Siemens Healthineers, eines der weltweit größten Medizintechnikunternehmen, erfasst jeden Monat rund 100 TB an MRI-Scannerdaten (Magnetresonanztomographie) für Service, Stabilität und Compliance. Nach zwei Jahrzehnten wurden die Grenzen der On-Premises-Plattform deutlich. Ein früher Lift-and-Shift-Ansatz in die Cloud erwies sich als zwei- bis viermal so teuer wie der Verbleib vor Ort. Der Neuaufbau auf der Databricks Data + AI Platform mit Delta Lake und Unity Catalog kehrte dies um: Die Kosten sanken um rund 50 %, das ständige Kopieren zwischen Silos wurde reduziert und das Fundament für Genie One Self-Service-Analysen, Insights und die Demokratisierung von Daten wurde gelegt.
Herausforderungen für Siemens Healthineers bei der Verwaltung von MRI-Scannerdaten
Seit 2007 erfasst Siemens Healthineers Daten von seinen MRI-Scannern über die Siemens Remote Service-Verbindung. Hunderte von Protokolldateien speisen drei wesentliche Aufgaben: Service-Teams dabei zu helfen, Scanner-Problemen zuvorzukommen, die Feldstabilität zu überwachen und die Anforderungen an die Überwachung nach dem Inverkehrbringen zu erfüllen. Zwei Jahrzehnte später erzeugt allein die installierte MRI-Basis jeden Monat Milliarden von Ereignisprotokollzeilen und rund 100 TB an Daten. Jeder neue Scanner und jedes Software-Upgrade bringt weitere hinzu.
XMART wurde 2007 im Hinblick auf Skalierbarkeit entwickelt, diente dem Unternehmen zwei Jahrzehnte lang und entwickelte sich zu einer der größten SQL-Bereitstellungen, die Microsoft je gesehen hatte. Doch die Wirtschaftlichkeit und Reichweite eines On-Premises-Designs stießen schließlich an drei Grenzen: Kosten, Datenaustausch und Zugriff.
Herausforderungen bei den Kosten für die Skalierung des MRI-Datenmanagements
Als die Volumina stiegen, mussten einige Analysis Services-Cubes offline genommen werden, da die Datenmenge sie überstieg. Skalierung bedeutete auch, Server Jahre vor dem eigentlichen Bedarf bereitzustellen – dimensioniert für den zukünftigen Speicherort der Daten und nicht für den aktuellen. Der Ansatz funktionierte zwar weiterhin, aber die Kostenkurve stieg stetig an.
Engpässe beim Datenaustausch und -zugriff zwischen Teams
Jeder Geschäftsbereich betrieb sein eigenes Server-Silo. Die Weitergabe von Daten an ein anderes Team bedeutete daher, diese zu exportieren, zu verschlüsseln und große Dateien physisch zu übertragen. Da die Historie bis ins Jahr 2007 zurückreicht, verursachten Anfragen nach älteren Datensätzen einen erheblichen Rechenaufwand. Dieselben Daten wurden oft zwei- oder dreimal bereitgestellt und überarbeitet. „Wenn jemand historische Daten benötigt, kann es Wochen oder Monate dauern, diese zu erhalten“, so Georg Görtler, Product Manager für XMART bei Siemens Healthineers.
Mehr als 1.000 Personen in den Bereichen Vertrieb, Service und Hauptverwaltung verließen sich auf Qlik Sense-Dashboards, und die meisten arbeiteten eher mit Excel als mit SQL. Alle Fragen, die nicht bereits durch die Dashboards beantwortet wurden, wurden an ein zentrales Team weitergeleitet. Gleichzeitig suchten Krankenhäuser zunehmend nach betrieblichen Erkenntnissen über teamplay, um Patienten zu planen und mehr aus ihren Scannern herauszuholen. „Es gab schon immer einen Engpass in einem zentralen Team, bei dem die Benutzer warten müssen und eine Priorisierung stattfinden muss“, erklärt Michael Kelm, Cloud Data Platform Lead bei Siemens Healthineers.
Neuaufbau von XMART auf Delta Lake für bessere Skalierbarkeit und Governance
Um XMART zu modernisieren, benötigte Siemens Healthineers einen Cloud-Migrationsansatz, der die Skalierbarkeit und Data Governance verbessert, ohne die Kosten in die Höhe zu treiben. Das Team stellte fest, dass eine einfache Migration der bestehenden Architektur in die Cloud nicht die gewünschte Wirtschaftlichkeit oder das erforderliche Zugriffsmodell bieten würde.
Ein Neuaufbau auf Delta Lake statt Lift-and-Shift
Ein erster Proof of Concept, bei dem die SQL-Umgebung unverändert in die Cloud verschoben wurde, ergab das Zwei- bis Vierfache der On-Premises-Kosten. Das reichte aus, um das Vorhaben vor dem Start zu stoppen. Ein zweiter Proof of Concept mit Databricks änderte den Ansatz. Das Team baute XMART auf Delta Lake neu auf und teilte die monolithische Datenbank in einzelne Datenprodukte auf. Dadurch entstand der nötige Freiraum, um jeden Monat rund 100 TB an MRI-Daten zu verarbeiten und dabei nur für die tatsächlich genutzte Rechenleistung zu zahlen.
Kontrolliertes Teilen durch Unity Catalog: Zugriff per Freigabe statt Kopie
Mit dieser Grundlage mussten Daten nicht mehr verschoben werden, um nützlich zu sein. Das Team gewährt kontrollierten Zugriff auf gemeinsam genutzte Datenprodukte in einer einzigen Umgebung. Die Migration zu Unity Catalog erfolgt Datenprodukt für Datenprodukt. Da sich alles in einem einzigen Metastore unter einem einzigen Konto befindet, ist die gemeinsame Nutzung über Geschäftsbereiche hinweg jetzt eine einfache Rechtevergabe statt einer Kopie. Kunden und Partner-Teams wechseln von zentral verwalteten SQL-Endpunkten zur Abfrage mit ihrer eigenen Rechenleistung. Dadurch behält jedes Team die Kontrolle über Leistung und Kosten. „In der Cloud müssen wir die Daten nicht kopieren. Es geht nur darum, die Daten zu teilen“, so Georg.
Die Aufteilung des Monolithen in Datenprodukte machte zudem die Ausgaben erstmals transparent. Da jedes Produkt einzeln erfasst wird, kann das Team die Speicher- und Verarbeitungskosten exakt messen. Dies macht die Optimierung zu einer gezielten Aufgabe, deren Ergebnisse in einem Dashboard sichtbar werden.
Kosteneffizienz und Self-Service-Analysen mit Genie erreichen
Mit dem auf Databricks neu aufgebauten XMART sieht Siemens Healthineers einen klareren Weg zu Kostenkontrolle, breiterem Zugriff und Self-Service-Analysen. Der Wechsel stärkt zudem das kontrollierte Fundament, das für den Ausbau der AI-Funktionen im Laufe der Zeit erforderlich ist.
Zu den wichtigsten Ergebnissen gehören:
Die Kosten werden voraussichtlich um rund 50 % niedriger sein als beim On-Premises-Setup, was die frühere Schätzung, die von zwei- bis viermal höheren Kosten ausging, umkehrt.
Der Zugriff auf historische Daten verkürzt sich von Wochen auf nahezu sofort, und zwar durch kontrollierte Rechtevergaben statt durch Exporte und Übertragungen.
Produktbezogene Optimierung, wodurch die Kosten für zwei Datenprodukte um 80 % bzw. 90 % gesenkt werden konnten.
Scanner-Erkenntnisse erreichen Krankenhäuser über teamplay als ein weiteres kontrolliertes Datenprodukt.
Ein Übergang zu Genie One Self-Service für mehr als 1.000 Analytics-Anwender.
„Wir können die Kosten für jedes Datenprodukt einzeln messen. So kann eine Person einen Monat lang einen Prozess optimieren, und wir sehen die Einsparungen direkt im Dashboard“, so Paweł Tajs, Lead Data Architect für XMART.
Da die Migration fast abgeschlossen ist, wendet sich das Unternehmen der Self-Service-Ebene zu. Unity Catalog ist die technische Voraussetzung für Genie One. Das Team schließt diese Migration ab und beschreibt seine Datensätze, sodass die mehr als 1.000 Analytics-Anwender direkt auf Genie One zugreifen und Fragen in natürlicher Sprache stellen können, anstatt auf ein zentrales Team zu warten. Werkstudenten entwickeln bereits Prototypen für cloudbasierte AI mit vielversprechenden ersten Ergebnissen. Siemens Healthineers betrachtet dieses kontrollierte Fundament als Basis für eine umfassendere AI-Roadmap. „Jede Woche fragen mich zwei bis fünf Leute, was sie mit den Daten machen können. Bald wird Genie ihnen antworten, und vielleicht vertritt es mich sogar, wenn ich in ein paar Monaten in den Ruhestand gehe“, so Georg.
FAQ: Siemens Healthineers und Genie auf Databricks
Genie One ist eine Schnittstelle für natürliche Sprache auf der Databricks Data + AI Platform, mit der Benutzer Fragen zu ihren Daten in einfacher Sprache stellen können, anstatt SQL schreiben zu müssen. Sie wandelt diese Fragen in Abfragen um und liefert direkt Antworten, wodurch Daten auch für Personen ohne technische Abfragekenntnisse zugänglich werden.