Die TGW Logistics Group vereinfacht das Handling ihrer riesigen Datenmengen mit CrateDB. Dadurch gewinnt der Lagerlogistiker wertvolle Erkenntnisse, verbessert sein Kundenerlebnis und lukriert Wettbewerbsvorteile.

Foto: TGW Die TGW Logistics Group mit Sitz in Marchtrenk unterstützt international Kunden auf dem Weg zum vollständig autonomen Logistikzentrum In der Welt des Handels hängt der schnelle und effiziente Transport von Waren maßgeblich von der Leistungsfähigkeit der Lager- und Logistiksysteme eines Unternehmens ab. Es ist erwiesen, dass ein rationalisierter Lagerbetrieb in der Regel eine reaktionsschnellere, weniger kostspielige Abwicklung bedeutet – und damit auch zufriedenere Kunden.

Seit rund fünf Jahrzehnten unterstützt die österreichische TGW Logistics Group Unternehmen in den Branchen Mode und Bekleidung, Lebensmittel sowie Industrie- und Konsumgüter, die Leistungsfähigkeit ihres Lagers zu steigern. Durch die Bereitstellung automatisierter Lagersysteme unterstützt TGW seine Kunden bei den Herausforderungen der Lieferketten. Das Ziel: Ein vollständig autonomes Logistikzentrum.

Komplexe Daten-Gemengelage

Um diese Vision zu verwirklichen, sind Daten erforderlich – und zwar jede Menge. Alexander Mann, verantwortlich bei TGW für Connected Warehouse Architektur, leitet ein Spezialteam mit dem Ziel, mehr Daten nutzbar zu machen, um die Leistungsfähigkeit des Lagers zu verbessern. Die Herausforderung, so Alexander Mann, war die große Unterschiedlichkeit der Daten, die oft in vielen verschiedenen Lager-Komponenten abgeschottet gespeichert sind.

Mann: „Daten liegen in vielen verschiedenen Formaten vor, viele davon sind unstrukturiert, und sie sind über zahlreiche Systeme, Datenbanken, Tabellenkalkulationen und Dokumente verteilt. Außerdem sind die Lagerstandorte unserer Kunden über die ganze Welt verteilt und mit Robotern und mechatronischen Geräten angefüllt. All diese Geräte, gemeinsam mit Software für Materialflussteuerung und Lagerverwaltung, liefern uns viele Daten. Das ist außerordentlich komplex.“

Foto: TGW Einige der größeren Systeme des Unternehmens generieren 30.000 Nachrichten pro Stunde, von denen jede wiederum tausende weitere Nachrichten auslöst Klassische Datenbanken unzureichend

In der Vergangenheit haben Mann und sein Team klassische relationale Datenbanken und NoSQL-Datenbanken getestet. Keiner dieser Ansätze konnte jedoch die große Vielfalt an Daten verarbeiten, insbesondere die große Menge von unstrukturierten Daten, die in das System eingespielt werden. Einige der größeren Systeme des Unternehmens generieren 30.000 Nachrichten pro Stunde, von denen jede wiederum tausende weitere Nachrichten auslöst.

Als das IT-Team für Produktentwicklung solch neue Produktideen verfolgte, wurde klar, dass etwas im Technologie-Stack fehlte. Alexander Minichmair, Software-Architekt bei TGW: „Von meinem Hintergrund her gesehen war das Naheliegendste, was wir brauchten, eine Datenbank, die gut mit Zeitreihendaten umgehen kann. Die Frage war, welche Datenbank wir wählen sollten.“

CrateDB vereinfacht Datenaggregation und Zugriff

Das TGW-Team evaluierte verschiedene Anbieter in der Open-Source-Community und entschied sich zunächst für InfluxDB. Jedoch erkannte TGW rasch, dass ihre Datenbankanforderungen zu komplex sind, um von einer reinen Zeitreihendatenbank abgedeckt zu werden.

Minichmair: „Wir haben hierarchische Datenstrukturen, und wir wollten nicht alle diese Strukturen glätten, damit sie in InfluxDB passen. Es handelt sich nicht nur um Zeitreihendaten und auch nicht nur um Messungen, sondern wir haben auch Ereignisse mit vielen Tags und einer Menge strukturierter Daten.“

Als sie daher nach einer Datenbank suchten, die mit großen Datenmengen in unterschiedlichen Datenformaten, Datenstrukturen, Datenstücken und Sensoren umgehen konnte, entdeckten Mann und Minichmair CrateDB. „Was uns an CrateDB wirklich gefällt, ist die Tatsache, dass wir all unsere unterschiedlichen Datenformate aggregieren und diese Informationen ohne große Umwandlung abfragen können“, betont Minichmair.

Foto: TGW Mit CrateDB konnte das Warehouse Architecture-Team von TGW die wachsende Datenlast problemlos bewältigen Performance mit einfacher Skalierbarkeit

In einem ersten Schritt stellte das TGW-Team CrateDB bei Kunden bereit, deren Datenbank in der Cloud drei Knoten umfasste. Längerfristig wird TGW alle neu ausgelieferten Lagersysteme so ausstatten, dass die dazugehörigen Daten mit Hilfe von CrateDB Cloud erfasst und abgefragt werden können.

Mann ist zuversichtlich, dass CrateDB nach Bedarf skaliert werden kann: „Das Erweitern des Clusters wird sehr einfach sein, ohne Downtime oder Datenverlust. Man fügt weitere Knoten hinzu und CrateDB beginnt selbst mit der Replikation und Optimierung; und zwar ohne kompliziertes Neukonfigurieren wie bei anderen Datenbanken, die wir verwendet haben. Darin sehe ich einen weiteren großen Vorteil.“

Wichtig sei, so Mann weiter, dass CrateDB wachsende Datenlasten problemlos bewältigen kann. Einer der ersten Anwendungsfälle umfasst einen Standort, der Energiedaten aufnimmt. Dabei werden Materialflusszähler alle fünf Sekunden ausgelesen, Daten aus seinem Simulationssystem bezogen und Echtzeitdaten von hunderten strukturierten Ereignissen gesammelt. 

Neue Innovations-Chancen

Indem Energiedaten und Materialflussinformationen über ein ganzes Jahr hinweg gesammelt wurden, konnte das KI-Team von TGW nun beispielsweise Vorhersagemodelle für den Energieverbrauch erstellen. Mit dieser neuen Möglichkeit können TGW-Kunden Effizienz und Nachhaltigkeit in ihren Lagern weiter verbessern.

Mann: „Unsere KI-Leute konnten ohne spezielle Unterstützung loslegen und mit CrateDB arbeiten. Die große Auswirkung auf das Geschäft wird von den neuen Anwendungen und Use-Cases kommen, die wir durch die Nutzung der Daten aus CrateDB generieren können. Damit sind wir in der Lage, unseren Kunden mehr Transparenz und Einblicke in die Funktionsweise unserer Systeme zu geben. Ebenso sehen sie, wie sie ihren Lagerbetrieb optimieren können, um für den nächsten Black Friday oder andere saisonale Spitzen gerüstet zu sein.“

Foto: TGW Dank der weltweiten Vernetzung der Lagerstandorte der Kunden konnten zuverlässige Vorhersagemodelle erstellt werden Cloud-Plattform

Zu diesem Zweck bauen Mann und sein Team eine Cloud-Plattform auf, um alle Lagerstandorte der Kunden auf der ganzen Welt zu verbinden. Dies soll ermöglichen, deren Daten zu erfassen und mit Unterstützung von zukunftsweisenden Analysen und KI wertvolle Erkenntnisse zu gewinnen. So soll ein proaktiverer Support durch datengesteuerte „digitale Assistenten“ ermöglicht werden. Das Team arbeitet daran, so viele Lagerstandorte der Kunden wie möglich anzubinden und deren Daten in CrateDB zu überführen, um daraus Vorhersagemodelle zu erstellen.

Minichmair: „Wenn wir Fehler oder Ausfälle für unsere Kunden vorhersagen wollen, bevor diese tatsächlich auftreten, müssen wir sehr schnell viele Daten von vielen verschiedenen Standorten aufnehmen. Nur so können wir effektive Modelle erstellen und diese Modelle kontinuierlich trainieren, damit sie immer genauer werden. Wir glauben, dass CrateDB uns genau dabei helfen wird.“

Managed Service

Für Alexander Mann hat die Nutzung von CrateDB als Managed Service den größten Einfluss auf ihr Geschäft bewirkt. „Da wir uns nicht mit Datenbankkonfiguration, Einrichtung und Verwaltung befassen müssen, konnte TGW die Infrastrukturkosten niedrig halten, ohne zusätzliches Personal einstellen zu müssen“, stellt Mann fest.

Zentrale Datendrehscheibe

Ein besserer Einblick in die Art und Weise, wie bestehende TGW-Kunden ihre Lager betreiben, wird dem Unternehmen auch bei der Planung von Standorten für neue Kunden helfen. „Für ein Unternehmen in der Bekleidungsindustrie, im Lebensmittelhandel oder im allgemeinen Handel können wir aussagekräftige Zahlen aus CrateDB herausholen und diese verwenden, um unseren Kunden weitaus kostengünstigere Angebote zu erstellen“, betont Mann.

CrateDB wurde für TGW rasch zur zentralen Datendrehscheibe der Benutzer im gesamten Unternehmen: „Alle unsere Daten fließen jetzt zu CrateDB, wo sie einfach abgerufen werden können. Damit arbeiten jetzt unsere KI-Leute, genauso wie unser Produktionsteam.“