Die BMW Group holt sich mit der Snowflake AI Data Cloud zusätzliche Rechenleistung für ihre Betriebsdaten-Workloads

Die BMW Group ist bekannt für Innovation und Qualität – und das nicht nur in Bezug auf ihre Fahrzeuge. Tatsächlich sind diese beiden Werte heute fester Bestandteil von BMWs DNA. 2018 hat das Datenteam von BMW ein wegweisendes Programm ins Rollen gebracht, um auf Basis seines Cloud Data Hub (CDH) datengestützte Einblicke aus dem ganzen Unternehmen zusammenzuführen.

Das Leitprinzip des CDH bestand schon immer darin, eine Reihe an dezentralen, modernen Daten-Tools bereitzustellen, die alle durch ein zentrales Data-Governance-Modell unterstützt werden, um Einheitlichkeit und Qualität zu gewährleisten.

Da BMW über enorme, vielfältige Datenbestände verfügt – 6.000 Datasets und Produkte über 15 BMW-Domains hinweg (inklusive Wartungs-, Fertigungs- und Kundendienstprozesse) –, musste der CDH den mehr als 10.000 monatlichen Nutzenden entsprechende Performance und Skalierbarkeit bieten können.

Um die für große betriebliche Analytics-Workloads erforderlichen Rechenressourcen bereitzustellen, benötigte die BMW Group eine kosteneffiziente Plattform, die große Datasets und komplexe Workloads innerhalb eines strengen Governance-Frameworks verarbeiten kann. Eine solche Plattform sollte sich außerdem nahtlos in das CDH-Ökosystem integrieren lassen. Die Lösung für diese und andere Anforderungen war die Snowflake AI Data Cloud.

Für viele ihrer Anwendungsfälle im CDH nutzen die Teams von BMW eine Mischung aus AWS-Infrastruktur und Apache Iceberg-Tabellen, um von einer hohen Performance und Flexibilität zu profitieren. „Wir haben eine starke Partnerschaft mit Amazon Web Services, da sich die AWS-Tools für die meisten unserer Anwendungsfälle eignen“, erklärt Ruben Simon, Head of Product Management, Cloud Data Hub bei der BMW Group.

Das CDH-Team bemerkte jedoch, dass für einige Anwendungsfälle – vor allem diejenigen mit großen betrieblichen Datasets – eine andere Herangehensweise erforderlich war. „Für betriebliche Anwendungsfälle benötigen wir eine hohe Rechenleistung, und da konnte sich Snowflake unter seinen Wettbewerbern hervortun. Das war der Grund, warum wir Snowflake in den CDH integrieren wollten.“

Mit der AI Data Cloud als integralem Bestandteil der Datengrundlage der BMW Group profitiert das Unternehmen heute von einer hohen Performance für große Daten-Workloads. Aktuell werden mit Snowflake beispielsweise die Wartungsdaten des Unternehmens verarbeitet – also Transaktionsdaten zu Fahrzeugservices und Reparaturleistungen aus dem letzten Jahrzehnt, die in einem riesigen Data Lake gespeichert sind. Dank der hohen Rechenleistung von Snowflake können Mitarbeitende in Autohäusern und Werkstätten nahezu in Echtzeit die Wartungsverläufe ihrer Kundschaft aufrufen. Die Belegschaft kann dadurch effizienter arbeiten und schneller auf Informationen zugreifen, während Kundinnen und Kunden von kürzeren Wartezeiten für Wartungs- und Reparaturarbeiten profitieren.

Obwohl Iceberg zwar ein besseres Kosten-Nutzen-Verhältnis für einfache Workloads auf einzelnen Tabellen anbietet, kam das CDH-Team schnell zu dem Schluss, dass Snowflake für komplexere Workloads eine hohe Performance bei geringeren Kosten erbringen kann. „Da es sich hier um erstklassige Rechenressourcen handelt, gingen wir davon aus, dass Snowflake teurer sein würde. Tatsächlich sparen wir bei rechenintensiven Workloads damit aber bares Geld“, so Ruben Simon. Bei ihren Wartungsdaten-Workloads konnte die BMW Group mit Snowflake ihre durchschnittlichen Kosten im Vergleich zu ihrer vorherigen Plattform um 25 % reduzieren.

Darüber hinaus überzeugt Snowflake mit einer intuitiven Benutzeroberfläche und einer einfachen Konfiguration für Nutzende. Während für die Nutzung von AWS-Tools erst einmal noch Rollen erstellt werden müssen, lassen sich Snowflake-Instanzen in nur wenigen Klicks bereitstellen. Das CDH-Team arbeitete eng mit Snowflake zusammen, um die Barrieren für den Zugang zur AI Data Cloud noch weiter zu senken und der Nutzerschaft dadurch den Einstieg zu erleichtern. Dies würde erklären, warum die Lösung intern so schnell angenommen wurde. Insgesamt 60 CDH-Anwendungsfälle, die von Vertrieb und Wartung bis hin zur Lieferkette reichen, wurden innerhalb von nur 18 Monaten mit Snowflake bereitgestellt.

Jedes Tool, das Teil des CDH wird, muss dem Governance-Framework von BMW gerecht werden, ebenso wie BMWs Verpflichtungen hinsichtlich der Speicherung und Verarbeitung von Daten. Snowflake war da keine Ausnahme.

„Gemäß unserem Data-Governance-Framework müssen jegliche Daten auf unserer Plattform transparent gehandhabt werden“, erklärt Khalid Al-Khalili. „Gewährt ein Data Steward Zugang zu einem Dataset in einem System, muss diese Genehmigung auch auf andere Plattformen übertragen werden – egal ob AWS oder Snowflake.“

In der Praxis bedeutete dies, dass Snowflake Daten im ganzen CDH lesen und schreiben können musste, und dass auch Identitäten über die internen Systeme von BMW sowie AWS hinweg einsehbar sein mussten. Ein solches Level an Integration über eine vollständige Dateninfrastruktur hinweg mag erst einmal nach viel Arbeit klingen. Es gelang BMW jedoch innerhalb von 18 Monaten, Snowflake relativ reibungslos in sein komplexes Multi-Anbieter-Ökosystem zu integrieren. Dafür war lediglich ein Team von sechs Snowflake-Expert:innen mit entsprechender Unterstützung aus dem CDH-Team erforderlich.

Dank ihrer Bemühungen und dank Snowflakes vorheriger Erfahrung mit der Integration von anderen Technologielösungen unterstützt Snowflake heute mehrere weitere Tools, die bei BMW regelmäßig zum Einsatz kommen. „Für unsere Nutzenden soll die Erfahrung komplett nahtlos sein“, so Ruben Simon. „Da uns Snowflake mit den nötigen Rechenressourcen unterstützen kann, wurde das zur Realität. Dadurch haben wir gemerkt, dass Snowflake ein großartiger Partner sein wird. Wir können unsere Daten in AWS, Iceberg oder sonstwo speichern, und trotzdem von den Rechenressourcen von Snowflake profitieren.“

Die BMW Group plant, ihren CDH weiter auszubauen. Die Teams haben künftig vor, strukturierte und unstrukturierte Daten miteinander zu verbinden, passende Anwendungsfälle für generative KI zu identifizieren und zu einer offenen Datenherkunftsstruktur zu wechseln.

Das Unternehmen möchte außerdem Multi-Cloud-Funktionen für den CDH nutzen – natürlich immer in Übereinstimmung mit ihrem Data-Governance-Framework. Snowflakes Fähigkeit zur nahtlosen Integration wird den Fahrzeughersteller auch künftig bei seinen intensivsten Workloads unterstützen – unabhängig davon, wo die Daten gespeichert sind.

„Es war uns schon immer wichtig, eine Anbieterabhängigkeit zu vermeiden“, so Ruben Simon. „Dass Snowflake sich sogar mit unseren Open-Source-Tools integrieren lässt, hat uns wirklich beeindruckt. Im Kontext unserer aktuellen Infrastrukturverpflichtungen hat Snowflake seinen Mehrwert durch seine flexible Integrationsfähigkeit absolut unter Beweis gestellt.“