algorithmen in Regelprozesse sowie ggfs. der Entwicklung entsprechender Applikationen zur  Unterstützung und Visualisierung dieser neuen Fähigkeiten. Die Verstetigung war auch Voraussetzung für die Vermarktung der entwickelten Fähigkeiten. Die nutzbaren Services auf Basis der SDSP bildeten hier eine Grundlage für neue, datenbasierte Geschäftsmodelle. Beispiel zum letzten Schritt der Operationalisierung und Vermarktung datenbasierter Services von den Konsortialpartnern sind nunmehr im AppStore von enera zu finden.

Hier wurden als Blaupause für das sogenannte BrainWave Format die durchzuführenden Arbeiten bei der Entwicklung eines neuen Geschäftsmodells auf Basis bereits in der Smart Data und Service Plattform (SDSP) integrierten Daten erprobt.

Dabei wurde davon ausgegangen, dass nur Daten von Konsortialpartnern im Energiesystem von Interesse sind, um eine Idee umzusetzen. Dementsprechend lagen die durchzuführenden Arbeiten und somit die von AP9 zu unterstützenden Tätigkeiten in den Bereichen 1) Ideen entwickeln und Hypothesen testen, 2) Algorithmen entwickeln sowie 3) im Bereich der Operationalisierung, wobei dabei lediglich Entwicklertätigkeiten innerhalb der Daten- und Informationsebene (Smart Data) sowie der Dienstebene (Smart Services) notwendig werden.

Zur Operationalisierung der entsprechenden Aktivitäten wurden zusätzliche Datenquellen angebunden. Daher mussten auch beim Beispiel „Investitionsanalyse“ zusätzliche Aufwendungen innerhalb der Integrationsebene (Datenintegration) eingeplant werden.