Beiträge

Interview: IoT Lösung zur Übertragung großer Datenmengen

Interview mit Mike Bischoff über IoT Lösung zur Übertragung großer Datenmengen.

Herr Mike Bischoff ist Chief Digital Officer bei der Signify GmbH (ehemals Philips Lighting GmbH). Er studierte Wirtschaftswissenschaften in Bremen und war dann anschließend über 10 Jahre als CIO in der IT- und Getränkebranche tätig. Seit ca. sechs Jahren ist er bei Signify/Philips Lighting im Marketing bzw. seit 1. Januar 2019 im Vorstand des DACH Marktes als CDO tätig.

 

Inwiefern wird Ihrer Meinung nach die Li-Fi Technik die IoT Welt verändern? In welchen Bereichen und/oder ganzen Branchen wird Li-Fi sich gegenüber etablierten Techniken durchsetzen?

Im Jahre 2022 werden wir weltweit bereits über 50 Mrd. IoT Devices haben, die kontinuierlich mit dem Internet verbunden sind und über angebundene Sensoren gigantische Datenmengen sammeln und übertragen. Über 40.000 Petabytes an Daten werden bereits ab 2020 monatlich übermittelt. Die Nachfrage steigt weiter stetig an, aber das Angebot – Breitbandinternet über Radiofrequenzwellen wie WiFi – kann nicht mehr ausgeweitet werden. Das Radiospektrum ist irgendwann voll ausgelastet. Das Problem bemerken wir schon heute in stark frequentierten Mobilfunknetzen, wie z.B. in Fußballstadien. Die alternative Frequenz über die LiFi kommuniziert ist in der Hinsicht ein Vorteil, weil die bisherige Funkkommunikation inzwischen Ausmaße angenommen hat, die vergleichbar sind mit verstauten Autobahnen. Wir nutzen mit LiFi praktisch eine alternative Autobahn, die uns hohe Performance und Stabilität bietet. Wir benötigen also eine neue Technologie die Daten nicht mehr über Radiofrequenzen, sondern über Lichtwellen Daten überträgt, um den ständig wachsenden Bedarf zu bedienen. Die Vorteile Daten über Licht zu übertragen sehen wir z.B. in Hochsicherheitsbereichen, Industry 4.0, Machine-To-Machine Kommunikationen oder auch in Bereichen in denen Radiofrequenzwellen störend oder gefährlich sein können. Da Licht nicht durch Wände geht, ist es unmöglich, dass sich jemand unbefugt in ein Netz einhacken kann, der nicht im gleichen Raum sitzt. Auch wird die Verbindung in dem Moment unterbrochen, wenn das Licht ausgeschaltet wird. So hat man volle Kontrolle. Zudem ist die Bandbreite bei der Übertragung von Daten über Lichtwellen bis zu 1000-mal größer als bei Radiofrequenzwellen.

 

Welche Herausforderungen sehen Sie bezogen auf Mensch und Technik um die Li-Fi Technologie als festen Bestandteil von IoT Lösungen zu etablieren?

Eine Herausforderung stellt heute noch die Kompatibilität der Endgeräte der Nutzer dar. Zwar können wir bei allen Geräten mit USB Anschluss ganz einfach und unkompliziert einen Zugangsschlüssel über die USB Schnittstelle zuführen. Damit die LiFi Technologie aber als fester Bestandteil von IoT Lösungen zu etablieren ist, müssten diese Infrarot-Transceiver in den Endgeräten direkt implementiert werden. Man kann das, glaube ich, ganz gut mit der Frühphase von Wi-Fi vergleichen: Am Anfang benötigten alle Wi-Fi Nutzer noch einen USB-Stick oder USB-Dongle, um sich mit einem WiFi-Netzwerk verbinden zu können. Mittlerweile ist die Empfangstechnologie standardmäßig in allen smarten Geräten (PCs, Smartphones, TVs & Co.) integriert. Das ist auch unser Ziel um LiFi massenmarkttauglich zu machen.

 

Welche wesentlichen Fähigkeiten muss ein Data Scientist Ihrer Meinung nach mitbringen, welche ihn von dem klassischen ITler unterscheiden? Wie würden Sie einen Berufseinsteiger das Berufsbild des Data Scientists erklären?

In unserer Markt-Organisation haben wir bislang noch keine Data Scientists beschäftigt. Meine Vorstellung der Persönlichkeit eines Data Scientists kann allerdings nicht die reine „klassische Ausprägung“ von Fähigkeiten wie technischen, analytischen und logischen Denken sein. Die Kombination aus mathematischen Fähigkeiten, unternehmerischen Denken und Kommunikationsstärke sind aus meiner Sicht für diesen Beruf die wichtigsten Eigenschaften. Das heißt der Transfer von Datenanalysen zu Hypothesen und zu praktischen Geschäftsentscheidungen ist der entscheidende Erfolgsfaktor. Eine herausragende Fähigkeit ist es dann, wenn er/sie eine komplexe Thematik/Hypothese in einen überzeugenden Elevator Pitch für das Management umwandeln kann. Aber letztendlich hängt es davon ab, dass wir als Unternehmen genauestens definieren, was wir von einem Data Scientist erwarten. Wenn man den Luxus hat, über ein Team von Data Scientists zu verfügen, müssen nicht alle Persönlichkeitsanforderungen in einer Person gebündelt sein, aber dann braucht es hier natürlich eine gesunde Teamstruktur und Kommunikation, d.h. die richtige Mischung aus intro-/extrovertierten und aktiven/reaktiven Persönlichkeiten.

In welchen Anwendungsfeldern arbeiten Data Scientists in Ihrem Haus hauptsächlich? 

Data Scientists sind aktuell bei uns nur in den globalen Business Groups, aber noch nicht in den Märkten wie DACH tätig. In den Business Groups fokussieren sich die Data Scientists derzeit auf die riesigen Datenmengen, die durch unsere IoT-Lösungen in Smart Cities, Buildings und Manufacturing gewonnen werden. Alle unsere Leuchten werden bald nur noch connected sein und werden mit vielfältigsten Sensoren ausgerüstet, die Temperaturen, Lichtintensität, Geräusche, Wetterdaten, etc. auswerten können. Hier kommt den Data Scientists eine wichtige Rolle zu, darauf basierend die richtigen Business Modelle mit Mehrwerten für unsere Kunden zu entwickeln. In den Vertriebsorganisation sehe ich Anwendungsfälle für Data Scientists insbesondere im Marketing und hier im Bereich „intelligent/dynamic Pricing“.

Wie würden Sie den folgenden Satz vervollständigen?

Meine ehemalige Position als Marketing Director befähigt mich… die entscheidenden Kriterien „Markt“, „Produkte & Systeme“ sowie „Customer Experience“ in der Definition und Umsetzung der Digital Transformation Agenda einfließen zu lassen. Natürlich hat mir die Rolle auch die wichtige Vernetzung zu globalen und lokalen Stakeholdern, wichtigen Kunden und Marktpartnern sowie zur Belegschaft gebracht, die mir bei der Umsetzung der digitalen Agenda sehr nützlich sind.


Mike Bischoff präsentiert am 14. November 2019, dem zweiten Tag der Data Leader Days 2019, über „LiFi – Drahtlose Übertragung großer Datenmengen über sichtbares Licht für die IoT-Lösungen der Zukunft“.

Tickets für die Konferenz finden Sie auf der offiziellen Startseite, unter www.dataleaderdays.com.

Interview: Erfolgreiche Daten und Analytics Projekte @EnBW

Interview mit Herrn Dr. Frank Säuberlich von der EnBW Energie Baden-Württemberg AG zum Thema Internet of (Wind)Turbines – erfolgreiche Daten und Analytics Projekte.

Herr Dr. Frank Säuberlich ist Chief Data Officer bei der EnBW. Er studierte Wirtschaftsmathematik am Karlsruher Institut für Technologie, an welchem er auch seinen Doktor in Ökonomie erlangte. Seinen Start in der Privatwirtschaft als Senior Technical Consultant Data Mining bei SAS Germany folgte eine Anstellung als Practice Manager und später als Regional Manager bei Urban Science. Vor seinem Antritt als CDO bei EnBW leitete Herr Dr. Frank Säuberlich verschiedene Data Science Teams bei Teradata.

 

1. Die Energiebranche muss sich einem nie zuvor gesehenen Wandel unterziehen. Welche Rolle spielt für Sie Data Science, um diesen Wandel mitzugestalten bzw. sich den Herausforderungen besser zu stellen?

Wir sehen vielfältige Anwendungsfelder in der Energiebranche, um aus Daten Mehrwerte zu generieren. Dabei machen wir keinen Unterschied, ob am Ende einfache BI Auswertungen oder ein komplexer KI Algorithmus zum Einsatz kommt. Wir starten immer mit der Frage „wie können wir mithilfe von Daten unser Geschäft verbessern?“ Und wir diskutieren von Beginn an, wie analytische Ergebnisse für solche Fragestellungen im täglichen Arbeiten so eingesetzt werden, damit die Verbesserungspotenziale auch tatsächlich erreicht werden können. 

Erst danach sollte über Technologie oder analytische Algorithmen diskutiert werden.

2. Wie hoch ist die Akzeptanz bei internen Anwendern von Business Intelligence Lösungen & Data Science Ansätzen? Gab es Initiativen, um diese zu erhöhen?

Eine zentrale Aufgabe meiner Rolle als Chief Data Officer bei der EnBW ist es das generelle Verständnis, dass Daten wie ein werthaltiges Asset zu behandeln sind, zu erhöhen. Dazu gehört eine bessere Transparenz bezüglich vorhandener Daten und darauf basierter Anwendungen aber auch bessere Möglichkeiten, um Daten über Bereichsgrenzen hinweg teilen zu können. 

Manche Teile des Konzerns sind hier schon weit und haben bereits eigene Teams etabliert, deren Aufgabe es ist Datenqualität und Transparenz sicherzustellen.

Die Durchdringung des Konzerns mit diesem „Mindset“ wird uns aber die nächsten Jahre weiter beschäftigen.

3. Data Analyst, Data Scientist und Data Engineer können eher dezentral positioniert oder komplett in eine Business Intelligence/Data Science Abteilung zusammengefasst werden. Wie haben Sie sich aufgestellt und welche Gründe waren dafür ausschlaggebend?

Wir haben uns hier für eine hybride Organisation dieser Ressourcen entschieden. Wir haben ein zentrales Daten-Team, das Data-Analytics Projekte für verschiedene Bereiche von der Use Case Identifizierung über die Pilotierung bis hin zum operativen Betrieb betreuen kann.

Dieses zentrale Team ist auch für den Aufbau der Analytics Community innerhalb des Konzernes zuständig, damit lokale Teams, die es in einigen Bereichen gibt, sich innerhalb der Community austauschen können 

Grundsätzlich ist es aber unser Ziel, die generellen Fähigkeiten, mehr mit Daten zu arbeiten und daraus Mehrwerte für den eigenen Bereich zu erzielen, so breit wie möglich ins Unternehmen zu bringen.

4. Mit Big Data ging in einigen Branchen ein Paradigmenwechsel einher. Welche Herausforderungen in Bezug auf Technik und Mensch bringt Big Data mit sich, sowohl bei EnBW als auch bezogen auf den Markt.

Wir sehen diese Paradigmenwechsel durchaus und versuchen das angesprochene neue „Mindset“, Daten als werthaltiges Asset zu begreifen, auf verschiedene Weise im Unternehmen zu kommunizieren.

Am besten funktioniert dies, wenn wir es an tatsächlichen geschäftsrelevanten Fragestellungen beweisen. Wichtig ist dabei, von Beginn an die eigentlichen Endanwender mit einzubeziehen, und die analytischen Lösungen tatsächlich auf die Bedürfnisse deren täglicher Arbeit abzustimmen. Dies schafft ein größeres Verständnis für diese Lösungen bei den Kollegen und Ängste oder Vorbehalte gegenüber neuen Technologien können dadurch erheblich vermindert werden.

5. In welchen Bereichen nutzt Ihr Unternehmen das Potential von Big Data Analytics bereits und was sind interessante Erfahrungen in der erfolgreichen Durchführung solcher Projekte?

Wir haben bereits in vielen Bereichen Erfahrung mit Big Data Analytics Projekten gesammelt. Beispiele hierfür sind Prognosen und Handelsalgorithmen im Energy Trading, Zustandsprognosen für Verteilnetze sowie Zustandsüberwachung von Erzeugungsanlagen. 

Der überwiegende Teil unserer Lösungen wird dabei bereits operativ als Service betrieben. Teilweise befinden sich Lösungen aber noch im Prototypen-Zustand. Zahlreiche Initiativen werden derzeit noch validiert, von denen es gegebenenfalls nicht alle bis zum operativen Einsatz schaffen werden.

Eine wichtige Erfahrung in diesem Kontext ist, dass sich Big Data Analytics Projekte nicht mit einem vorgegebenen klaren Ergebnis nach Wasserfall abarbeiten lassen.

 


Dr. Frank Säuberlich präsentiert am 14. November 2019, dem zweiten Tag der Data Leader Days 2019, über „Internet of (Wind)Turbines – erfolgreiche Daten und Analytics Projekte @EnBW“.

Tickets für die Konferenz finden Sie auf der offiziellen Startseite, unter www.dataleaderdays.com.