Big Data braucht Strategie

Im Jahr 2025 werden laut einer Studie von Seagate und IDC weltweit rund 163 Zettabyte an Daten generiert werden – das Zehnfache im Vergleich zu 2016. Auch die Energiewirtschaft wird von der Datenflut überschwemmt. Ein Beispiel: Allein in den letzten neun Monaten hat sich das Datenvolumen an der europäischen Strombörse EPEX SPOT verdoppelt. Eines ist klar: Wer die exponentiell wachsenden Datenvolumina nicht im Griff hat, wird es schwer haben, im Wettbewerb erfolgreich zu bestehen.

Derzeit scheinen aber noch viele Unternehmen weit weg von dieser Erkenntnis zu sein. In einer von PWC im Herbst 2016 veröffentlichten Studie gab ein Drittel der befragten Stromlieferanten an, dass die Speicherung von Daten zu Analysezwecken in den nächsten fünf Jahren nicht vorgesehen sei. Dabei ist es mit der Speicherung alleine sowieso nicht getan. Daten generieren erst dann Mehrwert, wenn sie gezielt analysiert und die Ergebnisse dafür herangezogen werden, Prozess- und Kostenoptimierungen durchzuführen und neue Geschäftsmodelle zu erschließen. Dafür müssen die genutzten Daten korrekt und die aus der Analyse abgeleiteten Informationen für das Management verlässlich, genau, aussagekräftig und vor allem auch zeitgerecht verfügbar sein.

Schritt 1: Big Data

Rund 600 verschiedene Produkte werden pro Tag an der EPEX SPOT gehandelt, rund um die Uhr. Um die Millionen von Ereignissen pro Tag strukturiert zu sammeln und für Analysen vorzubereiten, sind spezielle Formen der Aufbereitung notwendig. Allein die Datenspeicherung stellt ein Problem dar, da die Sicherung solcher Mengen viel Zeit in Anspruch nimmt, der Markt aber 24 Stunden läuft und nicht beeinträchtigt werden darf. Auch der Einsatz konventioneller Datenbanken ist in diesem Bereich zum Scheitern verurteilt. Klassische Datenbanken arbeiten zeilenbasiert und sind damit für die Nutzung im Energiebereich bereits disqualifiziert. Auch das üblicherweise synchrone Befüllen herkömmlicher Document Stores läuft zu langsam. Benötigt werden Systeme, die

• asynchron befüllt werden können,
• den zeitgleichen Zugriff von mehreren Stellen ermöglichen,
• möglichst wenige »Points of Failure« aufweisen,
• Schnittstellen bereitstellen, um Daten aus unterschiedlichen Quellsystemen aufzunehmen,
• die Anforderungen an die enorme Geschwindigkeit erfüllen und
• Möglichkeiten zum Clustern bieten.

Unsere Erfahrung hat gezeigt, dass Mongo DB eine ausgezeichnete Wahl ist, um die täglich rund zwei Millionen Updates der EPEX SPOT sowie die jeweils dazugehörige Historie zu speichern und in Echtzeit zu verarbeiten.

Schritt 2: Neuronale Netze

Derzeit sind Big-Data-Lösungen mit dem Ziel, Daten zu sammeln und zu analysieren, das Mittel der Wahl. Mittel- bis langfristig aber werden sie durch tiefe neuronale Netze ersetzt werden. Sie werden wesentlich besser in der Lage sein, die feinkörnigen und unstrukturierten Daten (Transaktionsdaten, Sensordaten, Log-Daten, Geoinformationsdaten, etc.), die in der Energiewirtschaft in Echtzeit anfallen, in Bezug auf direkte Handelsentscheidungen schnell zu verarbeiten. Schon in wenigen Jahren werden in erster Linie neuronale Netze dafür sorgen, dass der Handel funktioniert und die Unternehmen Gewinne erwirtschaften.

Lösungen für Big Data und neuronale Netze aber sind nur technologische Werkzeuge. Sie bringen nur dann den gewünschten Erfolg, wenn ihrem Einsatz eine klare Strategie zugrunde gelegt wird. Denn aus der Fülle der Daten müssen jene für die Analyse herangezogen werden, die für die Erreichung der jeweiligen Ziele erforderlich sind. Diese Ziele ergeben sich aus der Strategie, die neben den technologischen Aspekten auch organisatorische Anforderungen und rechtliche bzw. regulatorische Restriktionen berücksichtigt. Ausgangspunkt für jegliches Big-Data-Projekt in Energieversorgungsunternehmen muss also die Strategie sein, erst danach hat die Auseinandersetzung mit der technischen Umsetzung überhaupt Sinn.