Seminar GADS – Architektur und Plattformgrundlagen

Beschreibung

Die Schulung ordnet GADS als durchgängige Automotive-Datenplattform ein und entwickelt ein belastbares Architekturverständnis. Datenquellen, Standorte, Speicher- und Rechenressourcen, Richtlinien sowie Nutzer- und Systemrollen werden in einem gemeinsamen Referenzmodell verbunden. Neben dem Normalbetrieb werden von Beginn an Ausfallszenarien, Datenhoheit und Kostenwirkungen berücksichtigt.

Seminarziel

Eine GADS-Zielarchitektur mit nachvollziehbaren Datenflüssen, Verantwortlichkeiten, Schnittstellen und Qualitätskriterien soll fachlich bewertet und als Grundlage für weitere Fach- oder Betriebsschulungen genutzt werden können.

Lernziele

• Den Themenbereich „GADS einordnen und Begriffe klären“ fachlich einordnen, strukturiert planen und kontrolliert umsetzen.
• Den Themenbereich „Logische Plattformarchitektur entwickeln“ fachlich einordnen, strukturiert planen und kontrolliert umsetzen.
• Den Themenbereich „Edge-Core-Cloud-Verteilung planen“ fachlich einordnen, strukturiert planen und kontrolliert umsetzen.
• Den Themenbereich „Rollen und Verantwortlichkeiten festlegen“ fachlich einordnen, strukturiert planen und kontrolliert umsetzen.
• Den Themenbereich „Nichtfunktionale Anforderungen bewerten“ fachlich einordnen, strukturiert planen und kontrolliert umsetzen.

Inhaltsübersicht

1. 1. GADS einordnen und Begriffe klären
2. 2. Logische Plattformarchitektur entwickeln
3. 3. Edge-Core-Cloud-Verteilung planen
4. 4. Rollen und Verantwortlichkeiten festlegen
5. 5. Nichtfunktionale Anforderungen bewerten
6. 6. Zielbild und Roadmap ableiten

Zielgruppe

IT-Architekten, Plattformverantwortliche, technische Projektleiter, Datenarchitekten und erfahrene Administratoren

Voraussetzungen

Grundkenntnisse in Rechenzentrum, Cloud, Storage, Netzwerken und Datenmanagement

Seminarinhalte

1. GADS einordnen und Begriffe klären

Kapitelinhaltsverzeichnis: Plattformzweck und Wertbeitrag; Automotive-Datenarten und Datenvolumen; Edge, Core und Cloud; Datenprodukte und Datenverantwortung; Abgrenzung zu Einzelspeichern und Datensilos

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Plattformzweck und Wertbeitrag erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Automotive-Datenarten und Datenvolumen festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Edge, Core und Cloud entwerfen.
4. Datenprodukte und Datenverantwortung schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Abgrenzung zu Einzelspeichern und Datensilos prüfen.
6. Ergebnis mit Prüfkriterien verifizieren und nachvollziehbar dokumentieren.

Praxis: Ein Referenzszenario mit Sensor-, Simulations- und Prüfstandsdaten fachlich abgrenzen.

2. Logische Plattformarchitektur entwickeln

Kapitelinhaltsverzeichnis: Datenquellen und Verbraucher; Steuerungs- und Datenebene; Katalog, Metadaten und Richtlinien; Orchestrierung und Datenbewegung; Schnittstellen zu Engineering-Werkzeugen; Architekturgrenzen und Annahmen

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Datenquellen und Verbraucher erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Steuerungs- und Datenebene festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Katalog, Metadaten und Richtlinien entwerfen.
4. Orchestrierung und Datenbewegung schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Schnittstellen zu Engineering-Werkzeugen prüfen.
6. Ergebnis anhand von Architekturgrenzen und Annahmen verifizieren und nachvollziehbar dokumentieren.

Praxis: Ein logisches Komponentenbild mit Daten- und Kontrollpfaden erstellen.

3. Edge-Core-Cloud-Verteilung planen

Kapitelinhaltsverzeichnis: Standorte und Netzbedingungen; Latenz und Bandbreite; lokale Verarbeitung am Edge; zentrale Dienste im Core; elastische Verarbeitung in der Cloud; Datenhoheit und Kosten

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Standorte und Netzbedingungen erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Latenz und Bandbreite festlegen.
3. Zielmodell, Regeln und technische Umsetzung für lokale Verarbeitung am Edge entwerfen.
4. zentrale Dienste im Core schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für elastische Verarbeitung in der Cloud prüfen.
6. Ergebnis anhand von Datenhoheit und Kosten verifizieren und nachvollziehbar dokumentieren.

Praxis: Drei Datenklassen auf Edge, Core und Cloud verteilen und die Entscheidung begründen.

4. Rollen und Verantwortlichkeiten festlegen

Kapitelinhaltsverzeichnis: Plattformbetrieb; Data Product Owner; Daten-Governance; Engineering-Nutzer; externe Partner; Freigabe- und Eskalationswege

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Plattformbetrieb erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Data Product Owner festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Daten-Governance entwerfen.
4. Engineering-Nutzer schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für externe Partner prüfen.
6. Ergebnis anhand von Freigabe- und Eskalationswege verifizieren und nachvollziehbar dokumentieren.

Praxis: Eine RACI-Matrix für Aufnahme, Freigabe, Nutzung, Archivierung und Löschung ausarbeiten.

5. Nichtfunktionale Anforderungen bewerten

Kapitelinhaltsverzeichnis: Verfügbarkeit und Wiederanlauf; Skalierbarkeit und Durchsatz; Sicherheit und Mandantentrennung; Nachvollziehbarkeit und Audit; Kosten und Kapazität; Betriebsfähigkeit

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Verfügbarkeit und Wiederanlauf erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Skalierbarkeit und Durchsatz festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Sicherheit und Mandantentrennung entwerfen.
4. Nachvollziehbarkeit und Audit schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Kosten und Kapazität prüfen.
6. Ergebnis anhand von Betriebsfähigkeit verifizieren und nachvollziehbar dokumentieren.

Praxis: Ein gewichtetes Anforderungsprofil für zwei priorisierte Use Cases erstellen.

6. Zielbild und Roadmap ableiten

Kapitelinhaltsverzeichnis: Ist-Landschaft und Abhängigkeiten; Zielarchitektur und Übergangsstufen; Pilotumfang und Erfolgskriterien; Risiken und technische Schulden; Entscheidungspunkte und Nachweise; Weiterführende Lernpfade

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Ist-Landschaft und Abhängigkeiten erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Zielarchitektur und Übergangsstufen festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Pilotumfang und Erfolgskriterien entwerfen.
4. Risiken und technische Schulden schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Entscheidungspunkte und Nachweise prüfen.
6. Ergebnis anhand von Weiterführende Lernpfade verifizieren und nachvollziehbar dokumentieren.

Praxis: Ein Architektur-Steckbrief mit Pilotgrenzen, Messpunkten und Folgeaktivitäten erstellen.

Praxisanteile

Die Übungen bauen auf einem konsistenten Automotive-Datenszenario auf. Konfigurationen, Architekturentscheidungen, Prüfprotokolle und Betriebsmaßnahmen werden so dokumentiert, dass sie in ein eigenes Einführungs- oder Betriebskonzept übertragen werden können.