Wir stellen ein!

Jobs

Newsblog

Kontext Engineering – Knowledge Graph weiter gedacht

Unsere Ingenieurswelt wird immer komplexer. Viele unterschiedliche Firmen sind an der Entwicklung eines Produktes beteiligt, die Produkte selbst sind vernetzter denn je und die rechtlichen Anforderungen sind kaum mehr zu durchblicken. Über kurz oder lang verlieren wir den Überblick über solche Systeme. Ein Knowledge Graph allein hilft an der Stelle nicht mehr weiter. Deshalb ist es besonders wichtig zum richtigen Zeitpunkt die Einzelfall-relevanten Informationen zur Verfügung zu haben. Nur wie? Wir stellen Ihnen das Thema Kontext Engineering vor.

 

Inhaltsverzeichnis

  1. Neue Herausforderungen in der Ingenieurswelt – Kontext Engineering hilft
  2. Vom Knowledge Graph zu Kontext Engineering – Digitale Probleme brauchen digitale Lösungen
  3. Wem kann Kontext Engineering helfen?
  4. Rita, Franz und Kontext Engineering
  5. Mehr als nur ein Knowledge Graph: Kontext Engineering bei CPU 24/7
  6. Kontext Engineering nochmal kurz und knapp

 

💡 Wichtiger Hinweis: Aus Gründen der besseren Lesbarkeit wird auf die gleichzeitige Verwendung der Sprachformen männlich, weiblich und divers (m/w/d) verzichtet. Sämtliche Personenbezeichnungen gelten gleichermaßen für alle Geschlechter!

 

Neue Herausforderungen in der Ingenieurswelt – Kontext Engineering hilft

Ich gehe unglaublich gerne ins Technikmuseum. Dort stehe ich dann stundenlang vor den ausgestellten Maschinen und versuche mir herzuleiten, wie sie genau funktionieren. Bei vielen Ausstellungsstücke geht das auch ganz gut – besonders bei den mechanischen Bestandteilen. Nach dem Motto: „Wenn ich hier ziehe? – Wo komme ich dann am Ende an?“ frage ich mich erfolgreich durch und kann mir nach und nach das Gesamtsystem erschließen. Mein innerer Drang, immer alles verstehen zu wollen, wie alles zusammenhängt, zeigt sich vorerst zufrieden.

Industrielle Revolution

©konradbak – stock.adobe.com

Bei den Systemen, die heutzutage entwickelt werden, ist es leider nicht mehr so einfach. Ein Auto besteht beispielsweise aus 5000 bis 7000 „Bauteile-Einheiten“, die in der Autofabrik zusammengesetzt werden. Als wären mechatronische Systeme nicht schon kompliziert genug, werden diese nun immer öfter über das Internet oder ein anderes Netzwerk miteinander verknüpft und somit zu cybertronischen Systemen.

Diese Vernetzung, wie wir sie bei IoT und Cloud finden, eröffnet uns als User natürlich auch viele tolle Möglichkeiten. Denken wir in der Automobilbranche beispielsweise daran, wie per Over-The-Air-Update neue Funktionen in Fahrzeuge eingespeist werden oder an Smart-Home Geräte, die sich ganz einfach von unterwegs steuern lassen.

Für alle, die an der Entwicklung und Wartung dieser Systeme beteiligt sind, wird es aber sehr viel schwieriger, den Überblick zu behalten.

Lange Zeit sind wir als Ingenieure gut damit gefahren, steigende Komplexität beherrschen zu wollen. Wir haben freigeschnitten, simuliert, Anforderungsschablonen vorgegeben und vieles mehr. An vielen Stellen stoßen wir trotzdem an Grenzen: Systeme sind mittlerweile so komplex, dass Einzelfall-relevante Informationen in der Masse einfach untergehen.

Dabei müssen Beteiligte gar nicht alles wissen, sondern nur die Dinge, die im eigenen Kontext relevant sind. Doch zu bestimmen, was diesen Kontext genau ausmacht und wie sich die Massen an Informationen nach Kontextrelevanz filtern lassen, fällt vielen Unternehmen schwer.

 

Vom Knowledge Graph zu Kontext Engineering – Digitale Probleme brauchen digitale Lösungen

Hilfe suchen können wir uns unter anderem dort, wo die Probleme herkommen: In der digitalen Welt. In den Bereichen Linked Open Data und Semantic Web hat sich schon lange das Prinzip des Knowledge Graphs bzw. Wissensgraphen etabliert. Wissensgraphen bieten die Möglichkeit, bestehende Informationen zu verknüpfen. Dazu wird eine Graphstruktur aufgebaut, die aus Knoten und den Beziehungen zwischen den Knoten besteht. So können insbesondere vernetzte Daten und Zusammenhänge gut abgebildet werden. Außerdem erlaubt diese Strukturierung, neue Schlussfolgerungen zu ziehen, womit der Pool an verfügbarem Wissen vergrößert wird. Der Ursprung des Knowledge Graphen liegt zwar in der digitalen Welt, das Prinzip hat sich – in Form von Enterprise Knowledge Graphs – aber auch für Unternehmen als wertvoll erwiesen.

Netzwerk Knowledge Graph
©1xpert – stock.adobe.com

 

Die Anwendungsbereiche für solche Enterprise Knowledge Graphs liegen meistens im Bereich Wissensmanagement. So kann zum Beispiel ein Monteur die Kennnummer eines Bauteils eingeben und bekommt Informationen zu dem Bauteil angezeigt. Er kann sich zudem mit einem Ansprechpartner in der eigenen Firma verbinden lassen, wenn er noch Rückfragen hat. Oft sind die bestehenden Lösungen lediglich auf einige spezifische Abfragen begrenzt und so nur für eine kleine Gruppe von Mehrwert.

Wir wollen deshalb noch weiter gehen. Jeder beliebige Nutzer soll die Möglichkeit haben selbst den individuell relevanten Kontext zu erkunden. So eine Kontextlösung kann auf der gleichen Datenbasis für die unterschiedlichen Nutzer immer die jeweils relevanten Informationen zeigen. Alles, was nicht relevant ist, wird ausgeblendet. Nur so können wir uns in dem ganzen „Wirrwarr“ einen Überblick verschaffen. Diese Herangehensweise nennen wir Kontext Engineering.

 

Wem kann Kontext Engineering helfen?

Wie kann so eine Kontextlösung auf Basis von Knowledge Graphen aussehen und wer kann davon profitieren? Schauen wir uns einmal zwei vereinfachte Personas an, die in sehr unterschiedlichen Bereichen tätig sind.

Kontext Engineering - Persona Franz

 

Franz arbeitet als Ingenieur für funktionale Sicherheit recht nah an der Technik. Man könnte auch sagen: Im Maschinenraum. Er erstellt Sicherheitskonzepte und definiert die dazugehörigen Anforderungen. Da er jedoch nicht der einzige Ingenieur für funktionale Sicherheit ist, muss er sich oft mit anderen abstimmen und sicherstellen, dass Anforderungen und Sicherheitsziele nicht in Konflikt zueinanderstehen. Das allein wäre schon anstrengend genug. Leider ist nicht immer klar, mit wem und worüber sich Franz überhaupt abstimmen muss, weil die Zusammenhänge zwischen Anforderungen, den relevanten Systembestandteilen und den dazugehörigen Ansprechpartnern sehr undurchsichtig sind. So verbringt Franz viel Zeit mit Suchen. Am liebsten würde Franz seine Anforderungen direkt im Kontext dieser Zusammenhänge betrachten können. Leider liegt nicht alles am gleichen Ort, ist nicht explizit verknüpft oder nicht gut durchsuchbar.

 

Kontext ENgineering - Persona Rita

 

Am anderen Ende des Spektrums arbeitet Rita. Als Portfoliomanagerin eines großen Unternehmens will sie das Portfolio der Firma so abstimmen, dass die Bedürfnisse der Kunden möglichst gut abgedeckt werden. Dafür will sie sich, anders als Franz, nicht mit spezifischen Anforderungen beschäftigen. Ganz im Gegenteil! Rita muss Überblick gewinnen, sowohl über die Kundenbedürfnisse als auch über die Fähigkeiten der Firma. Um einschätzen zu können was die Kunden gerade und in Zukunft wollen, liest sie Marktstudien, Trendanalysen und Tech-Blogs. Oft gestaltet es sich als schwierig, die Kundenwünsche auf die eigene Firma zu mappen, weil unterschiedliche Fachwörter benutzt werden oder gleiche Wörter anders besetzt sind. Über die Fähigkeiten der Firma hat Rita grundsätzlich einen guten Überblick, den sie dafür nutzt, um aus schon bestehenden Ressourcen neue Wertangebote zu stricken. Bei Themen außerhalb des Hauptgeschäftsfelds dringt die Information aber oft nicht bis zu ihr durch und sie erfährt nur durch Zufall, dass eine bestimmte Nische in der Firma bereits vorhanden ist. Rita freut sich immer, wenn sie erfährt, dass die Firma neben X auch noch Y kann. Immerhin ergeben sich dadurch neue Möglichkeiten, Kundenbedürfnisse zu adressieren. Sie ärgert sich aber auch, dass sie keine Möglichkeit hat, diese Information gezielt zu bekommen und sich stattdessen auf den Zufall verlassen muss.

Auch wenn Franz und Rita in sehr unterschiedlichen Bereichen arbeiten, stehen doch beide vor ähnlichen Herausforderungen. Sie bewegen sich in einer Welt, in der Zusammenhänge und Verknüpfungen von großer Wichtigkeit sind, haben aber das Problem, dass diese Zusammenhänge nicht leicht navigierbar sind. Sie würden sich und ihre Arbeitsartefakte gerne in einen größeren Kontext einordnen können, müssen sich diesen Kontext aber jedes Mal mühsam händisch zusammensuchen.

Rita, Franz und Kontext Engineering

Der Ansatz des Kontext Engineering ist immer der gleiche: Zusammenhänge sollen explizit und vor allem gut durchsuchbar zur Verfügung gestellt werden. Dazu gehört auch eine individualisierbare Benutzeroberfläche, damit jeder Nutzer die für ihn relevante Information auf sinnvolle Art erkunden kann. Die gemeinsame Datenbasis wird dabei kontinuierlich aktualisiert und auch erweitert, indem aus bestehenden Beziehungen neue Schlussfolgerungen gezogen werden.

Franz kann die Kontextlandkarte als erweiterten Anforderungsnavigator nutzen. Wenn er eine Anforderung ändern will, kann er sich sofort die beteiligten Komponenten, weitere betroffene Anforderungen und die entsprechenden Ansprechpartner anzeigen lassen. Er kann auch nach bestimmten Zusammenhangsmustern in den Anforderungen suchen, die auf Überprüfungsbedarf hinweisen. Um sich einen besseren Überblick zu verschaffen, kann er die Zusammenhänge zwischen den Anforderungen auch graphisch durchlaufen und Anforderungen visuell gruppieren. So werden auch Ausreißer identifiziert oder gute visuelle Grundlagen für ein Gespräch mit Kollegen oder Vorgesetzten geschaffen. Beim Start eines neuen Projekts kann er einfach herausfinden, welche der Anforderungen und Zusammenhänge aus dem Vorgängerprojekt weiterhin relevant sind und diese in das neue Projekt übertragen.

 

Kontext Engineering Knowledge Graph Franz

 

Knowledge Graph Franz

Dieser Ausschnitt aus der Datenstruktur zeigt exemplarisch, wie ein Knowledge Graph es ermöglicht herauszufinden, mit wem sich Franz abstimmen muss, wenn er eine Anforderung ändert (in diesem Beispiel ist es Tim).

Für Rita bietet die Kontextlandkarte eine ganzheitliche Betrachtung und Gegenüberstellung von Kundenwünschen und Unternehmensfähigkeiten. Sie kann alle Fähigkeiten der Firma erkunden, diese miteinander kombinieren, um neue Fähigkeiten zu generieren und sie mit den entsprechenden Kundenbedürfnissen verknüpfen. Vereinfacht wird dies durch eine Synonymbetrachtung, die äquivalente und ähnliche Konzepte aus den Fachsprachen miteinander verknüpft. Durch die ganzheitliche Darstellung sieht sie viel schneller, wo es Lücken im Portfolio gibt und kann sich auch effektiver auf die Suche nach Möglichkeiten machen, diese Lücken zu füllen. Um besser auf dem neuesten Stand zu bleiben, kann sich Rita Benachrichtigungsregeln einrichten. So wird sie zum Beispiel darüber informiert, wenn eine neue Fähigkeit entstanden ist oder wenn in einem Kundenprojekt eine neue Technologie eingesetzt wird.

Kontext Engineering Knowledge Graph Rita

 

Knowledge Graph Rita

 

Durch die Verknüpfung der Business Fähigkeiten mit den Elementen im Portfolio kann Rita einfacher herausfinden, welche Fähigkeiten noch gar nicht im Portfolio abgebildet sind. Auf Basis der gezeigten Datenstruktur würde die Kontextlandkarte sie darauf hinweisen, dass die neue Fähigkeit „Verpacken“ noch nicht genutzt wird. Rita könnte dann beispielsweise das Portfolio um verpackte belegte Brote erweitern.

Sowohl Rita als auch Franz verbringen durch die Kontextlandkarte erheblich weniger Zeit damit händisch Informationen zusammenzutragen. Sie haben aktuellere Informationen und ein besseres Gefühl für die Zusammenhänge in ihrem Umfeld. Auch die Kommunikation mit anderen ist einfacher, weil sie durch die guten Visualisierungen und Synonymbeachtung ihre Gedanken besser anderen in den Kopf zaubern können.

 

Mehr als nur ein Knowledge Graph: Kontext Engineering bei CPU 24/7

Mit welchem Anspruch arbeiten wir am Kontext Engineering bei CPU 24/7 – was machen wir anders?

  • mehr als nur die reine Technologie: Die Graph-Datenbank bereitstellen und dann wieder gehen gibt es bei uns nicht. Der Knackpunkt beim Kontext Engineering ist nicht die Technologie selber, sondern die innovative Nutzung der Technologie. Darauf legen wir den Fokus.
  • Graph Design Knowhow: Es ist gar nicht so einfach, einen Wissensgraphen aufzubauen. Wo fängt man an? Wie können Abläufe und Konzepte des Engineerings in einen Wissensgraph überführt werden? Worauf muss man achten? Diese Fragen haben wir bei CPU 24/7 schon vorgedacht, um unseren Kunden den nötigen Vorsprung zu verschaffen.
  • individuelles User Interface für jeden Nutzer oder Use Case: Ein Knowledge Graph bringt nur dann Mehrwerte, wenn er auch gut nutzbar ist. Dazu braucht es eine Nutzeroberfläche, die die relevanten Informationen schnell, einfach und übersichtlich zur Verfügung stellen kann. Weil das für jeden Anwendungsfall anders aussieht, bekommt im Kontext Engineering jeder seine eigene individuelle bzw. anpassbare Benutzeroberfläche.
  • HPC und Kontext Engineering aus einer Hand: Bei CPU 24/7 können unsere Kunden nicht nur schnell simulieren. Die Simulationsdaten können auch gleich über einen Knowledge Graph in den Kontext eingebettet werden. Endloses Suchen nach den Daten („Ich bin mir ganz sicher, dass ich das irgendwann schonmal simuliert habe“) gehört damit der Vergangenheit an.
  • direkte Zusammenarbeit mit dem Kunden von Anfang bis Ende: Von der Identifikation der Use Cases und der Anforderungsanalyse bis zur Optimierung im Betrieb sind wir dabei und stehen tatkräftig zur Seite.

 

Kontext Engineering nochmal kurz und knapp

Die heutige Arbeitsrealität mit ihren immer komplexer werdenden Produkten stellt also Akteure in den unterschiedlichsten Positionen vor Herausforderungen. Vielen fehlt sowohl der Überblick als auch der Einblick in den Kontext der eigenen Arbeit. Helfen kann hier ein proaktives Kontext Engineering, wofür sich Knowledge Graph Technologien sehr gut eignen. CPU 24/7 ist Vorreiter in diesem Feld und unterstützt Unternehmen bei der Umsetzung einer eigenen individuellen Kontextlösung. Wir freuen uns immer über Fragen und Austausch zu dem Thema!

 

Mehr zum Thema auf engineeringcloud.io

👉Cloud-Services für Ingenieure im Überblick

👉 Kubernetes für Ingenieure

👉 Public Cloud auf dem Silbertablett – Bitte! Danke! Gern geschehen!

👉 Managed HPC-Cloud für CAE as a Service

👉 IaaS, PaaS und SaaS mit unseren Engineering Web Services

👉 Managed Public Cloud Services

_____________________________________________

Autoren/Innen:

CPU 24/7 GmbH

Julia Rengshausen, M.Sc. – Junior Systems Engineer
Michael Reichel Dr.-Ing. –  Business Development Manager

Telefon: +49 (0)331 279 784 47
marketing@cpu-24-7.com

Zurück zum Blog