160.000 Quellen im Blick

Feature | 11. Februar 2014 von Jaqueline Prause 0

Das Team von Semantic Visions, in der Mitte: Frantisek Vrabel; Foto: SAP

Das Team von Semantic Visions, in der Mitte: Frantisek Vrabel; Foto: SAP

Große Hersteller sind auf ein riesiges Netz mit Tausenden von Lieferanten angewiesen, die rund um den Globus verstreut sind. Wenn einer dieser Lieferanten ein Problem hat, das sich auf seine Produktionsleistung auswirkt muss der Hersteller die Situation einschätzen und schnell Alternativen finden, bevor die gesamte Lieferkette beeinträchtigt wird. Egal ob es um eine Naturkatastrophe, einen Streik, einen Rechtsstreit oder die Lahmlegung der öffentlichen Verwaltung durch einen Haushaltsnotstand geht. Deshalb lohnt es sich für Risikomanager bei großen Herstellern, die Partner ihrer Logistikkette genau zu überwachen und mögliche Risiken zu verfolgen.

Es ist jedoch für einen Manager nahezu unmöglich, die entsprechenden Gefahren zeitnah zu erkennen und die Risiken in einem weitverzweigten Netz umgehend zu mindern. Selbst wenn der Manager die Informationen im Internet, der größten verfügbaren Wissensdatenbank, durchforstet, wird er feststellen, dass die Datenmenge einfach zu groß und über zu viele Nachrichtenquellen, Portale und Sprachen verteilt ist, um richtig ausgewertet und verstanden zu werden.

Frantisek Vrabel: Archäologiefan auf Abwegen

„Muss das wirklich sein“, fragte sich Frantisek Vrabel, CEO und Gründer des tschechischen Technologie-Start-ups Semantic Visions. Und er begann, ein System zur Analyse von Informationen im Internet zu entwickeln, das die dort verfügbaren Informationsschätze unabhängig von der Sprache verstehen sollte. Vrabels Ziel war es, „einen universellen Zugang zum weltweiten Wissen in jeder Sprache ermöglichte“. Mit einem Team von 30 Entwicklern aus 15 Nationen gründete Vrabel 2004 Semantic Visions. Er war bereits davor mit anderen Start-up-Unternehmen erfolgreich und hat sich einem zentralen Thema verschrieben: der Analyse großer Informationsmengen zur Entdeckung verborgener Zusammenhänge. Vrabek wuchs im Nahen Osten, im Irak, auf und interessierte sich schon immer sehr für Archäologie. „Ich war einfach von Mesopotamien mit all seinen Kulturen begeistert“, sagt er, „das hat meine Denkweise geprägt und mir klar gemacht, dass unsere Welt sehr alt und heute immer stärker vernetzt ist.“

Auf der nächsten Seite: Warum In-Memory sein musste

Die Vorstellung von vernetztem Wissen veranlasste Vrabel und sein Team dazu, einen ausgeklügelten ontologischen Algorithmus zu entwickeln, der unstrukturierte Daten in 11 Sprachen lesen und verstehen kann. Heute hat Semantic Visions die weltweit größte semantische Ontologie geschaffen. Das Unternehmen ist internationaler Marktführer für semantische Analysen und Datenverarbeitung mit Open-Source-Lösungen. Semantic Visions hat eine semantische Datenbank mit 35 Terabyte Metadaten aufgebaut, die nicht nur von Herstellern, sondern auch Nachrichtensendern wie CNN genutzt wird, um weltweite Ereignisse zu verfolgen. Vor zwei Jahren wurde Vrabel jedoch mit der Verarbeitungsgeschwindigkeit der Datenanalysen in den Anwendungen von Semantic Visions immer unzufriedener. In Meetings mit seinem Entwicklerteam klagten seine Mitarbeiter ebenfalls: „Wir haben einfach nicht genug Rechenleistung. Wir werden Wochen brauchen, um die gewünschten Antworten zu erhalten. Dabei sollen wir ja ein Echtzeit-Tool bereitstellen.“

„SAP HANA ist das richtige Tool für riesige Datenmengen“

Vrabel begann nach einer neuen Art von Technologie zu suchen, die eine neue Form von Services ermöglichen würde. „Schließlich kamen wir zu dem Schluss, dass SAP HANA genau das richtige Tool sein würde“, sagt Vrabel. „Mit herkömmlichen Analyse- und Datenbankwerkzeugen lässt sich einfach keine Echtzeitanwendung entwickeln. Erst durch SAP HANA sind wir in der Lage, unsere riesigen Datenmengen zu verstehen.“ Semantic Visions schloss sich dem SAP-Startup-Focus-Programm an und verwendet nun SAP HANA, um Daten in seinen Anwendungen in Echtzeit zu analysieren. Mit Vega, der Echtzeitanwendung von Semantic Visions auf Basis von SAP HANA, lassen sich Beeinträchtigungen von Lieferketten entdecken und überwachen. Jeden Tag liest Vega 1 Million Artikel in 11 Sprachen aus 160.000 Quellen und sucht laufend nach Gefahren für Lieferketten. Die Anwendung durchsucht Informationen aus Nachrichtenportalen, Websites von Unternehmen und Behörden sowie hochqualitative Blogs, sammelt Inhalte und führt semantische Analysen durch.“.

Vega deckt vier verschiedene Lieferkettenszenarien ab: 1. unmittelbare Gefahren wie ein industrieller Zwischenfall bei einem bestimmten Unternehmen; 2. Gefahren in einer bestimmten Region, in der manche Lieferanten angesiedelt sind; 3. plötzlicher Anstieg in der Zahl der Artikel über ein bestimmtes Unternehmen, die auf ein Problem schließen lassen; 4. plötzlicher Anstieg in der Zahl der Artikel mit einer negativen Stimmung. „Das System hat praktisch zu jeder Zeit Kenntnis von allen vorhandenen Informationen“, erklärt Vrabel. „Die Herausforderung ist nun, das darin verborgene Wissen zu enthüllen. Dafür bedarf es eines leistungsfähigen Analysewerkzeugs. Und einer visuellen Benutzeroberfläche, die hilft, die komplexen Ergebnisse der Analyse zu verstehen.“

Auf der nächsten Seite: Die Sache mit den Tausend Augen und Ohren

Vega kategorisiert die Unternehmen in der Lieferkette nach ihrem Risikopotenzial. Diese Informationen werden in einem übersichtlichen, grafischen Format dargestellt.  Wenn Unternehmen oder Gefahren rot gekennzeichnet sind und damit ein hohes Risiko existiert, kann sich der Risikomanager weitere Details dazu anzeigen lassen. Die Anwendung verfolgt diese Risiken kontinuierlich, damit der Risikomanager sieht, ob die Risiken zunehmen oder abnehmen.

„Mit dieser Anwendung hat der Nutzer Tausende von Augen und Ohren, die ihn zusätzlich unterstützen. Es ist ein Werkzeug für die Informationsanalyse“, sagt Vrabel. „Es wird also nicht nach etwas gesucht, da man kaum nach dem Unbekannten suchen kann. Das System warnt aber automatisch davor, dass es Probleme in der Lieferkette geben könnte.“

Tags: ,

Leave a Reply