Big Data braucht mehr Intelligenz
Um die wachsenden Datenfluten in den Griff zu bekommen, benötigen Anwender intelligente Systeme. Operational Intelligence kann für transparente Prozesse sorgen.
Industrie 4.0 ohne künstliche Intelligenz? Das scheint undenkbar, denn gerade Machine Learning wird als Methode propagiert, um die Datenmengen zu bewältigen. Ein anderer Ansatz ist die Operational Intelligence (OI), die für transparente Prozesse sorgen soll.
Die Wertschöpfungskette optimieren, IT-Stabilität erhöhen, Sicherheitsbedrohungen erkennen – maschinengenerierte Daten spielen in der Industrie 4.0 eine wichtige Rolle. Doch je nach System entstehen bei der Verarbeitung von Maschinendaten schnell extrem große Datenmengen. In diese Masse an Big Data fällt im industriellen Umfeld zunehmend auch die Unterstützung der horizontalen Wertschöpfungskette, in die Maschinen und Systeme von Lieferanten, Händlern, Dienstleistern oder Kunden eingebunden werden. Zudem soll dieser Informationsberg betriebswirtschaftliche Prozesse positiv beeinflussen.
Ein Ansatz, um all diese Herausforderungen in den Griff zu bekommen und zu lösen, ist die Operational Intelligence. OI soll es Anwenderunternehmen zum einen ermöglichen, Big Data zu verstehen, zum anderen die Echtzeitanalyse der einzelnen Systeme erlauben. Diese Analysen können wiederum als Basis dienen, um Entscheidungen für unterschiedliche Unternehmensprozesse zu fällen.
Anwendungsszenarien für OI
Dies könnten etwa klassische Abläufe im Kerngeschäft eines Fertigers sein: Wertschöpfungsketten werden intelligent und umfassen zunehmend sämtliche Phasen des Lebenszyklus eines Produkts – von der Idee über die Entwicklung, und Produktion bis hin zur Nutzung, Wartung und dem Recycling. Liegen beispielsweise alle Informationen für einen Fertigungsprozess transparent vor, so kann ein Hersteller frühzeitig auf Qualitätsprobleme bei bestimmten Produktionschargen reagieren. Auf Grundlage der konsolidierten und ausgewerteten
Informationen kann die Geschäftsführung dann auf unvorhergesehene Abweichungen reagieren. Ein anderes Einsatzgebiet ist etwa die Untersuchung der Interaktionen mit Kunden, um auf zunehmende Kundenbeschwerden reagieren oder einen Rückgang der E-CommerceGeschäfte erklären zu können.
OI in der IT
In Verbindung mit Maschinendaten bietet sich der OI-Einsatz auch in der IT selbst an. Informationen aus verschiedenen IT-Systemen wie Web-Servern oder Infrastrukturkomponenten sowie Netzwerkdaten oder Cloud-ServiceInformationen können mit Hilfe von OI für die Fehlersuche und Performance-Steigerung verwendet werden.
Nach der Auswertung dieser Daten lässt sich eine zielgenauere Ursachenforschung betreiben, um künftig besser und vor allem schneller auf Vorfälle, Ausfälle und andere Probleme reagieren zu können. Mit dieser Echtzeit-Berichterstattung aus den „Maschinenräumen“einer Organisation werden IT-Manager in die Lage versetzt, eine serviceorientierte Sicht auf ihre IT-Umgebung zu entwickeln. So lassen sich On-the-Fly-Berichte und Datenvisualisierungen nutzen, die einen Blick über die Geschehnisse aus unterschiedlichen Perspektiven ermöglichen.
Muster in Angriffen erkennen
Eine weitere Anwendung für OI ist der Security-Bereich. Die Analyse erlaubt forensische Untersuchungen in unterschiedlichen Ebenen der Infrastrukturen, um etwa nach einem Cyber-Angriff nach bestimmten Mustern zu suchen. Mit diesen Informationen können IT-Verantwortliche ein ungewöhnliches Verhalten im Unternehmensnetz frühzeitig erkennen. Gleichzeitig können sie potenziellen Bedrohungen vorbeugen, indem sie in ihren Systemen eine kontinuierliche Überwachung und -bewertung von Vorfällen inklusive Warnfunktionen implementieren.
So funktionieren OI-Plattformen
Die OI-Plattformen selbst sammeln und indizieren zunächst Informationen aus unterschiedlichen Quellen, bevor überhaupt eine Analyse vorgenommen werden kann. Beim Sammeln von Daten sollten sowohl physische als auch virtuelle Umgebungen sowie Cloud-Umgebungen einbezogen werden. In Industrie-4.0-Szenarien kommen dann häufig noch Inhalte aus Sensoren und Microcontrollern von Produktionssystemen hinzu sowie Informationen aus strukturierten Datenbanken. Für die Einspeisung dieser Daten dienen in der Regel so genannte Forwarder, die sich direkt in den Datenquellen befinden. Darüber hinaus lassen sich DevOps-, IoT- und andere Daten über Applikationsschnittstellen (APIs) integrieren.
Korrelationen erlauben tiefere Einsichten
Für die Darstellung der konsolidierten Informationen stellen die OI-Plattformen in der Regel Dashboards bereit. Diese Dashboards informieren die Anwender visuell über bestimmte Vorgänge und Zusammenhänge in IT- und Geschäftsprozessen und zeigen dabei beispielsweise Engpässe, Probleme und sogar neue Geschäftschancen auf. Möglich wird dies durch eine Ereigniskorrelation. Sie erlaubt es, Beziehungen zwischen scheinbar unzusammenhängenden Ereignissen in Daten aus verschiedenen Quellen zu finden.