Der 31. TDWI Roundtable Basel am 11. Mai 2023 wurde online aufgesetzt und durchgeführt, und wir durften rund 50 Teilnehmer und Teilnehmerinnen begrüßen. Nach einer kurzen Vorstellung des TDWI durch den Vorsitzenden des Roundtable Basel Jan Altin und Unterstützung durch Lena Petermann nahmen unsere Referenten Marcel Graf (BLS) und Matthias Mohler (Swisscom) uns mit auf die Reise der BLS Cargo. Der Vortrag zum Thema „Cloud-native Data Platform & Machine Learning für die Prognose von Cargo-Zügen“ verfolgte die Zielsetzung, einen Einblick in die BLS Cargo, deren Data & Analytics sowie die Prognose von Verspätungen zu gewinnen.
Nach einem kurzen Überblick über die BLS & BLS Cargo mit ihrem Kerngeschäft erhielten die Teilnehmer Informationen zur Cargo Journey – die bis hin zu Nordsee und Mittelmeer reicht.
In der Ausgangslage der BLS Cargo wurden die Wünsche der Kunden, bei Abweichungen vom Fahrplan möglichst frühzeitig präzise und verlässliche Ankunftsprognosen zu erhalten, betrachtet. Als Business-Case wurden Schnittstellen der Kunden (Abläufe an Ankunftsterminals bei Kunden) und Partner (Übergaben der Züge an Landesgrenzen) sowie die Automatisierung der internen Abläufe herangezogen.
Abb. 1 Cargo Journey
Als Anforderungen wurden unter anderem der Einsatz von Machine-Learning-Algorithmen sowie die Erstellung von Prognosen in Echtzeit formuliert. Dabei wurden unter anderem als Ziele definiert: stabile Prognose der Ankunftszeit von mindestens 80 Prozent der Züge 4 Stunden vor Ankunft auf +/– 1 Stunde. Außerdem sollten alle Züge automatisiert eine Ankunftszeitprognose erhalten.
In der Timeline für die Umsetzung konnte man deutlich sehen, dass gewisse Abläufe und technische Lösungsansätze – vom Proof of Concept bis hin zur Operationalisierung – erforderlich sind, um nachhaltige Ergebnisse zu erlangen: Erstellung der Datenbasis, Definition und Berechnungen von Abweichungen SOLL-IST, konzeptionelle Architektur sowie optimierte Modelle, um verlässliche Prognosen im Rahmen eines Use-Case zu erstellen.
Sowohl in den anregenden wertvollen Diskussionen als auch in den abschließenden Lessons learned wurde erkannt, dass die Reise in dieser komplexen Umgebung noch nicht zu Ende ist. Es gibt bereits Ansätze zur Optimierung, was die Qualität der Daten im angewendeten Modell, die konzeptionelle Architektur oder auch neue bzw. zusätzliche Use-Cases angeht.
Die Folien des Vortrags stehen auf den Seiten des TDWI im Mitgliederbereich zur Verfügung.
