Was wir aus dem Projekt X2Log gelernt haben
In den vergangenen zweieinhalb Jahren durften wir Teil eines außergewöhnlichen Forschungskonsortiums sein, dem Projekt X2Log (Anything-to-Log). Es hatte das Ziel, neue Wege zu finden, strukturierte und unstrukturierte Daten, also etwa Videomaterial, Sensorwerte oder Textdokumente, in logische Prozesse zu übersetzen.
Klingt theoretisch? War es auch. Aber was dabei herauskam, war für uns bei targenio ein Katalysator für unsere Zukunftsstrategie.
Daten sind nur der Anfang
Aus X2Log ergibt sich vor allem eine zentrale Erkenntnis: Entscheidend ist nicht die Datenmenge, sondern wie gezielt und sinnvoll sie genutzt wird.
Wir bei targenio betreuen Kundenserviceprozesse in hochkomplexen industriellen Umgebungen. Dort entstehen täglich Unmengen an Daten aus CRM-Systemen, ERP-Lösungen, Maschinensteuerungen und mehr. Und trotzdem haben wir erst durch die Zusammenarbeit in diesem Gremium wirklich verstanden, was unsere Nutzenden mit unserer Software machen.
- Prozesse sind nicht nur klickbare Abläufe. Unsere User springen zwischen Systemen, verwenden Kontextwissen, das nirgendwo dokumentiert ist, und lösen Probleme auf oft kreative Weise.
- Wir müssen dieses implizite Wissen sichtbar machen. Dazu entwickeln wir jetzt Assistenzsysteme, die genau beobachten, wie Entscheidungen entstehen, und daraus schrittweise lernen.
- Der Weg zur Automatisierung ist ein iterativer Prozess. Nicht alles muss sofort „vollautomatisiert“ sein. Stattdessen bauen wir auf lernende Systeme, die kontinuierlich besser werden.
Forschung, die Wirkung zeigt
Ein zentraler Bestandteil des Projekts war eine Reihe von begleitenden Forschungsarbeiten, die konzeptionell eng mit dem Fortschritt des Konsortialprojekts verknüpft waren. Diese lieferten fundierte Impulse für die Weiterentwicklung zentraler Komponenten. Die Komponenten dienten anschließend der Integration von strukturierten und unstrukturierten Datenquellen im Process Mining.
Zu Beginn stand eine umfassende Analyse des aktuellen „Stand der Technik“ rund um Process Mining mit Texten, Bildern und Videos im Fokus. Das Ergebnis bildete eine Art „Fahrplan für künftige Forschungsaktivitäten“. So ist die Nutzung von Textdaten im Bereich Process Mining bereits gut erforscht, während es bei anderen Datenformen – insbesondere Videodaten – noch große Lücken gibt. Vor allem die Integration multimodaler Datensätze hat das Konsortium als dringendes Forschungsthema identifiziert.
Eine weitere Forschungsarbeit widmete sich genau dieser Lücke: der Nutzung von Videodaten als Input für Process Mining. In diesem Zusammenhang entwickelte das Fraunhofer FIT einen Ansatz, der mit Hilfe eines Algorithmus in der Lage ist, Prozessschritte allein anhand von Bewegungsmustern in Videos zu erkennen – ohne vorher zu wissen, wonach er sucht. Warum das relevant ist? In vielen industriellen Kontexten, wie Serviceeinsätzen oder Reparaturprozessen ist Video oft die einzige Datenquelle.
Aus der Zusammenarbeit heraus entstand seitens des Fraunhofer-FIT ebenfalls ein synthetischer, aber realitätsnaher Datensatz, der Videomaterial, Sensorwerte und strukturierte ERP-Daten vereint. Der Datensatz soll künftig anderen Forschungsgruppen zur Verfügung stehen, um daran neue Verfahren zu testen. Dadurch entstehen langfristig bessere Werkzeuge, die auch in der Praxis funktionieren.
Wie wir aus technologischer Architektur eine zukunftsfähige Lösung machen
Das Projekt hat uns auf Produktseite stark geprägt. Wir haben in den vergangenen Jahren unsere bestehende Plattform überdacht und setzen nun auf einen radikal neuen Technologieansatz.
Wir haben uns intensiv mit datengetriebener Optimierung, Protokollierung von Kontextdaten und weiterem beschäftigt. Damit wir all das in unserem Produkt vereinen, ist für uns die Überzeugung erwachsen, in Zukunft auf Basis der Low-Code-Plattform Mendix zu arbeiten.
Die Gründe dafür lagen auf der Hand:
- Geschwindigkeit | Wir sind mit Mendix 5–7x schneller als mit herkömmlicher Java-Entwicklung.
- Sicherheit & Skalierbarkeit | Als Teil des Siemens-Ökosystems erfüllt Mendix höchste Sicherheitsstandards.
- Kundenzentrierung | Wir können Lösungen in Echtzeit verändern, auf neue Anforderungen reagieren und gleichzeitig eine moderne User Experience gewährleisten.
Unsere neue Plattform denkt nicht mehr in starren Abläufen, sondern in dynamischen Assistenzsystemen, die lernen, wie Menschen Probleme lösen. Dabei protokollieren wir alle relevanten Kontextinformationen.
Diese Informationen bilden die Grundlage für kontinuierliche Verbesserung, gesteuert von einem „Trainer“-Modul, das Verbesserungsvorschläge liefert oder direkt Anpassungen an der Automatisierung vornimmt.
X2Log war ein Forschungsprojekt mit echtem Impact
Für targenio war X2Log weit mehr als ein Forschungsprojekt. Es war ein Innovationslabor, das uns neue Perspektiven eröffnet und unser Produktverständnis grundlegend erweitert hat.
Wir gehen aus dem Projekt mit:
- einem klareren Blick auf den Wert von Daten,
- konkreten Lösungen für unsere Kunden,
- und einer Technologieplattform, die bereit ist für die nächste Generation von digitalen Assistenten im industriellen Kundenservice.
