Produktbeschreibungen:
Michelin stellt nicht nur Reifen her. Das Unternehmen ebnet den Weg in die Zukunft und bringen ständig neue Innovationen auf den Markt, die nicht nur die Menschen voranbringen, sondern auch die Automobilbranche in neue Bahnen lenken. Im Zuge seines Wandels zu einem datengesteuerten Unternehmen wollte Michelin Daten aus unterschiedlichen Quellen – von Back-Office-Systemen bis hin zu Produktionsstätten – demokratisieren und deren Wert erschließen, damit seine Community von „Citizen Usern“ und dezentralen IT-Teams eigene Anwendungsfälle entwickeln konnte – etwa KI-gestützte Vorhersagen von Lagerengpässen oder die Reduzierung von CO₂-Emissionen in der Lieferkette. Die zentralisierte Legacy-Datenplattform erschwerte es den zunehmend dezentralen Nutzern jedoch, auf die benötigten Tools und Technologien zuzugreifen. Mit der Databricks Data Intelligence Platform kann Michelin nun allen Mitarbeitern Zugriff auf vollständige und zuverlässige Daten bieten – als Basis für Use Cases, die Mehrwert für das Unternehmen und seine Kunden schaffen.
Mangelnde Offenheit und Flexibilität als Bremsen bei der Demokratisierung
Ein zentrales Element der Transformationeninitiative der Michelin Group besteht darin, allen Mitarbeitenden im Unternehmen uneingeschränkten Zugriff auf handlungsrelevante Daten zu ermöglichen. Das schafft Mehrwert in allen Geschäftsbereichen – von der Optimierung der Lieferketten über die Vorhersage von Lagerengpässen bis hin zu Finanzprognosen und Market Intelligence.
Um diesen Mehrwert zu realisieren, hat Michelin eine Daten-Transformationsstrategie entwickelt, die auf drei Säulen basiert. Die erste Säule: der Aufbau einer Plattform, die jedem Mitarbeitenden und den Feature-Teams einen sicheren Workspace sowie Zugriff auf weitgehend dezentrale Daten bietet, um eigene Use Cases zu entwickeln. Zweitens: Governance – also zu vermitteln, wie Daten sicher zugänglich gemacht werden, und die verschiedenen Aktivitäten zu koordinieren. Drittens: Jedes Digital-Solutions-Team betrachtet seine Daten als konsumierbares Produkt und sorgt dafür, dass sie gut beschrieben, zugänglich und vertrauenswürdig sind.
„Wir glauben an die Demokratisierung von Daten, an einen Self-Service-Ansatz, bei dem die Nutzer auf eine Plattform kommen, ein neues Datenprodukt bauen und es dann ausführen können“, so Joris Nurit, Head of Data Transformation bei Michelin. „Wir wollten sicherstellen, dass die Daten für die Mitarbeitenden von Michelin zugänglich sind, und die richtigen Tools bereitstellen, damit die Nutzer ihre Use Cases selbst lösen können.“
Der früheren On-Premises-Datenplattform von Michelin mangelte es jedoch an der nötigen Offenheit und Flexibilität. Die abteilungsbezogenen Datensilos und der zentralisierte Charakter der Plattform machten es schwierig, Dienste zu skalieren, und häufig konnten Mitarbeiter nicht auf die benötigten Tools und Technologien zugreifen. Benötigt wurde eine skalierbare, flexible und – was besonders wichtig ist – offene Plattform. Und dafür wandte sich Michelin an Databricks.
Lakehouse erschließt den Wert von Daten im gesamten Unternehmen
Die Möglichkeit für Mitarbeiter, direkt über ihre Notebooks auf Databricks zuzugreifen, um eigene Transformationen und Analytics durchzuführen, hat es Michelin ermöglicht, die Vision einer „Citizen Data Platform“ zu verwirklichen. Die Einführung eines zentralen Lakehouse versetzte Michelin in die Lage, die zuvor zwischen den verschiedenen Abteilungen bestehenden Datensilos aufzubrechen und gleichzeitig den Teams, die zentrale Datenprodukte entwickeln, erhebliche Autonomie zu gewährleisten.
Nurit kommentierte: „Durch die Kombination ihrer eigenen lokalen Daten mit den zentralen Daten kann jedes Team ein 360-Grad-Verständnis des eigenen Marktes gewinnen. So können sie die Bedürfnisse ihrer Stakeholder besser antizipieren und ihre Anwendungsfälle entsprechend gestalten.“
Ein früher Anwendungsfall war der Einsatz von KI zur Vorhersage von Lagerengpässen. Mithilfe von Machine-Learning-Modellen, die auf früheren Supply-Chain-Daten trainiert wurden, konnte die Anwendung so konzipiert werden, dass sie die Lagerbestände in 15 Tagen vorhersagt und Maßnahmen empfiehlt, um künftige Ausfälle zu vermeiden. Michelin nutzte Databricks sowohl für die Vereinheitlichung der Eingabedaten und die Zusammenarbeit bei der Anwendung der Daten zum Trainieren von Machine-Learning-Modellen als auch für das Deployment und die Orchestrierung von Modellen in der Produktion. Dank der Echtzeit-Funktionen wurden die Daten kontinuierlich in Databricks Delta Lake gestreamt und aktuell gehalten, während Business-Analysten mit Databricks SQL Abfragen ausführten und Erkenntnisse visualisierten.
Die Anzahl der Anwendungsfälle ist seitdem erheblich gestiegen. „Die Nutzung des Lakehouse ermöglicht uns, auf Hunderte von Anwendungsfällen zu skalieren – unabhängig vom jeweiligen Schwerpunkt. Tatsächlich wissen wir bei 80 % nicht im Detail, worum es geht – und das ist in Ordnung“, erklärte Karim Hsini, Enterprise Architect bei Michelin. „So können wir uns auf unsere primären Anwendungsfälle konzentrieren und sind gleichzeitig flexibel genug, um Initiativen zu unterstützen, die spontan aufkommen.“
Durch den Zugriff auf Daten in der Databricks Data Intelligence Platform und die aus den Analysen gewonnenen Erkenntnisse lassen sich einfache Anwendungsfälle wie Reporting oder Prognosen umsetzen. Zugleich werden spezialisierte und industrialisierte Use Cases ermöglicht und die Bedürfnisse verschiedener Personas – vom Citizen Data Analyst bis zum Data Scientist – abgedeckt.
Autonomie und Zusammenarbeit führen zu einer Community von Innovatoren
Der Plattformansatz ist entscheidend. Er ist flexibel und skalierbar und ermöglicht es jedem Nutzer im Unternehmen, seinen eigenen Use Case völlig autonom zu entwickeln. Michelins Migration in die Cloud war dabei ein wichtiger Faktor. Hsini erklärte: „Die Modularität der Cloud erlaubt die vorkonfigurierte Bereitstellung eines isolierten Umfelds für jeden – so kann jeder arbeiten, ohne die Arbeit der Kollegen zu beeinträchtigen.“
Diese Autonomie hat zu einer breiten Adoption der Citizen Data Platform und einer wachsenden Nutzer-Community geführt, was die Zusammenarbeit im Unternehmen deutlich stärkt. Nurit betrachtet diesen Community-Gedanken als zentralen Erfolgsfaktor für die künftige Innovationskraft von Michelin.
„Eine Community ist wichtig, damit nicht bei jedem Problem das Rad neu erfunden wird“, so Nurit abschließend. „Menschen teilen Daten, sie teilen ihren Code und Best Practices und arbeiten zusammen, um unterschiedliche Use Cases zu lösen. Das ist ein wichtiger Schritt auf dem Weg zu Michelins Ziel, ein datengesteuertes Unternehmen zu werden. Durch diese Form der Datendemokratisierung stellt Databricks eine Plattform bereit, auf der Citizen User gemeinsam Lösungen entwickeln können.“
Erfahren Sie mehr über die Michelin Group
Folgen Sie den IS- und Digital-Teams von Michelin auf LinkedIn