Cloud Mall BW – Transferdokumentation „On Demand ......Institut für Enterprise Systems (InES) Autoren ... warekomponente basiert auf Methoden der Künstlichen Intelligenz. Die

Cloud Mall BW – Transferdokumentation „On Demand Predictive Sales Analytics“ 1


Cloud Mall Baden-Württemberg

TRANSFERDOKUMENTATION FÜR DEN PRAXISPILOTEN „ON DEMAND PREDICTIVE SALES ANALYTICS“ Gemeinsame Entwicklung einer Cloud-basierten Datentransformationslösung für die Nutzung der OPAL Vorhersageservices mit dem ERP-System Samuelson BackPro

Öffentliche Version vom 02.03.2020

Beteiligte Partner

OPAL - Operational Analytics GmbH SNP Schneider-Neureither & Partner SE Institut für Enterprise Systems (InES)

Autoren

Manuel Fink (Institut für Enterprise Systems)

https://cloud-mall-bw.de/praxispiloten


Inhalt 1 Management Summary ................................................................................................................... 4

2 Einführung ....................................................................................................................................... 5

2.1 Ausgangssituation und Motivation ......................................................................................... 5

2.1.1 OPAL Operational Analytics ............................................................................................. 5

2.1.2 Problem der Datenintegration ........................................................................................ 6

2.1.3 SNP SE .............................................................................................................................. 6

2.2 Ziele und Nutzen der Zielgruppen ........................................................................................... 6

3 Projektrahmen ................................................................................................................................. 8

3.1 Konsortium und Rollen ............................................................................................................ 8

3.2 Notwendige Ressourcen sowie Kompetenzen ........................................................................ 8

4 Inhaltliches ...................................................................................................................................... 9

4.1 Anforderungen ........................................................................................................................ 9

4.2 Konzepte .................................................................................................................................. 9

4.3 Cloud-Architektur .................................................................................................................. 10

4.4 Geschäftsmodelle .................................................................................................................. 11

4.5 Herausforderungen bei der Umsetzung ................................................................................ 11

4.6 Erfahrungen von Endanwendern .......................................................................................... 11

5 Integration und Kooperation zwischen den beteiligten Unternehmen ........................................ 12

5.1 Organisatorisches .................................................................................................................. 12

5.2 Technisches ........................................................................................................................... 12

5.3 Strategisches ......................................................................................................................... 12

5.4 Rechtliches............................................................................................................................. 13

6 Resümee ........................................................................................................................................ 14

6.1 Rolle der Cloud ...................................................................................................................... 14

6.2 Lessons Learned .................................................................................................................... 14

6.3 Ausblick.................................................................................................................................. 14

7 CMBW-Projektdarstellung ............................................................................................................. 15

8 Kontakt .......................................................................................................................................... 16


1 Management Summary

Mittelständische Bäckereien und Lebensmitteleinzelhändler haben enorme Schwierigkeiten bei der täglichen Bedarfsplanung ihrer Waren. Der Grund hierfür sind starke saisonale Einflüsse und die kurze Haltbarkeit ihrer Produkte, die stets frisch geliefert oder untertägig im Markt veredelt oder produziert werden müssen. Insbesondere kleinere Betriebe können sich für diese Probleme keine adäquate, indi-viduelle Software leisten und sind nicht in der Lage faktenbasiert zu planen.

OPAL hat eine Software entwickelt und unter Marktbedingungen erfolgreich eingesetzt, die eine auto-matisierte Disponierung täglicher Bestellmengen von Bäckereiartikeln erlaubt. Zur Steuerung und Planung des Produktions- und Bestellprozesses werden Daten gesammelt und dem Management zur Auswertung bereitgestellt. Darüber hinaus sollen auch Mitarbeiter bei der untertägigen Frische-produktion unterstützt werden. Hierzu werden aktuelle Ist-Daten aus Abverkauf an den Kassen, aus Backstationen mit externen Einflussfaktoren, wie Wetter, Feier- und Urlaubstagen sowie Prognosen zu erwarteter Nachfrage in Echtzeit verarbeitet, um kostenoptimiert die Kundennachfrage zu befriedigen. Mithilfe der OPAL-Cloud-Services können Standardprognosen über viele Einzelbetriebe mit entspre-chenden Skaleneffekten angeboten werden.

Zur Nutzung der OPAL-Services müssen die relevanten Filialdaten des Unternehmens in einem geeig-neten Format zur Auswertung verfügbar sein. Im Zuge der Digitalisierung haben sich verschiedene Standardlösungen für die Datenverarbeitung in der Bäckereibranche etabliert. Durch die Entwicklung einer Integrationslösung für Daten aus solchen Branchenlösungen, können Endanwender Vorhersagen erhalten, ohne sich selbst aktiv um die Bereitstellung ihrer Daten kümmern zu müssen. Im Zuge dieses Cloud Mall BW Praxispiloten wurde solch eine Lösung für die ERP-Software BackPro von Samuelson geschaffen.

Als fruchtbar hat sich hierbei die Kooperation mit SNP erwiesen, für die das Format eines Praxispiloten optimale Bedingungen bot. Das Unternehmen mit Hauptsitz in Heidelberg zählt zu den weltweit führenden Unternehmen auf dem Gebiet der Datentransformation und kann auf langjährige Erfah-rungen mit Großkunden auf dem Gebiet der Datenmigration, insbesondere im Kontext von SAP-Systemen, zurückblicken. Diese Expertise bot optimale Voraussetzungen für die effiziente Entwicklung einer zuverlässigen Integrationslösung. SNP bekam durch den Praxispiloten die Möglichkeit, ihre Erfahrungen bei der Cloud-basierten Datentransformation zu verfestigen und Einblicke in weitere Branchen klein- und mittelständischer Unternehmen zu sammeln.

Unabdingbar für den Erfolg der Integration war die Konzeption der Integrationslösung als Cloud-Service. Nur so kann der Service auch in Zukunft für verschiedene Kunden ohne größeren Aufwand aktuell gehalten und bei Bedarf skaliert werden, um weiteren Endanwendern den Zugang zu den OPAL-Services so einfach wie möglich zu machen.


2 Einführung

Die Konzeption und Durchführung dieses Praxispiloten erfolgte im Rahmen des Förderprojekts Cloud Mall Baden-Württemberg (CMBW) (siehe Kapitel 7). Die folgenden Abschnitte geben Einblick in die Ausgangssituation und die strategische sowie technische Umsetzung einer gemeinsamen Integrations-lösung mithilfe von Cloud-Technologien.

2.1 Ausgangssituation und Motivation

2.1.1 OPAL Operational Analytics

Das Unternehmen OPAL Operational Analytics bietet Softwarelösungen für die agile Bedarfsplanung frischer Güter. Der Hauptzielmarkt befindet sich aktuell in der Bäckereibranche, denn dort ist es Grund-voraussetzung, täglich frische Waren zu produzieren. Aufgrund der kurzen Haltbarkeit der Produkte sollte nicht deutlich mehr hergestellt werden als die Nachfrage vorgibt. Umgekehrt führen jedoch auch Engpässe eines Produkts zu suboptimalem Umsatz. Die genaue Vorhersage der Nachfrage trägt also entscheidend zum Erfolg jedes Bäckereiunternehmens bei. Hierbei handelt es sich jedoch um ein nicht-triviales Problem, welches einer Vielzahl heterogener Einflüsse unterliegt.

Den Kern aller Lösungen von OPAL bildet die Demand Forecasting Engine (DFE). Diese generische Soft-warekomponente basiert auf Methoden der Künstlichen Intelligenz. Die DFE lernt automatisch aus historischen Daten und liefert sehr nahe Vorhersagen zu der erwarteten Nachfrage. Muster, die sich aus kalendarischen (Wochentage, Feiertage) und saisonalen (Jahreszeit, Wetter) Konstellationen und spontanen Ereignissen (Veranstaltungen, Gewitter) ergeben, werden dabei auf die Zukunft projiziert. Da jede Prognose einer gewissen Unsicherheit unterliegt, man denke zum Beispiel an Wettervorher-sagen, werden kostenoptimale Sicherheitskorridore in der DFE bei der Vorhersage berücksichtigt. Ebenso werden in der DFE kostenoptimale Losgrößenrundungen berechnet.

Basierend auf sehr feingranularen (minütliche Artikel – Filialkombinationen1) Berechnungen der DFE, werden verbrauchsoptimale Backablaufpläne berechnet und als interaktive Applikation den Mitar-beitern zur Verfügung gestellt. Dabei werden die erwarteten Planwerte online gegen Istwerte aus den Kassen abgeglichen und etwaige Korrekturen in Echtzeit berechnet. Damit ist die Produktion der frischen Backwaren stets kostenoptimal, sollte eine Nachfrageperiode unter- oder überschätzt werden.

Mit der Bestellapplikation können Kunden jederzeit Bestellartikel vorbestellen oder online bezahlen. Durch die Integration in die DFE, können Verfügbarkeiten prädiktiv und nahtlos online berechnet werden. Somit kann sehr viel seltener eine Situation entstehen, dass Kunden ein gewisses Produkt leer kaufen oder bei Abholung nicht genügend vorhanden ist.

1 Vorhersagen auf Ebene einzelner Filialen einer Bäckereikette und auf Ebene einzelner Artikel


2.1.2 Problem der Datenintegration

Um Vorhersagen zu berechnen, benötigt OPAL Zugriff auf verschiedene Daten des jeweiligen Kunden. Je nachdem, welche Signale bei der Vorhersage berücksichtigt werden sollen, werden mehr oder weniger Informationen benötigt, mindestens jedoch historische Verkaufszahlen. Diese Daten werden vom Kunden in der Regel in branchenspezifischen ERP-Systemen gespeichert. Neben sicherheits-kritischen Aspekten besteht die Schwierigkeit bei der Bereitstellung dieser Daten an OPAL vor allem in einem technischen, datenintegrativen Aspekt. Die Modellierung dieser Informationen unterscheidet sich grundlegend, je nachdem, welche Software eingesetzt wird. Die regelmäßige Extraktion der für OPAL relevanten Daten muss individuell für jedes System implementiert werden und stellt daher insbesondere für kleinere Bäckereien eine große technische und finanzielle Hürde dar.

Die vorliegende Aufgabe der Datenintegration ist ein klassisches Problem, das in der Wirtschaft sehr häufig auftritt, nämlich immer dann, wenn Daten aus verschiedenen Modellierungen in einem homo-genen Format verfügbar gemacht werden sollen.

2.1.3 SNP SE

Die SNP SE ist ein Unternehmen mit Sitz in Heidelberg, welches auf dem Gebiet der Datentransforma-tion zu den weltweit führenden Anbietern zählt. Die Integration, Migration oder Konversion großer Datenmengen ist eine kritische Operation, die aus ökonomischen Gesichtspunkten einerseits so schnell wie möglich, andererseits mit höchster Sorgfalt durchgeführt werden sollte. Selbst große Unternehmen, die über technisch versierte Administratoren verfügen, ziehen es dafür häufig vor, diese Aufgabe von einem externen Dienstleister durchführen zu lassen. SNP kann auf eine langjährige Erfah-rung mit verschiedensten Datentransformationsszenarien zurückblicken und dies insbesondere im Zusammenhang mit proprietären ERP-Systemen wie zum Beispiel verschiedenste Revisionen von SAP.

Für OPAL stellt dieses Know-How eine wertvolle Informationsquelle bei der Entwicklung einer Integra-tionslösung dar. SNP profitiert im Gegenzug von Einblicken in einen Branchenmarkt, in dem bisher noch keine Erfahrung gesammelt wurde.

2.2 Ziele und Nutzen der Zielgruppen

Projektziel

Das Ziel des Praxispiloten bestand darin, die Datenintegration zur Nutzung der OPAL-Services für eine Vielzahl an Kunden durch Automatisierung stark zu vereinfachen. Die zu entwickelnde Lösung soll diese Aufgabe über einen Cloud-Service für Kunden des ERP-Systems Samuelson BackPro erfüllen. Das Quell-system wurde in diesem Projekt bewusst sehr konkret gewählt. Im Fokus steht für beide Unternehmen das Sammeln von Erfahrungen bei der Umsetzung einer intelligenten Transformationslösung in der Cloud. Die Integration weiterer ERP-Softwarelösungen kann jederzeit im Anschluss an das Projekt realisiert werden, um noch mehr Endkunden zu erreichen. Dabei ist zu erwarten, dass dies deutlich einfacher und schneller umsetzbar sein wird, weil bereits Erfahrungen und Best Practices durch den Praxispilot verfügbar sind.


Nutzen für Endanwender

Endanwender des Integrationsservices sind Bäckereien, welche das ERP-System Samuelson BackPro einsetzen. Für sie ergibt sich eine kostengünstige und technisch einfache Möglichkeit, Stammdaten und Daten aus dem operativen Geschäft an die OPAL-Services zu übertragen. Die Extraktion dieser Daten aus dem System des Nutzers, die Transformation in das von den OPAL-Services benötigte Format sowie das Laden in das Cloud-System erfolgen vollkommen automatisch. Für kleinere und mittlere Betriebe entfällt dadurch ein häufig unüberwindbares Hindernis auf dem Weg zur Bedarfsplanung mit aktuellen Methoden.

Nutzen für OPAL

Für OPAL ergibt sich der Nutzen des Praxispiloten unmittelbar durch die Erschließung von potenziellen Kunden, die ohne die Integrationslösung aus technischen und ökonomischen Gründen nicht als Kunden in Frage gekommen wären. In jedem Fall können jedoch Kunden, welche Samuelson BackPro verwen-den, deutlich schneller mit Vorhersagen bedient werden. Für die zukünftige Integration von Kunden-systemen können Erfahrungen durch die Kooperation mit Integrationsexperten gesammelt werden.

Nutzen für SNP

Aus Sicht von SNP bietet der Praxispilot die Möglichkeit, weitere Erfahrungen mit Cloud-Lösungen für die Datenintegration zu sammeln. Außerdem ergeben sich spannende Einblicke in eine für sie noch unbekannten Branche, aus der sich gegebenenfalls neue Vermarktungsmöglichkeiten ihrer Lösungen für klein- und mittelständische Unternehmen ergeben könnten.


3 Projektrahmen

3.1 Konsortium und Rollen

Die OPAL - Operational Analytics GmbH stellte Instanzen ihrer Services, insbesondere der Demand Forecasting Engine, als Cloud-Lösung bereit. Bei der Entwicklung der Integrationslösung war OPAL stark aktiv, da das Unternehmen durch Kenntnis des Zielformats und frühere Erfahrungen mit Samuelson BackPro entscheidendes Domänenwissen einbringen konnte. Darüber hinaus stellte OPAL einen Kontakt zu Samuelson her, um Zugriff auf ein Demosystem zu bekommen, dessen Daten zum Testen der Funktionalität transformiert wurden.

Die SNP Schneider-Neureither & Partner SE war vor allem beratend bei der Analyse und Konzeption einer technischen Umsetzung der Integration beteiligt. Hierbei erwies sich der vorhandene Erfahrungs-schatz bei der zuverlässigen und effizienten Datentransformation als sehr hilfreich.

Das Institut für Enterprise Systems (InES) war vorwiegend organisatorisch und vermittelnd am Praxispilot beteiligt und bot technische Unterstützung bei der Umsetzung der Integrationslösung an.

3.2 Notwendige Ressourcen sowie Kompetenzen

Für die Erstellung einer Transformationslösung ist es notwendig, sowohl das Quell- als auch das Ziel-format der Daten zu kennen. Während OPAL das Zielformat selbst entwickelt hat, war es notwendig, SNP eine Einführung in die eigene Modellierung zu geben. Das Quellformat von Samuelson BackPro ist nicht ohne Weiteres öffentlich einsehbar. Durch wirtschaftliche Kontakte seitens OPAL war es jedoch möglich, den Kontakt zu Samuelson herzustellen und Zugriff auf ein BackPro Testsystem zu erhalten. Dieses gab nicht nur Aufschluss über die Modellierung der Quelldaten, sondern bot ebenfalls die Möglichkeit, den Service abschließend mit Beispieldaten auf die korrekte Funktionalität zu testen.

Um die OPAL-Services unabhängig vom operativen Geschäft auf den Beispieldaten zu testen, haben sich Cloud-Ressourcen, die im Rahmen des CMBW-Projektes zur Verfügung gestellt wurden, als nütz-lich erwiesen. Dort konnten die OPAL-Services zu Testzwecken in einer weiteren Ausführung betrieben und in Verbindung mit dem Samuelson BackPro Demosystem getestet werden. Die Integrationslösung wurde ebenfalls mit Hilfe dieser Cloud-Ressourcen gehostet.


4 Inhaltliches

4.1 Anforderungen

Im Folgenden sind die identifizierten Anforderungen gelistet.

Die OPAL-Services selbst sind Cloud-Services und benötigen Zugriff auf prognoserelevante Kundendaten in einer lokalen Datenbank. Die Integrationslösung muss aus diesem Grund auf eben jene Datenbank schreibenden Zugriff haben, welche von den OPAL-Services für die Erstellung der Prognosen verwendet wird.

Auf der anderen Seite ist es notwendig, der Integrationslösung lesenden Zugriff auf die rele-vanten Daten im Quellsystem zu gewähren.

Bei beiden Datenbanken handelt es sich um relationale Datenbanken. Eine Hürde, die es bei der Implementierung zu überwinden gilt, ist die zeitliche Komponente.

Das Kundensystem besteht nicht nur aus fixen Stammdaten, die einmalig gelesen werden müssen, sondern wird durchgehend mit Daten aus dem operativen Geschäft des Kunden gefüllt und verändert. Für die OPAL-Services ist es wichtig, den zeitlichen Verlauf korrekt zu erfassen. Hierfür wurde bei der Konzeption des Zieldatenformats bereits Sorge getragen. Aufgrund der permanenten Datenänderungen muss die Integrationslösung periodisch immer wieder auf das Kundensystem zugreifen. Es reicht nicht, einmalig einen Snapshot der Daten zu importieren.

Das Kundensystem soll so wenig wie möglich durch die lesenden Zugriffe der Integrations-lösung beeinträchtigt werden. Es gilt daher, die Zugriffe auf ein Minimum zu reduzieren.

Die Integrationslösung sollte im Falle von Patches zentral wartbar sein und problemlos für mehrere Kunden gleichzeitig funktionieren.

4.2 Konzepte

Basierend auf diesen Anforderungen entschieden sich beide Unternehmen gemeinsam dafür, die Integration mit Microsoft SQL Server Integration Services (SISS) umzusetzen. Diese Lösung ermöglicht die Definition eines ETL (Extract, Transform, Load) Packages, in dem die eigentlichen Integrations-vorschriften zu definieren sind.

Mithilfe einer grafischen Oberfläche lassen sich diese Vorschriften durch einzelne Regeln festlegen. Hierbei beschreibt eine Regel zunächst einmal eindeutig, aus welchen Tabellen und Spalten Daten zu extrahieren sind. Auf diesem Zwischenergebnis lassen sich Transformationsschritte durchführen, welche die Daten sowohl inhaltlich als auch strukturell verändern können. Abschließend ist zu spezifi-zieren, welche Tabellen und Spalten in der Zieldatenbank daraus gefüllt werden.

Durch Lookups in der Zieldatenbank ist es möglich, vor dem Schreiben eines Datenobjekts zu prüfen, ob es bereits einen Eintrag gibt, der dasselbe Objekt abbildet. Dadurch lassen sich Redundanzen der Daten durch wiederholte Ausführungen der Regeln vermeiden. Dies wirkt sich nicht nur auf die Daten-qualität und somit auf die Korrektheit der Datenmigration aus, sondern vor allem auch auf die Geschwindigkeit der Datenintegration, weil schreibende Zugriffe besonders teuer sind.


DFE

BakePlanner

OrderApp

Integrationsservice

Docker Container

BackPro System

Datenbank

Um den zeitlichen Horizont der Daten abzubilden, lässt sich ein Zeitplan in SISS definieren, nach dem die Transformation ausgeführt wird. Dadurch lassen sich auf einfache Art und Weise Transformationen regelmäßig über einen längeren Zeitpunkt durchführen. Hierbei kann man sogar Rücksicht auf Stoß-zeiten bei der Nutzung des Kundensystems nehmen und die Daten beispielsweise nachts extrahieren. Außerdem ermöglicht dies, Datenänderungen zu verschiedenen Zeitpunkten zu erfassen, um Progno-sen zu erstellen, die vom zeitlichen Verlauf abhängig sind.

Kern jeder Datenintegration ist eine Modellierung der Beziehung zwischen Quell- und Zielschema. Die Definition von korrekten Transformationsregeln erfordert tiefgehende Kenntnis beider Schemata. Beim Entwurf greifen professionelle Entwickler auf spezielle Werkzeuge zurück, welche sie bei der Analyse unterstützen. SNP bietet für SAP-Systeme ein solches Werkzeug in Form der SNP CrystalBridge an. Durch gezielte Beratung war es möglich, Teile des Know-Hows, die in die CrystalBridge Einzug erhalten haben, auch auf das Problem dieses Praxispiloten anzuwenden.

Um das Quellschema untersuchen zu können und Testdaten für die fertige Integrationslösung zur Verfügung zu haben, wurde von Samuelson ein Demosystem von BackPro bereitgestellt. Dieses war mit beispielhaften Kundendaten befüllt, die datenschutzrechtlich unbedenklich sind, andererseits aber absolut ausreichend repräsentativ, um die Transformationslogik auf Korrektheit zu prüfen.

4.3 Cloud-Architektur

API

VPN


Die obige Abbildung gibt einen Überblick über die technische Infrastruktur der in diesem Praxispiloten eingesetzten und entwickelten Technologien.

Verwendet wurde der komplette Softwarestack von OPAL in Form eines Docker-Containers, der in einer virtuellen Maschine ausgeführt wurde, die auf den Cloud-Ressourcen aufgesetzt war, die im Rahmen von Cloud Mall BW kostenfrei zur Verfügung gestellt wurden. Neben den OPAL-Services Demand Forecasting Engine (DFE), BakePlanner und OrderApp umfasste der Container ebenfalls eine MySQL-Datenbank, in welche die Datengrundlage des Kunden für die Generierung der Vorhersagen gespeichert wird.

Neu entwickelt wurde ein Prototyp der Integrationslösung basierend auf den Konzepten, die im vori-gen Kapitel beschrieben wurden. Er besitzt eine Schnittstelle (API) nach außen, worüber die Verbin-dung zu einem BackPro System von Samuelson mittels VPN hergestellt werden kann, um die rele-vanten Kundendaten zu extrahieren. Die Integrationslösung kann innerhalb des Dockercontainers lokal auf die Datenbank zugreifen, um die transformierten Daten zu speichern.

4.4 Geschäftsmodelle

OPAL plant den Integrationsservice vor allem bei der Kundenakquise zu vermarkten. Hierbei spielt er eine essenzielle Rolle, denn je einfacher Kunden die OPAL-Services testen können, desto eher sind sie dazu bereit. Während der Service selbst deshalb vermutlich kostenfrei angeboten werden wird, ist davon auszugehen, dass sich dadurch zukünftig Aufträge mit Samuelson-Kunden ergeben, die sonst möglicherweise nicht zustande gekommen wären.

4.5 Herausforderungen bei der Umsetzung

Die größte Herausforderung bei der Umsetzung bestand in der Definition der korrekten Transforma-tionsregeln. Hierfür ist ein tiefes Verständnis sowohl des Quell- als auch der Zielschemas der Integra-tion erforderlich. Während OPAL als Autor des Zielschemas eine Seite bereits gut kannte, war es für die Analyse des Quellschemas hilfreich, auf intelligente Methoden und Best Practices zurückgreifen zu können, die durch die Kooperation mit SNP zur Verfügung standen. Hierdurch war es möglich, eine Lösung deutlich schneller zu entwickeln als durch eine Analyse von Hand.

4.6 Erfahrungen von Endanwendern

OPAL möchte die entwickelte Integrationslösung möglichst bald auf einem realen Kundensystem einsetzen. Hierfür wurde eine Ausschreibung über verschiedene Kanäle, wie beispielsweise das aufla-genstärkste Branchenmagazin, herausgegeben.


5 Integration und Kooperation zwischen den beteiligten Unternehmen

5.1 Organisatorisches

Die Durchführung des Praxispiloten begann im September 2019 und wurde im Februar 2020 fertig gestellt.

Auf Seiten von OPAL waren die beiden Geschäftsführer Alexander Gossmann und Marc Huber unmit-telbar am Projekt beteiligt. Die übernommenen Aufgaben umfassen sowohl die Konzeption der Integrationslösung als auch deren technische Umsetzung.

Projektverantwortlicher bei SNP war Dominik Wittenbeck, der unternehmensintern die Rolle des Vice President of Product Management innehat. Er war ebenfalls persönlich an der Planung und Umsetzung beteiligt.

Beratend und organisatorisch unterstützt wurde die Kooperation durch Manuel Fink vom Cloud Mall BW Partner InES.

Die Kommunikation während des Praxispilot fand im Anschluss an ein initiales Kick-Off-Meeting größ-tenteils digital in Form von Telefon- und Webkonferenzen statt.

5.2 Technisches

Dass OPAL nicht nur Erfahrung mit Cloud-Technologien hatte, sondern selbst den Großteil ihrer Lösun-gen auch als Cloud-Service anbietet, hat die technische Umsetzung der gemeinsam erarbeiten Trans-formationsregeln sehr vereinfacht. OPAL war dadurch außerdem sehr schnell in der Lage, ihre Services auf Cloud-Ressourcen der Cloud Mall BW aufzusetzen.

5.3 Strategisches

Die strategische Ausrichtung der Kooperation stellt sich folgendermaßen dar:

Als Autoren des Zielschemas der Daten war OPAL maßgeblich für die Entwicklung der Integrations-regeln verantwortlich. Durch die Kenntnis verschiedener Softwarelösungen der Bäckereibranche und Kontakte zu Softwareanbietern hat OPAL früh die konkrete Ausrichtung des Praxispiloten festlegen können. Darauf ist beispielsweise die Spezialisierung auf Samuelson Quellsysteme zurückzuführen. Die vorhandenen Kontakte zu Samuelson haben Einblicke in das Quellschema und damit letztlich das Erstellen von Integrationsregeln erst möglich gemacht. SNPs Expertise auf dem Gebiet der Daten-transformation hat vor allem in die Analyse des Quellschemas und die Wahl der Integrationswerkzeuge Einzug gefunden.


5.4 Rechtliches

Für die Zusammenarbeit innerhalb des Praxispiloten wurden von allen Beteiligten die Cloud Mall BW Teilnahmebedingungen unterzeichnet. Diese regeln unter anderem Aspekte der Vertraulichkeit, Gewähr und Haftung sowie die Einräumung von Nutzungsrechten.

Bei diesem Praxispiloten wurden keine vertraulichen Daten ausgetauscht, über deren Speicherung oder Verwendung eine genauere rechtliche Festsetzung notwendig gewesen wäre.


6 Resümee

6.1 Rolle der Cloud

Bei der Entwicklung der Integrationslösung haben sich CloudTechnologien an mehreren Stellen als vorteilhaft erwiesen.

Einerseits war es dadurch möglich, auf das von Samuelson bereitgestellte Demosystem zuzugreifen, ohne lokal vor Ort zu agieren. Dies war insbesondere für die Analyse und das Testen des Prototypen wertvoll und hat viel Zeit gespart. Andererseits ergeben sich durch die Konzipierung der Integrations-lösung als Cloud-Service überhaupt erst die notwendigen Rahmenbedingungen, die zu einem sinn-vollen Geschäftsmodell führen.

Für die Anbindung eines Kundensystems an die OPAL-Services müssen dauerhaft aktuelle Daten inte-griert werden. Gleichzeitig sollen beliebig viele Kunden bedient werden können. Als Cloud-Service kann die Integration durch eine hohe Verfügbarkeit und beliebige Skalierbarkeit diesen Bedingungen Sorge tragen. Zusätzlich ergibt sich die Möglichkeit, den Service an einer zentralen Stelle zu warten, falls erforderlich.

6.2 Lessons Learned

OPAL hat durch die Kooperation mit SNP wertvolle weitere Erfahrung im Bereich Data Integration sammeln und direkt anwenden können. Die vermuteten Vorzüge einer Cloud-basierten Daten-integration wurden prototypisch erprobt und bestätigt. Für SNP ergaben sich Einblicke in potenzielle zukünftige Vermarktungsräume ihrer Services.

6.3 Ausblick

Die Erfahrungen, die OPAL bei der Umsetzung einer Integrationslösung gesammelt hat, werden zukünftig die Anbindung von Endkunden beschleunigen und vereinfachen. Das wird durch die entwickelte Integrationslösung besonders bei Nutzern von Samuelson BackPro der Fall sein. Allerdings gilt dies ebenfalls für Nutzer anderer Systeme, weil die verwendeten Technologien durch Anpassung der Transformationsregeln wiederverwendet werden können. Die Konzipierung als Cloud-Service erlaubt es, den Service jederzeit zu skalieren und an einer zentralen Stelle zu warten. In der Folge dürfte es zukünftig für Bäckereien deutlich einfacher sein, die OPAL-Services auszuprobieren und ihre Produktion durch intelligente Vorhersagen zu optimieren. In der Folge ergibt sich dadurch insbe-sondere für kleine und mittlere Bäckereiketten Vorteile, die mangels technischer Spezialisten eine Datenintegration nicht selbst durchführen könnten.


7 CMBW-Projektdarstellung

Im Gemeinschaftsprojekt Cloud Mall Baden-Württemberg (Cloud Mall BW) werden Potenziale und Möglichkeiten von Cloud Computing für den Mittelstand in Baden-Württemberg identifiziert und ausgeschöpft. Kleinen und mittleren Cloud-Serviceanbietern und -anwendern wird ein Rahmen geboten, um untereinander Kooperationen zu schließen, das eigene Netzwerk zu stärken und dadurch aktiv Wettbewerbsvorteile auszubauen. Kooperative Ideen kleiner und mittlerer Cloud-Service oder Cloud-Plattformanbieter werden gezielt in Praxispiloten vorangetrieben und personell und fachlich vom Cloud Mall BW-Projektteam unterstützt.

Das Gemeinschaftsprojekt wird vom Ministerium für Wirtschaft, Arbeit und Wohnungsbau Baden-Württemberg gefördert. Beteiligt sind das Fraunhofer-Institut für Arbeitswirtschaft und Organisation (IAO), das Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA), sowie das Institut für Enterprise Systems an der Universität Mannheim (InES) und bwcon research GmbH (bwcon). Unter-auftragnehmer des Projekts sind Trusted Cloud und das Institut für Arbeitswissenschaften und Technologiemanagement (IAT) der Universität Stuttgart. In der Projektzeit ist die Durchführung von bis zu vierzig Praxispiloten geplant.


8 Kontakt

Gerne können die Vertreter der Praxispilotpartner bei Fragen und Anmerkungen zum Praxispilot oder zu Inhalten direkt angesprochen werden: OPAL - Operational Analytics GmbH

Marc Huber und Alexander Gossmann

[email protected]

[email protected]

SNP Schneider-Neureither & Partner SE

Dominik Wittenbeck

[email protected]

CMBW - Projektleiter des Praxispiloten

Institut für Enterprise Systems (InES)

Manuel Fink

[email protected]

Weitere Information zum Thema Praxispiloten finden Sie unter der Projektwebsite: https://cloud-mall-bw.de/

mailto:[email protected]

https://cloud-mall-bw.de/

Documents

Cloud Mall BW – Transferdokumentation „On Demand ......Institut für Enterprise Systems (InES) Autoren ... warekomponente basiert auf Methoden der Künstlichen Intelligenz. Die