SAP HANA und Hadoop - ein starkes Team

Ausprobieren erwünscht

Die Anwendungsfelder für Analytics sind zahlreich und hoch innovativ. Vieles muss jedoch zunächst erprobt werden, bevor es sich in der Praxis umsetzen lässt, wie ein Beispiel aus dem Bereich Maschinendaten zeigt. Ein Maschinen- oder Gerätehersteller muss eine Menge Sensoren verbauen, um eine bestmögliche Benutzung unterstützen zu können. Da diese Geräte beim Endkunden eingesetzt werden, müssen die Daten häufig mittels eingebauter SIM-Karten über Mobilfunk an den Hersteller übertragen werden. Dadurch entstehen Kosten für die Datenübertragung und es gilt, die zu übermittelnde Datenmenge zu optimieren.

Doch was sind die wichtigsten Daten, die übermittelt werden müssen, um neue Möglichkeiten im Bereich Preventive Maintenance zu kreieren? HP hat gemeinsam mit dem Hersteller die Daten zunächst in einem Offline Szenario mit einem Datenumfang von mehreren Monaten getestet. Data Scientists aus dem Bereich HP Global Analytics analysierten alle Daten und ermittelten daraus die wichtigsten Parameter. Für den Maschinenhersteller ergibt sich daraus die Möglichkeit, den Datenaustausch aus dem Fahrzeug anzupassen und nur die wichtigsten Daten zu übermitteln.

Zudem kann der Hersteller seinen Kunden durch die frühzeitige Erkennung von Problemen einen verbesserten Service bieten. Gemeinsam mit dem Kunden lassen sich geeignete Wartungsfenster identifizieren und dadurch kostspielige Ausfälle für den Endkunden vermeiden. Auch die Gewährleistungskosten für den Hersteller reduzieren sich, wenn festgestellt wird, dass die Maschine oder das Fahrzeug missbräuchlich benutzt wird, beispielsweise durch ständige Überladung.

Gelingt es über eine IoT Plattform, eine bidirektionale Kommunikation aufzubauen, erweitert sich das Potenzial noch einmal erheblich. In diesem Fall empfängt man nicht nur Daten aus den Maschinen, sondern kann auch auf die Maschine beziehungsweise das Fahrzeug einwirken und die entsprechenden Devices, Sensoren, Geräte remote verwalten. Dadurch lassen sich beispielsweise Software Updates verteilen und gegebenenfalls neue Funktionen nutzen, oder aber komplette oder teilweise Stilllegungen erreichen. Bei Diebstahl, festgestellt über die GPS Daten, kann das Fahrzeug oder die Maschine vollständig funktionsuntüchtig geschaltet werden (Geo Fencing).

Es empfiehlt sich grundsätzlich, Use Cases zunächst zu verproben und erst anschließend in den Produktivbetrieb zu überführen, um Fehlinvestitionen zu vermeiden. Dies gilt auch für die Big-Data-Umgebung selbst. Bevor in eine eigene Big-Data-Plattform investiert wird, für die weder ein Betriebskonzept existiert noch eine Betriebsorganisation den Praxisbetrieb übernehmen kann, lässt sich diese mit den entsprechenden Komponenten beispielsweise in einer Private Cloud nutzen und sowohl die technische Machbarkeit, aber auch die Businessrelevanz dort nachweisen. Für die Analyse aktuell anfallender Daten ist eine sehr hohe Verarbeitungsgeschwindigkeit und für die Speicherung und Verarbeitung der historischen Massendaten eine günstige Speicher- und Verarbeitungslösung notwendig.

Orchestrierung über HANA

Die Anwendungsbeispiele zeigen: Big Data ist schon lange keine Vision mehr, sondern in der Unternehmensrealität angekommen. Bisher galt: je größer die Datenmenge, umso teurer die Speicherung und umso langsamer der Zugriff. Diese Herausforderungen lassen sich mithilfe von Hadoop kostengünstig lösen, in dieser Disziplin liegt das Open-Source-Framework vorne. Nicht jedoch in der Disziplin Analytics in Echtzeit. Hier kann die In-Memory-Plattform SAP HANA punkten. Die Stärken liegen hierbei neben der schnellen Verarbeitung vor allem in der Business Logik der transaktionalen SAP-Applikationen. Durch die Kombination von SAP HANA und Hadoop lassen sich die Vorteile aus beiden Disziplinen gewinnbringend nutzen, sofern die Orchestrierung über SAP HANA erfolgt.