Siemens: ИИ бессилен без данных — проблема «тёмных данных» и разрозненных систем

Исполнительный вице-президент по продуктам PLM в Siemens Digital Industries Software Джо Бохман в недавнем обсуждении поднял болезненную тему, знакомую каждому инженеру: «sneaker net» — когда данные между отделами переносятся на флеш-накопителях, потому что системы не способны обмениваться информацией. Хотя этот термин традиционно связывают с CAD-данными, сегодня проблема гораздо глубже. Речь идет о «тёмных данных» (dark data), которые накапливаются на предприятиях, но никогда не используются.

Масштаб проблемы: цифры, которые заставляют задуматься

Согласно глобальному исследованию Splunk, проведенному среди 1300 компаний, 55% корпоративных данных являются «тёмными» — они собираются и хранятся, но не приносят никакой пользы. При этом лишь 15% организаций реально применяют искусственный интеллект для формирования стратегии, инноваций и улучшения клиентского опыта.

Корень проблемы — фрагментация ИТ-ландшафта. Как пояснил Бохан, средний CIO управляет примерно тысячей различных систем, которые выбирались разными подразделениями независимо. Результат — лоскутная архитектура, где команды не могут эффективно взаимодействовать из-за изолированных хранилищ данных.

Цена разрозненности

Последствия «тёмных данных» вполне конкретны:

• Результаты моделирования не доходят до производства и не влияют на технологические решения.
• Инженерные изменения распространяются неделями, упираясь в границы систем.
• Аналитика и ИИ-алгоритмы работают лишь с малой долей доступной информации, снижая точность прогнозов.

Бохман подчеркивает, что обсуждение только CAD-данных сужает проблему. Невидимые стены существуют между PLM, симуляцией, производством и ERP. Настоящий вызов — объединить корпоративные данные в единую связанную среду.

Решение Siemens: цифровой двойник как фундамент

Siemens инвестировала более 25 миллиардов евро в создание всеобъемлющего цифрового двойника, способного моделировать операции предприятия от начала до конца. Ключевым элементом стратегии является портфель Siemens Xcelerator, который обеспечивает подключенную основу данных без необходимости развертывания массивной локальной инфраструктуры.

Подход Siemens строится на идее, что ИИ-стратегия эффективна настолько, насколько качественны данные, к которым она имеет доступ. Устраняя разрозненность и «тёмные зоны», компания позволяет алгоритмам машинного обучения работать с полным объемом информации — от инженерных спецификаций до операционных показателей.

Применение в России

Для российских промышленных предприятий проблема «тёмных данных» особенно актуальна в условиях импортозамещения и перехода на отечественное ПО. Многие заводы используют унаследованные системы, накопленные за десятилетия, которые не интегрированы между собой. Внедрение подходов Siemens — даже с учетом ограничений на поставки — может быть реализовано через аналогичные принципы: создание единой шины данных, использование открытых стандартов обмена и поэтапное построение цифровых двойников ключевых производственных процессов. Это позволит российским компаниям повысить эффективность использования накопленных данных и подготовить фундамент для внедрения ИИ-решений, не дожидаясь полной замены существующего парка систем.