Promotion - entgeltliche Einschaltung

Erst Analyse macht Datensammeln wertvoll

10. November 2016, 10:38

Ein lernendes Programm prognostiziert mehr als 2 Millionen Fahrplandaten pro Tag.

Bei nahezu allen Unternehmen erhält das Thema Datenmanagement immer größere Bedeutung. Auswertung und richtige Anwendung für interne und externe Prozesse können wettbewerbsentscheidend sein, technologische Services wie Big Data oder Data-Analytics sind dabei wichtige Werkzeuge.

Vor allem in der Telekommunikation müssen erbrachte Leistungen exakt und vollständig verrechnet werden, das gilt für Anbieter wie Kunden. Mit einer eigenen Revenue Assurance haben nun T-Systems und Data Scientists ein Service geschaffen, das auch unstrukturierte Daten in die Analyse einbindet und entsprechend adaptiert. So wird die gesicherte und vollständige Abrechnung aller Dienste gewährleistet und die Anwendung auch für weitere Branchen ermöglicht, etwa im Gesundheitswesen.

Erkenntnisgewinn durch richtiges Datenmanagement

Wesentlich für einen Erkenntnisgewinn ist hier oftmals auch die richtige Visualisierung der Daten. Nicht jede Visualisierung ist für jede Aufgabenstellung geeignet, nötig ist lange Erfahrung und der richtige Ansatz für die Darstellungsversionen. Wenn in einem Unternehmen Analyseverfahren umfangreicher werden und dabei eine Dynamik entsteht, dann ist Technologie allein nicht ausschlaggebend.

In solchen Fällen kommt es dann auch auf die richtige Organisation des Datenmanagements an ("Data-Warehouse"). "Relevant ist dabei die korrekte Abwicklung aller Phasen des Aufbaus und das geht von externen Bereichen wie Kundenberatung bis hin bis zum fertigen Report und Datenmodell," erläutert Axel Quitt, Big Data Experte bei T-Systems.

Der Zug fährt ab

Die Deutsche Bahn beispielsweise setzt bei der Echtzeit-Prognose von An- und Abfahrtszeiten im Bahnverkehr an. Aktuell werden Fahrplandaten für mehr als zwei Millionen Halte pro Tag auf Basis des vorgegeben Fahrplans für den gesamten Personenverkehr abgeglichen. Daraus ergibt sich eine Echtzeit-Prognose über die voraussichtliche Ankunftszeit und deren Auswirkung auf mögliche Anschlussverbindungen. Während der Berechnungen werden die Positionsmeldungen aller fahrenden Züge innerhalb von Sekunden in Rechenzentren analysiert.

Der dabei verwendete Algorithmus nutzt unter anderem auch das Verfahren des maschinellen Lernens ("Predictive Maintenance"), die technologische Basis hierfür ist künstliche Intelligenz ("Artificial Intelligence"). Generell können verschiedene Prognosemodelle eingesetzt werden, die etwa auch je nach Verkehrslage dynamisch ausgewählt werden.

Zeit souverän im Griff

Um nun Prognosegenauigkeit zu verbessern und kontinuierlich an den aktuellen Verkehr anzupassen, werden die Modelle im 24-Stunden-Rhythmus nachts auf historischen Daten trainiert. Die neue Lösung soll ab dem kommenden Frühsommer eingesetzt werden und den Service für Reisende entsprechend verbessern, auch bei etwaigen Verspätungen im Fern- oder auch im Nahverkehr. Das System selbst wird durch Aufnahme und Verarbeitung weiterer Daten ständig weiterentwickelt.

Mit den neuen Services sollen sich die Kunden der Deutschen Bahn per Smartphone und App sowie auch direkt an den Bahnhöfen bis zu 90 Minuten im Voraus über Abfahrtszeiten in Echtzeit informieren können. Planungssicherheit und Zeitsouveränität der Reisenden steht dabei im Mittelpunkt. Die Prognoselösung ist eine Eigenentwicklung von T-Systems Multimedia Solutions und wird in einem gemeinsamen Projekt mit der Deutschen Bahn weiterentwickelt und eingeführt. "Mit diesem Projekt zeigt sich der Mehrwert von lernenden Maschinenfunktionen mit direkten Erkenntnissen für Produktentwicklung und Kundennutzen", resümiert T-Systems-Experte Axel Quitt.

  • Artikelbild
    foto: economy
Share if you care.