{"id":14437,"date":"2026-09-30T11:16:59","date_gmt":"2026-09-30T11:16:59","guid":{"rendered":"https:\/\/www.novotek.com\/dk\/?page_id=14437"},"modified":"2026-09-30T12:09:10","modified_gmt":"2026-09-30T12:09:10","slug":"customer-story-siemens-energy","status":"publish","type":"page","link":"https:\/\/www.novotek.com\/dk\/digitalisering\/dataops\/highbyte-intelligence-hub\/customer-story-siemens-energy\/","title":{"rendered":"Customer Story – Siemens Energy"},"content":{"rendered":"
\n
\n
\n
\n
\n

Customer Story
\n<\/em><\/h4>\n

Siemens Energy<\/h1>\n

Caseen viser, hvordan Siemens Energy g\u00f8r produktionsdata mere tilg\u00e6ngelige for at underst\u00f8tte analyse, machine learning og AI p\u00e5 tv\u00e6rs af organisationen.<\/p>\n \n <\/div>\n <\/div>\n\n \"Hero <\/div>\n <\/div>\n\n <\/div>\n\n

Home<\/a><\/span><\/span><\/div><\/div>\n\n\n
\n
\n
\n

Den globale eftersp\u00f8rgsel efter elektricitet forventes at stige markant i de kommende \u00e5r, drevet af elektrificering, AI, datacentre og industriel v\u00e6kst. For energivirksomheder betyder det et \u00f8get behov for at skalere produktionen, optimere kvaliteten og udnytte data langt mere effektivt end tidligere.<\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n

Hos Siemens Energy produceres nogle af verdens st\u00f8rste vindm\u00f8llevinger. P\u00e5 tv\u00e6rs af fabrikker, produktionslinjer og lande genereres enorme m\u00e6ngder operationelle data hver dag.<\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n

Virksomheden \u00f8nskede at skabe et st\u00e6rkere fundament for avanceret analyse, dataops<\/strong><\/a>, machine learning og kunstig intelligens ved at g\u00f8re data lettere tilg\u00e6ngelige, forst\u00e5elige og anvendelige i hele organisationen.<\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div><\/div>\n<\/div><\/div>\n<\/div>\n\n
\n

L\u00e6s mere: i3X forklaret: Det nye API\u2011lag til industriel datatilgang<\/strong><\/a><\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n
\n
\n

Udfordringen: Fra datasiloer til f\u00e6lles indsigt<\/h2>\n<\/div>\n\n
\n

Den centrale udfordring var at oms\u00e6tte operationelle data fra mange produktionsanl\u00e6g til konsistente indsigter, der kunne underst\u00f8tte beslutninger p\u00e5 tv\u00e6rs af organisationen.<\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n

Samtidig \u00f8nskede virksomheden at bevare lokale fabrikkers ansvar og governance, uden at miste muligheden for global analyse og sammenligning.<\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n

For Siemens Energy handler digitalisering ikke blot om at flytte data, men om at sikre, at data beholder deres betydning hele vejen fra produktionsudstyret til analyseplatformen. Uden kontekst bliver selv de mest avancerede AI-l\u00f8sninger begr\u00e6nset i deres evne til at skabe v\u00e6rdi.<\/p>\n<\/div><\/div>\n<\/div><\/div>\n<\/div>\n\n

\n
\n
\n

L\u00f8sningen: HighByte og Snowflake i samspil<\/h2>\n<\/div>\n\n
\n

For at underst\u00f8tte virksomhedens AI-strategi implementerede Siemens Energy en moderne dataarkitektur baseret p\u00e5 HighByte og Snowflake.<\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n

HighByte anvendes t\u00e6t p\u00e5 OT-kilderne, hvor data modelleres, struktureres og kontekstualiseres direkte ved kilden. Data fra blandt andet OPC UA, MQTT og virksomhedens Unified Namespace samles i \u00e9n industriel datamodel, hvor hvert felt navngives, beskrives og standardiseres \u00e9n gang.<\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n

Snowflake fungerer som virksomhedens skalerbare data- og AI-platform, hvor operationelle data kombineres med ERP-, SAP-, MES- og dokumentationsdata. Her udnyttes indbyggede AI-funktioner som Cortex, Semantic Views, Notebooks og Machine Learning til at skabe indsigt direkte p\u00e5 tv\u00e6rs af produktionsdata og forretningsdata.<\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n

Kombinationen af de to platforme sikrer, at den fulde kontekst og semantik f\u00f8lger dataene hele vejen fra fabriksgulvet til de endelige forretningsbeslutninger.<\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n

“HighByte giver data mening ved kilden, og Snowflake g\u00f8r den mening anvendelig p\u00e5 tv\u00e6rs af virksomheden. AI er det, vi f\u00e5r tilbage som resultat.”
<\/em>
Henrik Birk, Industrial Solution Architect, Siemens Energy<\/strong><\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n
Hvorfor HighByte<\/strong><\/th>Hvorfor Snowflake<\/strong><\/th>St\u00e6rkere sammen<\/strong><\/th><\/tr><\/thead>
Data modelleres t\u00e6ttest muligt p\u00e5 OT-kilden, hvor hvert felt navngives, typificeres og beskrives \u00e9n gang.<\/td>Skalerbar cloud-platform til lagring, analyse og styring af industrielle data side om side med enterprise-data.<\/td>Rige datamodeller fra HighByte overf\u00f8res til Snowflake med fuld kontekst, herunder beskrivelser, enheder og forretningsm\u00e6ssig betydning.<\/td><\/tr>
Samler OPC UA, MQTT og Unified Namespace (UNS) i \u00e9t f\u00e6lles industrielt datalag.<\/td>Indbyggede AI-funktioner (Cortex) oms\u00e6tter procesdata til s\u00f8gbar viden, indsigter og pr\u00e6diktive analyser.<\/td>Mere kontekst skaber st\u00f8rre AI-v\u00e6rdi og etablerer en positiv v\u00e6rdik\u00e6de fra OT-kilden til beslutningsgrundlaget.<\/td><\/tr>
Knowledge Graph skaber sporbarhed og datalinje fra PLC-tag til den endelige forbruger af data.<\/td>Model Registry, Notebooks og Semantic Views giver data scientists direkte adgang til OT-data.<\/td>Fuld sporbarhed gennem hele datarejsen: Sensor \u2192 HighByte-model \u2192 UNS \u2192 Snowflake \u2192 Beslutning.<\/td><\/tr>
Reducerer behovet for manuel databehandling, da AI arbejder ud fra en veldefineret og struktureret datamodel.<\/td>Naturligt sprog som brugergr\u00e6nseflade (CoWork og CoCo) g\u00f8r det muligt at arbejde med data uden SQL-kendskab.<\/td>Integrerede AI-services automatiserer b\u00e5de opbygning af datapipelines og kvalitetsforudsigelser.<\/td><\/tr>
<\/td><\/td>En samlet platform, der forbinder OT, IT og AI for hurtigere og mere datadrevne beslutninger.<\/td><\/tr><\/tbody><\/table><\/figure>\n<\/div>\n\n
\n
<\/div>\n<\/div>\n\n
\n

L\u00e6s mere: HighByte Intelligence Hub<\/strong><\/a><\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div><\/div>\n<\/div><\/div>\n<\/div>\n\n
\n
\n
\n
\n
\n
\n
\n
\n