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.