​Gesamtheitliche IoT/AoT Big Data Plattform
„Data Intelligence Hub“
​Next Generation Artificial Intelligence
​Dr. Stefan S...
2
Agenda
• KI – Plattform Data Intelligence Hub
– Herausforderung Komplexität
– DIH als plattform-basiertes Geschäftsmodel...
3
Herausforderung Komplexität I
„Complexity kills Performance“
 Zukunftsfähigkeit immer schwieriger zu realisieren
 Stei...
4
Herausforderung Komplexität II
Data Intelligence Hub „versteht“ + optimiert komplexe
Prozessabläufe
Transparente zentral...
5
Data Intelligence Hub
Alleinstellungsmerkmale
Der Hub denkt mit dank Next Generation Analytics:
 Der Hub verfügt über e...
6
Agenda
• KI – Plattform Data Intelligence Hub
– Herausforderung Komplexität
– DIH als plattform-basiertes Geschäftsmodel...
7
Die Architektur des DIH basiert auf Teradata UDA und ist eine
modulare offene Plattform, die es ermöglicht extrem grosse...
8
App Store for Analytics & Intelligence
Der Eckpfeiler des Plattform-basierten Geschäftsmodelles
 Intuitive Bedienung
 ...
9
App Store for Analytics & Intelligence
Apps “denken” holistisch, verstehen Zusammenhänge
 Die Apps bestehen aus gekapse...
10
Agenda
• KI – Plattform Data Intelligence Hub
– Herausforderung Komplexität
– DIH als plattform-basiertes Geschäftsmode...
11
Siemens Sinalytics
Multi-industry IoT solutions
#Insert Hashtag11 © 2014 Teradata
• Equipment availability issues with ...
12
Maersk – Enabling innovation
though IoT solutions in logistics
#Insert Hashtag12 © 2014 Teradata
• Maersk spends $1 bil...
13
Lessons Learned:
Blueprint für den Data Intelligence Hub
 Der zugrunde liegende Lösungsansatz – die Kombination vieler...
14
1414
Alexander Kouril
Managing Director
connective elements
management consultants GmbH
Presley Boulevard 14
61231 Bad ...
15
15
Back-up
16
Plattform-basierte Geschäftsmodelle
Platform Leaders aus dem Silicon Valley formen neuen Geschäftsmodelle
 Plattform-b...
Nächste SlideShare
Wird geladen in …5
×

BITKOM_Präsentation Data Intelligence Hub -Schwarz-Kouril

248 Aufrufe

Veröffentlicht am

0 Kommentare
1 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
248
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
1
Aktionen
Geteilt
0
Downloads
10
Kommentare
0
Gefällt mir
1
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

BITKOM_Präsentation Data Intelligence Hub -Schwarz-Kouril

  1. 1. ​Gesamtheitliche IoT/AoT Big Data Plattform „Data Intelligence Hub“ ​Next Generation Artificial Intelligence ​Dr. Stefan Schwarz, Teradata - Alexander Kouril, Connective Elements
  2. 2. 2 Agenda • KI – Plattform Data Intelligence Hub – Herausforderung Komplexität – DIH als plattform-basiertes Geschäftsmodell • Near realtime, skalierbar, einfach – Architektur - UDA – App Store for Intelligence & Analytics • Konkrete, reale Anwendungsbeispiele – Neue Geschäftsmodelle ermöglichen – Business Benefit „Probleme kann man niemals mit derselben Denkweise lösen, durch die sie entstanden sind “ Albert Einstein „Eine wirklich gute Idee erkennt man daran, dass ihre Verwirklichung von vorne herein ausgeschlossen erscheint“ Albert Einstein
  3. 3. 3 Herausforderung Komplexität I „Complexity kills Performance“  Zukunftsfähigkeit immer schwieriger zu realisieren  Steigender Wettbewerbsdruck  Globale Lieferbeziehungen immer volatiler, immer anfälliger für Risiken  Disruptive Technologie-Entwicklungen setzen traditionelle Unternehmen unter Druck  Permanenter Kostendruck durch Shareholder  Kundenanforderungen immer schwieriger hervorzusagen  Gesellschaftliche Anforderungen an Umweltgerechtigkeit, Nachhaltigkeit, Fairness stellen hohe Anforderungen an das Unternehmen
  4. 4. 4 Herausforderung Komplexität II Data Intelligence Hub „versteht“ + optimiert komplexe Prozessabläufe Transparente zentralisierte Übersicht  Erfassung von Ressourcen-Daten (Stromverbrauch etc.)  Erfassung der vollständigen Prozesskette inkl. aller systemischen Abhängigkeiten  Datengetriebene Strategie-Entwicklung und -Umsetzung Vermeidung von Störungen, Effizienzgewinn  Frühzeitige, proaktive Ermittlung notwendiger Instandhaltung, Wartungsarbeiten  Automatisierte/Semi-Automatisierte Erstellung von Wartungs-/Instandhaltungsplänen  Erfassung und Vermeidung von Anomalien, Mustern Produktoptimierung  Auswertung von Social Media für optimierte Produktentwick- lung, Logistikabläufe etc.  Vermeidung von Qualitäts- problemen
  5. 5. 5 Data Intelligence Hub Alleinstellungsmerkmale Der Hub denkt mit dank Next Generation Analytics:  Der Hub verfügt über eine „Meta-Intelligenz“, die verschiedene KI- Systeme, Algorithmen autonom zu einen Prozess verkettet und dazu notwendige Daten aufbereitet und bereitstellt.  Der Hub lernt aus den vielfältigen Nutzungsverhalten der Kunden und verwertet diese Lernerfahrungen für seine eigene Optimierung  Der Hub lernt insbesondere aus der Kombination vieler KI-Systeme für spezifische Use Cases (Problemstellungen) und der erzielten Effizienz der Problemlösung End-2-End Process Optimization & Automation:  Dank der Meta Intelligenz erfasst der Hub komplexe, umfangreiche Prozesse vollständig und eben nicht nur punktuell und kann daher Staupunkte, Engpässe und deren Impact erfassen und optimieren Von Data-Monetization zur Data-basierte Wertschöpfung:  Einmal erfasste Datenmengen können für unterschiedliche Use Cases verwertet werden oder für andere Kunden sinnvoll vermarktet werden
  6. 6. 6 Agenda • KI – Plattform Data Intelligence Hub – Herausforderung Komplexität – DIH als plattform-basiertes Geschäftsmodell • Near realtime, skalierbar, einfach – Architektur - UDA – App Store for Intelligence & Analytics • Konkrete, reale Anwendungsbeispiele – Neue Geschäftsmodelle ermöglichen – Business Benefit „Ease of use is the key to gain the network effect“ Michael A. Cusumano MIT Sloan
  7. 7. 7 Die Architektur des DIH basiert auf Teradata UDA und ist eine modulare offene Plattform, die es ermöglicht extrem grosse interne und externe Datenmenden zu sourcen, speichern und zu analysieren
  8. 8. 8 App Store for Analytics & Intelligence Der Eckpfeiler des Plattform-basierten Geschäftsmodelles  Intuitive Bedienung  Apps sind „gekapselte“ KI-Systeme, die für eine spezifische Zielsetzung (Ressourcen-Effizienz, Servicequalitätverbesserung etc.) kombiniert und standardisiert worden sind
  9. 9. 9 App Store for Analytics & Intelligence Apps “denken” holistisch, verstehen Zusammenhänge  Die Apps bestehen aus gekapselten KI-Systemen, also KI-Systeme die mit einander kombiniert sind, um ein spezifisches Optimierungsziel zu erreichen  Die Apps sind mit den analytischen Werkzeugen von Teradata gekoppelt
  10. 10. 10 Agenda • KI – Plattform Data Intelligence Hub – Herausforderung Komplexität – DIH als plattform-basiertes Geschäftsmodell • Near realtime, skalierbar, einfach – Architektur - UDA – App Store for Intelligence & Analytics • Konkrete, reale Anwendungsbeispiele – Neue Geschäftsmodelle ermöglichen – Business Benefit „Erfahrung ist der beste Lehrmeister. Nur das Schulgeld ist teuer.“ Thomas Carlyle
  11. 11. 11 Siemens Sinalytics Multi-industry IoT solutions #Insert Hashtag11 © 2014 Teradata • Equipment availability issues with specific model with big direct profitability impact • In work-flow analytics of CT/MRI data led to unmatched improvements for engineers and others • The CERN accelerator generates > 300 Terabytes of sensor data per year • Analytical root cause analyses for malfunctions of all kinds in “usually unreliable, incomplete and out of sequence” (CERN) data • Despite complex data envir. system produces easy to understand • Siemens: “On a three-hour journey, only one out of over two thousand journeys are delayed by more than five minutes.” • In case of delay > 1 hour train ticket price will be reimbursed in full - possible as “most reliable high-speed train in the whole network” (renfe). • Share of plane travel down from 80% to 30% in favor of train operator • Change of business model from asset sale to long term service contract(!) Predictive maintenance - Rail Similar cases “Digging for Data in a Particle Mine”- Science Analysing CT/MRI data- Healthcare Similar cases (enabled by Teradata)
  12. 12. 12 Maersk – Enabling innovation though IoT solutions in logistics #Insert Hashtag12 © 2014 Teradata • Maersk spends $1 billion per year repositioning empty containers. • Goal: Optimization of container distribution, reduce idle times & empty journeys • Main data sources: GPS and GSM locations, route info, repair events, zip code • Result: Significantly reduced costs, better utilization of containers • “Every day, tens of thousands of containers are flowing in and out of repair shops all over the world.” (Maersk) It costs the company more than USD 300 million, annually. • Several billion lines of data: all inspections, all repairs, every movement, every booking • Analytics allowed in an easy to understand way to see for each individual repair shop where Maersk was getting good and bad repairs. • As a result optimizing single repair shops saved Maersk up to 2 mil. USD per year. • Maersk operates 200,000 refrigerated containers with connected sensors. • As part of their Remote Container Management project, they give customers access — via their Teradata data warehouse — to data relevant to these containers. This allows the customer e.g. to vary the temperature inside while the cargo is in transit. • It is an enabler of an ecosystem “that’s going to drive innovation for us” (Maersk) Remote Container Management project Optimized maintenance for vessels and containers Reduce empty container journeys “Logistics business depends on optimization.[..] If we want real cost leadership and commercial excellence, applying the technology and the competencies of advanced analysts can take us much further than conventional analysis.” Jakob Stausholm, Maersk Line, Chief Transformation Officer
  13. 13. 13 Lessons Learned: Blueprint für den Data Intelligence Hub  Der zugrunde liegende Lösungsansatz – die Kombination vieler KI-Systeme mit hochperformanten analytischen Werkzeugen – funktioniert und hat sich im rauen Industriemarkt bewährt!  Aufgrund vieler Erfahrungswerte ist der Ausbau der Architekturen durch eine eingebettete KI-Schicht sehr gut realisierbar und vermarktbar.  Kunden profitieren insbesondere durch den Daten-getriebenen Blick über den „Tellerrand“, durch die Erfassung von Prozessabläufen von ihrem Anfang bis zu ihrem Ende – also End-2-End  Think Big! Vermeidung von Daten- und KI-Silos jeglicher Art!  Es hat sich bewährt, mit einer Teradata-Plattform mit einem vollständigen Set analytischer Werkzeuge zu beginnen, und diese entsprechend der Kundenbedarfe auszubauen.  Platform-as-a-Service und Capacity-on-Demand-basierte Modelle sind deutlich kosteneffizienter im Vergleich zu On Premise-Angeboten, dadurch sind erhebliche Kosteneinsparungen realsierbar
  14. 14. 14 1414 Alexander Kouril Managing Director connective elements management consultants GmbH Presley Boulevard 14 61231 Bad Nauheim Mobil: (0151) 55143222 Mail: alexander.kouril@connective-elements.com Dr. Stefan Schwarz Director Business Consulting Teradata Niederkasseler Lohweg 189 40547 Düsseldorf Mobil: (0173) 7488381 Mail: stefan.schwarz@teradata.com Es gibt tatsächlich keine dummen Fragen, außer der einen: "Gibt es noch Fragen?"
  15. 15. 15 15 Back-up
  16. 16. 16 Plattform-basierte Geschäftsmodelle Platform Leaders aus dem Silicon Valley formen neuen Geschäftsmodelle  Plattform-basierte Geschäftsmodelle: Immer mehr setzen sich Plattform-basierte Geschäfts- modelle im B2B-Märkten erfolgreich durch, wie beispielsweise Amazon, SalesForce, Apple, etc.  Shared Economy: Kunden gewinnen einen deutlich höheren Nutzwert, wenn sie ihr Wissen, Ihre Problemlösungsfähigkeiten teilen  Data Ownership is King: Das häufig zitierte Argument „Who owns the Data, owns the Business!“ beschreibt, dass Anbieter wie Google, Apple, Amazon etc. mit Kundendaten weitere Profitquellen erschlossen haben, die für traditionelle IT Provider unzugänglich sind

×