Ein Beitrag von Jonas Scholz, FID-D 

Neben der immer stärker werdenden operativen Datennutzung gewinnt auch die Datenauswertung an Bedeutung, da datengetriebenes Entscheiden immer wichtiger wird, um sich im schnell wandelnden Logistikgeschäft auch weiterhin zu behaupten. Jüngste Krisen wie Corona und der russische Angriffskrieg auf die Ukraine haben gezeigt, dass Daten wichtige Informationen für strategische Entscheidungen liefern können. Aber auch die operativen Entscheidungen des Tagesgeschäfts können von Datenauswertung profitieren, wie die Kolleginnen und Kollegen der Embrace-Initiative zeigen, die die Revisionsplanung neuerdings auf Basis der individuellen Laufleistungsdaten eines Waggons durchführen.  

Um uns für neue Anforderungen gut aufzustellen, haben wir verschiedene Vorgehensweisen entwickelt, die uns das Händeln steigender technischer Komplexität ermöglichen.  

Damit wir zu einer möglichst großen Unabhängigkeit dieser Teilsysteme kommen, geschieht die Modularisierung entlang der Geschäftsprozesse. Beispielsweise werden so, im Zuge fortschreitender Modularisierung, dedizierte Systeme entstehen, die zum Beispiel das Vertrags- oder Flottenmanagement abbilden. Die Änderungen geschehen dabei im Hintergrund, sodass die Auswirkungen für die Anwender:innen minimal sein werden und hinter den bekannten Oberflächen verborgen bleiben. Über die Modularisierung der Systeme wird nicht nur die Stabilität erhöht, sondern vereinfacht auch die Entwicklung neuer Funktionen und kann zudem für die Ausführungsgeschwindigkeit von Vorteil sein.   

Durch das Zerlegen der Systemlandschaft steigt der Bedarf nach Informationsaustausch zwischen den Funktionsbestandteilen, allerdings gebietet es unser Anspruch an Ausfallsicherheit, dass diese nicht direkt miteinander verbunden sind, um die Auswirkungen im Fehlerfall gering zu halten. Wie gelingt dieser Spagat?

Bislang tauschten IT-Systeme Daten zumeist direkt miteinander aus. Diese enge Kopplung konnte im Fehlerfall dazu führen, dass sich die Probleme des einen Systems auch unmittelbar auf das andere auswirkten. Anstelle von direktem Datenaustausch lassen wir nun verstärkt über einen Mittelsmann kommunizieren: Den Message-Broker. Man kann sich diesen als Postfach vorstellen, auf das Systeme Nachrichten, die für andere Systeme relevant sind, ablegen (zum Beispiel „Eine neue Wagen-Laufleistung wurde berechnet“). Andere Systeme, die diese Information benötigen, werden so konfiguriert, dass sie die Nachrichten aus dem Postfach abrufen und die Aktualisierungen im eigenen Tempo verarbeiten können. Sollte eines der abrufenden Systeme ausfallen, hat das keine übergreifenden Auswirkungen. Das Gesamtsystem bleibt verfügbar, auch wenn einzelne Funktionen nicht mehr oder nur eingeschränkt nutzbar sein sollten. 

Das Konzept wird bereits heute in vielen laufenden Entwicklungsinitiativen angewendet, unter anderem in traigo, WAMOS!, HERMES und SAP. 

Der Enterprise Data Lake 

Aus der Umstellung des Datenaustauschs ergeben sich aus datenanalytischer Sicht Synergien. In den vergangenen zwei Jahren wurde eine neue Datenplattform aufgebaut, die den Datenverkehr des Message-Brokers mitschneiden und auswerten kann. Der Enterprise Data Lake (kurz EDL) vereinfacht übergreifende Datenauswertung durch automatisches Importieren und Wiederverwenden von bestehenden Datenformaten, die über den Message-Broker fließen.  

Durch die Umstellung auf nachrichtenbasierte Kommunikation steigt auch die Menge der Daten, die im Enterprise Data Lake abgefragt werden können. Somit erzeugt die Modularisierung der IT-Systeme nicht nur Vorteile für die Systemstabilität, sondern sorgt auch dafür, dass die Daten einfacher für analytische Zwecke genutzt werden können.  

Neben dem Fokus auf der Einfachheit der Datenanbindung ist der Enterprise Data Lake technologisch so gebaut, dass auch sehr großen Datenmengen verarbeitet werden können. Über den Lauf eines Monats gehen durchschnittlich über eine Milliarde Nachrichten ein, in Spitzenzeiten zehntausende Nachrichten pro Sekunde. Das Auswerten dieser großen Datenmengen ist eine technische Herausforderung und eine wichtige Vorbedingung, wenn es um die Erschließung von moderner Datenanalyse-Methoden geht.   

Das Design des Enterprise Data Lakes soll darauf einzahlen, möglichst einfach zu einer guten und großen Datenbasis zu kommen, indem Synergien mit der neuen Software-Architektur und anderen analytischen Systemen (wie dem Data-Warehouse) geschaffen werden. 

Die Nachrichten aus den Einzelsystemen, die den Datenstrom aller Geschäftsereignisse abbilden, fließen über den Message-Broker in den Enterprise Data Lake. Dieser bereitet die Nachrichten auf und macht sie auswertbar. Durch das Anwenden eines generischen Ansatzes wird die Komplexität der Datenintegration für Auswertungszwecke auf ein Minimum reduziert.  

Die vorgestellten Maßnahmen zur Beherrschung der Komplexität in der Softwareentwicklung mögen zwar wenig unmittelbare Auswirkung auf Euren Arbeitsalltag haben, sie werden aber langfristig einen positiven Einfluss nehmen, der für viele spürbar sein wird: Die Systemstabilität wird zunehmen und neue Möglichkeiten, Daten im Tagesgeschäft zu Auswertungszwecken zu nutzen, werden entstehen. Wir stellen die technischen Weichen, um zu einer zukunftssicheren Systemlandschaft zu gelangen, die Systemstabilität zu steigern, dabei den Grad der Datennutzung zu erhöhen und VTG so zu stärken.

Für Fragen und Anregungen stehen wir Euch gerne zur Verfügung.