Die Reise zu einer „Data driven Company“
Groß denken, Neues anstoßen – so arbeiten wir
Bei uns steht das Wir über dem Ich. Im Bereich Data Analytics / Machine Learning haben wir das Ziel, gemeinsam Synergien zu schaffen, um flexible und kosteneffiziente Lösungen für innovative Data-Services in hoher Kerneigenleistung bereitzustellen. Stets auf der Spur nach neuen Technologien legen wir das Fundament für Datenprojekte und fördern das Datenbewusstsein durch unsere unternehmensweite Data-Community. In unserem internationalen Team arbeiten wir dynamisch und vernetzt mit allen Geschäftsbereichen der AUDI AG sowie mit dem VW Konzern. Durch eine offene Feedbackkultur lernen wir voneinander und fördern uns gegenseitig in unseren individuellen Fähigkeiten. Wir streben danach, Audi noch stärker zu einer "Data Driven Company" zu machen. Unser Antrieb: Wir möchten datenbasiertes Wissen nutzbar machen und somit die Zukunft von morgen gemeinsam gestalten und nachhaltig prägen!
Data bei Audi
Die fortschreitende Digitalisierung hat zur Folge, dass wir als Data-Team flexibel auf Veränderungen reagieren müssen. Sowohl die Methoden der Zusammenarbeit als auch unsere technologischen Schwerpunkte werden stets bedarfsorientiert angepasst. Dabei sind wir in der Lage End-to-End-Ketten abzubilden sowie Analysen, Erkenntnisse und Antworten agil zu liefern. Dies erfordert eine hohe Kerneigenleistung und ein tiefgründiges Wissen in allen Datendomänen. Darauf aufbauend realisieren wir ganze Produkte in unseren eigenen Entwicklungsteams. Unser Produktportfolio reicht von klassischer Business Intelligence über Data Engineering bis hin zu Machine Learning. Die Matrixorganisation innerhalb der Audi IT sowie mit unseren Partnern aus dem VW Konzern ermöglicht ein vernetztes Arbeiten und zugleich das Verankern des Datenbewusstseins in der Unternehmenskultur. Um Data bei Audi voranzutreiben, sind wir kompetenzbasiert aufgestellt:
Produktmanagement und Analyse
Die Gesamtverantwortung für den Prozess der Umsetzung und des Managements von Datenprodukten trägt dieses Team. Dazu gehören die Konzeption, die Realisierung und die Inbetriebnahme ganzheitlicher Datenapplikationen für alle Geschäftsbereiche. Weitere Wirkungsfelder sind die Analyse von Anforderungen an Datenprodukte und -Services, das Onboarding der Fachbereiche in Bezug auf eine gesamtunternehmerisch sinnvolle Datenbebauung sowie die standardisierte Nutzung von Architekturen und Werkzeugen. Neben dem technologischen Know How nutzen wir hier auch unser Wissen über die fachlichen Datendomänen und deren Integration.
Data Engineering/ Science und Machine Learning
Diese internen Entwicklungsteams treiben die Integration und Analyse von Datenquellen inklusive der Solutionarchitektur voran. Data Engineering beschäftigt sich hierbei mit der Modellierung und der Bereitstellung von Daten. Data Science und Machine Learning setzen dann auf diesen Daten auf, um mit statistischen Auswertungen und analytischen Modellen neue Erkenntnisse zu gewinnen. Während wir uns bei Data Science auf die Verarbeitung von strukturierten Daten fokussieren, trainieren wir bei Machine Learning vorwiegend Modelle auf unstrukturierte Daten wie Bildern, Texten und Audiodaten zur Prozessautomatisierung.
Solution Architecture/ Data Security
Dieser Bereich beschäftigt sich mit Themen zur Informationsarchitektur und Technischen Architektur von Datenapplikationen und Plattformen. Gemeinsam im Team entwickeln wir das technische Portfolio kontinuierlich weiter. Weitere Aspekte sind die Beratung der Datenexperten aus allen Geschäftsbereichen sowie die gemeinsame Konzeption von konkreten Lösungsarchitekturen für on-Prem und Cloud – je nach Anwendungsfall liefern wir sogar hybride Architekturvorschläge. Zudem werden Standards definiert, damit die Entwicklungen auf unseren Data-Plattformen den Governance- und IT-Sicherheitsrichtlinien entsprechen. Der Bereich ist Multiplikator für IT Security Standards und unterstützt den zentralen Freigabeprozess der Audi IT.
Data Analytics/ Machine Learning Plattform
Unsere Data-Plattformen stellen einen zentral orchestrierten Technologie-Stack als eine flexible und ganzheitliche Lösung für alle Geschäftsbereiche von Audi und dem VW Konzern dar. Hierbei arbeiten wir intensiv mit vielen internen und externen Partnern zusammen. Mit dem gemeinsam gestalteten Portfolio kann eine schnelle und agile Entwicklung von End-to-End-Produkten gewährleistet werden. Zudem ermöglicht unsere Bebauungsstrategie das Erreichen von nachhaltigen Standards bei Daten und Tools.
Aus den Daten von heute die Produkte der Zukunft formen
Nicole Burtz und Thomas Hager beschäftigen sich in ihrem Bereich bei Audi mit den komplexen Themen rund um maschinelles Lernen und Datenanalyse. In verschiedenen Projekten, aber als gemeinsame Querschnittorganisation für das ganze Unternehmen. Ihr Ziel: Audi noch stärker zu einer „Data driven Company“ machen. Der Vorteil für die Kunden: ein besseres Produkterlebnis durch einen maßgeschneiderten Service. Ein Gespräch über Haarrisse, Motorensounds und Mariachi-Bands.
Heute Daten analysieren, um zu wissen, was morgen wichtig ist: Das ist im Kern die Aufgabe der Organisationseinheit Data Analytics/ Machine Learning. Wann immer es darum geht, Unternehmensprozesse datenbasiert zu steuern, zu verbessern sowie neue Geschäftsmodelle zu ermöglichen und die bestmöglichen Entscheidungen herbeizuführen, ist sie gemeinsam mit weiteren Kollegen am Zug.
Die Abteilung unterstützt so mit ihrer Analyse und ihrem nachhaltigen Datenmanagement die Umsetzung von Projekten – und sorgt für ein erfolgreiches Data driven Business. Wir haben mit zwei Mitarbeitenden gesprochen, die sich ganz diesem Ziel verschrieben haben.
Frau Burtz, Sie haben das Abitur im Telekolleg „nebenbei“ gemacht, als Sie schon bei Audi beschäftigt waren. Wie hat Sie Ihr Arbeitgeber dabei unterstützt?
Burtz: Ich hatte damals bei Audi zunächst mit einer Ausbildung zur Informatik-Kauffrau angefangen und mich dann entschieden, mein Abitur nachzuholen. Super war, dass ich dafür einen „Lernurlaub“ nehmen konnte, um mich auf die Prüfungen vorzubereiten. Das fand ich schon ein tolles Entgegenkommen. Ebenso wie die Wiedereinstellungszusage, die mir Audi danach gegeben hat. So konnte ich gleich ein Vollzeitstudium nach dem Abi machen. Das Unternehmen hat mich da also auf einem sehr langen Weg unterstützt – und das über viele Stationen hinweg.
Herr Hager, Sie sind Fan des FC Ingolstadt – wie könnten moderne IT-Anwendungen, die Sie bei Audi verwenden, dem Verein helfen, die nächste Relegation erfolgreicher zu gestalten?
Hager: Keine Big-Data-Anwendung der Welt kann Wunschergebnisse garantieren. Aber generell sind detaillierte Datenanalysen auch aus dem Fußball nicht mehr wegzudenken und können dem Trainerteam als Basis für taktische Entscheidungen dienen. Tools dafür haben wir bei Audi einige. Die Auswertung ist für uns aber viel komplexer, denn unser „Spielfeld“ ist ein viel größeres und die Regeln ändern sich viel schneller!
Thomas Hager, Projekte BI Produkte / Analytics
Bei welcher Art von maschinellem Lernen setzen Sie an: mit einem deterministischen Ansatz, also als „überwachtes Lernen“, oder im Sinne eines Deep Learning mit iterativen Prozessen?
Hager: Maschinelles Lernen wird aus meiner Sicht immer dann interessant, wenn man aus vergangenheitsbezogenen Daten Aussagen für die Zukunft treffen kann. Das dient Mitarbeitern als Entscheidungshilfe für komplexe Fragestellungen. Wir trainieren bei Audi beispielsweise gerade einen Algorithmus, der Motorengeräusche analysiert und daraus schließen kann, welches Bauteil kaputt ist.
Burtz: Darüber hinaus nutzen wir Deep Learning für die Risserkennung. Wir versuchen über Kamerabilder, feine Haarrisse mithilfe der KI ausfindig zu machen. Das hilft wiederum, Fehler im Material frühzeitig zu erkennen und so eine noch höhere Qualität im Fahrzeug zu bieten.
“Aufgrund der Data Gravity haben wir uns für einen hybriden Plattform Ansatz entschieden, welchen wir immer weiter ausbauen.”
Wie läuft der Auswertungsprozess der gesammelten Daten?
Hager: Mit der aktiven Zustimmung des Kunden im Fahrzeug sammeln wir jetzt schon anonymisiert Millionen von Daten in unserer Fahrzeugflotte. Daher gibt es bei uns ein ganzes Team, das sich mit verschiedensten Tools nur mit der Analyse dieser Daten beschäftigt, immer mit dem Ziel, die Wünsche unserer Kunden besser zu verstehen und unsere Produkte kontinuierlich zu verbessern.
Sie benutzen ja Hadoop zur Verarbeitung beziehungsweise Parallelisierung großer Datenmengen. Einige Komponenten (HDFS) gelten darin wegen hoher Latenz als veraltet – wie gehen Sie bei Audi damit um; Stichwort: Cloud?
Burtz: Durch den Wandel der Zeit führen wir stetig Tech-Scoutings durch unter der Maßgabe, dass wir immer einen sicheren Service zur Verfügung stellen. Wir kaufen Technologien wie Hadoop zu, nehmen dann die nötigen Entwicklungen vor und stellen somit Multi-Projektplattformen für Audi und im Konzern zur Verfügung. Änderungen an diesen Anwendungen können auch zu einem Wechsel von Plattformen und Technologien führen. Durch „Proof of Technologies“ führen wir eine Machbarkeitsanalyse innerhalb der Audi Infrastruktur durch und können mittels hoher Kerneigenleistung schnell im Team eigenständig Entscheidungen treffen. So versuchen wir unseren internen Kunden aus den Fachbereichen das bestmögliche Portfolio anzubieten.
Werden die Anwendungen zukünftig alle cloudbasiert sein oder bleiben On-Premise-Lösungen ebenso wichtig?
Burtz: Wir werden in nächster Zeit nicht ausschließlich auf Cloud-Lösungen setzen. Manche Daten sind einfach zu kritisch, um sie in eine Cloud zu legen. Wir sind bei Audi unserer eigenen Datenethik verpflichtet, also dem Schutz sensibler Daten. Auch die Data Gravity muss berücksichtigt werden. Das bedeutet, dass auch der Ort, also dort wo die Daten entstehen, ausschlaggebend dafür ist, wo wir Daten speichern. Wir haben uns daher für einen hybriden Plattform Ansatz entschieden und bauen diesen immer weiter aus.
Nicole Burtz, Koordinatorin der Frontends auf der Data Analytics/ Machine Learning Plattform
Ist dieser Gedanke einer verantwortungsvollen Datenethik der Hintergrund für die Gründung der „Hybrid Audi Analytics Platform“ (HAAP)?
Hager: Genau. Die HAAP ist unsere zentrale Data Analytics/ Machine Learning Plattform und dient zum Beispiel in meinem aktuellen Projekt als verlässliche und sichere Quelle, um Daten zu extrahieren und in unsere multidimensionale Planungsapplikation einzuspielen. Konkret geht es in dem Projekt darum, möglichst früh in einem Produktentstehungsprozess die Weichen zu stellen. Das bedeutet: Wann sollen welche Produkte mit welcher Karosserie und welchem Antrieb auf den Markt kommen? Das sind ganz wesentliche strategische Entscheidungen, für die wir Planungs- und Simulationstools brauchen. Die Software hat hier einen sehr großen Stellenwert, da sie uns in die Lage versetzt, zu einem frühen Zeitpunkt sehr viel richtig zu machen.
Burtz: Bei HAAP haben wir auf der einen Seite die Datenhaltungsebene, in der wir Backend-Komponenten verorten, klassische Business- und Data-Warehouses. Und dann haben wir noch Systeme, die wir darauf aufsetzen, um die Datenanalysen zu fahren – da gibt es verschiedene Frontend-Komponenten. Wir versuchen so, eine große Fülle an Use Cases zu bedienen. Das reicht von klassischer BI über Planung und Simulation bis hin zu Advanced Analytics.
“Wir setzen auf agiles Projektmanagement. So können wir viel schneller reagieren als beim klassischen ‚Wasserfall-Projekt‘.”
Wie wichtig ist bei solchen kritischen Entscheidungen das Projektmanagement, auch im Team?
Hager: Wir führen mittlerweile fast alle Projekte mithilfe von agilem Projektmanagement durch – Stichwort „Scrum“. Das ist fest in unserem Alltag verankert. Dadurch haben wir eine sehr intensive Zusammenarbeit im Team und gleichzeitig kurze Kommunikationswege. Ein Beispiel hierfür sind unsere „Projekt-Dailies“, in denen wir es schaffen uns innerhalb von nur 15 Minuten mit dem ganzen Projekt-Team auszutauschen. Wo gibt’s Hindernisse? Wo müssen wir reagieren? Dadurch ist es uns möglich, Herausforderungen frühzeitig zu erkennen und schnell anzugehen. Im Gegensatz zum klassischen „Wasserfall-Projekt“, bei dem erst einmal seitenweise Lasten- und Pflichtenhefte geschrieben werden, die man dem Entwicklungsteam „über den Zaun wirft“, um sechs Monate später eine Lösung zu haben – die Zeiten sind vorbei. Wir bewegen uns in agilen Sprints von zwei bis vier Wochen vorwärts.
Burtz: Das kann ich nur unterstreichen. Wir haben unsere ganze Plattform-Entwicklung auf agiles Arbeiten umgestellt. Das hat uns dabei geholfen, Transparenz zu schaffen – für mich ist dies das A und O. Durch die agile Abstimmung können wir viel schneller unsere Blocker identifizieren. Unsere Teams sitzen dabei auf der ganzen Welt, sei es in Indien, Polen oder Deutschland. Trotzdem können wir uns dank Collaboration-Tools engmaschig und zeitnah abstimmen.
“Ich kann mir aktuell keinen spannenderen Bereich bei Audi vorstellen, in dem ich lieber arbeiten würde.”
Was ist die größte Herausforderung bei der Umsetzung dieser komplexen Projekte?
Burtz: Die größte Herausforderung ist es, die ganzen Menschen zusammenzubringen, um diese Services für das Unternehmen als flexible Multiprojektplattform bereitzustellen, ohne Insellösungen zu schaffen. Was wir definieren, wird in vielen Geschäftsbereichen genutzt – sowohl innerhalb der AUDI AG als auch im VW Konzern.
Apropos Herausforderung: Herr Hager, Sie haben ja auch für Audi Mexiko gearbeitet – was haben Sie da als positiven Eindruck für Ihre Arbeit hier mitgenommen?
Hager: Der Aufbau einer guten persönlichen Beziehung ist in Mexiko entscheidend für eine gute fachliche Zusammenarbeit. Quasi jede freie Minute wurde mir etwas Besonderes geboten, von Sehenswürdigkeiten bis hin zu Mariachi-Bands. Von dieser Gastfreundschaft können wir in Deutschland noch einiges lernen. Zumindest ich versuche seitdem in meinem Umfeld, es etwas „mexikanischer“ zu halten. Dies lässt sich mit der lebendigen Arbeitsatmosphäre bei Audi sehr gut vereinbaren.
Frau Burtz, erleben Sie ebenfalls eine „mexikanische“ Arbeitsatmosphäre?
Burtz: Ich habe zwar noch keine Mariachi-Band erlebt, aber ein supernettes internationales Team um mich herum, von dem ich täglich aufs Neue lerne und mit dem ich gern zusammenarbeite. Ich kann mir aktuell keinen spannenderen Bereich bei Audi vorstellen, in dem ich lieber arbeiten würde!
