THINK Blog DACH

Europas führendes unabhängiges Gas- und Ölunternehmen, Wintershall Dea, hat gemeinsam mit IBM ein KI-gestütztes Werkzeug entwickelt. Das Exploration Advisory Tool, kurz EAT erschließt den geowissenschaftlichen Wissensschatz des Unternehmens in Form von Berichten, Präsentationen und Aufzeichnungen. Mithilfe der neuesten Cognitive Search Technologien gewinnen Experten nun schneller einen Überblick über geowissenschaftliche Fakten und finden gezielt Antworten auf die wichtigsten Fragen ihrer alltäglichen Arbeit.

Dahinter verbirgt sich die Geschichte einer partnerschaftlichen Zusammenarbeit, die ein anspruchsvolles KI-Projekt hervorgebracht hat. Das Projekt und das Exploration Advisory Tool wurden bereits auf Fachkonferenzen wie der Progress 2019 und der EAGE Digital 2020 vorgestellt. Wie bei allen erfolgreichen Initiativen gab es auch hier eine klare Vorstellung von dem transformatorischen Potential und der erwarteten Wertschöpfung in der Zukunft. Was zum Gelingen beigetragen hat, beleuchten wir im Gespräch mit dem Projektverantwortlichen und Product Owner Torsten Helbig, Senior Geologe bei Wintershall Dea, und Dr. Stefan Mück, CTO und Verantwortlicher IBM Executive für dieses Projekt.

Was war die Ambition für das Exploration Advisory Tool?

Torsten Helbig: Bei der Suche nach Gas und Öl, eigentlich bei der Suche nach allen Rohstoffen, kommt es immer darauf ein, ein möglichst gutes Modell des Untergrundes zu entwickeln, welches sich auf möglichst viele, korrekte Daten stützt. Dies ist nötig, um die Größe der Lagerstätte und ihre Form zu definieren und so den besten Ansatz zur Förderung zu finden. Dazu ist neben gutem räumlichem Vorstellungsvermögen auch immer eine möglichst vollständige Sicht auf die relevanten Daten nötig. Im Grunde unterscheidet sich das nicht von Forschungsprojekten in anderen Gebieten: Daten erheben, analysieren und dann zu einer Theorie oder einem Ergebnis kommen. Nur dass bei uns das Ergebnis eine Explorationsbohrung ist.
Wir haben bereits eine Menge Daten in relationalen Datenbanken vorliegen und es gab immer auch Initiativen, hier umfassende Datenmodelle zu schaffen. In der Realität liegen aber wohl die allermeisten Informationen in Form von Berichten (oder Präsentationen) vor, die nicht strukturiert sind. Diesen großen Anteil unseres Wissens sicht- und nutzbar zu machen ist der Sinn von EAT.

Wieso hat sich Wintershall Dea für IBM als Partner entschieden?

Torsten Helbig: Wir sind schon seit circa 10 Jahren immer wieder mit IBM und anderen Firmen zum Thema KI im Gespräch und beobachten auch, welche Projekte angegangen werden und mit welchen IT-Ansätzen. Für das EAT-Projekt haben wir uns für IBM entschieden, weil wir glauben, dass es wichtig ist, gerade auch mit Firmen außerhalb der Gas- und Ölindustrie zusammenzuarbeiten, um neue Impulse zu bekommen. IBM hat uns darüber hinaus durch die gezeigte Kompetenz, auch bei Projekten mit anderen Firmen in Öl & Gas, überzeugt.

Dr. Stefan Mück: Bei IBM liegt unser Fokus darauf, Unternehmen mit Cloud und KI Technologien erfolgreich zu machen, nicht aber die Daten unserer Kunden zu monetarisieren. Das war initial wichtig für das Vertrauen. Und eben auch die globale Erfahrung unseres Services- und IBM Research Teams in KI Projekten, die zum besseren Verständnis des ‚Systems Erde‘ beitragen.

Viele Unternehmen haben in den letzten Jahren Piloten mit KI gestartet, sind am Ende aber oftmals nicht über ein Pilotstadium hinweggekommen. Hier war es offenbar anders. Warum?

Torsten Helbig: Bei solchen Projekten sollte von Anfang an klar sein, was die Vision und das Ziel ist – und dass dieses vielleicht nicht im ersten Anlauf erreicht werden kann. Tatsächlich ist das eine der guten Eigenschaften der Gas- und Ölindustrie: Wir sind es einerseits gewohnt, mit Unsicherheiten und daraus folgenden (sehr teuren) Misserfolgen umzugehen und gleichzeitig in sehr langfristigen Projekten zu denken, bei denen es Jahre oder gar Jahrzehnte dauern kann, bis sie anfangen, Gewinn abzuwerfen. Bei EAT haben wir ein sehr hoch gestecktes Ziel – einen virtuellen Ratgeber zu bauen, der die Kollegen in der täglichen Arbeit mit Analogien zu ihren Fragestellungen helfen kann. Da war es wichtig, machbare Zwischenergebnisse in den Fokus zu nehmen.

Dr. Stefan Mück: Und diese Zwischenergebnisse haben wir in einem Design Thinking Ansatz mit den zukünftigen Anwendern konkret und greifbar entworfen. So konnten wir am Ende jeder Etappe wertvolles Feedback und Impulse für die nächsten Schritte sammeln. Wir waren also gemeinschaftlich und flexibel unterwegs, wie ein kleines Startup Team.

Torsten Helbig: Ich glaube, den Ausschlag gab tatsächlich die Art und Weise, wie wir das Projekt angegangen sind. Es war uns klar, dass dieses Projekt mutig sein muss und wir sind daher direkt in das Thema Agiles Arbeiten eingetaucht. Wir haben es von Anfang an als ein gemeinsames Projekt definiert und auch sofort Distanz abgebaut. Das führte schnell zu einer sehr offenen Projektkultur und Kommunikation. Wir haben auch sehr stark auf Freiwilligkeit bei den Kollegen gesetzt und für das Projekt sehr offen nach Mitarbeitern gesucht. Dabei war uns vor allem wichtig, dass das Team möglichst divers zusammengesetzt ist. Das hilft ungemein, wenn es um die Definition der Aufgaben geht und sicherzustellen, dass nichts übersehen wird. Und die IBM Kollegen waren auch sehr interessiert, zu lernen, was der Unterschied zwischen Lithologie und Formationen ist.

Gab es auch Schwierigkeiten im Projektverlauf und wie wurden die gemeistert?

Torsten Helbig: Wir haben im Laufe der zwei Jahre, die wir das Projekt jetzt schon machen, natürlich auch immer wieder Unstimmigkeiten gehabt. Oft waren sie auf die unterschiedlichen Denkweisen zurückzuführen. Bei unseren Kollegen gab es oft Wünsche, was das Tool können sollte, die sich aber nicht so einfach in Code umwandeln ließen. Auf der anderen Seite mussten wir oft komplexe geologische Fragestellungen erklären, bis sie wirklich allen klar waren. Und damit schließe ich explizit auch Kollegen der Wintershall Dea mit ein, denn auch diese haben im Projekt noch dazugelernt. Letztlich haben wir aber durch den Agilen Ansatz, mit Retrospectives und den regelmäßigen Sprint Reviews alle Schwierigkeiten überwinden können.

Dr. Stefan Mück: Es war ein Innovationsprojekt. Insofern waren unvorhergesehene Herausforderungen zu erwarten. Aber das machte letztlich auch den großen Reiz des Projekts für alle Beteiligten aus, dass immer wieder kreative und elegante Lösungen gefragt waren. Die Motivation war auf beiden Seiten zu jeder Zeit sehr hoch und wir haben immer und immer wieder eine Schippe oben draufgelegt.

Gegen Ende der Entwicklungsphase – welche neuen Herausforderungen stellen sich beim Rollout?

Torsten Helbig: Ich bin seit 20 Jahren in der Gas- und Ölindustrie und habe mich in dieser Zeit mehrmals und in verschiedenen Rollen mit dem Thema Daten- und Wissensmanagement beschäftigt. Das Problem, das wir mit EAT angehen, ist lange bekannt und ist sicherlich eines der am schwierigsten zu Lösenden. EAT wird, auch mit den neuen Möglichkeiten, die wir durch IBM in das Tool einbauen konnten, ein wichtiger Schritt zur Lösung des Problems sein. Aber am Ende bleibt die Entscheidung, welche Daten und Informationen sie nutzt, eine Entscheidung der jeweiligen Kollegen. Natürlich gibt es daneben auch noch technische Herausforderungen, z.B. wie wir die Daten möglichst schnell in das Tool integrieren können oder wie wir eine möglichst nutzerfreundliche Einbindung in unsere Systeme darstellen. Akzeptanz werden wir nur erreichen, wenn die Antworten von EAT den Erwartungen der Kollegen bei Wintershall Dea nach Vollständigkeit und Relevanz für ihre Arbeit entsprechen. Es wird meiner Ansicht nach daher darauf ankommen, zu zeigen, was EAT bereits jetzt beitragen kann und wie viel Arbeitserleichterung bereits im Tool steckt.

Gibt es bei Wintershall Dea Perspektiven über den Rollout hinaus?

Dr. Stefan Mück: Wie schon erwähnt, gibt es eine Reihe innovativer IBM Projekte, die sich mit ‚Subsurface‘ der Geologie beschäftigen. Gemeinsam loten wir nun aus, wo es Möglichkeiten für einen partnerschaftlichen Austausch geben kann. Wir können aufbauen auf einer großen Affinität unserer Unternehmen zur industrieweiten Zusammenarbeit – wie es zum Beispiel auch im Kontext der Standardisierung von Datenschnittstellen (OSDU, Open Subsurface Data Universe) deutlich wird. Wir blicken gespannt in die Zukunft.

Torsten Helbig: Wie schon am Anfang erwähnt – das Tool, welches wir jetzt ausrollen ist ein erster Schritt. Wir sehen noch eine Menge Potential, auch was die Inhalte angeht, die sich mit EAT erforschen lassen. Wir haben uns bisher sehr stark auf den ersten Schritt in unserer Wertschöpfungskette, die Exploration, fokussiert. Aber auch bei unseren Ingenieuren besteht ein Bedarf an dieser Funktionalität. Auch wollen wir evaluieren, wie sich EAT mit unseren anderen, relationalen Datenbanken verbinden lässt um den Kollegen eine möglichst umfassende Unterstützung anbieten zu können.