Algorithm 2 Data vs Big Data

Egal, ob es um die Umsetzung einfacher Kundenwünsche geht, oder um komplexe Analysefunktionen: Die Hersteller brauchen Daten aus der Fahrzeugflotte. Jede Menge Daten. Hier liegt die große Stärke einer Methodik, die bei den einen positive Aufregung erzeugt, bei anderen jedoch nur eine gerunzelte Stirn: Big Data. Big Data ist nämlich längst im Alltag angekommen und schwebt in der Wahrnehmung der Öffentlichkeit zwischen großen Versprechungen optimaler Datensammlung, und dem eigentlichen, messbaren Nutzen.

Das Analytics Team der ESG Mobility kennt diese Schwierigkeiten auch durchaus. Diese liegen zum einen natürlich darin, die teilweise enormen Datenmengen, die Big Data bereitstellt, spezifisch auszuwerten und zu verarbeiten. Zum anderen stellt sich das Problem der sehr konkreten Fragestellung, die durch Big Data Analysen beantwortet werden sollen. Hierzu kann Algorithm to Data eine Lösung anbieten.

Was genau kann Algorithm 2 Data?

Um genau diesen Herausforderungen entgegenzutreten, gibt es „Algorithm to Data“, gerne auch nur mit „A2D“ abgekürzt. Statt massenweise Daten aus der gesamten Fahrzeugflotte für Analysen und Kundenfunktionen zentral zu sammeln, schickt der Analytiker konkrete Suchaufträge oder Analyseaufgaben an ein einzelnes Fahrzeug und führt diese lokal aus. Im Backend zurück finden lediglich die Ergebnisse dieser Einzelanfragen. Die meisten Fahrzeughersteller bezeichnen diesen Ansatz als Event Based Data Collection, oder auch als Campaign Management.

Diese Methodik bietet zahlreiche Vorteile gegenüber einer zentralen Big Data Lösung:

• Die zu versendende Datenmenge ist gering
• Es wird keine High-End-Netzabdeckung benötigt
• Die benötigte Rechenleistung für das Handling der Daten sinkt
• Auf einzelne Events kann spezifisch und koordiniert eingegangen werden
• Es werden nur Daten gesammelt, die auch tatsächlich benötigt werden

In A Nutshell

• Big Data Analytics
• Algorithm to Data
• Telematik
• AWS (Amazon Web Services)
• Microsoft Azure
• Spark
• Scala
• Python

Neben diesen sehr praktischen Vorteilen bietet Algorithm to Data aber auch rechtliche Sicherheit. Die Frage, wem die gesammelten Daten eigentlich gehören, lässt sich somit simpel halten: Dem Fahrer. Dessen Daten bleiben bei der Analyse via Algorithm to Data auf seinem eigenen Fahrzeug. Nur die Analyseergebnisse und die daraus folgenden Erkenntnisse gehen zurück an den Hersteller, und diese Daten lassen sich auf einfache Weise anonymisieren.

Wie Algorithm 2 Data Gedankenprozesse stärkt

Natürlich muss auch weiterhin schon im Vorfeld der Analyse klar sein, nach welchen Daten überhaupt gesucht werden soll. So zwingt Algorithm to Data die Anwender durchaus dazu, sich schon vor Beginn der Analyse Gedanken zu machen, was das Ziel ist. Ein Vorteil – so lässt sich der verbreiteten, wenngleich oft einer Grundlage entbehrenden Prämisse der Zahn ziehen, dass Big Data lediglich massiv Daten sammelt, in deren Datenmenge Anwender nicht mehr wissen, welche Daten relevant sind.

Ein Nachteil versteckt sich indes oft auch im praktischsten Vorgehen: Für zielgerichtete Analysen im großen Stil, erst recht, wenn diese über Einzelansteuerungen funktionieren sollen, ist die aktuelle Hardware nicht immer geeignet. Hier muss noch ein deutlicher Sprung in der Leistungsfähigkeit aktueller Rechenkomponenten geschehen. Auch lassen sich Daten kaum rückwirkend analysieren. Die Hersteller setzen daher in der Entwicklungsphase auf sogenannte Connected Data Recorder. Leistungsfähige Rechenhardware, die zusätzlich verbaut wird und nicht nur die Rückverfolgbarkeit der Daten garantiert, sondern auch den Zweck hat, Fehler oder auffälliges Verhalten der Software bereit im Fahrzeug zu erkennen und somit vorzufiltern. Over-the-air lassen sich nach der Auffindung und Beseitigung von Fehlern direkt Updates auf das Fahrzeug übertragen.

Cognizant Mobility und Algorithm 2 Data

Die Cognizant Mobility konzipiert gemeinsam mit den Herstellern Daten- und Analysestrategien und setzt diese um. Nicht nur für die Vorentwicklung, sondern auch für die Serienproduktion, woraus Kundenfunktionen resultieren. Dazu gehören genau die Softwarebausteine, die für den Datenaustausch mit dem Fahrzeug relevant sind.

Das Big Data Team der Cognizant Mobility kümmert sich außerdem um die Auswahl der dafür benötigten Cloud-Architektur sowie die anschließende Analyse mit automatischer Mustererkennung. In den meisten Fällen kommen Amazon Web Services zum Einsatz, sowie das Framework Apache Spark und die Programmiersprache Scala.

Denn es sind die kleinen Features, die das Autofahren von morgen noch einfacher gestalten werden. Und die Cognizant Mobility stellt nicht nur Algorithm to Data, sondern auch viele andere Lösungen bereit.