CINTONA: Welche Rolle spielt Big Data bei der digitalen Transformation der Spinner GmbH?
Neumaier: Big Data ist für unsere Produktentwicklung sehr bedeutsam geworden. Big Data ermöglicht bei disruptiven Innovationen, ein noch unbekanntes System besser kennen zu lernen. Big Data erzeugt dabei neues Wissen und einen weiten Blick auf Neuentwicklungen.
CINTONA: Sie haben beim Big Data Strategiedialog zum Thema „Neue Wege der Produktentwicklung mit Big-Data-basierten Simulationen“ vorgetragen. Können Sie uns das genauer erklären?
Neumaier: Bei einer Entwicklung nach altem Muster wird ausgehend von einer Einzellösung, wie sie beispielsweise in Büchern beschrieben wird, eine Lösung für die konkrete Aufgabenstellung erarbeitet. Dies geschieht in der Regel über einfache Skalierungen und Feinabstimmungen. Der Entwickler sucht also im lokalen Parameterraum, um die bekannten Eigenschaften möglichst wenig zu verändern.
Im von mir gezeigten Beispiel einer Produktentwicklung schienen die technisch notwendigen Randbedingungen in unserer Designidee einfach nicht zu funktionieren. Also ein Fehlschlag. Mit Hilfe einer parallelisierten Rechnerinfrastruktur und Big-Data-Software haben wir dann aber völlig neue Zusammenhänge erkannt, ausgewertet und visualisiert. Das Ergebnis war verblüffend: Es wurden neue Parameterraumgebiete erschlossen, die vorher unmöglich schienen.
CINTONA: Auf welche Probleme sind Sie gestoßen?
Neumaier: Für das erhöhte Datenvolumen mussten wir eine geeignete Darstellungsform und geeignete Postprocessing-Software finden, die eine leichte Analyse ermöglichen. Zudem müssen die Randbedingungen aufgrund der verallgemeinerten Darstellungsweise der Daten in den Parameterraum transformiert und eingetragen werden.
CINTONA: Was lief gut?
Neumaier: Sind die Randbedingungen in den Parameterraum eingetragen, ist die Auswahl eines Designs sehr einfach und über die Visualisierung im Postprocessing-Programm möglich. Es stehen dabei mehrere Datenebenen auf einmal zur Verfügung und die Grundperformance kann direkt abgelesen werden.
CINTONA: Welche Ansätze verfolgen Sie bei der Digitalisierung Ihrer Entwicklungsarbeit?
Neumaier: Uns geht es darum, über eine extensive Abtastung der jeweiligen Parameterräume bei einem Minimum an Rechenzeit einen Überblick zu schaffen. Die Bestimmung der Basisgeometrie beruht im ersten Moment auf einer Interpolation. Erst die Verfeinerung im Interessengebiet beziehungsweise die Simulation des Kandidaten für die Basisgeometrie bestimmt dann die genauen Eigenschaften durch höheren Ressourceneinsatz bei der Einzelberechnung.
CINTONA: Wenn Sie Managern, die Big Data Projekte angehen möchten, drei Ratschläge geben müssten, wie würden diese lauten?
Neumaier:
Erstens: Start small, grow fast. Beginne mit kleineren Datensammlungen. Können dort schon die relevanten Schlüsseleigenschaften extrahiert werden? Die automatisierte Vergrößerung der Datenbasis ist immer noch sehr einfach möglich.
Zweitens: Welche Daten sollen am Ende extrahiert werden? Big Data besteht aus dem Sammeln großer Datenmengen. Oft werden aber Daten angesammelt, die später keine Verwendung finden, da sie nicht mit der eigentlichen Zielsetzung zusammen hängen.
Drittens: Wie sollen die Daten aufbereitet werden? Die Verarbeitung der großen Datenmengen ist nur gewinnbringend, wenn sie am Ende auch in einer einfachen und übersichtlichen Darstellungsweise präsentiert werden kann. Datenanalysen und Statistiken sind notwendig, um statistisch schwankende Ergebnisse geeignet darstellen zu können.
CINTONA: Die aktuelle Transformation hat Auswirkungen auf die Organisation. Vor welchen Herausforderungen stehen die Mitarbeiter und wie reagieren Sie darauf?
Neumaier: Big Data in der Produktentwicklung verschiebt die Aufgabe eines Ingenieurs weg von der reinen Simulation und Variation in einem engen Parameterbereich hin zum gezielten Konfigurieren der automatisierten Datenerfassung mit nachfolgender fachmännischer Bewertung. Dazu gehört auch der Aufbau der Datenbasis. Lehrbuch-Inhalte und der Erfahrungsschatz eines Entwicklers führen bei Aufgabenstellungen mit bekannten Komponenten immer noch sehr schnell zum Ziel. Bei Neu-Entwicklungen jedoch sind die Möglichkeiten des Aufbaus noch gar nicht bekannt. Hier lohnt eine Analyse mit Big-Data-Methoden. Diese Analyse liefert ein großes Bild und damit gewinnbringende Zusammenhänge. Dank günstiger Speichermöglichkeiten können später auch Ungeübte die Datenbasis für Konfigurationen nutzen.
CINTONA: Big Data steht noch am Anfang. Wie schätzen Sie die künftige Entwicklung und die Potenziale für Ihre Branche und für Spinner ein?
Neumaier: In einem Unternehmen, das sich auf die gesunde Nische spezialisiert, ist eine kurze Entwicklungszeit für Variationen von bestehenden Produkten eine zentrale Kenngröße. Mit Big-Data-Ansätzen ist es nun möglich, auch hochkomplexe Strukturen in einer Datenbank abzulegen und je nach gefragter Eigenschaft die geforderte Geometrie über Interpolation aus den bestehenden Daten abzuleiten. Hier liegt großes Potenzial. In kurzer Rechenzeit selektieren wir über point-and-click die benötigten Basisgeometrien statt sie über Variationen abzuleiten.
Neumaier: Big Data ist für unsere Produktentwicklung sehr bedeutsam geworden. Big Data ermöglicht bei disruptiven Innovationen, ein noch unbekanntes System besser kennen zu lernen. Big Data erzeugt dabei neues Wissen und einen weiten Blick auf Neuentwicklungen.
CINTONA: Sie haben beim Big Data Strategiedialog zum Thema „Neue Wege der Produktentwicklung mit Big-Data-basierten Simulationen“ vorgetragen. Können Sie uns das genauer erklären?
Neumaier: Bei einer Entwicklung nach altem Muster wird ausgehend von einer Einzellösung, wie sie beispielsweise in Büchern beschrieben wird, eine Lösung für die konkrete Aufgabenstellung erarbeitet. Dies geschieht in der Regel über einfache Skalierungen und Feinabstimmungen. Der Entwickler sucht also im lokalen Parameterraum, um die bekannten Eigenschaften möglichst wenig zu verändern.
Im von mir gezeigten Beispiel einer Produktentwicklung schienen die technisch notwendigen Randbedingungen in unserer Designidee einfach nicht zu funktionieren. Also ein Fehlschlag. Mit Hilfe einer parallelisierten Rechnerinfrastruktur und Big-Data-Software haben wir dann aber völlig neue Zusammenhänge erkannt, ausgewertet und visualisiert. Das Ergebnis war verblüffend: Es wurden neue Parameterraumgebiete erschlossen, die vorher unmöglich schienen.
CINTONA: Auf welche Probleme sind Sie gestoßen?
Neumaier: Für das erhöhte Datenvolumen mussten wir eine geeignete Darstellungsform und geeignete Postprocessing-Software finden, die eine leichte Analyse ermöglichen. Zudem müssen die Randbedingungen aufgrund der verallgemeinerten Darstellungsweise der Daten in den Parameterraum transformiert und eingetragen werden.
CINTONA: Was lief gut?
Neumaier: Sind die Randbedingungen in den Parameterraum eingetragen, ist die Auswahl eines Designs sehr einfach und über die Visualisierung im Postprocessing-Programm möglich. Es stehen dabei mehrere Datenebenen auf einmal zur Verfügung und die Grundperformance kann direkt abgelesen werden.
CINTONA: Welche Ansätze verfolgen Sie bei der Digitalisierung Ihrer Entwicklungsarbeit?
Neumaier: Uns geht es darum, über eine extensive Abtastung der jeweiligen Parameterräume bei einem Minimum an Rechenzeit einen Überblick zu schaffen. Die Bestimmung der Basisgeometrie beruht im ersten Moment auf einer Interpolation. Erst die Verfeinerung im Interessengebiet beziehungsweise die Simulation des Kandidaten für die Basisgeometrie bestimmt dann die genauen Eigenschaften durch höheren Ressourceneinsatz bei der Einzelberechnung.
CINTONA: Wenn Sie Managern, die Big Data Projekte angehen möchten, drei Ratschläge geben müssten, wie würden diese lauten?
Neumaier:
Erstens: Start small, grow fast. Beginne mit kleineren Datensammlungen. Können dort schon die relevanten Schlüsseleigenschaften extrahiert werden? Die automatisierte Vergrößerung der Datenbasis ist immer noch sehr einfach möglich.
Zweitens: Welche Daten sollen am Ende extrahiert werden? Big Data besteht aus dem Sammeln großer Datenmengen. Oft werden aber Daten angesammelt, die später keine Verwendung finden, da sie nicht mit der eigentlichen Zielsetzung zusammen hängen.
Drittens: Wie sollen die Daten aufbereitet werden? Die Verarbeitung der großen Datenmengen ist nur gewinnbringend, wenn sie am Ende auch in einer einfachen und übersichtlichen Darstellungsweise präsentiert werden kann. Datenanalysen und Statistiken sind notwendig, um statistisch schwankende Ergebnisse geeignet darstellen zu können.
CINTONA: Die aktuelle Transformation hat Auswirkungen auf die Organisation. Vor welchen Herausforderungen stehen die Mitarbeiter und wie reagieren Sie darauf?
Neumaier: Big Data in der Produktentwicklung verschiebt die Aufgabe eines Ingenieurs weg von der reinen Simulation und Variation in einem engen Parameterbereich hin zum gezielten Konfigurieren der automatisierten Datenerfassung mit nachfolgender fachmännischer Bewertung. Dazu gehört auch der Aufbau der Datenbasis. Lehrbuch-Inhalte und der Erfahrungsschatz eines Entwicklers führen bei Aufgabenstellungen mit bekannten Komponenten immer noch sehr schnell zum Ziel. Bei Neu-Entwicklungen jedoch sind die Möglichkeiten des Aufbaus noch gar nicht bekannt. Hier lohnt eine Analyse mit Big-Data-Methoden. Diese Analyse liefert ein großes Bild und damit gewinnbringende Zusammenhänge. Dank günstiger Speichermöglichkeiten können später auch Ungeübte die Datenbasis für Konfigurationen nutzen.
CINTONA: Big Data steht noch am Anfang. Wie schätzen Sie die künftige Entwicklung und die Potenziale für Ihre Branche und für Spinner ein?
Neumaier: In einem Unternehmen, das sich auf die gesunde Nische spezialisiert, ist eine kurze Entwicklungszeit für Variationen von bestehenden Produkten eine zentrale Kenngröße. Mit Big-Data-Ansätzen ist es nun möglich, auch hochkomplexe Strukturen in einer Datenbank abzulegen und je nach gefragter Eigenschaft die geforderte Geometrie über Interpolation aus den bestehenden Daten abzuleiten. Hier liegt großes Potenzial. In kurzer Rechenzeit selektieren wir über point-and-click die benötigten Basisgeometrien statt sie über Variationen abzuleiten.
