Siemens Energy beschleunigt die Anwendungsentwicklung mit metaphactory Knowledge Graph

Siemens Energy betreut eine Flotte von Tausenden von großen Gasturbinen, die in mehreren Ländern auf der ganzen Welt im Einsatz sind. Die Verwaltung einer so großen Flotte von Ausrüstungen in verschiedenen Umgebungen und Kontexten stellte eine große logistische Herausforderung dar. Die Verwaltung von Ersatzteilkatalogen und spezifischen Kundenkonfigurationen für jede Turbine erforderte einen erheblichen manuellen Arbeitsaufwand. Dies ließ auch Raum für eine bessere Bestandsoptimierung auf Kundenseite und präzisere Ersatzteil-Empfehlungen. Das Unternehmen benötigte eine zuverlässige Methode zur Modellierung kontextbezogener Daten und komplexer Hierarchien in seiner Amazon-Web-Services-(AWS)-Cloud, um Transparenz zu schaffen und die Entscheidungsfindung in Bezug auf seine Flotte großer Gasturbinen zu verbessern.

Siemens Energy entdeckte die Wissensgraph-Technologie als ideale Lösung für die Organisation, Verwaltung und Abfrage seiner Maschinendatenstrukturen in der gesamten Flotte. Die hierarchische Struktur dieser Maschinen bietet sich für die Modellierung von Wissensgraphen an. Wissensgraphen, eine Methode zur Modellierung strukturierter und unstrukturierter Daten, werden von Fachexperten erstellt und mit Hilfe intelligenter Machine Learning-Algorithmen erweitert. Siemens Energy hat sich für den Wissensgraphen metaphactory entschieden, der von der deutschen Technologiefirma metaphacts entwickelt wurde. metaphactory bietet Wissensgraphenmanagement, schnelle Anwendungsentwicklung und endbenutzerorientierte Interaktion. Kunden erhalten Unterstützung bei der Datenerfassung und -integration, der Erstellung von Inhalten, der interaktiven Visualisierung und Exploration von Daten sowie der Verknüpfung und Wiederverwendung von externen Wissensquellen. metaphactory baut auf dem Knowledge Graph Service von Amazon Neptune auf.

Siemens Energy war an der Nutzung der Wissensgraphen-Technologie interessiert, um eine eigene Anwendung zu entwerfen und zu erstellen, die maßgeschneiderte Abfragen und Formulare enthalten sollte. Da metaphactory eine Low-Code-Plattform für die schnelle Entwicklung von Wissensgraph-Anwendungen ist, war sie perfekt auf die Bedürfnisse von Siemens Energy abgestimmt. Lutz Lukas, IT-Lösungsarchitekt bei Siemens Energy, erklärt: „Siemens Corporate Technology hat bereits seit mehreren Jahren mit metaphactory an einer Reihe von Initiativen gearbeitet. In früheren Projekten haben wir festgestellt, dass sich mit metaphactory schnell und in großem Maßstab eine benutzerdefinierte Anwendung erstellen lässt. Darüber hinaus haben uns die Visualisierungs- und Abfrageoptionen von metaphacts geholfen, Daten schnell und effizient zu validieren, Benutzeroberflächen zu prototypisieren und Grafiken zu untersuchen.“

Siemens Energy hat einen zentralen Teil der Turbinen-Wissensgraph-Anwendung mit Hilfe der Low-Code-Funktionen von metaphactory erstellt. Dies ermöglicht die Visualisierung der komplexen Beziehungen und Verbindungen innerhalb der betreffenden Flotte. Daniel Herzig-Sommer, Chief Operating Officer von metaphacts, erklärt dies folgendermaßen: „Stellen Sie sich die Low-Code-Entwicklung wie den Bau eines modularen Hauses vor: Sie müssen es nicht Stein für Stein aufbauen, sondern können vorgefertigte Elemente verwenden, wie Wände mit eingebauten Fenstern und Türen. Mit metaphactory verhält es sich genauso. Sie nehmen unsere vorgefertigten Komponenten für die Visualisierung von Graphdaten, die Suche, die Bearbeitung oder was immer Sie für Ihre Datenmanagement-Aufgaben benötigen. Dann konfigurieren und kombinieren Sie sie so, wie Sie es wünschen und haben im Handumdrehen eine Anwendung.“ metaphactory erreicht dies durch anpassbare Vorlagen und ein umfangreiches Set an vorgefertigten Web-Komponenten, die entsprechend dem gewünschten Erscheinungsbild des Kunden parametrisiert werden können. Diese Komponenten stehen für Datenverwaltungsaufgaben und zur intuitiveren Visualisierung großer Mengen strukturierter und unstrukturierter Daten und Beziehungen zur Verfügung. Die Plattform bietet auch eine Datenqualitäts-Workbench, die Daten überwacht und prüft, ob sie mit bestehenden Modellen übereinstimmen.

Durch das Aufsetzen der metaphactory-Plattform auf den Graphen-Datenbank-Service von Amazon Neptune konnte Siemens Energy ein intelligentes Tool für ein effizienteres Ersatzteilmanagement entwickeln. Die Einführung dieser Wissensgraphen-Anwendung in die Produktion war einfach zu bewerkstelligen. Nach einer Reihe wöchentlicher Telefonkonferenzen mit metaphacts konnte Siemens Energy in kürzester Zeit eine Reihe kontextbezogener Visualisierungen für seine globale Turbinenflotte erstellen. Dank der intuitiven Benutzeroberfläche arbeiten die Turbineningenieure von Siemens Energy täglich mit den Visualisierungen. Die Erstellung der Anwendung hätte ohne metaphactory länger gedauert. Siemens Energy kann nun Resource-Description-Framework-(RDF)-Daten, SPARQL-Protocol- und RDF-Query-Language(SPARQL)-Abfragen sowie Ontologien nutzen, die nahtlos auf Amazon Neptune aufgebaut sind. Als Ergebnis konnte das Unternehmen schon früh betriebliche Effizienzgewinne verzeichnen, indem es bisher unbekannte Zusammenhänge zwischen der Verfolgung und Überwachung seines globalen Turbinenbestands entdeckte.

Paul Zolnowski, Section Lead, Post Documentation bei Siemens Energy, betont: „Der Hauptvorteil von metaphactory war, dass wir unsere Daten während der Entwicklung einfach visualisieren konnten, um frühes Feedback aus dem Unternehmen zu erhalten und so die Datenqualität zu verbessern und unser Datenmodell und unsere Anwendung schnell und zielgerichtet zu entwickeln.“

Mithilfe der metaphactory-Plattform, die über den AWS Marketplace bezogen wurde, hat Siemens Energy in nur sechs Monaten eine benutzerdefinierte, wissensbasierte Graphenanwendung für die Verwaltung seiner Flotte großer Gasturbinen entwickelt und bereitgestellt. Dies war aus betrieblicher Sicht beeindruckend, denn es zeichnete sich durch ein schnelles Feedback und eine hohe Akzeptanz innerhalb des Geschäftsbereichs sowie durch einen schnellen Entwicklungs-, Test- und Bereitstellungszyklus aus. „Dank metaphactory konnten wir eine leistungsstarke Anwendung entwickeln, die es unseren Turbineningenieuren ermöglicht, noch präzisere datengestützte Entscheidungen zu treffen und manuellen Aufwand zu sparen“, so Zolnowski.

Außerdem sparte Siemens Energy im ersten Jahr 1.500 Stunden an manueller Bearbeitung. Zuvor war es erforderlich, Informationen über die verschiedenen Maschinenkonfigurationen innerhalb der Flotte zu vergleichen. Mit metaphactory führte Siemens Energy einen effizienteren Prozess für die Pflege und Erstellung von Ersatzteilkatalogen und die Verwaltung von Konfigurationen für seine Flotte großer Gasturbinen ein. „Das hat uns letztlich geholfen, die Qualität der Empfehlungen für unsere Kunden insgesamt zu erhöhen“, so Lutz Lukas. „Unsere Turbineningenieure sind in der Lage, effizienter zu arbeiten.“

Auf der Grundlage des hochleistungsfähigen Graphdatenbank-Service von Amazon Neptune mit niedriger Latenz konnte Siemens Energy auch andere AWS-Marketplace-Services wie Speicher, Load Balancer, Gateways und Netzwerke nutzen. Da es sich bei metaphactory um eine Docker-Anwendung handelt, war auch eine Integration mit AMI-AWS-CloudFormation-Vorlagen für die Bereitstellung erforderlich. Die Einführung von AWS-Services verschaffte Siemens Energy die Leistung und Agilität, die das Unternehmen benötigte, um schnell und kostengünstig in den Markt einzutreten, ohne Abstriche bei den hohen Sicherheitsstandards machen zu müssen.

Die Beschaffung von metaphactory über AWS Marketplace bot den DevOps-Teams die Flexibilität, neue Features sofort zu testen und metaphactory bei Bedarf auszuführen. Lutz Lukas bemerkt: „Wir haben auch die flexible Preisgestaltung und Lizenzierung von AWS und metaphacts sehr geschätzt. Dies gab uns die Möglichkeit, ein zweistufiges System einzurichten – eine Stufe für die Entwicklung und eine für die Produktion. Die Nicht-Produktionslizenz diente der Entwicklung, dem Testen neuer Features und dem Benutzer-Feedback, während wir die Produktionslizenz für die Bereitstellung neuer Versionen der Anwendung für unsere Turbineningenieure reservierten. Darüber hinaus schätzten wir die Flexibilität, Instances je nach Nutzungsbedarf und Tagesabläufen zu starten und zu beenden.“

Siemens Energy ist zufrieden mit der Effektivität von Machine Learning und Wissensgraph-Technologie bei der schnellen Entwicklung von Anwendungen, die einen geschäftlichen Mehrwert schaffen. Es plant, seine Turbinen-Wissensgraph-Anwendung weiter auszubauen und zu verbessern, und sieht Potenzial für die Anwendung von Wissensgraphen in anderen Geschäftsbereichen.