TraceLab

Anders als üblich übernahmen wir das Projekt nach der bereits abgeschlossenen ersten Leistungsstufe. Für die zweite Leistungsstufe waren zunächst nur die Vervollständigung und Verbesserungen der Software geplant. Es stellte sich jedoch bereits nach kurzer Zeit heraus, dass viele Entwicklungen der ersten Leistungsstufe nicht zur Spezifikation passten. Zudem war der Einsatz von Fremdbibliotheken und Frameworks beschränkt, sodass wir Alternativen in Form von maßgeschneiderten Lösungen für TraceLab fanden. In einem ersten Schritt überarbeiteten wir also das System, um es lauffähig zu machen, und passten es im zweiten Schritt genau an die Bedürfnisse des Kunden an.

Neben der globalen Verteilung der Entwicklungsstandorte und unterschiedlicher Zeitzonen ist insbesondere die stetig steigende Datenmenge eine fortlaufende Herausforderung im Projekt. TraceLab entlastet das firmeninterne Netzwerk der BMW AG, indem es Trace-Daten bereits an den Standorten systematisch auswertet. Dadurch müssen nur noch die tatsächlich benötigten Informationen der Testfahrten übertragen werden. So spart sich die BMW AG nicht nur Netzwerkkapazität, sondern auch Speicherkapazitäten, denn unnötige Kopien von Terabyte-großen Testdatenordnern werden gar nicht erst erstellt.

Zurzeit stehen ca. 55 Terabyte an Daten pro Woche zur Analyse bereit. Die Tendenz ist stark steigend, da u. a. wegen der Zunahmen an Elektrofahrzeugen mehr und mehr Elektronik / Steuergeräte verbaut werden. Heute setzen wir in diesem Projekt nicht nur neue Anforderungen um, sondern helfen bei der Architektur-Entwicklung und beraten den Kunden bei ebendieser Herausforderung der stetig steigenden Datenmenge.

TraceLab kommt mittlerweile in verschiedenen Abteilungen der BMW-Forschung und -Entwicklung zum Einsatz. Es wird von Entwicklungs-Ingenieuren für Elektronik oder Datenanalysten der „Connected Company“, z.B. im Bereich „Fahrzeugdatenvernetzung“, genutzt.

Es läuft in einem hochverfügbaren Setup, ist horizontal skalierbar und basiert auf einer modularen Architektur. Dadurch lässt es sich leicht an unterschiedliche Umgebungsbedingungen anpassen.

Ausgelesene Testfahrten (Sessions) werden automatisch erkannt und nach Analyseaufträgen geprüft, deren Regeln auf die Eigenschaften dieser Sessions zutreffen. Wenn sie zutreffen, wird noch vor Ort die Analyse ausgeführt und ausschließlich deren Ergebnis in das zentrale DataWarehouse geladen.