Träumen Autos von Big Data?

UND WENN WIR AUTOS MITEINANDER VERNETZEN?

Bekanntlich können Autos nicht sprechen. Wenn sie es könnten, dann würden sie OEMs, Fahrern und Händlernetzen eine Fülle von Informationen von unschätzbarem Wert liefern. Zugang zu Fahrzeuginformationen erhält die Werkstatt schon seit langem durch Diagnose-Tools. Neu und revolutionär ist jedoch der Ansatz, diese mit Informationen über die Fahrzeugumgebung zu einem bestimmten Zeitpunkt zu kombinieren. Für die Sammlung dieser Daten werden immer mehr Fahrzeuge von den Herstellern mit Sensoren und Konnektivitäts-Lösungen ausgerüstet. Vernetzte Fahrzeuge liefern einen konstanten Strom von Daten über das Fahrzeug-, Motor- und Fahrverhalten sowie über die Umgebungsbedingungen. Diese enormen Datenmengen in einer unglaublichen Geschwindigkeit sinnvoll zu interpretieren ist keine leichte Aufgabe. Dabei liegt die Herausforderung darin, Methoden zu entwickeln, um diese Datenströme besser zu erfassen, sie zu analysieren und an die relevanten Empfänger weiterzuleiten, wobei dies idealerweise in (so gut wie) Echtzeit stattfinden sollte. Der Lohn dafür ist von unschätzbarem Wert: ein ganzheitlicher Blick auf das Fahrzeug, dank dem Autohersteller Echtzeit-Erkenntnisse erhalten, wie die Fahrzeugsysteme bei bestimmten Fahrmustern und unter bestimmten Umweltbedingungen arbeiten. Zu den wichtigsten Vorteilen dieser Technik gehört die Möglichkeit, rechtzeitig Reparaturdienstleistungen anzubieten oder Werbekampagnen für den Austausch von Ersatzteilen zu schalten, so dass der Aftermarket-Service und der Produktevertrieb des Händlernetzes verbessert werden kann. Zudem können im Rahmen von Fahrerassistenzsystemen Alarme ausgelöst und die Fahrer dabei unterstützt werden, kraftstoffsparend zu fahren, indem ihnen die optimale Geschwindigkeit und der Drehzahlbereich für das Wechseln der Gänge angezeigt wird. Die Vernetzung von Fahrzeugen kann aber auch für neue Geschäftsmöglichkeiten für OEMs sorgen, wenn sie integrierte Fahrzeugdaten Dritten – wie beispielsweise Versicherungsunternehmen oder Pannenhilfe-Diensten – zur Verfügung stellen. Die beste technische Lösung hierfür besteht in einer Apache Hadoop-basierten Plattform, die in der Lage ist, Terabytes an Daten zu speichern und Datenströme in Echtzeit zu verarbeiten. Mit dieser Plattform können Hochgeschwindigkeitsanalysen durchgeführt werden, die dank komplexer und sekundenschnell durchgeführter Algorithmen Erkenntnisse in Echtzeit liefern, die auf dem Armaturenbrett des Fahrzeugs und/oder auf dem Smartphone des Fahrers über eine entsprechende App dargestellt werden können. Dabei werden Informationen übermittelt, die auf die Situation des Fahrers zu einem bestimmten Moment oder auf die Informationsanforderungen des Unternehmens innerhalb der entsprechenden Wertschöpfungskette abgestimmt sind.

NEUE CHANCEN FÜR EINE EFFEKTIVE VORBEUGENDE INSTANDHALTUNG

Steht die Produktion still, so bedeutet dies aufgrund von Produktionsausfällen, Kosten für Reparaturen sowie für die während dieses Prozesses erzeugten Abfälle einen großen Um. Um dieses Risiko zu minimieren, setzen Fertigungsunternehmen üblicherweise ein Programm für die vorbeugende Instandhaltung ein, das meistens eine kalenderbasierte Instandhaltungsplanung umfasst, bei der Anlagen und Maschinen in vorgegebenen Intervallen oder Fristen gewartet oder ausgetauscht werden. Für einzelne Bauteile setzt ein solches Programm auch fest, ob es nach einem bestimmten Zeitintervall oder einer vorgegebenen Anzahl an Arbeitsgängen ausgetauscht werden muss. Im Gegensatz dazu konzentriert sich die zustandsorientierte Instandhaltung nicht auf vorgegebene Zeitpläne mit festen Zeitintervallen, sondern auf den Zustand und die Leistung der Anlage oder Maschine und deren Bauteile. Der technische Fortschritt hat dafür gesorgt, dass jedes technische Bauteil heutzutage mit Sensoren und RFID-Chips bestückt ist, die wichtige Informationen über Maschinenvariablen wie Temperatur, Ölstand, Vibrationen, Arbeitslast, Umgebungsfeuchtigkeit, Produktionsleistung, Abfallmesswerte und Störungen liefern. Werden nun die enormen Maschinen-generierten Datenmengen in einem Data Lake zusammengeführt und mit den Fehlereinstellungen, die aufgezeichnet werden, sobald eine automatisierte Maschine ausfällt, sowie mit der entsprechenden Wartungshistorie kombiniert, kann man erkennen welche Muster zum Ausfall der Maschine geführt haben. Auf diese Art und Weise werden Erkenntnisse über den Zustand der eingesetzten Anlagen und Maschinen sowie ihrer Bauteile gewonnen, so dass Voraussagen gemacht werden können, wann welche Wartungsarbeiten durchgeführt werden müssen.

CRM-UNTERSTÜTZUNG DURCH BIG DATA

Big Data ermöglicht, dass in Zukunft Entscheidungen datenbasiert getroffen werden können. Durch die Integration von Big Data-Systemen in CRM-Lösungen erhalten Automobilunternehmen die Möglichkeit, das Verhalten der Kunden vorherzusagen und dadurch ihren Kundenservice zu verbessern sowie ihre Investitionen genauer zu planen. Händler können Verkaufsgespräche optimieren indem sie besser auf Verbraucherwünsche eingehen. Diese Applikationen bieten mehr als einfache Entscheidungsbäume oder Algorithmen, damit Ihnen im Kundendialog schneller verlässliche Informationen und Optionen zur Verfügung stehen. Diese Business-Rules greifen auf die Analyse der Berichte von allen Kunden-Touchpoints zurück – einschließlich Social Media, E-Mail, Internet, Verkaufsrepräsentanzen und Callcenter –und sorgen so für eine handlungsbasierte Einteilung der Kunden in Segmente. Das ist die Grundlage, um aus dem Big Data-Pool Verbrauchertrends zu erkennen, die dann dazu verwendet werden können, um Kundenbedürfnisse vorauszusagen und somit die Entwicklung von Produkten und Werbekampagnen zu steuern. Der Kaufprozess des Verbrauchers von der Wahrnehmung bis zum Kauf eines Produkts kann sehr lang sein, wobei es zwangsläufig zu zahlreichen Überschneidungen bei den Organisationsstrukturen und Informationssystemen kommt. An jedem Touchpoint werden bereits strukturierte und unstrukturierte Informationen generiert. Unstrukturierte Informationen werden deutlich zunehmen und sind sichtig für das Verständnis des tatsächlichen Kundenverhaltens. Denn das, was ein Kunde im Verkaufsgespräch zum Verkäufer eines Autohauses sagt, kann sich unter Umständen stark von dem unterscheiden, was er auf einer Facebook-Seite zum Produkt postet, um sich dort mit Gleichgesinnten auszutauschen. Fest steht jedoch, dass jeder Kontakt mit dem Unternehmen den Wunsch des Kunden, ein Produkt zu kaufen, zwar schwächen oder verstärken kann, doch erhält das Unternehmen dabei auch immer wertvolle Informationen für Vertrieb und Marketing. Diese Daten so zu erfassen, dass ein einzelner Verbraucher in der für ihn passenden Weise angesprochen werden kann oder ähnliche Verbrauchertypen zu einem Profil zusammengefasst werden können, um eine wirksame individuelle Marketing-Beziehung zum Kunden aufzubauen, stellt eine enorme Herausforderung dar, wenn herkömmliche RDBMS-Systeme eingesetzt werden. Durch den Einsatz von Apache Hadoop oder NoSQl-Datenbanken kann die Datenerfassung jedoch um einiges kostengünstiger gestaltet werden. Der neue Daten-Hub wird so zu einer leistungsstarken Grundlage für CRM-Applikationen: Produktvorschläge können aufgrund ähnlicher Kundenpräferenzen angeboten werden, oder der Kunde bekommt ein Angebot basierend auf den Informationen aus dem Social Web unterbreitet.