t3n News Infrastruktur

Big Data im Carsharing: Was Betreiber aus den Daten lernen können

Big Data im Carsharing: Was Betreiber aus den Daten lernen können

Das Thema Sharing Economy ist nicht erst seit und in aller Munde. Es kommen immer mehr Anbieter für jegliche Märkte auf – wodurch sich neue Chancen für die Branche aufzeigen.

Big Data im Carsharing: Was Betreiber aus den Daten lernen können

(Foto: Shutterstock)

Schon 1999 gründeten Bürger in Großstädten aus der Not an Parkplätzen, geringer Nutzungsquote und hohen Anschaffungs- und Unterhaltskosten heraus Initiativen wie ZIP-Car oder Stadtauto. War zu dieser Zeit der Auslöser eher im privaten Bereich zu finden, bieten mittlerweile Unternehmen Plattformen für den Austausch oder das Teilen von vielerlei Objekten an. Die Mobilität stellt die Betreiber aber vor ganz besondere Herausforderungen, bietet aber auch ungeahnte Chancen.

Big Data

Allem voran stellt eine zukunftsweisende Geschäftsstrategie hohe Anforderungen an die Datenübertragung und -auswertung innerhalb des Systems. Hinter dem Begriff „Big Data“ verbirgt sich alles, was für den Betrieb einer Fahrzeugflotte aus Wartungs-, Kunden- und Forschungsperspektive notwendig ist.

Tesla Motors: Geht es nach Elon Musk, könnten die Autos seines Unternehmens schon in zwei Jahren auch längere Strecken ohne Fahrer zurücklegen. (Foto: Tesla Motors)
Über Elektro-Fahrzeuge lassen sich viele Daten sammeln und auswerten. (Foto: Tesla Motors)

Moderne Fahrzeuge sind rollende Computer und erfassen ständig Daten aus der Umgebung und dem eigenen Innenleben. Diese werden mal mehr, mal weniger dem Fahrer angezeigt. An wichtige Erkenntnisse gelangt der Betreiber einer Flotte durch die intelligente Verknüpfung der Daten, wobei unbekannte Datenkorrelationen zu interessanten Ergebnissen führen. Dies bedingt aber auch, dass die Daten in einer niedrigen Taktung erfasst und übertragen werden, um Zusammenhänge zu erkennen. So vollzieht man zum Beispiel einen Schaltvorgang im Auto in weniger als zwei Sekunden und betätigt dabei viele unterschiedliche Komponenten (Gas wegnehmen, Kuppeln, Gang wechseln, Kupplung kommen lassen, Gas geben). Um hier Rückschlüsse abzuleiten, müssen die Sensoren folglich auch in einem sehr kurzen Takt Daten liefern.

Beispiele für Datenpunkte in einem Auto sind zum Beispiel Reifendruck, Reifentemperatur, GPS-Position, Lenkwinkel, Drehzahl, Drehmoment, Handbremse, Kupplung, Gaspedal, Geschwindigkeit, Neigung des Fahrzeugs oder die Motortemperatur. „Für ein elektrisch betriebenes Fahrzeug sind das Ladeverhalten des Nutzers, sowie Außen- und Batterietemperatur entscheidend“, ergänzt Götz Schmidt, Marketingleiter beim Münchner Elektroroller-Hersteller Govecs. Zu Kunden von Govecs zählen Scooter-Sharing-Unternehmen wie Scoot networks (San Francisco) und cooltra (Barcelona).

Neue Herausforderungen für die IT-Infrastruktur

Hieraus ergeben sich für die IT-Infrastruktur ganz neue Herausforderungen. Eine große Anzahl von Fahrzeugen sendet in einer extrem kurzen Taktung Daten an ein zentrales System, das dieses Datenvolumen aufnehmen und verarbeiten muss. Die Datenübertragung muss folglich leichtgewichtig bleiben. Die Übertragung der Informationen muss priorisiert werden. Und die Nachrichtenübertragung soll so einfach wie möglich sein, was die notwendige Bandbreite für die Datenübertragung zwischen Fahrzeug und Backend minimiert und damit die Kosten für den Mobilfunk gering hält.

Für einige Nachrichten muss sichergestellt sein, dass sie den Empfänger erreichen. Das bedeutet, Verbindungsabbrüche verursachen nur einen vorübergehenden Kommunikationsverlust zwischen den Parteien. „Hier empfehlen wir das Protokoll MQTT als zuverlässige und effiziente Kommunikation über instabile Mobilfunknetze zwischen Tausenden vernetzten Geräten mit einem zentralen Backend“, so Michael Bauer, Senior Software-Engineer bei der MaibornWolff GmbH in München. Das Maschine-zu-Maschine- Protokoll ist inzwischen eines der wichtigsten Protokolle im Internet der Dinge. Implementierungen gibt es von verschiedenen Anbietern, sowohl als proprietäre Lösung (HiveMQ), wie auch als Open-Source-Lösung (RabbitMQ). MQTT eignet sich, um Nachrichten mit geringem Netzwerk-Overhead zwischen Client und Server zu übertragen und bietet drei Quality-of-Service-Levels, die eine Priorisierung der Nachrichtentypen erlauben. Ferner ist eine Verschlüsselung der Daten möglich. Viel wichtiger ist die Flexibilität des Protokolls, das mittels Schnittstellenadaptern mit unterschiedlichen Geräten und Geräteversionen sprechen kann.

(Grafik: Shutterstock)
Für die IT-Infrastruktur gibt es einige Herausforderungen. (Grafik: Shutterstock)

Ein weiterer Ansatz, die Datenmenge zu verwalten und zu verarbeiten, ist das Konzept der Datendrehscheibe in Form eines dem Backend vorgeschalteten Message Broker. Der nimmt Daten in einem Kanal entgegen und verteilt sie nach Bedarf an weitere Anwendungen wie zum Beispiel CRM- oder Buchhaltungssysteme. Der MQTT-Server verwendet dafür Regeln, die die Daten nach festgelegten Kriterien filtern und verteilen. Rückblickend lassen sich Nachrichten über die Sender-ID eindeutig einem Absender zuordnen, ohne Platz im Payload der Nachricht zu verbrauchen.

In unserem Fall ist der Hauptabnehmer für Nachrichten der Datendrehscheibe das Backend für das Flottenmanagement. Hier kommen alle Daten an, um die Flotte zu betreiben. Eine Big-Data-Anwendung muss eine schnelle und flexible sein. Dabei unterscheiden sich die Anforderungen an Berichte und Echtzeitdaten wesentlich. Während Echtzeitdaten sehr schnell verfügbar sein müssen, brauchen ausführliche Datenanalysen eine große Datenbasis. Im Tagesgeschäft dürfen zum Beispiel die Positionsdaten flüchtiger aber prompt verfügbar sein. Im Gegensatz dazu bilden Berichte das Rückgrat für diverse Kennzahlen, können aber in betriebsarme Zeiten in der Nacht verlegt werden. „Für eine belastbare Big-Data-Architektur, die aus den enormen Datenmengen im Internet der Dinge sinnvolle Informationen destilliert, eignet sich die sogenannte „Lambda-Architektur“ als hybrider Ansatz für Echtzeit-Anwendungen und Batch-Auswertungen besonders“, meint Michael Bauer.

Der technische Aufwand ist folglich enorm und die Kurzzeitmieten stellen ein ideales Test-Umfeld für die IT-Landschaft dar. So können Erkenntnisse für das Datenvolumen, die Datenstruktur und -übertragung für den breitflächigen Einsatz gewonnen und überarbeitet werden. Quasi agil entwickeln, verbessern und schließlich für alle freischalten.

Wartung und Flottenmanagement

Die Position eines Fahrzeugs in einem Netzwerk ist der nahe liegende Datensatz. Gepaart mit dem Buchungsstatus kann das Service-Team entsprechend reagieren. Eine qualitativ hochwertige Business-Intelligence () erlaubt Wartungsvorhersagen auf Basis von bekannten Zusammenhängen, sodass Verschleißteile schon frühzeitig bestellt und das Fahrzeug für den Werkstattbesuch eingeplant werden kann. Sie hilft aber auch bei ziemlich profanen Alltagsproblemen, wie zum Beispiel der Aufforderung zum Akkutausch wegen zu geringer Reichweite zur nächsten Station.

Grafik: (Max Griboedov / Shutterstock)
Auf Basis der gesammelten Daten und Zahlen kann das Service-Team reagieren. (Grafik: Max Griboedov / Shutterstock)

Big Data läßt sich aber auch für die Unternehmenssteuerung einsetzen. Der Flottenmanager überwacht seine Kennzahlen in einem Cockpit in Echtzeit, wie zum Beispiel:

  • die Auslastung der Flotte
  • die durchschnittliche Fahrtdauer
  • Parkdauer
  • durchschnittlich gefahrene Distanz
  • und vergleicht auch die Kennzahlen der einzelnen Standorte oder gar Städte miteinander

Beim Einsatz für einen Lieferservice bietet die Kopplung eines Smartphones mit dem Roller automatisch ein elektronisches Fahrtenbuch. Auch die Routenoptimierung spielt hier eine wesentliche Rolle, vor allem wenn sich Beschwerden über „kalte Essenslieferungen“ häufen.

Der Einsatz von Fahrzeugen in einem Kurzzeit-Mietmodell ist deshalb so interessant, weil mehrmals täglich die Fahrprofile wechseln und so die Datenvielfalt exponentiell wächst. Die Fahrzeuge sind also im Gegensatz zum privaten Gebrauch im Dauereinsatz und lassen Rückschlüsse für die Wartung aber auch die Entwicklungsabteilung zu.

Beispielsweise werden die Bremsklötze an einem Elektroroller alle 5.000 Kilometer gewechselt. Weichen die tatsächlichen Verschleißzyklen deutlich davon ab, bietet sich eine Datenanalyse an, um nach den Ursachen zu forschen – hier geben Fahrverhalten, geographische Indikatoren und das Wetter oder die Zuladung hinreichend Aufschlüsse.

Oder die Nutzung von Seitenständer versus Hauptständer kann entscheidende Impulse für die Produktion geben. Reichert man diese Daten noch mit dem Geschlecht des Fahrers an, ergeben sich wertvolle Erkenntnisse für Marketing und Produktion.

Die Auswertung des Reifendrucks bietet gleich zweifach Vorteile, denn dieser ist ein wesentlicher Einflussfaktor für die Reichweite. Zum Einen kann das Service-Team ausrücken und den Reifendruck anpassen. Zum Anderen können mit den Daten exakte Berechnungen erstellt werden, wie stark die Reichweite tatsächlich beeinflusst wird und ab wann sich der Einsatz des Service Teams lohnt.

Kundenkommunikation

Zu guter Letzt dreht es sich um das Herzstück des E-Rollers – und jedes Elektrofahrzeugs – die Batterie. Der sorgsame Umgang mit diesem teuren Bauteil sorgt für eine lange Lebensdauer mit hoher Reichweite. Hier liefern die aus dem Protokoll übertragenen Daten zahlreiche Ansatzpunkte. Schmidt: „Wie ist das Ladeverhalten? Lässt sich dieses optimieren? Welche Hilfestellungen können dem Nutzer/Operator systemseitig an die Hand gegeben werden? Wie lassen sich die schädlichen Tiefenentladungen vermeiden? Wie kann man die User bei der Batteriepflege unterstützen?“

Die systemseitige Kommunikation hilft hierbei enorm und unterstützt die Kunden in smarter Weise länger mehr Spaß und Freude an ihrem Produkt zu haben. Denn alle Faktoren können eigentlich leicht vermieden werden. „Dies ist ein perfekter Einsatz direkter Kundenansprache und -bindung“, sagt Götz Schmidt. „Der Besitzer eines Rollers ist dankbar für hilfreiche Tipps für eine lange Lebensdauer seines Fahrzeugs. Auf der anderen Seite können Verleiher mit gezielten Bonusprogrammen materialschonenden Umgang trainieren und fördern“, so Schmidt weiter. Der Carsharing-Betreiber Car2go vergibt Kleeblätter mit einem Wert für umweltschonendes Fahren am Ende jeder Miete. Somit wird die persönliche Umweltbilanz sichtbar und der Spieltrieb um noch sparsameres Fahren gefördert. Denkt man dieses Modell weiter, kämpfen alle Nutzer um die Auszeichnung als umweltfreundlichster Fahrer Münchens im Monat April und erhalten als Dankeschön Freiminuten oder ähnliches. Neben Adhoc-Informationen auf einem Smartphone können aber auch Berichte und Auswertungen bereitgestellt werden.

Kooperationen mit Partnern führen zu gelenkter Navigation. Ähnlich wie ich als Payback-Punktesammler vermutlich eher eine Aral-Tankstelle anfahre, kaufe ich als Nutzer von drive-now höchstwahrscheinlich bei Rewe ein, weil es Rabatte plus 10 Minuten kostenloses Parken gibt.

Vorheriger Artikel Zurück zur Startseite Nächster Artikel
4 Antworten
  1. von grep am 19.03.2016 (15:18 Uhr)

    Hallo ...,


    'rollende Computer', ergo vernetzte Vehicle, das IoT stellt eine riesige Gefahr dar - für Cracker ein El Dorado.
    Das Klonen wurde (hier und da) auch verboten resp. eingeschränkt - warum (?) ... (JA,) genau darum (!).


    Ciao, Sascha.

    Antworten Teilen
  2. von Jürgen Tepe am 22.03.2016 (11:34 Uhr)

    Spannender Artikel, aber:
    Weil's ganz am Anfang steht, sollte es schon stimmen: Carsharing (echtes, nicht die neue Autovermietung der Hersteller) gibt es schon viel länger. Die genaue Geschichte des Carsharing kenne ich auch nur aus der Wikipedia, bin aber seit dem letzten Jahrtausend (1993) bei Stattauto München https://www.stattauto-muenchen.de/ueber-uns/ , und die waren IMO nicht mal die allerersten in Deutschland.

    Antworten Teilen
Deine Meinung

Bitte melde dich an!

Du musst angemeldet sein, um einen Kommentar schreiben zu können.

Jetzt anmelden

Mehr zum Thema iPhone
Dynamic Pricing mit Big Data statt stumpfer Regeln: Das neue Tool von Blue Yonder bringt mehr Intelligenz in den Markt
Dynamic Pricing mit Big Data statt stumpfer Regeln: Das neue Tool von Blue Yonder bringt mehr Intelligenz in den Markt

Dynamic Pricing wird immer intelligenter. Jetzt launcht der Predictive-Analytics-Spezialsit Blue Yonder eine neue Lösung. Wir stellen euch das Tool vor und liefern euch eine Markteinordnung. » weiterlesen

Make Big Data small – Abo-Bundle für CRM-Spezialisten und alle, die es werden wollen!
Make Big Data small – Abo-Bundle für CRM-Spezialisten und alle, die es werden wollen!

Selbst die größten Datenbestände bringen nichts, wenn du sie nicht zu interpretieren weißt. In „CRM für Online-Shops“ zeigt Olga Walter, wie erfolgreiches Costumer-Relationship-Management im … » weiterlesen

Big Data at its best: Diese KI durchforstet das Netz und sagt dir, wann du investieren solltest
Big Data at its best: Diese KI durchforstet das Netz und sagt dir, wann du investieren solltest

Was bisher vor allem Milliardären und Finanzprofis vorbehalten war, gibt es jetzt für alle. Eine vom Startup Amareos entwickelte KI durchforstet das Netz nach Finanzinfos und soll den besten … » weiterlesen

Alle Hefte Jetzt abonnieren – für nur 35 €

Kennst Du schon unser t3n Magazin?