Es ist an der Zeit, dass Datenhistoriker... Geschichte werden

Despite the professorial image the term suggests, a data historian is not an instructor or researcher, but a purpose-built software solution. And evolutions in how operational data is used and managed have eclipsed the need for data historian software solutions.

Was ist ein Datenhistoriker?

There are many Operational Technology (OT) environments within manufacturing, oil and gas, engineering research, and countless other industries. In these environments, complex equipment, machinery, and networks of sensors and devices generate time-series data. These time-series streams range from sensor data representing pressure, volume, and temperature to video streams for machine vision and surveillance.

Anfänglich wurden diese Datenströme ignoriert oder nur mit geringen periodischen Raten erfasst. Als das Volumen der Zeitreihenströme zunahm und die lokale Datenverarbeitung mehrere Datenströme miteinander in Einklang brachte, begannen OT-Ingenieure mit der Entwicklung von Systemen zur Datenerfassung, -verdichtung und -minimalverarbeitung, um diese Zeitreihenströme besser verarbeiten zu können. Letztendlich wurden diese proprietären und maßgeschneiderten Systeme als Datenhistoriker bezeichnet.

Die Prozesslücke des Datenhistorikers

The use and users of OT data have both changed much during the past few years. Increasingly, OT data is leveraged by a host of other players within an organization beyond OT professionals. These newer users include developers, business analysts, and data scientists supporting the OT, and product and service managers driving the business.

Allerdings war keine Datenhistoriker-Softwarelösung jemals für die Verwendung mit einer Reihe von externen Systemen oder für Benutzer konzipiert, die keine OT-Fachleute waren. Stattdessen war die typische Data-Historian-Plattform kaum mehr als eine Bibliothek von Daten, die von OT-Fachleuten gesammelt wurden und nur für deren Verwendung bestimmt waren. Und in der Regel haben sie jede Data-Historian-Softwarelösung von Grund auf selbst entwickelt, entweder direkt oder in Vertretung durch Anbieter von Produktions- oder anderen Spezialgeräten. Im Wesentlichen handelt es sich bei Datenhistoriker-Lösungen um Bibliotheken, die nur für die Bibliothekare gebaut wurden.

Darüber hinaus wurde ein Großteil der Software für Datenhistoriker auf teurer älterer Hardware implementiert. Ressourcenknappheit und fehlende Standards führten dazu, dass die Funktionalität reduziert und nur auf die lokalen und unmittelbaren Anforderungen der jeweiligen OT-Infrastruktur und -Prozesse ausgerichtet wurde. Das Ergebnis ist, dass Data-Historian-Softwarelösungen nicht ohne weiteres für Funktionen wie lokale Analysen und Visualisierung oder die gemeinsame Nutzung von Daten über lokale Systeme hinweg erweitert werden können. Außerdem ist es für die typische Data-Historian-Plattform schwierig oder unmöglich, Daten einfach und sicher mit modernen Backend-Systemen für weitere Analysen und Visualisierungen auszutauschen.

Technologie, die historische Daten zur Gestaltung der Zukunft befähigt

Wie in jedem anderen Bereich der Geschäfts- und IT-Branche entwickelt sich die Technologie für das Datenmanagement kontinuierlich weiter, wobei täglich neue Fähigkeiten entstehen. Gegenwärtig gibt es drei primäre technologische Veränderungen, die über die Fähigkeiten und erwarteten Ergebnisse von Datenhistoriker-Software hinausgehen.

Moderne Zeitreihen-Datenbanken: Jenseits des Datenhistorikers

Außerhalb des OT-Bereichs werden die übrigen Daten Ihres Unternehmens wahrscheinlich in herkömmlichen relationalen Datenbanken und Data Warehouses gespeichert. Data-Historian-Lösungen waren auf die Erfassung weitgehend strukturierter Daten in Zeitreihenformaten ausgerichtet. Die heutigen Daten sind eine große Obermenge der Daten, die von diesen Altsystemen erfasst werden.

Moderne Zeitreihendatenbanken umfassen traditionelle Fähigkeiten. Diese modernen Lösungen sind jedoch für die Erfassung der Datenchronologie und die Aufnahme von Daten aus unstrukturierten und multivariaten Streaming konzipiert und optimiert. Diese können von Binary Large Objects (BLOBs) und Daten, die dem offenen Standard JavaScript Open Notation (JSON) entsprechen, bis hin zu den neuesten Konnektivitäten des Internet of ThingsIoT) reichen.

Ad-hoc-Analyse und Berichterstattung: die richtigen Daten für alle

Datenhistoriker verlassen sich in der Regel auf NoSQL-Anwendungsprogrammierschnittstellen (APIs). Diese speichern Daten auf der Grundlage so genannter "Schlüsselwerte" und greifen auf sie zu, anstatt sie in den Zeilen und Spalten herkömmlicher Datenbanken zu speichern. NoSQL-APIs eignen sich hervorragend für die Datenerfassung und das lokale Datenmanagement. Sie sind jedoch nicht ohne weiteres für Ad-hoc-Analysen und Berichte nach der Datenerfassung zugänglich - insbesondere für Geschäftsanalysten und Datenwissenschaftler außerhalb des OT-Bereichs.

Moderne Zeitreihendatenbanken bieten sowohl eine NoSQL-API als auch APIs, die mit dem ANSI-Standard (American National Standards Institute) für strukturierte Abfragesprache (SQL) konform sind. Letzteres ermöglicht die einfache Extraktion von Daten zur Unterstützung von Ad-hoc-Analysen, Berichten und Visualisierungen über weit verbreitete Business Intelligence und Berichtstools, die auf standardmäßigen IT-Konnektivitätsmechanismen wie Java Database Connectivity (JDBC) und Open Database Connectivity (ODBC) basieren.

Künstliche Intelligenz (KI): Die Geschichte als Grundlage für die Vorhersage der Zukunft nutzen

Herkömmliche Lösungen für Datenhistoriker können Betriebsleiter On-Premises in die Lage versetzen, Probleme mit ihrer Infrastruktur zu erkennen, etwa wenn der Druck zu hoch ist oder ein Teil ausgefallen ist. Aber diese Warnungen erfolgen immer im Nachhinein. Die Erfassungs- und Verarbeitungsgeschwindigkeit der jeweiligen Data-Historian-Lösung bestimmt in gewissem Maße, wie schnell dies im Nachhinein geschieht, aber die Rückschau ist immer der Standard.

KI, die auf modernen Fähigkeiten Maschinelles Lernen ML) basiert, kann aussagekräftigere Warnmeldungen liefern. Je nach Kombination aus Daten, vergangenen Mustern und der Fähigkeit, diese zu analysieren, können KI-gesteuerte Nachfolger von Datenhistorien-Lösungen sogar Vorhersagen darüber liefern, wann ein Bauteil voraussichtlich ausfallen wird. Moderne, integrierte Zeitreihendatenbanken können KI- und Fähigkeiten am Ort des Geschehens innerhalb der OT-Domäne unterstützen, indem sie OT mit der Backend-IT verbinden. Das Ergebnis ist, dass Datenwissenschaftler und Ingenieure KI- und Fähigkeiten Backend-IT-Systeme entwickeln können. Entwickler und Front-End-OT-Ingenieure können diese Fähigkeiten dann Fähigkeiten der OT-Umgebung nutzen. Dieser Ansatz bietet eine neue und moderne Art der Interaktion mit den Daten Ihres Unternehmens, um nützlichere Erkenntnisse und verbesserte Ergebnisse zu erzielen.

Das Erbe respektieren, aber in die Zukunft gehen

Datenhistorische Lösungen sind seit den 1980er Jahren und früher für die Entwicklung von OT und der IT-Branche von entscheidender Bedeutung gewesen, und ihre Beiträge sollten anerkannt und respektiert werden. Ihre Zeit ist jedoch vorbei, und moderne Technologielösungen treten an ihre Stelle. Diese ermöglichen es Ihnen, die Daten, die Ihr Unternehmen heute benötigt, besser verwalten und in der Zukunft schnellere, vollständigere und genauere Informationen zu erhalten.

Actian is the industry leader in operational data warehouse and edge data management solutions for modern businesses. With a complete set of solutions to help you manage data on-premises, in the cloud, and at the edge, including mobile and IoT devices. Actian can help you develop the technical foundation you need to support true business agility. To learn more, visit www.actian.com.

Über den Autor