Wie Constellation ein kontrolliertes Datenfundament auf Databricks aufbaut

Constellation betreibt die größte Kernkraftwerksflotte in den Vereinigten Staaten. Für das Unternehmen war eine der schwierigsten Aufgaben bei der Vorbereitung auf KI nicht die Auswahl von Modellen, sondern die Einigung darauf, was die Daten bedeuten. Das Team von Constellation baut eine kontrollierte Enterprise Data Platform (EDP) auf Databricks auf, um Daten im gesamten Unternehmen konsistent und nutzbar zu machen, und dieser Ansatz bietet einen praxisnahen Leitfaden für andere Unternehmen.

Wer Constellation ist

Constellation ist der landesweit größte Erzeuger von sauberer und zuverlässiger Energie mit einer Erzeugungskapazität, die dem Bedarf von 27 Millionen Haushalten entspricht, und etwa 2,5 Millionen Kundenkonten im Einzelhandel. Diese Breite an Betriebsabläufen und Kundenbeziehungen ist der Grund, warum gemeinsame Definitionen und Governance für ihre Datenarbeit so wichtig sind.

Constellation sammelt Daten aus dem Anlagenmanagement, der Lieferkette, Handels- und Vertriebssystemen sowie aus dem Betrieb der gesamten Flotte. Diese speisen alles von Echtzeit-Marktmodellen bis hin zur nuklearen Telemetrie. In einem Geschäft, in dem Sicherheit und Zuverlässigkeit an erster Stelle stehen, kommt es darauf an, Definitionen und Governance richtig zu gestalten. Dieses Risikoprofil bestimmt jede architektonische Entscheidung, die folgt.

Das Problem: Hochwertige Daten, keine gemeinsame Semantik

Teams im gesamten Unternehmen von Constellation haben starke Datenfunktionen für ihre eigene Arbeit aufgebaut. Fragen, die sich über diese Teams hinweg erstreckten, erforderten jedoch weiterhin zusätzlichen Aufwand, um Informationen zu verknüpfen und Unterschiede in ihrer Definition abzugleichen. Daten befanden sich an Dutzenden von Orten, ohne eine gemeinsame semantische Schicht, die ihre Bedeutung über Domänen hinweg definierte.

Constellation stand vor einem Problem, mit dem viele Organisationen immer noch zu kämpfen haben: eine einfache Frage ohne eine einzige Antwort: „Wie viele Kunden haben wir?“ Der Einzelhandel richtet sich nach dem Abrechnungszähler, der Großhandel nach dem Vertragspartner und das CRM nach einem Konto oder Benutzer. Drei richtige Antworten mit drei verschiedenen Bedeutungen. Das Problem verschärfte sich noch, als Constellation durch Übernahmen wuchs, darunter Calpine im Jahr 2026, das 79 Kraftwerke in 22 Bundesstaaten und 27 GW Kapazität umfasste. Ein völlig separates System mit eigenen Definitionen, Data Warehouses und Modellierungskonventionen. Die EDP musste plötzlich eine Entität absorbieren, die etwa so groß war wie Constellation selbst. Bedeutung in Daten und Governance zu bringen, ist der Wandel, den Constellation vollzieht, während es die EDP auf Databricks entwickelt.

Das Fundament: Eine Enterprise Data Platform auf Databricks

Die Antwort von Constellation ist eine kontrollierte EDP, aufgebaut auf Databricks. Die EDP ist das gemeinsame Fundament, das zuvor isolierte Systeme verbindet und dem Unternehmen ein einziges, gemeinsames Verständnis seiner Daten vermittelt. Es ist der bewusste Übergang von vielen unverbundenen, gut aufgebauten Systemen zu einem kontrollierten Fundament, bei dem Daten eine gemeinsame Bedeutung im gesamten Unternehmen tragen.

Die Plattformentscheidung selbst dauerte nur wenige Wochen. Constellation wählte Databricks, weil es ihnen Raum zum Experimentieren, Wachsen und Reifen gab und, was ebenso wichtig ist, weil es mit ihrer bestehenden Architektur zusammenarbeiten konnte, anstatt einen radikalen Austausch zu erzwingen. Drei architektonische Säulen stachen hervor:

• Gemeinsame Bedeutung als angepasste Semantik. Anstatt jede Domäne auf eine Definition zu zwingen, arbeitet das EDP-Team von Constellation mit Führungskräften aus dem Geschäftsbereich zusammen, um kontrollierte, abgestimmte Entitäten zu definieren – und sich darauf zu einigen, was ein „Kunde“ im Einzelhandel, Großhandel, Gasgeschäft und CRM bedeutet –, und diese Definitionen im gesamten Unternehmen zu replizieren. Darüber hinaus hat Constellation eine semantische Wissensschicht aufgebaut, die die Geschäftsbeziehungen abbildet – Kunde, Vertrag, Anlage und wie sie über Domänen hinweg verbunden sind.
  Das Team verwendet Data Vault als Modellierungsmethode, die gezielt für kritische, wiederverwendbare Entitäten eingesetzt wird, die sich bei Systemänderungen flexibel anpassen müssen. Nicht jedes Dataset wird in einem Vault gespeichert. Die Modellierungswahl ist bewusst und hängt davon ab, ob die Entität wiederverwendet, geprüft oder im Laufe der Zeit weiterentwickelt wird.
• Governance ist das Eigentumsmodell, nicht nur die Zugriffskontrolle. Ein wichtiger Entscheidungsfaktor für Constellation war die Wahl eines Dienstes, der über die herkömmliche Zugriffskontrolle hinausgeht, um seinen Stakeholdern semantische Bedeutung zu vermitteln. Mit diesem identifizierten Kriterium war Unity Catalog die naheliegende Wahl. Unity Catalog bietet die Herkunft (Lineage), die feingranulare Zugriffskontrolle und ein einziges Berechtigungsmodell. Constellation ging über die technische Ebene hinaus, um die Frage zu beantworten, mit der andere Plattformen zu kämpfen haben: Wem gehört die Bedeutung? Mit den metric views von Unity Catalog ist es noch einfacher. Verschiedene Datendomänen erfordern unterschiedliche Zugriffs- und Governance-Kontrollen. Das Team von Constellation hat die Plattform so konzipiert, dass diese Anforderungen unterstützt werden, während neue Anwendungsfälle auf das Fundament gebracht werden. Die Etablierung interner Genehmigungen und der Governance wurde zum Vertrauensanker.
• Mehrere Arbeitsbereiche auf einem kontrollierten Fundament. Dieselben kontrollierten Datasets, die in separaten Arbeitsbereichen angezeigt werden, und die Geschäftssemantik werden einmal definiert und vielfach genutzt.

Für Constellation unterstützt Databricks sowohl Data Engineering als auch Governance und gibt Teams eine kontrollierte Umgebung an die Hand, um KI zu entwickeln.

Drei Beispiel-Anwendungsfälle, aufgebaut auf demselben Fundament:

Auf demselben kontrollierten Fundament zeigen drei frühe Anwendungsfälle, was in ganz unterschiedlichen Bereichen des Unternehmens möglich ist.

1. Assistent für Kerntechnik

Constellation entwickelt einen Assistenten, der mit Databricks Genie erstellt und über Unity Catalog kontrolliert wird, um Engineering-Teams dabei zu helfen, genehmigte technische Informationen einfacher zu finden und zu nutzen, wodurch der Aufwand bei der Beantwortung komplexer Fragen verringert wird.

2. Outage-Planung: Geplantes Management der Kernkraftwerks-Wartung

Geplante Stillstände gehören zu den komplexesten Abläufen, die Constellation durchführt. Sie finden für die Betankung, größere Wartungsarbeiten, behördliche Inspektionen und Arbeiten an Anlagen statt. Jedes Mal kommen große Teams und viele Arbeitsaufträge an einem Standort in einem engen Zeitplan zusammen. Die Koordinierung erfordert den Rückgriff auf Planungs-, Arbeitsausführungs- und Anlagengesundheitsdaten aus verschiedenen Systemen. Das Team führt diese Daten in Databricks zusammen, um Planern zu helfen, Zeitpläne zu analysieren und Arbeiten zu koordinieren, wobei die Entscheidungen bei den Stillstandsteams verbleiben.

3. Vertriebsintelligenz: Chancenpriorisierung & nächste beste Aktion

Im Vertrieb hilft die Zusammenführung relevanter Kunden- und kommerzieller Informationen den Teams, sich auf Gespräche vorzubereiten und Wachstums-Chancen zu erkennen. Das Team entwickelt KI-Funktionen auf Databricks, um diese Informationen konsistenter, zugänglicher und umsetzbarer zu machen – und unterstützt dabei Ergebnisse wie die Priorisierung hochwwertiger Chancen und die Empfehlung der nächsten besten Aktion. All dies ist auf demselben kontrollierten Datenfundament in Databricks aufgebaut, versehen mit entsprechenden Datenleitplanken.

Die wichtigsten Erkenntnisse

Die Erfahrung von Constellation unterstreicht, dass es bei einer Enterprise Data Platform ebenso sehr um Bedeutung und Governance geht wie um Technologie. Das Team baut die Definitionen, Kontrollen und das wiederverwendbare Datenfundament auf, die erforderlich sind, um nützliche Analysen und KI in verschiedenen Bereichen des Unternehmens zu unterstützen. Databricks mit Unity Catalog macht die Daten für Geschäftsanwender vertrauenswürdig und auffindbar.

Dieses kontrollierte Fundament versetzt Data Scientists zudem in die Lage, Machine-Learning- und agentenbasierte KI-Lösungen mit Databricks zu entwickeln, einschließlich Genie One und Genie Agents. Das Team nutzt diese Funktionen bei der Entwicklung von Anwendungsfällen in den Bereichen Vertrieb, Wartungsplanung und Engineering-Support.

Ausblick

Constellation untersucht Genie Ontology, einen selbstlernenden Wissensgraphen, der Geschäftskontext hinzufügt, sowie Unity Catalog Pages, womit Geschäftsdefinitionen in Unity Catalog zentral verwaltet werden. Gemeinsam erweitern diese Funktionen die semantische Schicht, indem sie Daten bedeutungsvoller, konsistenter und einfacher zu nutzen machen.

Erfahren Sie mehr über ihre Geschichte in diesem Blog-Beitrag der Constellation-Führungskräfte Jay Cavalcanto, SVP & CIO und Vineeth Vijaykumar, VP - IT Business Management Office.

Sehen Sie sich die Databricks Data + AI Summit-Präsentation von Constellation an (Minutenmarke 56.23)

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag