f+h: Clevere Intralogistik

29. April 2015

Smart Data für kleine und mittlere Unternehmen

Allein der Begriff „Big Data“ impliziert eine Dimension, die viele kleine und mittlere Unternehmen (KMU) instinktiv zurückschrecken lässt – in dem Glauben, dass das Thema „eine Nummer zu groß“ für sie ist. Ein Irrtum, denn auch KMU haben Datenmengen, die sie mit Big- und Smart-Data-Technologie gewinnbringend nutzen können.

Unter „Big Data“ fallen zunächst einmal große Datenmengen (viele Tera-, Peta- oder sogar Exabytes), deren Verarbeitung das Potenzial von üblichen Datenbanken sprengt. Dabei kommt es nicht allein auf die Menge der Daten, sondern z. B. auch auf die Geschwindigkeit der Datenverarbeitung und die große Bandbreite der Datentypen und -quellen an. Richtig aufbereitet liefern sie entscheidungsrelevante Informationen, Wettbewerbsvorteile und Einsparpotenziale.
Was viele KMU nicht wissen, durch diese Definition aber klar wird: Auch viele kleine Datenmengen (Small Data) können in der Kombination mit weiteren externen Daten zu einem Big-Data-Thema werden und entsprechend gewinnbringend sein. Maßgeblich ist allein, dass genau die Informationen gefunden werden, die Antworten auf relevante Fragestellungen geben und diese effektiv und zukunftsorientiert eingesetzt werden können (Smart Data).

Allein der Begriff „Big Data“ impliziert eine Dimension, die viele kleine und mittlere Unternehmen (KMU) instinktiv zurückschrecken lässt – in dem Glauben, dass das Thema „eine Nummer zu groß“ für sie ist. Ein Irrtum, denn auch KMU haben Datenmengen, die sie mit Big- und Smart-Data-Technologie gewinnbringend nutzen können. Während bei Big Data die Masse der Daten im Sinne einer vergangenheitsbezogenen Analyse im Vordergrund steht, geht es bei Smart Data um den wertvollen Inhalt oder um das möglichst schnelle Begreifen der Daten. Smart-Data-Anwendungen bearbeiten große Datenmengen direkt im Speicher (In-Memory-Technologie), beziehen weitere semantische Informationen mit ein und liefern so schnell hilfreiche und konkrete Prognosen; die Beschleunigung komplexer Analysen im Vergleich zu herkömmlichen Datenbanken kann Faktoren in der Größenordnung von 100 und mehr erreichen. Und diese anwendungsorientierte Perspektive ermöglicht auch KMU eine attraktive Verwertung von Massendaten.

Ein Beispiel aus der Lagerlogistik: Für bestehende aber auch neu einzuführende Produkte können mithilfe von Smart-Data-Technologien die Lagerhaltung sowie die Lagerhaltungskosten optimiert werden. Werden die Daten von ähnlichen Produkten – wie der Produktlebenszyklus oder die Einführungsdauer – und der Verlauf der Lagerbestände ausgewertet und mit verschiedenen externen Quellen (gesellschaftliche Ereignisse, Wetter etc.) zusammengeführt, lassen sich solide Schätzungen über den zukünftigen Bedarf treffen. Werden diese in der weiteren Planung entsprechend berücksichtigt, können die Lagerhaltungskosten minimiert und die Kundenzufriedenheit gesteigert werden.

Ausfallzeiten minimieren

Gezielte Vorhersagen können aber auch in einem anderen Bereich der Intralogistik von entscheidender Bedeutung sein: Intralogistikanlagen lassen sich schon heute so ausstatten, dass der Status jedes Systemelement in Echtzeit abgefragt werden kann. Selbst bei überschaubar komplexen Systemen sammeln sich so in kurzer Zeit große Datenmengen an. Gleichzeitig kommen unstrukturierte Daten (z. B. Protokolle von Wartungsmechanikern oder Fehlermeldungen) dazu, die in den Kontext der anderen Daten gesetzt werden müssen. Bei einer regelmäßigen und umfassenden Analyse ergeben sich durchaus interessante Muster, aus denen sich informative Schlüsse ziehen lassen.

Stichwort Predictive Maintenance: hier wird versucht, Besonderheiten zu erkennen, die einem Ausfall der Anlage vorausgehen, um einzelne gefährdete Anlagenkomponenten rechtzeitig herauszufiltern (nicht alle Anlagenkomponenten werden in gleicher Weise beansprucht). Mithilfe dieser Erkenntnisse lassen sich Wartungszeiten vorbeugend planen und Ausfallzeiten minimieren. Ein derartiges Vorgehen ist unter Zeit- und Kostengesichtspunkten attraktiv.

Wege für KMU

So überzeugend derartige Beispiele für den Nutzen von Smart-Data-Technologien auch sind, viele KMU erkennen das Potenzial dieser Technologien für ihr Unternehmen nicht oder wissen nicht, wie sie sich dem Thema nähern sollen. Anderen wiederum fehlt es oft schlicht an den finanziellen Mitteln oder der fachlichen Expertise, um Smart-Data-Projekte durchzuführen.

Damit auch KMU von den Einsatzmöglichkeiten von Smart-Data-Technologien profitieren, gibt es diverse Beratungs- und Fördermöglichkeiten in Deutschland: Eine Initiative, die sich für die Belange der KMU einsetzt, ist das Smart Data Solution Center Baden-Württemberg (SDSC-BW). Zielsetzung dieser Einrichtung ist es, KMU in Baden-Württemberg die Nutzung der neuen Technologien zu ermöglichen. KMU, die eine Fragestellung haben, die sich möglicherweise durch Smart-Data-Technologie lösen lässt, können sich an das Center wenden und ein für das KMU kostenloses Pilotprojekt definieren.

Auch die Sicos BW GmbH, Stuttgart, neben dem Karlsruher Institut für Technologie (KIT) einer der Partner des SDSC-BW, steht für KMU deutschlandweit als Berater zur Verfügung. Auf Bundesebene gibt es mit dem Smart Data Innovation Lab (SDIL) bereits eine Forschungsplattform.

Quelle: f+h 5/2015