Im Jahr 2022 ist DT Technik an T-Systems mit der Bitte herangetreten, eine Lösung zu entwickeln, die es ihr ermöglichen würde, die Fläche in ihren Netzbetriebszentren (NBZs) effektiv zu nutzen. Eine zentrale Priorität lag auf der Automatisierung der Interpretation von NBZ-Plänen. Diese lagen als grafische Daten in Microsoft Visio vor, um den Zeitaufwand für die manuelle Recherche zu reduzieren.
Netzbetriebszentren sind von zentraler Bedeutung für Unternehmen, die jederzeit hohe Verfügbarkeit benötigen. Mitarbeiter, die NBZs verwalten, müssen ein oder mehrere Netze auf Bedingungen überwachen, die ggf. besondere Aufmerksamkeit erfordern, um ununterbrochene Dienste zu gewährleisten. In diesem Fall hatte der Kunde Schwierigkeiten, seine NBZ-Flächen zu optimieren, da die Pläne ursprünglich manuell in MS Visio-Zeichnungen erstellt wurden.
Die Mitarbeiter der DT Technik verwendeten diese Zeichnungen im Rahmen manueller Recherchen, um beispielsweise Racks einzuplanen und die verfügbare Fläche zu optimieren. Dabei handelte es sich um eine äußerst zeitaufwendige Aufgabe, die zudem rechnergestützte Optimierungsprozesse unmöglich machte. Der Kunde benötigte eine Lösung, die zur Erkennung der Objekte in Visio-Zeichnungen sowie zur Zuordnung der Objekte zu den Texten in den Zeichnungen beitragen würde.
Durch die Kooperation mit T-Systems bei der Integration und Nutzung verschiedener Ansätze – u. a. ML-Technologie und regelbasierte Algorithmen – hat das Projekt das nächste Level erreicht.
T-Systems ist mittlerweile seit über fünf Jahren Pionier im Bereich der Datenraum-Technologie. Vor dem Hintergrund des umfassenden Know-how im Bereich KI/ML wurde ein auf maschinellem Lernen basierender Microservice mit dem Namen „Data Transformator“ entwickelt, der von Domain-Experten angestoßene Regeln mit Computer Vision Deep Learning in einem Ensemble-Modell kombiniert. Dieses Modell wird als „Deep Object Detection“-Modell bezeichnet und ermöglichte die Automatisierung der Visio-Objekterkennung sowie der Interpretation von Visio-Zeichnungen. Die Visio-Dateien wurden zerlegt und im Hinblick auf Domain-Objekte analysiert. Die erkannten Domain-Objekte wurden über eine dedizierte REST API und Frontend-Anwendung bereitgestellt. Daraufhin wurden die Ergebnisse in einer relationalen Datenbank gespeichert (PostgreSQL). Die Implementierung von Automatisierungsszenarien für die Fachseiten wurde durch automatisierte Zuweisung von Betriebspunkten ermöglicht. Das Erkennungssystem wurde gründlich überwacht und anhand der Label-Daten getestet, die von Domain-Experten validiert wurden, um die Qualität zu gewährleisten.
Mit der KI-basierten Automatisierungslösung von T-Systems konnte der Kunde die manuellen Tätigkeiten und den Zeitaufwand reduzieren und sich auf seine Kernaufgaben konzentrieren. Die Lösung trug zudem zur Prozess- und Systemoptimierung und in der Folge zu verringerten Betriebskosten bei. Daten bilden den Backbone jeder KI-basierten Initiative. Die von T-Systems bereitgestellte Lösung ermöglichte es dem Kunden, ein effektives Datenmanagement und eine effektive Datenbereinigung zu realisieren, was wiederum zu einem relevanten Datenfeed für einen holistischen digitalen Zwilling des Netzzentrums führte. Der künftige Migrationsbedarf des Kunden wird mit dieser Lösung ebenfalls berücksichtigt, da T-Systems – mit ihrem vorausschauenden Ansatz – eine zukunftssichere Plattformarchitektur mit modularer Struktur entwickelt hat.
Deutsche Telekom Technik (DT Technik) ist für die Planung, die Errichtung und den Betrieb kritischer technischer Infrastruktureinrichtungen und Systeme sowie für die Einführung der Technologie in Deutschland für die Telekom Deutschland GmbH verantwortlich.
