Heute beschäftige ich mich den ganzen Vormittag mit Administrationstätigkeiten, und zwar echte IT-Administration. Zusammen mit einer Kollegin administriere ich nämlich auch die Infrastruktur unseres Data Insight Labs. Das bedeutet: Anlegen von neuen Projekten, Verzeichnissen, Vergeben von Rechten, Abarbeiten von Issues, Einspielen und überprüfen von Daten, damit unsere Data Scientists sich auf das Wesentliche konzentrieren können. „Anpacken“ ist ja auch eine unserer vier Firmenleitlinien. Es ist eine sehr greifbare Form von Servant Leadership…

Ich bringe gerade unseren Data Lab Hadoop Cluster auf die neueste Version. Wir verwenden dort – neben anderen Technologien – die Hadoop Distribution von Cloudera. In der neuesten Version ist ein neues Feature verfügbar (Hive-on-Spark). Warum ist das für Data Scientists und viele IT- und BI-Abteilungen relevant? So kann man sehr, sehr schnell Abfragen auf großen „Big Data“-Datenmengen machen. Die Datenmengen sind heute inzwischen so groß, dass herkömmliche Technologien in die Knie gehen. Wir erproben deshalb in unserem Lab auch neue Technologien, um sie dann in Projekten bei unseren Kunden einzusetzen.

Nach gemeinsamen Mittagessen mit Kollegen, die im Bereich Internet-of-Things (IoT) neue Sensoren bauen, geht es weiter mit ersten Performance-Tests. Es sieht gut aus! Aus dem Raum der IoT-Kollegen höre ich die Motorengeräusche von ferngesteuerten Autos. Diese haben wir besorgt, um von uns entwickelte Sensoren zu testen und zu demonstrieren. Natürlich testen wir primär mit richtigen Fahrzeugen und unter harten Industriebedingungen. Für erste Schritte und Demonstrationen bieten sich Spielzeugautos aber durchaus an.

Ich will bezüglich spezieller Projekte nichts ins Detail gehen. Anlässlich der Europameisterschaft habe ich aber eine kleine Illustration vorbereitet, um zu zeigen, was Data Scientists mit den Daten der IoT-Sensoren anstellen. Beschleunigungssensoren findet man u. a. in Game-Controllern und Fitnessarmbändern. Auf Basis der gemessenen Beschleunigungen lässt sich dann mit Lernalgorithmen erkennen, was eine Person gerade tut. Für Kunden aus der Industrie ist beispielsweise interessant zu wissen, was einzelne Fahrzeuge auf einem großen Betriebsgelände gerade tun (Rangieren, schnell fahren, etc.). Hier das Experiment, das jeder gerne nachmachen kann: Man schneide einen Stoffball auf, versenke darin ein iPhone, auf dem die SensorLog App läuft (die kann aus dem App Store geladen werden), klebe den Ball wieder zu und spiele dann damit.

 

Ein iPhone wird in einem Stoff-Fussball versenkt, um dann damit zu spiele und die Bewegungen mit den iPhone-Sensoren aufzuzeichnen.

Ein iPhone wird in einem Stoff-Fussball versenkt, um dann damit zu spielen und die Bewegungen mit den iPhone-Sensoren aufzuzeichnen.

 

Der Stoffball mit iPhone im Inneren ist verklebt, damit das iPhone nicht herausrutscht.

Der Stoffball mit iPhone im Inneren ist verklebt, damit das iPhone nicht herausrutscht.

Nach einer Weile holen wir dann das iPhone wieder heraus und senden die aufgezeichneten Daten an einen Computer. Dort können wir die Daten des Beschleunigungssensors visualisieren. Man kann bereits sehen, dass die Signale sich zwischen „Ball rollen“ und „Ball tippen“ stark unterscheiden. Das finden Lernalgorithmen automatisch heraus. (Die Daten habe ich übrigens mittels der Software Rapid Miner analysiert und visualisiert.)

 

An den Beschleunigungen (in eine ausgewählte Richtung des iPhones) lässt sich bereits durch Hinsehen erkennen, dass "Ball rollen" und "Ball tippen" wohl zu unterschiedlichen Sensordaten führt.

An den Beschleunigungen (in eine ausgewählte Richtung des iPhones) lässt sich bereits durch Hinsehen erkennen, dass „Ball rollen“ und „Ball tippen“ wohl zu unterschiedlichen Sensordaten führt.

 

Screenshot der iPhone App "SensorLog", mit der jeder selbst die Sensordaten des iPhones auslesen kann.

Screenshot der iPhone App „SensorLog“, mit der jeder selbst die Sensordaten des iPhones auslesen kann.

Am späten Nachmittag haben wir ein Online-Meeting. Ein Kollege, der bei einer Konzerntochter ein Analytik-Projekt abgeschlossen hat, berichtet von den Erfahrungen. Viele Mitarbeiter der Business Unit Technology Consulting online präsent. Eine kleine Online-Massenveranstaltung. Wissensaustausch ist für uns besonders wichtig. Im Anschluss an den Vortrag gibt es eine lebhafte und produktive Diskussion, verteilt über 20+ Teilnehmer an verschiedenen Standorten.