Macht Big Data für Produktionsbetriebe Sinn?

Maschinen- und Sensordaten spielen in der Produktion eine herausgehobene Rolle, besonders in Kombination mit den Daten aus den Bestandssystemen. Durch den Einsatz von Big-Data-Technologien stehen Informationen schneller und umfänglicher zur Verfügung, es kann schneller auf Veränderungen reagiert werden. Ein Beispiel:

Der Pharmahersteller Merck nutzt Hadoop für die schnellere Entwicklung von Impfstoffen. Durch den Schema-on-Read-Ansatz von Hadoop kann das Unternehmen riesige Datenmengen aus 16 Datenquellen sofort für Analysen bereitstellen, ohne sie vorher über ETL-Prozesse in ein relationales Datenbankschema übertragen zu müssen. Die Zeit- und Ressourceneinsparungen bei der Impfstoffentwicklung sind dabei erheblich.

Transparenz erhöhen

Mit Big-Data-Plattformen können zum einen Daten entlang der Produktionsprozesse bzw. der Supply Chain schnell eingesammelt und ausgewertet werden. Das hilft, um einen Überblick über Produktion und Logistik zu bekommen, bessere Vorhersagen zu treffen und evtl. Probleme schneller erkennen zu können. Zum anderen können Daten ausgewertet werden, die bislang aus wirtschaftlichen Gründen (Kosten für Speicher, etc.) keine Beachtung fanden. Produktionsabläufe werden dadurch transparenter und nachvollziehbarer.

Die passende Lösung einsetzen

Die Entscheidung, welche Technologie und welche Standards passen, um sämtliche Datenquellen zu integrieren, ist abhängig von den konkreten Anforderungen des Unternehmens. Mit einer Hadoop-Plattform lassen sich z. B. Daten aus den unterschiedlichsten Quellen integrieren und auch sehr große Datenvolumen performant verarbeiten. Die Ergebnisse dieser Verarbeitung können über entsprechende Schnittstellen auch an bestehende Systeme, wie z. B. die Business Intelligence-Anwendung, zurückgegeben werden. Leistungsstarke ETL-Werkzeuge helfen, moderne Big Data-Architekturen zu bewirtschaften. Häufig gibt es nicht nur ein Hadoop-Cluster oder eine NoSQL-Datenbank, sondern ein Zusammenspiel unterschiedlicher Technologien. So hat es sich auch bewährt, verdichtete Informationen aus den Big Data Stores in analytischen Datenbanken zu speichern und sie dadurch den Anwendern schnell und einfach verfügbar zu machen. Moderne ETL-Werkzeuge bieten Schnittstellen zu diesen Systemen und ermöglichen den Betrieb solcher Lösungen. Ein großer Vorteil von Big Data-Technologien ist, dass fast alle von ihnen Open Source sind, sodass sie Standards unterstützen und eine offene Architektur besitzen.

Hürden überwinden

Oftmals muss allerdings in den operativen Bereichen erst eine Akzeptanz der neuen Lösungen hergestellt werden. Ungewohnt kann es sicher für Mitarbeiter sein, dass Entscheidungen nicht mehr aus dem Bauch, sondern faktenbasiert getroffen werden. Zudem muss man sich über die relevanten Datenquellen und zu messenden Kennzahlen klar werden – was will ich wissen und wie will ich es aufbereiten? Das Top Management muss bereit sein, in die neuen Technologien zu investieren. Bei der Einführung von Big Data-Anwendungen geht es in erster Linie nicht um Technologien, sondern um Business-Szenarien. Das heißt, das Management muss zuerst die organisatorischen Rahmenbedingungen schaffen, damit die Projekte erfolgreich sein können und Optimierungspotentiale tatsächlich realisiert werden können.