Drilldown in Daten zur Transformation der Öl- und Gasindustrie

Wintershall Dea hat die Zukunft immer im Blick. Dies zeigt sich im Engagement des Unternehmens für technologische Innovationen, die Förderung der Mitarbeiter und eine umweltfreundliche Energieerzeugung. Die jüngsten Ereignisse haben diese vorausschauende Haltung wichtiger denn je gemacht.

Das Unternehmen in seiner heutigen Form entstand im Jahr 2019 aus der Fusion der beiden früheren Unternehmen Wintershall und DEA Deutsche Erdöl AG, die jeweils seit mehr als 120 Jahren im Geschäft waren.

Als sich die beiden Unternehmen zusammenschlossen, wurde der Bedarf an KI zur Vernetzung und Nutzung von Daten aus dem gesamten Unternehmen deutlich. KI sollte nicht nur für mehr Effizienz und Kosteneinsparungen sorgen, sondern auch die Position von Wintershall Dea als Branchenführer bei technologischen Innovationen stärken – ein wichtiger Faktor, um Mitarbeiter innerhalb und außerhalb des Unternehmens zu gewinnen. 

Im Jahr 2020 war das neu gegründete Unternehmen bereit, eine AI@Scale-Initiative voranzutreiben. Mehrere interne Geschäfts- und Unternehmensbereiche arbeiteten zu diesem Zeitpunkt bereits mit KI, aber die Projekte wurden für einzelne, isolierte Zwecke entwickelt. Mit einem AI@Scale-Ansatz werden KI-Projekte von Anfang an auf Skalierbarkeit ausgelegt. Wenn sie erfolgreich sind, können sie schnell und einfach erweitert und auf andere Gruppen ausgedehnt werden.

Für die Entwicklung von AI@Scale-Lösungen braucht man eine zentralisierte Plattform und eine Methodik. „Wir wollen als bevorzugter Partner angesehen werden", sagt Kathrin Dufour, Senior Vice President für Digitalisierung und Technologie bei Wintershall Dea. „Wenn Sie über eine standardisierte Umgebung verfügen, über die Sie auf Ihre Daten zugreifen und anderen Zugang gewähren können, wird die Zusammenarbeit innerhalb Ihres Partner-Ökosystems viel einfacher. Das wird heute immer wichtiger, denn wir tauschen sowohl intern als auch extern viel mehr Daten aus als früher.“

Angesichts dieses Ziels hat das Unternehmen ein Kompetenzzentrum (Center of Competence, CoC) für KI und Data Science unter der Leitung von Ulrich Lorang eingerichtet, der Vice President für Data Science, Data Governance und Data Hub ist. Für die Planung, Entwicklung und Bereitstellung des KI-CoC und der Plattform benötigte Wintershall Dea einen Partner, der Zugang zu einem größeren und breiteren Repertoire an KI-Expertise und Erfahrung bieten konnte.

Bei der Suche nach einem solchen Partner hob sich IBM® Consulting von den Mitbewerbern ab: Das Unternehmen verfügte über eine nachgewiesene Erfolgsbilanz aus der Zusammenarbeit mit Wintershall Dea bei früheren Projekten sowie über umfangreiche Erfahrungen bei der Unterstützung anderer Kunden zur Entwicklung ihrer KI-Fähigkeiten in großem Maßstab.

Darüber hinaus hatte IBM eine strategische Partnerschaft mit Microsoft geschlossen, und Wintershall Dea nutzte bereits Microsoft Azure für seine Datenplattform. IBM konnte seine IBM® AI@Scale-Methode an die bestehende Plattform anpassen und bei Bedarf Microsoft-Know-how einbringen.

Die Zusammenarbeit zwischen IBM und Wintershall Dea verlief von Anfang an reibungslos. „Der Prozess war eigentlich sehr einfach“, sagt Lorang. „Wir haben ein Team aufgebaut. Es gab nie einen großen Unterschied zwischen den beiden Unternehmen. Wir hatten ein gemeinsames Ziel und arbeiteten zusammen, um es zu erreichen.“

Bei der Implementierung von IBM AI@Scale konzentrierte sich das Team auf drei strategische Bereiche: die technische Architektur der Plattform, das Betriebsmodell des CoC und die Unternehmenskultur.

Das Angebot von IBM AI @Scale umfasst standardisierte Bewertungen, die Bereiche wie den aktuellen Stand der KI in einem Unternehmen, die zukünftige KI-Vision, wichtige Stakeholder und notwendige Ressourcen abdecken. IBM passte die Bewertungen für Wintershall Dea an jeden der drei strategischen Bereiche an. IBM und Wintershall Dea arbeiteten dann zusammen, um anhand der Bewertungsergebnisse eine technologische und organisatorische Roadmap für die Data Science innerhalb des Unternehmens zu entwickeln.

Für die technische Grundlage entwickelte das Team eine auf Komponenten basierende Architektur unter Verwendung der Plattform und Services von Microsoft Azure. Bei der Gestaltung dieser Grundlage hat das Team eine Methodik für maschinelles Lernen (Machine Learning Operations, MLOps) gewählt – einen durchgängigen Ansatz, bei dem Data Scientists und Ingenieure KI-Systeme planen, entwickeln, bauen, testen und warten.

In operativer Hinsicht legte das Team fest, wie das CoC funktionieren sollte, sowie die Arten von Rollen und Fähigkeiten, die die Data-Science-Kompetenzen im gesamten Unternehmen erweitern würden. Neben den Data Scientists im CoC umfasste diese Gemeinschaft auch Citizen Data Scientists aus den Geschäfts- und Unternehmensbereichen – d. h. Geowissenschaftler, Ingenieure, Wirtschaftswissenschaftler und andere mit einem fundierten Hintergrund in mathematischer Programmierung. Sie sollten dabei helfen, Data-Science-Projekte in ihren jeweiligen Teams voranzubringen.

Letztendlich wollte Wintershall Dea diese Community ausbauen und Mitarbeiter im gesamten Unternehmen weiterbilden, damit sie ihre eigenen KI-Projekte entwickeln konnten. Das Interesse an Data Science war groß, und die Unternehmensleitung war der Meinung, dass der größte Wert für das Unternehmen auf der Ebene der Geschäfts- und Unternehmensbereiche entstehen würde. Zu diesem Zweck umfasste die Roadmap technische Schulungen für das CoC und die Citizen Data Scientists zur Nutzung der neuen Plattform und Vorlagen.

Aus Sicht der Unternehmenskultur und Kommunikation plante das Team eine Vielzahl von Schulungen und Workshops für Geschäftsbereiche und Abteilungen im gesamten Unternehmen. Diese Aktivitäten konzentrierten sich auf den Geschäftswert, den KI den Mitarbeitern bei ihrer täglichen Arbeit bieten würde, und auf Möglichkeiten, wie sie mit dem CoC zusammenarbeiten könnten, um diesen Wert zu nutzen.

Im Jahr 2021 waren IBM und Wintershall Dea bereit, auf der Grundlage der gemeinsam erstellten Roadmap den Grundstein für die Implementierung von AI@Scale zu legen. Die Einrichtung der technischen Umgebung, die Gespräche mit den Geschäftsbereichen, die Identifizierung möglicher Anwendungsfälle, die Förderung des Konzepts des CoC sowie die Einbindung und Unterstützung der Mitarbeiter waren Teil dieses Prozesses.

Auf technologischer Ebene stellte das Team die erforderlichen Services über die Azure-Plattform bereit und passte die IBM AI@Scale-Vorlagen an die Bedürfnisse und die Umgebung von Wintershall Dea an. Aus operativer Sicht führte das Team technische Enablement-Sitzungen durch, damit die Data Scientist im CoC und die Citizen Data Scientists in den Geschäftsbereichen die Möglichkeit haben, in Zukunft ihre eigenen KI-Projekte zu entwickeln.

Um das Bewusstsein der Mitarbeiter für den Wert von Data Science und des CoC zu schärfen – sowohl aus technologischer als auch aus geschäftlicher Sicht – traf sich das Team mit den einzelnen Geschäftsbereichen, führte Informationsveranstaltungen durch und entwickelte eine interne Kampagne, in der die potenziellen Vorteile von KI beworben wurden und man erklärte, wie das CoC helfen könnte.

Im Jahr 2022 begann das Team mit der nächsten Phase seiner KI-Journey: der Entwicklung von Anwendungsfällen zu vollwertigen Lösungen. Der Prozess zur Auswahl und Entwicklung von Anwendungsfällen orientierte sich an der IBM Garage™ Methodik. IBM und Wintershall Dea arbeiteten Seite an Seite, wobei IBM den gesamten Prozess begleitete und die Mitarbeiter von Wintershall Dea schulte und unterstützte, damit sie die Methodik in zukünftigen Projekten duplizieren konnten.

Der Qualifizierungsprozess sah eine enge Zusammenarbeit mit den Geschäftsbereichen vor, um deren Probleme zu verstehen. „Wir haben eng mit den Experten zusammengearbeitet, um sicherzustellen, dass wir nicht etwas automatisieren, nur weil wir es können, sondern dass wir wirklich das Geschäftsproblem im Auge behalten“, sagt Max Schemmer, Research-Oriented Artificial Intelligence Consultant bei IBM Consulting.

Lorang stimmt dem zu: „Sie müssen ein geschäftliches Problem haben. Und Sie müssen die Herausforderungen in Ihrem Bereich verstehen und sicherstellen, dass Sie Zugang zu hochwertigen, relevanten Daten haben, und die Daten dann so aufbereiten, dass Sie tatsächlich etwas damit anfangen können.“

Wintershall Dea führt hauptsächlich zwei Arten von KI-Projekten durch: traditionelle Großprojekte und kleine, einfach zu implementierende „Fireflies“ (Glühwürmchen). Ein „Glühwürmchen“ ist ein Konzept von Wintershall Dea zur Durchführung eines schnellen, skalierbaren KI-Projekts zur Lösung eines einfachen Problems. Da es im gesamten Unternehmen Mitarbeiter gibt, die in Data Science geschult sind, können die Geschäftsbereiche diese „Glühwürmchen“ unabhängig voneinander entwickeln und programmieren und bei Bedarf das CoC um Unterstützung bitten.

„Glühwürmchen“ sind anfangs klein und manchmal fangen sie auch Feuer. Wenn dies der Fall ist, können sie schnell skaliert werden. So wurde beispielsweise ein Mitarbeiter in einer technischen Abteilung damit beauftragt, Schlüsselwerte manuell aus mehr als 2.000 PDF-Dokumenten zu extrahieren und diese Daten in eine Tabellenkalkulation einzugeben. Der Prozess war mühsam und kostete den Mitarbeiter viel Zeit, die er für kreativere und sinnvollere Arbeit hätte nutzen können.

Durch den Einsatz von KI war das technische Team in der Lage, den Prozess zu automatisieren, sodass der Mitarbeiter an anspruchsvolleren Projekten arbeiten konnte und insgesamt einen größeren Wert für das Unternehmen darstellte. Es wurde schnell klar, dass dasselbe Modell zur Extraktion von Echtzeitdaten aus internen und externen Quellen auch für andere Bereiche des Unternehmens und darüber hinaus wertvoll sein könnte. Heute wird die skalierbare Lösung in mehreren Geschäfts- und Unternehmensbereichen für eine Vielzahl von Zwecken eingesetzt.

Groß angelegte Projekte haben von Anfang an hohe Ziele. Im Jahr 2021 untersuchte Wintershall Dea den Einsatz von KI zur Erhaltung der Integrität ihrer Gas- und Ölbohrungen in Norwegen. Diese Wartung ist besonders wichtig für in Betrieb befindliche Bohrungen, insbesondere für Unterwasserbohrungen. Aufgrund von kilometerlangen massiven Rohren, die von mehreren Schichten aus Stahl und Beton ummantelt sind und sich tief in den Meeresboden eingraben, können kleine Lecks selbst bei Vorhandensein eines hochmodernen Bohrlochüberwachungssystems für lange Zeit unbemerkt bleiben – bis sie groß genug sind, um im schlimmsten Fall große Probleme zu verursachen Daher ist eine frühzeitige Erkennung unerlässlich.

Zuvor wurden die Daten der Bohrlochsensoren von den Ingenieuren bei Wintershall Dea kontinuierlich überwacht. Aber selbst bei der täglichen Analyse waren einige Probleme für das menschliche Auge einfach nicht zu erkennen.

Mithilfe von KI entwickelte das Team einen Anwendungsfall, um Daten von vorhandenen Sensoren viel intensiver und genauer zu analysieren, als dies bisher möglich war. „Wir haben zunächst versucht, die Hypothese zu validieren, dass wir KI einsetzen können, um einen früheren Vorfall mit einem Leck zu erkennen“, sagt Prihandono Aditama, Produktmanager bei Wintershall Dea. „Nachdem wir bestätigen konnten, dass wir das richtige Modell hatten, haben wir es mit den Live-Daten der Bohrlochsensoren verbunden.“

„Wenn die KI jetzt eine Anomalie erkennt, sendet sie eine E-Mail an unsere Ingenieure“, fährt er fort. „Wir sind dabei, eine Benutzeroberfläche für die Ingenieure zu entwickeln, die in der ersten Version des Produkts verfügbar sein wird.“

Die Tools und Methoden von IBM AI@Scale waren während des gesamten Prozesses von entscheidender Bedeutung. „Einer der wichtigsten Beiträge von IBM besteht darin, den Proof of Concept live in die Produktion zu übertragen“, erklärt Aditama. „Die von IBM bereitgestellten Templates ermöglichen uns eine schnelle Skalierung und die parallele Durchführung von Tests, Proofs of Concept und Entwicklung.“

Heute hat Wintershall Dea gemeinsam mit IBM mehr als 80 mögliche Anwendungsfälle für KI und Data Science identifiziert, von denen 20 aktiv umgesetzt werden. Die Anwendungsfälle reichen von technischen Bereichen wie Betrieb, Technik und Geowissenschaften bis hin zu nichttechnischen Bereichen wie Handel und Vertrieb. IBM ist an einigen davon stark beteiligt, aber die anderen werden unabhängig innerhalb der Geschäfts- und Unternehmensbereiche und des CoC realisiert.

Bestehende Projekte werden weiterentwickelt. Das Team von Wintershall Dea arbeitet an der Skalierung des PDF-Extraktionsmodells auf andere Teile des Unternehmens, indem es Daten aus internen und externen Datenbanken abruft und anwendet. Das Projekt zur Bohrlochintegrität ist Ende 2022 in die Produktionsphase übergegangen. Nach dem Start hat das Team vorläufige Pläne, es zu skalieren: sowohl vertikal – durch Hinzufügen neuer Funktionen und Möglichkeiten – als auch horizontal – durch Anwendung des Modells auf weitere Bohrlöcher in Norwegen und anderen Ländern.

Im gesamten Unternehmen ist die Begeisterung für die Data-Science-Initiative groß, sowohl im Hinblick auf das Potenzial zur Lösung von Geschäftsproblemen als auch auf die Chancen für Innovation und Kompetenzzuwachs. Mehr als 100 Mitarbeiter von Wintershall Dea haben sich in KI und Data Science schulen lassen, darunter 60 Mitarbeiter, die kürzlich an einem sechstägigen Data Science Workshop teilgenommen haben.

„Wir waren definitiv eine Inspiration für das Unternehmen“, sagt Lorang. „Wir haben auf eine Community aus Citizen Data Scientists aufgebaut, die sich engagiert und mit unserer Hilfe daran arbeitet, KI zur Lösung von Problemen einzusetzen.“

Die Beziehung zu IBM ist nach wie vor eng. „Wir arbeiten produktiv mit IBM Consulting zusammen. Unsere gemeinsamen Bemühungen haben eine beachtliche Dynamik erzeugt, die es uns ermöglicht hat, wichtige Meilensteine zu erreichen und in einem relativ kurzen Zeitraum Ergebnisse zu erzielen“, sagt Hugo Dijkgraaf, CTO bei Wintershall Dea. „Sie haben nicht nur ihre KI-Fähigkeiten und -Erfahrungen eingebracht, sondern das Team passt auch von der Persönlichkeit her gut zu uns.“

Wintershall Dea (Link befindet sich außerhalb von ibm.com) ist eines der führenden unabhängigen Gas- und Ölunternehmen Europas mit Hauptsitz in Deutschland. Das 2019 aus einem Zusammenschluss der Wintershall Holding GmbH und der DEA Deutsche Erdöl AG hervorgegangene Unternehmen ist in 11 Ländern tätig und beschäftigt rund 2.000 Mitarbeiter.