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.
