Analytics in der Energiebranche
Das Predictive Gasleitungsnetz
Christoph Lixenfeld, seit 25 Jahren Journalist und Autor, vorher hat er Publizistik, Romanistik, Politikwissenschaft und Geschichte studiert.
1994 gründete er mit drei Kollegen das Journalistenbüro druckreif in Hamburg, schrieb seitdem für die Süddeutsche Zeitung, den Spiegel, Focus, den Tagesspiegel, das Handelsblatt, die Wirtschaftswoche und viele andere.
Außerdem macht er Hörfunk, vor allem für DeutschlandRadio, und produziert TV-Beiträge, zum Beispiel für die ARD-Magazine Panorama und PlusMinus.
Inhaltlich geht es in seiner Arbeit häufig um die Themen Wirtschaft und IT, aber nicht nur. So beschäftigt er sich seit mehr als 15 Jahren auch mit unseren Sozialsystemen. 2008 erschien im Econ-Verlag sein Buch "Niemand muss ins Heim".
Christoph Lixenfeld schreibt aber nicht nur, sondern er setzt auch journalistische Produkte ganzheitlich um. Im Rahmen einer Kooperation zwischen Süddeutscher Zeitung und Computerwoche produzierte er so komplette Zeitungsbeilagen zu den Themen Internet und Web Economy inklusive Konzept, Themenplan, Autorenbriefing und Redaktion.
Foto: Open Grid Europe
Genau an dieser Stelle kommen die Daten ins Spiel. Das Leitungsnetz ist mit Sensoren versehen, die Schwingungen und Temperaturen messen. Eine zentrale Rolle dabei spielen die rund 30 Verdichterstationen, die entlang des über 12.000 Kilometer langen Netzes dafür sorgen, dass das Gas immer mit ausreichend Druck über große Entfernungen transportiert werden kann.
Mit Predictive Maintenance automatisiert Unregelmäßigkeiten erkennen
Sie alle sollen ihre Daten ins Essener RechenzentrumRechenzentrum senden. Dort werden die Daten auf bestimmte Muster hin analysiert. Der Netzbetreiber will so durch Predictive Maintenance frühzeitig und automatisiert Unregelmäßigkeiten erkennen, die einen reibungslosen Betrieb behindern oder sogar zu Schäden führen können. Alles zu Rechenzentrum auf CIO.de
Was nach einer geschmeidigen und leicht handhabbaren Prozesskette klingt, bereitet dem CIO und seinen Mitarbeitern allerdings noch Probleme. "Wir stehen hier erst am Anfang", sagt Ralf Werner. "Eine Schwierigkeit besteht darin, alle Daten auszulesen und nutzbar zu machen. Die Verdichter sind unterschiedlichen Typs und unterschiedlich alt, sie stellen ganz verschiedene Daten zur Verfügung. Für uns stellt sich die Frage, welche davon wir wirklich brauchen." Hinzu kommt: Einige Maschinen liefern überhaupt keine Daten.
Analyse-Infrastruktur aufgebaut
Weit fortgeschritten ist Open Grid Europe dagegen beim Aufbau der Analyse-Infrastruktur. 90 Prozent seiner IT betreibt seit 2010 Hewlett-Packard Enterprise (HPE), erst dieses Jahr wurde in Essen ein neues Rechenzentrum für die Rund-um-die-Uhr-Überwachung und -Steuerung des gesamten Leitungsnetzes in Betrieb genommen, eine Big-Data-Zentrale sozusagen.
Foto: Open Grid Europe
Als technische Plattform dient seit Kurzem eine Kombination aus SAP HANA und Apache Hadoop, schon länger nutzt das Unternehmen auch SAP Business Warehouse (on HANA). "Natürlich könnte man hier auch Lösungen von Oracle oder IBM einsetzen", so CIO Werner, "aber wir kommen aus einer starken SAP-Ecke und hatten in diesem Umfeld bereits Know-how. Das hilft uns jetzt, vor allem weil wir den Anspruch haben, vieles selbst machen zu können."
Daten verknüpfen mit SAP HANA
Werner und seine Leute verknüpfen mit Hilfe der HANA-Datenbanktechnologie, die die Rechenleistung optimiert, Daten aus verschiedenen Quellen miteinander. Für die Genehmigung der Netzentgelte (Preise) durch die Bundesnetzagentur zum Beispiel braucht Open Grid Europe möglichst genaue Prognosen über die durchzuleitenden Gasmengen. Diese Mengen hängen von den unterschiedlichsten Faktoren ab, unter anderem schlicht vom Wetter: Wenn es kalt ist, steigt der Gasverbrauch.
"Im Grunde versuchen wir immer, vergangenheitsbezogene Daten in die Zukunft fortzuschreiben", erklärt Werner. Praktisch kann das bedeuten, historische Daten über durchgeleitete Mengen sowohl mit historischen und aktuellen Wetter- als auch mit verschiedenen Kundendaten zu verschneiden, um so die Qualität von Prognosen zu erhöhen.