Hinter den Kulissen der scheinbar effizient ineinander verzahnten Lieferketten steckt nicht zuletzt ein Warenlager. Häufig spielen Schlagworte wie Digitalisierung, Vernetzung oder Automatisierung eine entscheidende Rolle. In der Intralogistik ist der optimierte und logistische Informationsfluss das Rückgrat des Unternehmens. Denn nur, wer die Milliarden von zusammenkommenden Datenpunkten verwaltet, speichert und erfolgreich analysiert, kann beim aktuellen Thema Industrie 4.0 mithalten.
Toyota Material Handling, der international größte Hersteller von Gabelstaplern, Hebebühnen, Fahrzeugen und Bauteilen für die Logistik-Branche tut genau das. Sammeln von großen Datenmengen ihrer traditionellen manuellen Gabelstapler als Basis für die Bereitstellung einer nachhaltigen und effizienten Intralogistik-Lösung. Bereits über 80 Prozent der serienmäßigen Fahrzeuge sind mit integrierter Telematik ausgestattet.
„Wir bei Toyota haben den Anspruch, die Nummer eins in der Industrie 4.0 zu sein“, erklärte Filip Dadgar, Principal System Architect und IT-Manager bei Toyota Material Handling Europe.
Alle Gabelstapler sollen künftig als vernetzte IoT-Fahrzeuge die Intralogistik intelligenter machen. Hierfür baut Toyota Materials Handling Europe nun nicht nur die Fahrzeuge, sondern auch die IoT-Software. Wie wurde das Projekt also IT-seitig angegangen?
Herausforderung: Legacy-Datenbank unvereinbar mit der Vision vernetzter Stapler
In der Vergangenheit liefen alle Systeme bei Toyota Material Handling auf einem traditionellen System und On-Premises. Die stetig wachsende Datenmenge stellte Toyota Material Handling vor die Herausforderung, unstrukturierte, heterogene Datenmassen in einem unflexiblen monolithischen System zu verarbeiten. Ein Aufbau, der für eine IoT-Umgebung ungeeignet war.
Die gesammelten Daten wertschöpfend für die Produktentwicklung zu nutzen, war zwar aufgrund des kleinen Entwickler-Teams noch überschaubar, aber dennoch recht komplex. Als das Projekt größer wurde, versuchte man anfangs On-Premises zu skalieren. Da sich auch das Team stetig vergrößerte, wurde klar, dass das Projekt neu aufgestellt und neu strukturiert werden musste. Toyota Material Handling benötigte eine flexiblere und modernere Datenplattform.
Das Team arbeitete mit einer relationalen Legacy-Datenbank. Dies bedeutete, dass sie nach dem initialen Setup rigide war und es den Entwicklern erschwerte, Datenparameter nachträglich zu ändern. Gerade in der Anfangsphase von Projekten, die die Verarbeitung von heterogenen Daten voraussetzen und Raum für Ergänzungen oder Anpassungen erlauben müssen, ist eine relationale Datenbank unzweckmäßig.
Um die Aufgaben effizienter zu strukturieren, wurde von einer monolithischen Architektur auf eine Microservices-Struktur umgestellt.
Ein Kriterienkatalog führt zur geeignetsten Datenbank-Struktur
Diese Umstellung sollte sich als monumentaler Schritt erweisen. Das Entwickler-Team wusste, dass die neue Datenplattform einige sehr spezifische Anforderungen erfüllen musste, um das Projekt erfolgreich auszurollen. Toyota Material Handling stellte eine Reihe von strengen Kriterien auf.
Wichtig war, dass das Entwickler-Team von Toyota Material Handling Europe schnell und problemlos den Code anpassen oder neue Features hinzufügen konnte, ohne die Struktur ändern zu müssen. Die Anforderung war somit, eine Datenbank zu finden, mit der sie agil arbeiten und schnell auf Änderungen reagieren können. Der gesamte Kriterienkatalog sah wie folgt aus:
1. Performance – Latenzzeit niedrig halten, skalierbare Lese- und Schreibvorgänge sicherstellen, um die Vertragsbedingungen der Kunden zu erfüllen und ein künftiges Wachstum zu ermöglichen.
2. Automatische Skalierbarkeit – Operationen und das Management-as-a-service gewährleisten, um den Verwaltungsaufwand der Backend-Datenbank zu reduzieren.
3. Sicherheit und Compliance zum Schutz hochsensibler geschäftlicher und personenbezogener Daten garantieren.
4. Datenstandort – Hosting in Microsoft Azure in Nordwesteuropa oder Westeuropa, wodurch die geografische Nähe zu Fabriken für latenzempfindliche Operationen gewährleistet ist.
5. Automatische Backups für eine vollständig verwaltete Datensicherung und -wiederherstellung.
6. Plattformunabhängigkeit – die Möglichkeit, von überall und auf jeder Cloud-Plattform zu laufen.
7. Entwicklerfreundlichkeit – eine Datenbank mit flexiblem Datenmodell, so dass Entwickler kontinuierlich neue Anwendungsfunktionen integrieren und den Marktanforderungen voraus bleiben können.
8. Entwicklerproduktivität – ein ressourcenreiches Ökosystem mit nachweislichen Best Practices und einer breiten Community mit existierenden Skills.
Migration in die Cloud mit MongoDB als IoT-Backbone
Auf Basis der Evaluation des Datenbankmarktes entschied sich das Entwickler-Team bei Toyota Material Handling für den Einsatz von MongoDB. Es erfüllte alle acht Kriterien – von der Skalierbarkeit bis zur Sicherheit.