Von Datensilos zum Datenökosystem: Die Data Journey am Flughafen Zürich

Auch die Flughafen Zürich AG stand vor diesen Herausforderungen. Doch durch die erfolgreiche Transformation der eigenen Datenlandschaft gelang es dem Unternehmen, eine skalierbare Basis für ein Datenökosystem zu schaffen. Dieses ermöglicht near real-time Entscheidungen, verbessert die Zusammenarbeit und steigert die operative Effizienz. Die dabei gewonnenen Erkenntnisse bieten spannende Insights für alle Unternehmen, die den Wandel hin zu datengetriebenem Arbeiten gestalten wollen – nicht nur in der Transport- und Mobilitätsbranche.

In diesem Blogbeitrag werfen Philipp Morf, Director of Data Science bei Zühlke, und David Hangartner, Leiter des Data and Analytics Competence Center bei der Flughafen Zürich AG, einen Blick auf die laufende Transformation der Datenlandschaft des Flughafens und teilen wertvolle Erkenntnisse für andere Organisationen.

Das Wichtigste auf einen Blick:

• Wie Datensilos die Performance komplexer Organisationen ausbremsen.
• Best Practices für den Aufbau eines zukunftsfähigen Datenökosystems.
• Wie Governance, Sicherheit und Zugänglichkeit ausbalanciert werden können.
• Die Rolle von KI und near real-time Analysen bei der Entscheidungsfindung.
• Übertragbare Learnings aus der Erfahrung des Flughafens Zürich.

Die Herausforderung: Datensilos in einem komplexen Umfeld auflösen

Viele Organisationen wollen datenbasierte Entscheidungen treffen, doch bleiben ihre Daten oft in fragmentierten, nicht miteinander verbundenen Systemen gefangen. Ohne ein starkes, zentrales Datensystem werden Entscheidungen häufig rein reaktiv getroffen – mit negativen Folgen für Effizienz und User Experience. Besonders ausgeprägt zeigt sich diese Problematik in komplexen Zusammenhängen mit vielen unterschiedlichen Stakeholdern wie beispielsweise bei Flughäfen, Logistikzentren und multinationalen Unternehmen.

Zu den wichtigsten Herausforderungen gehören:

• Datenfragmentierung: Betriebsrelevante Daten sind in isolierten Legacy Systems gespeichert und verhindern einen ganzheitlichen Überblick in Echtzeit.
• Eingeschränkte Zusammenarbeit: Stakeholder verwalten ihre Daten unabhängig voneinander, was die funktionsübergreifende Koordination erschwert.
• Wachsende Anforderungen an Automatisierung und KI: Teams wollen prädiktive Analysen nutzen und near real-time Entscheidungen treffen, verfügen aber nicht über die nötige Infrastruktur.
• Regulatorische und sicherheitsrelevante Anforderungen: Branchen wie Luftfahrt, Finanzendienstleistungen oder das Gesundheitswesen unterliegen strengen Vorschriften, die Datenaustausch und Interoperabilität komplexer machen.

Erkenntnisse vom Flughafen Zürich: Aufbau eines skalierbaren Datenökosystems

2. Eine zukunftsorientierte Dateninfrastruktur aufbauen

Um KI-gestützte Anwendungen und Analysen zu skalieren, braucht es ein stabiles Datenfundament. Mit Unterstützung von Zühlke entwickelte die Flughafen Zürich AG eine moderne Datenplattform auf Basis der Lakehouse-Architektur mit Azure und Databricks.

Dabei galten klare Prinzipien:

• Eine standardisierte Datenverarbeitung ermöglicht Konsistenz über alle Systeme hinweg und hilft dabei, Redundanzen zu vermeiden.
• Automatisierte Governance- und Sicherheitsleitlinien stellen die Compliance sicher und ermöglichen den Zugang zu den benötigten Daten.
• Interoperabilität mit den bestehenden Systeme erlaubt die Nutzung von Legacy Systemen und historischer Daten, ohne Störungen zu verursachen.

Eine gut strukturierte Datenbasis ermöglicht es, nicht nur Daten zu sammeln, sondern echten Mehrwert aus ihnen zu generieren. Mit dieser Architektur ist die Flughafen Zürich AG bestens aufgestellt, um datengetriebene Anwendungen zu erweitern, near real-time Analysen durchzuführen und die Entscheidungsfindung auf allen Ebenen zu unterstützen.

3. Transparenz für mehr operative Effizienz

Organisationen, die komplexe Betriebsabläufe managen, benötigen einen near real-time Überblick über unterschiedliche Stakeholder hinweg. Ein System, das die wichtigsten Datenquellen integriert und kombiniert, versetzt Teams in die Lage, Störungen frühzeitig zu erkennen und aktiv Entscheidungen zu treffen.

Am Flughafen Zürich wurde dafür die Airport Operations Plan (AOP) App entwickelt. Diese near-real-time-Anwendung verbessert die operative Koordination und die Lageeinschätzung. Basierend auf der bestehenden Datenplattform integriert AOP Daten aus beispielsweise Flugplänen, dem Wetterbericht und dem Betrieb auf dem Vorfeld, um proaktives Handeln zu ermöglichen.

Wesentliche Erfolgsfaktoren waren dabei: 

• Enge Zusammenarbeit zwischen IT- und weiteren Teams: Gemeinsame Zieldefinition und Ausrichtung.
• Frühe Einbeziehung der Nutzer:innen: Aktive Einbindung bei der Anforderungsdefinition zur Sicherstellung der Bedienbarkeit.
• Kontinuierliche Feedbackschleifen: Iteratives Vorgehen, um Lösungen laufend an die aktuellen Anforderungen anzupassen.

Auch andere Organisationen, die datengetriebene Entscheidungsprozesse verbessern wollen, können erheblich von einem solchen nutzerzentrierten Ansatz profitieren.

Best Practices für die Daten-Transformation

Die Entwicklung des Flughafens Zürich zeigt, worauf Unternehmen bei ihrer eigenen Transformation achten sollten:

• Governance von Anfang an etablieren: Klare Verantwortlichkeiten, Zugriffsregeln und Compliance-Standards schaffen.
• Business Value im Fokus: Dateninitiativen müssen echte operative Herausforderungen adressieren.
• Agiles Vorgehen: Iterative Entwicklung und kontinuierliches Lernen beschleunigen Innovation.
• Balance zwischen Sicherheit und Zugänglichkeit: Automatisierte Governance-Frameworks gewährleisten Datenschutz und fördern gleichzeitig die Nutzerfreundlichkeit.

Fazit: Eine Blaupause für datengetriebene Transformation

Die Flughafen Zürich AG beweist, dass eine strukturierte Herangehensweise an Governance, Interoperabilität und KI-gestützte Erkenntnisse entscheidend ist, um Effizienz zu steigern, Innovation voranzutreiben und nachhaltige Skalierbarkeit zu erreichen.

Organisationen, die am Beginn ihrer eigenen Data Journey stehen, sollten klar auf unternehmerischen Impact fokussieren, eine stabile Basis schaffen und agil denken – dann steht einer echten Transformation des Datenökosystems nichts im Weg.