Konsistenz statt Silos: DB Systel vernetzt Konzerndaten mit Neo4j

Im Deutsche-Bahn-Konzern liegen Daten in vielen Systemen, werden von den Bereichen unterschiedlich beschrieben und widersprechen sich zum Teil. Für bereichsübergreifende Analysen und AI-Anwendungen ist das ein Problem. DB Systel begegnet ihm mit Graphtechnologie: Die Graphdatenbank Neo4j führt Informationen aus unterschiedlichen Quellen zusammen und macht Inkonsistenzen sichtbar. Grundlage ist ein Rahmenvertrag mit uns, der TIMETOACT GROUP.

Ein Konzern, viele Datenwelten: Wer AI produktiv einsetzen will, braucht verlässliche Daten. In vielen Unternehmen liegen sie jedoch verstreut in Systemen, die dieselben Dinge unterschiedlich beschreiben.

Die DB Systel GmbH kennt diese Ausgangslage in Konzerndimension. Als Digitalpartner der Deutschen Bahn entwickelt und betreibt sie IT- und Digitalisierungslösungen für den gesamten Konzern. Die Datenlandschaft, mit der sie arbeitet, reicht von Infrastruktur- und Betriebsdaten über das Bauinformationsmanagement bis zu Finanzinformationen.

Analysen enden an Bereichsgrenzen: Jeder Bereich pflegt seine Daten in eigenen Systemen und beschreibt sie mit eigenen Begriffen. Daraus entsteht ein grundlegendes Problem: Die Bestände enthalten Widersprüche, und was zusammengehört, findet nicht zueinander.

Bereichsübergreifende Analysen scheitern dann nicht an den Werkzeugen, sondern an der Datenbasis. Auch für AI fehlt damit das Fundament. Sie urteilt nur so gut, wie es die Daten erlauben, mit denen sie arbeitet.

Neo4j, Ontologien und das Team InfraGraphAnalytics: Innerhalb der DB Systel analysiert das Team InfraGraphAnalytics (IGA) komplexe Datenbestände. Es führt Informationen aus unterschiedlichen Quellen mit Graphtechnologie zusammen, strukturiert sie und prüft sie auf Widersprüche. Fehler und Inkonsistenzen lassen sich dadurch gezielt identifizieren und beheben.

Die Graphdatenbank Neo4j speichert Wissen dazu als Knoten und Kanten und bildet ab, wie Informationen zusammenhängen. Ontologien geben den Beständen eine gemeinsame Begrifflichkeit, damit Daten aus verschiedenen Quellen zueinander passen. So entsteht ein konsistenter und nachvollziehbarer Datenbestand für Analysen im ganzen Konzern.

Ein zentrales Werkzeug hat DB Systel selbst entwickelt: den GraphEditor (grapheditor.org), verfügbar als Open Source. Er visualisiert komplexe Zusammenhänge mit Automationsunterstützung. Statt Fehler lediglich zu melden, zeigt er die wahrscheinlichsten Ursachen eines Datenproblems und erleichtert damit die Behebung.

Wie weit die Analysen tragen, zeigt der Bahnbetrieb. DB Systel untersuchte, welche Züge sich gegenseitig behindern und welche alternativen Fahrwege das Netz besser auslasten könnten. Darüber hinaus unterstützen die Verfahren die automatisierte Analyse großer Datenmengen und machen potenzielle Konflikte und Unstimmigkeiten früh sichtbar.

Der Business Value liegt in der Datenbasis selbst: Sie entscheidet darüber, ob Analysen und künftige AI-Anwendungen belastbare Ergebnisse liefern. Für DB Systel bedeutet das:

Graphdatenbanken modellieren komplexe Zusammenhänge, AI-Systeme interpretieren sie und leiten daraus Schlussfolgerungen ab. Auf diese Kombination setzen DB Systel und wir auch künftig: Wir erschließen weitere Anwendungsfelder und bauen die Nutzung von Graphtechnologien im Deutsche-Bahn-Konzern aus.

Potenzial sehen beide Partner darüber hinaus im öffentlichen Sektor, wo Neo4j bei Behörden und Infrastrukturbetreibern im Einsatz ist.