Die Begriffe IoT und Predictive Maintenance beschäftigen auch Trumpf als Anbieter von Werkzeugmaschinen. Alle Maschinen, welche von Trumpf hergestellt werden, beinhalten eine Vielzahl von Sensoren und generieren somit große Datenmengen, welche genutzt werden können, um einen unternehmerischen Mehrwert zu generieren.

Für den Einsatz von Predictive Maintenance, zur Kostenminimierung der Wartung, hat sich Trumpf dazu entschieden einen Data Lake aufzubauen und zu bewirtschaften. Mit Hilfe von Data Science sollte dieser genutzt werden, um unternehmensweite Analysen zu tätigen und einen Mehrwert aus den Daten zu ziehen. Die Plattform wurde als Infrastructure as a Service Lösung bei Microsoft Azure gehostet und der Data Lake mit der Softwarelösung CDH von Cloudera umgesetzt. Bei der Bewirtschaftung hat man sich für die Software-Lösung Data Engineering Integration (DEI) von Informatica entschieden. Ebenfalls wurde zum Metadaten-Management der Enterprise Data Catalog (EDC) von Informatica eingekauft.

Wir als integration-factory haben Trumpf vor allem im Bereich Metadaten-Management und Datenintegration unterstützt. Im Fokus stand der Betrieb und Aufbau der Metadaten‑Plattform auf Basis von Informatica Enterprise Data Catalog. Ebenfalls wurde unsere Expertise im Bereich Datenintegration mit Informatica angefragt. Nachfolgend die Aufgabenfelder, bei welchen wir mit Mitarbeitern unterstützen konnten:

• Unterstützung in der Konzeption zum Aufbau einer Metadaten- Management Plattform
• Aufbau und Betrieb der Metadaten-Plattform auf Basis von Informatica EDC
• Installation und Konfiguration von Informatica EDC und DEI
• Performance-Optimierung im Bereich Datenintegration (ETL)
• Betrieb und Wartung der Informatica Server
• Konfiguration der Cluster Komponenten zum optimalen Betrieb mit Informatica
• Konzeption und Realisierung Data Governance

Teamgröße
Das gesamte Projekt umfasste 15 interne und externe Mitarbeiter, wobei die integration-factory zwei Mitarbeiter gestellt hat. Ein Großteil der Mitarbeiter wurde für den Betrieb und Aufbau des Data Lake eingesetzt. Ebenfalls einen größeren Anteil des Teams bildeten die Data Science Mitarbeiter zur Umsetzung von UseCases.

Technologien
Data Engineering Integration, Cloudera, Apache Spark, Apache Hadoop, Apache Hive, Microsoft Azure, Kerberos, Enterprise Data Catalog, Apache Kafka, Apache Sentry, Red Hat Linux Enterprise, Oracle, WebServices