Beschreibung
Die BMW Group, ein weltweit führender Hersteller von Premium-Automobilen und Motorrädern, stand vor Herausforderungen bei der Verwaltung und Skalierung ihrer Dateninfrastruktur zur Unterstützung von Initiativen zur digitalen Transformation. Um diese Hürden zu überwinden, haben sie ihren On-Premises-Data-Lake neu gestaltet und zu Amazon Web Services (AWS) migriert. Dieser Schritt führte zur Schaffung ihres Cloud Data Hub (CDH), einer zentralisierten Plattform zur Verarbeitung und Kombination anonymisierter Daten von Fahrzeugsensoren und anderen Unternehmensquellen, wodurch sie für interne Teams leicht zugänglich gemacht wurden.
Vor der Migration konnte der bestehende Data Lake der BMW Group die steigenden Anforderungen von Dateningenieuren und Analysten nur unzureichend erfüllen. Seine starre, On-Premises-Natur führte zu Datensilos, komplexer Koordination zwischen Teams und langen Vorlaufzeiten für neue Projekte, was die Innovation verlangsamte. Das Unternehmen suchte nach einer Lösung, die Agilität, Skalierbarkeit und Echtzeit-Datenzugriff für Fahrzeugtelemetrie bietet und gleichzeitig Analyse- und Machine-Learning-Funktionen integriert. Entscheidend war, dass die Lösung eine robuste Governance für Datenschutz und Sicherheit gewährleisten musste.
Durch die Einführung von AWS-Managed Services, darunter Amazon Athena, Amazon S3, Amazon Kinesis Data Firehose und AWS Glue, reduzierte die BMW Group die Einrichtungskomplexität erheblich. Dies ermöglichte ihren Plattform-, Ingestions- und Anwendungsfallteams, durch End-to-End-DevOps-Prozesse mit größerer Autonomie und Agilität zu arbeiten. Ein modernes Webportal wurde implementiert, das es Benutzern ermöglicht, vertrauenswürdige Datensätze über einen fortschrittlichen Suchalgorithmus zu entdecken und Daten für neue Erkenntnisse abzufragen. Der CDH verarbeitet nun täglich Terabytes an anonymen Telemetriedaten von Millionen vernetzter BMW und MINI Fahrzeuge, was eine proaktive Überwachung von Fahrzeuggesundheitsindikatoren und eine schnellere Problemlösung ermöglicht.
Die Architektur trennt Datenanbieter und Datenkonsumenten, wobei Anbieter Dienste wie Amazon Kinesis Data Firehose, AWS Lambda, AWS Glue und Amazon EMR für die Ingestion und Transformation nutzen, während Konsumenten Dienste wie Amazon Athena, Amazon SageMaker, AWS Glue und Amazon EMR zur Datennutzung verwenden. Daten werden in Amazon S3 Buckets gespeichert, mit Schemata, die in AWS Glue katalogisiert sind. Die Entwicklung eines für Menschen lesbaren Datenkatalogs und eines Data Portals verbessert die Transparenz und Produktivität für über 500 Benutzer. GraphQL über AWS AppSync wird für skalierbare, universelle APIs eingesetzt und beschleunigt die Anwendungsentwicklung erheblich, indem es Entwicklern ermöglicht, spezifische Daten-Payload-Strukturen und Abfrageparameter zu definieren.
Der AWS-basierte Data Lake dient als Grundlage für die datengesteuerten IT-Lösungen der BMW Group und ermöglicht eine automatische und unabhängige Skalierung auf einer serverlosen Architektur. Dies beschleunigt die Innovation im Vergleich zu ihrer früheren On-Premises-Lösung, die umfangreiches Infrastrukturmanagement und Kapazitätsplanung erforderte. Die BMW Group plant, Schlüsselkomponenten des CDH, einschließlich seiner APIs, Architektur und des Data Portals, Open Source zu machen, was ihrer Rolle als Gründungsmitglied von Gaia-X entspricht. Dieser strategische Schritt wird ihre digitale Transformation weiter vorantreiben und durch verbesserte Kundenerlebnisse, neue Mobilitätsdienste und interne Geschäftseinblicke Wert für das Unternehmen schaffen.
Wichtigste Erkenntnisse
Verarbeitet täglich Terabytes an Fahrzeugtelemetriedaten
Ermöglicht Echtzeit-Einblicke aus Fahrzeug- und Kundendaten
Unterstützt prädiktive Analysen mit Machine-Learning-Modellen
Bietet einen zentralisierten Cloud Data Hub (CDH) auf AWS
Nutzt eine serverlose Architektur für Skalierbarkeit
Erleichtert die Datenentdeckung durch einen fortschrittlichen Suchalgorithmus
Bietet autonome und agile DevOps-Prozesse für Datenteams
Integriert Datenanbieter und Datenkonsumenten für einen effizienten Datenfluss
Setzt GraphQL über AWS AppSync für flexible API-Entwicklung ein
Enthält einen für Menschen lesbaren Datenkatalog für Transparenz
Überwacht Fahrzeuggesundheitsindikatoren zur proaktiven Problemidentifizierung
Unterstützt die Entwicklung neuer digitaler und vernetzter Erlebnisse
Was diese Fallstudie zeigt
- Echtzeit-Fahrzeugeinblicke
- Prädiktive Wartung
- Vernetzte Auto-Dienste
- Datengesteuerte Entscheidungsfindung
- Flottenmanagement-Analysen
- Analyse von Kunden-Telemetrie
- Beschleunigte Anwendungsentwicklung
