Produktbeschreibungen:
Insulet Corporation ist ein Medizintechnikunternehmen, das sich auf innovative Lösungen zur Insulinabgabe spezialisiert. Ihr Flaggschiffprodukt, das Omnipod® Insulin Management System (Omnipod), bietet eine tragbare Insulinpumpe, die das Leben von Menschen mit insulinpflichtigem Diabetes erleichtert. Intern standen dem Unternehmen große Hürden durch Datensilos, langsame Verarbeitungszeiten und begrenzte Einblicke in Echtzeit im Weg. Dadurch war es schwierig, die Leistung von Omnipod zu überwachen, Fertigungsabläufe zu optimieren und die Einhaltung regulatorischer Vorgaben sicherzustellen. Außerdem bremsten veraltete Infrastruktur, manuelle ETL-Prozesse und fragmentierte Systeme den Datenzugriff aus, verhinderten bereichsübergreifende Zusammenarbeit und zwangen zur Nutzung teurer Tools von Drittanbietern. Durch die Einführung von Databricks erzielte die Marke eine 12-mal schnellere Datenverarbeitung und senkte die Gesamtkosten um 97 %.
Datenengpässe, die kritische Entscheidungen ausbremsten
Insulet Corporation hat die Mission, das Leben von Menschen mit Diabetes zu verbessern und Kundinnen und Kunden durch innovative Technologie mehr Einfachheit, Freiheit und ein gesünderes Leben zu ermöglichen. Mit Omnipod, einem schlauchlosen, automatisierten Insulinabgabesystem, das auf Einfachheit und Kontrolle ausgelegt ist, verändert Insulet das Diabetes-Management grundlegend. Da Insulet Daten nutzte, um jeden Aspekt seiner Abläufe zu verbessern – von der Produktentwicklung bis zum Kundenerlebnis –, war die Echtzeitüberwachung der Leistung des Omnipod entscheidend, um Probleme zu beheben, Produktlücken zu erkennen und die Zuverlässigkeit des Produkts sicherzustellen. Fertigungsteams brauchten Einblick in die Effizienz der Maschinen an Fertigungsstandorten in den U.S. und in Malaysia, um die Leistung zu optimieren. Langfristig wollten sie vorausschauende Wartung einführen, um Ausfallzeiten zu minimieren und Verschwendung zu reduzieren.
Im Kundenservice wurden AI-gestützte Assistenten eingeführt, damit Mitarbeitende Informationen schneller finden und Fälle zügiger lösen. AI wurde außerdem eingesetzt, um die Einhaltung gesetzlicher Vorgaben sicherzustellen, indem falsch klassifizierte Fälle erkannt wurden, die als Beschwerden hätten markiert werden müssen. Manuelle Vorgehensweisen erschwerten es früher, diese übersehenen Fälle zu erkennen – das erhöhte das Risiko von Verstößen gegen Vorschriften. Außerdem wollte das Data-Engineering-Team AI nutzen, um die Fehlererkennung zu automatisieren und Probleme schneller zu beheben.
Die Dateninfrastruktur des Unternehmens konnte mit diesen Initiativen, insbesondere den AI-Initiativen, nicht Schritt halten. Den Fertigungsteams fehlte eine einheitliche Sicht auf die Produktionsleistung, sodass sie sich für wichtige Geschäftsbereiche wie die Überwachung der Produktqualität und das Kundenerlebnis auf zersplitterte Datenquellen verlassen mussten. Außerdem erschwerten SQL Server-Einschränkungen die Analyse großer Datensätze, was die langfristige Leistungsnachverfolgung einschränkte und Erkenntnisse zur Produktqualität verzögerte. Stark manuelle, zeitaufwendige ETL-Prozesse (Extrahieren, Transformieren, Laden) bremsten den Datenfluss zusätzlich aus und führten zu unnötigen Engpässen bei Analysen und Entscheidungen. Dieses lückenhafte Datenbild bremste die Produktivität im Vertrieb, die Nachfrageprognosen und die Optimierung der Lieferkette — und verlangsamte zugleich Produktentwicklung und Innovation.
Extern wollte Insulet IoMT-Daten-Streaming (Internet of Medical Things) nutzen, um das Kundenerlebnis zu verbessern – insbesondere bei großen Software-Rollouts wie der iOS-Integration von Omnipod 5. Die Möglichkeit, Nutzungsraten zu verfolgen und potenzielle Probleme in Echtzeit zu erkennen, wurde immer wichtiger – doch die bestehenden Systeme hatten Mühe, all die Live-Daten zu verarbeiten. Wie Bill Whiteley, VP of AI, Analytics and Advanced Algorithms bei Insulet, erklärte: „Datenpipelines benötigten über 13 Stunden für ein Update und führten bei unseren Teams zu erheblichen Verzögerungen, Produktprobleme zu identifizieren.“ Das wirkte sich leider auf das Kundenerlebnis aus, weil unsere Dashboards nicht mehr als zwei Wochen an historischen Informationen anzeigen konnten und damit langfristige Analysen der Geräteleistung einschränkten.”
Hinzu kam, dass die Integration operativer Daten aus Salesforce und SAP teure Drittanbieter-Tools erforderte und eine ohnehin schon ineffiziente Praxis weiter verkomplizierte. Mit all diesen isolierten Systemen hatte Insulet Schwierigkeiten, eine kontrollierte, skalierbare Datenumgebung aufzubauen, die die eigenen AI-Ziele unterstützt. Mit dem Ziel, eine „Daten-Schwungrad“-Strategie aufzubauen, die ihre Zukunftsziele direkt unterstützt, setzte Insulet auf die Databricks Data Intelligence Platform.
Daten zusammenführen, um Innovation und Effizienz im Betrieb zu fördern
Um ihr Datenökosystem für Produktinnovation und operative Effizienz zu modernisieren, führte Insulet die einheitliche Datenplattform von Databricks ein und ebnete den Weg dafür, dass sich die Entwicklungsteams auf das Gewinnen von Erkenntnissen statt auf das Verwalten von Infrastruktur konzentrieren können. Die Basis dieser Transformation bildete Delta Lake, eine Open-Source-Speicherschicht, die Daten strukturiert, bereinigt und sofort für Analysen verfügbar macht. Durch den Ersatz fragmentierter Systeme durch eine zentrale, skalierbare Architektur verschaffte Insulet allen Teams nahtlosen Zugriff auf Echtzeitdaten, um Fertigungsabläufe zu überwachen, die Leistung von Omnipod zu optimieren und alle AI-Anwendungen zu unterstützen.
Darüber, auf Delta Lake aufgesetzt, stand der Star von Insulets Transformation: Lakeflow Connect – das neueste Produkt von Databricks, das es erleichtert, Daten effizient in die Lakehouse-Architektur aufzunehmen. Lakeflow Connect hat die Datenaufnahme und -verarbeitung bei Insulet verbessert, indem die Integration zentraler Unternehmensanwendungen wie Salesforce und Workday automatisiert wurde. Zuvor auf teure ETL-Tools von Drittanbietern angewiesen, konnte Insulet nun nahezu in Echtzeit hochwertige Daten einspielen – mit minimalem Aufwand für das Daten-Team. „Der Lakeflow Connect Salesforce Connector war für unsere Datentransformation besonders wichtig, da wir damit Kundenfeedback, Verkaufsdaten und Service-Interaktionen aus dem Salesforce CRM direkt in Databricks aufnehmen konnten“, erklärte Bill.
Fertigungsteams, die zuvor stundenlang mit manuellen Berichten beschäftigt waren, nutzten ein einheitliches Produktions-Dashboard, um Software-Rollouts in Echtzeit zu verfolgen und Störungen zu vermeiden, die die Patientenversorgung beeinträchtigten. Zudem haben Streaming und Echtzeitanalysen — unterstützt von Spark, einer Open-Source-Engine für großskalige Datenverarbeitung, und Delta Live Tables — diese Verbesserungen verstärkt, indem sie Batchverarbeitung durch kontinuierliches, latenzarmes Daten-Streaming ersetzt haben. Diese Veränderungen halfen einem achtköpfigen Team, die Arbeit von 100+ Mitarbeitenden zu leisten, und veränderten grundlegend, wie Insulet die Leistung von Omnipod überwachte.
Dank Unity Catalog, einer einheitlichen Governance- und Datenmanagement-Lösung, die sicheren Zugriff für die verschiedenen Geschäftsbereiche von Insulet gewährleistete, waren Daten besser organisiert und leicht auffindbar. Databricks SQL, ein vollständig verwaltetes, serverloses Data Warehouse, erschloss dieses neue Niveau der Datenzugänglichkeit zusätzlich und gab Datenanalysten die Möglichkeit, Abfragen nach Bedarf auszuführen, ohne Cluster verwalten zu müssen.
Um technische Engpässe weiter zu beseitigen, erweiterte Insulet seine AI- und Automatisierungsfunktionen mit dem Databricks Assistant. Als kontextbewusster AI-Assistent vereinfachte er die SQL-Entwicklung, indem er das Schreiben von Abfragen über eine dialogorientierte Oberfläche automatisierte, Fehler erkannte und verschiedene Probleme für die Datenteams von Insulet behob — so blieb mehr Zeit für Erkenntnisse und Innovation. Assistant unterstützte außerdem die Kundenservice- und Produktsupport-Teams dabei, relevante Informationen abzurufen, um Kundinnen und Kunden bei Bedarf zu unterstützen.
Mit der Databricks Data Intelligence Platform hat Insulet die Datenaufnahme vereinfacht, Workflows gesteuert, die Ressourcenzuteilung optimiert und effizientere, datenbasierte Entscheidungen im gesamten Unternehmen ermöglicht.
Kosten und Komplexität senken, um bessere Patientenergebnisse zu erzielen
Insulet hat mit der Databricks Platform erhebliche Verbesserungen, Einsparungen und mehr Gesamteffizienz erreicht. Allein in der Fertigung haben datengestützte Optimierungen Einsparungen in Höhe von mehreren zehn Millionen Dollar ermöglicht. Der Wechsel von veralteten ETL-Prozessen — die zuvor über 13 Stunden benötigten — zu Live-Streaming hat Echtzeitzugriff auf Daten ermöglicht, während SQL-Abfragen von über 40 Befehlen auf nur zwei reduziert wurden. Das verringerte nicht nur die Arbeitslasten im Data Engineering deutlich, sondern verkürzte auch die Abfragezeiten mit serverloser Verarbeitung um 83 %.
Über reine Kosteneinsparungen hinaus hat Databricks Insulet dabei geholfen, zu skalieren, Innovation voranzutreiben und Workflows in den Teams für Fertigung, Entwicklung und Kundenservice zu optimieren. “Diese Verbesserungen führten zu einem 12-fachen Anstieg der Datenverarbeitungsgeschwindigkeit, zu einem Plus von 25% bei der operativen Effizienz und zu einer Senkung der TCO um 97%,” so Bill abschließend. Noch konkreter: Die Produktüberwachung von Omnipod wurde von zwei Wochen historischer Daten auf zwei Jahre ausgeweitet und ermöglicht nun langfristige Einblicke in Leistung, Trends und potenzielle Probleme. Solche Verbesserungen helfen sicherzustellen, dass Software-Updates von Live-Nutzungsdaten gesteuert werden, die die Weiterentwicklung der UX unterstützen.
In Zukunft ist Insulet bereit, seine AI- und Datenkompetenzen zu vertiefen, um die Ergebnisse für Kundinnen und Kunden weiter zu verbessern. Die Integration von SAP mit Databricks sowie die Erweiterung der unterstützten Datenquellen durch Lakeflow Connect werden die Vereinheitlichung fördern und die Fragmentierung weiter verringern.
Als Nächstes wird AI-gestützte vorausschauende Wartung IoMT-Daten nutzen, um präzisere Echtzeit-Einblicke in die Geräteleistung zu liefern. Und als i-Tüpfelchen plant Insulet, AI-gestützte Vorhersagen direkt in Salesforce einzuspeisen, um Entscheidungen zu automatisieren. Mit einem vollständig modernisierten Datenökosystem treibt Insulet seine aktuellen Abläufe voran und legt zugleich das Fundament für eine kontinuierliche Weiterentwicklung im Diabetes-Management.