Analytics-System bei der Deutschen Bahn
Predictive Maintenance spart Geld
Momentan sind es vor allem die Hersteller von Aufzugsystemen, die mit den Vorzügen einer Predictive Maintenance hausieren gehen. Aber das Thema betrifft im Prinzip alle Maschinenbauer beziehungsweise -betreiber. Wer drohendes Fehlverhalten oder gar Systemausfälle anhand von Verhaltensmustern vorhersagen kann, erspart sich viel Aufwand: nicht nur die mit einem Maschinenschaden verbundenen Folgekosten, sondern auch unnötige Wartungsprozesse.
Das haben mittlerweile auch die Bahnbetriebe erkannt. Seit 2013 macht sich die Deutsche BahnDeutsche Bahn - insbesondere der mit dem Gütertransport befasste Geschäftsbereich DB Schenker RailDB Schenker Rail - Gedanken, wie sich die Wartung von Lokomotiven mit Hilfe von datenbasierenden Vorhersagen ("Predictive Analytics") effizienter gestalten ließe. Davon berichtete Ingo Schwarzer, Chief Technology Officer (CTO) beim internen IT-Dienstleister der Deutschen Bahn, DB Systel, auf dem diesjährigen "CIO & IT Executive Summit", zu dem das Marktforschungs- und Beratungsunternehmen Gartner kürzlich nach München eingeladen hatte. Top-500-Firmenprofil für DB Schenker Rail Top-500-Firmenprofil für Deutsche Bahn
Von der Statistik zur Vorhersage
Die vier Stufen der Datenanalytik nach DB Systel:
1. Die einfachste Form der Analyse ist die reine Statistik. Hier werden die gängigen Kennzahlen erfasst und gemäß ihrer Häufigkeit grafisch dargestellt. Die Aussagekraft dieser Information ist begrenzt.
2. Deutlich mehr Informationen lassen sich durch das Einführen zusätzlicher Dimensionen gewinnen. Hierbei handelt es sich um klassische Data-Warehouse-Technik (Online Analytic Processing = OLAP).
3. Mit dem Tracking von bestimmten Daten, beispielsweise über das Web, gewinnen Informationen eine neue Qualität: Sie lassen sich in eine zeitliche Abfolge bringen beziehungsweise in einen räumlichen Zusammenhang stellen.
4. Den höchsten Erkenntniswert liefert jedoch die vorausschauende Analyse ("Predictive Analytics"). Hier wird das künftige Verhalten von Systemen anhand von Modellen prognostiziert, die sich aus historischen Verhaltensdaten speisen.