Data Engineering für Logistik und Handel

Herausforderung

Drei Unternehmen, drei Daten-Herausforderungen:

Otto brauchte eine skalierbare Plattform für Produktdaten-Streaming. Kühne + Nagel benötigte Echtzeit-Verarbeitung von Sendungsdaten. EOS baute sein gesamtes Kernsystem für datenbasiertes Inkasso neu auf — ein 3-Jahres-Projekt mit bis zu 8 FTE.

Ausgangssituation

• Isolierte Datensilos ohne Integration bei allen drei Kunden
• Keine Echtzeit-Verarbeitung von Logistikdaten
• Produktdaten aus dutzenden Quellen ohne einheitliches Format
• Das Altsystem bei EOS (Fidibus) sollte durch ein modernes Kernsystem ersetzt werden

Vorgehen

Otto: Aufbau einer Streaming-Plattform für Produktdaten, Entwicklung automatisierter Datenpipelines, Integration mit bestehenden Systemen.

Kühne + Nagel: Entwicklung einer Event-Streaming-Architektur mit Apache Kafka, Echtzeit-Verarbeitung von Sendungsdaten, Aufbau einer zentralen Datenplattform.

EOS: Strategische Partnerschaft über einen unbegrenzten Rahmenvertrag. Über 15 Consultants in cross-funktionalen Teams — Architekten, Fullstack-Entwickler, DevOps Engineers, Product Owner und Business Analysts. SAFe-basierter agiler Prozess mit Scrum.

Die Kernhebel des Projekts: Analytics Engine für selbstlernende Inkassoprozesse, Prozessautomatisierung, standardisierte Schnittstellen für Drittanbindung, dynamisches Ressourcenplanungssystem.

Lösung

Skalierbare Datenplattformen mit Echtzeit-Verarbeitung. Bei Otto Fokus auf Datenqualität und Produktdaten-Management. Bei Kühne + Nagel Fokus auf Event Streaming und operative Entscheidungsunterstützung. Bei EOS ein komplett neues Kernsystem (Projekt FX) auf现代ster Technologie: Golang, Kotlin, React, AWS, Kafka, Kubernetes.

Nutzen / Ergebnis

• Daten in Echtzeit verfügbar statt Batch-Verarbeitung über Nacht
• Einheitliche Datenbasis für KI-Initiativen
• Reporting-Zeit von Tagen auf Minuten reduziert
• Analytics Engine für datengetriebene, selbstlernende Inkassoprozesse bei EOS
• Skalierbare Architektur für wachsende Datenmengen