Lösung zur Modernisierung von Geodaten

Kunde

Ein führender amerikanischer Anbieter von Corridor Safety Intelligence, spezialisiert auf die Stärkung der Resilienz von Energienetzen durch innovative KI und Integration von Daten aus mehreren Quellen.

Geschäftliche Herausforderung

• Veraltete Infrastruktur für die Skalierbarkeit und Leistung zur Echtzeitverarbeitung von Satellitendaten.
• Fragmentierte Speichersysteme führen zu Ineffizienzen im Datenmanagement.
• Fehlende Echtzeit-Datenintegration beschränkt die Analytikfähigkeiten.
• Manuelle Arbeitsabläufe verringern die Durchsatzrate und erhöhen die Komplexität.
• Sicherheits- und Compliance-Risiken entstehen durch eine fragmentierte Architektur.

Geschäftliches Ziel

• Reduzieren von Stromausfällen durch fortschrittliche georäumliche Analysen.
• Minderung von Feuer- und Vegetationsrisiken mithilfe von Satellitendaten.
• Erstellen einer risikomanagementlösung in Echtzeit.
• Automatisierung der Risikoklassifizierung für Infrastrukturen zur Steigerung der Effizienz.
• Kontinuierliche Innovation durch ein Geospatial ML Labor.

Vorgehensweise

• Analyse der georäumlichen Datenplattform mit AWS und Entwicklung von Modernisierungsentwürfen.
• Migrierte Daten von Satellitenbildanbietern und lokalen Systemen zu AWS-Analytik.
• Integrierte Cloud-Anwendungen für verbesserte Leistung und Skalierbarkeit.
• Automatisierte Echtzeit- und geplante Datenaufnahme mit serverloser Architektur.
• Verwendete AWS Lambda und Fargate für ereignisgesteuerte Verarbeitung und Integration.
• Ermöglichte erweiterte Analysen mit Geospatial Machine Learning in SageMaker.
• Speicherung von räumlichen Daten in RDS PostgreSQL für Analysen.
• Erstellte eine integrierte Architektur für skalierbare Bildverarbeitung und ETL-Pipelines.

Technologiekomponenten

• Rechenleistung: AWS Lambda, AWS Fargate, AWS Glue
• Speicherung: Amazon S3, RDS PostgreSQL
• Datenverarbeitung und Analytik: Amazon SageMaker, Jupyter Notebooks
• Datenmanagement: MongoDB Atlas, Amazon Redshift

Transformationale Effekte

• Erzielte über 15% Kosteneinsparungen durch AWS Savings Plans und Reserved Instances für EC2- und Fargate-Workloads.
• Spart über 150.000 USD an Lizenzkosten durch Migration von Workloads von Cloud ETL zu AWS Glue und Kinesis.
• Reduzierte die Problemlösungszeit um 15% durch automatisiertes Monitoring von Workloads.
• Ermöglichte 10+ georäumliche Datenprodukte wie Vegetationsrisiko, Brandgefahr und Anlagenprüfung.