Tour durch das Produkt

Bei dieser Tour durch das Produkt erhalten Sie eine allgemeine Übersicht über die Architektur von Cognite Data Fusion (CDF). Außerdem werden die Hauptschritte zum Beschleunigen Ihrer Implementierung vorgestellt.

Cognite Data Fusion (CDF) ist eine Plattform zur Kontextualisierung sowie für DataOps:

• Kontextualisierung kombiniert maschinelles Lernen, künstliche Intelligenz und Fachkenntnisse, um Ressourcen aus unterschiedlichen Quellsystemen in Ihrem industriellen Wissensdiagramm einander zuzuordnen.

• Zu DataOps gehören Tools und Verfahren für die Verwaltung des Datenlebenszyklus über Zusammenarbeit und Automatisierung.

Architektur

Cognite Data Fusion (CDF) wird in der Cloud ausgeführt und weist ein modulares Design auf.

Sie können über dedizierte Arbeitsbereiche in der CDF-Web-Anwendung oder mit unseren APIs und SDKs mit Ihren Daten interagieren.

In den nachstehenden Abschnitten werden die Hauptschritte zum Implementieren von CDF für die unterschiedlichen CDF-Module erläutert.

Schritt 1: Datenverwaltung einrichten

Um fundierte Entscheidungen treffen zu können, müssen Sie sich auf die Zuverlässigkeit der Daten verlassen können.

Bevor Sie Daten in CDF integrieren und kontextualisieren, müssen Sie Ihre Data-Governance-Richtlinien definieren und implementieren. Wir empfehlen, einen CDF-Administrator festzulegen, der in Zusammenarbeit mit der IT-Abteilung sicherstellt, dass CDF die Sicherheitspraktiken Ihrer Organisation befolgt. Verbinden Sie CDF mit Ihrem Identitätsprovider (IdP) und verwenden Sie die vorhandenen Benutzeridentitäten, um den Zugriff auf die Werkzeuge und Daten von CDF zu verwalten.

Um Anwendungen auf Basis der Daten in CDF zu erstellen, benötigen Sie ein ausreichend definiertes Datenmodell, das die Struktur der Daten ableitet. CDF verfügt über vorkonfigurierte Datenmodelle für die Erstellung eines strukturierten, flexiblen und kontextualisierten Wissensdiagramms.

Schritt 2: Daten integrieren

Mit festgelegten Data-Governance-Richtlinien können Sie ausgehend von Ihren IT-, OT- und ET-Quellen in CDF Daten hinzufügen. Zu diesen Datenquellen gehören industrielle Kontrollsysteme mit Sensordaten, ERP-Systeme und massive 3D-CAD-Modelle in Engineering-Systemen.

Daten extrahieren

Mit Lesezugriff auf die Datenquellen können Sie die Systemintegration so einrichten, dass Daten in den CDF-Bereitstellungsbereich gestreamt werden, wo sie normalisiert und angereichert werden. Wir unterstützen Standardprotokolle und -schnittstellen wie PostgreSQL und OPC-UA, um die Datenintegration mit Ihren vorhandenen ETL-Tools und Data-Warehouse-Lösungen zu erleichtern.

Wir haben Extraktoren für spezifische Systeme erstellt und bieten außerdem standardmäßige ETL-Tools für die meisten Datenbanken. Mit diesem Ansatz können wir die Logik in den Extraktoren minimieren und einmalig oder wiederholt Datentransformationen in der Cloud ausführen.

Daten transformieren

Die Daten werden im CDF-Bereitstellungsbereich in ihrem ursprünglichen Format gespeichert. Sie können einmalig oder wiederholt Transformationen Ihrer Daten in der Cloud ausführen und Daten für das CDF-Datenmodell umformatieren.

Dank der Entkoppelung der Extraktions- und Transformationsschritte können die Daten-Pipelines leichter verwaltet und die Belastung der Quellsysteme verringert werden. Wir empfehlen die Transformation der Daten mit Ihren bestehenden ETL-Tools. Sie können aber auch unser CDF-Transformationstool als Alternative für einfache Transformationsjobs verwenden.

Daten erweitern

Dank der automatischen und interaktiven Kontextualisierungstools in CDF können Sie künstliche Intelligenz, maschinelles Lernen, eine leistungsstarke Regel-Engine und Fachwissen kombinieren, um Ressourcen aus unterschiedlichen Quellsystemen im CDF-Datenmodell einander zuzuordnen. Kontextualisieren Sie Ihre Daten zunächst mit künstlicher Intelligenz, maschinellem Lernen und Regel-Engines und lassen Sie die Ergebnisse dann von Fachleuten validieren und verfeinern.

Schritt 3: Daten nutzen und Lösungen entwickeln

Wenn Sie Daten in Ihrem industriellen Wissensdiagramm vervollständigt und kontextualisiert haben, können Sie die integrierten industriellen Werkzeuge nutzen und leistungsstarke Apps sowie KI-Agenten erstellen, um Ihre geschäftlichen Anforderungen zu erfüllen.

Alle in CDF gespeicherten Informationen können über eine moderne REST-basierte API aufgerufen werden. Darüber hinaus stellt Cognite auch Connectors und SDKs für gängige Programmiersprachen und Analysetools bereit, wie Python, JavaScript, Spark, OData (Excel, Power BI) und Grafana. Außerdem bieten wir Community-SDKs für Java, Scala, Rust und .Net an.

Der Functions-Service ist eine skalierbare, sichere und automatische Möglichkeit zum Hosting sowie zur Ausführung von Python-Code.