20 Feb 2019
Moderne Autos haben bereits sehr viel Software an Bord, die momentan auf vielen Steuergeräte verteilt läuft. Es werden sehr viele Daten produziert, die entweder direkt im Steuergerät verarbeitet werden oder über eines der Bus-Systeme zu einem anderen Steuergerät geschickt werden. Gemein ist allen Daten im Automobil, dass diese, Stand 2019, in der Regel konsumiert und nicht dauerhaft gespeichert werden.
Wenn ein*e Fahrer*in heute auf die Bremse tritt, sendet das System Bremse ein Signal an das System Außenlicht - und die Bremslichter leuchten auf. In dem Moment, in dem das Signal ausgesendet wurde, hat das Bremssystem das Signal schon wieder vergessen. Auch das Außenlicht verarbeitet das Signal - und vergisst es sofort wieder.
Zukünftige Autos werden nicht mehr vergessen. Im Gegenteil, es werden übergeordnete Algorithmen entstehen, die Daten speichern und unser Mobilität viel genauer steuern als wir Menschen das individuell könnten. Als Beispiel soll hier das Laden von Elektrofahrzeugen dienen: Tanken geht schnell und (meistens kurze) Schlangen bauen sich deshalb an Tankstellen auch schnell wieder ab - dennoch nervt es total, wenn keine Säule frei ist und man warten muss. Stellen Sie sich vor, welche Schlangen entstehen, wenn Menschen ihre Elektrofahrzeuge individuell - ohne übergeordnete Kontrolle von Algorithmen - mit Energie betanken. Es scheint unausweichlich, dass Fahrzeuge untereinander kommunizieren, um das kollektive Laden zu optimieren.
Kundenkontext
Dies führt uns zu einem interessanten Projekt, an dem wir mitwirken durften: Ein großer deutscher Automobilhersteller im Premiumsegment hat einen Flottentest für Elektrofahrzeuge durchgeführt. Dies funktionierte wie folgt:
- Beim Kauf eines Elektrofahrzeugs oder Plugin-Hybrids wurde die Kund*in gefragt, ob sie an der Studie teilnehmen möchte
- Wenn ja, dann wurde für ein Jahr ein Datenlogger in das Fahrzeug eingebaut, der eine Vielzahl unterschiedlicher Daten mitgeschnitten hat (von “Gurt auf Beifahrersitz geschlossen” bis “Anzahl der Kick-Downs pro Fahrt”)
- Die Daten wurden natürlich anonymisiert und die Kund*in erhielt eine Aufwandsentschädigung
- Die Datenlogger haben aus bis zu 200 Fahrzeugen insgesamt 1,1 Millionen XML-Dateien via Mobilfunk an den Automobilhersteller gesendet
- Das Ziel war es, mehr über die Nutzung von Elektrofahrzeugen zu erfahren (und diese Erfahrung natürlich in die Entwicklung von Folgebaureihen einzubringen)
Unser Beitrag
Wir haben im Rahmen dieses Projekts interessante Aufgaben erledigt:
- Entwurf eines State-of-the-Art Data Vaults für Microsoft SQL (Kundenanforderung)
- Entwicklung einer Transformationslogik und Ladefunktionen (ETL-Prozess)
- Consulting mit Hilfe eines Datenkataloges (Antwort auf die Frage aller Fragen “Was wollt Ihr aus den Daten eigentlich lernen?”)
- Gezielte Visualisierung für spezifische Nutzergruppen (z.B. Ingenieur im Bereich Power Train, Ingenieurin im Bereich Ladesystem) mit Dashboards in Tableau
Lessons learned
Aus unserer Sicht sollten Datendeuter bereits schon möglichst früh im Projekt mit dabei sein. Insbesondere, wenn es zu Beginn darum geht, welche Daten eigentlich erhoben werden sollen und wie die Daten vom Datenerzeuger zur Datenbank übertragen werden. Wenn hier bereits sehr weitsichtig agiert wird,
- bekommen die eigentlichen Datennutzer genau das, was sie brauchen (indem man mit ihnen in Workshops klärt, was sie eigentlich genau wissen wollen).
- kommen die Daten ausreichend schnell in die Datenbank, so dass Live-Dashboards möglich sind.
Author
Twitter Facebook XING