24.06.2015 Auch kleine Datenmengen sind nützlich

„Smart Data" für Mittelständler

Von: Robert Schindler

Gemeinsam mit dem Karlsruher Institut für Technologie (KIT) hat das auf Simulation und Höchstleistungsrechnen spezialisierte Unternehmen Sicos BW Ende 2014 das Smart Data Solution Center Baden-Württemberg (SDSC-BW) gegründet. Was sich dahinter verbirgt, erklärt der Projektverantwortliche Andreas Meier.

  • „Um herauszufinden, ob Smart Data im eigenen Unternehmen sinnvoll und durchführbar ist, müssen keine Investitionen getätigt werden", Andreas Meier, Projektverantwortlicher beim SDSC-BW.

ITM: Herr Meier, wie definieren Sie „Smart Data“ auch in Abgrenzung zu „Big Data“?
Andreas Meier:
Bei Big Data geht es um große Datenmengen – in einer Dimension, die viele Mittelständler instinktiv zurückschrecken lässt. Dabei können auch viele kleine Datenmengen, Small Data, in der Kombination mit weiteren externen Daten zu einem Big-Data-Thema werden. Dann sind auch diese kleinen Datenmengen nützlich und gewinnbringend. Entscheidend ist allein, dass genau die Informationen gefunden werden, die Antworten auf relevante Fragestellungen geben und diese effektiv eingesetzt werden können. In diesem Fall spricht man von Smart Data.

ITM: Worum geht es beim Smart Data Solution Center Baden-Württemberg?
Meier:
Die Aufgabe des SDSC-BW ist es, kleine und mittlere Unternehmen beim Thema Smart Data zu unterstützen und international wettbewerbsfähig zu machen. Dies geschieht durch neutrale Beratung und kostenfreie Voranalysen der Daten. Mit einer Potentialanalyse bewerten wir, ob sich die Aufbereitung, Analyse und Auswertung mit Smart Data für die Unternehmen lohnt. Ist entsprechendes Potential vorhanden, können Mittelständler auf die Hard- und Softwareressourcen der im SDSC-BW zusammengeschlossenen Partner zugreifen und mit Begleitung des SDSC-BW ein Pilotprojekt umsetzen.

ITM: Welcher Nutzen ergibt sich insbesondere für Mittelständler aus dem Smart-Data-Ansatz?
Meier:
Smart-Data-Technologien ermöglichen auch Mittelständlern eine anwendungsorientierte Verwertung von Massendaten. Dadurch, dass Smart-Data-Anwendungen große Datenmengen direkt im Speicher bearbeiten (In-Memory-Technologie) und weitere semantische Informationen (wie Wetter, Ferienzeiten, politische oder gesellschaftliche Ereignisse, Baustellen etc.) mit einbeziehen, liefern sie schnell hilfreiche und konkrete Prognosen. Die Beschleunigung komplexer Analysen im Vergleich zu herkömmlichen Datenbanken kann Faktoren in der Größenordnung von 100 und mehr erreichen.

ITM: Können Sie konkrete Praxisbeispiele oder Pilotprojekte nennen?
Meier:
Ein anschauliches Beispiel liefert die Verlässlichkeit von Maschinen: Ein Produkt durchläuft  entlang der Produktionskette verschiedene Maschinen. Jede von ihnen spuckt eine Vielzahl von Daten aus (Druck, Drehzahl, Spannung etc.). Diese Daten schlummern meist ungenutzt irgendwo im Speicher der Maschinenrechner. Durch das Auswerten der Daten mittels Smart-Data-Technologien und das Anreichern mit unstrukturierten Daten aus z.B. Wartungsprotokollen kann das Unternehmen erkennen, welche Umstände zu Fehlern und Ausfällen bei der Maschine geführt haben.

ITM: Mit welchen Investitionen muss ein Mittelständler bei der Einführung von Smart-Data-Lösungen rechnen?
Meier:
Um überhaupt erst einmal herauszufinden, ob Smart Data im eigenen Unternehmen sinnvoll und durchführbar ist, müssen keine Investitionen getätigt werden. Diese erste Analyse bietet das SDSC-BW kostenfrei an. Auch die folgenden ersten Schritte können mithilfe einer Vielzahl von Dienstleistern ohne Investitionsaufwand bestritten werden. Entscheidet sich ein Unternehmen dann für den Einsatz und den eigenen Betrieb von Smart Data und den entsprechenden Technologien, sind mindestens ein Data Scientist sowie die entsprechende Hard- und Software nötig. Mittelständler können hier bereits mit wenigen Tausend Euro einsteigen. Nach oben sind natürlich keine Grenzen gesetzt.

ITM: Wie sehen Sie den deutschen Mittelstand hinsichtlich der Anwendung/Umsetzung von Big-/Smart-Data-Technologien im internationalen Vergleich aufgestellt?  
Meier:
Während Big-Data-Analysen in vielen US-Unternehmen bereits zum Standard gehören, hinkt vor allem der europäische Mittelstand noch hinterher. Die Hauptgründe hierfür liegen u.a. in der Größe der EU-Firmen (diese sind kleiner, d.h., sie haben meist nur kleinere Datenmengen zur Verfügung). Zum anderen sind die Datenanalysten und die Technologie hierzulande teuer. Ein weiterer Grund liegt sicherlich im Investitionsstau, der die Einführung aller neuen Technologien, auch der Big-/Smart-Data-Technologien, bremst. 


Bildquelle: SDSC-BW

©2017 Alle Rechte bei MEDIENHAUS Verlag GmbH