Melden Sie sich kostenfrei an, um Artikel vollständig zu lesen...
News und Promotion-Beiträge sind ohne Registrierung kostenfrei zu lesen
Login

Passwort vergessen?
Registrieren
   

Passwort ist zu kurz (mind. 8 Zeichen).
In-Memory-Computing: Bewältigt auch große Datenmengen in Echtzeit

0 Bewertungen

Energiedaten schneller analysieren

Text: Frank Arnold, SAP Grafiken: SAP
Energieversorger stehen heute mehr denn je unter Wettbewerbsdruck und müssen sich bestmöglich am Markt positionieren. Antworten auf strategische Fragen kann die Analyse von Unternehmensdaten liefern - besonders schnell durch In-Memory-Computing.

Für Energieversorger ist Geschwindigkeit einer der Schlüssel, um in einer zunehmend vernetzten und prozessübergreifenden Geschäftswelt mit steigendem Daten- und Transaktionsvolumen erfolgreich zu sein. Aufgrund vieler Faktoren, wie dem zunehmenden Anteil erneuerbarer Energien im Stromnetz und der wachsenden Menge an vielfältigen Informationen, die Smart Grids mit sich bringen, müssen heute immer mehr Daten in immer kürzerer Zeit verarbeitet werden.

Um Auswertungen nahezu in Echtzeit vornehmen zu können, verbindet In-Memory-Computing Hard- und Software-Innovationen. So kommt etwa eine Server-Architektur zum Einsatz, die mehrere gleichgeschaltete Prozessoren (Multi-Core) und einen Arbeitsspeicher (In-Memory) mit Terabyte-Kapazitäten kombiniert. Das ermöglicht die Parallelisierung der Datenverarbeitung. Auf der Software-Seite sorgt eine intelligente Datenablage durch komprimierte Spalten- und Zeilenspeicherung für einen direkten und damit schnellen Datenzugriff auf den Server. Gleichzeitig werden alle In-Memory-Daten auf SSD (Solid-State-Drive) abgelegt, damit die Datenverfügbarkeit jederzeit, auch bei Stromausfällen, sichergestellt ist.

Die In-Memory-Appliance SAP Hana verwendet dafür eine In-Memory-Computing-Datenbank und beschleunigt auf dieseWeise Software-Applikationen und -Analysen bis auf Echtzeit. Auswertungen sind so weitgehend unabhängig von Zeit und Datenmenge und können überall dort eingesetzt werden, wo es um Echtzeit oder enorme Datenvolumina geht. Verglichen mit durchschnittlichen Analysen in ERP-Systemen (Enterprise Resource Planning) sind In-Memory-Computing-Analysen um ein Vielfaches schneller. Berichte und entsprechende Ergebnisse können in Sekunden vorliegen.

Beschleunigung von Geschäftsprozessen

Innerhalb kurzer Zeit lassen sich so neue Geschäftsinformationen gewinnen, wo vormals zeitintensive Analysen und Prognosen nötig waren. Durch den Zugriff auf detailreichere Datenebenen, wie zum Beispiel auf Belegeinzelposten, lassen sich einzelne Prozesszwischenschritte analysieren. Realitätsnahe Simulationen und Prognosen ermöglichen eine durchgehende Transparenz der Geschäftsprozesse. Aktuelle Veränderungen wie Ereignisse und Handlungen sind sofort sichtbar. Deren Auswirkungen lassen sich direkt ableiten und Geschäftsentscheidungen beschleunigen, da nicht mehr auf Auswertungen gewartet werden muss. Entscheider können Ergebnisse in Echtzeit, ortsunabhängig und mobil abrufen und nutzen. So ergeben sich neue Chancen, um das operative Geschäft zu optimieren und Geschäftspotenziale aufzudecken.

Vorteile für Energieversorger

Mit Hana können Energieversorger innovative Geschäftsszenarien aufbauen, da aus intelligenten Zählern zunehmend Massendaten zu erwarten sind, die - richtig ausgewertet - als wertvolle Informationsquelle dienen können.

Auswertung von Netzdaten: Im Hinblick auf Produktion und Beschaffung ist die Differenz zwischen tatsächlichem und prognostiziertem Verbrauch ein entscheidender Kostenfaktor für Energieversorger. Mit intelligenten Stromzählern sind realitätsnahe Verbrauchsprognosen möglich. Anhand komplexer Auswertungen lassen sich für das Energieportfolio-Management konkrete Energiemarkttrends vorhersagen. Durch die bessere Bilanzierung der Absatzmenge können Energieversorger ihre Beschaffungskosten senken.

Scada-Daten (Supervisory Control and Data Aquisition) enthalten elementare Informationen für Energieversorger, die in Sekunden nach Auffälligkeiten analysiert werden können. Durch stetige Identifizierung von Über- und Unterbelastungen der Netztransformatoren lässt sich die Anlagenwartung verbessern, da die Entscheidungsfindung bei Wartungsprioritäten unterstützt wird.

Auf Seiten der Zähler können aufkommende Datenmengen bei Energieversorgern in Echtzeit auf Plausibilität und Vollständigkeit geprüft werden. Dadurch erhöht sich insgesamt die Datenqualität.

Kunden-Energie-Management: Verkauf und Service brauchen ein umfassendes Bild über Kundenstamm und Einzelkunden. Anstatt jedoch einzelne Lastgangprofile zu untersuchen, reicht oft ein Blick auf typische Datenmuster, um Kundengewohnheiten zu verstehen. Eine Mustererkennung, mit der sich auch größere Datenmengen auswerten lassen, hilft bei der Verbesserung des Kunden-Energie-Managements. Die Erkenntnisse können mit Kundenattributen und Geschäftsdaten angereichert werden und ermöglichen einen verbesserten Kundeneinblick. So lassen sich im Vorfeld mit realen Daten Tarifvorschläge und Preisberechnungen in Echtzeit sowie optimale Kundentarife entwickeln. Darüber hinaus können Energieversorger weitere Energieservices anbieten. Weicht etwa ein Kunde von seiner hinterlegten Verbrauchsprognose wesentlich ab, kann er rasch darüber informiert werden. Durch Abweichungen des Kunden von seiner Verbrauchs-Vergleichsgruppe bieten sich wiederum zusätzliche Energiedienstleistungen wie Energie-Audits an. Kunden lassen sich so gezielt ansprechen und an den Versorger binden.

Lückenloses Meter-to-Cash: Wird die gesamte Prozesskette von der Zählerablesung bis zur Rechnungsbegleichung (Meter-to-Cash) nach Lücken untersucht, lassen sich Störungen oder überfällige Forderungen schneller erkennen und Reaktionszeiten verkürzen. Dadurch steigt der ROI (Return on Investment) des Energieversorgers.

Operative Auswertungen:Datenbanklastige Analysen lassen sich in Sekunden und durch den Zeitgewinn auch mehrfach mit verschiedenen Parametern ausführen. Durch komplexe und umfangreiche Untersuchungen können neue Marktchancen erkannt und genutzt werden. KPIs (Key Performance Indicators) aus den einzelnen Geschäftsbereichen werden ohne Zeitverlust ermittelt und können sofort bei der Unternehmenssteuerung genutzt werden. Auch unstrukturierte Daten aus E-Mails und sozialen Netzwerken lassen sich auf diese Weise analysieren und mit weiteren Geschäftsdaten gruppieren, um hieraus wiederum Ableitungen für Energieangebote zu ziehen.

Firmen zu diesem Artikel

Nach oben